Professional Documents
Culture Documents
Support Cours Stat de Gestion
Support Cours Stat de Gestion
SUPPORT DE COURS
1. Informations générales :
Crédits : 03
2. Description du module :
3. Objectif du module:
4. Compétences visées :
A l’issue du module, et après avoir assimilé les notions de base de la
statistique de gestion, les étudiants seront capables de mener une étude
statistique, de traiter un phénomène spécifique et de résoudre un problème
particulier, relatifs à l’économie, au commerce, à la gestion et au management.
Au-delà de la simple description des caractéristiques d’une population, ce
module permet aux étudiants de :
Pouvoir mener un processus de collecte de données.
Estimer les caractéristiques inconnues d’une population donnée à travers
des grandeurs espérées tirées d’un échantillon représentatif.
Construire des intervalles de confiance des paramètres inconnus d’une
population donnée.
5. Pré-requis :
Statistique descriptive.
Probabilités.
6. Méthode d'enseignement :
Support de cours.
Séries d’exercices.
Calculatrice scientifique.
Tables statistiques.
9. Références bibliographiques :
Exercices d’application
Série d’exercices N°01
3. Le marketing : les marketeurs utilisent les statistiques pour faire des études
de marché, analyse des ventes, analyse des données des enquêtes d’opinion,
détermination de la part de marché …etc.
Par ailleurs, le point fondamental est que ces données sont entachées
d’incertitude et présentent des variations pour les raisons suivantes :
Les données sont les faits et les chiffres qui sont collectés, analysés et
résumés pour pouvoir ensuite être interprétés, toutes les données collectées dans
une étude particulière forment l’ensemble de données de l’étude. Elles peuvent
être :
Données quantitatives / données qualitatives : les données peuvent être
classées en fonction de leur nature qualitative ou quantitative, les données
qualitatives incluent des labels ou des noms utilisés pour identifier une
caractéristique de chaque élément, les données quantitatives ont des
valeurs numériques et présentent un caractère dénombrable.
Primaires Secondaires
- Opinions des vendeurs - Rapports des vendeurs
- Suggestions - Plaintes des
Internes d’employés consommateurs
- Analyse des données - Historique des ventes
clients - Études antérieures
- Sondages employés
- Sondages - Statistiques
- Groupes de discussion gouvernementales
Externes - Entrevue en - Données
profondeur d’associations
- Consultation d’experts - Périodiques spécialisés
- Données industrielles
V. Informatique et la statistique :
I. Introduction
II. Terminologie
III. Définition de l’échantillonnage
Contenu
IV. Méthodes d’échantillonnage
V. Distribution d’échantillonnage
Exercices d’application
Série d’exercices N°02
II. Terminologie :
Terme Désignation
Cadre Une liste d’éléments à partir desquels l’échantillon
d’échantillonnage est sélectionné.
Distribution Distribution de probabilité composée de toutes les
d’échantillonnage valeurs possibles d’une statistique d’échantillon.
Sélection d’une partie dans un tout (population),
Echantillonnage l’échantillon sélectionné doit être représentatif de la
population.
Méthodes Ensemble des méthodes permettant de réaliser un
d’échantillonnage sondage (de prélever un échantillon de données) au
sein d’une population, de manière à reproduire un
1
http://www.larousse.fr/dictionnaires/francais/echantillonnage
2
http://www.definitions-marketing.com/Definition-Echantillonnage-etude
Si on fait l’hypothèse que les valeurs observées (x1, x2,….xn) sont des
réalisations d’une même variable aléatoire X, on peut considérer que pour
l’individu numéro i tiré on associe une variable aléatoire Xi et on observe une
seule réalisation de Xi qui est xi. On peut donc considérer que (x1, x2,….xn)
constitue n réalisations de la variable aléatoire X ou une seule réalisation de (x1,
x2,….xn) où les Xi sont des variables aléatoires de même loi.
Echantillonnage de convenance
Méthodes non Echantillonnage au jugé
probabilistes
Echantillonnage boule de neige
2) Echantillonnage systématique :
L'avantage de cette méthode par rapport aux précédentes est qu'elle est
utile lorsque les éléments sont naturellement groupés ou quand il n'est pas
possible d'obtenir la liste de tous les éléments de la population cible, seule la
liste des unités pour les grappes pigées est nécessaire. C’est une technique
économique en temps et en argent. Cependant, elle est moins exacte, elle produit
des estimations habituellement moins précises que l’échantillonnage aléatoire
simple parce que des unités appartenant à une même grappe ont tendance à
présenter des caractéristiques semblables. Cette perte de précision peut être
compensée par une augmentation de la taille de l’échantillon.
V. Distribution d’échantillonnage :
La distribution d’échantillonnage est l’étude de la de probabilité de
l’échantillon en fonction de la distribution de la variable parente lorsque la taille
de l’échantillon augmente.
La précision de l’estimation d’un paramètre est définie comme une
mesure de l’écart entre l’estimation obtenue à partir de l’échantillon et la vraie
valeur du paramètre. Cet écart est attribuable à deux types d’erreur ; erreur
d’échantillonnage et erreur d’observation. Pour résoudre les problèmes
d’estimation de paramètres inconnus, il faut tout d’abord étudier les distributions
d’échantillonnage, c’est à dire la loi de probabilité suivie par l’estimateur.
Population
X (p, m, 2 )
X1
Ainsi les n observations x1 , x2 ,…, xi , ..., xn, faites sur un échantillon peuvent
être considérées comme n variables aléatoires X1 , X2 ,…, Xi , ..., Xn. En effet, la
Le montant moyen des ventes par magasin d’un produit donné s’élève à 3400
UM avec un écart type de 200 UM. On suppose qu’il y a un grand nombre de
magasins qui vendent ce produit, quel est l’écart type de la variable aléatoire
moyenne d’échantillons de taille n = 25 que l’on peut extraire de cette
population ?.
*Corrigé en cours
Moyenne Variance
Les résultats d’une enquête menée au sein d’une entreprise sont les suivants : un
salaire hebdomadaire moyen égal à 180 UM avec un écart type de 14 UM.
Les résultats d’une autre enquête réalisée au sein d’une autre entreprise sont les
suivants : un salaire hebdomadaire égal à 170 UM avec un écart type de 10 UM.
3% des téléviseurs fabriqués par une usine présentent un défaut, quelle est la
probabilité que la proportion des téléviseurs défectueux soit comprise entre 2%
et 3,5% sur un échantillon de 300 téléviseurs ?.
*Corrigé en cours
Ces variances sont des valeurs observées d’une même variable aléatoire, donc :
Moyenne Variance
I. Introduction
II. Terminologie
III. Estimation et estimateur
IV. Types d’estimation
Contenu
Exercices d’application
Série d’exercices N°03
II. Terminologie :
Terme Définition
Une estimation est une valeur particulière prise
Estimation par un estimateur.
1. Définitions :
A. Estimation ponctuelle :
Espérance E (X ) = m E (X ) = m
2
V (X ) = 2 N n
Variance n V ( X ) = n N 1
n 2
S`2= n 1 . S
Variance S2 S2 N n
*
V (X ) = *
V (X ) =
n 1 n 1 N
Soit une population dans laquelle une proportion p des individus présente
une certaine propriété. Si X est le nombre d’individu présentant la propriété dans
un échantillon de taille n. pour n observations, nous avons : B (n,p)
avec E(X) = np et V(X) = npq.
Variance
f (1 f )
V*(fn) = f (1 f ) N n
n 1 V*(fn) =
n 1 N
X → N (m,)
X → N (m, X )
p (- t/2< T < t/2) = 1 -
X m X m
P(
< t ) = 1 - P(-t < < t) = 1-
n n
2 S2
V (X ) = V* ( X ) =
n ou n 1
n<30, inconnu estimé, X→ N (m,) alors X suit une loi normale N (m,
), la variable t suivra la loi Student Fisher à (n-1) degré de liberté.
X
n<30, inconnu estimé, X suit une loi quelconque alors X suit une loi
normale N (m, ), la variable t est calculée par l’égalité de BT.
X
Il arrive que l’on ait besoin d’estimer non pas la moyenne d’une variable
X mais la différence de deux moyennes de la variable X dans deux populations
différentes. L’estimateur retenu pour estimer la différence de deux moyennes
m1-m2 est : X 1- X 2
Dès que la taille de deux échantillons n dépasse 30 (n1 > 30 , n2> 30), la
variable t suivra une loi normale N(0,1).
n1<30 , n2<30, 1et 2 inconnus estimés, X suit une loi quelconque, le t est
calculé par l’égalité de BT.
f p
f → N( p , f ) d'où → N ( 0 , 1) (si le tirage est avec remise )
pq
n
f p
→ N ( 0 , 1) (si le tirage est sans remise)
pq N n
n N 1
pq pq
P ( f - t < p <f+ t ) = 1 - (si le tirage est avec remise)
n n
f (1 f ) f (1 f )
P ( f- t/2 < p <f+ t/2 ) = 1-
n 1 n 1
f (1 f ) f (1 f )
d’où : p [f- t/2 , f+ t/2 ]
n 1 n 1
Dès que la taille de l’échantillon n dépasse 30, la variable t suivra une loi
normale N(0,1).
Il arrive souvent qu’il faille estimer non pas une proportion d’une
population donnée mais la différence de deux proportions, de deux populations
différentes. L’estimateur retenu pour estimer la différence de deux moyennesP1-
P2est :f1-f2
Dès que la taille de deux échantillons dépasse 30 (n1 > 30, n2> 30), la
variable t suivra une loi normale N(0,1).
n1<30, n2<30, 1et 2 inconnus estimés, X suit une loi quelconque, le t est
calculé par l’égalité de BT.
Dans une ville A, on a observé que 40 parmi 100 hommes préfèrent une marque
donnée de cigarette.
Dans une ville B, on a constaté que 60 parmi 200 hommes préfèrent la même
marque.
Etablir un intervalle de confiance au seuil de 90% pour estimer la différence
des proportions d’hommes qui préfèrent la marque étudiée ? .
*Corrigé en cours