• Johnston J. et Dinardo J., Métho<strong>de</strong>s économétriques (traduit par B. Guerrien), Economica, 1999 (4eme édition). • Maddala G.S., Introduction to Econometrics, MacMillan. • Pindyck R.S. et Rubinfeld D.L., Econometric Mo<strong>de</strong>ls and economic forecasts, McGraw-Hill, 1984. • Siegel A.F., Practical Business Statistics, IRWIN, 1997 (3rd edition). 4
Chapitre 1 : Quelques éléments <strong>de</strong> statistiques Dans ce cours, nous allons chercher àétudier les facteurs explicatifs d’un phénomène. Nous considérerons ce phénomène comme une variable aléatoire, dont on cherchera àdéterminer sa loi, ou plutôt le meilleur modèlepourledécrire, en fonction <strong>de</strong> variables explicatives. L’influence <strong>de</strong> ces variables explicatives est donnée par <strong>de</strong>s paramètres, qui sont bien sur inconnus. L’objectif <strong>de</strong> l’économétrie est <strong>de</strong> fournir <strong>de</strong>s valeurs pour ces paramètres inconnus, ou plus précisément <strong>de</strong> calculer <strong>de</strong>s estimations. Ce premier chapitre introduit les notions <strong>de</strong> variables aléatoires, <strong>de</strong> loi, d’estimation, notions que l’on retrouvera dans l’étu<strong>de</strong> du modèle <strong>de</strong> régression. 1 Variable aléatoire, espérance et variance Unevariablealéatoire est une variable qui peut prendre différentes valeurs, chacune avec une certaine probabilité. C’est donc une variable dont on ne sait pas avec certitu<strong>de</strong> la valeur qu’elle va prendre (même si, après avoir réalisé l’expérience, la valeur qu’elle prendra sera un nombre unique). Ainsi, la notion <strong>de</strong> variable aléatoire formalise l’incertitu<strong>de</strong> <strong>de</strong>s situations. Exemple : résultat du lancer d’une pièce <strong>de</strong> monnaie, d’un dé, mais aussi le sexe d’un enfant ànaître, le résultat du loto, la température <strong>de</strong> <strong>de</strong>main à un certain endroit, les ventes d’une certaine entreprise en 2004, le salaire <strong>de</strong>s gens en 2004 ou le PIB <strong>de</strong> la France en 2004. On distingue les variables aléatoires discrètes, qui ne prennent que <strong>de</strong>s valeurs isolées, parfois en nombre fini (par exemple, résultat du lancer <strong>de</strong> dé) et les variables aléatoires continues, qui prennent <strong>de</strong>s valeurs dans un intervalle <strong>de</strong> R (ensemble <strong>de</strong>s nombres réels) (par exemple, la taille d’une personne). 1.1 Variable aléatoire discrète Une variable aléatoire discrète, notée X, est caractérisée par sa loi, oudistribution <strong>de</strong> probabilité, c’est-à-dire les différentes valeurs possibles x i , i =1,...,N qu’elle peut prendre et les probabilités d’apparition associées p i , les probabilités mesurant les chances d’apparition <strong>de</strong> ces différentes valeurs, et vérifiant les propriétés suivantes : p i ∈ [0; 1] et ∑ N i=1 p i =1. Par exemple, si X représente ce que l’on obtient quand on lance une pièce <strong>de</strong> monnaie, X est une variable aléatoire discrète, les valeurs possibles sont Pile et Face et les probabilités d’apparition, si la pièce est équilibrée, sont 0.5 et0.5. Si X représente le résultat du lancer d’un dé, X est une variable aléatoire discrète pouvant prendre les valeurs x i = {1, 2, 3, 4, 5, 6} et les probabilités associées sont p i = 1 ∀i ∈ [1; 6]. 6 On représente la loi d’une variable aléatoire discrète X par un histogramme, diagramme <strong>de</strong>s probabilités, représentant les probabilités d’apparition p i (en or- 5