Université de MONTPELLIER IUT GEA 2éme année FI 2016-2017 ANALYSE STATISTIQUE pour la gestion Cours N° 1 : Rappel sur les lois usuelles du bon usage de la statistique en gestion… MAD41F Pr. Alain FRANCOIS-HEUDE ENT MOODLE [email protected] Cours : AFH GEA2FI Cours 2016-2017 2 Généralités Objectif : Maîtriser quelques outils quantitatifs d’aide à la décision en gestion Pédagogie : 6 heures de cours et 7 séances de 2h de TD par groupe - Priorité à l’interprétation des outils et des méthodes - Réalisation de cas avec discussion des résultats obtenus - Utilisation du logiciel Excel comme support pédagogique - Contrôles pour l’évaluation a) – un contrôle (QCM) pendant un TD b) – individuel avec document, en semaine bloquée Espace pédagogique : 1 - accéder au site par https://ent.umontpellier.fr ou par http://www.umontpellier.fr puis onglet « ENT » puis s’identifier 2 - sélectionner le site du cours : ‘AFH GEA2FI Cours 2016-2017’ Dossier ‘Statistiques Inférentielles’ 3 PLAN La statistique inférentielle =========================== - Introduction : Rappel sur les lois - Estimation * directe d’un paramètre * par intervalle de confiance - Test d’hypothèses * indépendance et ajustement * sur les paramètres - Conclusion 4 Rappel sur quelques lois statistiques • La loi Normale N(μ,σ) • La loi Binomiale B(n ,p) • La loi de Poisson P(λ) • La loi de Student Stv ( μ , σ ) Avant d’évoquer la loi du Khi Deux et celle de Fisher … 5 La loi NORMALE : densité de probabilité Densité normale 50% 40% 30% 20% 100% 10% 0% -∞ -6,0 -4,0 -2,0 0,0 µ 1 − 12 x2 N (0,1) → f ( x) = e 2π N ( µ , σ ) → f ( x) = 1 e σ 2π 1 x−µ − 2 σ 1 2,0 4,0 6,0 +∞ µ+σ Tables disponibles 2 sur le site (fichier Excel) nom : table normale.xls 6 La loi NORMALE : la fonction de Répartition LOI NORMALE en densité et répartition 100% 80% 50% 60% 40% 20% 0% -6,0 -4,0 -2,0 0,0 x N (0,1) → F ( x) = ∫ −∞ 2,0 1 f ( x)dx = 2π 1 N ( µ , σ ) → F ( x) = σ 2π x ∫e −∞ 4,0 ∫ x −∞ 1 x−µ − 2 σ e 1 − x2 2 6,0 dx 2 dx 7 La loi NORMALE : quelques formules sous Excel P (x < b ) = 1 – P (x > b ) b EXCEL : densité en x e 1 x−µ − 2 σ P (a < x < b ) = P ( x < b ) – P ( x < a ) a b = EXP(-( x ^2)/2)/(RACINE(2*PI())) 2 σ 2π répartition = EXP(-(( x – μ)/σ)^2)/2)/ (σ*RACINE(2*PI())) = LOI.NORMALE (x ; μ ; σ ; Faux ) = LOI.NORMALE.STANDARD ( x ) = LOI.NORMALE ( x ; μ ; σ ; Vrai ) 8 La loi NORMALE N(0,1) : QUIZ Trouver, sur la table N(0,1) en répartition ou en probabilité , la borne correspondant à : un test unilatéral droit à 95% ? Réponse borne = 1,6449 Avec table en probabilité : chercher 95% dans la colonne 1 lire la valeur de la ligne colonne 2 Avec la table en répartition : chercher 0,9500 dans le tableau ligne 1,6, colonne 0,045, éventuellement, interpoler Trouver, sur la table N(0,1) la borne correspondant à : Réponse = - 1,6449 un test unilatéral gauche à 5% ? Trouver, sur la table N(0,1) le pourcentage de la Réponse = 95% distribution normale pour l’intervalle ± 1,9600 ? 9 La loi NORMALE : un morceau d’aire SYMETRIE 50% ASYMETRIE 50% 47,72% 50% 2,28% La moitié de l’aire : de – l’infini à 0 ou de 0 à l’infini ou bien de -0,0572 à +2,0 P (b < 2 ) = 97,72% 50% P(a < -0,0572 ) = 47,72% 25% 25% P(a < - 0,6744 ) = 25% P(b > + 0,6744 ) = 25% La moitié de l’aire centrée sur 0 soit entre ± 0,6744 = LOI.NORMALE.STANDARD.INVERSE( prob ) renvoie la valeur de z = LOI.NORMALE.INVERSE( prob ; μ ; σ ) pour une N(μ ; σ ) 10 La loi NORMALE : quelques points de repères t1 x t2 +∞ -∞ 0 - 2/3……… 50%.......... +2/3 - 1………………… 68%.......................+1 - 2…………………………….. 95%..................................... +2 -3…………………………………………… 99,7%.......................................................+3 = LOI.NORMALE.INVERSE( 97,5% ; 0 ; 1 ) = 1,96 = LOI.NORMALE.INVERSE( 2,5% ; 0 ; 1 ) = -1,96 Pour une loi normale de type N( μ , σ ) Pr(-1,96 < z < 1,96 )=95% z=(Z- μ)/ σ N(0,1) -∞ +∞ μ-3σ -3 μ-2σ -2 μ - 1σ -1 μ 0 μ + 1σ +1 μ+2σ +2 μ+3σ +3 11 La loi NORMALE : diverses formes LOIS NORMALES : N(0,1), N(5,3), N(8, .5) et N(10,2) 100% 80% 60% 40% 20% 0% -6,0 -20% -4,0 Remarques : quand σ quand σ -2,0 0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0 16,0 18,0 20,0 * l’espérance de la loi décale horizontalement l’axe de symétrie, * la densité augmente quand l’écart type diminue 0 , la fonction devient une droite verticale (Dirac) ∞, la fonction s’aplatit sur l’axe des abscisses ! densité densité 1 0 12 La loi NORMALE N( μ , σ ) : QUIZ Trouver pour la loi N( 6 , 2 ) la borne correspondant à : un test unilatéral droit à 95% ? a) On sait que la borne sur une loi N(0,1) est de 1,645 b) Il suffit donc de passer de z à Z avec la relation Z = μ + z σ c) Z = 6 + 1,645 x 2 = 9,290 Trouver, pour une loi N( -3 , 0,8 ) l’intervalle centré correspondant à 95% ? a) On sait que la borne sur une loi N(0,1) est de ± 1,9600 b) Il suffit donc de passer de z à Z Z = -3 + 1,9600 x 0,8 = - 1,432 Trouver, sur la table N(3,3) le pourcentage de la distribution normale pour l’intervalle P( Z < 0 )+P( Z > 9 ) ? Réponse = P(Z<0)+ (1 - P(Z<9)) = 15,9% + (100% - 97,7%) = 18,3% 13 La loi BINOMIALE : une loi discrète 1 p Base : épreuve élémentaire dite de Bernouilli ( l’événement se réalise ) Espérance = p et variance = p (1-p) 1-p 0 ( l’événement ne se produit pas ) E(.) = p . 1 + ( 1 – p ) . 0 = p V(.) = p [ 1 – p ]² + ( 1 - p ) [ 0 – p ]² = p ( 1 - p ) [ 1 – p + p ] = p ( 1 – p ) Répétition de cette épreuve n fois Notation : B(n,p) (épreuves indépendantes et de même type) Espérance = n p & Variance = n p (1-p) P ( X = k ) = C p (1 − p ) k n Avec k = 0, 1, … , n k n−k n! p k (1 − p ) n − k = k !(n − k )! 14 La loi BINOMIALE : influence de la probabilité d’événement p LOI BINOMIALE n=30 et p = 0,1 0,5 et 0,9 1,00 0,80 0,60 0,40 0,20 0,00 0 5 10 15 20 25 30 taille de l'échantillon Avec p = ½ la distribution est symétrique E(.) = 15 et V(.) = 7,5 avec p =0,1 < ½ dissymétrie avec mode sur la gauche E(.) = 3 et V(.) = 2,7 et réciproquement quand p > ½ Rappel : P(X ≤ k ) = 1 – P(X > k ) E(.) = 27 et V(.) = 2,7 15 La loi BINOMIALE : influence de la taille de l’échantillon n LOI BINOMIALE p = 0,5 et n = 10, 30 et 50 1,00 0,80 E=5,0 V=2,5 0,60 E=15 V=7,5 E=25 V=12,5 0,40 0,20 0,00 0 5 10 15 20 25 30 35 40 45 50 taille de l'échantillon EXCEL : P(X = k ) = LOI.BINOMIALE( k ; n ; p ; Faux ) k ∑ P( X = j ) = P( X ≤ k ) =LOI.BINOMIALE( k ; n ; p ; Vrai) j =0 16 RAPPEL sur la LOI BINOMIALE en PROPORTION Cela concerne les variables qualitatives On cherche les fréquences d’apparition de l’événement favorable fn plutôt que les fois ( X parmi n ) où ils apparaissent Rappel : E (aX ) = aE ( X ) et V (aX ) = a 2V ( X ) 1 X 1 E ( f n ) = E = E ( X ) avec E ( X ) = np ⇒ E ( f n ) = np = p n n n 1 p (1 − p) X 1 V ( f n ) = V = 2 V ( X ) avec V( X ) = np (1 − p ) ⇒ V ( f n ) = 2 np(1 − p) = n n n n L ( np, np (1 − p ) ) loi binomiale pour les variables quantitatives p (1 − p ) L p, n loi binomiale en proportion pour les variables qualitatives p(1-p) N p, Avec des restrictions sur n et p, on peut converger vers la loi normale n 17 La loi de POISSON Loi d’événements rares P(λ) P( X = k ) = e L’espérance est égale à la variance E(.) = λ −λ λk k! V(.) = λ Le rapport de deux probabilités consécutives est égale à : P( X = k ) λ = P( X = k − 1) k EXCEL : P(X = k ) = LOI.POISSON( k ; λ ; Faux ) P(X ≤ k ) = LOI.POISSON( k ; λ ; Vrai ) 18 La loi de POISSON LOI de POISSON avec le paramètre = 1, 5 et 10 1,00 0,80 0,60 0,40 0,20 0,00 0 2 4 6 8 10 12 14 16 18 20 A mesure que le paramètre λ augmente, la distribution devient symétrique et la probabilité associée à l’espérance diminue 19 La loi de STUDENT Loi proche de la loi normale que l’on utilise quand le paramètre σ est inconnu et qu’il faut l’estimer. St ν ( μ , σ ) La différence concerne le paramètre ν (lire nu ) qui se définit comme le nombre de degrés de liberté dans le choix des valeurs ( éliminations des informations redondantes ) Exemple : si on a : E(X)=5, n=3, X1=2 et X2 = 6 alors X3= 7 donc ν = 3 – 1 = 2 P(X > b ) = 2,5% correspond à une borne de 1,96 dans la loi normale à 2,00 quand v = 60, à 2,09 quand v = 20, Dans une loi de Student à 2,57 quand v = 5 et à 12,71 pour v = 1. EXCEL : P(X > b ) = LOI.STUDENT( b ; ν ; 1 ) pour test unilatéral 1 - P(-b < X < +b ) borne b telle que P(X>b)=x% = LOI.STUDENT( b ; ν ; 2 ) test bilatéral = LOI.STUDENT.INVERSE(x% ; ν) 20 Convergence vers d’autres lois Critères de convergence de la loi Binomiale * vers la Normale quand n.p ≥ 10 ET n.p.(1-p) ≥ 10 * vers une Poisson quand N (np, np (1 − p )) n ≥ 100 ET p ≤ 0,1 Critères de convergence de la loi de POISSON * vers la loi Normale quand λ ≥ 20 Critères de convergence de la loi de STUDENT * vers la loi Normale quand ν > 30 21 Fin du rappel sur les lois statistiques La maîtrise de la loi Normale est incontournable en statistique EXCEL permet de calculer la valeurs des probabilités et des bornes L’incertitude (par définition aléatoire) suit un processus ‘régulier’ : le bruit est normalement distribué ! les chocs ne sont pas corrélés entre eux ! Notion de v. a. i.i.d. Variables aléatoires indépendantes et identiquement distribuées 22