Département des Sciences de Gestion

Master Finance Islamique

Économétrie de la finance

Année universitaire: 2020-2021

Mr. A. EL MARZOUKI
Econométrie de la finance
23/02/2021 Abdenbi EL MARZOUKI 1
 Plan du cours
Rappel

Introduction à l’économétrie
Chapitre 1
Modèle de Régression Simple (MRS)

Chapitre 2
Modèle de Régression Multiple (MRM)
Chapitre 3
Modèles ARMA
Econométrie de la finance
23/02/2021 Abdenbi EL MARZOUKI 2
 Statistique Appliquée

I- Rappel

1- Statistique Basique

2- Statistique Probabiliste

3- Statistique Décisionnelle
La statistique est la science dont l’objet est de
recueillir, de traiter et d’analyser des données issues
de l’observation de phénomènes aléatoires ou non,
c’est-`a-dire dans lesquels le hasard intervient ou
n’intervient pas. L’analyse des données est utilisée
pour décrire les phénomènes ´étudies, faire des
prévisions et prendre des décisions à leur sujet. En
cela, la statistique est un outil essentiel pour la
compréhension et la gestion des phénomènes
complexes.
La statistique est la science dont l’objet est de
recueillir, de traiter et d’analyser des données issues
de l’observation de phénomènes aléatoires ou non,
c’est-`a-dire dans lesquels le hasard intervient ou
n’intervient pas. L’analyse des données est utilisée
pour décrire les phénomènes ´étudies, faire des
prévisions et prendre des décisions à leur sujet. En
cela, la statistique est un outil essentiel pour la
compréhension et la gestion des phénomènes
complexes.
Définition : « Le mot statistique désigne à
la fois un ensemble de données
d’observations et l’activité qui consiste
dans leur recueil, leur traitement et leur
interprétation » (Encyclopedia Universalis)
Les données étudiées peuvent être de toute nature, ce qui
rend la statistique utile dans tous les champs
disciplinaires et explique pourquoi elle est enseignée
dans toutes les filières universitaires, de l’économie à la
biologie en passant par la psychologie, et bien sûr les
sciences de l’ingénieur.
Applications en économie peuvent concerner
l’assurance, la finance : prévisions
économétriques, analyse de la consommation des
ménages, fixation des primes d’assurance et
franchises, études quantitatives de marchés,
gestion de portefeuille, évaluation d’actifs
financiers, ...
Elle est à la base de toute recherche scientifique. En
effet, pour effectuer des analyses et des calculs
économiques, il est essentiel d’utiliser l’instrument
statistique pour confirmer ou infirmer les hypothèses,
pour dégager les lois économiques et pour faire des
prévisions.
Les méthodes statistiques se répartissent en deux classes:

• La statistique descriptive, statistique exploratoire ou

analyse des données, a pour but de résumer
l’information contenue dans les données de façon
synthétique et efficace. Elle utilise pour cela des
représentations de données sous forme de graphiques,
de tableaux et d’indicateurs numériques (par exemple
des moyennes). Elle permet de dégager les
caractéristiques essentielles du phénomène étudié et
de suggérer des hypothèses pour une étude ultérieure
plus sophistiquée. Les probabilités n’ont ici qu’un
rôle mineur
La statistique inférentielle va au delà de la simple
description des données. Elle a pour but de faire
des prévisions et de prendre des décisions au vu
des observations. En général, il faut pour cela
proposer des modèles probabilistes du phénomène
aléatoire étudie et savoir gérer les risques
d’erreurs. Les probabilités jouent ici un rôle
fondamental.
Mode
 Nature Effectif des
Juridique entreprises

SA 180

SARL 120

SC 70

Autres 30

Total 400
Mode d’un caractère discret
Nombre d’ouvriers d’usinage Effectif des entreprises

20 120

40 180

60 50

100 30

120 20

200
180
160
140
120
100
80 Effectif des entreprises
60
40
20
0
0 50 100 150
Nombre d'ouvriers
 Le mode d’un caractère continu
Une population de 400 entreprises étudiée en fonction du chiffre
d’affaires (CA). CA en millions de Dh Effectif des entreprises
[20-40[ 120

[40-60[ 180

[60-80[ 50

[80-100[ 30

[100-120[ 20

Les entreprises en fonction du

CA
200
Effectif des entreprises

150

100

50

0
[20-40[ [40-60[ [60-80[ [80-100[ [100-120[
CA en millions de Dh
 Le mode d’un caractère continu

CA en millions Effectif des Les entreprises en fonction du

de Dh entreprises
CA
[20-40[ 120
1 180 200
1

Effectif des entreprises

2
[40-60[
150
[60-80[

[80-100[
50

30
100 2
50

[100-120[ 20
0
[20-40[ [40-60[ [60-80[ [80-100[ [100-120[
Tableau 3 CA en millions de Dh

Le Mode de ce caractère est donné par la formule suivante:

 1 
Mode  BI CM  ampCM  
 1   2 
 Le mode d’un caractère continu
Tableau 3
CA en millions Effectif des
de Dh entreprises Les entreprises en fonction du
[20-40[ 120 CA
1 180
200
1

Effectif des entreprises

[40-60[

2 150

2
[60-80[ 50
100
[80-100[ 30
50
[100-120[ 20
0
[20-40[ [40-60[ [60-80[ [80-100[ [100-120[
CA en millions de Dh

Le Mode de ce caractère:

 180  120 
Mode  40.10 6  20.10 6 
 (180  120 )  (180  50) 

 

Mode= 46315789,47 DH
Le mode d’un caractère continu à amplitudes inégales

CA en millions de Dh Effectif des entreprises ni

[20-40[ 40
[40-50[ 20
[50-70[ 70
[70-80[ 30
[80-110[ 100
[110-130[ 90
[130-150[ 50
Total 400

Quel est le chiffre d’affaires modal de cette distribution?

 CA en
Effectif des
millions de Amplitudes
entreprises ni
Dh
[20-40[ 40 20
[40-50[ 20 10
[50-70[ 70 20
[70-80[ 30 10
[80-110[ 100 30
[110-130[ 90 20
[130-150[ 50 20
Total 400 ---
Effectif corrigé de la classe i = Effectif d’origine de la classe i *
amplitude fréquente (α)/ amplitude de la classe i (ai)
nc= ni *α/ ai
Pour notre exemple α= 20

CA en
Effectif des Amplitudes en Effectif corrigé
millions de
entreprises ni millions de Dh nc=(ni*20)/ai
Dh
[20-40[ 40 20 40
[40-50[ 20 10 40
[50-70[ 70 20 70
[70-80[ 30 10 60
[80-110[ 100 30 67
[110-130[ 90 20 90
[130-150[ 50 20 50
Total 400 130 ----
Traçons l’histogramme et calculons le mode.
CA en millions de Dh Effectif corrigé nc=(ni*20)/ai
[20-40[ 40
[40-50[ 40
[50-70[ 70
[70-80[ 60
[80-110[ 67
[110-130[ 90
[130-150[ 50
Total ----

Entreprises et chiffres d'affaires

100
90
80
Effectif corrigé nc

70
60
50
40
30
20
10
0
[20-40[ [40-50[ [50-70[ [70-80[ [80-110[ [110-130[ [130-150[
Chiffre d'affaires CA en millions
 Entreprises et chiffres d'affaires
100

90

80

70

Effectif corrigé nc
60

50

40

30

20

10

0
[20-40[ [40-50[ [50-70[ [70-80[ [80-110[ [110-130[ [130-150[
Chiffre d'affaires CA en millions
 1 
Mode  BI CM  amp CM 
   

 1 2 
23
Mode  110 .10 6  (130  110 ).10 6 ( )
23  40

Mode =117 301 587,30 Dh

Médiane
 Nature Effectif des
Juridique entreprises

SA 180

SARL 120

SC 70

Autres 30

Total 400
Médiane d’un caractère discret

Nombre Effectif des Effectif des entreprises

d’ouvriers entreprises cumulés croissant
d’usinage ni nicc

20 120 120

40 180 300

60 50 350

100 30 380

120 20 400
 Médiane d’un caractère continue

 N 
  nCMé1 cc   0,5  f cc 
Me  BI CMé  amp  2   BI CMé  aCMé  CMé1 
CMé  cc  nCMé1 cc   f cc  f cc 
 nCMé   CMé CMé1 
 
 La médiane d’un caractère continu

CA en millions de Dh Effectif des Effectif cumulé croissant des

entreprises ni entreprises nicc

[20-40[ 120 120

[40-60[ 180 300
[60-80[ 50 350
[80-100[ 30 380
[100-120[ 20 400
 La médiane d’un caractère continu

CA en Effectif des Effectif cumulé

millions de entreprises croissant des
Dh entreprises nicc
[20-40[ 120 120
[40-60[ 180 300
[60-80[ 50 350
[80-100[ 30 380
[100-120[ 20 400
 N 
  nCMé1 cc 
Me  BI CMé  amp  2 
 nCMé cc  nCMé1 cc 
 
CMé

 

 200  120 
Me  40.10  20.10 
6 6
  48888888,8 9DH
 300  120 
 Médiane d’un caractère continu

CA en millions
Effectif des entreprises ni
de Dh
[20-40[ 40
[40-50[ 20
[50-70[ 70
[70-80[ 30
[80-110[ 100
[110-130[ 90
[130-150[ 50
Total 400

Quel est le chiffre d’affaires médian de cette distribution?

 CA en
Effectif des entreprises Effectif cumulés des
millions de
ni entreprises nicc
Dh
[20-40[ 40 40
[40-50[ 20 60
[50-70[ 70 130
[70-80[ 30 160
[80-110[ 100 260
[110-130[ 90 350
[130-150[ 50 400
Total 400 ---

 N 
  nCMé1 cc 
Me  BI CMé  amp  2 
 nCMé cc  nCMé1 
cc

CMé

 
 200  160 
Me  80 .10 6  30 .10 6  
 260  160 
 Quantiles d’un caractère continu
Quartiles, déciles et centiles (ou percentiles) sont des quantiles qui
divisent la population respectivement en 4, 10 et 100 groupes
d’effectifs égaux.

Q1
Quartiles Q2= Médiane= D5= P50
Q3

D1
Déciles D2
Di; i=3…8
D9

P1
P2
Percentiles
Pj; j=3…98
P99
 Quantiles d’un caractère continu

Comment calculer les quantiles?

 Rang(Quantile)  nCQuantile1 cc 
Quantile  BI CQuantile amp  
CQuantile  cc  nCQuantile1 cc 
 nCQuantile 

Avec les fréquences la formule suivante:

 Rang(Quantile)  f cc 
 CQuantile1
Quantile  BI CQuantile amp 
CQuantile 
f cc  f cc 
 CQuantile CQuantile1 
 CA en
Effectif des entreprises Effectif cumulés des
millions de
ni entreprises nicc
Dh
[20-40[ 40 40
[40-50[ 20 60
[50-70[ 70 130
[70-80[ 30 160
[80-110[ 100 260
[110-130[ 90 350
[130-150[ 50 400
Total 400 ---

Calculons Q1, Q3 et D8 et P90.

 Rang (Quantile)  nCQuantile1 cc 

Quantile  BI CQuantile amp  
CQuantile 
 nCQuantilecc  nCQuantile1 cc 
 CA en
Effectif des entreprises Effectif cumulés des
millions de
ni entreprises nicc
Dh
[20-40[ 40 40
[40-50[ 20 60
[50-70[ 70 130
[70-80[ 30 160
[80-110[ 100 260
[110-130[ 90 350
[130-150[ 50 400
Total 400 ---

Calculons Q1, Q3 et D8 et P90 en utilisant la formule précédente

 100  60   300  260 
Q1  50.10 6  20.10 6   Q3  110 .10 6  20 .10 6  
 130  60   350  260 
 61,4285714 28.10 6  110222222, 22DH

 320  260   360  350 

D8  110 .10 6  20 .10 6   P90  130 .10 6  20 .10 6  
 350  260   400  350 
 118888888, 89DH  134000000D H
 Médiale d’un caractère continu

 Rang( Médiale)  x n 
 i i CMédiale1 cc 
Médiale  BI CMédiale  amp  
CMédiale
x n
 i i CMédiale cc  x n
i i CMédiale1 cc 
 
Une population de 400 entreprises étudiée en fonction du
chiffre d’affaires (CA).

CA en millions de Dh Effectif des entreprises ni

[20-40[ 40
[40-50[ 20
[50-70[ 70
[70-80[ 30
[80-110[ 100
[110-130[ 90
[130-150[ 50
Total 400

La médiale?
 Médiale d’un caractère continu

 Rang( Médiale)  x n 
 i i CMédiale1 cc 
Médiale  BI CMédiale  amp  
CMédiale
 xi ni CMédiale cc  xi ni CMédiale1 cc 
 
 Masse du Masse du
CA en Effectif des Centre de classe
caractère caractère
millions de entreprises en 106
en 106 cumulée
Dh ni DH xi
DH nixi nixi cc
[20-40[ 40 30 1 200 1200
[40-50[ 20 45 900 2100
[50-70[ 70 60 4 200 6300
[70-80[ 30 75 2 250 8550
[80-110[ 100 95 9 500 18050
[110-130[ 90 120 10 800 28850
[130-150[ 50 140 7000 35850
Total 400 ---- 35850 ---
Rang (ML) = 35850.106 /2= 17925.106
ML appartient à la classe [80 millions- 110millions[
 17925 .10 6  8550 .10 6 
Médiale  80 .10  30 .10 
6 6

6 
 18050 .10  8550 .10 
6

 109605263, 16DH
Médiale d’un caractère continu
 17925 .10 6  8550 .10 6 
Médiale  80 .10  30 .10 
6 6

6 
 18050 .10  8550 .10 
6

 109605263, 16DH

Quelle est la signification de cette valeur?

La Médiale est la médiane de la masse globale du

caractère. Cela veut dire que la moitié du chiffre
d’affaires se compose par des CA inférieurs ou égaux à
la valeur médiale. L’autre moitié est formée par des CA
supérieurs ou égaux à la médiale.
Moyennes
Séquence 3: Moyennes

Moyenne Arithmétique
Moyenne Harmonique H
Moyenne Géométrique G
Moyenne Quadratique Q
Distribution des notes obtenues en statistique classées par ordre croissant.

666777888
8 8 9 9 9 10 11
Médiane=11
11 11 11 11 11
11 11 11 11 11
11 11 11 11 11
11 11 14 14 15
15 18 20 20 Moyennes?

Mode=11
H? G? Q?

Moyenne=10,75
Le score moyen est une moyenne arithmétique qui prend en
considération les scores des 35 clients de la banque.

122222222222222
2 2 2 2 2 2 2 3 3 4 4 4 4 5
566 7 8 9

Moyenne = 3,1714 =
•La moyenne arithmétique

N xj k
ni xi k
X    f x i
j 1 N i 1 N
i
i 1

Cette moyenne est la plus rencontrée dans les

études économiques. Ainsi, pour calculer le
revenu moyen, le chiffre d’affaires moyen, l’âge
moyen, la taille moyenne, … on utilise la
moyenne arithmétique X
 •La moyenne arithmétique

ni xi Nk xj k
X    f x i
j 1 N i 1 N
i
i 1

122222222222222
2 2 2 2 2 2 2 3 3 4 4 4 4 5
566 7 8 9 = 3,1714

N xj 1  2  ...  2  3  3  4  ..  4  5  5  6  6  7  8  9
X  
j 1 N 35
k
ni xi 1*1  21 * 2  2 * 3  4 * 4  2 * 5  2 * 6  1* 7  1* 8  1* 9
 
i 1 N 35
k
1 21 2 4 2 2 1 1 1
 f xi  *1  * 2  * 3  * 4  * 5  * 6  * 7  * 8  * 9
i 1
i 35 35 35 35 35 35 35 35 35
•La moyenne harmonique (H),
k

n i
N /N 1
H  i 1
 

k
n 
k
n kf

i i
/N i
x
i 1 i x
i 1 i x
i 1 i

La moyenne harmonique est utilisée dans le

cas où on cherche à déterminer le prix
moyen, le rendement moyen, la vitesse
moyenne, le nombre de médecin moyen,…
 •La moyenne harmonique (H),
Vitesse et distance parcourue

Vitesse Xi en Km/h Distance parcourue ni en Km

100 600
60 300
90 900
Total 1800

La vitesse moyenne?
k
Moye arith=88,33 kh/h
n i
1800
H i 1
  85,7142857 km/h
k
n 600 300 900
 i
100

60

90
x
i 1 i
  La moyenne géométrique (G)
k k
1
log G   ni log x  G N
x
ni
N i 1 i
i 1
i

La moyenne Géométrique est

appliquée au cas où nous
cherchons à déterminer le taux de
croissance moyen
  La moyenne géométrique (G)
k k
1
log G   ni log x  G N
x
ni
N i 1 i
i 1
i

Le PIB a connu une croissance de 6%

pendant 2 années, de 4,5% durant 4 ans, de 3,5%
pendant 3 années et 2,5% pendant 5 années.
Quelle serait le taux de croissance économique
moyen pour toute la période c’est-à-dire sur les 14
ans ?
La variable X ça sera donc 1+taux de croissance
annuelle du PIB :

Taux de croissance t (1+t) = xi Nombre d'années ni (1+t)^ni

6,00% 106,00 2 1,1236
4,50% 104,50 4 1,1925186
3,50% 103,50 3 1,10871788
2,50% 102,50% 5 1,13140821
Total Produit 14 1,68080476

k
1  t moyenG  x  ((1.68080476 )
ni 1 / 14
N
i
i 1

 1,03778736 tmoyen=3,778736%
  La moyenne géométrique (G)

Le taux de croissance économique

moyen est égal alors à 3,78 % sur
les quatorze années.

G= 3,778736 %

=3,785714 %
•La moyenne quadratique (Q)

k
Q f
i 1
i
2
xi
La moyenne quadratique est
réservée pour la plupart du temps
pour le calcul de la surface moyenne
Coefficients de dispersion:
Etendue
Intervalles inter-quantiles
Les paramètres de
Dispersion
**********************
**********************
**********************
**********************
**********************
**************Médiane**
Dispersion
***********
•Dispersion
***************Mode***
***********
***************Moyenne
**********
Dispersion
**********************
**********************
**********************
**********************
**********************
*
1. L’étendue absolue (E) et relative
(Er)

Etendue ou intervalle de variation:

E  Val. max  Val. min

Etendue relative:

E
Er 
Me
2. Les intervalles inter-quantiles

Trois types de quantiles sont à considérer,

les quartiles (Q), les déciles (D) et les centiles
(ou les percentiles) (P).

a.Les intervalles interquartiles

absolu (Iq) et relatif (Iqr)

Iq
I q  Q3  Q1 et I qr 
Q2
b- Les intervalles inter-déciles
absolu (Id) et relatif (Idr)
Id
I d  D9  D1 et I dr 
D5
c- Les intervalles inter- percentiles
absolu (Ip) et relatif (Ipr)
Ip
I p  P99  P1 et I pr 
P50
 Le calcul de la dispersion

CA en millions de Dh Effectif des entreprises ni

[20-40[ 40
[40-50[ 20
[50-70[ 70
[70-80[ 30
[80-110[ 100
[110-130[ 90
[130-150[ 50
Total 400
E et Er?
Iq et Iqr?
Id et Idr?
Ip et Ipr?
 Le calcul de la dispersion

CA en millions de Dh Effectif des entreprises ni

[20-40[ 40
[40-50[ 20
[50-70[ 70
[70-80[ 30
[80-110[ 100
[110-130[ 90
[130-150[ 50
Total 400

E= 150 millions – 20 millions= 130 millions Dh

E
Er 
Me
CA en millions Effectif des Effectif cumulés des
de Dh entreprises ni entreprises nicc
[20-40[ 40 40
[40-50[ 20 60
[50-70[ 70 130
[70-80[ 30 160
[80-110[ 100 260
[110-130[ 90 350
[130-150[ 50 400
Total 400 ---

 Rang(Quantile)  nCQuantile1 cc 
Quantile  BI CQuantile amp  
CQuantile  cc  nCQuantile1 cc 
 nCQuantile 

 200  160 
Me  80 .10 6  30 .10 6    92 millions Dh
 260  160 

E 130 millions
Er    1.41
Me 92 millions
Quantiles à calculer: Q1, Q2, Q3, D1, D5, D9,
P1, P50 et P99

Q2= Médiane= D5= P50= 92 millions Dh

 Rang(Quantile)  nCQuantile1 cc 
Quantile  BI CQuantile amp  
CQuantile  cc  nCQuantile1 cc 
 nCQuantile 
 CA en millions Effectif des Effectif cumulés des
de Dh entreprises ni entreprises nicc
[20-40[ 40 40
[40-50[ 20 60
[50-70[ 70 130
[70-80[ 30 160
[80-110[ 100 260
[110-130[ 90 350
[130-150[ 50 400
Total 400 ---
 100  60 
Q1  50 .10 6  20 .10 6    300  260 
 130  60  Q3  110 .10 6  20 .10 6  
 350  260 
 61,4285714 28.10 6
 110222222, 22DH

 360  350 
 40  0  D9  130 .10 6  20 .10 6  
D1  20 .10 6  20 .10 6    400  350 
 40  0 
 13 4millions DH
 40millions DH

 40 
P1  20 .10 6  20 .10 6    396  350 
 40  0  P99  130 .10 6  20 .10 6  
 22millions DH  400  350 
 148 ,4millions DH
 www.mun.ma

I q  Q3  Q1  110222222 ,22  61428571,4 3

 48793650,7 9 Dh

Iq 48793650,7 9
I qr    0.53
Q2 92000000
 I d  D9  D1  134 000000  40000000
  94000000 D h

Id 94000000
I dr    1.02
D5 92000000
 Ip  P99  P1  148 400000  22000000
  126400000 D h

I d 126400000
I pr    1,37
D5 92000000
Coefficients de dispersion:
Écart absolu moyen & écart
moyen relatif
Les paramètres de Dispersion
**********************
**********************
**********************
**********************
**********************
**************Médiane**
Dispersion
***********
•Dispersion
***************Mode***
***********
***************Moyenne
**********
Dispersion
**********************
**********************
**********************
**********************
**********************
*
 L’écart absolu moyen e(x)
k
ex    f i xi  X
i 1 k
lamoyennedesécartàlamoyenne   fi( xi  X )
i 1
k
  fixi  X  fi  0
i 1
L’écart moyen relatif er(x)

e x 
er  x  
2X
Le calcul de la dispersion par écart
absolu moyen et écart moyen relatif
CA en millions de Dh Effectif des entreprises ni

[20-40[ 40
[40-50[ 20
[50-70[ 70
[70-80[ 30
[80-110[ 100
[110-130[ 90
[130-150[ 50
Total 400

e(x) et er (x)?
 Le calcul de la dispersion par écart absolu
moyen et écart moyen relatif
Effectif des fi|xi- X|
CA en millions ni*xi
entreprises Millions de Dh
de Dh Millions de Dh
ni
[20-40[ 40 1200 5,9625
[40-50[ 20 900 2,23125
[50-70[ 70 4200 5,184375
[70-80[ 30 2250 1,096875
[80-110[ 100 9500 1,34375
[110-130[ 90 10800 6,834375
[130-150[ 50 7000 6,296875
Total 400 35850 28,95

7 7
ni * xi 35850 millions
X    f i * xi   89,625 millions DH
i 1 N i 1 400
Le calcul de la dispersion par écart absolu
moyen et écart moyen relatif

k
ex    f i xi  X  28,95 millions Dh
i 1

ex  6
er x  
28,9510
 6
 0.32
2 X 2 * 89,625 10
L’écart moyen relatif d’une
distribution du chiffre d’affaires
(en dollars) d’une population
d’entreprises étrangère:

er x  0.42
Distribution 1

er x  0,32

Distribution 2

er x  0,42
 Paramètre de dispersion:
variance2 , écart type  et
coefficient de variation Cv
Les paramètres de Dispersion
**********************
**********************
**********************
**********************
**********************
**************Médiane**
Dispersion
***********
•Dispersion
***************Mode***
***********
***************Moyenne
**********
Dispersion
**********************
**********************
**********************
**********************
**********************
*
 k
ni
La variance V(x)= 2(x)= 
i 1 N
( xi  X ) 2

k
  f i ( xi  X ) 2

i 1
k
  fi x i  2 X  X
2 2 2

i 1
k
  fi x i  X
2 2

L’écart type  est alors: i 1

 x   V X 
Le coefficient de variation

 x 
CV 
X
Le calcul de la dispersion via la variance, l’écart-type
et le coefficient de variation

CA en millions de Dh Effectif des entreprises ni

[20-40[ 40
[40-50[ 20
[50-70[ 70
[70-80[ 30
[80-110[ 100
[110-130[ 90
[130-150[ 50
Total 400

V(x), σ(x) et CV?

 Le calcul de la dispersion via la
variance, l’écart-type et le coefficient
de variation
fi(xi- X )2
CA en Effectif des
xi en fi*xi en
millions de entreprise
millions de millions de 1012
Dh s ni
Dh fi Dh
[20-40[ 40 30 0,1 3 355,5141
[40-50[ 20 45 0,05 2,25 99,56953
[50-70[ 70 60 0,175 10,5 153,5871
[70-80[ 30 75 0,075 5,625 16,0418
[80-110[ 100 95 0,25 23,75 7,222656
[110-130[ 90 120 0,225 27 207,5941
[130-150[ 50 140 0,125 17,5 317,2051
Total 400 1 89,625 1156,734

V(x)= 1156,734 1012 σ(x)= 34,0108 106 Dh

CV= 0,37947894
 Moments centrés et non centrés

Le moment non centré d’ordre r est égal

k
mr  f
i 1
i xi
r

m0=1,
m1=moyenne arithmétique,
m2= moyenne quadratique élevée au carré Q2

k
m3  i 1
f i xi3
 Moments centrés et non centrés

Le moment non centré d’ordre r est égal

f i xi  f (V ( x))
k 2
m2  
i 1


V (X )  X 2
k
m3  
i 1
f i xi3
b. Le moment centré d’ordre r
k
 r   f i ( xi  X ) r

i 1

 0=m0=1;
1=0 ;
2= V(X).
k
 4   f i ( xi  X ) 4
k i 1
3   f i ( xi  X ) 3

i 1
Les caractéristiques de forme
Les paramètres mesurant la
symétrie d’une distribution:
Coefficient de Yule
Coefficients de Pearson
Coefficient de Fisher
La symétrie et la dissymétrie

Courbe symétrique
La symétrie, l’asymétrie ou la dissymétrie

Comparaison entre Moyenne, Médiane et Mode

Mode=Médiane=Moyenne la distribution est symétrique.

Mode<Médiane<Moyenne la distribution est asymétrique à droite.

Moyenne>Médian>Mode la distribution est dissymétrique à gauche.

 Coefficient de Yule

(Q3  Q2 )  (Q2  Q1 )
CY 
(Q3  Q2 )  (Q2  Q1 )
Q3  Q1  2Q2

Q3  Q1

Si CY=0, la distribution est symétrique

Si CY> 0, la distribution est dissymétrique à droite

Si CY< 0, la distribution est dissymétrique à gauche

Le premier coefficient de Pearson

X  Mo
CP1 
 X 
Si CP1=0, la distribution est symétrique

Si CP1> 0, la distribution est dissymétrique à droite

Si CP1< 0, la distribution est dissymétrique à gauche

Le deuxième coefficient de Pearson

3 X  Me
CP2 
 X 
Si CP2=0, la distribution est symétrique

Si CP2> 0, la distribution est dissymétrique à droite

Si CP2< 0, la distribution est dissymétrique à gauche

 Coefficient de Fisher

3
CF1   1 
 X 3

Si CF1=0, la distribution est symétrique

Si CF1> 0, la distribution est dissymétrique à droite

Si CF1< 0, la distribution est dissymétrique à gauche

Quelle est la forme de la distribution suivante?:

CA en
Effectif des
millions de
entreprises ni
Dh
[20-40[ 40
[40-50[ 20
[50-70[ 70
[70-80[ 30
[80-110[ 100
[110-130[ 90
[130-150[ 50
Total 400

Calculons pour cela CYule .

 (Q3  Q2 )  (Q2  Q1 )
CY 
(Q3  Q2 )  (Q2  Q1 )
Q3  Q1  2Q2

Q3  Q1

Dans la séquence 1 de la semaine 3, Q1, Q2 et Q3 sont

calculés.
 200  160 
Me  80 .10 6  30 .10 6    92 millions Dh
 260  160 

 100  60   300  260 

Q1  50.10 6  20.10 6   Q3  110 .10 6  20 .10 6  
 130  60   350  260 
 61,4285714 28.10 6  110222222, 22DH
  200  160 
Me  80 .10 6  30 .10 6    92 millions Dh
 260  160 

 100  60   300  260 

Q1  50.10 6  20.10 6   Q3  110 .10 6  20 .10 6  
 130  60   350  260 
 61,4285714 28.10 6  110222222, 22DH

Q3  Q1  2Q2 110  50  2 * 80 10 6
CY   * 6  1.67
Q3  Q1 110  50 10
 L’aplatissement
Les différentes caractéristiques de la variable statistique quantitative X:

Ses caractéristiques de tendance centrale: Mode, Médiane, quantiles, moyenne

Ses caractéristiques absolues de dispersion: E, IQ, e(X), V(X), σ

Ses caractéristiques relatives de dispersion: Er, IQr, er ,CV

Ses caractéristiques de forme: CYule, CP1, CP2, CF1=γ1

Une caractéristiques d’aplatissement: CF2=γ2

 L’aplatissement

L’aplatissement est mesuré par le coefficient 2 de Fisher

4
CF2   2  3
 X 
4

Si  2  0 , alors la courbe de la distribution étudiée est

normale ;

Si  2  0 , alors la courbe de la distribution étudiée est

pointue;
Si  2  0 , alors la courbe de la distribution étudiée est
aplatie.
 2  0 2  0

Courbe normale Courbe pointue

2  0

Courbe aplatie
Aplatissement de la distribution suivante:

CA en
Effectif des
millions de
entreprises ni
Dh
[20-40[ 40
[40-50[ 20
[50-70[ 70
[70-80[ 30
[80-110[ 100
[110-130[ 90
[130-150[ 50
Total 400

Calculons pour cela γ2 .

Le coefficient d’aplatissement γ2

4
CF2   2  3
 X 
4

avec μ4 est le moment centré d’ordre 4,

σ4 est sigma à la puissance 4= variance au carré

 Tableau du calcul
fi*xi en
Effectif des
CA en millions de Dh xi en millions millions fi(xi-X ) 2 fi(xi-X ) 4
entreprises n i
de Dh de Dh fi 1012 DH 1024 DH
[20-40[ 40 30 3 0,1 355,514063 1263902,49
[40-50[ 20 45 2,25 0,05 99,5695313 198281,831
[50-70[ 70 60 10,5 0,175 153,587109 134794,287
[70-80[ 30 75 5,625 0,075 16,0417969 3431,18996
[80-110[ 100 95 23,75 0,25 7,22265625 208,667053
[110-130[ 90 120 27 0,225 207,594141 191534,788
[130-150[ 50 140 17,5 0,125 317,205078 804952,493
Total 400 89,625 1 1156,73438 2597105,74

k
 4   f i ( xi  X ) 4  2597106,74 10 24 CF2   2 
4
 3  -1,06
i 1  4 X 
k
 ( x)  [ f i ( xi  X ) 2 ]2  1338033,54 710 24
4

i 1

Alors, la courbe de la distribution du chiffre d’affaires des

entreprises étudiées est aplatie
 La concentration

Les hauts salaires

100

90

80
Les plus hauts bénéfices
70

60

50

40 Les bas
v salaires
30

20

10
Les bénéfices les plus bas
0
0 20 40 60 80 100 120
 Courbe de Lorenz

Première bissectrice

A
B

Courbe de concentration
Aire de concentration
 Indice de Gini
Première bissectrice

Courbe de Lorenz

C D
100
90
80
((nix i/∑nix i)cc en %)

70
60
50
40 A
30
20
B
10
0
0 20 40 60 80 100 120
F E
ficc en %

Courbe de concentration
Aire de concentration

A A B  B B
iG  A  B  A  B  1  5000
 100

nixi/∑nixicc en %

S5
S4
S3
S1 S2
ficc en % 100

B S S1  S 2  S3  S 4  S5
iG  1  5000  1  5000  1  5000
où S=S1+S2+S3+S4+S5.

S1 est la surface d’un triangle

Si est la surface d’un trapèze; i=2,3,4,5

 100

nixi/∑nixicc en %

GB
S3
PB
S1 B
H h 100

ficc en %

S1= base * hauteur/2

S1=H*B/2
Si= (Petite base + Grande base). hauteur/2; i=2,3,4,5

S3=(PB+GB)*h/2
 S1  S 2  S3  S 4  S5
iG  1  5000

•Si iG=0 , pas de concentration ; parfaite égalité

•Si iG=1, concentration maximale, parfaite inégalité
•iG 1; forte concentration
• iG 0; faible concentration
 Concentration du chiffre d’affaires?
CA en
Effectif des
millions de
entreprises ni
Dh
[20-40[ 40
[40-50[ 20
[50-70[ 70
[70-80[ 30
[80-110[ 100
[110-130[ 90
[130-150[ 50
Total 400

Etudions le niveau de concentration du chiffre d’affaires

de ces 400 entreprises par les deux moyen, la courbe de
Lorenz et l’indice de Gini.
 Tableau du calcul

Effectif
CA en
des xi en
millions de
entrepris millions ficc en ni*xi
Dh
es ni de Dh fi % millions q=nixi/∑nixi q% q cc en %
[20-40[ 40 30 0,1 10 1200 0,033472803 3,34728033 3,34728033
[40-50[ 20 45 0,05 15 900 0,025104603 2,51046025 5,85774059
[50-70[ 70 60 0,175 32,5 4200 0,117154812 11,7154812 17,5732218
[70-80[ 30 75 0,075 40 2250 0,062761506 6,27615063 23,8493724
[80-110[ 100 95 0,25 65 9500 0,264993026 26,4993026 50,348675
[110-130[ 90 120 0,225 87,5 10800 0,30125523 30,125523 80,474198
[130-150[ 50 140 0,125 100 7000 0,19525802 19,525802 100
Total 400 1 35850 1 100

Traçons la courbe de Lorenz:

q cc en % en fonction du fi cc en %
 Courbe de concentration du chiffre
d'affaires
120

100

80
q cc en %
60

40

20

0
0 20 40 60 80 100 120
fi cc en %

Faible concentration
 Courbe de concentration du chiffre
d'affaires
120

100

80
q cc en %
60

40
S6 S7
20

S3 S4 S5
0
0 20 40 60 80 100 120
fi cc en %
S1
S2

IG=1-S/5000 S=S1+S2+S3+S4+S5+S6+S7
S1=(H*B)/2=(10*3,35)/2=16,75

S6=(PB+GB)*H/2=(50,35+80,47)*(87,5-65)/2=1471,725

S=3927,2
75 IG=0,22
Les indices statistiques
 I. Les indices élémentaires
1.Définition

valeur actuelle
G
 G
t
I t /0
G
0

valeur de base

Cet indice est sans unité de mesure

Indice à base100
G
It/0   100
G t
Indice en %
G
0

 100 , G décroit de (100-indice)% entre 0 et t

G
I t /0

 100 , G ne varie pas entre 0 et t

G
I t /0

 100 , G croît de (indice-100) % entre zéro et t

G
I t /0
 La variation de la grandeur G entre la période 0 et
la période t:

 G
t /0  G G t 0
100
G 0

Si ∆< 0, G décroit de ∆% entre 0 et t

Si ∆=0, G n’a pas varié entre 0

et t
Si ∆>0, G a connu une augmentation de ∆% entre 0 et t
 Application
Tableau: PIB, Investissement, X & M en milliards de dirhams
Années
Grandeurs (MMDH) 2014 2015 2016 2017
Produit intérieur brut (PIB) 925,4 988,0 1.013,6 1.063,3
Investissement (Inv ) 276.237 280.271 303.237 302.226
Exportations FOB (X) 200,8 218,0 225,7 248,5
Importations CAF (M) 388,1 372,2 410,6 437,3

Source : Rapports 2016 et 2017 de la BAM

Calculons les indices et les variations:
PIB Inv X M
I 17 / 16
; I 17 / 16
; I 17 / 14
; I 15/ 14
?
PIB
17 / 16 ; Inv
17 / 16 ; X
17 / 14 ; M
15/ 14 ?
 1.063,3 *10 9
I 17/16  1.013,6 *10 9 100  104 ,9
PIB
, alors le PIB du Maroc a
connu un accroissement d’environ 4,9 % en 2017 par
rapport à 2016

PIB17  PIB16
PIB
17 / 16  *100  4,9
PIB16
 302.226 *10 9
I 17/16  303.237 *109 100  99,67 , alors les investissements au Maroc
Inv

n’ont pas connu de grandes variations entre 2016 et de 2017

302 ,226  303,237

 Inv
17 / 16  *100  0,33
303,237
 X 2017 248,5 *10 9
I 17/14  X 2014 *100  200,8 *109 *100  123,75
X

alors les exportations du Maroc ont augmenté de 23,75% en 2017 par

rapport à 2014

X 17  X 14 (248,5 - 200,8) *10 9

X
17 /14  *100  9
*100  23,75
X 14 200 ,8 *10
 M 2015 372,2 *10 9
I 15/14  M 2014 *100  388,1 *109 *100  95,90
M

alors les importations du Maroc ont baissé de

4,1% en 2015 par rapport à 2014

M15  M14 (372,2 - 388,1) *10 9

M
15/14  *100  9
*100  4.10
M14 388,1*10
Essayez de calculer les indices et les variations
correspondantes

PIB Inv X M
I 17/16 ; I 17/14 ; I 17/16 ; I 17 / 14
?

 ; 17 /14 ; 17 /16 ; 17 /14 ?

PIB Inv X M
17 / 16
2. Indices prix, quantité et valeur.

-L’indice prix

i
i p
Ip  t
i
100
t /0
p
0
- L’indice quantité
i
i q
Iq  t
i
 100
t/0
q 0

-L’indice valeur

i i

v
i
pq
  100   100
i t t t
Ivt/0 i i i
v 0 pq
0 0
Application
Tableau:
Une famille a procuré en 2016 et 2017des biens dont les prix et quantités:

2016 2017

Biens Quantité Prix Quantité Prix

Pain 1000 1,20 900 1,30
Huile 50 30 60 40
Thé 150 20 120 25

Calculons les indices et les variations:

Pain Pain Thé
Ip 17 / 16
; Iq17 / 16
; Iv17 / 14
?
 Pain1,3
Ip17/16  1,2 *100  108 ,3

Le prix du pain de 8,3% en 2017 par rapport à 2016

Pain 900
Iq17 /16  1000 *100  90

La quantité achetée du pain de 10% en 2017 par rapport à 2016

Thé Thé
p17 q17 120 * 25
Iv17/14  p16 *100  *100  100
Thé
Thé thé
q16 150 * 20

La dépense consacrée à l’achat du thé n’a pas varié entre 2016 et 2017
 Les propriétés des indices élémentaires

https://leconomiste.com/article/1020510-balance-commerciale-le-taux-de-couverture-gagne-2-points
Consulté le 13-10-2018 à 17h30
a- La réversibilité

1
I t /0

I 0/t

1 1
I G  
2017/ 2016 G G2016
I 2016/ 2017
G2017
b. La transférabilité ou la circularité

Un indice élémentaire est transférable car

I t/0
 I t / t'
 I t '/ 0

PIB I PIB
I PIB
I 2017 / 2015 2017/ 2016 2016/ 2015
 c. L’enchaînement

I t/0
 I t / t 1  I t 1 / t 2  I t 2 / t 3  ...  I 2 / 1  I 1 / 0

PIB PIB PIB PIB

I 2017 ; I ; I ; I
/ 2016 2016/ 2015 2015/ 2014 2014/ 2013 sont connus, alors

PIB
le produit de tous ces indices donne 2017/ 2013 I

PIB
I 2017/ 2013  I PIB
2017/ 2016 * I PIB
2016/ 2015 * I PIB
2015/ 2014 * I PIB
2014/ 2013
d. Autres propriétés

I
i i i i
P *Q P Q
I t /0 t /0 *I t /0

X I tX/ 0
It / 0 ( )  M
M It / 0
Application

/ 2017  0,953
PIB PIB
1- I 2016 I 2017/ 2016 ?

1
I PIB
2017/ 2016  PIB
 1,049
I 2016/ 2017

/ 2016  0.997 / 2015  1,082

Inv Inv
2- I 2017 I 2016

I Inv
2017/ 2015 ?
Inv
I 2017/ 2015  I Inv
2017/ 2016 * I 2016/ 2015  0,997 *1,082  1,079
Inv,
 Application
Thé Thé
3- Ip  1,25 Iq  0,80
17 / 16 17 / 16

?
Thé
Iv 17 / 16

Thé Thé
  1.25 * 0.8  1
Thé
Iv17 / 16 Ip
17 / 16
* Iq
17 / 16
 Application
 1,101
X
4- I 17 / 16 X
I17 / 16 ( )?
M
 1,065
M
I 17 / 16

I17 / 16 (
X
) I 17 / 16
M

1,101
 1,034
M I 17 / 16
1,065
Les indices synthétiques

MASI

MADE
X

IPC
 1. Indices de Laspeyers.
Considérons un ensemble G formé des grandeurs Gi avec i =1,…,k.
L’indice de Laspeyres, permettant de suivre l’évolution des Gi,
s’écrit alors :

t
G k

L    100 avec
G 0 i
t/0 i 0
G i 1
i


0
 G i c’est le poids relatif de Gi dans l’ensemble à la
i k période de base.
G
0
i
i 1
a. Indice prix de Laspeyers
k

 pit qi0
Lp  i 1
k
 100

t/0
pi0 qi0
i 1

b. Indice quantité de Laspeyers

k

 i qi
p 0 t

Lq  i 1
k
 100
 i qi
t/0
0 0
p
i 1
 c. Indice valeur de Laspeyers
k

 i qi
p t t

Lv  i 1
k
 100
t /0
 i qi
p 0 0

i 1

2. Indices de Paâsche
Considérons un ensemble G formé des grandeurs Gi
avec i =1,2,3,…,k.
t
1
  G
G t
P t/0 0  i

 G
k k

G
t i t
i
i t i
G
i 1
i i 1
a. Indice prix de Paâsche
k

 i qi
p t t

Pp  i 1
k
 100
 i qi
t/0 0 t
p
i 1

b. Indice quantité de Paâsche

k

 pit qit
Pq  i 1
k
 100

t/0
pit qi0
i 1
 c. Indice valeur de Paâsche
k

 i qi
p t t

Pv  i 1
k
 100
 i qi
t/0
0 0
p
i 1

3. Indices de Fisher
Cet indice est la moyenne géométrique des indices de Laspeyers et
de Paâsche.
G
 G
G
F t/0 Lt / 0 Pt / 0
 Application
Tableau:
Une famille a procuré en 2016 et 2017des biens dont les prix et quantités:

2016 2017

Biens Quantité Prix Quantité Prix

Pain 1000 1,20 900 1,30
Huile 50 30 60 40
Thé 150 20 120 25

Calculons les indices :

Prix de Laspeyres, quantité de Paâsche et valeur de
Fisher. Interprétez.
Application
Tableau de calcul
Biens 2016 2017 PQ
i Q P Q P P16Q16 P17Q17 P16Q17 P17Q16
1 Pain 1000 1,2 900 1,3 1200 1170 1080 1300
2 Huile 50 30 60 40 1500 2400 1800 2000
3 Thé 150 20 120 25 3000 3000 2400 3750
Total 5700 6570 5280 7050

 pi17qi16
7050
Lp  i 1
k
100  100  123,7

17 / 16 5700
pi16qi16
i 1
 3

 pi17qi17
6570
Pq  i 1
k
100  100  93,2

17 / 16 7050
pi17qi16
i 1

V
 V
L17 / 16 P17/16  
V V V
F 17 / 16 L 17 / 16 P
17 / 16

p 17
i q 17
i
6570
 i 1
k
 100   100  115 ,3

5700
pi16qi16
i 1