Analyse statistique de l'évolution de prix des produits pétroliers face aux taux de change dans la ville de Goma

• Année Académique : 2008 - 2009
  

• EPIGRAPHE
  
• DEDICACE
  
• REMERCIEMENTS
  
• SIGLES ET ABREVIATIONS
  
  • Dl : Degré de liberté
    
  • H0 : Hypothèse nulle
    
  • H1 : hypothèse alternative
    
  • FCal : Statistique de Fichier calculée
    
  • FTable : Statistique de Fichier dans la table
    
  • S.S : Station Service
    
  • TMK : Transport de Messagerie au Kivu
    
  • TCal : Statistique de Student calculée
    
  • TTable : Statistique de Student dans la table
    
• 0. INTRODUCTION GENERALE
  
  • 0.1. PROBLEMATIQUE
    
  • 0.2. HYPOTHES DE TRAVAIL
    
  • 0.3. OBJECTIFS
    
  • 0.4. INTERETS ET CHOIX DU SUJET
    
  • 0.5. METHODOLOGIE
    
  • 0.6. DELIMITATION DU SUJET
    
  • O.7. DIFFICULTES RENCONTREES
    
  • O.8. PRESENTATION SOMMAIRE DU TRAVAIL
    
• CHAP.I. QUELQUES CONCEPTS GENERAUX
  
  • I.1. CONCEPTS DE BASE
    
  • I.2. PRESENTATION DE LA VILLE DE GOMA
    
    • I.2.1. SITUATION GEOGRAPHIQUE
      
      • I.2.2. HISTORIQUE
        
    • I.2.3. SUPERFICIE ET CLIMAT
      
    • I.2.4. POPULATION
      
    • I.2.5. SUBDIVISION ADMINISTRATIVE
      
      • A. COMMUNE DE GOMA
        
      • B. COMMUNE DE KARISIMBI
        
    • I.2.7. SOL ET HYDROGRAPHIE
      
• CHAP.II. LE MARCHE DES CHANGES ET LE MARCHE DES PRODUITS PETROLIERS DANS LA VILLE DE GOMA
  
  • II.1. INTRODUCTION
    
  • II.2. LE MARCHE DES CHANGES A GOMA
    
  • II.3. LE MARCHE PETROLIER A GOMA
    
    • II.3.1. PROVENANCE
      
    • II.3.2. CONDITIONS D'EXERCICER LE COMMERCE DE CARBURANT
      
    • II.3.3. STATIONS SERVICES ET DEPOTS PRODUITS PETROLIERS A GOMA
      
• CHAP.III. METHODES STATISTIQUES D'ANALYSE
  
  • II.1. LE MODELE DE REGRESSION LINEAIRE
    
    • II.1.1. ENONCE DU MODELE
      
• La relation statistique entre les variables Y et X est dite linéaire simple si le modèle s'écrit comme suit : Y = ax + b + ; où Y est la variable dépendante, X la variable indépendante, a et b sont des paramètres du modèle estimés à l'aide des données tirées de l'échantillon et est l'erreur aléatoire associée à la variable dépendante.
  
  • II.1.2. ESTIMATION DES PARAMETRES DE REGRESSION
    
• Pour déterminer les expressions des estimateurs de a et b que nous notons â0 et â1, nous avons fait appel à la méthode des moindres carrés qui minimisent la somme des carrés des erreurs
  
  • II.1.3. VALIDITE GLOBALE DU MODELE
    
• Etude des erreurs se trouve ainsi au centre de la qualité de la représentation, aussi bien dans le cas des coefficients de détermination et de corrélation que celui de l'analyse de la variance (Test de Ficher).
  
• a) Lois des écarts
  
• La loi des écarts permet de relier l'erreur associée à l'hypothèses nulle et l'erreur associée à l'hypothèse alternative « Y dépend de X ». L'erreur attachée à l'hypothèse nulle est mesurée par la dispersion totale des Yi par rapport à la moyenne
  
  • II.1.4. TESTS ET INTERVALLES DE CONFIANCE DES PARAMETRES DE REGRESSION
    
• b) Intervalle de confiance des coefficients
  
  • II.3.3. PREVISION DANS LE MODELE DE REGRESSION
    
• CHAP.IV. APPLICATION DU MODELE DE REGRESSION SUR LES PRIX DES PRODUITS PETROLIERS ET LES TAUX DE CHANGE
  
  • IV.1. PRESENTATION DES DONNEES
    
  • IV.2. TECHNIQUE DE REGRESSION SIMPLE
    
    • IV.2.1. ESTIMATION DES PARAMETRES DE REGRESSION
      
    • IV.2.2. VALIDITE GLOBALE DU MODELE
      
    • IV.2.3. TESTS ET INTERVALLES DE CONFIANCE DES PARAMETRES
      
• CONCLUSION GENERALE
  
• BIBLIOGRAPHIE
  
  • I. OUVRAGES
    
  • II. RAPPORTS
    
  • III. NOTES DE COURS
    
• TABLE DES MATIERES