Professional Documents
Culture Documents
EXERCICE (1) :
Le tableau suivant donne les rsultats dune tude transversale sur dix rgions ; les ventes (Y)
du produit sont mises en relation avec les dpenses (X1) de publicit-presse et les dpenses
(X2) de publicit sur les lieux de vente (PLV). Lunit est 103 DH,
Observation (i)
1
2
3
4
5
6
7
8
9
10
Le Modle:
Ventes (Y)
30
22
29
35
25
40
24
21
32
15
Publicit-presse (X1)
2
1
6
4
3
2
6
2
7
1
PLV (X2)
6
3
2
5
3
8
1
2
2
1
= 0 + 1 1 +2 2 +
1)
2)
3)
4)
5)
6)
1
1
2
1
=
10
1
11
12
110
21
22
210
1 +
2
Do
30
1
20
1
=
15
1
1
2 6
2
1 3
1 +
2
10
1 1
Dimensions :
10;1 = (10;3) (3;1) + (10:1)
2) Estimation des paramtres
=
On sait que
1 1
2 1
6 3
10
34
33
34
160
97
1
1
1
1 2 6
1 1 3
1 1 1
33
97
157
0,8248
= 0,1122
0,10406
0,1122
0,02525
0,007980
0,10406
0,007980
0,02331
Calcul de
(10)
(1,10) 10
(2,10) 10
273
976
1019
9,65
= 2,15
3,13
3) Calcul de 2
On sait que :
2 =
On a :
e =Y
Do
= + 1 1 + 2 2
e = Y X
15
Do
273
976
1019
= 155,18
2 =
155,18
103
= 22,17
= E ( )( )
= 2
XU
Donc :
0,8248
= 22,17 0,1122
0,10406
18,28
= 2,49
2,30
0,1122
0,02525
0,007980
2,49 2,30
0,559 0,177
0,177 0,517
0,10406
0,007980
0,02331
= 18,28
1 = 0,559
2 = 0,517
= 4,27
1 = 0,75
2 = 0,72
IC = P
( 1)2 (1)2
; 2
2
(1021)22,17 (1021)22,17
16,01
1,69
IC = 9,70 91,83
Soit 9,70 2 91,83, la variance vraie (mais inconnue) 2 de lerreur 95% de chance de
se situer lintervalle.
6) Il convient de calculer les deux ratios de student et de les comparer la valeur lue dans
la table pour un seuil de 5%
On sait que
Et
0 : 2 = 0
1 2 0
Donc, sous 0
2,15
= 1 = 0,75 = 2,867
1
3,13
= 2 = 0,72 = 4,347
2
2
2
Daprs la table de student, 1
= 103
= 2,365
On constate que les deux t-statistiques est suprieure t-lu sur la table de student. On accepte
1 donc ; les variables publicit-presse et publicit sur les lieux de vente sont bien expliquer
la variable endogne qui est la consommation.
Nous aurions pu tout aussi bien rpondre cette question en calculant les intervalles de
confiance de chacun des coefficients :
On sait que
2
=
+
P ( + ) = 1
Pour 1 :
On a: 1 = 0,75
2 :
Donc on constate que la valeur zro nappartient pas lintervalle de confiance 95% de 1
et 2 , donc ces deux coefficients sont significativement diffrents de zro.
7) La formulation des hypothses est la suivante :
0 : 1 = 1
1 1 1
Et
0 : 2 = 0,5
1 2 0,5
Pour 1 :
=
Sous 0 :
1 1
2,151
0,75
Pour 2 :
2 2
3,13(0,5)
0,72
On a
2 = 155, 18
SCT= 488,1
Degr de libert
2
7
9
Carrs moyens
166,46
22,17
9) Calcul du 2
2 = = 1 =
332,92
488,1
= 0, 68
2 :
Lhypothse est de :
Calcule le teste de Fisher :
0 : 2 = 0
1 2 0
( )2 /1
2 /
2 /1
(1 2 )/
do =
0,68
( ) = 7,4375
(10,68) 2
10) La prvision pour les deux priodes est calcule partir du modle estim :
11 = 9,65 + 2,15 2 + 3,13 4 = 26,47
12 = 9,65 + 2,15 3 + 3,13 5 = 31,75
1
= 2 ;
4
12
1
= 3
5
On a
( )
0,8248
= 0,1122
0,10406
0,1122
0,02525
0,007980
0,10406
0,007980
0,02331
Donc :
2
11
= 22,17 1 + (1 2
2
12
= 22,17 1 + 1 3
1
4)( )1 2
4
17,94
1
3
5
14,08
5 ( )
+ = + 1 +
Donc pour un seuil de 95% :
11 = 26,47 2,365 17,94 11 = 16,45; 36,48
12 = 31,75 2,365 14,08 12 = 22,87; 40,62
EXERCICE (2) :
Sur n = 100 observations et pour trois sries (Y ; 1 2 ) nous avons les rsultats
suivants :
V(y) = 1000 ; 2; 1 = 0,75 ; 21; 2 = 0,45 ; 2; 2 = 0,85 ; = 12
1) Nous avons effectu la rgression : = 101 6
Le coefficient de 1 est-il significativement diffrent de zro ?
2) La rgression de y sur 2 donne = 42 + 8 le coefficient de 2 est-il
significativement diffrent de zro ?
3) Calculer les coefficients du modles : y = 0 + 1 1 + 2 2 + et le coefficient de
corrlation multiple ?
4) Les coefficients 1 et 2 sont-ils significativement diffrents de zro ?
5) La rgression est-elle globalement significative ?
Solution :
1) Dtermination de lcart-type de coefficient :
On sait que, dans une rgression simple la variance du coefficient de rgression est donne
par :
21 =
2
( 1 )2
Nous savons que dans le cadre de rgression simple, il ya galit entre corrlation simple et
corrlation multiple, soit :
2; 1 =
( ; 1 )2
( 1 )
Or v(y) =
( )2
1 ( )2
( )2 ( 1 )2
= 2 = = 1 = 0,75
= ( )2 = n v(y)
Donc 2 = 1
100000
25000
2 = 1002 = 255,1
Dtermination de la variance de 1 :
1 ( )2
On a : =
1 ( )
Do
1 ( ) = 10 (1 )2
( 1 )2
( )2 ( 1 )2
= 0,75
2
;
1
On remplace dans
10 2 ( 1 )4
0,75 =
2
;
=
1
= 10 et
( )2 ( 1 )2
0,75 =
100 ( 1 )2
( )2
Do
100 (1 )2 = 0,75100000
(1 )2 = 750 et
1 ( ) = 10 750 = 7500
V (1 ) = 7,5 et cov (1 ; ) = 75
Donc
2
21 =
( 1 )2
255,1
75
= 0,34 = 0,58
Teste :
=
10
0,58
0,05
= 17,24 > >30
= 1,96
15000
98
= 153,06
Dtermination de la variance de 2 :
=
2 ( )
( 2 )2
2
On a ;
=
2
=4
2 ( )2
( )2 ( 2 )2
V 2 = 53,125
et
2 ( ) = 4 (2 )2
= 0, 85
(2 )2 = 5312, 5
Donc :
153,06
1 ; 2
2
; 1
; 2
Dtermination 1 ; 2 :
On a:
21 2 =
cov 1 ; 2 2
1 2
1 2
= 0, 45
= 0, 45
1339,01
100
= 13, 39
Do
1
7,5
13,39
=
13,39 53,125
2
75
212,5
1
=
2
1
219,14
1
5,197
=
2,69
2
La constante est donn par
0 = 1 1 2 2
53,125 13,39
75
13,39
7,5
212,5
= 12 et
Or
1 =
12+6
10
2 =
= 1,8 et
128
4
=1
Donc
2 = =
Donc
5,197
2,69
7500
21250
= 0,96
100000
1
1 ; 2
1 ; 2
2
2 =
or
SCR = 4000
4000
2 = 1003 = 41,24
Donc
Do
7,5
13,39
= 41,42
13,39 53,125
= 41,42
0,2424
0,0611
0,0611
0,0342
Do
21 = 41,42 0,2424 = 10 1 = 3,16
22 = 41,42 0,0342 = 1,41 2 = 1,18
Teste : sous 0
1
1 =
2 =
2
2
5,197
3,16
2,69
Le coefficient 1 nest pas significativement diffrent de zro donc la variable 1 nest pas
contributive lexplication de y, il convient donc de la retirer de ce modle et de procder
une nouvelle estimation.
2
1 2
1
1
0,96
10,96
31
10021
0,05
= 1164 > 2;97
= 3,10
EXERCICE 3 :
Soit le modle trois variables explicatives suivant :
= 0 + 1 1 + 2 2 + 3 3 +
Nous disposons des donnes du tableau :
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
1)
2)
3)
4)
5)
Y
12
14
10
16
14
19
21
19
21
16
19
21
25
21
1
2
1
3
6
7
8
8
5
5
8
4
9
12
7
2
45
43
43
47
42
41
32
33
41
38
32
31
25
29
3
121
132
154
145
129
156
132
147
128
163
161
172
174
180
Solution :
1) Forme matricielle :
Nous disposons de 14 observations et trois variables explicatives, le modle peut donc scrire
comme suit :
Y = X + U
Donc en peut crire :
1
1 2 45
14
1 7 29
0
1
1
2 +
14
3
121
180
Dimensions :
14;1 = 14;4 4;1 + 14;1
2) Estimation des paramtres :
Soit le modle sous forme matricielle, comme suit :
Y = X + U
Et daprs la Mthode des Moindres Carrs Ordinaires (MCO), qui consiste minimiser la
somme des carrs des erreurs.
=
Donc, on a :
Dtermination de
1
2
=
45
121
14
85
=
532
2094
et
180
1 2
1 7
85
631
3126
13132
532
3126
13132
78683
20,168
0,015
1 =
0,231
0,076
45
29
121
180
2094
13132
78683
317950
0,015
0,013
0,0011
0,00094
0,231
0,0011
0,00363
0,000575
Calcul de
1
2
45
121
180
248
12
1622
=
9202
21
37592
0,076
0,00094
0,000575
0,000401
Calcul de
20,168
0,015
=
0,231
0,076
0,015
0,013
0,0011
0,00094
0,231
0,0011
0,00363
0,000575
0,076
0,00094
0,000575
0,000401
248
1622
9202
37592
32,891
0,8019
=
0,3813
0,0371
Donc :
= 32,9 + 0,801 0, 382 0,0373 +
3) Calcul des rsidus et la variance rsiduelle :
On sait que :
Do
= X
Donc :
0,0371
248
1622
9202
37592
= 67,45
Donc :
2 =
67,45
= 144 = 6,745
4) Matrice variance-covariance :
La matrice des variances-covariances est donne par :
= E ( )( )
= 2
Donc :
20,168
0,015
= 6,745
0,231
0,076
0,015
0,013
0,0011
0,00094
0,231
0,0011
0,00363
0,000575
0,076
0,00094
0,000575
0,000401
1 = 0,29
0
0
1
1
2
2
3
3
=
=
=
=
32,8913
11,66
0,8019
0,29
= 2,82
= 2,765
0,38136
0,15
0,03713
0,05
= 2,5424
= 0,7426
0,05
Le 10
lu sur la table de student avec un risque de 5% et de degr de libert de 10 (14
4) est :
0,05
10
= 2,228
Rgle de dcision :
> On accepte 1
< On accepte 0
On voit bien que, 1 et 2 sont significativement diffrents de zro, cest--dire que les
variables 1 et 2 sont contributive lexplication de Y
Alors que, 3 et non significativement diffrent de zro, donc la variable 3 nest pas
contributive lexplication de Y, il convient donc de la retirer de ce modle et de procder
une nouvelle estimation.
Dtermination de p-valeur :
Dans notre cas, il sagit ici dun test bilatral, donc p-valeur est donne comme suit :
p-valeur = 2 1 ( <
= 2 1 ( )
Par exemple pour 2
On sait que
= 2,54
On trouve daprs la table de student que les valeurs encadrent = 2,54, avec un DDL de
10 sont : 2,228 et 2,764.
0,975.x ?.....................0,99
10 ..2,228 ..2,542,764
Donc en procde une interpolation linaire :
x = 0,975 + (0,99 0,975)
2,542,228
2,7642,228
= 0,9837
Donc
Rgle de dcision
Donc, notre cas : p-valeur < au risque , 0,0324 < 0,05 acceptation de 1 . Donc si la mme
dcision par apport a la premire de t-statistique.
Degr de libert
3
10
13
Carrs moyens
53,13
6,745
= 1-
=1
67,45
226,85
= 0,702 = 70,2%
2 = 1 1(1 - 2 )
141
= (1 21
)
0,702
= (10,702)
10
3
= 7,85
Exercice 4 :
On examine lvolution dune variable en fonction de deux exognes 1 et 2 . on
dispose de n observations de ces variables. On note X = 1 1 2 ou 1 est le vecteur
constante et 1 et 2 sont les vecteurs des variables explicatives.
1) On obtenu les rsultats suivants :
25
= ?
?
0
0
9,3 5,4
? 12,7
0,04
0
0
0,1428
0
0,0607
0
0,0607
0,1046
Solution :
1)
1
2
On sait que =
1 = 0 et
On a
2 = 0
1
2
1
2 1
2
1 2
2
2
2 1 =
1 2 = 5,4
n = 25
2)
a) On sait que SCT = SCE + SCR
SCT = - n 2 = 73,48 25(1,6)2 = 9,48
Donc SCE = SCT SCR = 9,48 0,3 = 9,18
9,18
2 = = 9,48 = 0,968
1
24
On sait que la 2 = =
Donc
0,3
22
= 0,01363
0,04
0
0,1428
= 0,01363 0
0
0,0607
0
0,0607
0,1046
2 = 0,03778
0 =
1 =
2 =
0
0
1
1
2
2
1,61
0,0233
= 69,09
0,61
= 0,0441 = 13,83
0,42
= 0,03778 = 11,116
0,05
Le 0,05
1 = 22 = 2,074 lu sur la table de STUDENT FISHER.
0,05
On constate que est largement suprieure au 22
= 2,074. Donc les variables exognes