Le marché : mesure, analyse et prévision

La demande : mesure, analyse et prévision

Diagramme de Pareto ou loi des 20/80

source : http://www.youtube.com/watch?v=0rUvWxE44nE

Les indices : En économie, un indice est la valeur d'une grandeur économique par rapport à une valeur de référence. Par exemple, si, en 2004, le prix moyen des appartements au m² dans une ville avait augmenté de 22 % par rapport à l'année 2000, année servant de référence (indice de base, indice 100), on dirait que l'indice moyen des appartements est de 122 en 2004.

Le taux de variation : http://ses.ac-bordeaux.fr/Archives/2001/Cyberma/Methodo/Bao/tvar/fiche.htm

Des exercices ... http://libertariens.chez.com/calcul1.htm

Les outils mathématiques pour apprécier l'évolution de la demande : http://baccommerce.canalblog.com/archives/2010/11/04/22845805.html

http://www.profecogest.com/article.php?id_article=59

Extrapolation et moindres carrés : http://www.lescoursdevente.fr/boite/prevision%20et%20variation.htm

Les moindres carrés :

Comprendre les moindres carrés : http://www.profecogest.com/article.php?id_article=62

source : https://youtu.be/wEf7iy49PMQ

Sous excel 2010 : http://www.youtube.com/watch?v=S0KS8vl3Z3E&feature=related

>Exemple : http://www.silicon.fr/lg-abaisse-de-20-ses-previsions-de-ventes-de-smartphones-55940.html

La prise en compte des variations saisonnières :

coefficients saisonniers (méthode des moyennes)

Un coefficient saisonnier est un coefficient affecté à une période de l’année (trimestre ou mois) et qui permet d’illustrer le caractère propice ou non de cette période pour la vente d’un produit saisonnier.

Le coefficient saisonnier est obtenu par comparaison des ventes moyennes de la période étudiée à la moyenne mensuelle ou trimestrielle théorique.

Un coefficient trimestriel de 2 signifie donc que sur le trimestre donné les ventes sont généralement égales à deux fois celles d’un trimestre moyen théorique et que donc la moitié des ventes annuelles sont réalisées sur ce trimestre. Source : http://www.definitions-marketing.com/Definition-Coefficient-saisonnier

En vidéo : http://www.youtube.com/watch?v=Awp13RO8p2Y

Les indices de prix : € courants, € constants :

Les prix courants sont les prix tels qu'ils sont indiqués à une période donnée, ils sont dits en valeur nominale. Les prix constants sont les prix en valeur réelle c'est-à-dire corrigés de la hausse des prix par rapport à une donnée de base ou de référence. On utilise de la même façon les termes euros constants et euros courants. http://www.insee.fr/fr/methodes/default.asp?page=definitions/prix-courants-prix-constants.htm

http://whatiexpect.in/index.php?option=com_watch&Itemid=150&video=xb35s0

http://fr.wikipedia.org/wiki/Valeur_nominale_et_valeur_r%C3%A9elle

http://pierrelyoret.wordpress.com/2010/04/14/e-courant-e-constant-inflation-comment-calculer/

http://ses.editions-bordas.fr/eleve/webfm_send/93

Elasticité :

Qu'est-ce que c'est ?

L’élasticité de la demande mesure le degré de sensibilité de la demande d'un bien ou d'un service aux variations de son prix de vente. ( cette sensibilité est mesurée par « l'élasticité-prix » )

L'élasticité-prix est le rapport entre la variation relative de la demande d'un bien et la variation relative du prix de ce bien.

Ce rapport est généralement négatif car lorsque le prix augmente, la quantité demandée diminue et réciproquement. (Q = Quantité, P = Prix)

$e=\frac{\frac{\Delta Q}{Q}}{\frac{\Delta P}{P}} = \frac{\Delta Q}{\Delta P} \times \frac{P}{Q}$ .

Qu'en est-il avec la cigarette ?

Dans son dernier rapport sur «l'épidémie mondiale de tabagisme», l'Organisation mondiale de la santé (OMS) calcule en effet qu'une hausse de 10 % du prix payé au final par le fumeur réduit de 4 % les ventes de cigarettes dans les pays riches et de 8 % dans ceux moins développés. lire la suite : http://www.lefigaro.fr/impots/2012/09/30/05003-20120930ARTFIG00044-le-prix-du-tabac-augmente-de-6-pour-la-4e-annee-d-affilee.php

http://www.lefigaro.fr/actualite-france/2012/09/05/01016-20120905ARTFIG00475-tabac-la-hausse-des-prix-fait-baisser-la-consommation.php

http://www.rtl.fr/actualites/sante/article/hausse-du-prix-du-tabac-les-consequences-en-chiffres-7752995957

Remarque : Une particularité d'un bien à effet Veblen est l'élasticité de son prix qui est positive, l'élasticité de revenu est quant à elle supérieure à 1

Effet Veblen : http://fr.wikipedia.org/wiki/Effet_Veblen

« Consommation ostentatoire - Conspicuous consumption »

Consommation dont le mobile principal est de donner à autrui une image valorisante de soi, par l’étalage de ses richesses, apparentes ou réelles.

http://vimeo.com/15293153 Cet extrait (5') de "Je consomme donc je suis" (documentaire américain, vu sur Arte/ thema, le 29/06/2010) reprend et actualise le regard qu'a porté Thorstein Veblen, dès la fin du 19ème siècle, sur une certaine logique de la consommation...

La corrélation ?

Corrélation à deux variables :

Calculer le coefficient de corrélation entre 2 variables numériques revient à chercher à résumer la liaison qui existe entre les variables à l'aide d'une droite. On parle alors d'un ajustement linéaire.

Comment calculer les caractéristiques de cette droite ? En faisant en sorte que l'erreur que l'on commet en représentant la liaison entre nos variables par une droite soit la plus petite possible. Le critère formel le plus souvent utilisé, mais pas le seul possible, est de minimiser la somme de toutes les erreurs effectivement commises au carré. On parle alors d'ajustement selon la méthode des moindres carrés ordinaires. La droite résultant de cet ajustement s'appelle une droite de régression. Plus la qualité globale de représentation de la liaison entre nos variables par cette droite est bonne, et plus le coefficient de corrélation linéaire associé l'est également. Il existe une équivalence formelle entre les deux concepts.

Par exemple, nous allons calculer le coefficient de corrélation entre deux séries de même longueur (cas typique : une régression). On suppose qu'on a les tableaux de valeurs suivants : $X (x_1, \ldots, x_n)$ et $Y (y_1, \ldots, y_n)$ pour chacune des deux séries. Alors, pour connaître le coefficient de corrélation liant ces deux séries, on applique la formule suivante :

$r_p = \dfrac{\displaystyle \sum_{i=1}^N (x_i - \bar x)\cdot(y_i - \bar y)}{\sqrt{\displaystyle \sum_{i=1}^N (x_i - \bar x)^2}\cdot\sqrt{\displaystyle \sum_{i=1}^N (y_i - \bar y)^2}}$

Si r vaut 0, les deux courbes ne sont pas corrélées linéairement. Les deux courbes sont d'autant mieux corrélées que r est loin de 0 (proche de -1 ou 1).

Comment interpréter le coefficient ?

Il est égal à 1 dans le cas où l'une des variables est fonction croissante de l'autre variable, à -1 dans le cas où la fonction est décroissante.

Les valeurs intermédiaires renseignent sur le degré de dépendance linéaire entre les deux variables.

Plus le coefficient est proche des valeurs extrêmes -1 et 1, plus la corrélation entre les variables est forte ; on emploie simplement l'expression « fortement corrélées » pour qualifier les deux variables.

Une corrélation égale à 0 signifie que les variables ne sont pas corrélées.

http://www.youtube.com/watch?v=8i6GameW4Jg&feature=related