R EVUE DE STATISTIQUE APPLIQUÉE

JACQUES BAYART
Quelques applications du principe des moindres carrés
à la prévision commerciale «dynamique»
Revue de statistique appliquée, tome 7, no 4 (1959), p. 17-40.
<http://www.numdam.org/item?id=RSA_1959__7_4_17_0>

© Société française de statistique, 1959, tous droits réservés.

L’accès aux archives de la revue « Revue de statistique appliquée » (http://www.
sfds.asso.fr/publicat/rsa.htm) implique l’accord avec les conditions générales d’uti-
lisation (http://www.numdam.org/legal.php). Toute utilisation commerciale ou im-
pression systématique est constitutive d’une infraction pénale. Toute copie ou im-
pression de ce fichier doit contenir la présente mention de copyright.

Article numérisé dans le cadre du programme

Numérisation de documents anciens mathématiques
http://www.numdam.org/
 QUELQUES APPLICATIONS DU PRINCIPE
DES MOINDRES CARRÉS A LA PRÉVISION COMMERCIALE
"DYNAMIQUE" (1)
Jacques BAYART
Statisticien Conseil
Professeur de Statistique Appliquée
dans les Écoles d’Ingénieurs du Nord

SOMMAIRE

I - INTRODUCTION : LE PRINCIPE DES MOINDRES CARRES APPLIQUE A

L’AJUSTEMENT LINEAIRE -
1-1 - Cas général : rappel de quelques formules.
1-2 - Cas où la variable indépendante est le temps.

II - LE PROBLEME DE LA PREVISION COMMERCIALE BASE SUR L’ETU-

DE DU PASSE -

II-1 - La méthode classique : tendance et indices saisonniers.

11-2 - Les cas où la méthode classique ne peut s’appliquer.

III - METHODE PROPOSEE DE PREVISION EN EXPLOITANT AU MIEUX

UN PASSE RECENT -

111-1 - Principe : ajuster une droite aux cumuls mobiles.

111-2 - a)Notations utilisées
b) Formule générale du "cumul prévisionnel".
IV - PREMIERE APPLICATION : PREVISION DE LA 1ère VALEUR ELE-
MENTAIRE INCONNUE -
IV-1 - Etablissement de la formule yc’+n .
IV-2 - Table des coefficients ai.

V - DEUXIEME APPLICATION : PREVISION GLOBALE POUR LE 2ème

CYCLE -
V-1 - Etablissement de la formule Y’c+1.
V-2 - Table des coefficients j3; (c = 4, 6, 10, 12, 13, 15).
V-3 - a) 1er exemple :prévisions globales P.F.4 et P.F.8 pour c 15. =

b) 2ème exemple : prévisions globales successives (méthode dyna-

mique) (c =
12).

(1) Communication présentée aux Journées d’Etude et de discussion des anciens stagiaires
du Centre de Formation. Paris, Juillet 1959.

17
VI - VARIETE : ETABLISSEMENT DE QUOTAS DE VENTE PAR SECTEUR
GEOGRAPHIQUES A PARTIR DES INDICES P ET R DE P.NICOLA
(Marché Français) -
VI-1 - La méthode "NICOLAS" ou des moindres écarts absolus
VI-2 - La méthode des moindres carrés.
VI-3 - Exemple traité par les deux méthodes.

I - INTRODUCTION : LE PRINCIPE DES MOINDRES CARRES APPLIQUES

L’AJUSTEMENT LINEAIRE -
1-1 -
Cas général: la variable non-aléatoire prend des valeurs quelconque,,,,
qu’il est convenu d’appeler le "principe des moindres carrés" n’est e
Ce
fait qu’une "méthode" - parmi d’autres - d’ajustement analytique.
Une variable non-aléatoire x prend des valeurs x; à chacune desquelles es
associée une valeur Yi d’une variable aléatoire y dite dépendante de la première
La forme la plus simple de dépendance (stochastique) est la dépendanc
linéaire :

Ajuster une droite par les moindres carrés aux n couples de valeurs (x
yi), consiste à déterminer les coefficients a et b de telle façon que la somn
des carrés des écarts

soit minima :

On peut déduire de cette conditionles coefficients a et b et, ceci, par di.

verses méthodes (dérivées partielles à annuler; trinôme du second degré en
puis en b à rendre min. ).

Ces calculs sont classiques et on ne les reproduira pas.

Il est commode pour certaines exploitations (dans les études de corréla.
tion) d’utiliser les notations suivantes :

Droite ajustée :

Ecart-type résidue

18
Remarques.a) Les termes de "covariance" et de "coefficient de corrélation" son

impropres quand l’une des deux variables est "certaine" (non aléatoire); on
seulement retenu la commodité de leur écriture.
b) On laissera de côté les
tests de linéarité et de signification de.
"régressions" exploitées plus loin. Toute la communication est faite comme s
elle s’adressait à des directeurs commerciaux n’ayant que des notions des plu;
sommaires en statistique. Dans cette optique, la critique des ajustements uti.
lisés sera essentiellement "visuelle".
1-2 - Formulaire pour le cas où l’une des variables étant le temps, cett
variable prend des valeurs à espacement constant.
Partant de l’équation précédemment rappelée :

posons : x = t, (t = 1, 2, ..., n)

Or, on sait que 03A3t = n(n+1) 2 et ’f t2 = n(n + 1)(2n + 1) 6. On endéduit succès.

sivement que :

cov(Y

En portant (3, 4, 5) dans (2), il vient :

où u = 1, 2,..., n pour les valeurs ajustées, et u = n+1, n+2,... pour les valeurs ex-

trapolées. (Toutes les sommations ci-dessus sont à effectuer de t=1 à t=n).

Notations simplifiées - Si l’on adopte les notations suivantes :

19
la droite ajustée a pour équation :

n - LE PROBLEME DE LA PREVISION COMMERCIALE BASEE SUR L’ET

DE DU PASSE -

Le problème de la prévision commerciale peut - et doit - être abordé d

deux façons qui se complètent :
-
de l’intérieur de l’entreprise, c’est-à-dire à partir des donnée
disponibles dans l’entreprise, lesquelles sont fournies par l’étud
des ventes passées ;
de l’extérieur de-l’entreprise , c’est-à-dire par l’étude de la con
-

joncture et, éventuellement par des enquêtes de marché.

Dans la présente étude, on se bornera au point de vue purement "intérieur
et on s’attachera à montrer quels services le principe des "moindres carrés
peut apporter à cette question.
II-1 - La méthode classique : tendance linéaire et indices
Il existe de nombreux procédés d’étude des séries saisonniers.dor
chronologiques(1)
les économistes fontun grand usage; il serait souhaitable que les services com
merciaux des entreprises en connaissent les éléments les plus usuels.
Une méthode simple - pas toujours applicable - (en ce domaine il n’exis1
guère de panacée!) consiste à ajuster une droite aux moyennes annuelles par le
"moindres carrés" et - si cela a un sens - à déterminer les valeurs relatives d
chaque mois, en d’autres termes à calculer les indices mensuels.
Pour reconnaitre si l’hypothèse de linéarité de la tendance est acceptable
le mieux est de construire un diagramme chronologique mois par mois, en in
diquant les moyennes annuelles.
Ce graphique permet également de voir s’il existe des valeurs saisonniè
res suffisamment régulières pour être traduites en indices mensuels.
Dans l’étude prise ci-après comme exemple l’unité est le quintal d’un cer
tain produit,et l’on disposait des ventes mensuelles depuis 5 ans.

a) Détermination de la tendance. Le tableau donne dans la marge d

droite des moyennes annuelles que nous reproduisons ci-après. Le calcul e
conduit avec les notations simplifiées indiquées au paragraphe 1-3.

(1) L’étude la plus complèteen la matière peut être trouvée dans : "Analyse Statistique" ps
E. Morice et F. Chartier - I. N. S. E. E.

20
Revue de Statistique Appliquee - 1959 - Vol VII -
N°
 a = 98, 95 b = 391, 05 y’ = 99 t + 391
b) Pronostic globalpour 1959. Il suffit de faire dans la formule pré
cédente t = 6, ce qui donne :
’
Y6 =
(98, 95.6) + 391, 05 =
984, 7

ce qui est la moyenne annuelle de 1959. Le pronostic global pour 1959 est donc

984, 7.12 =
11. 816 quintaux
c) Calcul des indices saisonniers. Le diagramme chronologique de
60 ventes mensuelles révèle un mouvement saisonnier certain encore que pa
excessivement régulier (aucune valeur mensuelle n’a été corrigée, bien qu’o
ait eu de bonnes raisons de corriger certaines valeurs!). Ayant jugé la recherch
d’indices mensuels digne cependant d’intérêt, on a procédé par la méthode de
rapports des moyennes mensuelles au niveau moyen de la tendance pour chacu
des douze mois.
On calcule d’abord les douze moyennes mensuelles (455,2, etc. - voi
tableau).
Pour déterminer le niveau moyen de la tendance pour chacun des douz
mois, on procède comme suit :

-
Prendre pour origine le milieu de l’année centrale (ler Juille
1956 d’où l’équation de la tendance :

-
Transformer le coefficient d’accroissement annuel (99) en coef
cient d’accroissement mensuel

d’où la nouvelle équation :

-
Toute moyenne devant être placée au milieu de la période ayar
servi à la calculer, ilfaut donner à t la valeur -5, 5 pour obtenir 1
niveau moyen de la tendance en Janvier, -4, 5 pour le mois de Fé
vrier, etc. jusqu’à t = +5, 5 pour le mois de Décembre.
Exemple : Janvier : -5, 5. 8, 25 + 687, 9 642, 5 etc. =

D’où les douze nombres appelés (improprement) sur le tableau "effet d

tendance".
Enfin les rapports : moyenne mensuelle/effet de tendance, donnent les in
dices mensuels cherchés (quelques arrondis sont souvent nécessaires pour ob
tenir un total égal à 1. 200). Voir diagramme des indices sur la planche jointe.

d) Pronostics mensuels pour 1959. Pour les obtenir, on multipli

par chacun des douze indices, la moyenne prévue pour 1959, moyenne qui re,
présente la base 100 : Janvier : 984, 7. 70% 689, etc. =

Les 12 pronostics mensuels ont été reportés sur le tableau de calcul.

Revue de Statistique Appliquee - 1959 - Vol. VII -
 Il est à prévoir des écarts parfois importants pour certains mois ainsi qi
le révèle le diagramme chronologique qui a servi de base d’étude (déplaceme
d’un mois à l’un de ses voisins).

11-2 - Cas où la méthode précédente - ainsi que les autres méthodes usue
les - ne peuvent s’appliquer.
Il existe de nombreux cas où la méthode précédente ne peut s’appliquer.
En effet, elle suppose d’abord la quasi-linéarité des moyennes annuelle;
Elle peut à la rigueur s’appliquer dans le cas où le graphique de ces moyenm
présente une faible courbure.
Dans le cas d’une courbure non négligeable, cette méthode est à proscrir
Lorsque la concavité est toujours tournée dans le même sens, on peut essaya
un ajustement logarithmo-linéaire, c’est-à-dire répondant à une équation de
forme :

log Y = a.t + b

où a est lié au pourcentage moyen d’accroissement annuel(1). Cet ajusteme

est souvent satisfaisant dans la prévision commerciale, et se traite encore pé
les "moindres carrés".

Si maintenant l’évolution des moyennes annuelles est d’abord ascendan

puis descendante (ou vice-versa), les ajustements ci-dessus ne conviennent pas
il faut ajuster suivant le cas deux droites ou deux courbes.
On peut aussi tracer à vue la courbe des moyennes mobiles (par 12 moii
s’ily des variations saisonnières), ce qui donne une bonne idée de la tendan
a

générale et a l’avantage d’indiquer les changements de sens de l’évoluti

profonde. C’est de cette base que nous sommes partis pour la mise au point
la méthode développée au paragraphe suivant.
D’un autre point de vue, on peut encore se heurter à d’autres difficult4
qui font rejeter - ou rendent impossible - l’application de la méthode classique
-
On dispose de moins de deux années en arrière en ce qui concer:
l’articleétudié : données non conservées dans l’entreprise ou tri
difficiles à retrouver; article lancé récemment sur le marché
n’ayant pas suffisamment d’antériorité.
D’ailleurs même trois années entières en arrière ne constituent qu’ui
base insuffisante pour ajuster une droite aux moyennes annuelles (3 poin
seulement).
- On dispose d’un nombre suffisant d’années en arrière, mais l’d
tude et les graphiques préalables montrent que la tendancei
reste pas suffisamment linéaire à travers les années, soit qi
les moyennes annuelles réelles soient trop "dispersées" autour de
droite ajustée; soit que ces moyennes décrivent une courbe dont
sens et (ou) l’intensité de la courbure sont trop variables.

Dans chacun de ces cas, le service commercial "sent intuitivement" qu’

a intérêt à chercher à exploiter au mieux le "passé le plus récent".
C’est dans cette optique que la méthode suivante a été élaborée.

Yt+1 Yt
(1) On a : a = log

24
III - METHODE PROPOSEE POUR EXPLOITER AU MIEUX LE PASSE LI
PLUS RECENT -
III-1 - Principe : Ajuster une droite aux cumuls mobiles.
a) Données. On appellera période élémentaire l’unité de temps utili-
sée (semaine, mois, trimestre); chaque période élémentaire donne lieu à l’en-
registrement d’une valeur élémentaire : ventes ou nombre de commandes, etc.
S’il existe des variations saisonnières, on prendra pour cycle une suite
de périodes élémentaires couvrant un ensemble complet de ces variations. En
l’absence de variations saisonnières reconnues, on peut prendre pour cycle un
ensemble quelconque de périodes élémentaires, de préférence l’année.

c désignant le nombre de périodes élémentaires constituant un cycle, on

supposera dans tout ce qui suit que l’on connaît les valeurs élémentaires d’un
cycle complet (appelé : premier cycle) et, en outre, un certain nombre de va-
leurs élémentaires du cycle suivant (appelé : deuxième cycle).
Exemple - On connaît les 12 ventes mensuelles de l’année passée (c =
12) et les
ventes mensuelles des 3 premiers mois de l’année en cours.
b) Objectif. On se propose d’élaborer diverses prévisions relatives
soit aux périodes élémentaires encore inconnues du 2ème cycle, soit au total des
c valeurs élémentaires du 2ème cycle (prévision globale).

c) Principe de la méthode et hypothèse de base. La seule méthode

analytique utilisable avec ces données est d’ajuster une courbe aux moyennes
mobiles obtenues par groupe de c valeurs élémentaires successives. Pratique-
ment, pour la mise au point des formules, on a utilisé les cumuls mobiles au
lieu des moyennes mobiles.
Par raisonde simplicité, on ajuste une droite à ces cumuls, ce qui revient
à faire l’hypothèse de quasi-linéarité des cumuls mobiles.

Encore que cette hypothèse soit souvent justifiée, au cas où elle ne le se-
rait pas l’utilisation "dynamique" de la méthode permettrait des corrections
successives en fin de chaque période élémentaire.

d) Prévision dynamique. Du fait qu’on ne connaît du phénomène étudié

qu’un passé relativement bref, il est évident qu’on a intérêt à suivre son évolu-
tion de très près. On verra plus loin que les formules proposées permettent très
simplement d’insérer, en fin de chaque période élémentaire, la nouvelle valeur
connue, en vue d’améliorer la prévision. Enfinde chaque période on utilise ainsi
au maximum l’information disponible.

e) Simplicité du calcul. Grâce à des tableaux de coefficients fournis

avec les formules, il suffit de quelques multiplications faites facilement avec
une quelconque machine à calculer de bureau, pour obtenir la nouvelle prévision.
Aucun calcul d’ajustement, aucun calcul de cumul ou de moyenne n’est nécessaire.
III-2 - Notations et Formule générale du cumul prévisionnel.
a) Notations. c =
nombre de périodes élémentaires dans un cycle;
n =
nombre de cumuls mobiles connus (de c pério-
des élémentaires);
n-1 =
nombre de périodes élémentaires connues du
2ème cycle;
c+n-1 =
nombre total de périodes élémentaires connues ;
i =
rang d’une période élémentaire connue;
 y,
=
valeur attachée à une période élémentaire;
Yt =
valeur attachée à un cumul mobile connu.

b) Etablissement de la formule générale du cumul prévisionnel.

se propose d’exploiter la formule (6) du paragraphe 1-3, dans le sens de la pr
vision (extrapolation).
Au préalable, et en vue de faciliter les applications futures, on va tran
former cette formule en y faisant apparaître les valeurs attachées aux périod
élémentaires.
On constatera qu’en pratique aucun calcul de cumul n’est nécessaire,
que les écarts (yc+i - yi) entre les valeurs attachées aux périodes élémentair
connues de même rang des deux cycles, jouent un rôle déterminant dans
prévision.
Rappelons la formule évoquée ci-dessus :

26
 Séparons les termes du 2d membre en deux groupes suivant qu’ils sont
ou non - facteurs de u.

où

Posons

Intervertissons l’ordre des sommations, en tenant compte des décalages pro

cumuls 1 y. (cf. tableau des notations) :
jofressifs des

Calculons les trois sommes portant sur a(t) : On.a d’abord :

Pui.

Enfi

Calculons de même les trois sommes de (7) portant sur b(t) :

 Reportons les résultats (8) à (13) dans la formule (7) du cumul prévision
nel Y’u :

Grounons les deux sommes simnles :

et faisons dans les deux sommes (qui restent) du type 03A3 le changement d’i
dice de sommation :

(,en remettant i à la place de j après transformation), il vient pour (14) :

ou encor

que Yn est le dernier cumul connu, et que, suivant la

Rappelons prévisic
élaborée, on fera u = n + 1, n + 2, ..., c + 1 .

IV - PREMIERE APPLICATION : PREVISION DE LA lère VALEUR ELI

MENTAIRE INCONNUE -
IV-1 - Etablissement de la formule y’c+n.
Si l’on se reporte au tableau des notations (111-2), on voit que si n désigr
le nombre de cumuls mobiles connus, Yn est le dernier cumul connu et
yc+n-1
dernière valeur élémentaire connue.
Par ailleurs, Y’n+1 désigne le premier cumul inconnu, et y’c+n la premiè
valeur élémentaire inconnue; c’est cette dernière quantité que l’on se propose c
prévoir par la méthode exposée (111-1).
partons de la formule générale du cumul prévisionnel donnée au pa
Nous
ragraphe précédent (111-2; formule 17) et on y fait :

ce qui donnera Y’n+l, c’est-à-dire le premier cumul inconnu.

Si l’on simplifie au préalable la quantité entre crochets, celle-ci devien

28
En portant (1) et (2) ci-dessus dans la formule XI , on obtient :

En observant que

la formule (3) peut encore s’écrire :

Conclusion - L’écart à prévoir entre la nléme valeur élémentaire du second cy

cle et la nième valeur élémentaire du premier cycle, est une fonction linéair
des écarts entre les (n - 1) valeurs élémentaires homologues connues des det
cycles.
En posant :

on écrira finalement :

IV-2 - Table des coefficients ai

n =
nombre de cumuls connus, ou, ce qui est équivalent :
n-1= nombre de périodes élémentaires connues du 2éme cycle;
i =
indice à faire varier de 1 à n - 1.

Remarque - Les ai étant généralement fractionnaires, on a allégé le tableau ci-

dessous en indiquant, en bas de colonne, le plus petit dénominateur commun,a
reporter sous les divers nombres de la colonne correspondante.

N. B. - Ce tableau peut être prolongé à volonté vers la droite.

29
Exemple - On connaît un cycle complet de c valeurs élémentaires (c étant d’a
leurs quelconque), et les 4 premières valeurs élémentaires du second cycle :
Prévision pour la 5ème valeur élémentaire du 2ème cycle ?
Réponse :

V - DEUXIEME APPLICATION : PREVISION GLOBALE POUR LE 2ème CYCL

V-1 - Etablissement de la formule y’c+1.
Proposons-nous de faire maintenant un pronostic sur la valeur globale co
respondant au 2ème cycle, c’est-à-dire sur :

Partons encore de la formule 17 du paragraphe HI-2,

Comme il semble intéressant de comparer le cumul prévisionnel du 2ème

cycle au cumul réalisé au 1er cycle, faisons apparaître ce dernier Y1 au lieu de

Yn .

Le report de (3) dans la formule (2), ainsi que la substitution :

donnent

ou, après simplification de l’intérieur du "crochet" :

Conclusion - L’écart à prévoir entre la valeur globale du 2ème cycle et celle du

ler cycle est une fonction linéaire des écarts entre les (n - 1) valeurs élémen-
taires homologues connues des deux cycles.
En posant :

on écrira finalement :

30
V-2 - Tables des coefficients P

31
Table des coefficients Pi (suite’

N.B. - Les colonnes n - 1 10, 11, etc. des tables c =,13 et c 15, n’ont p
= =

été calculées; elles peuvent l’être facilement par la formule rappelée

la page 92.
V-3 - a) Premier exemple d’application de la méthode. La firme ESCO e
une manufacture de lingerie pour dames et enfants (Aisne).. L’année comprel
pour elle deux saisons commerciales correspondant à deux catalogues et à de1
tournées de ses représentants.

Dès le début de la tournée des représentants auprès des détaillants, la fi:

me enregistre, semaine par semaine, les nombres de pièces commandées p
ceux-ci pour chacun des articles du catalogue.

Pratiquement l’expérience montre que les ordres reçus au cours des

premières semaines de la tournée représentent la quasi-totalité de la "saison’

32
 En. vue d’organiser la fabrication, le service commercial fait deux pre
nostics successifs sur le volume total des commandes par article :

a) Le "P. F. 4", c’est-à-dire le plan de fabrication tel qu’il réponc

aux prévisions établies à la fin de la 4ème semaine de prospection.

b) Le F. 8", qui correspond aux nouveaux pronostics qu’on pe

"P.
établir à la fin de la 8ème semaine de prospection; ce dernier plan est le col
rectif du précédent, dont l’exécution étalée dans le temps, n’est alors qu’en fa
ble partie réalisée.
Voici la présentation des calculs pour un article du catalogue :

Les coefficients des écarts entre semaines homologues sont pris ici dan
le tableau correspondant à un cycle comprenant :

c =
15 périodes élémentaires

On signale - pour satisfaire la légitime curiosité du lecteur - que la réa

lisation totale réelle pour l’article en question s’est élevée à :

REALISATION EFFECTIVE : 34. 274 pièces

et qu’ila étéremarqué que pour la plupart des articles et pour diverses saisons
le pronostic P. F. 4 est généralement plus proche de la réalité que le pronostic
P. F. 8 (re-commandes entre les 8ème et 15ème semaine).
V-3 - b) Deuxième exemple d’application de la méthode. La firme "FLIP’
est une entreprise de moyenne importance, de la région lilloise, qui fabriqu
un article de menuiserie servant à la finition des logements.

L’étude de ses ventes sur plusieurs années montre que la méthode clas.
sique d’ajustement n’est guère valable et par ailleurs qu’aucun système d’indi.
ces mensuels n’est satisfaisant.
L’examen de la linéarité des cumuls mobiles par 12 mois s’est par contrg
révélé intéressant à condition, de procéder par cycles de 12 mois commençan
au 8ème mois de l’année civile, c’est-à-dire en Août.

Pour permettre au lecteur de suivre aisément la méthode et de pouvoi

en même temps la juger, nous avons pris un exemple du passé donc tel que le

33
34
Revue de Statistique Appliquee - 1959 - Vol VII -
réalisations étant connues, onpuisse comparer celles-ci aux prévisions élaborée
ler cycle : mois 8/56 à mois 7/57 c 12 =

2ème cycle : mois 8/57 à mois 7/58

A l’intérieur de chaque cycle, les mois sont numérotés de 1 à 12.

Les écarts sont les différences entre chaque mois connu du 2ème cycle e
son homologue du ler cycle.
Ona calculé les par la formule (8) du pa
prévisions globales successives
ragraphe (V-2) connaissant d’abord que le mois 1 du 2ème cycle, puis e
en ne
connaissant les mois let2 du 2ème cycle, etc., et en se servant des coefficient
donnés par la table c = 12 d’abord dans la colonne (n - 1) 1 puis (n - 1)
=
2, etc
=

On peut constater qu’à partir du 4ème mois, l’erreur est inférieure à 4

et que mis à part le premier pronostic (ce dont personne ne se formalisera!)
l’erreur ne dépasse nulle part 8%.
La première planche (page 95) donne le diagramme chronologique des 2
valeurs mensuelles : ony reconnaîtra l’absence de régularité des mois homologues

La deuxième planche (page 97) fournit l’interprétation géométrique de 1

méthode utilisée. Elle donne aussi (à droite) l’évolution dynamique de la prévision

VI - EN MARGE DES QUESTIONS DE CORRELATION ET DE REGRESSION..

AJUSTEMENT DE CHIFFRES DE VENTE AUX INDICES P ET R DJ
PAUL NICOLAS. QUOTAS DE VENTE PAR SECTEURS -

Introduction : Enoncé du problème et données numériques - Une firme commer

ciale écoule un certain type d’articles dans n secteurs numérotés 1, 2, (i) ...

... n.

En fin d’année, elle examine les pourcentages de la

vente totale réalisé
dans chacun des secteurs. En vue de faire des comparaisons valables entr
n
ces pourcentages, il est évident qu’il faut tenir compte de la population de ce
divers secteurs et également d’un facteur richesse (représentant l’argent qu
les gens consacrent à l’achat d’articles non strictement indispensables). Pau
Nicolas a appelé ce second facteur la "richesse vive".
L’annuaire "Le marché Français" édité par la Revue "VENDRE",donn
36 Revue de Statistique Appliquée - 1959 - Vol. VII -
par départements, par agglomérations et par communes les indices P et R.
On y lit par exemple (Annuaire 1957) que pour
Armentières P =
24, 9 et R =
22, 3

ce qui signifie que cette ville possède 24. 900 habitants disposant d’une "richesse
vive" égale à c elle de 22. 3 00 français moyens.
Il est dès lors facile de trouver pour chacun des n secteurs la population e
la richesse vive correspondantes, ainsi que les pourcentages de population e
de richesse vive de chacun de ces secteurs par rapport au total des n secteurs
P. Nicolas propose de déterminer les quotas de vente par secteurs par
l’utilisation d’une formule de la forme :

où a et b sont deux coefficients à calculer. P, R et par suite Q, étant exprimés

en %, Nicolas ramène le calcul des coefficients a et b à un seul coefficient, er

supposant que :

ce qui revient implicitement à admettre qu’aucun autre facteur que P et R n’a

d’influence sur le quota Q.
Pour la détermination de la formule ( 1) plusieurs méthodes sont utilisables .
Voir plus loin.
Données numériques pour un exemple - Une firme a réalisé au cours d’une an-
née les pourcentages M; ci-dessous dans ses 5 secteurs de vente; P; et Ri sont
respectivement les pourcentages de population et de richesse vive de ces mê-
mes secteurs.

VI-1 - Première méthode : Par approximations successives.

C’est la méthode exposée par P. Nicolas dans le "Marché Français". EllE
n’exige aucune compétence particulière en mathématiques autre que les quatre
opérations. Elle a l’inconvénient d’être longue et fastidieuse.
Elle consiste à rendre minimum la somme des écarts absolus entre les
pourcentages - maison Mi et les quotas calculés Qi a. Pi + b. Ri.

On commence par exemple par a 0, 5 et b 0, 5 et l’on calcule la somm

= =

des écarts absolus entre les M et les Q; (sans tenir compte des signes). D’o
une somme Sl.

37
 On essaie ensuite a 0,6 et b 0, 4, d’où une nouvelle somme S2; si S2
= =

inférieur à S1 on essaie alors a = 0, 7 et b 0, 3; dans le cas contraire, on

=

saie a = 0, 4 et b 0, 6 et ainsi de suite, jusqu’à obtenir la somme Sminimum .

=

peut déterminer a et b avec autant de décimales que l’on veut; en pratique, d

décimales suffisent.
Pour les données proposées page 98, le calcul (exposé en détail dans lié
naire "Marché Français" de 1957) conduit à :

donc à la formule

La méthode exige dans le cas présent 8 essais successifs, correspondai

aux essais : a 0, 5; a 0, 6; a= 0, 4; a 0, 3; a 0, 2; a 0, 35; a
= = = = =
= 0,36 ; a =0,3
Chaque tableau de calculs a l’allure suivante (le tableau ci-après est ceh
correspondant à la solution) :

VI-2 - Deuxième Méthode : Par les moindres carrés.

Cette méthode - plus savante dans son principe - s’appuie sur la techniql
des "moindres carrés" familière des auditeurs des cours de statistique appliqué
Elle a l’avantage de conduire au résultat en un seul tableau de calculs.
Elle consiste à rendre minimum la somme des carrés des écarts entre li
pourcentages-maison et les quotas calculés Q; aP., + bR; =

Comme on admet encore que a + b =

1, on a :

Développons le carré intérieur

Séparons les sommes des divers terme

Pour simplifier l’écriture, posons :

La dernière relation s’écrit dès lors

Quelques transformations simples conduisent à

Il est clair, d’après cette dernière forme de la somme des carrés des écarts
que l’on rendra celle-ci minimum en prenant :

ou, en explicitant

Le second coefficient b peut s’obtenir par une formule analogue (en per
mutant les rôles de Pet Ri), mais il est plus expéditif de le déduire de a, pa
la relation :

Illustration numérique de la deuxième méthode - Partons des données proposée

en page 98. On calcule d’abord secteur par secteur les différences (Mi - Ri)

(Pi - Ri).
Puis on calcule d’une part les carrés (P ; - R;)2 et, d’autre part, les prc
duits (Mi - Ri)- (Pi - Ri).
On totalise ensuite les carrés, d’où la quantité Sp
On totalise aussi les produits, d’où la quantité Sp
Enfin, le coefficient a est fourni par le quotient :

Le tableau des calculs se présente comme suit :

Formule du quota . Q =
0,31. P + 0.69. R

VI-3 - Comparaison entre les résultats des deux méthodes.

Il est bon d’être prévenu que, les deux méthodes reposant sur des prin
pes différents (moindres écarts absolus - moindres carrés des écarts), les f(
mules obtenues par ces deux méthodes différeront légèrement. Celle que ne
avons développée (la 2ème) tend à amplifier les écarts les plus importants,
qui revient indirectement à "mettre l’accent sur les facteurs locaux" (force
la concurrence, goûts particuliers ou genre de vie de la région, conditi(
climatiques, etc. ).
Pour concrétiser les différences entre les quotas des divers secteurs d
près les deux méthodes, il suffit d’examiner le tableau comparatif ci aprè

Exploitation des résultats - Ayant déterminé la formule du quota, par exemp

la formule (4) onmet en comparaison les chiffres-maison et les quotas résulta
de la formule. Si le chiffre-maison M est, dans un secteur donné, supérieur
quota de ce secteur, on peut considérer que la vente marche bien dans ce se
teur. Conclusion inverse, si M est inférieur à Q pour un autre secteur.
Ne pas perdre de que pour intéressants qu’ils soient, les facteurs
vue
et R fournis par le Marché pas la question. Ils constitue
Français n’épuisent
une méthode d’approche qui a fait ses preuves dans de nombreux cas; P. Nicol;
avertit lui-même que certains articles leur échappent cependant complèteme
(pianos à queue, moteurs anti-grisou, etc. ).
Il est des cas où d’autres indices, que P et R, sont mieux adaptés à l’ét
blissement des quotas. La méthode exposée - dans l’une ou l’autre de ses vi
riantes - reste valable pour autant qu’il soit légitime de supposer que la somn
des coefficients a et b est égale à un. Dans le cas où aucune relation ne peut êt:
supposée entre a et b, seule la méthode générale de régression multiplie re
te valable.

40