Vous êtes sur la page 1sur 83

STATISTIQUES

DESCRIPTIVES
INTRODUCTION
Population statistique :
Une population statistique est l'ensemble sur lequel on effectue des observations.
Individu (ou units statistiques) :
Les individus sont les lments de la population statistique tudie.
Caractre statistique ou variable statistique :
C'est ce qui est observ ou mesur sur les individus d'une population statistique.
INTRODUCTION
L oprateur somme Vocabulaire statistique Vocabulaire statistique
VOCABULAIRE STATISTIQUE
VARIABLES QUANTITATIVES
Variable quantitative :
Une variable statistique est quantitative si ses valeurs sont des nombres exprimant
une quantit, sur lesquels les oprations arithmtiques (somme, etc...) ont un sens.
Variable quantitative discrte:
Une variable quantitative est discrte si elle
ne peut prendre que des valeurs isoles,
gnralement entires.
Variable quantitative continue:
Une variable quantitative est continue si ses
valeurs peuvent tre n'importe lesquelles
d'un intervalle rel.
INTRODUCTION
L oprateur somme Vocabulaire statistique
VARIABLES QUALITATIVES
Variable qualitative :
Une variable statistique est qualitative si ses valeurs, ou modalits, s'expriment de
faon littrale ou par un codage sur lequel les oprations arithmtiques telles que
moyenne, somme, ... , n'ont pas de sens.
Variable qualitative nominale :
C'est une variable qualitative dont les
modalits ne sont pas ordonnes.
Variable qualitative ordinale :
C'est une variable qualitative dont les
modalits sont naturellement ordonnes
INTRODUCTION
L oprateur somme Vocabulaire statistique
DEFINITION:
p et q tant 2 entiers relatifs
q
i
i p
x
=
=
p
x +
1 p
x
+
+......
q
x +
REMARQUE 1: i est une variable muette
q q q
i j h
i p j p h p
x x x
= = =
= =

1
n
i i i
i i
x x x
=
= =

REMARQUE 2:
Quand il ny a pas dambigut sur le domaine
de variation de i, celui-ci peut tre omis
INTRODUCTION
L oprateur somme Vocabulaire statistique L oprateur somme
(1) UN OUTIL : L OPERATEUR SOMME E
(2) UN OUTIL : L OPERATEUR SOMME E
PROPRIETE 1:
i i
i i
ka k a =

( )
1 1
...... ......
q q
i p p q p p q i
i p i p
ka ka ka ka k a a a k a
+ +
= =
= + + + = + + + =

( )
PROPRIETE2:
i i i i
i i i
a b a b + = +

( )
( ) ( ) ( )
( ) ( )
1 1
1 1
.....
..... .....
q
i i p p p p q q
i p
q q
p p q p p q i i
i p i p
a b a b a b a b
a a a b b b a b
+ +
=
+ +
= =
+ = + + + + + +
= + + + + + + + = +


( )
PROPRIETE3:
i i i i
i i i
k a b k a k b + = +

1
PROPRIETE4:
n
i
k nk
=
=

1
.....
n
i
n
k k k k nk
=
= + + + =

( )
PROPRIETE5: 1
q
i p
k q p k
=
= +

INTRODUCTION
L oprateur somme Vocabulaire statistique
TABLEAUX ET
GRAPHIQUES
Modalits Effectifs Frquences %
Bleu 60 0,200 20,0
Noir 160 0,533 53,3
Noisette 40 0,133 13,3
Vert 40 0,133 13,3
Total : 300 1 100
Noms Couleur des yeux
M. Alberro Vert
M. Hondarrague Noir
Mme Claverotte Noir
Melle Lopez Noisette
M. Paulien Bleu
M. Guillou Noir
M. Lahitette Noisette
Mme Vigouroux Noir
Melle Maleig Bleu
M. Duclos Vert
M. Carricaburu Bleu
Mme Vidal Noir
. .
Modalits Effectifs Frquences %
modalit 1 n
1
f
1
= n
1
/n
1
f 100

modalit i n
i
f
i
= n
i
/n
i
f 100

modalit k n
k
f
k
= n
k
/n
k
f 100
Total :
i
n =n
i
f =1

100
TABLEAUX ET GRAPHIQUES
Qualitative nominale Qualitative ordinale Quantitative discrte Quantitative continue Qualitative nominale
(1) VARIABLES QUALITATIVES NOMINALES
Qualitative nominale
(2) VARIABLES QUALITATIVES NOMINALES
Modalits Effectifs Frquences %
Bleu 60 0.200 20,0
Noir 160 0,533 53,3
Noisette 40 0,133 13,3
Vert 40 0,133 13,3
Total : 300 1 100
Bleu
20%
Noir
54%
Noisette
13%
Vert
13%
Diagramme circulaire ou camembert
TABLEAUX ET GRAPHIQUES
Qualitative nominale Qualitative ordinale Quantitative discrte Quantitative continue Qualitative nominale
Diagramme en barres
60
160
40 40
0
20
40
60
80
100
120
140
160
180
Bleu Noir Noisette Vert
10
25
40
32
23
0
5
10
15
20
25
30
35
40
45
A B C D E
Les
modalits
sont
prsentes
dans lordre
TABLEAUX ET GRAPHIQUES
Modalits Effectifs = Nombre de personnes
Pas du tout (A) 10
Un peu (B) 25
Beaucoup (C) 40
Passionnment (D) 32
A la folie (E) 23
130 personnes ont t interroges sur leur addiction au chocolat
Qualitative nominale Qualitative ordinale Quantitative discrte Quantitative continue Qualitative ordinale
VARIABLES QUALITATIVES ORDINALES
Nombre de
produits financiers
Nombre de clients
0 103
1 115
2 95
3 35
4 10
5 2
Clients Nombre de produits
financiers
Bredat 2
Gauguet 3
Leremboure 0
Coustere 0
Lalisou 1
Aussagne 0
Vittorello 1
Diaz 0
Etcheverry 2
Bernadet 4
Miramon 1
Jaime 3
Dartus 2
Domege 0
Train 0
Piquemal 1
Laffargue 2
.
Valeurs de
la variable
Effectifs Frquences %
x
1
n
1
f
1
= n
1
/n
1
f 100

x
i
n
i
f
i
= n
i
/n i
f 100

x
k
n
k
f
k
= n
k
/n
k
f 100
Total :
i
n =n
i
f =1

100
TABLEAUX ET GRAPHIQUES
Qualitative ordinale Qualitative nominale Quantitative discrte Quantitative continue Quantitative discrte
(1) VARIABLES QUANTITATIVES DISCRETES
EFFECTIFS ET FREQUENCES
(2) VARIABLES QUANTITATIVES DISCRETES
REPRESENTATION GRAPHIQUE DES EFFECTIFS ET FREQUENCES
Nbre de produits financiers
x
i
Effectif
n
i
Frquence
f
i
0 103 0,286
1 115 0,319
2 95 0,264
3 35 0,097
4 10 0,028
5 2 0,006
Diagramme en btons
0
20
40
60
80
100
120
140
0 1 2 3 4 5 6
TABLEAUX ET GRAPHIQUES
Qualitative nominale Qualitative ordinale Quantitative discrte Quantitative continue
(3) VARIABLES QUANTITATIVES DISCRETES
EFFECTIFS ET FREQUENCES CUMULES
Valeurs de la
variable
x
i
Effectif
n
i
Effectifs cumuls
croissants
N
i
Effectifs cumuls
dcroissants
N
i
x
1
n
1
N
1
= n
1
N
1
= n
k
+ .+ n
1
= n
x
2
n
2
N
2
= n
1
+ n
2
N
2
= n
k
+ .+ n
2
x
3
n
3
N
3
= n
1
+ n
2
+ n
3
N
3
= n
k
+ .+ n
3
. .
x
k-1
n
k-1
N
k-1
= n
1
+ .+ n
k-1
N
k-1
= n
k
+ n
k-1
x
k
n
k
N
k
= n
1
+ .+ n
k
= n N
k
= n
k
Total : n
Effectifs cumuls croissants:
Nombre d'individus pour lesquels la
variable est infrieure ou gale x
i
.
Rsultat de l'addition, de proche en
proche, des effectifs d'une distribution
observe en commenant par le 1er.
Effectifs cumuls dcroissants:
Nombre d'individus pour lesquels la
variable est suprieure ou gale x
i
.
Rsultat de l'addition, de proche en
proche, des effectifs d'une distribution
observe en commenant par le dernier.
TABLEAUX ET GRAPHIQUES
Nbre
produits
financiers
Nombre de
Clients
Effectifs cumuls
croissants
Effectifs cumuls
dcroissants
0 103
1 115
2 95
3 35
4 10
5 2
Total : 360
360
142
257
47
103
218
313
348
358
360 2
12
Qualitative nominale Qualitative ordinale Quantitative discrte Quantitative continue
(4) VARIABLES QUANTITATIVES DISCRETES
EFFECTIFS ET FREQUENCES CUMULES
Nombre de
produits
financiers
x
i
Nombre de
clients
n
i
Effectifs
cumuls
croissants
N
i
Effectifs
cumuls
dcroissants
N
i
Frquences
f
i
Frquences
cumules
croissantes
F
i
Frquences
cumules
dcroissantes
F
i
0 103 103 360 0,2861 0,2861 1
1 115 218 257 0,3194 0,6055 0,7139
2 95 313 142 0,2639 0,8694 0,3945
3 35 348 47 0,0972 0,9666 0,1306
4 10 358 12 0,0278 0,9944 0,0334
5 2 360 2 0,0056 1 0,0056
Total : 360 1
Il y a 313 clients possdant un nombre de produits financiers infrieur ou gal 2
Il y a 47 clients possdant un nombre de pro. fin. suprieur ou gal 3
La proportion de clients possdant un nombre de pro. fin. suprieur ou gal 1 est de 71,39%
La proportion de clients possdant un nombre de pro. fin. infrieur ou gal 4 est de 99,44%
TABLEAUX ET GRAPHIQUES
Qualitative nominale Qualitative ordinale Quantitative discrte Quantitative continue
(5) VARIABLES QUANTITATIVES DISCRETES
COURBES CUMULATIVES
On appelle courbe cumulative croissante le trac de la fonction N (ou F pour les frquences)
qui tout rel x associe N( x ) = nombre d'observations infrieur ou gal x.
TABLEAUX ET GRAPHIQUES
On appelle courbe cumulative dcroissante le trac de la fonction N' (ou F pour les frquences)
qui a tout rel x associe N'( x ) = nombre d'observations suprieur strictement x.
Les courbes cumulatives N(x) et N(x) sont symtriques par rapport n/2 : N(x) + N(x) = n
Les courbes cumulatives F(x) et F(x) sont symtriques par rapport 0,5 : F(x) + F(x) = 1
0
50
100
150
200
250
300
350
400
-2 -1 0 1 2 3 4 5 6
x
i
n
i
N
i
103 103
115 218
95 313
35 348
10 358
2 360
0
1
2
3
4
5

+
x
0
1
2
3
4
5
0
103
218
313
348
358
N(x)
360
N
i
360
257
142
47
12
2
N (x)
257
360
47
142
12
2
0
Qualitative nominale Qualitative ordinale Quantitative discrte Quantitative continue
Remarque1 : la variable augmentation moyenne mensuelle peut
tre considre comme continue. En arrondissant leuro, on la
discrtise.
Une augmentation de 10 est en fait une augmentation comprise
entre 9,5 et 10,5 .
Remarque2 : Une variable continue ne prend pas des valeurs
isoles, mais des valeurs appartenant des intervalles. C'est
pourquoi, au lieu de dfinir des effectifs par valeurs, on dfinira des
effectifs par intervalles, appels classes.
Augmentation
()
Effectif
0 257
1 318
2 255
3 307
4 308
5 159
6 140
7 84
8 72
9 55
10 22
11 13
12 9
13 7
14 8
15 21
16 6
17 2
.. .
Total 2125
Remarque3 : Une variable discrte comportant trop de valeurs est
aussi traite comme une variable continue.
TABLEAUX ET GRAPHIQUES
18 38 10 35 0 4
4 11 27 2 41 16
2 25 43 22 26 11
34 34 1 28 5 5
21 0 2 30 1 8
9 37 22 39 11 0
36 16 6 42 42 1
8 33 31 33 4 4
9 19 15 2 21 0
12 18 . . . .
Variable observe: augmentation moyenne mensuelle du salaire, en , des employs
dune multinationale au cours de lanne 2005.
Qualitative nominale Qualitative ordinale Quantitative discrte Quantitative continue Quantitative continue
(1) VARIABLES QUANTITATIVES CONTINUES
(2) VARIABLES QUANTITATIVES CONTINUES
Augmentation () Effectifs
[0 3[ 830
[3 5[ 615
[5 10[ 510
[10 20[ 92
[20 30[ 63
[30 50[ 15
Classes Effectifs
[e
1
e
2
[ n
1
[e
2
e
3
[ n
2
. .
[e
k
e
k+1
[ n
k
Remarque 1: Le choix des classes et arbitraire, mais elles doivent tre contiges
et recouvrir lensemble des valeurs.
Remarque 2: Il est prfrable de prendre des classes damplitudes gales.
Remarque 3: Il ne faut prendre ni trop ni trop peu de classes.
Remarque 4: Le choix et le nombre de classes influent sur les reprsentations
graphiques.
TABLEAUX ET GRAPHIQUES
Qualitative nominale Qualitative ordinale Quantitative discrte Quantitative continue
(3) VARIABLES QUANTITATIVES CONTINUES
REPRESENTATION GRAPHIQUE DES EFFECTIFS ET FREQUENCES
Classes Effectifs
n
i
Amplitude
a
i
Effectifs
rectifis
n
i
/a
i
[0 3[ 830 3 276,7
[3 5[ 615 2 307,5
[5 10[ 510 5 102,0
[10 20 [ 92 10 9,2
[20 30[ 63 10 6,3
[30 50[ 15 20 0,75
Classes Effectifs
[0 3[ 830
[3 5[ 615
[5 10[ 510
[10 20 [ 92
[20 30[ 63
[30 50[ 15
TABLEAUX ET GRAPHIQUES
effectif
0
100
200
300
400
500
600
700
800
900
0 3
3
0
5
0
Effectif rectifi
HISTOGRAMME
0
50
100
150
200
250
300
350
0 3
3
0
5
0
Qualitative nominale Qualitative ordinale Quantitative discrte Quantitative continue
Effectif rectifi
HISTOGRAMME
0
50
100
150
200
250
300
350
0 3
3
0
5
0
(4) VARIABLES QUANTITATIVES CONTINUES
REPRESENTATION GRAPHIQUE DES EFFECTIFS ET FREQUENCES
Dans un histogramme, ce sont les surfaces des rectangles (ce que lil voit), qui sont
proportionnelles aux effectifs, et non les hauteurs de ces rectangles
Classes Effectifs
n
i
Amplitude
a
i
Effectifs
rectifis
n
i
/a
i
[0 3[ 830 3 276,7
[3 5[ 615 2 307,5
[5 10[ 510 5 102,0
[10 20[ 92 10 9,2
[20 30[ 63 10 6,3
[30 50[ 15 20 0,75
Remarque: Le trac de lhistogramme des frquences est identique. Il suffit de porter
en ordonnes la frquence rectifie d
i
= f
i
/a
i
, appele densit.
TABLEAUX ET GRAPHIQUES
La surface = a
i
(n
i
/a
i
) est de 830 units
La surface = a
i
(n
i
/a
i
) est de 615 units

Qualitative nominale Qualitative ordinale Quantitative discrte Quantitative continue


(5) VARIABLES QUANTITATIVES CONTINUES
EFFECTIFS ET FREQUENCES CUMULES
Variable observe:
augmentation moyenne
mensuelle du salaire, en
, des employs dune
multinationale au cours
de lanne 2005.
Classes
[e
i
e
i+1
[
Effectifs
n
i
Effectifs
cumuls
croissants
N
i
Effectifs
cumuls
dcroissants
N
i
Frquences
cumules
croissantes
F
i
Frquences
cumules
dcroissantes
F
i
[0 3[ 830 830 2125 0,391 1,000
[ 3 - 5 [ 615 1445 1295 0,680 0,609
[ 5 - 10 [ 510 1955 680 0,920 0,320
[10 - 20 [ 92 2047 170 0,963 0,080
[20 - 30 [ 63 2110 78 0,993 0,037
[30 50[ 15 2125 15 1,000 0,007
Total : 2125
Il y a 1445 employs dont laugmentation est strictement infrieure 5
Il y a 170 employs dont laugmentation est suprieure ou gale 10
Combien y-a-t-il demploys dont laugmentation est infrieure 17 ?
TABLEAUX ET GRAPHIQUES
Qualitative nominale Qualitative ordinale Quantitative discrte Quantitative continue
(6) VARIABLES QUANTITATIVES CONTINUES
COURBES CUMULATIVES
TABLEAUX ET GRAPHIQUES
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
-10 0 10 20 30 40 50 60
F
i

F
i

[e
i
e
i+1
[ F
i
F
i
[ 0 - 3 [ 0,391 1,000
[ 3 - 5 [ 0,680 0,609
[ 5 - 10 [ 0,920 0,320
[10 - 20 [ 0,963 0,080
[20 - 30 [ 0,993 0,037
[30 - 50 [ 1,000 0,007
x
+

0
3
5
10
20
30
50
On appelle courbe cumulative croissante le trac de la fonction F (N pour les effectifs) qui tout rel x
associe F( x ) = nombre d'observations infrieur ou gal x.
Remarque: Pour une variable continue, il est indiffrent de dire infrieur ou gal ou
strictement infrieur . Il en est de mme pour suprieur ou gal ou strictement
suprieur .
Il ny a aucune chance quune observation tombe sur une borne. Cest limprcision de
linstrument de mesure et un mauvais choix des bornes qui pourrait conduire ce rsultat.
F
i
1,000
0,609
0,320
0,080
0,037
0,007
F(x)
0
0,391
0,680
0,920
0,963
0,993
1
?
A lintrieur
de chaque
classe, on fait
lhypothse
que la
rpartition est
uniforme
?
A lintrieur
de chaque
classe, on fait
lhypothse
que la
rpartition est
uniforme
?
On appelle courbe cumulative dcroissante le trac de la fonction F (N pour les effectifs) qui a tout rel
x associe F( x ) = nombre d'observations suprieur strictement x.
F(x)
1
0,609
0,320
0,080
0,037
0,007
0
?
?
Les courbes cumulatives F(x) et F(x) sont symtriques par rapport 0,5 : F(x) + F(x) = 1
Qualitative nominale Qualitative ordinale Quantitative discrte Quantitative continue
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
-10 0 10 20 30 40 50 60
(7) VARIABLES QUANTITATIVES CONTINUES
COURBES CUMULATIVES
Quelle est la proportion p demploys dont laugmentation est infrieure 17 ?
p - 0,92
=
17 - 10
20 - 10 0,963-0,920
17
0,95
( )
17 10
D'o p 0,92 0,963 0,920 95%
20 10

= + ~

TABLEAUX ET GRAPHIQUES
[e
i
e
i+1
[ F
i
[ 0 - 3 [ 0,391
[ 3 - 5 [ 0,680
[ 5 - 10 [ 0,920
[10 - 20 [ 0,963
[20 - 30 [ 0,993
[30 - 50 [ 1
0
3
5
10
20
30
50
x
0
0,391
0,680
0,920
0,963
0,993
1
F(x)
17
p
Qualitative nominale Qualitative ordinale Quantitative discrte Quantitative continue
RESUME
VARIABLE QUALITATIVE
TABLEAUX ET GRAPHIQUES
Nominale Ordinale
VARIABLE QUANTITATIVE
Discrte Continue
Effectifs ou Frquences Effectifs ou Frquences
Courbes cumulatives des effectifs ou des frquences

Modalits dans
l ordre
Diagramme en barres Diagramme en barres
Diagramme circulaire
Diagramme en btons Histogramme
PARAMETRES
STATISTIQUES
PARAMETRES STATISTIQUES
Les reprsentations graphiques ont permis une premire synthse visuelle de la
distribution des observations
Un paramtre statistique permet de rsumer par une seule quantit numrique une
information contenue dans une distribution dobservations.
! Les paramtres statistiques ne concernent que les variables quantitatives
0
500
1000
1500
2000
2500
3000
0 N individu
Variable
Tendance centrale
0
500
1000
1500
2000
2500
3000
0 N individu
Variable
Position

100 % - A %

A %
0
500
1000
1500
2000
2500
3000
0 N individu
Variable
Dispersion
0
20
40
60
80
100
120
140
0 1 2 3 4 5 6
0
10
20
30
40
50
60
70
80
90
100
900 1400 1900 2400 2900 3500 ou plus...
PARAMETRES STATISTIQUES
Une distribution est unimodale si elle prsente un maximum marqu, et pas d'autres
maxima relatifs.
La lecture seffectue sur le diagramme en btons ou l'histogramme.
Le mode correspond l'abscisse du maximum, c..d. la valeur la plus frquente
Mode
Classe modale
Mode
Tendance centrale Position Dispersion
(1) PARAMETRES DE TENDANCE CENTRALE
LE MODE
Tendance centrale
(2) PARAMETRES DE TENDANCE CENTRALE
LE MODE
Si la distribution prsente 2 ou plus maxima relatifs, on dit qu'elle est bimodale ou
plurimodale.
La population est compose de plusieurs sous-populations ayant des caractristiques de
tendance centrale diffrentes.
0
10
20
30
40
50
60
70
80
90
900 1400 1900 2400 2900 3500 4000 4500 ou
plus...
0
20
40
60
80
100
120
140
0 1 2 3 4 5 6
Mode 1 Mode 2 Mode 1 Mode 2
PARAMETRES STATISTIQUES
Tendance centrale Position Dispersion
(3) PARAMETRES DE TENDANCE CENTRALE
LA MEDIANE
Les valeurs observes doivent tre ranges par ordre croissant.

La mdiane M est la valeur du milieu de la srie dobservations, c..d. telle qu'il y ait
autant d'observations "au-dessous" que "au-dessus".
M
3 4 4 5 6 8 8 9 10
Nombre impair dobservations
Nombre pair dobservations
3 4 4 5 6 8 8 9
Intervalle mdian
M = milieu = 5,5
4 valeurs 4 valeurs 4 valeurs 4 valeurs
PARAMETRES STATISTIQUES
Tendance centrale Position Dispersion
(4) PARAMETRES DE TENDANCE CENTRALE
LA MEDIANE partir dune distribution discrte
x
i
n
i
F
i
0 103 0,286
1 115 0,606
2 95 0,869
3 35 0,967
4 10 0,994
5 2 1
0,5
x
i
n
i
F
i
0 103 0,286
1 77 0,500
2 95 0,764
3 35 0,861
4 10 0,889
5 40 1
0
0,5
1
-2 -1 0 1 2 3 4 5 6
0
0,5
1
-2 -1 0 1 2 3 4 5 6
M
0,5
Intervalle mdian
M = milieu = 1,5
Intervalle mdian
M = milieu = 1,5
F(x)
0
0,606
0,286
0,994
0,967
1
0,869
M
F(x)
0
0,500
0,286
0,889
0,861
1
0,764
PARAMETRES STATISTIQUES
Tendance centrale Position Dispersion
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
-10 0 10 20 30 40 50 60
(5) PARAMETRES DE TENDANCE CENTRALE
LA MEDIANE partir dune distribution continue
( )
0,5 0,391
D'o M 3 5 3 3, 22
0, 680 0,391

= + ~

0,5-0,391
=
M - 3
0,5
3,22
M
5 - 3 0,680-0,391
0
3
5
10
20
30
50
x
0
0,391
0,680
0,920
0,963
0,993
1
F(x)
[e
i
e
i+1
[ F
i
[ 0 - 3 [ 0,391
[ 3 - 5 [ 0,680
[ 5 - 10 [ 0,920
[10 - 20 [ 0,963
[20 - 30 [ 0,993
[30 - 50 [ 1
0,5
M
PARAMETRES STATISTIQUES
Tendance centrale Position Dispersion
(6) PARAMETRES DE TENDANCE CENTRALE
LA MOYENNE ARITHMETIQUE
La moyenne arithmtique est note
x
Valeurs de
la variable
Effectifs Frquences
x
1
n
1
f
1
= n
1
/n

x
i
n
i
f
i
= n
i
/n

x
k
n
k
f
k
= n
k
/n
n
i
i=1
1
x = x
n

k
i i
i=1
1
x = n x
n

k k
i i
i i
i=1 i=1
n x
= f x
n
=

Srie groupe
Srie brute x
1
, x
2
, , x
n

PARAMETRES STATISTIQUES
Tendance centrale Position Dispersion
(7) PARAMETRES DE TENDANCE CENTRALE
LA MOYENNE ARITHMETIQUE
Classes Effectifs Frquences
[e
1
e
2
[ n
1
f
1
[e
2
e
3
[ n
2
f
2
. . .
[e
k
e
k+1
[ n
k
f
k
Srie classe
k k
i i i i
i=1 i=1
1
x = n x f x
n
=

Centres de classe
x
1
= ( e
1
+ e
2
)/2
x
2
= ( e
2
+ e
3
)/2
.
x
k
= ( e
k
+ e
k+1
)/2
PARAMETRES STATISTIQUES
Tendance centrale Position Dispersion
(8) PARAMETRES DE TENDANCE CENTRALE
LA MOYENNE ARITHMETIQUE
Comment faire la moyenne de plusieurs populations ?
Population P
1

Effectif n
1

Moyenne
1
x
Population P
2

Effectif n
2

Moyenne
2
x
Population
Effectif n = n
1
+ n
2

Moyenne
1 2
P = P P
x ?
1 1 2 2
n x + n x
x =
n
k
i i
i=1
n x

n
=

Moyenne globale = moyenne des moyennes


PARAMETRES STATISTIQUES
Tendance centrale Position Dispersion
(9) PARAMETRES DE TENDANCE CENTRALE
PROPRIETES GENERALES
PARAMETRES STATISTIQUES
Tendance centrale Position Dispersion
x
P (x) = moyenne, mdiane, mode
y = a x
P (y) = a P (x)
z = a x + b
P (z) = a P (x) + b
(10) PARAMETRES DE TENDANCE CENTRALE
MOYENNES GEOMETRIQUE ET HARMONIQUE
Moyenne gomtrique
1 2 k
n n n
n
1 2 k
G = x x .....x
Moyenne harmonique
k
i
i=1
i
n
H =
n
x

Utilise dans le cas de phnomnes multiplicatifs (taux de croissance moyen)


Utilise dans le cas o lon combine 2 variables sous forme de rapport
(pices/heure, km/litre,)
PARAMETRES STATISTIQUES
Tendance centrale Position Dispersion
PARAMETRES STATISTIQUES
On appelle fractiles ou quantiles d'ordre k les (k-1) valeurs qui divisent les observations
en k parties d'effectifs gaux.
1 mdiane M qui divise les observations en 2 parties gales
3 quartiles Q
1
, Q
2
, Q
3
qui divisent les observations en 4 parties gales
9 dciles D
1
, D
2
, , D
9
qui divisent les observations en 10 parties gales
99 centiles C
1
, C
2
, , C
99
qui divisent les observations en 100 parties gales
Position Dispersion Tendance centrale
(1) PARAMETRES DE POSITION
LES FRACTILES OU QUANTILES
Position
0,5
M
0,75
Q
3

0,2
D
2

(2) PARAMETRES DE POSITION
LES FRACTILES OU QUANTILES
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
-10 0 10 20 30 40 50 60
Variable continue
0
1
-2 -1 0 1 2 3 4 5 6
Variable discrte
PARAMETRES STATISTIQUES
Quartiles, dciles, centiles sobtiennent de la mme faon que la mdiane.
0,5
M Q
3

0,75
0,9
D
9

Tendance centrale Position Dispersion
(3) PARAMETRES DE POSITION
PROPRIETES GENERALES
PARAMETRES STATISTIQUES
Tendance centrale Position Dispersion
x
Q (x) = quantile
A %
100 % - A %

y = a x
Q (y) = a Q (x)
A %
100 % - A %



z = a x + b
Q (z) = a Q (x) + b
A %
100 % - A %



PARAMETRES STATISTIQUES
Etendue : R = x
max
- x
min

Intervalle interquartile : IQ = Q
3
- Q
1

Variance :
Srie brute :
( )
n
2
i
i=1
1
V = x - x
n

Srie groupe ou classe :


( ) ( )
k k
2 2
i i i i
i=1 i=1
1
V = n x - x f x - x
n
=

k
2 2
i i
i=1
1
V = n x x
n

= Moyenne des carrs - Carr de la moyenne


Ecart-type :
= V
Tendance centrale Position Dispersion Dispersion
(1) PARAMETRES DE DISPERSION
(2) PARAMETRES DE DISPERSION
PARAMETRES STATISTIQUES
Comment faire la variance de plusieurs populations ?
Population P
1

Effectif n
1

Moyenne
Variance V
1

1
x
Population P
2

Effectif n
2

Moyenne
Variance V
2

2
x
1 2
P = P P Population
Effectif n = n
1
+ n
2

Moyenne

Variance V ?
x
( )
k k
2
i i i i
i=1 i=1
1 1
V = n V + n x -x
n n

Variance globale = Moyenne des variances + Variance des moyennes
Tendance centrale Position Dispersion
(3) PARAMETRES DE DISPERSION
PROPRIETES GENERALES
PARAMETRES STATISTIQUES
x
P (x) = tendue, cart-type,
intervalle interquartile
Tendance centrale Position Dispersion
y = a x
z = a x + b
P (y) = a P (x) P (z) = a P (x)
PROPRIETES IMPORTANTES
DE LA MOYENNE ET DE LA VARIANCE
PARAMETRES STATISTIQUES
Comment se comportent la moyenne et la variance
lorsquon fait subir un changement de variable aux observations?
x
i

y
i
= a x
i
+ b

y = a x + b
Comment se comportent la moyenne et la variance
de la somme de deux sries dobservations?

x
i
y
i
z
i
= x
i
+ y
i

z = x + y
2
V(y) = a V(x)
(y) = a (x)
V(z) V(x)+ V(y) =
ETUDE DE 2
VARIABLES
QUANTITATIVES
(1) MESURE DE LA LIAISON ENTRE 2
VARIABLES QUANTITATIVES
ETUDE DE 2 VARIABLES QUANTITATIVES
Nom Taille x
i
(cm) Poids y
i
(kg)
Pierre 175 73
Arantxa 168 56
.. .. ..
Martin 185 87
50
55
60
65
70
75
80
85
90
95
150 160 170 180 190 200
Taille
Poids
La connaissance de la taille x apporte une certaine information sur le poids y
Il existe une relation de dpendance entre x et y
(2) MESURE DE LA LIAISON ENTRE 2
VARIABLES QUANTITATIVES
ETUDE DE 2 VARIABLES QUANTITATIVES
La connaissance de x napporte
aucune certaine information sur y
x et y sont indpendantes
La connaissance de x permet de
connatre exactement la valeur de y
Il existe une relation fonctionnelle
entre x et y
(3) MESURE DE LA LIAISON ENTRE 2
VARIABLES QUANTITATIVES
ETUDE DE 2 VARIABLES QUANTITATIVES
Covariance :
( ) ( )( )
n
i i
i=1
1
Cov x,y = x -x y -y
n

Proprits :
( )
Cov x,y 0 >
x et y varient dans le mme sens
( )
Cov x,y 0 <
x et y varient en sens contraire
( ) ( )
Cov x,y Cov y,x =
( )
Cov x,x V(x) =
( ) ( ) ( )
Cov a x + b y , z a Cov x,z b Cov y,z = +
(4) MESURE DE LA LIAISON ENTRE 2
VARIABLES QUANTITATIVES
ETUDE DE 2 VARIABLES QUANTITATIVES
Proprits :
!
Ne pas confondre causalit et corrlation
Corrlation linaire:
cov(x,y)
=
(x) (y)
1 1 s s
= 1 si a > 0
y = a x + b
= -1 si a < 0

Il existe une relation fonctionnelle entre x et y


1 =
x et y sont indpendantes 0 =
Il existe une dpendance linaire dautant plus forte que |p| est grand
0 1 < <
(1) AJUSTEMENT LINEAIRE
ETUDE DE 2 VARIABLES QUANTITATIVES
50
55
60
65
70
75
80
85
90
95
150 160 170 180 190 200
x = Taille
y = Poids
Est-il possible de trouver une fonction numrique f telle que y = f (x) ?
Si une telle fonction existe, on dit que f est un modle du phnomne tudi.
x est la variable explicative.
y est la variable explique.
50
55
60
65
70
75
80
85
90
95
150 160 170 180 190 200
x = Taille
y = Poids
(2) AJUSTEMENT LINEAIRE
ETUDE DE 2 VARIABLES QUANTITATIVES
On dsire trouver la droite qui passe au mieux lintrieur du nuage de points
(3) AJUSTEMENT LINEAIRE
50
55
60
65
70
75
80
85
90
95
150 160 170 180 190 200
x = Taille
y = Poids
50
55
60
65
70
75
80
85
90
95
150 160 170 180 190 200
x = Taille
y = Poids
au mieux
ETUDE DE 2 VARIABLES QUANTITATIVES
Droite de rgression de y en x Droite de rgression de x en y
Minimiser
n
2
i
i=1
S = e

e
i

n
2
i
i=1
S' = e'

Minimiser
i
e'
(4) AJUSTEMENT LINEAIRE
REGRESSION LINEAIRE DE Y EN X
ETUDE DE 2 VARIABLES QUANTITATIVES
50
55
60
65
70
75
80
85
90
95
150 160 170 180 190 200
x = Taille
y = Poids
Droite de rgression
linaire de y en x
y = f(x) = ax + b
La droite de rgression linaire de y en x, note D
y/x
, minimise ( )
n n
2
2
i i i
i=1 i=1
S = e = y -ax -b

( )( )
( )
( )
n
i i
i=1
n
2
i
i=1
x -x y -y
Cov x,y
a = =
V(x)
x -x

b = y - ax
D
y/x
passe par le point moyen ( )
x , y
f(x) = y = ax+b
x
i

y
i

ax
i
+b
e
i
= |y
i
-ax
i
-b|
(5) AJUSTEMENT LINEAIRE
REGRESSION LINEAIRE DE Y EN X
ETUDE DE 2 VARIABLES QUANTITATIVES
50
55
60
65
70
75
80
85
90
95
150 160 170 180 190 200
x = Taille
y = Poids
Droite de rgression
linaire de y en x
y = f(x) = ax + b
f(x) = y = ax+b
x
i

y
i

ax
i
+b
e
i
= |y
i
-ax
i
-b|
i i i
r = y - y
= rsidu de la ime observation
y = a x + b
dfinit un modle affine
i i
y = a x + b
= valeur de y
i
prvue par le modle
i i i i
e = r = y - a x - b
= erreur due au modle
(6) AJUSTEMENT LINEAIRE
REGRESSION LINEAIRE DE X EN Y
ETUDE DE 2 VARIABLES QUANTITATIVES
50
55
60
65
70
75
80
85
90
95
150 160 170 180 190 200
x = Taille
y = Poids
Droite de rgression
linaire de x en y
x = f(y) = ay + b
D
x/y
passe par le point moyen ( )
x , y
La droite de rgression linaire de x en y, note D
x/y
, minimise
( )
n n
2
2
i i i
i=1 i=1
S' = e' = x -a'y -b'

( )( )
( )
( )
n
i i
i=1
n
2
i
i=1
x -x y -y
Cov x,y
a' = =
V(y)
y -y

b' = x - a' y
y
i

x
i

f(y) = x = ay+b
ay
i
+b
e
i
= |x
i
-ay
i
-b|
LIENS ENTRE CORRELATION
ET DROITES DE REGRESSION
ETUDE DE 2 VARIABLES QUANTITATIVES
p = a a
p = a a = 1
Liaison fonctionnelle linaire
p = a a = 0
Indpendance linaire
Le degr de dpendance linaire
se mesure la proximit des
droites de rgression
0< p = a a < 1
(x) (y)
= a = a'
(y) (x)
( ) , x y
( ) , x y
( ) , x y
D
y/x
: y = ax + b
( )
Cov x,y
a =
V(x)
b = y - ax
D
x/y
: x = ay + b
b' = x - a' y
( )
Cov x,y
a' =
V(y)
1 b'
y= x
a' a'

(1) AJUSTEMENT A UNE FONCTION EXPONENTIELLE
ETUDE DE 2 VARIABLES QUANTITATIVES
x
i
y
i
2,8 0,8
4,3 1,2
2,7 1,5
4,2 1,9
4,1 2,3
. .
4,0 3,1
0,0
5,0
10,0
15,0
20,0
25,0
0 10 20 30 40 50 60
droite de rgression linaire
de y en x
Les rsidus devraient se rpartir
au hasard autour de laxe des
abscisses:
le modle affine ne convient pas
-3
-2
-1
0
1
2
3
4
5
0 10 20 30 40 50 60
Analyse des rsidus
(2) AJUSTEMENT A UNE FONCTION EXPONENTIELLE
ETUDE DE 2 VARIABLES QUANTITATIVES
0,0
5,0
10,0
15,0
20,0
25,0
0 10 20 30 40 50 60
Modle exponentiel
x
y = e
exponentielle de base e
x
y = b a
Forme exponentielle gnrale
exponentielle de base a
x
y = a
Changement de variable
ln y = ln b + x ln a
Y = A X + B
avec Y = ln y
X = x
A = ln a
B = ln b
Lajustement affine de Y en fonction de X donne A et B,
d o , , et le modle
A
a = e
B
b = e
x
y = b a
(3) AJUSTEMENT A UNE FONCTION EXPONENTIELLE
ETUDE DE 2 VARIABLES QUANTITATIVES
0,00
5,00
10,00
15,00
20,00
25,00
0 10 20 30 40 50 60
Srie initiale (x
i
,y
i
)
Srie prvue par le modle
( )
i i
x ,y
-1,50
-1,00
-0,50
0,00
0,50
1,00
1,50
0 10 20 30 40 50 60
Analyse des rsidus
Le modle exponentiel est mieux
adapt que le modle affine
(1) AJUSTEMENT A UNE FONCTION PUISSANCE
ETUDE DE 2 VARIABLES QUANTITATIVES
Droite de rgression linaire de y en x
Le modle affine ne
convient pas
Analyse des rsidus
-150
-100
-50
0
50
100
150
0 10 20 30 40 50 60
0
100
200
300
400
500
600
700
800
900
0 20 40 60
(2) AJUSTEMENT A UNE FONCTION PUISSANCE
ETUDE DE 2 VARIABLES QUANTITATIVES
Changement de variable
ln y = ln b + a ln x
Y = A X + B
avec Y = ln y
X = ln x
A = a
B = ln b
Modle puissance
a
y = b x
Lajustement affine de Y en fonction de X donne A et B,
d o a = A , , et le modle
B
b = e
a
y = b x
0
100
200
300
400
500
600
700
800
900
0 20 40 60
(3) AJUSTEMENT A UNE FONCTION PUISSANCE
ETUDE DE 2 VARIABLES QUANTITATIVES
Srie initiale (x
i
,y
i
)
Srie prvue par le modle
( )
i i
x ,y
Le modle puissance est mieux
adapt que le modle affine
0
100
200
300
400
500
600
700
800
900
0 20 40 60
Analyse des rsidus
-80
-60
-40
-20
0
20
40
60
80
0 10 20 30 40 50 60
QUALITE DUN AJUSTEMENT
ETUDE DE 2 VARIABLES QUANTITATIVES
On montre que
( ) ( ) ( )
2 2 2
i i i i
y -y y -y y -y = +

SCM SCR
1
SCT SCT
= +
Lajustement est dautant meilleur que SCR est proche de 0, c..d. que SCR/SCT est
proche de 0 ou SCM/SCT est proche de 1.
= proportion de la variation totale due l'ajustement
0 R 1 s s
SCT = SCM + SCR
Somme des carrs des
carts la moyenne
Somme des carrs des
carts du modle
Somme des
carrs des rsidus
+ =
= Coefficient de dtermination = p = (coef. de corrlation)
SCM
R
SCT
=
LES INDICES
INDICES ELEMENTAIRES
LES INDICES
Un indice est le rapport dune variable mesure deux instants diffrents.
Un indice est reprsentatif dune volution
y
1
= valeur de la variable y la date t
1

y
0
= valeur de la variable y la date t
0

1
1 0
0
y
i =
y
Indice lmentaire de la variable y la date t
1
par rapport
la date de rfrence t
0

1 0 1 0
I = i 100
Indice lmentaire de la variable y la date t
1
par rapport
la date de rfrence t
0
, base 100.
Proprits
n/n
i = 1
Identit
2/1 1/2
i i = 1
Rversibilit
3/1 3/2 2/1
i i i =
Circularit
INDICES ET TAUX DE VARIATION
LES INDICES
Taux de variation ou taux de croissance de la variable y
entre la date t
0
et la date t
1

1 0
1 0
0
y y
r =
y

1
1 0 1 0
0
y
r = 1 i 1
y
= r = i - 1 i = 1 + r
1 1 0 0 1 1 0 0
y = (1+ r )y y = i y
i = 1 + r = coefficient multiplicateur
r = 0 i = 1 Pas dvolution
r > 0 i > 1 Croissance
-100% = -1 < r < 0 0 i < 1 <
Dcroissance
INDICES ET TAUX DE VARIATION MOYENS
LES INDICES
y
0
, y
1
, .., y
n
les valeurs prises par une variable aux dates t
0
, t
1
, .., t
n

n n-1
y i y =
i lindice moyen
n n n-1
y i y =
i
1
, i
2
, .., i
n
les indices lmentaires sur chacune des priodes
i
G
lindice lmentaire global entre t
0
et t
n

n G 0
y i y =
n
G n 2 1
i = i i ..... i i =
i
1
, i
2
, .., i
k
indices lmentaires sur des priodes de

n
1
, n
2
, .., n
k
units (jour, mois, anne)
1 2 k
n n n n
G 1 2 k
i = i i i ..... i =
1 2 k
n n n
1 2 k
i i i ..... i
n
=
Moyenne gomtrique des indices lmentaires
n 2 1 0
...... i ..... i i y = =
n n-1 n-2
i i y =
n
0
... i y = =
2
n-2
i y =
r
1
, r
2
, .., r
n
les taux de croissance sur chacune des priodes
n n n-1 n n-1 n-2 n 2 1 0
y (1 r ) y (1 r ) (1 r ) y (1 r ) ..... (1 r ) (1 r ) y = + = + + = + + +
r
G
le taux de croissance entre t
0
et t
n

n G 0
y (1 r ) y = +
r le taux de croissance moyen
2 n
n n-1 n-2 0
y (1 r) y (1 r) y ... (1 r) y = + = + = = +
n
G n 2 1
(1+ r )= (1+ r) (1 r ) ..... (1 r ) (1 r ) = + + +
r
1
, r
2
, .., r
k
indices lmentaires sur des priodes de

n
1
, n
2
, .., n
k
units (jour, mois, anne)
1 2 k
n n n n
G 1 2 k
(1+r )= (1+r) (1 r ) (1 r ) ..... (1 r ) = + + +
INDICES USUELS
LES INDICES
Indice lmentaire des prix ( )
1
1 0
0
P
i P =
P
Indice lmentaire des quantits
(ou des volumes)
( )
1
1 0
0
Q
i Q =
Q
Indice lmentaire de valeur
(ou de dpense)
( ) ( ) ( )
1 1 1
1 0 1 0 1 0
0 0 0
V PQ
i V = i P i Q
V P Q
= =
INDICES SYNTHETIQUES
LES INDICES
Un indice synthtique mesure lvolution simultane de plusieurs produits
Un indice synthtique est une moyenne pondre des indices lmentaires
des diffrents produits
j,n j,n j,n
j,n n n
j,n j,n j,n
j=1 j=1
V P Q

V P Q
= =

n
j,n
j=1
1 =
Remarque :
Coefficient de pondration (ou budgtaire) du produit j la date t
n

(1) INDICES SYNTHETIQUES DE LASPEYRES
LES INDICES
Indice de Laspeyres des prix
Dpense de la date courante avec les quantits de rfrence
Dpense de la date de rfrence
= 100
Moyenne arithmtique des indices lmentaires des prix, base 100,
pondrs par des coefficients de pondration relatifs la date de rfrence t
0

( )
1 0
P L =
( )
n
j,0 j
1 0
j=1
I P

( )
1 0
P L =
n
j,1 j,0
j=1
n
j,0 j,0
j=1
P Q
P Q
=

100
Comment sen souvenir ?




Dpense de la date courante
Dpense de la date de rfrence
n
j,1 j,1
j=1
n
j,0 j,0
j=1
P Q
P Q
=

1 seul indice sur 4 doit tre modifi


0
(2) INDICES SYNTHETIQUES DE LASPEYRES
LES INDICES
Indice de Laspeyres des quantits
n
j,0 j,1
j=1
n
j,0 j,0
j=1
P Q
P Q
=

100
Dpense de la date courante avec les prix de rfrence
Dpense de la date de rfrence
= 100
Moyenne arithmtique des indices lmentaires des quantits, base 100,
pondrs par des coefficients de pondration relatifs la date de rfrence t
0

( )
1 0
Q L =
( )
n
j,0 j
1 0
j=1
I Q

( )
1 0
Q L =
Comment sen souvenir ?




Dpense de la date courante
Dpense de la date de rfrence
n
j,1 j,1
j=1
n
j,0 j,0
j=1
P Q
P Q
=

1 seul indice sur 4 doit tre modifi


0
(1) INDICES SYNTHETIQUES DE PAASCHE
LES INDICES
Indice de Paasche des prix
n
j,1 j,1
j=1
n
j,0 j,1
j=1
P Q
P Q
=

100
Dpense de la date courante
Dpense de la date de rfrence avec les quantits courantes
= 100
Moyenne harmonique des indices lmentaires des prix, base 100,
pondrs par des coefficients de pondration relatifs la date courante t
1

( )
1 0
P P =
( )
1 0
P P =
( )
n
j,1
j=1
j
1 0
1

I P
Comment sen souvenir ?




Dpense de la date courante
Dpense de la date de rfrence
n
j,1 j,1
j=1
n
j,0 j,0
j=1
P Q
P Q
=

1 seul indice sur 4 doit tre modifi


1
(2) INDICES SYNTHETIQUES DE PAASCHE
LES INDICES
Indice de Paasche des quantits
n
j,1 j,1
j=1
n
j,1 j,0
j=1
P Q
P Q
=

100
Moyenne harmonique des indices lmentaires des quantits, base 100,
pondrs par des coefficients de pondration relatifs la date courante t
1
( )
1 0
Q P =
( )
1 0
Q P =
( )
n
j,1
j=1
j
1 0
1

I Q

Dpense de la date courante


Dpense de la date de rfrence avec les prix courants
= 100
Comment sen souvenir ?




Dpense de la date courante
Dpense de la date de rfrence
n
j,1 j,1
j=1
n
j,0 j,0
j=1
P Q
P Q
=

1 seul indice sur 4 doit tre modifi


1
SERIES
CHRONOLOGIQUES
LES DONNEES
SERIES CHRONOLOGIQUES
2001 2002 2003 2004 2005
1
er
trimestre 10 11 11 12 12
2
e
trimestre 9 10 11 11 12
3
e
trimestre 10 11 13 12 15
4
e
trimestre 11 12 13 14 16
Y = srie initiale
Y
temps
8
9
10
11
12
13
14
15
16
17
0 5 10 15 20
Y = prix dun bien en fonction du temps
Date Y
T1 2001 10
T2 2001 9
T3 2001 10
T4 2001 11
T1 2002 11
T2 2002 10
T3 2002 11
T4 2002 12
T1 2003 11
T2 2003 11
T3 2003 13
T4 2003 13
T1 2004 12
T2 2004 11
T3 2004 12
T4 2004 14
T1 2005 12
T2 2005 12
T3 2005 15
T4 2005 16
LES COMPOSANTES
Y = srie initiale
8
9
10
11
12
13
14
15
16
17
0 5 10 15 20
Tendance ou Trend
T
8
9
10
11
12
13
14
15
16
17
0 5 10 15 20
Composante Saisonnire
S
0,5
0,6
0,7
0,8
0,9
1
1,1
1,2
1,3
1,4
1,5
0 5 10 15 20
Composante Alatoire
A
0
0,5
1
1,5
2
0 5 10 15 20
SERIES CHRONOLOGIQUES
MODELES DE DECOMPOSITION
Modle additif
Y = T + S + A
Modle multiplicatif
Y = T . S . A
SERIES CHRONOLOGIQUES
(1) DETERMINATION DE LA TENDANCE
REGRESSION LINEAIRE
Il sagit de faire un lissage du nuage des points par une fonction connue.
Lorsque le nuage est linaire on utilise la droite de rgression de y en fonction du temps
T = tendance
Avantages:
Expression analytique
Inconvnients:
Un nuage ne se prsente pas toujours sous une forme analytique simple
Le calcul de la tendance peut tre affect par des valeurs extrmes ou par
les valeurs de dbut et de fin de srie.
SERIES CHRONOLOGIQUES
t Y
1 y
1
2 y
2
3 y
3
4 y
4
.. ..
n y
n
t mm(2)
-

-
t Y
1 y
1
2 y
2
3 y
3
4 y
4
.. ..
n y
n
t mm(3)
-

-
(2) DETERMINATION DE LA TENDANCE
MOYENNES MOBILES
Moyennes mobiles
dordre impair
Moyennes mobiles
dordre pair.
On utilise une observation
supplmentaire
(y
2
+y
3
+y
4
)/3
(y
1
+y
2
+y
3
)/3
SERIES CHRONOLOGIQUES
2
Moy. Mobiles
dordre 3
3
Moy. Mobiles
dordre 2
2
(y
1
/2+y
2
+y
3
/2)/2
3
(y
2
/2+y
3
+y
4
/2)/2
(3) DETERMINATION DE LA TENDANCE
MOYENNES MOBILES
Choix de lordre des moyennes mobiles : gal au nombre de saisons
Avantages du lissage par moyennes mobiles :
Permet de se faire une ide de la tendance lorsque le nuage ne prsente pas
une tendance algbrique claire
Inconvnients:
La tendance est estime sur une partie de la priode tudie et non sur la totalit
Ne donne pas une expression analytique de la tendance en fonction du temps
Approximation pas trs bonne lorsquil y a de fortes courbures
Sensible aux valeurs extrmes
SERIES CHRONOLOGIQUES
DETERMINATION DES COMPOSANTES
SAISONNIERES
Modle multiplicatif Y = T.S.A Modle additif Y = T+S+A
SERIES CHRONOLOGIQUES
Rapports Y/T = S.A Diffrences Y-T = S+A
= Moyenne des rapports de la saison j
'
j
S
= Moyenne des diffrences de la saison j
'
j
S
Coefficients saisonniers bruts
'
j
S
' '
j j
S = S S
Coefficients saisonniers
j
S
' '
j j
S = S - S
Rque: cette transformation permet de respecter le principe de conservation des aires
S = 1 S = 0
DETERMINATION DE LA COMPOSANTE
ALEATOIRE
SERIES CHRONOLOGIQUES
Modle multiplicatif Y = T.S.A Modle additif Y = T+S+A
Y
A =
T.S
A = Y - T - S
La composante alatoire, ou rsidu, permet danalyser la qualit du modle de
dcomposition
DESAISONNALISATION
SERIES CHRONOLOGIQUES
Y
CVS
= srie dsaisonnalise ou Corrige des Variations Saisonnires, exprime
ce quaurait t lvolution du phnomne sans effet saisonnier.
Modle multiplicatif Y = T.S.A Modle additif Y = T+S+A
CVS
Y
Y =
S
CVS
Y = Y S
PREVISION
SERIES CHRONOLOGIQUES
Lissage obtenu par
T = droite de rgression D
Y/t
- Rgression linaire de Y sur le temps t
- Moyennes mobiles (Moyennes mobiles = T provisoire)
Rgression linaire de sur le temps t
CVS
Y T = droite de rgression
CVS
Y t
D
Prvision la date future t, correspondant la saison j:
Modle multiplicatif Y = T.S.A Modle additif Y = T+S+A
j

Y(t) = T(t) + S
j

Y(t)= T(t) S