Page 1 sur 4

STATISTIQUE DESCRIPTIVE hi Graphiquement :

Statistique (la) : c’est une science, une discipline mathématique
ℎ𝑖 B C 𝑓𝑖 ↑
qui étudie la collecte, l’analyse, l’interprétation et la présentation
𝑓𝑖 ↓
des données.
1
Statistiques (les) : ce sont les données chiffrées ou les résultats ℎ𝑖−1 A
issus de cette science. ℎ𝑖+1 D
Population statistique : C’est l’ensemble complet d’éléments
(personnes, objets, événements, etc.) sur lequel on fait une étude
𝑒𝑖 𝑀 𝑒𝑖+1 0,5
statistique. 𝑜 ei
Unité ou individu statistique : C’est un élément individuel de la ℎ𝑖 : Effectifs corrigés ou redressés ou rectifiés (pour le cas de
population, c’est-à-dire ce sur quoi on effectue l’observation ou la disparité des amplitudes noté 𝑎𝑖 tel que 𝑎𝑖 = 𝑒𝑖+1 − 𝑒𝑖 )
mesure. 𝑛𝑖
ℎ𝑖 =
➢ La population est l’ensemble alors que l’unité statistique 𝑎𝑖
est un élément de cet ensemble. À partir de ce graphique, pour la distribution d’une VSC, on peut
dire que la classe modale correspond à : [𝑒𝑖 ; 𝑒𝑖+1 [ et que le Me 𝑒𝑖
Caractère statistique : Le caractère est la propriété ou l’aspect
que l’on étudie sur chaque unité statistique. mode a pour valeur de : Interprétation : La moitié de …. gagnent/disposent …. moins de ….
Variable statistique (VS) : Une variable statistique est une 1.3. Moyenne
𝑀𝑜−𝑒𝑖 AB
caractéristique ou une propriété mesurable que l’on observe ou Formule 1 : = soit : Il existe deux types moyennes : Moyenne simple (Quand chaque
𝑒𝑖+1 −𝑀𝑜 DC
mesure sur une population ou un échantillon. valeur a la même importance) et moyenne pondérée (Quand les
hi 𝑀𝑜 − 𝑒𝑖 ℎ𝑖 − ℎ𝑖−1
Nature de la variable : = valeurs n'ont pas la même fréquence ou importance)
𝑒𝑖+1 − 𝑀𝑜 ℎ𝑖 − ℎ𝑖+1 1 𝑥1 +𝑥2 +⋯+𝑥𝑛
Moyenne simple : 𝑥̅ = ∑𝑛𝑖=1 𝑥𝑖 =
𝑛 𝑛
hi
Formule 2: Moyennes pondérées
VS hi Moyenne arithmétique
ℎ𝑖 − ℎ𝑖−1 VSD VSC
𝑀𝑜 = 𝑒𝑖 + 𝑎𝑖
2ℎ𝑖 − ℎ𝑖−1 − ℎ𝑖+1 𝑘 𝑘
hi hi hi 1 1
𝑥̅ = ∑ 𝑛𝑖 𝑥𝑖 𝑥̅ = ∑ 𝑛𝑖 𝑐𝑖
Qualitative Quantitative Interprétation : La plupart de ……. Gagent …. 𝑁 𝑁
𝑖=1 𝑖=1
𝑘 𝑘
1.2. Médiane 𝑥̅ = ∑ 𝑓𝑖 𝑥𝑖 𝑥̅ = ∑ 𝑓𝑖 𝑐𝑖
0,5
La médiane est la valeur qui partage la série statistique en deux 𝑖=1 𝑖=1
Discrète Continue parties de même effectif Notation : Me
Nominale Ordinale Moyenne harmonique
(VSD) (VSC) 𝑁
Me → 𝑜𝑢 0,5 des 𝑓𝑖 𝑜𝑢 50 des 𝑓𝑖 % VSD VSC
2
𝑁 𝑁
I- Paramètres de position Peut-être qu’elle se trouve entre valeur, on procède à 𝐻= 𝐻=
𝑛𝑖 𝑛
1.1. Mode l’interpolation linéaire pour déterminer sa valeur exacte, c’est-à-
𝑘
∑𝑖=1 ∑𝑖=1 𝑖
𝑘
𝑥𝑖 𝑐𝑖
Le mode d’une série statistique est la valeur de la variable pour dire : 1 1
𝐻= 𝐻=
laquelle l’effectif est maximal. Notation : 𝑀𝑜 𝑁 𝑓 𝑓
𝑛𝑖 ↑≤ ≤ 𝑛𝑖+1 ↑ ∑𝑘𝑖=1 𝑖 ∑𝑘𝑖=1 𝑖
2 𝑥𝑖 𝑐𝑖
 Une série statistique qui n'a qu'un seul mode est dite
𝑒𝑖 ≤ Me ≤ 𝑒𝑖+1 Moyenne quadratique
unimodale VSD VSC
𝑁
 Une série statistique qui a exactement deux modes est Me − 𝑒𝑖 − 𝑛𝑖 ↑
= 2
dite bimodale 𝑒𝑖+1 − 𝑒𝑖 𝑛𝑖+1 ↑ −𝑛𝑖 ↑
 Page 2 sur 4

𝑘 𝑘
Premier quartile (Q1) : Il correspond à la valeur en dessous de
1 1 𝑓𝑖 ↑ laquelle se trouvent 25 % des données. C’est le 25e percentile.
𝑄 = √ ∑ 𝑛𝑖 𝑥𝑖2 √ ∑ 𝑛𝑖 𝑐𝑖2
𝑁 𝑁 1 Deuxième quartile (Q2) : C’est la médiane. Il sépare la série en
𝑖=1 𝑖=1
Courbe de concentration deux moitiés égales. 50 % des données sont inférieures ou égales
𝑘 𝑘
Courbe de LORENTZ à cette valeur.
𝑄 = √∑ 𝑓𝑖 𝑥𝑖2 𝑄 = √∑ 𝑓𝑖 𝑐𝑖2 Troisième quartile (Q3) : Il correspond à la valeur en dessous de
𝑖=1 𝑖=1
laquelle se trouvent 75 % des données. C’est le 75e percentile.
Moyenne géométrique Détermination : Cf. calcul médiane
En général,
3.3. Intervalle (IQ) et écart interquartile (EQ)
𝑘 𝑘
𝑁 IQ = [Q1; Q3] ↔ EQ = Q3 − Q1
𝑛 𝑓
𝐺 = √∏ 𝑥𝑖 𝑖 = √∏ 𝑥𝑖 𝑖 Cela signifie que 50 % des données se trouvent dans cet intervalle.
𝑖=1 𝑖=1
Borne (boîte) de moustache ou boxplot ou plotbox
1 𝑘 1
∑ ∑𝑘 [𝑄1 − 1,5 ∗ EQ ; Q3 + 1,5 ∗ EQ]
𝐺= 𝑒 𝑁 𝑖=1 𝑛𝑖 ln 𝑥𝑖 𝐺 = 𝑒 𝑁 𝑖=1 𝑛𝑖 ln 𝑐𝑖
𝑘 𝑘
𝐺 = 𝑒 ∑𝑖=1 𝑓𝑖ln 𝑥𝑖 𝐺 = 𝑒 ∑𝑖=1 𝑓𝑖 ln 𝑐𝑖 Toute valeur en dehors de cet intervalle est dite valeur aberrante
1 1
0 1 𝑞𝑖 ↑
∑𝑘 ∑𝑘 ou extrême
𝐺 = 10𝑁 𝑖=1 𝑛𝑖 log 𝑥𝑖 𝐺 = 10𝑁 𝑖=1 𝑛𝑖 log 𝑐𝑖 𝐴𝑖𝑟𝑒 𝑑𝑒 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑡𝑖𝑜𝑛
𝑘 𝑘 IC = 3.4. Variance
𝐺 = 10∑𝑖=1 𝑓𝑖 log 𝑥𝑖 𝐺 = 10∑𝑖=1 𝑓𝑖 log 𝑐𝑖 1
𝑘
2 Formule par définition
Au cas où les modalités (valeurs prises par le caractère 𝑥𝑖 ) sont 1 1
𝐴𝑖𝑟𝑒 𝑑𝑒 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎𝑡𝑖𝑜𝑛 = 𝐴𝑖𝑟𝑒 𝑑𝑢 𝑡𝑟𝑖𝑎𝑛𝑔𝑙𝑒 − 𝐴𝑖𝑟𝑒 𝑠𝑜𝑢𝑠 𝑙𝑎 𝑐𝑜𝑢𝑟𝑏𝑒 𝑉(𝑥) = ∑ 𝑛𝑖 (𝑥𝑖 − 𝑥̅ )2
trop élevées, on peut utiliser le changement de base ou d’origine 𝑁
𝐶𝑜𝑡é² 1 𝑖=1
ou encore variable en posant par : 𝑐𝑖 = 𝑎𝑧𝑖 + 𝑏 ↔ 𝑥̅ = 𝑎𝑧̅ + 𝑏 𝐴𝑖𝑟𝑒 𝑑𝑢 𝑡𝑟𝑖𝑎𝑛𝑔𝑙𝑒 = = Formule développée 𝑘
2 2 1
II- Paramètres de concentration (𝐵 + 𝑏) ∗ ℎ 𝑉(𝑥) = ∑ 𝑛𝑖 𝑥𝑖2 − 𝑥̅ 2
𝑁
2.1. Médiale (Mle) 𝐴𝑖𝑟𝑒 𝑠𝑜𝑢𝑠 𝑙𝑎 𝑐𝑜𝑢𝑟𝑏𝑒 = ∑ 𝑇𝑟𝑎𝑝è𝑧𝑒 = 𝑖=1
2 Formule par changement 𝑉(𝑥) = 𝑎²𝑉(𝑧)
La médiale réparti la masse ( 𝑛𝑖 𝑥𝑖 ) de la distribution en deux 𝑘
1 de variable
parties égales. = ∑(𝑓𝑖+1 ↑ −𝑓𝑖 ↑)((𝑞𝑖+1 ↑ +𝑞𝑖 ↑)
2 3.5. Ecart-type : 𝜎𝑥 = √𝑉(𝑥)
𝑞𝑖 ↑≤ 0,5 ≤ 𝑞𝑖+1 ↑ 𝑖=1
𝑘 𝜎𝑥
𝑒𝑖 ≤ Mle ≤ 𝑒𝑖+1 3.6. Coefficient de variation : CV =
𝑥̅
Me − 𝑒𝑖 0,5 − 𝑞𝑖 ↑
IC = 1 − ∑(𝑓𝑖+1 ↑ −𝑓𝑖 ↑)((𝑞𝑖+1 ↑ +𝑞𝑖 ↑) Le CV indique à quel point les données sont dispersées par
= 𝑖=1
𝑒𝑖+1 − 𝑒𝑖 𝑞𝑖+1 ↑ −𝑞𝑖 ↑ rapport à la moyenne :CV faible → les données sont peu
Si IC= 0 → Répartition parfaitement égalitaire (chaque unité
dispersées, donc homogènes.
Interprétation : La moitié de …. gagnent/disposent la masse …. détient la même part)
CV élevé → les données sont très dispersées, donc hétérogènes.
moins de …. Si IC est proche de O : La concentration est faible 1 CV < 15 % Très faible dispersion (série homogène)
2.2. Indice de concentration ou indice de GINI (IC) Si IC est loin de 0 et 1 : La concentration est modérée
Si IC est proche de 1 : La concentration est forte 15 % ≤ CV < 30 % Dispersion modérée
Si IC= 1 → Répartition parfaitement inégalitaire (une seule unité 30 % ≤ CV < 50 % Dispersion importante
détient tout) CV ≥ 50 % Très forte dispersion (série hétérogène)
III- Paramètres de dispersion Important : Le CV n’a de sens que pour des données positives et
3.1. Étendu dans la même unité. Il n’est pas interprétable si la moyenne est
𝑒 = 𝑒𝑚𝑎𝑥 − 𝑒𝑚𝑖𝑛 proche de 0. BREF : Étendue : Écart entre les extrêmes |Écart
3.2. Quartile ou fractile d’ordre 4 interquartile : Dispersion centrale | Variance : Dispersion absolue
C’est la valeur qui divise une série de données triées en quatre |Écart-type : Dispersion moyenne | Coefficient de variation :
parties égales, chaque partie contenant environ 25 % des données. Dispersion relative.
 Page 3 sur 4

3.7. Moments d’ordre 𝑘 INDICES STATISTIQUES 1.6. Autres formules

3.7.1. Moments non centrés L’indice statistique permet de mesurer l’évolution de la grandeur 1.6.1. Circularité des indices
𝑘 économique (G) en deux situations différentes. I𝑡⁄ (𝐺) = I𝑡𝑘⁄ (𝐺)I𝑡⁄ × (𝐺)
𝑡0 𝑡0 𝑡𝑘
𝑚𝑘 = ∑ 𝑓𝑖 𝑥𝑖𝑘 Composantes de la grandeur (G)
𝑖=1
1.6.2. Réversibilité des indices
P : Prix Q : Quantité V : Valeur*
3.7.1. Moments centrés 1
Composantes de la situation I𝑡⁄ (𝐺) =
𝑘 𝑡0 I𝑡0⁄ (𝐺)
𝑙 : Lieu 𝑡 : Temps ou période 𝑡
𝜇𝑘 = ∑ 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )𝑘 l0 : Lieu de référence 𝑡0 : Lieu de référence 2. Indices synthétiques
𝑖=1 ou de base 𝑜𝑢 de base Un indice synthétique regroupe plusieurs indices élémentaires
Remarque : li : Lieu de 𝑡𝑖 : Lieu de
pour mesurer une variation globale (ex. : indice des prix à la
𝜇1 =0 : Moyenne =0 : Pas utilisé (toujours nul pour moment centré) comparaison comparaison
consommation, indice global des quantités produites…).
𝜇2 = 𝑉(𝑥) : Variance : Dispersion globale des données Formule de base à retenir :
2.1. Formule simplifiée/ utilisation de pondération ou
IV- Paramètres de forme V=P×Q
coefficient budgétaire
4.1. Coefficient d’asymétrie (ou Skewness) La valeur (V) peut être : Dépense, revenu, Chiffre d’affaires,
production… Indice LASPEYRES PAASCHE
Il mesure la symétrie ou la dissymétrie d’une distribution par 𝑛 1
Prix
rapport à sa moyenne. 𝐿𝑡⁄ (𝑃) = ∑ 𝜔0𝑖 ∗ I𝑡⁄ (𝑃) 𝐿𝑡⁄ (𝑃) =
𝑡0 𝑡0
𝑡0 𝜔𝑡𝑖
𝜇3 ∑𝑛𝑖=1
𝛾1 = 3
𝑖=1 I𝑡⁄ (𝑃)
𝑡0
𝜎𝑥 Quantité 𝑛 1
1. Indices élémentaires 𝐿𝑡⁄ (𝑄) =
Si 𝛾1 = 0 : Distribution symétrique 𝐿𝑡⁄ (𝑄) = ∑ 𝜔0𝑖 ∗ I𝑡⁄ (𝑄) 𝑡0 𝜔𝑡𝑖
Un indice élémentaire mesure l'évolution d’une seule variable 𝑡0 𝑡0
∑𝑛𝑖=1
Si 𝛾1 > 0 : Asymétrie à droite (queue longue à droite) 𝑖=1 I𝑡⁄ (𝑄)
𝑡0
pour un seul produit ou poste (prix, quantité, valeur, etc.) entre
Si 𝛾1 < 0 : Asymétrie à gauche (queue longue à gauche) Pondération de LASPEYRES
deux situations (généralement base 0 et période t).
4.2. Coefficient d’aplatissement 𝑃𝑡0 𝑄𝑡0
Gt 𝜔0𝑖 =
Il mesure le degré de concentration des données autour de la I𝑡⁄ (𝐺) = ∑ 𝑃𝑡0 𝑄𝑡0
𝑡0 Gt0
moyenne, c’est-à-dire si la distribution est plus ou moins Pondération de PAASCHE
Remarque : Multiplié par 100 le résultat en cas de besoin de base
"pointue" que la normale. 𝑃𝑡 𝑄𝑡
𝜇4 100 l’année 𝑡0 𝜔𝑡𝑖 =
𝛾2 = 4 ∑ 𝑃𝑡 𝑄𝑡
𝜎𝑥 1.1. Indice simple du prix
2.2. Formule développée
Pt
Forme de la distribution Interprétation I𝑡⁄ (𝑃) = Indice LASPEYRES PAASCHE
Si 𝛾2 = 3 Mésokurtique Distribution normale
𝑡0 Pt0
Prix ∑ 𝑃 𝑡 𝑄𝑡 ∑ 𝑃 𝑡 𝑄𝑡
Si 𝛾2 > 3 Leptokurtique Distribution pointue 1.2. Indice simple de quantité 𝐿𝑡⁄ (𝑃) = 0 𝐿𝑡⁄ (𝑃) =
𝑡0 ∑ 𝑃𝑡0 𝑄𝑡 𝑡0 ∑ 𝑃𝑡0 𝑄𝑡
Si 𝛾2 < 3 Platykurtique Distribution aplatie Qt 0
I𝑡⁄ (𝑄) = Quantité ∑ 𝑃𝑡0 𝑄𝑡 ∑ 𝑃 𝑡 𝑄𝑡
Remarques importantes : 𝑡0 Qt0 𝐿𝑡⁄ (𝑄) = 𝐿𝑡⁄ (𝑄) =
𝑡0 ∑ 𝑃𝑡0 𝑄𝑡 𝑡0 ∑ 𝑃 𝑡 𝑄𝑡
0 0
Relation Forme Asymétrie 1.3. Indice simple de valeur
Vt Pt Qt FISHER prix : 𝐹𝑡⁄ (𝑃) = √𝐿𝑡⁄ (𝑃) ∗ 𝑃𝑡⁄ (𝑃)
𝑥̅ > 𝑀𝑒 > 𝑀𝑜 Étalé à droite 𝛾1 > 0 𝑡0 𝑡0 𝑡0
I𝑡⁄ (𝑉) = = = I𝑡⁄ (𝑃) ∗ I𝑡⁄ (𝑄)
𝑥̅ < 𝑀𝑒 < 𝑀𝑜 Étalé à gauche 𝛾1 < 0 𝑡0 Vt0 Pt0 Qt0 𝑡0 𝑡0
FISHER Quantité : 𝐹𝑡⁄𝑡 (𝑄) = √𝐿𝑡⁄𝑡 (𝑄) ∗ 𝑃𝑡⁄𝑡 (𝑄)
𝑥̅ = 𝑀𝑒 = 𝑀𝑜 Symétrique ou Normale 𝛾1 = 0 1.4. Relation entre le taux de croissance (𝑡𝑐 ) et indice 0 0 0

Référence pour dispersion, 𝐺𝑡 − 𝐺𝑡0 2.3. Indice de valeur globale

Position Centre des données
asymétrie 𝑡𝑐 = 1 ∗ 100 ∑ 𝑃𝑡 𝑄𝑡
Écart aux positions 𝐺𝑡0 𝐼𝑡⁄𝑡 (𝑉𝐺) = = 𝐿𝑡⁄𝑡 (𝑃) ∗ 𝐿𝑡⁄𝑡 (𝑄) = 𝐿𝑡⁄𝑡 (𝑄) ∗ 𝐿𝑡⁄𝑡 (𝑃)
Dispersion Donne la variabilité 0 ∑ 𝑃𝑡0 𝑄𝑡0 0 0 0 0
centrales I𝑡⁄ (𝐺) = 1 + 𝑡𝑐
𝑡0
Répartition des Montre égalité/inégalité
Concentration 1.5. Taux moyen de croissance (𝑡𝑚 )
valeurs autour du centre
Moments centrés Décrit l’aspect global (1 + 𝑡𝑚 )𝑡−𝑡0+1 = I𝑡⁄ (𝐺)
Forme 𝑡0
(sur moyenne) (symétrie, pointe)
 Page 4 sur 4

STATISTIQUE À DEUX VARIABLES ou À DEUX DIMENSIONS • Variance de X 7. Interprétation essentielle

1. Tableau de contingence ou tableau à double entrée ∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛𝑖𝑗 (𝑥𝑖 − 𝑥̿ )² Coefficient Valeurs typiques Interprétation
(Mélange de variables dans la population) 𝑉(𝑥) = 𝑟 Proche de 1 ou -1 Corrélation forte linéaire
∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛𝑖𝑗
Xi Y j 𝑌1 𝑌2 … 𝑌𝑙 Corrélation faible ou
• Variance de Y 𝑟≈0
𝑋1 𝑛11 𝑛12 … 𝑛1𝑙 inexistante
∑𝑛 1. ∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛𝑖𝑗 (𝑦𝑖 − 𝑦̿)² 𝑅² > 0,7 (souvent) Bon ajustement
𝑉(𝑦) =
𝑋2 𝑛21 𝑛22 … 𝑛2𝑙 ∑ 𝑛2. ∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛𝑖𝑗 > 0,5 Forte dépendance (pas
𝜂2
3.2. Formule développée forcément linéaire)
… … … … … …
𝑋𝑘 𝑛𝑘1 𝑛𝑘2 … 𝑛𝑘𝑙 𝐶𝑜𝑣(𝑥, 𝑦) = 𝐶𝑜𝑣(𝑦, 𝑥)
∑ 𝑛𝑘.
∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛𝑖𝑗 𝑥𝑖 𝑦𝑗
… 𝑘 𝑙 𝐶𝑜𝑣(𝑥, 𝑦) = − 𝑥̿ 𝑦̿
∑ 𝑛.1 ∑ 𝑛.2 ∑ 𝑛.𝑙 ∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛𝑖𝑗 8. Types d’ajustement
∑ ∑ 𝑛𝑖𝑗
𝑖=1 𝑗=1 • Variance de X
∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛𝑖𝑗 𝑥𝑖 ² Type Équation Utilisation typique
𝑉(𝑥) = − 𝑥̿ ²
∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛𝑖𝑗 Relation
Linéaire 𝑦 = 𝑎𝑥 + 𝑏 proportionnelle ou
• Variance de Y
constante
∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛𝑖𝑗 𝑦𝑖 ² Croissance rapide (ex :
𝑉(𝑦) = − 𝑦̿² Exponentiel 𝑦 = 𝑎𝑒 𝑏𝑥
∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛𝑖𝑗 population, virus)
2. Droite de régression linéaire Forte croissance au
3.3. Formule de changement de variable
• Y en X 𝐶𝑜𝑣(𝑥, 𝑦) = 𝛼𝛽𝐶𝑜𝑣(𝑢, 𝑣) Logarithmique 𝑦 = 𝑎 + 𝑏 ln 𝑥 début puis
(𝐷): 𝑦 = 𝑎𝑥 + 𝑏 ralentissement
𝑉(𝑥) = 𝛼²𝑉(𝑢)
𝐶𝑜𝑣(𝑥; 𝑦) Puissance Lois naturelles (loi
𝑎= 𝑉(𝑦) = 𝛽𝑉(𝑣) 𝑦 = 𝑎𝑥 𝑏
𝑉(𝑥) (potentiel) d’échelle, physique)
Avec : 𝑥 = 𝛼𝑢 + 𝛿 et 𝑦 = 𝛽𝑣 + 𝜇 Courbe en U (minimum
𝑏 = 𝑦 − 𝑎𝑥 𝑦
4. Coefficient de corrélation linaire (𝑟) Quadratique
= 𝑎𝑥 2 + 𝑏𝑥 + 𝑐 ou maximum)
• X en Y 𝐶𝑜𝑣(𝑥; 𝑦) 9. Méthodes d’ajustement
(𝐷): 𝑥 = 𝑎′ 𝑦 + 𝑏′ 𝑟 = √𝑎𝑎′ =
𝜎𝑥 𝜎𝑦 a. Méthode des points extrême (MPE)
𝐶𝑜𝑣(𝑦; 𝑥)
𝑎′ = 𝜎𝑥 = √𝑉(𝑥) : Ecart-type de X b. Méthode de Mayer ou Méthode de Semi-Moyen (MSM)
𝑉(𝑦)
𝜎𝑦 = √𝑉(𝑦) : Ecart-type de Y c. Méthode des Moyennes Mobiles (MMM)
𝑏 ′ = 𝑥 − 𝑎′𝑦
3. Distribution marginale (Formule des covariances, 5. Coefficient de détermination d. Méthode des Moyennes Échelonnées (MME)
variances et écart-types) 𝑅2 = 𝑟² e. Méthode des Moindres Carrés (MMC)
3.1. Formule par définition Proportion de la variance de Y expliquée par X 10. Série chronologique
𝐶𝑜𝑣(𝑥, 𝑦) = 𝐶𝑜𝑣(𝑦, 𝑥) 𝑅²𝜖[0; 1] Une série chronologique est une suite de données statistiques
∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛𝑖𝑗 (𝑥𝑖 − 𝑥̿ )(𝑦𝑗 − 𝑦̿) 6. Rapport de corrélation observées à intervalles réguliers dans le temps.
𝐶𝑜𝑣(𝑥, 𝑦) = ∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛𝑖𝑗 (𝑦̅𝑖 − 𝑦̿)² Élément Signification
∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛𝑖𝑗
𝜂2 = 𝑘 Tendance (T) Évolution générale (hausse ou baisse)
𝑥̿ : Moyenne marginale de X ∑𝑖=1 ∑𝑙𝑗=1 𝑛𝑖𝑗 (𝑦𝑖 − 𝑦̿)²
Saisonnalité (S) Répétition périodique (mois, trimestre)
∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛.𝑗 𝑋𝑖 𝑉𝑅
𝑥̿ = 𝜂2 = 1 − Cycle (C) Variations sur plusieurs années (ex : crise
∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛𝑖𝑗 𝑉𝑇 économique)
𝑦̿ : Moyenne marginale de Y 𝑉𝑅: Variance résiduelle ; 𝑉𝑇: Variance totale ; VE : Variance Résidu (R) Composante aléatoire ou accidentelle
∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛𝑖. 𝑌𝑗 expliquée Modèle multiplicatif : 𝑦𝑡 = 𝑇𝑡 × 𝑆𝑡 × 𝐶𝑡 × 𝑅𝑡
𝑦̿ = 𝑉𝑇 = 𝑉𝐸 + 𝑉𝑅
∑𝑘𝑖=1 ∑𝑙𝑗=1 𝑛𝑖𝑗 Modèle additif : 𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 + 𝐶𝑡 + 𝑅𝑡