Académique Documents
Professionnel Documents
Culture Documents
Sous la Direction de :
Je dédie ce mémoire
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 1
2014
Remerciements
Je tiens tout d’abord à remercier l’Eternel DIEU Tout Puissant qui m’a gardé
et accordé santé, courage et force durant toute ma formation. Que son nom
soit loué à jamais.
Du Pr TAMO TATIETSE Thomas, pour avoir suivi entièrement ce travail avec beaucoup
d’intérêt. Merci pour tous ses conseils, pour la confiance et surtout pour sa grande disponibilité.
De ma tendre mère Mme ETOGO Nicole, puisse le Seigneur Dieu tout puissant te donner
la force de continuer à veiller sur tes enfants ;
De ma tante Mme ZOGO Victorine, pour tout le soutien qu’elle m’a toujours apportée;
De Mon grand-frère ainé M. OLEME Achille pour tout le soutien qu’il m’a toujours
apporté ;
De toute ma grande famille, pour le soutien et l’estime qu’ils ont eus pour moi durant
toute ma formation.
De tous mes amis qui m’ont soutenu et ont toujours été proche de moi quand j’avais besoin
d’eux.
De tous mes amis du Génie Civil, promotion 2014 pour les bons moments passés
ensemble et pour tous les encouragements reçus d’eux. Que cette harmonie longtemps partagée
ne tarisse jamais.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 2
2014
Glossaire
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 3
2014
Résumé
Ce travail présente une étude sur la corrélation entre le parc automobile et linéaire de
voirie dans la ville de Yaoundé en proposant des prévisions sur le réseau support (réseau viaire).
L’étude menée évoque premièrement la notion de voirie, elle propose une description du parc
automobile et du linéaire de voirie de la ville, ainsi que leur évolution. Dans un second temps,
elle aborde la notion de corrélation, et de coefficient de corrélation, qui est un paramètre
statistique. Cette méthodologie est complétée par une étude des prévisions par la régression
linéaire simple. Elle traite de l’ajustement par la méthode des moindres carrés ordinaires pour
l’élaboration du modèle linéaire définit, les notions d’inférence statistiques y sont également
abordées avec des tests de significativité sur le modèle et ses différents paramètres.
Les résultats obtenus dans le cas spécifique de la ville de Yaoundé montrent une absence
de corrélation entre les deux paramètres du modèle à partir des années 2000. Le modèle propose
une base de corrélation qui va permettre d’effectuer des corrections sur le linéaire de voirie pour
les années 2005 et 2010. Il permettra aussi d’établir des prévisions sur ce paramètre à court, à
moyen et à long terme à travers des estimations sur le parc automobile. L’étude menée entrevoie
alors des perspectives tant sur l’amélioration de la méthodologie proposée qu’à son intégration
à une autre plus globale de planification urbaine.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 4
2014
Abstract
This work presents a study on the correlation between the linear of road and the parking
lot in Yaounde by proposing an estimate of the linear of road knowing the fleet of vehicles. In
the first time, we define the notion of road, we propose a description of the parking lot and the
linear of road of the Yaounde town, and their evolution since the year 1960. Secondly, we define
the notion of correlation, and coefficient of correlation which is a statistical parametric. We
then complete the methodology by analyzing the estimate with the linear regression method.
This part of the work talks about the adjustment by using the smaller ordinary corner method
for the elaboration of the linear model. The notions of statistical inference and significativity
test of the different parameters of the model are also analyzed in this part.
The results obtain in the specific case of the Yaounde town shows an absence of
correlation between the two parameters of the model starting from the 2000 year. The model
proposes a base of correlation which will help to redress the linear road for the years 2001 up
to 2010. It will enable us also to establish the previsions on the linear road with the estimate on
the parking lot. We then propose some perspectives on the improvement of the method and its
integration on a larger method of urban planning.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 5
2014
Liste Des Figures
Figure 1 courbe théorique de la relation entre le débit sur une voie et la vitesse de circulation
des véhicules sur cette voie ........................................................................................................ 2
Figure 10 Évolution croisée linéaire de voirie –parc automobile de Yaoundé : nuage de points
.................................................................................................................................................. 52
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 6
2014
Liste Des Tableaux
Tableau II-2 Évolution du linéaire de voirie de la ville de Yaoundé, source CUY ................. 13
Tableau II-5 Part des types de véhicules dans le trafic de la ville de Yaoundé ....................... 15
Tableau II-6 Évolution du linéaire de voirie et du parc automobile de Yaoundé de 1961 à 2000
[10] ........................................................................................................................................... 16
Tableau II-7 Évolution du parc automobile de Yaoundé de 1961 à 2010, [6], MINT, DTR ... 16
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 7
2014
Sommaire
Dédicaces ................................................................................................................................................1
Remerciements .......................................................................................................................................2
Glossaire..................................................................................................................................................3
Résumé ....................................................................................................................................................4
Abstract ...................................................................................................................................................5
Liste Des Figures ....................................................................................................................................6
Liste Des Tableaux..................................................................................................................................7
Sommaire.................................................................................................................................................8
Chapitre I- CONTEXTE ET PROBLEMATIQUE ...............................................................................13
I.1- Contexte [5] et [6] .........................................................................................................................1
I.1.1- Situation infrastructurelle de la ville de Yaoundé ...............................................................1
I.1.2- Contexte naturel et socio-économique de la ville de Yaoundé...........................................3
I.1.3- Aménagement en cours ou projetés ..................................................................................6
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 8
2014
III.1.1- Historique .........................................................................................................................19
III.1.2- Association entre deux ou plusieurs variables .................................................................19
III.1.3- Définition ..........................................................................................................................20
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 9
2014
Conclusion Générale et Perspectives .................................................................................................61
Bibliographie .........................................................................................................................................63
Annexes .................................................................................................................................................65
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 10
2014
Introduction Générale
La ville de Yaoundé à l’image de plusieurs villes africaines n’est pas en reste concernant
les problèmes de planification urbaine. L’échec du SDAU de 1982 a entrainé un désordre urbain
important. En effet, l’accroissement de la population (en 2010 une population estimée de 2
153 951 d’habitants) implique désormais une forte mobilité dans la ville, le nombre total de
déplacements de passagers par jour à Yaoundé est de 2,2 millions, soit une mobilité moyenne
motorisée de 1 déplacement par habitant par jour environ [5].
Entre 1980 et 2000, des travaux scientifiques ont estimé que l’aire urbaine de Yaoundé a
été multipliée par 2,6 et sa population par 2,3, tandis que le linéaire de voirie est passé
seulement de 500 km à 700 km [10]., soit une augmentation deux fois moindre que l’extension
géographique et que la croissance démographique. Les analyses les plus récentes montrent
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 11
2014
que, cette aire urbaine a quadruplé de 1980 à 2010, le linéaire de voirie quant à lui est passé à
755 km.
Le réseau viaire de la ville se trouve saturé devant l’accroissement sans cesse grandissant
du parc automobile. Devant cette situation, il apparaît la nécessité d’étudier la corrélation entre
le parc automobile et le linéaire de voirie dans la ville de Yaoundé, pour une contribution
à la prévision du réseau support. L’étude menée s’articule autour de cinq chapitres :
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 12
2014
Chapitre I- CONTEXTE ET PROBLEMATIQUE
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 13
2014
I.1- Contexte [5] et [6]
Le réseau routier de la ville est estimé à 2 536 km en 2010, dont 755 km sont revêtus.
Il a du mal à suivre le rythme de la croissance de la ville et des besoins en déplacements. Les
liaisons centre/périphérie sont ainsi supportées par un nombre limité de voies structurantes.
Malgré un effort notable en matière de réhabilitation et d’extension du réseau viaire entrepris
ces dernières années à Yaoundé, le niveau de couverture demeure faible.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 1
2014
- A Yaoundé, l’augmentation du réseau de voirie suit un rythme bien inférieur à
celui de la croissance des besoins. Du fait des contraintes imposées par la
configuration spatiale de l’agglomération, mais surtout en raison des contraintes
financières, il est très difficile pour les pouvoirs publics d’accroître la capacité
sur les axes centre/périphérie, les plus fortement sollicités.
- Pour s’assurer un retour sur investissement plus rapide, les artisans marquent une
nette préférence pour des véhicules de faible capacité : 1 place pour les moto-taxis,
5 places pour les taxis collectifs, 10 à 20 places pour les minibus, or ces véhicules
ont un coefficient d’occupation d’espace par passager plus important qu’un
autobus (entre 60 et 100 places pour un autobus standard, jusqu’à 270 places
proposées par les autobus bi-articulés). On arrive ainsi plus rapidement à une
saturation de la voirie, phénomène que formalise la Figure ci-après.
Figure 1 courbe théorique de la relation entre le débit sur une voie et la vitesse de circulation des
véhicules sur cette voie
- De plus, les vitesses évoquées ci-dessus sont des vitesses de circulation. Pour les
transports collectifs, il faut en plus considérer les arrêts pour charger et décharger
les passagers. La multiplication des arrêts, en plus de réduire la vitesse commercial e
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 2
2014
du véhicule, ralentit sa circulation et réduit encore plus la capacité des voies.
Les artisans stoppent leurs véhicules de façon intempestive et très souvent ne font
pas l’effort de s’écarter de la chaussée, ralentissant donc la circulation des
autres véhicules.
Capitale du Cameroun et deuxième plus grande ville du pays après Douala, Yaoundé
abrite l’essentiel de la superstructure administrative du pays et une partie des sièges des
entreprises. C'est aussi le chef-lieu de la Région du Centre. Son activité économique et, dans
une certaine mesure, la mobilité quotidienne des habitants et l’offre de transport sont fortement
influencées par la présence des administrations publiques centrales.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 3
2014
L’aéroport international de Nsimalen est la deuxième plateforme aérienne du pays, avec
22% du trafic passager national et international du Cameroun (annuaire statistique 2008, Institut
National de la Statistique). Il est situé au sud de Yaoundé, à 27 km du centre-ville.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 4
2014
Contexte naturel
La ville est située dans un relief accidenté, des plateaux étagés entre 700 et 800 m
d’altitude et des massifs montagneux atteignant jusqu’à 1200 m d’altitude. Si le site présente
un certain charme, il impose des contraintes aux infrastructures et aux transports. Il renchérit le
cout des infrastructures de transport qui doivent être allongées pour éviter des pentes trop
raides et aussi comprendre plusieurs ouvrages de franchissement. La raideur des pentes
augmente également la consommation de carburants des véhicules. Elles limitent cependant
le phénomène de surcharge des poids-lourds, mais elles augmentent les risques d’accidents.
Enfin, le relief accidenté accroit la pénibilité de la marche à pied et l’usage du vélo.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 5
2014
de revenus sont les plus fortes. Le rapport des revenus entre les 20% les plus riches et les 20%
les plus pauvres est de 7,6.
D’après cette enquête, le transport, avec 11,2% des dépenses totales, constitue le
troisième poste de dépenses des ménages, après le logement (27,2%) et l’alimentation (18,3%).
Ramenée à la dépense moyenne par habitant, cette part représente 235 FCFA par jour
calendaire, et 340 FCFA par jour ouvré.
En matière de voiries, les projets les plus importants suivants sont engagés sous la maîtrise
d’ouvrage du MINDUH ou du MINTP:
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 6
2014
La CUY, en partenariat avec le MINDUH dans le cadre des financements internationaux
(prêts ou annulation de dette) supervisés par ce dernier, envisage les projets suivants:
I.2- Problématique
Alors que la croissance aux lendemains des indépendances était stimulée par la prospérité
économique, depuis la fin des années 1980, nous assistons plutôt à une urbanisation
appauvrissante. La crise a dramatiquement réduit les ressources publiques. Au niveau des
ménages, le niveau des revenus se dégrade ou, au mieux, stagne. La croissance démographique
sous une forte contrainte économique n’est pas sans conséquences, quantitativement et
qualitativement, sur la mobilité urbaine. Cette croissance intervient dans un cadre physique
particulièrement contraignant pour l’aménagement des infrastructures de transport et la sécurité
de leur usage. Le relief accidenté de la ville et son réseau hydrographique développé imposent
en particulier des ouvrages de franchissement et des profils de routes couteux.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 7
2014
I.2.2- Difficultés sur le plan infrastructurel
La croissance de la ville exige des efforts importants sur le réseau viaire en termes de
rattrapage des besoins en dessertes performantes. Mais les mesures devront être efficaces,
ciblées et adaptées aux niveaux de ressources disponibles. Un réseau viaire structurant et
hiérarchisé à l’échelle de l’agglomération sera le support à la fois du déploiement des transports
collectifs et d’une urbanisation contrôlée.
Le transport en commun dans la ville est assuré majoritairement par les taxis, qui sont des
moyens de transport urbain inappropriés du fait de leur faible capacité de charge (5 places),
contrairement aux bus et autocars (60 à 100 places) [6].
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 8
2014
Chapitre II- LES INFRASTRUCTURES VIAIRES DANS LA
VILLE DE YAOUNDÉ
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 9
2014
II.1- Définition de la voirie
En effet, chaque rue dessert des parcelles riveraines, et cette première fonction
d’accessibilité est une condition nécessaire pour transformer un espace physique en espace en
espace socio-économique. Elle est aussi un élément du cadre de vie, par sa forme architecturale
qui contribue à donner à l’espace urbain une densité, une structure, une lisibilité pour le citadin.
Compte tenu des différents rôles de la voirie ci-avant énumérés, la circulation urbaine est
organisée en fournissant à chaque type la possibilité de se dérouler avec une vitesse qui cadre
avec ses besoins. On peut ainsi décomposer le réseau viaire de la capitale en quatre types :
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 10
2014
II.3.1.1- Les voies tertiaires ou voies de desserte [3]
Aussi appelées voiries locales, elles donnent la priorité à la desserte des propriétés
riveraines. On peut les définir comme l’ensemble des voies et voies piétonnières mises à la
disposition du public pour se déplacer jusqu’au seuil d’un immeuble. On y circule à une vitesse
réduite (20-40 Km/h) [MINEPAT, 1998].
Elles assurent à la fois des fonctions de desserte et de circulation à l’intérieur des quartiers
à une vitesse moyenne théorique de 40 à 50 Km/h. Elles drainent le trafic des zones de desserte
vers les accès aux voiries primaires.
C’est un réseau de voies à l’échelle de la ville. Elles donnent une priorité non plus à la
desserte, mais à la circulation. Elles relient entre-elles les divers quartiers de la ville. On peut y
circuler à une vitesse relativement élevée (50 à 80 Km/h). Les voies d’accès à la voirie primaire
sont limitées, les stationnements interdits. Ces mesures sont prises pour faciliter le trafic.
Les voies de transit sont des voies urbaines qui sont constituées pour la plupart des
prolongements du réseau routier national interurbain. Elles devraient donner l’exclusivité à la
circulation interurbaine à grande vitesse (110Km/h).
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 11
2014
- Dégradations : les dégradations de chaussées suivantes sont le plus souvent
rencontrées :
o caniveaux;
o drains enterrés;
o fossés bétonnés et en terre;
o buses;
o dalots;
o ponts.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 12
2014
II.3.3- Evolution
Le parc automobile de Yaoundé comporte plusieurs types de véhicules dont : les bus et
autocars, les camions, les chariots, les engins, les grumiers, les minibus, les motos, les pick-up
ou camionnettes, les remorques, les semi-remorques, les tracteurs agricoles ; les tracteurs
routiers, les triporteurs, et les véhicules particuliers.
Les données analysées ici proviennent des services du Ministère des Transports à
Yaoundé. Elles concernent l’ensemble du parc de la Région du Centre tel que évalué en 2009.
Près de 90% de ce parc circule dans la ville de Yaoundé. En raison du statut de la ville de
Yaoundé, un flux important de véhicules de visiteurs professionnels et touristiques ou en transit
vient s’ajouter au parc automobile des résidents. L’activité cumulée de cet important parc de
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 13
2014
véhicules a des incidences croissantes sur l’environnement global. La structure de ce parc est
représentée sur les graphiques ci-dessous:
Motos
Voitures 4*4
Taxis
Minibus
Bus
Camionnettes
Camions 2 essieux
Camions à plus de 2 éssieux
Remorques
Autres
Le parc de véhicules de Yaoundé est extrêmement vieux. Plus de 60% de véhicules ont
plus de 10 ans le jour de leur première mise en circulation. Ces véhicules de seconde main en
provenance d’Europe aggravent le phénomène de pollution atmosphérique. Ils imposent en
outre des problèmes de gestion des épaves.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 14
2014
Tableau II-4 Caractéristique du parc automobile de Yaoundé [5]
Les véhicules circulant dans la ville de Yaoundé proviennent de plusieurs types de trafic :
- Le trafic intérieure, ou intra, qui représente à lui seul 91,7% du trafic total de la
ville ;
- Le trafic import : véhicules provenant d’autres villes, il représente 3,9% du trafic ;
- Le trafic export : 3,9% du trafic total ;
- Et le trafic de transit : 0,4% du trafic total.
Tableau II-5 Part des types de véhicules dans le trafic de la ville de Yaoundé
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 15
2014
II.4.2- Evolution
Tableau II-6 Évolution du linéaire de voirie et du parc automobile de Yaoundé de 1961 à 2000 [10]
Nous avons obtenus les chiffres sur l’évolution du parc automobile entre les années 2004
et 2010 auprès du service statistique de la Direction des Transports Routiers du Ministère des
Transports. Ils sont donnés en annexe.
Le cumul de ces données nous permet d’obtenir le tableau suivant d’évolution du parc
automobile de 1960 à 2010, elles sont regroupées en classe de 5 ans d’amplitude :
Tableau II-7 Évolution du parc automobile de Yaoundé de 1961 à 2010, [6], MINT, DTR
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 16
2014
ANNEE PARC
1961-1965 7011
1966-1970 8040
1971-1975 13536
1976-1980 24489
1981-1985 50159
1986-1990 69419
1991-1995 87508
1996-2000 120197
2001-2005 236197
2006-2010 443018
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 17
2014
Chapitre III- ANALYSE DE CORRÉLATIONS
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 18
2014
III.1- Définition et historique
III.1.1- Historique
La corrélation est un concept issu de la biologie. C'est par le biais des travaux de Francis
Galton que la corrélation devient un concept statistique. Toutefois pour Galton, la notion de
corrélation n'est pas définie précisément et il l'assimile dans un premier temps à la droite de
régression d'un modèle de régression linéaire.
C'est ensuite Karl Pearson qui propose en 1896 une formule mathématique pour la notion
de corrélation et un estimateur de cette grandeur..
- une relation non spécifique: y a-t-il un lien, une influence quelconque – causale,
indirecte, mutuelle – entre deux caractéristiques observées ? L’arsenal disponible
pour l’évaluation statistique de ces relations est nombreux et diversifié, les outils
les plus courants étant les tests t de Student, l’analyse de variance et le test du Khi-
deux pour tableaux de fréquences ;
- une relation linéaire: La variation d’une grandeur Y donnée est-elle proportionnelle
à la variation d’une autre grandeur X, peut-on établir une règle de correspondance
linéaire entre les deux? Cette relation paradigmatique, représentée par l’équation «
Y = bX + a », fournit souvent le premier pas vers une modélisation d’un phénomène.
Elle peut être écrite sous la forme Y= f(X), où f est une fonction, linéaire ou
linéarisable, de X ;
- une relation monotone : Intermédiaire entre la relation linéaire décrite ci-dessus et
une relation non spécifique, qui n’implique aucune concordance régulière entre X et
Y, s’intercale la relation dite monotone. Y a-t-il une fatigue, une diminution d’énergie
chez les travailleurs du premier jusqu’au cinquième jour d’une semaine de travail?
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 19
2014
Les relations de ce type se subdivisent en deux sous-catégories, selon la nature des
variables concernées : soit les variables X et Y concernées sont toutes deux mesurées
et reflètent des grandeurs (continues), alors que la relation supposée entre elles est
monotone plutôt que métrique ( l’espérance de vie et le revenu moyen); soit au moins
l’une des variables est ordinale ( l’échelle de Mohrs pour la dureté d’un matériau)
ou catégorielle ordonnée, la variable catégorielle regroupant ordinairement plus
d’un élément ( le niveau de scolarité).
III.1.3- Définition
Etymologiquement, la corrélation est la relation réciproque entre deux choses, entre deux
personnes. En statistique, on définit cette relation par un coefficient, appelé coefficient de
corrélation qui indique le degré d’association entre deux variables. C’est un coefficient
numérique compris entre +1 et -1. La corrélation n’implique en aucun cas, une relation de cause
à effet.
La corrélation met en évidence un lien entre deux variables. En effet, comme il est précisé
dans tous les ouvrages de statistique, corrélation n’est pas causalité. Ceci est très important car
cette phrase signifie que l’opération statistique effectuée, du fait de son statut descriptif, permet
seulement de montrer que les variables entretiennent une relation et pas du tout qu’une variable
explique ou cause l’autre variable. Il est fondamental d’insister ici sur l’importance à ne pas
confondre corrélation et causalité : le fait que deux variables soient corrélées montre
simplement qu’elles covarient, c’est-à-dire que, les changements de valeur de l’une sont
associés, de manière significative, avec des changements de valeurs de l’autre. La corrélation
est une statistique descriptive et non inférentielle. Si le but des calculs entrepris est de montrer
qu’une variable en explique une autre, il faudra alors recourir à des statistiques inférentielles
(et notamment aux techniques de régression), pour pouvoir parler de causalité.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 20
2014
III.2- Dispersion de données
III.2.1.2- Indépendance
𝑥̅𝑗 = 𝑥̅ 𝑒𝑡 𝑦̅𝑖 = 𝑦̅
Les courbes de régression sont donc deux droites parallèles aux axes de coordonnées : en
cas d’indépendance, la connaissance de la valeur de l’une des variables, X par exemple,
n’apporte aucune information supplémentaire sur la distribution de l’autre et, en particulier, sur
la valeur moyenne de celle-ci.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 21
2014
III.2.1.3- Corrélation
La situation décrite aux figures 6 et 7 est intermédiaire entre les deux cas extrêmes
précédents. La courbe de régression de Y en X n’étant pas parallèle à l’axe des abscisses, la
connaissance de la valeur prise par X apporte une information supplémentaire sur le valeurs
susceptibles d’être prises par Y : si 𝑋 = 𝑥𝑖 , Y prend la valeur 𝑦̅,
𝑖 et non 𝑦
̅. On dit que Y est en
corrélation avec X.
Lorsque les variations des deux phénomènes se produisent dans le même sens, on dit que
la corrélation est directe ou positive.
Lorsque les variations sont de sens contraire, on dit que la corrélation est inverse ou négative.
Lorsque les courbes de régression sont des droites non parallèles aux axes de
coordonnées, il y a corrélation linéaire.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 22
2014
Lorsqu’une variable Y est en corrélation avec une variable X, la courbe de régression de
Y en X permet de résumer de façon commode la liaison existant entre les deux variables. Ce
résumé a d’autant plus d’intérêt que la courbe de régression est plus représentative de
l’ensemble de la distribution à deux variables, autrement dit que les points (𝑥𝑖 , 𝑦𝑖 ) sont plus
concentrés autour de la courbe de régression. Cette intensité de la liaison est mesurée par le
rapport de corrélation.
III.3.1.1- Définition
𝟏
̅). (𝐘𝐢 − 𝐘
𝐂𝐨𝐯(𝐗, 𝐘) = ∑𝐍𝐢=𝟏(𝐗 𝐢 − 𝐗 ̅) (1)
𝐍
Ou
𝟏
̅. 𝐘
𝐂𝐨𝐯(𝐗, 𝐘) = ( ∑𝐍𝐢=𝟏 𝐗 𝐢 . 𝐘𝐢 ) − (𝐗 ̅) (2)
𝐍
Avec,
𝐂𝐨𝐯(𝐗,𝐘)
𝐫(𝐗, 𝐘) = (3)
𝛔 𝐱 .𝛔𝐲
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 23
2014
Avec, 𝝈𝒙 , 𝒆𝒕 𝝈𝒚 étant les écarts type des distributions des variables X et Y.
𝟏
𝐕(𝐗) = 𝐍 ∑𝐍 ̅ 𝟐
Et 𝐢=𝟏(𝐗𝐢 − 𝐗)
On peut démontrer que ce coefficient varie entre -1 et +1. Son interprétation est la
suivante :
Le signe de r indique donc le sens de la relation tandis que la valeur absolue de r indique
l'intensité de la relation c'est-à-dire la capacité à prédire les valeurs de Y en fonctions de celles
de X.
Le test s’écrit :
𝐻0 : 𝑟 = 0
{
𝐻1 : 𝑟 ≠ 0
La statistique du test sous 𝐻0 s’écrit :
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 24
2014
𝒓̂
𝒕= 𝟐
(4)
√ 𝟏−𝒓̂
(𝒏−𝟐)
𝛼
Où 𝑡1−𝛼 (𝑛 − 2) est le quantile d’ordre 1 − 2 de la loi de Student à (n-2) degrés de liberté. Il
2
Plutôt que de comparer la statistique calculée avec le seuil théorique fournie par la loi de
Student, on peut évaluer la probabilité critique (p-value) que l’on doit comparer au risque 𝛼 que
l’on s’est fixé. Si la p-value est plus petite, alors nous rejetons l’hypothèse nulle.
III.3.2.1- Définition
Le coefficient de Spearman est fondé sur l'étude de la différence des rangs entre les
attributs des individus pour les deux caractères X et Y :
∑𝒏 ̅ ̅
𝒊=𝟏(𝑹𝒊 −𝑹)(𝑺𝒊 −𝑺)
̂=
𝝆 (5)
√∑𝒏 ̅ 𝟐 𝒏 ̅ 𝟐
𝒊=𝟏(𝑹𝒊 −𝑹) √∑𝒊=𝟏(𝑺𝒊 −𝑺)
Avec,
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 25
2014
Ce coefficient varie entre -1 et +1. Son interprétation est la même que celui de Pearson,
mais il permet de mettre en évidence des relations non-linéaires lorsqu'elles sont positives ou
négatives.
Il est non paramétrique, il n'est donc pas nécessaire de faire des hypothèses sur les
distributions sous-jacentes de X et Y . Mais lorsque le couple (X, Y ) est distribué selon une loi
normale bivariée, il est quasiment aussi puissant que le coefficient de Pearson. Les deux
indicateurs proposent des valeurs similaires, il est dès lors possible d'interpréter le carré du
coefficient de Spearman en termes de variance expliquée.
Toujours conséquence du fait qu'il soit non paramétrique, le ρ de Spearman peut traiter
les variables intrinsèquement ordinales : un indice de satisfaction, une appréciation ou une note
attribuée, etc. L'inférence statistique (tests, intervalles de confiance) n'est pas modifiée.
Très intéressant dans la pratique, le ρ de Spearman peut caractériser d'une liaison non-
linéaire monotone, à la différence du coefficient de Pearson qui ne retranscrit que les relations
linéaires.
Le ρ de Spearman a quand même des limites. Lorsque la liaison est non monotone, il n'est
pas opérant. Il faut se tourner vers une transformation de variable spécifique inspirée par le
graphique nuage de points ou utiliser un indicateur adapté tel que le rapport de corrélation.
̂
𝝆
𝒕= 𝟐
(6)
√ 𝟏−𝝆̂
(𝒏−𝟐)
La statistique utilisée ici est la même que celle développée sur le coefficient de
corrélation.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 26
2014
III.3.3- Tau de KENDALL [8]
- On dit que les paires observations i et j sont concordantes si et seulement si (𝑥𝑖 >
𝑥𝑗 𝑎𝑙𝑜𝑟𝑠 𝑦𝑖 > 𝑦𝑗 ) ou (𝑥𝑖 < 𝑥𝑗 𝑎𝑙𝑜𝑟𝑠 𝑦𝑖 < 𝑦𝑗 ). Nous pouvons simplifier l’écriture avec
𝑷−𝑸
𝝉̂ = 𝟏 (7)
𝒏(𝒏−𝟏)
𝟐
La manière la plus simple de calculer ˆ τ est de trier les données selon X, puis de
comptabiliser la quantité suivante :
𝑆 = ∑𝑛−1 𝑛
𝑖=1 ∑𝑗=𝑖+1 𝜈𝑖𝑗 (8)
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 27
2014
+1 , 𝑠𝑖 𝑦𝑖 < 𝑦𝑗
Où 𝜈𝑖𝑗 = {
−1, 𝑠𝑖 𝑦𝑖 > 𝑦𝑗
Et 𝜈𝑖 = ∑𝑛𝑗=𝑖+1 𝜈𝑖𝑗
𝟐𝑺
𝝉̂ = (9)
𝒏(𝒏−𝟏)
Dès que n > 8 (voir [12], page 115), et plus sûrement lorsque n > 10 ([13]page 252), nous
pouvons nous appuyer sur la normalité asymptotique de 𝜏̂ sous l'hypothèse d'indépendance de
X et Y.
𝜏̂ 𝑛(𝑛−1)
𝑈= = 3𝜏̂ √ (10)
2(2𝑛+5) 2(2𝑛+5)
√9𝑛(𝑛−1)
U suit une loi normale centrée et réduite sous H0. La région critique du test pour un risque
α s'écrit :
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 28
2014
Chapitre IV- Régression linéaire
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 29
2014
IV.1- Régression linéaire simple [9]
Elle est simple lorsque le phénomène observé peut-être expliqué par une cause unique.
C’est-à-dire, le modèle est définit tel que, une variable y (variable endogène) est expliquée,
modélisée par une fonction affine d’une autre variable x (variable exogène).
𝑦𝑖 = 𝑎𝑥𝑖 + 𝑏 + 𝜀 (11)
Où a et b sont les paramètres (coefficients) du modèle. Ici, a est la pente et b est la
constante. 𝜀 est l’erreur du modèle.
Noter que la régression linéaire est multiple lorsque ce phénomène observé peut être
expliqué par plusieurs causes, il s’agit ici d’expliquer les valeurs prises par la variable endogène
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 30
2014
IV.1.1-Hypothèses
Ces hypothèses pèsent sur les propriétés des estimateurs (biais, convergence) et
l’inférence statistique (distribution des coefficients estimés).
Dans le modèle définit ci-dessus (équation (11)), notre objectif est de déterminer les
coefficients a et b en utilisant les informations apportées par l’échantillon. Nous voulons que
l’estimation soit la meilleur possible, c’est-à-dire, la droite de régression doit approcher au
mieux le nuage de points. Le critère le plus approprié ici est le critère des moindres carrés.
La méthode des moindres carrés a été développée par Karl Friedrich Gauss. En effet,
Gauss fait remarquer que sauf cas exceptionnel, toute droite qui traverse un nuage de points
passe à côté de la plupart des points.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 31
2014
Il existe un écart vertical [𝑒𝑘 ] (erreur dans le modèle) entre la position d’un
point expérimental donné de coordonnées (𝑥𝑘 , 𝑦𝑘 ) et sa projection verticale sur la
droite (𝑥𝑘 , 𝑦𝑒𝑠𝑡𝑘 ). Dans le cas ou la droite passe par un point expérimental, cet écart est
simplement nul.
Lorsqu’on déplace la droite, on modifie tous les écarts. La première idée qui vient à
l’esprit est de définir comme meilleure droite celle qui entraine la plus petite somme des écarts.
Ceci pose un problème car les écarts sont tantôt positifs, tantôt négatifs. Gauss propose de
définir comme meilleure droite celle qui entraine la plus petite somme des carrés des écarts.
Notons que le critère de Gauss n’est pas le seul possible. Depuis ses travaux, les
statisticiens sont venus avec d’autres idées toutes aussi valables :
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 32
2014
- Droite des moindres rectangles;
- Droite des moindres distances;
- Droite du maximum de vraisemblance.
En toute généralité, l’équation de n’importe quelle droite qui traverse le nuage de points
s’écrit :
𝑦 = 𝑎𝑥 + 𝑏 (13)
- 𝑎 est la pente;
- 𝑏 est l’ordonnée à l’origine.
Si, dans cette équation, nous donnons à [𝑥] la valeur d’une variable expérimentale[𝑥𝑘 ],
alors l’équation [ 5.1]devrait vous donner une estimation du résultat expérimental [𝑦𝑒𝑠𝑡𝑘 ] que
l’on écrit conventionnellement [𝑦̂𝑘 ] :
𝑦̂𝑘 = 𝑎. 𝑥𝑘 + 𝑏 (14)
𝑒𝑘 = 𝑦𝑘 − 𝑦̂𝑘 (15)
Dans cette équation, nous pouvons remplacer [𝑦̂𝑘 ] par sa valeur tirée de l’équation (14) :
𝑒𝑘 = 𝑦𝑘 − 𝑎. 𝑥𝑘 − 𝑏 (16)
Selon Gauss, et comme dans tout raisonnement statistique, ce n’est pas l’écart qui nous
intéresse, mais bien son carré :
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 33
2014
𝑒𝑘2 = 𝑦𝑘2 + a2 . xk2 + b2 − 2a. xk . yk − 2b. yk + 2a. b. xk (18)
Le critère de Gauss nous demande de faire la somme des carrés des écarts pour les [𝑁]
points expérimentaux à notre disposition. Nous définissons ainsi une fonction objectif 𝑓(𝑎, 𝑏).
Le symbole de sommation, peut être distribué sur chacun des termes. De même, dans
chacun des termes, tous les facteurs qui ne dépendent pas de l’indice k peuvent être mis en
évidence :
Il nous reste à présent à trouver le minimum de cette fonction en jouant sur les valeurs à
donner à a et à b. mathématiquement, ceci implique de trouver les valeurs pour lesquelles les
dérivées de la fonction par rapport à a et par rapport à b s’annulent :
𝜕
𝑓(𝑎, 𝑏) = 0
{𝜕𝑎
𝜕
(22)
𝑓(𝑎, 𝑏) = 0
𝜕𝑏
C’est assez facile car a et b apparaissent uniquement à l’extérieur des sommes. Celles-ci,
bien qu’impressionnantes, ne sont finalement que des constantes. Pour a, nous obtenons :
𝜕
𝑓 (𝑎, 𝑏) = 2𝑎. ∑ 𝑥𝑘2 − 2 ∑ 𝑥𝑘 . 𝑦𝑘 + 2𝑏. ∑ 𝑥𝑘 = 0 (23)
𝜕𝑎
𝑎. ∑ 𝑥𝑘2 + 𝑏. ∑ 𝑥𝑘 = ∑ 𝑥𝑘 . 𝑦𝑘 (24)
𝜕
𝑓 (𝑎, 𝑏) = 2𝑛. 𝑏 − 2 ∑ 𝑦𝑘 + 2𝑎. ∑ 𝑥𝑘 = 0 (25)
𝜕𝑏
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 34
2014
Ce qui est une seconde équation à deux inconnues :
𝑛. 𝑏 + 𝑎. ∑ 𝑥𝑘 = ∑ 𝑦𝑘 (26)
Si ce système admet une solution, alors cette solution est unique. Il existe un seul couple
de paramètres a et b qui minimise la somme des carrés des écarts. En d’autres mots,
Pour tout nuage de points, il existe une et une seule droite des moindres carrés!
𝑛.∑ 𝑥𝑘 .𝑦𝑘 −∑ 𝑦𝑘 .∑ 𝑥𝑘
𝑎= (28)
𝑛.∑ 𝑥𝑘2 −∑ 𝑥𝑘 .∑ 𝑥𝑘
1
∑ 𝑥𝑘 .𝑦𝑘 −𝑥̅ .𝑦̅
𝑛
𝑎= 1 (29)
∑ 𝑥𝑘2 −𝑥̅ 2
𝑛
Avec 𝑥̅ la moyenne des 𝑥𝑘 et 𝑦̅ la moyenne des𝑦𝑘 . L’équation 5.17: peut encore s’écrire :
𝑐𝑜𝑣(𝑥,𝑦)
𝑎̂ = (30)
𝑠𝑥2
Où 𝑐𝑜𝑣(𝑥, 𝑦 est la covariance de la double série (x, y) et 𝑠𝑥2 est l’écart-type de la variable
aléatoire x
Nous pouvons alors utiliser la deuxième équation du système pour trouver b si nous
connaissons a, ce qui est effectivement notre cas :
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 35
2014
𝑛. 𝑏 + 𝑎. ∑ 𝑥𝑘 = ∑ 𝑦𝑘 (31)
∑ 𝑦𝑘 ∑ 𝑥𝑘
𝑏= − 𝑎. (32)
𝑛 𝑛
𝑏̂ = 𝑦̅ − 𝑎. 𝑥̅ (33)
Ces solutions sont notées 𝑎̂ 𝑒𝑡 𝑏̂ car ce sont les estimateurs des moindres carrés
ordinaires.
L’objectif est de construire des estimateurs qui minimisent la somme des carrés des résidus :
Lorsque la prédiction est parfaite, alors, SCR=0. Mais, dans d’autres cas, plus nombreux,
il faut trouver un critère qui permet de dire si la régression est bonne ou mauvaise. Pour cela, il
faut comparer la SCR avec une valeur de référence. Nous allons donc décomposer la variance
de Y.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 36
2014
∑(𝑦𝑖 − 𝑦̂𝑖 )(𝑦̂𝑖 − 𝑦̅) =0
𝑖
- SCT : Somme des Carrés Totaux. Elle indique la variabilité totale de Y c’est dire,
l’information disponible dans les données.
- SCE est la Somme des Carrés Expliqués. Elle indique la variabilité expliquée par le
modèle c’est-à-dire la variabilité de Y expliquée par X.
- SCR est la somme des Carrés Résiduels. Elle indique la variabilité non expliquée
(résiduelle) par le modèle c’est-à-dire, l’écart entre les valeurs observées de Y et celles
prédites par le modèle.
- Dans le meilleur des cas, 𝑆𝐶𝑅 = 0, et donc 𝑆𝐶𝑇 = 𝑆𝐶𝐸 : les variations de Y sont
complètement expliquées par celles de X. On a un modèle parfait, la droite de régression
passe exactement par tous les points du nuage ;
- Au pire, 𝑆𝐶𝐸 = 0 : X n’apporte aucune information sur Y.
De là, nous pouvons produire le tableau d’analyse de variance simplifié qui se présente
comme suit :
Résiduelle ̂ 𝒊 )𝟐
𝑺𝑪𝑹 = ∑(𝒚𝒊 − 𝒚
𝒊
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 37
2014
Totale ̅ )𝟐
𝑺𝑪𝑻 = ∑(𝒚𝒊 − 𝒚
𝒊
𝑺𝑪𝑬 𝑺𝑪𝑹
𝑹𝟐 = =𝟏− (37)
𝑺𝑪𝑻 𝑺𝑪𝑻
- Plus il sera proche de la valeur 1, meilleur sera le modèle, la connaissance des valeurs
de X permet de deviner avec précision les valeurs de Y ;
- Lorsque 𝑅 2 est proche de 0, cela veut dire que X n’apporte pas d’information utile sur
Y, la connaissance des valeurs de X ne nous dit rien sur celles de Y.
Propriété 1
L’estimateur des moindres carrés ordinaires est sans biais si et seulement si les hypothèses
(H1) et (H2.a) énoncées plus haut sont respectées.
Propriété 2
- La variance de l’erreur est faible, c’est-à-dire que la régression est de bonne qualité ;
- La dispersion de X est forte c’est-à-dire que les points recouvrent bien l’espace de
représentation ;
- Le nombre d’observations n est élevé.
Théorème de GAUSS-MARKOV
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 38
2014
Les estimateurs des moindres carrés ordinaires sont sans biais et convergents. Parmi les
estimateurs sans biais de la régression, les estimateurs MCO sont à variance minimale c’est-à-
dire il n’existe pas d’autre estimateur linéaire sans biais présentant une plus petite variance. Les
estimateurs de MCO sont Blue (Best linear unbiased estimator), on dit qu’ils sont efficaces.
Le tableau d’analyse de la variance simplifié établit ci-dessus peut être complété par les
degrés de liberté comme suit :
̅ )𝟐
̂𝒊 − 𝒚
𝑺𝑪𝑬 = ∑(𝒚 𝑺𝑪𝑬
Expliquée 1 𝑪𝑴𝑬 =
𝒊 𝟏
̂ 𝒊 )𝟐
𝑺𝑪𝑹 = ∑(𝒚𝒊 − 𝒚 𝑺𝑪𝑹
Résiduelle n-2 𝑪𝑴𝑹 =
𝒊 𝒏−𝟐
Totale ̅ )𝟐
𝑺𝑪𝑻 = ∑(𝒚𝒊 − 𝒚 n-1 -
𝒊
Les degrés de liberté peuvent être vus comme le nombre de termes impliqués dans les
sommes (le nombre d’observations) moins le nombre de paramètres estimés dans cette somme
([11], page 41)
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 39
2014
Ainsi :
Pour tester la significativité globale de la régression, nous nous basons sur la statistique
F, de FISHER
𝑪𝑴𝑬
𝑭= (38)
𝑪𝑴𝑹
𝑺𝑪𝑬 𝑹𝟐
𝟏 𝟏
𝑭= 𝑺𝑪𝑹 = (𝟏−𝑹𝟐 )
(39)
(𝒏−𝟐) (𝒏−𝟐)
Sous H0, SCE est distribué selon un 𝜒 2 (1) et SCR selon un 𝜒 2 (𝑛 − 2), de fait, pour F
nous avons :
𝛘𝟐 (𝟏)
𝟏
𝐅≡ 𝛘𝟐 (𝐧−𝟐)
≡ 𝐅(𝟏, 𝐧 − 𝟐) (40)
(𝐧−𝟐)
Sous H0, F est donc distribué selon une loi de Fisher à (1, 𝑛 − 2) degrés de liberté.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 40
2014
La région critique du test, correspondant au rejet de H0, au risque 𝛼 est définie pour des
valeurs anormalement élevées de F c’est-à-dire :
Décision à partir de la p-value : l’on peut définir directement la probabilité critique (p-
value) ′ , elle correspond à la probabilité que la loi de Fisher dépasse la statistique calculée F.
𝑅. 𝐶. : 𝛼′ < 𝛼
Pour étudier les coefficients estimés, il importe d’en calculer les paramètres (l’espérance
et la variance essentiellement) et de déterminer la loi de distribution. Nous pourrons dès lors,
mettre en œuvre les outils usuels de la statistique inférentielle : la définition des intervalles de
variation à un niveau de confiance donné ; la mise en place des tests d’hypothèses, notamment
les tests de significativité.
IV.2.2.1- Distribution de 𝒂 ̂
̂ et 𝒃
∑𝒏 ̅)(𝒙𝒊 −𝒙
𝒊=𝟏(𝒚𝒊 −𝒚 ̅)
̂=
𝒂 ∑𝒏
(41)
̅)𝟐
𝒊=𝒏(𝒙𝒊 −𝒙
X est non stochastique, Y l’est par l’intermédiaire du terme d’erreur 𝜀. Nous introduisons
l’hypothèse selon laquelle :
𝜺𝒊 ≡ 𝑵(𝟎, 𝝈𝜺 ) (42)
De fait, 𝑦𝑖 = 𝑎𝑥𝑖 + 𝑏 + 𝜀𝑖 suit une loi normale, et 𝑎̂ étant une combinaison linéaire des
𝑦𝑖 , il vient :
̂−𝒂
𝒂
≡ 𝑵(𝟎, 𝟏) (43)
𝝈𝒂̂
La variance de 𝑎̂ s’écrit :
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 41
2014
𝝈𝟐𝜺
𝝈𝟐𝒂̂ = ∑𝒏 𝟐
(44)
𝒊=𝒏(𝒙𝒊 −𝒙
̅)
Ce résultat est très intéressant mais n’est pas utilisable en l’état, tout simplement parce
que nous ne disposons pas de l’estimation de la variance de l’erreur 𝜎𝜀2 . Pour obtenir une
estimation calculable sur un échantillon de données de l’écart-type 𝜎̂𝑎̂ du coefficient 𝑎̂, nous
devons produire une estimation de l’écart-type de l’erreur 𝜎̂𝜀 . La variance estimée s’écrirait
alors :
̂ 𝟐𝜺
𝝈
̂ 𝟐𝒂̂ = ∑𝒏
𝝈 𝟐
(45)
𝒊=𝒏(𝒙𝒊 −𝒙
̅)
̂ −𝒃
𝒃
≡ 𝑵(𝟎, 𝟏) (46)
𝝈𝒃̂
𝟏 𝐱̅ 𝟐
𝛔𝟐𝐛̂ = 𝛔𝟐𝛆 [ + ∑𝐧 ] (47)
𝐧 ̅)𝟐
𝐢=𝐧(𝐱 𝐢 −𝐱
𝜀̂𝑖 = 𝑦𝑖 − 𝑦̂𝑖
= 𝜀𝑖 + (𝑎 − 𝑎̂)𝑥𝑖 + (𝑏 − 𝑏̂)
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 42
2014
On propose comme estimateur sans biais de la variance de l’erreur :
∑𝒊 𝜺̂𝟐𝒊 𝑺𝑪𝑹
̂ 𝟐𝜺 =
𝝈 = (49)
(𝒏−𝟐) (𝒏−𝟐)
𝜀𝑖
Nous savons par hypothèse que ≡ 𝑁(0,1). Comme 𝜀̂𝑖 est une réalisation de 𝜀𝑖 , il
𝜎𝜀
vient :
𝜺̂𝒊
≡ 𝑵(𝟎, 𝟏) (50)
𝝈𝜺
En passant au carré, nous avons un 𝜒 2 (1). Il ne nous reste plus qu’à former la somme des
termes :
𝜺̂ 𝒊 𝟐 ∑𝒊 𝜺̂𝟐𝒊
∑𝒊 ( ) = 𝝈𝟐 ≡ 𝝌𝟐 (𝒏 − 𝟐) (51)
𝝈𝜺 𝜺
̂ 𝟐𝜺
𝝈 𝝌𝟐 (𝒏−𝟐)
≡ (52)
𝝈𝟐𝜺 (𝒏−𝟐)
Nous pouvons dès lors revenir sur la distribution des coefficients calculés lorsque toutes
ces composantes sont estimées à partir des données.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 43
2014
̂ 𝟐𝒂̂
𝝈 ̂ 𝟐𝜺
𝝈
= (53)
𝝈𝟐𝒂̂ 𝝈𝟐𝜺
̂ 𝟐𝒂̂
𝝈 ̂ 𝟐𝜺
𝝈 𝝌𝟐 (𝒏−𝟐)
= = (54)
𝝈𝟐𝒂̂ 𝝈𝟐𝜺 (𝒏−𝟐)
̂−𝒂
𝒂
≡ 𝑻(𝒏 − 𝟐) (55)
𝝈𝒂̂
Car la loi de Student est définie par un rapport entre la loi normale et la racine carré d’une
loi du 𝜒 2 normalisée par ses degrés de liberté.
̂ −𝒃
𝒃
≡ 𝑻(𝒏 − 𝟐) (56)
𝝈𝒃̂
Nous disposons maintenant de tous les éléments pour analyser les paramètres estimés de
la régression.
𝐻 : 𝑎=0
{ 0
𝐻1 : 𝑎 ≠ 0
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 44
2014
̂
𝒂
𝒕𝒂̂ = ̂ 𝒂̂
(57)
𝝈
Elle suit une loi de Student à (𝑛 − 2) degrés de liberté. La région critique (rejet de 𝐻0 )
au risque 𝛼 s’écrit :
𝑹. 𝑪. ∶ |𝒕𝒂̂ | > 𝒕 𝜶
̂ (58)
(𝟏− )
𝟐
̂
𝛼
Où 𝑡 𝛼̂ est le quantile d’ordre (1 − ) de la loi de Student. Il s’agit d’un test bilatéral.
(1− 2 ) 2
Du fait que la distribution de 𝑎̂ soit définie sur tout l’intervalle de définition de 𝑎, nous
pouvons construire les intervalles de variation (ou intervalles de confiance) au niveau de
confiance (1 − 𝛼). Elle est définie par :
̂ ± 𝒕(𝟏−𝜶̂) × 𝝈
𝒂 ̂𝒂̂ (59)
𝟐
Les coefficients formant le modèle sont entachés d’incertitude, il est normal que la droite
de régression le soit également. L’objectif dans cette partie est de produire un intervalle de
confiance de la droite de régression ([7], page 76)
𝜇𝑌⁄𝑋 = 𝑎𝑋 + 𝑏 (60)
Pour un individu donné nous obtenons l’estimation :
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 45
2014
Et l’estimation de la variance de cette moyenne conditionnelle estimée s’écrit :
1 (𝑥𝑖 −𝑥̅ )2
𝜎̂𝜇̂2 = 𝜎̂𝜀2 ( + 2 ) (62)
𝑌⁄𝑥𝑖 𝑛 ∑𝑗(𝑥𝑗 −𝑥̅ )
1 (𝑥𝑖 −𝑥̅ )2
𝑎̂ × 𝑥𝑖 + 𝑏̂ ± 𝑡(1−𝛼̂) × 𝜎̂𝜀 √( + 2 ) (63)
2
𝑛 ∑𝑗(𝑥𝑗 −𝑥̅ )
Nous pouvons relier 𝑡𝑎̂ avec la statistique de test utilisée pour tester la significativité de
la corrélation.
𝑅2
1
𝐹= (1−𝑅 2 )
(𝑛−2)
(𝑛 − 2)𝑅2
𝐹=
(1 − 𝑅 2 )
𝑠𝑜𝑖𝑡: 𝐹 = 𝑡𝑎2̂ (64)
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 46
2014
2
𝑟𝑥𝑦 = 𝑅 2 . Nous constatons dès lors que :
2
𝑟𝑥𝑦
𝑡𝑎̂2 = 1−𝑟2
(65)
𝑥𝑦
𝑛−2
IV.3.1-Prévision ponctuelle
𝑦̂𝑖∗ = 𝑦̂(𝑥𝑖∗ )
= 𝑎̂ × 𝑥𝑖∗ + 𝑏̂
On vérifie facilement que la prédiction est sans biais, c’est-à-dire, 𝐸(𝑦̂𝑖∗ ) = 𝑦𝑖∗ . pour ce
faire, on forme l’erreur de prédiction 𝜀̂𝑖∗ = 𝑦̂𝑖∗ − 𝑦𝑖∗ et on montre qu’elle est d’espérance nulle.
On a :
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 47
2014
𝐸[𝜀̂𝑖∗ ] = 𝐸[(𝑎̂ − 𝑎)𝑥𝑖∗ + (𝑏̂ − 𝑏) − 𝜀𝑖∗ ]
= 𝑥𝑖∗ × 𝐸[𝑎̂ − 𝑎] + 𝐸[𝑏̂ − 𝑏] − 𝐸[𝜀𝑖∗ ]
=0
Cette espérance est nulle si on réfère aux hypothèses et aux résultats des moindres carrés
ordinaires. En effet, les estimateurs 𝑎̂ et 𝑏̂ sont sans biais (𝐸(𝑎̂) = 𝑎 et (𝑏̂) = 𝑏 , et l’espérance
de l’erreur est nulle 𝐸[𝜀𝑖∗ ] = 0 . par conséquent, la prédiction est non biaisée :
𝐸(𝑦̂𝑖∗ ) = 𝑦𝑖∗
Une prévision ponctuelle est intéressante, mais nous ne savons pas quel degré de
confiance nous pouvons lui accorder. Il est donc plus intéressant encore de s’intéresser à un
intervalle de prévision en lui associant une probabilité de recouvrir la valeur 𝑦𝑖∗ .
Pour construire cet intervalle, nous avons besoin de connaître d’une part, la variance de
l’erreur de prédiction et, d’autre part, sa loi de distribution.
2
Puisque la prédiction est non biaisée, 𝐸[𝜀𝑖∗ ] = 0, nous avons donc : 𝑉[𝜀𝑖∗ ] = 𝐸[𝜀𝑖∗ ].
2
Pour calculer la variance, nous devons donc développer 𝜀𝑖∗ et calculer son espérance.
Nous obtenons à la sortie, la variance de l’erreur de prédiction ([2], page 38 ; [11], page 36 ;
[4] page 35) :
𝟐
𝟏 (𝒙𝒊∗ −𝒙
̅)
𝝈𝟐𝜺̂𝒊∗ = 𝝈𝟐𝜺 [𝟏 + 𝒏 + 𝟐] (66)
∑𝒊(𝒙𝒊 −𝒙
̅)
2
1 (𝑥𝑖∗ −𝑥
̅)
𝜎̂𝜀̂2𝑖∗ = 𝜎̂𝜀2 [1 +𝑛+ 2] (67)
∑𝑖(𝑥𝑖 −𝑥
̅)
Remarques :
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 48
2014
La variance sera plus petite, et par conséquent, l’intervalle de prédiction plus étroit que :
Pour définir la loi de distribution de l’erreur de prédiction, nous devons nous référer à
l’hypothèse gaussienne du terme d’erreur dans le modèle de régression 𝜀𝑖 ≡ 𝑁(0, 𝜎𝜀 ). De fait,
𝟏 ̅ )𝟐
(𝒙𝒊∗ −𝒙
𝒚 ̂ 𝜺 √𝟏 + 𝒏 +
̂𝒊∗ ± 𝒕(𝟏−𝜶) × 𝝈 𝟐 (70)
𝟐 ∑𝒊(𝒙𝒊 −𝒙
̅)
𝛼
Où 𝑡(1−𝛼) est le quantile d’ordre (1 − 2 ) de la loi de Student à (𝑛 − 2) degrés de libertés.
2
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 49
2014
Chapitre V- Résultats et interprétations
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 50
2014
V.1- Corrélation entre le Parc Automobile et le linéaire de voirie Le diagramme de dispersion
Les données utilisées ici sont présentes dans le tableau ci-après , le nuage de points obtenu
est représenté par la figure 10.
Linéaire de voirie
ANNEE Parc automobile
(en Km)
1961-1965 152,8 7011
1966-1970 152,8 8040
1971-1975 152,8 13536
1976-1980 505 24489
1981-1985 505 50159
1986-1990 694,8 69419
1991-1995 694,8 87508
1996-2000 700 120197
2001-2005 700 216197
2006-2010 755 563215
L’objectif de l’étude étant d’effectuer des prévisions sur le réseau support (linéaire de
voirie) du parc automobile dans la ville de Yaoundé, les variables seront définies comme suit :
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 51
2014
800
700
600
linéaire de voirie
500
400
300
200
100
0
0 100000 200000 300000 400000 500000 600000
parc automobile
Figure 10 Évolution croisée linéaire de voirie –parc automobile de Yaoundé : nuage de points
L’on peut également effectuer une évolution croisée entre le linéaire de voirie et le parc
automobile représenté ici sur l’axe des abscisses par an.
800
700
600
linéaire de voirie
500
400
300
200
100
0
13536
24489
50159
69419
87508
7011
8040
120197
236197
563215
1961- 1966- 1971- 1976- 1981- 1986- 1991- 1996- 2001- 2006-
1965 1970 1975 1980 1985 1990 1995 2000 2005 2010
Evolution du parc automobile au fil des années
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 52
2014
V.1.1- Observations
Ces deux graphiques nous permettent de constater que, les deux derniers points de la série
correspondant à l’évolution des deux variables X (parc automobile) et Y (linéaire de voirie)
entre les années 2000 et 2010 s’éloignent considérablement des autres.
On observe que, de 1986 à 1990, l’effectif cumulé du parc (en progression depuis 1961)
chute considérablement de 58 526 véhicules immatriculés en 1985, à 43915 en 1990 ceci est dû
à la crise économique mondiale des années 1990. C’est dans les années 2000, que l’on observe
une augmentation brusque du parc, passant de 41 240 véhicules immatriculés en 1995, à 120197
véhicules immatriculés.
Le linéaire de voirie quant à lui est resté constant pendant 15 ans au lendemain des
indépendances, soit 152,8 Km de voies revêtues, une amélioration est constatée entre les années
1976 et 1990, avec l’élaboration du SDAU 1982, faisant passer le linéaire de voirie à 694,8 Km.
Ce chiffre restera constant pendant deux décennies suite à la crise économique mondiale, la
désignation du Cameroun comme PPTE, la lutte contre le SIDA qui constituait un véritable
goulot d’étranglement, un frein pour tout investissement public. L’atteinte du point
d’achèvement de l’initiative PPTE (2006) va permettre au Cameroun de mettre sur pied
quelques projets d’investissement dans la capitale, (passage souterrain face Région, route
Yaoundé-Soa, « Nouvelle route Nkolbisson » ...) Ceci permet donc de passer de 700 Km de
voies revêtues en 2005 à 755 Km en 2010.
Linéaire de
Variables Parc automobile
voirie
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 53
2014
La matrice de corrélations ci-dessus est obtenue en utilisant le coefficient de corrélation
de Pearson, nous obtenons une valeur de r = 0,597.
Linéaire de
Variables Parc automobile
voirie
𝑝 − 𝑣𝑎𝑙𝑢𝑒 > 𝛼
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 54
2014
Nous pouvons constater que de 1960 aux années 2000, la corrélation est très forte entre
le parc automobile et le linéaire de voirie :
Cette période correspond dans un premier temps (1980-1990) aux années de prospérité
économique, le Cameroun enregistrant sa plus grande part dans le PIB mondial de son histoire
avec en moyenne 0,64%0 (voir annexe, évolution du PIB du Cameroun). Donc, les revenus
des ménages étaient consistants à tel point qu’ils pouvaient se procurer des véhicules,
surtout qu’ils n’existait pas de texte réglementant l’importation des véhicules automobiles
d’occasion pendant cette période. Et l’Etat, pendant cette période, allouait des fonds au secteur
des BTP entrainant un accroissement du linéaire de voirie de la cité capitale.
Dans un second temps (1990-2000), à une baisse de la productivité marquée par la crise
économique mondiale des années 1990. L’absence de projet d’investissement dans le secteur
des BTP pour la construction de nouvelles routes dans la ville de Yaoundé et par là la stagnation
du linéaire de voirie est masquée par la diminution du parc automobile.
A partir des années 2000, la corrélation entre le parc automobile et le linéaire de voirie
est amortie du fait de l’absence d’investissement visant à augmenter le linéaire de voirie, et
d’un accroissement brusque du parc automobile. Cette situation perdure jusqu’à la fin des
années 2010, où on observe une « absence de corrélation » entre les deux variables.
0 001
0 001
0 001
coefficient de corrélation
0 001
0 001
0 001
0 000
0 000
0 000
0 000
0 000
1980 1985 1990 1995 2000 2005 2010
années
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 55
2014
Base de corrélation
La régression linéaire qui sera étudiée dans la suite se fera à la base des années 2000,
période après laquelle l’on a observé une chute vertigineuse du coefficient de corrélation. Les
données des années 2005 et 2010 seront donc éliminées du tableau. On obtient donc le nouveau
tableau de données suivant :
Linéaire de voirie
ANNEE Parc automobile
(en Km)
1961-1965 152,8 7011
1966-1970 152,8 8040
1971-1975 152,8 13536
1976-1980 505 24489
1981-1985 505 50159
1986-1990 694,8 69419
1991-1995 694,8 87508
1996-2000 700 120197
Les MCO et les inférences statistiques appliquées dans la suite seront issues des données
de ce tableau.
En appliquant les MCO aux données précédentes (tableau V-5), nous obtenons l’équation
affine suivante :
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 56
2014
Linéaire de voirie = 5,4 x 10-3 x Parc automobile+188,36
Statistique F, de FISHER
𝐶𝑀𝐸
- Nous déduisons la statistique de test 𝐹 = = 22,06
𝐶𝑀𝑅
- Que nous comparons au quantile d'ordre (1 − α) de la loi 𝐹(1, 𝑛 − 2). Pour 𝛼 = 5%,
elle est égale 𝐹0,95 (1,6) = 5,317. Nous pouvons donc conclure que le modèle est
globalement significatif au risque 5%.
- En passant par la probabilité critique, nous avons 𝛼 = 0,0015 inférieure à α = 5%, la
conclusion est la même. Pour α = 1%, on constate avec la p-value que le modèle est
également globalement significatif.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 57
2014
𝑎̂
𝑡𝑎̂ =
𝜎̂𝑎̂
Les différents paramètres de cette statistique sont calculés dans le tableau suivant :
SCR 96 878
̂𝟐𝜺
𝝈 16 146
̂𝜺
𝝈 127
̂
𝒂 0,0054
𝝈
̂𝒂̂ 0,00114795
𝒕𝒂̂ 4,69748269
𝒕(𝟏−𝜶̂) 2,30600414
𝟐
Puisque |4,69| > 2,30, nous pouvons conclure que la pente est significativement non
nulle au risque α = 5%.
Le modèle nous permet d’avoir de nouvelles valeurs du linéaire (linéaire estimé) qui sont
résumées dans le tableau suivant :
Borne Borne
Parc Linéaire
Observation Linéaire Résidu inférieure supérieure
automobile estimé
95% 95%
1965 7011 152,8 226,172 -73,372 67,863 384,480
1970 8040 152,8 231,720 -78,920 75,479 387,962
1975 13536 152,8 261,358 -108,558 115,681 407,034
1980 24489 505 320,421 184,579 192,799 448,044
1985 50159 505 458,847 46,153 348,643 569,050
1990 69419 694 562,706 132,094 436,737 688,675
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 58
2014
1995 87508 694 660,251 34,549 503,092 817,409
2000 120197 700 836,526 -136,526 604,662 1068,389
1 200
1 000
linéaire de voirie
0 800
0 600
0 400
0 200
0 000
0 000 20 000 40 000 60 000 80 000 100 000 120 000 140 000
-0 200
parc automobile
Les prédictions sur les observations futures sont données par le tableau suivant :
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 59
2014
Ainsi donc, le linéaire de voirie de la ville de Yaoundé serait constitué ainsi :
En 2005, la ville devrait avoir un réseau d’au moins 921 km de voies bitumées pour une
moyenne de 1462 km au lieu des 700 km annoncés plus haut ;
En 2010, le linéaire de voirie devrait être constitué de 1461 km de voies bitumées au
lieu des 755 km.
Compte tenu des estimations sur l’évolution du parc automobile nous obtenons les
prévisions suivantes sur le linéaire de voirie
A court terme : 2015, le linéaire prédit par le modèle est de 2743 km de voies
bitumées soit sensiblement 4 fois le linéaire en 2010;
A moyen terme : 2020, le modèle prévoit un linéaire de 3191 km voies bitumées ;
A long terme : 2030, le modèle prévoit un linéaire de 4347 km de voies bitumées soit 6
fois le linéaire en 2010.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 60
2014
Conclusion Générale et Perspectives
évalué cette corrélation en testant sa significativité à l’aide des outils statistiques tels
que les tests de significativité (Fisher, Student) ;
proposé une méthodologie de prévision par la régression linéaire simple ;
effectuer des estimations sur le linéaire actuel qui devrait être de 1461 km de voies
bitumées au lieu de 755 km ;
établit des prévisions à court, à moyen et à long terme. D’où il ressort que, en 2030, le
linéaire de voirie de la ville de Yaoundé devra être porté à 4347 km de voies bitumées.
En admettant que le Cameroun ait atteint ses objectifs d’émergence à l’horizon 2035,
ce chiffre paraît vraisemblable car il se situerait désormais dans la moyenne des pays en
développement en matière de niveau de couverture viaire de ses villes.
Toutefois, l’outil de corrélation étudié ici va se situer dans une logique plus globale de
planification urbaine, ainsi de nombreux paramètres pourront entrer en jeu :
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 61
2014
L’association de tous ces points évoqués aboutira à un complément net de notre outil de
corrélation pour la prévision du réseau viaire de la ville de Yaoundé.
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 62
2014
Bibliographie
5) Louis Berger, Beta Consult. (2010). Elaboration d'un plan de déplacements urbains de
la ville de Yaoundé, Rapport Diagnostic final. Yaoundé 329 P.
6) Louis Berger, Beta consult. (2011). Elaboration d'un plan de déplacements urbains de
la ville de Yaoundé, Rapport de Mission 2. Yaoundé 263 P.
10) Tatiétsé, T. T., & Afané Bidja. (2002) Impact du parc automobile et du linéaire de voirie
sur la mobilité urbaine à Yaoundé. ENSP, Yaoundé.
11) Y, Dodge, & Rousson. (2004). Analyse de régression appliquée (éd. 2è ). Dunod,.
13) Siegel, S, Castellan Jr (1988), Nonparametric statistics for the behavioral sciences,
McGraw-Hill Inc
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 63
2014
14) Giraud, R. Chaix, (1989) Économétrie, Presses Universitaires de France (PUF)
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 64
2014
Annexes
BUS ET AUTOCAR 816 268 490 623 438 869 983 4487
CHARIOT 1 0 0 1
GRUMIER 9 0 0 9
MOTO 26 102 29 049 36 353 25 614 28 343 37483 42045 224 989
PICKUP OU CAMIONNETTE 2383 2821 2197 2743 6003 3409 925 20481
REMORQUE 3 0 5 6 0 23 30 67
TRIPORTEUR 3 0 0 3
VEHICULE PARTICULIER 25348 23693 24340 24954 22540 20896 27463 169234
ENSEMBLE 57547 58353 66232 57207 60926 66134 75636 443 018
GENRE 2004 2005 2006 2007 2008 2009 2010 2011 ENSEMBLE
BUS ET AUTOCAR 816 268 490 623 438 869 983 1 144 5 631
CAMION 1 540 1 098 1 671 1 571 1 304 1 261 1 699 2 095 12 239
CHARIOT 1 0 0 0 1
GRUMIER 9 0 0 0 9
MINIBUS 1 050 954 1 011 632 822 463 607 572 6 111
MOTO 26 102 29 049 36 353 25 614 28 343 37 483 42 045 44 636 269 625
PICKUP OU CAMIONNETTE 2 383 2 821 2 197 2 743 6 003 3 409 925 1 045 21 526
REMORQUE 3 0 5 6 0 23 30 25 92
TRIPORTEUR 3 0 0 0 3
VEHICULE PARTICULIER * 25 348 23 693 24340 24 954 22 540 20 896 27 463 29 158 198 392
ENSEMBLE 57 547 58 353 66 232 57 207 60 926 66 134 75 636 81 877 523 912
(*) Dont taxis : 13 614 et bus de transport public interurbain de personnes : 3820 Source : MINT/DTR
GENRE 2004 2005 2006 2007 2008 2009 2010 2011 ENSEMBLE
BUS ET AUTOCAR 816 268 490 623 438 869 983 1 144 5 631
CAMION 1 540 1 098 1 671 1 571 1 304 1 261 1 699 2 095 12 239
CHARIOT 1 0 0 0 1
GRUMIER 9 0 0 0 9
MINIBUS 1 050 954 1 011 632 822 463 607 572 6 111
MOTO 26 102 29 049 36 353 25 614 28 343 37 483 42 045 44 636 269 625
PICKUP OU CAMIONNETTE 2 383 2 821 2 197 2 743 6 003 3 409 925 1 045 21 526
REMORQUE 3 0 5 6 0 23 30 25 92
TRIPORTEUR 3 0 0 0 3
VEHICULE PARTICULIER * 25 348 23 693 24340 24 954 22 540 20 896 27 463 29 158 198 392
ENSEMBLE 57 547 58 353 66 232 57 207 60 926 66 134 75 636 81 877 523 912
69
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 2014
0,8
0,7
0,6
part dans le PIB mondial
0,5
0,4
0,3
0,2
0,1
année
70
Mémoire de fin d’étude d’ingénieur de conception génie civil et urbain rédigé et soutenu par ETOGO ETOGO Carol Jean Carmel ENSP 2014