Statistique appliquée au

management de l’entreprise
 démarche

 Introduction sur la gestion et le management d’une

entreprise

 Analyse de la situation à traiter .

 Détermination des objectifs du traitement.

 Démarche et notions fondamentales des outils

statistiques.
 Introduction sur la gestion d’une entreprise

Hypothèse : on travail sur des entreprise crées, et de

domaine d’activité différents: commerciales,
industrielles, agricoles….

Terminologie: management, gestion, administration,

statistique
Le processus de management: les principe de base
sont la planification, l’organisation, la direction et le
contrôle avec un feed back entre le contrôle et la
planification.
 Management et gestion

La déférence entre management et gestion : Initialement, "gestion" est

la simple traduction française du terme anglais "management" Mais,
ces termes sont utilisés avec des connotations légèrement différentes
selon qui les emploie et dans quel contexte, cadre... Généralement dans
l'entreprise: - Les gestionnaires orientent leurs activités vers les tâches,
les managers orientent les leurs vers les résultats.
- Les gestionnaires se contentent de résoudre les problèmes, les
managers s’évertuent à découvrir les vrais problèmes pour leur
apporter, ensuite, des solutions originales. - Les gestionnaires se
plaisent à «donner des ordres», les leaders se contentent de «montrer
la voie».
- Les activités des gestionnaires sont centrées sur la maîtrise des
travaux courants et visent avant tout l’efficience, celles des managers
sont centrées sur la vision et visent l’efficacité
Domaine d’application des outils statistique

L’application des outils statistiques apparaissent

toute au long du processus de gestion au niveau
d’une entreprise:
 Au niveau de la planification;
 Au niveau de l’organisation;
 Au niveau du contrôle.
 La planification

L’objet:C’est la fixation des objectifs stratégiques et

opérationnels de l’entreprise à réaliser dans le temps
Le support: formalisation de l’ensemble des
objectifs selon les termes prévisionnels en différents
états statistiques présentés sous forme de plan:
Plan de production, plan d’approvisionnement, plan
des ressources humaines, plan d’organisation des
flux et comptes prévisionnels de résultats, bilans et
financement
les outils: les études de marché, le suivi des écarts
budgetaires
 L’organisation

L’objet: définition du système d’organisation à

travers les composantes du système et leurs relations
en vue de la réalisation des objectifs de l’entreprise
La nécessite: un besoin de division du travail par la
création d’unités organisationnelles: par fonction, par
produit, par région, par clientèle et par groupe de
travail
Objectif: une visibilité et une meilleur gestion des
fonctions de l’entreprise (production,
approvisionnement,commercialisation…)
 Le contrôle

La nécessité: suivre l’état d’exécution des

opérations dans tous les domaines et dans tous les
aspects.
 Suivre les résultats par des états statistiques:
quantité, qualité, couts et délais
L’organisation: le contrôle de gestion et l’audit par
des états de suivi statistique et des tableaux de bord
de suivi des moyens misent en place ainsi que par les
états de la comptabilité, l’inspection comme
opération de contrôle ponctuelles.
L’entreprise par des flux donnant lieu a des états
statistiques
Marche
Ressources du travail
Marche du humaines
travail
Fournisseur
Moyens de
Fournisseur production

Actionnaires
Actionnaires produits clients Fonds(CA)
fonds

Banques
Banques

Etat
Etat
 conclusion

Il est claire que la démarche statistique de traitement

des données figure dans tout le processus de gestion
d’une entreprise
Nécessité d’acquisition des principes et techniques
statistiques dans le domaine de la gestion. en effet, Les
méthodes statistiques font partie des connaissances de
base d’un bon gestionnaire ou manager
 dotation d’un système d’information de gestion
performant pour facilité la diffusion, la récupération et
la consolidation des données pour le besoin des états
statistiques
Introduction sur les domaines d’application

Domaine industriel: la fiabilité des matériels, le

contrôle de la qualité, l’analyse des résultats de
mesure et leur planification, les prévisions
Domaine de l’economie et des sciences de l’homme:
par des modèles économétriques, les sondages, les
enquêtes d’opinion, et les études quantitatives de
marché.
 Définition de la démarche statistique

La statistique en tant que science d’observation

est une méthode mathématique de recueille,
organisation, présentation, d’analyse et
d’interprétation des données et qui permettent d’en
tirer des conclusions et de prendre une décision
judicieuse.
La statistique: un ensemble de données
d’observation et l’activité qui consiste dans leur
recueil, leur traitement et leur interprétation en vue
de décrire une situation donnée
 La démarche statistique

La démarche statistique consiste à traiter et

interpréter les données recueilles, elle comporte 2
grandes aspects:
 l’aspect descriptif ou exploratoire
 L’aspect inférentielle ou décisionnel
 La modélisation et la prévision
l’aspect descriptif ou exploratoire
Le but est de synthétiser, résumer et structurer
l’information contenu dans les données. Elle utilise
pour cela des données sous forme de tableaux, de
graphes, d’indicateurs numériques. Connue sous le
nom de statistique descriptive. Elle s’est enrichie de
nouvelle méthodes: d’analyse de données, de
classification
L’aspect inférentielle ou décisionnel
Son but est de tendre les propriétés constatées sur l’échantillon
à la population toute entière et de valider ou d’infirmer des
hypothèse a priori ou formuler après une phase exploratoire
La modélisation et la prévision
La modélisation consiste généralement à rechercher une relation
approximative entre une variable et plusieurs d’autres
variables. La forme de cette relation étant la plus souvent
lineaire.
 Les notions fondamentales:

l’étude de tous les individus d’une population finie

s’appelle un recensement.
Lorsque l’on observe qu’une partie de la population on
parle de sondage. La partie étudiée s’appelle
échantillon.
La population: est constitué de l’ensemble des
individué ou unité qui sont décrit par un ensemble
de caractère.
L’unité statistique (individu) chaque individu qui
constitue la population est appelé unité statistique
Le caractère statistique: chaque individu d’une
population est décrit par un ensemble de
caractéristiques appelés variables ou caractère.
Ces variables peuvent être classées selon leurs nature:
Variable quantitative ou numérique: taille, poids,
volume s’expriment par des nombre réels sur
lesquels les opérations arithmétique courantes
(sommes,moyenne….) certaines peuvent être
discrète (nombre finie) ou continue si toutes les
valeurs d’un intervalle de R sont acceptés.
Variable qualitative certain sont nominale exple: catégorie
socioprofessionnel ou bien ordinale lorsque l’ensemble
des catégories sont menu d’un ordre exple: très
résistant, assez résistant, peu résistant
Exemple d’application:

On considère les résultats d'un devoir d'une classe de

25 élèves :
11, 13, 8, 16, 11, 7, 13, 12, 11, 12, 12, 8, 11, 8, 12, 11,
11, 7, 16, 8, 11, 8, 12, 8, 16
que l'on range dans un tableau.
 

Notes 7 8 11 12 13 16 total
Effectifs 2 6 7 5 2 3 25
Eff. cumulés.
2 8 15 20 22 25  
croissants.
Fréquences 0,08 0,24 0,28 0,20 0,08 0,12 1
Fréquences en % 8 24 28 20 8 12 100
Définition
On appelle population un ensemble soumis à une étude statistique.
Dans notre exemple
La population est la classe de 25 élèves.
Définition
On appelle individu un élément d'une population.
Dans notre exemple
Un individu est un élève.
Définition
On appelle caractère le critère suivant lequel on étudie la population.
Suivant les cas le caractères peut être discret (âge, pointure, couleur des yeux, ...) ou continu (la
taille, les salaires,... ). Dans ce dernier cas les valeurs sont données par classe ([160, 165[ pour la
taille)
Dans notre exemple
Le caractère est la note obtenue par chaque élève. C'est un caractère discret.
Définition
On appelle effectif total le nombre total d'individus dans la population.
Dans notre exemple
L'effectif total est 25.
Définition
On appelle effectif le nombre d'individus qui correspondent au
même caractère.
Dans notre exemple
7 est l'effectif de la note 11 : Il y a 7 élèves qui ont eu la note 11.
Définition
On appelle effectif cumulé croissant le nombre d'individus qui
correspondent au même caractère et aux caractères précédents.
Dans notre exemple
Il y a 15 élèves qui ont eu une note inférieur ou égale à 11 (15 élèves
ont eu 11 ou moins de 11)
définition
On appelle moyenne (ou moyenne arithmétique) le rapport entre la somme des valeurs et le
nombre de valeurs.
Dans notre exemple
Moyenne des valeurs : ( 7 + 8 + 11 + 12 + 13 + 16) ¸ 6 » 11,17
Définition
On appelle moyenne pondérée, une moyenne dans laquelle chaque valeur possède un coefficient..
Dans notre exemple
moyenne pondérée =
La moyenne de la classe pour ce devoir est 10,92
 
Définition
On appelle médiane la valeur située au milieu de la liste quand celle-ci est classée dans l'ordre
(dé)croissant. Si le nombre de valeurs est pair, la médiane est la moyenne des deux valeurs situées
au milieu.
Dans notre exemple
7, 7, 8, 8, 8, 8, 8, 8, 11, 11, 11, 11, 11, 11, 11, 12, 12, 12, 12, 12, 13, 13, 16, 16, 16
La médiane est 11.
7. LES PARAMETRES DE POSITION: LA MOYENNE, LE
MODE , LA MEDIANE, LES QUANTILES

Quand les statisticiens se trouvent en face des résultats d'une enquête,

ils trouvent intéressant d'en déterminer les
"tendances moyennes". Pour cela, ils disposent de plusieurs outils: la
moyenne arithmétique, le mode, la médiane et
les quantiles. La moyenne arithmétique est le paramètre de position le
plus utilisé. Il existe également d'autres types
de moyenne, comme la moyenne harmonique ou la moyenne
géométrique dont on ne parlera pas.
7.1. La moyenne arithmétique
7.1.1. Cas d'une variable discrète
Reprenons l'exemple de l'âge des élèves de la classe de 6ème
générale. On avait obtenu:

On obtient la moyenne arithmétique en additionnant toutes

ces valeurs et en divisant le nombre obtenu par le
nombre de valeurs. Elle est désignée par le symbole X ("x
barre").
Moyenne = X
(18+20+17+17+17+16+20+18+18+18+19+19+1
9+18+18+18+19+18+18+18+17+16+16+17
+20+17+17) / 27 = 483 / 27 = 17,89

Si on avait pris comme échantillon la totalité des

classes de 6ème de l’Athénée, le calcul aurait été très
long et on aurait fait des fautes.
C'est pour cette raison qu'on calcule généralement la
moyenne à partir du tableau recensé ou ordonné.
On obtient la moyenne en multipliant chaque valeur
de la variable par l'effectif correspondant. Le nombre
obtenu est divisé par l'effectif total.
Cas d'une variable continue, répartition en
classes
En 1954, une enquête sur la répartition selon l'âge de
la population agricole masculine a donné les
résultats suivants:
Dans ce cas, les Xi qui représentaient les valeurs de la
variable représentent les centres des classes. Les formules
de calcul de la moyenne sont donc identiques.
:
Le mode
Dans une enquête relative au moyen de transport, on a obtenu le tableau
suivant:

On pourrait se demander quel est le moyen de transport

le plus utilisé ("à la mode"). C'est évidemment le bus
qui correspond au plus grand nombre d'effectifs.
Le mode est la valeur de la variable (ou la
classe) dont l'effectif est le plus important (la
valeur de la variable la plus fréquente)
La médiane
. LES PARAMETRES DE DISPERSION:
L'ECART MOYEN, L'ECART-TYPE ET LA
VARIANCE
L'utilité des paramètres de position est d'indiquer
d'une certaine manière autour de quelle valeur une
série s'étend.
Cependant, ce type de paramètre n'est pas suffisant
pour caractériser une série.
En effet, prenons les trois exemples suivants :
 a) Alice et Béatrice ont pris des vacances dans un endroit
de rêve : des conditions de vie très proches de la nature
 (logement sous tente), mille et une possibilités d’activités
sportives, de loisir, de détente, …, le tout à un prix
 intéressant. Le prospectus annonce pour la période
envisagée, une température moyenne de 25°C et une brise
 légère. Alice est revenue enchantée de ses vacances,
Béatrice est très mécontente : un gros rhume, des
mauvaises nuits fréquentes, des maux de tête, … lui ont
gâché le séjour. C’est que, alors que Béatrice, ayant lu très
superficiellement le prospectus ne s’était équipée que de
vêtements d’été, Alice au contraire avait lu que sur une
journée, les écarts de température pouvaient être
importants et que notamment, les nuits étaient plutôt
fraîches. Elle avait donc encombré ses bagages de jeans et
de petites laines qui lui ont permis de bien dormir et de ne
pas frissonner en soirée et au petit matin.
b) Tout au long d’une année, on a fait des relevés
statistiques d’un restaurant scolaire et on a trouvé
qu’on servait en moyenne 100 repas complets par
jour de fonctionnement du restaurant (4 jours par
semaine), et que chaque repas comportait 100 g de
pommes de terre. Ces données suffisent-elles à
l’économe pour faire des achats hebdomadaires
raisonnables de pomme de terre ?
L'écart moyen, l'écart-type et la variance

Partons de l’exemple suivant : dans un carré de

haricots, on a récolté 140 gousses (et non pas cosse
qui est l’enveloppe du pois) et on a compté le nombre
de grains dans chacune des gousses.
Voici le tableau de résultats
Pour évaluer la dispersion autour de cette moyenne,
l'idée qui vient spontanément à l'esprit est de
déterminer les écarts entre cette moyenne et les
diverses valeurs de la variable.
LE COEFFICIENT DE VARIATION
Lorsque deux distributions sont analogues (par
exemple, la taille en cm d'enfants de 8 ans et la taille
en cm d'adultes de 25 ans), il est facile de comparer
leurs dispersions et donc leurs écart-type.
Il pourrait cependant être utile de comparer des
distributions issues d'échelles de grandeurs
différentes ou d'unités de mesure différentes (par
exemple un test dont les notes varient de 0 à 100 et un
autre variant de 0 à 20). Dans ce cas, on peut utiliser
un coefficient de variation qui permet de ramener la
valeur de n'importe quelle dispersion sur une même
échelle, en l'occurrence un pourcentage. La valeur de
ce coefficient est donnée par la formule :
Exemple: soit les données suivants relatives aux
salaires de deux entreprise A et B:
ETP A: la moyenne est 1800 et écart type est 150
ETP B: la moyenne est 1200 et écart type est 100
Utilisez le coefficient de variation pour comparer les
deux entreprises.

Si le coefficient de variation des cadres est de 0,78 et

pour les ouvriers il est de l’ordre de 0,42 comment
sont les distributions entre les deux activités?
Conclusion:
On peut dire que les salaires des cadres est moins
homogène que ceux des ouvriers
Les quantiles comme caractère de dispersion:
Les quantiles sont déterminés comme la mediane des
fréquences relatives ou absolues cumulés sur le
tableau (N(x) ou F(x)).
Lorsque on divise la population par 4 les quantiles
sont comme suit:
Q1(c’est 25%)
Q2(c’est 50%)
Q3(c’est 75%)
Q4(c’est 100%)
Les écarts interquartiles: Q3-Q1=50%
Les écarts inter déciles : D9-D1= 80%
Exercice: soit la distribution d’ouvrier selon le salaire
horaire donnée en DA:
classe Nombre d’ouvrier
[120,125[ 10
[125,130[ 20
[130,135[ 38
[135,140[ 25
[140,145[ 7

 Calculer le salaire horaire moyen?

 Calculer l’écart type par rapport à ce salaire moyen?
 Interprétés les résultats?
Les notions d’indices et de taux statistique:

 La proportion temporaire: lorsque la proportion

exprime la variation relative de modalité d’un
caractère au cours du temps il s’agit d’une
proportion temporaire appelé en général taux de
croissance relative.
 soit G2 et G1 deux valeurs enregistrés dans le temps

Taux de croissance= (G2-G1)/G1 =(G2/G1)-1

Si Tc>0 alors G2>G1 c’est une progression
Si Tc<0 alors G2<G1 c’est une régression
Le rapport G2/G1 s’appel un indice élémentaire
puisque il dépend de deux grandeurs
Exemple: soit l’evolution des prix au cours des années
d’un produit: calculer le taux de croissance entre 99
et 98 et l’indice des prix entre les deux années?

t 98 99 2000 2001 2002 2003 2004

prix 12 12,5 15 17 20 23 27
La notion des indices synthétiques:

Les indices élémentaires sont limités pour étude

supposons le tableau suivant qui donne les
consommations (les prix et les dépenses en quantité)
de trois produits: calculer l’évolution des dépenses
produit Quantité(qi) Prix(pi) Dépenses (Di)
t=98 t=2004 t=98 t=2004 t=98 t=2004

Essence 150 100 12 27

normal
gaz 110 250 15 24
Essence 240 300 10 30
sans
plomb
Le calcul de l’evolution des dépenses est de l’ordre de
I(D)2004/98=(17700/5850)=3,0256
Donc pour les trois produits le cout de la vie a
augmenté de l’ordre de 302,56% entre 98/2004

Remarque: on remarque que cet indice dépend de

plusieurs paramètre (prix et quantité) alors que
pour mesurer réellement le cout de la vie une seule
variable est à prendre véritablement en compte soit
les prix et on fixe l’autre variable comme base de
calcul pour calculer l’indice de prix.
Les indices absolue de concentration:
1/indice de Hischmann:
 Il est exprimé en générale en pourcentage et il est définie comme suit:

100 ∕ √N≤ Hi ≤100

Application: si il s’agit d’étudier des entreprises selon leurs taille (chiffre

d’affaire pour la part de marché)
Cet indice exprime que les dimensions individuelles sont des part relative
à la dimension de l’ensemble.
Les parts de marché xi/∑xi détenue par chaque entreprise, lorsque une
entreprise détient la totalité du marché (xi/∑xi)=1 donc Hi=100 le
marché de l’entreprise se trouve en situation de monopole, donc il ne
peut être concentré
Lorsque les parts de marché de chaque participant sont faibles c’est une
situation de concurrence pure et parfaite
Exercice d’application:
On suppose que les chiffres d’affaire de 10 entreprises de
l’industrie de textile sont les suivants:
entreprise Chiffre d’affaire (106 DA)
A 12,6
B 6
C 3
D 2
E 1,3
F 0,8
G 0,7
H 0,6
J 0,4

-calculer l’indicateur de concentration et les parts de marché?

  La modélisation d’une série statistique (la
régression linéaire) :
Nous allons débuter par l’étude de cas le plus élémentaire
dans lequel il est supposé qu’une variable aléatoire Y est
liée à une seule variable X par une relation linéaire,
estimé par une droite appelé droite de régression.
 Nous allons essayer d’ajuster la série statistique en
faisant des estimations de la variable Y à partir des
valeurs de la variable x suivant une formule de type X
Y=aX+b, cette droite sera appelé droite de régression de
Y par rapport à X.
De ce fait nous allons minimiser la distance entre les
valeurs observées de y et les valeurs estimées de la même
variable/
Cette distance est égale à :D=min ∑(yi - Ῡi)
Avec : et b=Ῡ- a

Et le coefficient de détermination linéaire pour le

signification globale du model est R2
Tels que R se calcul comme suit: et R2 est entre[0,1]
On prend l’exemple suivant pour éclaircir cette
méthode/
Il est habituellement d’affirmer que la taille d’un
individu dépend de sa masse, soit un groupe de dix
personnes étudiés suivant les deux caractères
statistiques suivant leurs masses en Kilogramme et
leurs tailles en centimètres et dont les résultats sont
comme suite :
masse Tailles
60 153
65 164
65 166
70 172
75 178
72 174
80 181
88 186
78 179
80 182
nous obtenons ainsi: X(barre)est 73,3 et Y(barre) est
173,5 d’où a=1,1282 et b=90,7994
La droite de régression de Y en X s’ecrit donc sous la
forme Y=1,1282 X+90,7994
Le coefficient de détermination est de R2=0,9262
donc ce qui donne une signification global de 92,62%
du model.
Interprétation: R2est proche de 1 donc on peut dire
que la variable dépendante Y représenté est expliqué
à 92,62% par la variable indépendante qui pour
notre échantillon x
 Traitement et prévision pour une série chronologique

Une série chronologique est une serie où l’une des

variable est le temps, donc on étudie une variable en
fonction du temps en vue de faire des prévisions.
Ces prévisions doivent prendre en compte la
tendance générale (trend) du phénomène étudié,
l’influence d’une tendance saisonnière et sa
périodicité
Exemple sur la démarche budgétaire

   La budgétisation est une méthode de management

à CT qui rassemble toutes les facettes de l’activité de
l’organisme en chiffres budgétés : les budgets et le
contrôle budgétaire qui permet de dégager les écarts
et de mettre en ouvre des corrections efficaces.
   Cet outil qui est à CT est le résultat d’une analyse
du passé pour donner des prévisions pour le future.
Ces budgets ne sont qu’une planification à CT car ils
sont toujours annexés à une planification
Stratégique  à LT et aux plans opérationnels à MT.
L’établissement des budgets :
   La mise en place :
   En terme de savoir faire l’élaboration des budgets suit les
modes de management des organismes
Les techniques de prévision des budgets de
vente :
  1-La régression linéaire :
   Prenant l’exemple suivant : La société Nem présente les
réalisations de ventes du deuxieme semestre de l’année
2011 suivante pour l’élaboration des budgets de ventes du
semestre suivant de 2012 
Mois 1 2 3 4 5 6

Vente 100 140 150 180 220 280

   L’observation des ventes de l’année N nous  amène  à penser à une
tendance linéaire. Donc on fait appel aux techniques de la régression
linéaire.
Pour prévenir les ventes de 2012 :
   La présentation des vente en fonction des mois nous amène aussi à dire
que les ventes de l’année N est déterminer par la fonction : y ₌ ax ˖ b 
avec :
X : le mois.
Y : les ventes prévisionnelles.
A : le coefficient de corrélation et A = (∑xiyi -  nx (barre) y (barre)) / (∑
x² - nx (barre)²).
Avec aussi B = y (barre)- ax (barre).
   Maintenant à l’aide de cette technique on peut construire le tableau
suivant qui facilite la tache :
(mois) Xi (vente) Yi X iYi X²
1 100 100 1
2 140 280 4
3 150 450 9
4 180 720 16
5 220 1100 25
6 280 1680 36
∑xi = 21 ∑yi = 1070 ∑xiyi = 4330 ∑ x² = 91
D’où  X (barre) est de = 21 / 6 = 3.5
Et Y (barre) est de = 1070 / 6 = 178.333
Alors A = ( 4330 – ( 6 * 3.5 * 178.333)) /  (91- ( 6*
3.5²)) =  33.428 .
Et par la suite on a : B =  178.333 -  33.428 * 3.5 = 
61.335.
D’où  Y =    33.428X + 61.335  Alors ici on change juste le
x qui est le mois et on trouve les ventes prévisionnelles de
ce mois et cela sur la base des données de l’année 2011.
   De cette manière on peut élaborer tous le budget de
vente pour tous les mois qui viennent.
Exemple :
pour le mois 7 les ventes prévisionnelles sont de :
295.331.
Pour le mois 9 Septembre  les ventes sont de :
362.187.
Pour le mois 12  Décembre les ventes sont de :
462.471.
   Le phénomène saisonnier :
  Pour certaines entreprises l’activité de ventes de
produit ou de service est influencée par  le facteur
temporaire c'est-à-dire que pendant des mois bien
déterminés l’entreprise réalise des chiffres différents
par rapport aux autres mois. Par exemple les 
restaurants marocain qui vendent bien leurs services
pendant les vacances également  les sociétés de
tomates et de produits laitiers qui augmentent les
ventes pendant le ramadan donc on parle ici du
phénomène saisonnier des ventes.
Prenant l’exemple suivant : l’entreprise Mak
présente les chiffres de ventes des quatre trimestres
des deux dernières années :
L’année T1 T2 T3 T4

N-1 98 128 198 170

N 130 159 235 210

    La première des choses c’est de calculer le
coefficient saisonnier qui est de :
   Le coefficient saisonnier = les donnée
observées ou brutes / les données ajustées.

Avec les données ajustées ou corrigées qui sont

calculées sur la base de la régression linéaire.
 
   Alors on a les coefficients suivants :
calcule de A= 13.83 et B = 103.765 On peut
déterminer la fonction  y = 13.83X+ 103.765
   Donc à partir de cette fonction on trouve les ventes
des trimestres 9 jusqu’au 12. Le tableau ci-après
illustre ces ventes :
 T1 T2 T3 T4 T5 T6 T7 T8

Donnée 98 128 198 170 130 159 235 210

observée
Donnée 117.595 131.425 145.255 159.085 172.915 186.745 200.575 214.405
corrigées

Coefficient 0.83 0.97 1.3 1.069 0.75 0.85 1.175 0.98

Saisonnier
 Trimestre XI Ventes Yi Donnée ajustée
T9 Coefficient * Donnée ajustee = y = 13.83*9+ 103.765=
228.235 *(0.83+0.75/2)=  180.3 228.235

T10 Y= 0.91*   242.06      =  220.27 Y= 242.065

T11 Y= 1.237 * 255.89       =  316.67 Y= 255.895

T12 Y= 1.02* 269.72         =  276.333 Y= 269.725

 Les résultats en gras sont les ventes prévisionnelles

calculées en faisant appel au coefficient saisonnier.
 L’échantilonnage

Le choix de l'échantillon
Pourquoi un échantillon ?
Pour des raisons de coûts ou de délais. L'objectif est alors de construire un
échantillon tel que les observations pourront être généralisées à l'ensemble de la
population.
Deux méthodes pour constituer un échantillon.
Méthode probabiliste(aléatoire) : sélection de l'échantillon par tirage
aléatoire dans la population-mère. Chaque individu statistique doit avoir
exactement la même chance que les autres de participer à l'enquête.
Méthode non-probabiliste (non aléatoire): identifier dans la population-
mère, quelques critères de répartition signicatifs puis d'essayer de respecter cette
répartition dans l'échantillon d'individus interrogés.
 La bonne question

1. Est-ce qu'un échantillon de taille 500 suffit pour

une population de 10 000 ?

2. Quelle est la taille de l'échantillon qui assure tel

degré précision ?
Il est impossible de répondre par oui ou par non à la
première question. Un échantillon doit fournir une
estimation aussi précise que possible d'une variable,
et la précision s'améliore indéfiniment lorsque la
taille de l'échantillon augmente.
 La notion de précision

La notion de précision (ou fiabilité d'échantillonnage)

est matérialisée par un seuil de confiance et une
marge d'erreur.
Dans le cas de l'estimation d'une proportion :
Un échantillon défini à un seuil de confiance de 95% et
avec une marge d'erreur de e = 3% vous permettra
d'extrapoler chaque résultat issu de votre enquête,
avec 5% de risques de vous tromper de + ou - 3%.
 Dans le cas de l'estimation d'une proportion (1)

Pour calculer la taille de l'échantillon dans le cas de

l'estimation d'une proportion, vous pouvez appliquer la
formule suivante :

où n est la taille de l'échantillon, Z est une constante

issue de la loi normale selon un certain seuil de
confiance (en général 95% et z=1,96), p : est le
pourcentage de gens qui présentent le caractère observé,
e est la marge d'erreur d'échantillonnage choisie.
 exemple

Lors d’un récent sondage, vous avez constaté que

10% des électeurs avait l’intention de voter pour un
candidat.
vous souhaitez effectuer un nouveau sondage.
Combien devez vous interroger d’individus pour
connaitre la proportion p d’électeurs potentiels à 4%
prés avec un niveau de confiance à 95%
Combien devez vous interroger d’individus pour
connaitre la proportion p d’électeurs potentiels à 2%
prés avec un niveau de confiance de 95%
Dans le cas de l'estimation d'une proportion (2)
Quelques remarques (1)
Resumé
 Ce n’est plus vrai dans le cas de l’échantillon non
probabiliste . On se fixe alors comme règle que l’échantillon
retenu doit avoir la même composition que la population
mère par rapport à une ou plusieurs caractéristiques.