R EVUE DE STATISTIQUE APPLIQUÉE
H. P IN
Étude statistique du prix de revient de vente
Revue de statistique appliquée, tome 8, n
o1 (1960), p. 89-104
<
http://www.numdam.org/item?id=RSA_1960__8_1_89_0>
© Société française de statistique, 1960, tous droits réservés.
L’accès aux archives de la revue « Revue de statistique appliquée » (
http://www.sfds.asso.fr/publicat/rsa.htm
) implique l’accord avec les conditions générales d’uti- lisation (
http://www.numdam.org/conditions). Toute utilisation commerciale ou im- pression systématique est constitutive d’une infraction pénale. Toute copie ou im- pression de ce fichier doit contenir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
ÉTUDE STATISTIQUE DU PRIX DE REVIENT DE VENTE
H. PIN
Dans cet article, H.H. Pin étudie le
problème
duprix
de re-vient des ventes de deux
produits,
réalisées par l’intermédiaire dereprésentants.
L’étude
ci-après
montre, sur unexemple
concret, comment la méthode des corrélations peut permettred’analyser
leprix
de revient.LA VENTE DE DEUX PRODUITS PAR REPRESENTANTS -
Une
entreprise
vend auxboutiquiers
détaillants deuxproduits
A et B con-sommés par le
grand public (produits
dedroguerie,
parexemple).
La Franceest divisée en secteurs de vente.
Chaque représentant
a son secteur,Ces
représentants
sont desemployés
del’entreprise.
Ils ont un salairefixe et des
dépenses quelconques
variables.L’ensemble,
avec lescharges
socia-les,
constitue pourl’entreprise
les"frais
dereprésentants".
L’entreprise
est soucieuse du rendement de sesreprésentants.
Unrepré-
sentant visite 10 à 20 détaillants par
jour.
Le coût moyen d’une visite s’établitsimplement
en divisant le total des frais dereprésentants
par le nombre total de visites.Chaque
visite nerapporte
pas une commande. Lecoût
moyen d’unecommande,
établi defaçon analogue,
est doncplus
élevé que celui d’une visite.Un moyen
classique
pourdégréver
les frais dereprésentants
consiste àprésenter
enplus
duproduit principal
A un deuxièmeproduit
B. Lereprésentant qui,
lors de savisite,
propose deuxproduits
A et B aplus
de chances de réali-ser une vente que s’il n’en
présente qu’un.
Le coût d’une visite reste sensible- ment lemême,
les commandes étantplus nombreuses,
le coût d’une commande diminue.La
statistique peut répondre
alors à de nombreusesquestions
relatives aurendement des ventes. Le
problème du’prix
de revient sera seul examiné ici.LE PRIX DE REVIENT -
A la
comptabilité
leprix
de revient des ventes s’établit defaçon simple.
On possède
le montant mensuel en francs des ventesA,
celui des ventesB,
enfin les frais dereprésentants (salaires, charges, dépenses,
assurances,etc. ).
Onrépartit
ces frais totaux auprorata
du chiffre d’affaires total dechaque produit.
On fait ainsi
l’hypothèse
que 1 franc de ventes A coûte aussi cher que 1 franc de ventes B. Il y a donc unprix
de revient des ventes engénéral,
mais pas unprix
de revient distinct des ventes A et B.
Pourtant si le
produit
B parexemple
est difficile àvendre,
ilpeut
coûterplus
cher. Lesreprésentants
devrontpeut-être argumenter plus longtemps.
Ens’attardant ils feront moins de visites au détriment des ventes A
plus faciles.
Nous allons examiner un cas assez
simple qui
remonte à une dizaine d’années. Nous verrons successivement les diverses difficultéspratiques
que l’onpeut
rencontrer.CALCUL DES REGRESSIONS -
La
figure
1 donne la relation observée entre le nombre de visites en abs- cisses et les ventes duproduit
A(en
millions defrancs)
en ordonnées.Chaque point représente
le résultat d’unreprésentant
pour un mois(avril).
Il y a 18représentants,
numérotés sur lafigure.
Figure
1La
figure
2 donne de la même manière la relation entre visites et ventes B. Enfin lafigure
3 donne la relation entre ventes A et B.Pour
simplifier désignons
par la variable :A,
le montant des ventes A en millions defrancs ; B,
le montant des ventes B en millions defrancs ; V,
le nombre de visites.Les tableaux 4 et 4 bis
présentent
les données et les calculs derégres-
sions. Les coefficients de corrélation sont
désignés
par la lettre r. Les coeffi- cients derégressions
sontdésignés
par la lettre b avec enpremier
indice lavariable
dépendante
et en deuxième indice la variableindépendante.
Pour lesrégressions partielles,
nous le verronsplus loin,
la variable éliminée se trouve en indiceaprès
lepoint.
Figure
2Figure
3A = 590
Ã
=32, 777 ; V - 256, 666 ;
B =- 56, 4 Ï3 = 3
13 3A + B = 646, 4
Gx = 1~ Q 2X
a
= y -
bxTableau 4
Tableau 4
(suite)
REGRESSIONS PARTIELLES
Tableau 4 bis
On voit ainsi avec bAV =
0,080. 702 qu’une augmentation
d’une visite amèneune
augmentation
de 80 702 francs de ventes A. Une visiterapporte
donc 80 702 F de ventes A. Alors que bBV =0, 008
191indique qu’une
visiterapporte
8 191 F de ventes B seulement.L’équation
de lafigure
1 :A =
(bAV) V
+ a, où a =12, 062
est laconstante,
donne doncA =
0, 0 80. 70 2
V +12, 06 2 (1)
Elle
permet
connaissant le nombre de visites V d’unreprésentant
d’obte-nir une valeur
théorique
de ventes A. De mêmel’équation
de lafigure
2 est :B =
0, 00 8. 191
V +1, 031. 189 (2)
La constante a, différente pour
chaque équation,
devrait sedistinguer
par desindices, supprimés
pouralléger
cetexposé.
Il
faudrait ici fairequelques
remarques sur cesrésultats,
notamment surla validité des corrélations. Nous y reviendrons
plus
loin en examinant les diffé- rentes difficultéspratiques.
Considérons actuellement ce résultat comme unexemple
de calcul illustrant les raisonnements.PREMIERE ETUDE DES RESULTATS -
L’équation (1)
nous montre que les ventes A d’unreprésentant
se décom-posent
en moyenne ainsi :Chaque
visiterapporte
80 700 F.La masse des autres
facteurs,
connus etinconnus, publicité, type
de sec-teur,
habileté dureprésentant, grande
vogue duproduit, foires, climat,
etc.apportent
12 062 000 F dans les conditions actuellesd’exploitation,
c’est-à-dire donc avec lapolitique
actuelle de visites.Il est
évident,
parexemple,
que l’habileté dureprésentant, qui
vientd’être citée,
serait sans effet s’iln’y
avait pas de visites. Sansvisites,
lescommandes des détaillants seraient à peu
près nulles,
les autres facteurs :publicité,
ancienneté de lamaison,
etc. n’auraientplus
d’effet.Nous ne nous intéressons pas aux visites en
elles-mêmes,
mais à leurnombre,
aux effets de leursvariations, qui
nouspermettront peut-être
de dis-cuter l’intérêt de ces visites en
elles-mêmes.
Les ventes B se
décomposent
de lamême
manière avecl’équation (2).
Chaque
visiterapporte
8 191 F.Les autres facteurs
apportent
1 031 000 F.Quand
on fait unevisite,
on obtient avec cette même visite additivement des ventes A et B distinctes. Il est donc facile de reconstituer avec leséqua-
tions
(1)
et(2)
le chiffre d’affaire mensueltotal;
pour l’ensemble desrepré-
sentants.
Il faut remarquer
auparavant
que le calcul de la constante a fait intervenir les moyennesa = ÿ - bi.
Pour le total des 18représentants
ces moyennes étant àmultiplier
par18,
il suffit demultiplier
a par18,
cequi donne,
pour A :
12, 06 2 3 80
x 18 =217, 123 ;
pour B :1, 031
189 x 18 =18, 558.
On obtient alors pour A et B
respectivement,
le nombre de visites totales étant 4 6 20(tableau 4),
Pour A :
0, 080. 7
x 4 620 +217, 122 = 372, 834
+217, 122 = 589, 96
Pour B :
0, 008. 2
x 4 620 +18, 558 = 37, 842
+18, 558 = 56, 40
Soit,
au total646, 36
Le total des ventes se
décompose
alors ainsi : Ventesapportées
par les visitesVentes
apportées
par les autres facteursLe résultat est
proche
du total du ta- bleau4,
la correctionest négligeable. En pra- tique
on aurait pu trou-ver une différence
plus grande.
Eneffet, figure 5,
pourchaque équation ,
la constante a
repré-
sente la moyenne des ventes
apportées
par les autres facteurs : les vi- sites seulesapportent
les ventes données par la droite b’parallèle
àb. Le
surplus
a(qui peut
êtrenégatif)
estapporté
par l’ensemble des au-
tres facteurs. A cette moyenne a
s’ajoute algébriquement
unequantité aléatoire,
c’est-à-dire un certain nom-
bre
d’écarts-types
liéscr y.
x = cr y~ l-r2 qui éloigne plus
ou moins le résultat observé de la valeur théo-rique.
Cette variation aléatoire venant aussi des autres facteurs vientcorriger
le résultat moyen a. En
pratique
donc il fautcorriger
la valeur constante a par ladifférence entre les résultats
théorique
et observé. Mais sur un total de npoints l’écart-type
lié relatif étantQy/1/ n
1 - r2 la correction est souventnégligeable.
DEUXIEME ETUDE DES RESULTATS -
Le tableau 4 bis donne le calcul des
régressions partielles.
La variableaprès
lepoint,
enindice,
est la variable éliminée.Ainsi bBV. A donne le montant des ventes B
apporté
par une visitequand
les ventes A ne varient pas, donc n’ont d’effet ni sur les ventes
B,
ni sur les visites.Ces
régressions partielles
nouspermettent
dedécomposer
les ventes Ben deux circuits
présentés figure
6.1/
Les visitesrapportent
des ventes B(flèche
en traitplein) indépendam-
ment des ventes
A ;
2/ Ces mêmes
visitesapportent
des ventesB,
mais parcequ’elles
provo-quent
des ventes Aqui,
elles-mêmes(indépendamment
desvisites)
amènent des ventes B(flèches pointillées).
Figure
6Plus
précisément
on a :bBV = bBV. A + bBA. V x bAV
(3)
Soit dans notre
exemple :
0,008.191 = 0, 001. 903
+0,006.287
qui exprime
ceci :Chaque visite,
on l’a vu,rapporte
bBV millions de ventes Bqui
se décom-posent
ainsi :1/ Quand
les ventes A restent constantes donc n’ont d’effet sur aucune des deux variables B etV, chaque
visiterapporte
bBV. A millions de ventesB ;
2/ Chaque
visiterapporte
bAV millions de ventes A. Et chacun de ces mil- lions amène(quand
les visites restent constantes donc n’ontplus
d’effet ni surles ventes
B,
ni sur les ventesA),
bBA. V. millions de ventes B.Donc
quand
on fait une visite on obtient 8 190 F de ventes Bqui
se décom-posent
ainsi :1 903 F
rapportés
par la visite(indépendamment
deA) ;
6 287 F
rapportés
parce que la visite fait faire des ventes Aqui
amènentdes ventes B.
Il faut remarquer que dans le circuit indirect
(pointillé figure 6)
rien nepermet
de dire que les ventes A sont causes des ventes B. Onpeut
dire seule- mentqu’à
une variation des ventes Acorrespond
une variation concomitante des ventes B. Mais ces deux ventespeuvent être
les effets demêmes
causes commu- nes. Onpeut
par contre dire que dans le circuit indirect cette variation conco-mitante est
indépendante
de l’effet des visites sur les ventes B,Pourtant de bonnes raisons
pratiques
nouspermettent
de soupçonner leproduit
Ad’être,
au moins engrande part,
la cause de ces ventes concomitantesB, puisque
c’est pour cette raison que nous avonsajouté
leproduit
nouveau B auproduit
Adéjà
bien introduit dans lepublic.
C’est pour celà que nous avons raisonné sur leproduit B, figure 6,
avant leproduit A, figure
6 bis.L’équation (3)
sert enpratique
à vérifier les calculs desrégressions
par- tielles(une équation analogue
existe pour lescorrélations).
Le
même
raisonnementfigure
6 bis amène pour les ventes A :bAV = bAV. B + bAB. V x bBV
(4)
0,080.7 = 0, 057. 8
+2, 795. 3
x0, 00 8. 191
=
0,057. 8
+0, 022. 896
Figure
6 bisAu total
quand
on fait une visite on obtient Ventes A directes 57 800 F Ventes B directes 1 903 F59 ?03
F soit 59 703 FVentes A par l’intermédiaire de B 22 896 F Ventes B par l’intermédiaire de A 6 287 F
29 183
soit 29 183 F Soit au total 88 886 F Et pour 4 620 visites on a 88 886 x 4 620 = 410 653 320 F trouvés enpremière étude.
Ces résultats
peuvent
s’illustrerd’après
le schéma de lafigure 7 qui
secomprend
ainsi : examinons d’abord les ventes A.Quand
on fait une visite onobtient directement des ventes A
(flèche 1).
On obtient aussi directement des ventes B(flèche 2)
mais ceci ne nous intéresse paspuisque
nous examinons ac-tuellement le résultat A. Par contre cette vente B
apporte
des ventes A(flèche 3) qui
nous intéressent. Au total nous avons des ventes A par les flèches 1 et 3 .Figure 7
Examinons les ventes B.
Quand
on fait une visite on obtient directement des ventes B(flèche 2,
nous venons de levoir).
Nous obtenons aussi des ventes A(flèche
1déjà vue) qui
ne nous intéressent paspuisque
nous examinons les ventes B. Parcontre,
cette vente A nous amène des ventes B(flèche 4).
En résumé les visites amènent des ventes A et B directement par les flè- ches 1 et 2. Ces ventes directes A et B amènent
elles-mêmes
des ventes B et A(flèches
3 et4).
S’iln’y
avait pas eu de visites les flèches 1 et 2 n’existeraient pas. A et B ne variant pas, les flèches 3 et 4 donneraient desproduits
nuls. Lesventes indirectes par les flèches 3 et 4
dépendent
bien des visites dans cettedécomposition.
Nous avons maintenant suffisamment
analysé
les ventes pour aborder leproblème, simple
vous allez levoir,
duprix
de revient.LE PRIX DE REVIENT -
Le tableau 4 bis nous donne encore les
régressions partielles
bVA. B et bVB. Aqui
vont nouspermettre
d’établir leprix
de revient.Auparavant
examinons le cas d’uneentreprise qui
ne vendqu’un
seul pro- duit A. Il est intéressant decomprendre
intuitivement sur le schéma 8 ce quesignifie
larégression
bVAqui
donne le nombre de visitescorrespondant
à unaccroissement d’un million de ventes A. Elle
permet
d’obtenirl’équation :
qui
donne le nombrethéorique
de visites V’correspondant
à A millions de ventes A. L’échelle verticale donne ici la variableindépendante ;
l’échelle hori-zontale la variable
dépendante.
On voit sur la
figure
8 quelorsque
les ventes Aaugmentent
de 1
écart-type,
on constate que les visitesaugmentent
de r écart-type.
Parexemple
sur le sché-ma 8 où r =
0, 75,
les visitesaugmentent
de0, 75 écart-type.
La droite
bVA - â
A r tra-duit ce résultat en mesure pra-
tique : quant
les ventes A aug- mentent de un million on constate uneaugmentation
de bVA visites .Quand
les ventes A augmen- tent de unécart-type
elles aug- mentent du fait de toutes les cau-ses faisant varier
A,
et pas seu- lement du fait des visites. Maisune
..part
de cetteaugmentation
de A vient des visites.
Plus
précisément
en mesu-re
pratique
pour uneaugmentation
de un million de ventes
A,
unepart
de ce million vient des vi- sites et a demandé bVA visites.Donc pour
chaque
million de ven-tes A il y a bVA visites.
Enfin la constante a donne le nombre de visites demandé en moyenne par tous les facteurs autres que les ventes
A,
dans les conditions actuellesd’exploi-
tation.
Ainsi
l’équation (5) décompose
le nombre de visites en deuxparties :
1/
les visites faisantaugmenter
les ventesA ;
2/
les visites ne donnant pas de variation des ventes A.Si,
au lieu de larégression bVA,
nousenvisageons,
avec deuxproduits
A et
B,
larégression
bVA. B le raisonnement estanalogue,
mais la variable B est maintenue constante. C’est-à-dire que bVA. B nousindique
que,quand
lesventes B ne varient pas donc n’interviennent pas, pour
chaque
million de ventes A il y a bVA. B visites.(On pourrait
obtenir ce résultat enremplaçant
sur lafigure
8 les varia- bles A et Vpar les
résidus de ces variablesaprès
élimination de la variable B.Le calcul des
régressions partielles
évite ce fastidieuxtravail).
En raisonnant de la même
façon
avec bVB. A on obtient finalementl’équa-
tion :qui décompose
le nombre de visites en 3parties :
.
1/
les visites donnant des ventesA ;
2/
les visites donnant des ventesB ;
3/
les visites demandées par les facteurs autres que les ventes A et B et n’amenant pas de variations de ces ventes.Ces
régressions partielles
sont nécessaires: en effet la même visite donne à la fois deux ventes A et B. Il ne faut pas àpartir
dechaque
vente A et Brecompter
deux fois les mêmes visites. Plusprécisément quand
les ventes Aaugmentent
pour toutes sortes de causes, cetteaugmentation
vient enpartie
del’augmentation
des visites. Il y a doncaugmentation
des visites. Maisquand
lesventes A
augmentent
ellesaccompagnent
uneaugmentation
des ventesB.Lesquelles
entraînent à leur tour une
augmentation
des visites.Or,
cetteaugmentation
desvisites par l’intermédiaire de B ne doit pas
être comptée puisqu’elle
sera ànouveau
comptée séparément
dans les visites intervenant dansl’augmentation
de B pour toutes sortes de causes.
Les calculs donnent dans notre cas :
Pour le total des
18 représentants
avec 18 a soit3 5, 241 x
18= 6 34,
33 8 on a : V’ -6, 059
A +7,279
B +634, 338
= 3
574,81
+410,5356
+634,338
= 4 620Dans notre cas nous avons calculé les
régressions
sur les valeurs que nousajustons.
Comme cesrégressions passent
par lepoint
des moyennes, elles pas- sent aussi sur lepoint
des sommes. On ne trouve donc pas de différence entre les nombres~V
et V’ de visites observées etthéoriques.
Enpratique,
onajuste
habituellement ces valeurs avec une
régression déjà
calculée sur des étudesprécédentes.
Une correctionintervient,
nous avons vu à lafigure
5 commentl’effectuer.
Ainsi pour chaque
million de ventes A il y a 6visites,
pourchaque
millionde ventes B il y a 7 visites.
Cette
équation (6
et7)
va nouspermettre
dans un instant derépartir
lesfrais de
représentants puisque
nous connaissons le coût d’une visite.Auparavant
une discussion est nécessaire.
DISTINCTION DES IMPUTATIONS -
Une fois dressés les nuages de
points, plusieurs
situationspeuvent
sedistinguer :
- La corrélation est
bonne, figure
9. Celasignifie
que le nombre de visites est une cause très influente de la vente. Les autres causes modifient peu la vente amenée par le nombre de visites. On estproche
du déterminisme. Enimputant
aux ventes le coût desvisites,
onimpute
unedépense qui
amène desventes.
- La corrélation est
mauvaise, figure
10. La droite b de ce faits’approche
del’horizontale,
la constante a estgrande.
En ce cas, le nombre de visites est unpetit
facteurinfluençant
peu les ventes. Une foule d’autres causes, connues ouinconnues ; publicité, type
de secteur, valeur dureprésentant,
etc .influent bien
davantage. Que
l’on fasse peu oubeaucoup
devisites,
lechiffre
d’affaires est peu différent. Le nombre de visites
correspondant
aux diverschiffres d’affaires est à peu
près
constant. Enimputant
aux ventes le coût desvisites,
onimpute
unedépense
dont la variation contribue peu à amener les ven-tes. Le critère
"nombre
devisites"
est un mauvais critère deproductivité
comme
d’imputation.
Si notamment la valeur des
représen- tants,
ou letype
dessecteurs,
lapublicité
sont de gros facteurs
perturbateurs
il fau-drait
respectivement,
ne pas payer ces re-présentants
par un salaireuniforme, équi-
librer ces
secteurs,
ne pas accorder deprimes
auxreprésentants
pourdépassement
des
quotas
de ventesprévus.
A la limite idéale r =
0,
la droite b est horizontale(figure 11),
la variation des visites n’a aucune influence sur les ventes.Le nombre de visites n’est pas un critère de
productivité.
Si l’on ne veut pas chercher(par
ces méthodesd’observation)
un autrecritère
d’imputation (qui
n’existepeut être pas)
peuimporte
alors le mode arbitraired’imputation. Si des
voleurs dérobent lasacoche du caissier la
perte
pourra s’im-puter
de la même manière sur les ventes. Cetteperte
découle des conditions actuellesd’exploitation.
La sacoche n’aurait pas été volée sil’entreprise
n’avaitpas fait de
ventes,
n’avait pas existé.Ainsi la
statistique,
illustrée par lesfigures
9 à11,
nouspermet
de distin-guer
quelle part
des visitesinfluençant
les ventes estimputable respectivement
aux ventes A et B et
quelle part,
directementinutile,
sans effet sur la variation des ventes, est àimputer
arbitrairement. Elle nous amènera aussipeut-être
àmodifier la
politique
desvisites, l’importance
dessecteurs,
etc.La
statistique
éclaire la situation. Endistinguant
les diverstypes d’impu- tation,
ellerenseigne l’entreprise
sur sa meilleurepolitique
àtenir,
elle cherche à diminuer leprix
de revient.REPARTITION DES FRAIS -
L’équation (6)
nousindique
donc quechaque
million de ventes Aprend
àcharge
bVA. B visites. Enimputant
de lasorte,
on fait payer aux ventes A les visitesayant
servi aux ventes Aseules;
mais on met ce coût à lacharge
de tousles millions de ventes
A,
et non aux seuls millionsrapportés
par les visites.Autrement dit on
répartit
cettedépense
sur l’ensemble des ventesA,
cequi
estcorrect.
Le raisonnement est le même avec bVB. A pour les ventes B.
Enfin a
représente
un nombre de visitesimputable
arbitrairement à A et à B comme laperte
de la sacoche du caissier.Dans notre cas
particulier chaque
million de ventes A doit payer6,1
visi-tes, chaque
million de ventes B en paye7, 3.
Enfin 634 visites c’est-à-dire iciun nombre très faible est à
imputer
arbitrairement.VENTES PATRONNEES -
Il est en
général
admis que leproduit principal A,
bien introduit dans lepublic
facilite le lancement duproduit
B. On voudrait donc connaîtrequelle part
des ventes B est amenée directement par les ventes A
indépendamment
des visi-tes et
quelle part
est amenée indirectement par les visites que l’on fait pour les ventesA,
maisqui rapportent
des ventes B.Le raisonnement
analogue
à celui utilisé auxfigures
6 et 6 bis nous donne :bBA = bBA. V + bVA bBV. A
0,0907 = 0,0779
+0,012.788
L’étude du
prix
derevient,
on levoit, n’épuise
pas les recherches sur le rendement des ventes.VENTILATION
COMPTABLE -
Les
renseignements
ainsiobtenus,
notamment la formule(7) d’imputation
du
prix
de revient sont bien différents de ceux que l’on obtiendrait par ventilationcomptable
en dénombrant les visitesapportant
à la fois des ventes A etB,
cellesdonnant A ou B
seule,
celles ne donnant pas de vente.En effet une visite
peut
fort bien ne pasapporter
deventes,
sans pour celà n’avoir pas d’influence sur les ventes.Les ventes B arrivant par l’intermédiaire des ventes A n’arrivent pas nécessairement à la
même
visite. L’influence n’en existe pas moins.La ventilation
comptable
nepermettrait
pas d’obtenirl’équation (7) permet- tant,
àpartir
des chiffres d’affaires A etB,
d’obtenir le nombre de visites.DIFFICULTES
PRATIQUES -
Les
figures
1 à 3 illustrent un casparticulièrement simple
établi sur unmois,
pour 18représentants.
Enpratique
une telle étude est rarement établiesur la corrélation r d’un seul mois.
Certaines
entreprises
ont à la fois desreprésentants exclusifs, employés payés
par un salaire fixe et desreprésentants autonomes, indépendants
del’entreprise, payés
à la commission. Leproblème
intéresse seulement lesreprésentants
exclusifs. Ils sontparfois
très peu nombreux 5 ou6,
le nuage depoints
est alors difficile àexploiter.
On
peut
établir les calculs sur la corrélation r deplusieurs
mois obtenue par addition des valeurs zcorrespondantes.
Onpeut
encore sur lemême
nuageplacer
les résultats deplusieurs mois,
cequi
donneplusieurs points
pourchaque représentant.
Il faut s’assurer que cespoints peuvent être
admis comme indé-pendants,
c’est-à-dire quechaque représentant n’occupe
pas avec sespoints
undomaine
trop particulier
du nuage.Chaque représentant
doit serépartir
sur toutle nuage ou du moins sur un vaste domaine commun à
plusieurs représentants.
Avec 50 ou 60
représentants que l’on
trouve dans certainesentreprises
ces diffi-cultés ne se
présentent
pas.Le nuage de
points
doit avoir la forme"normale"
enellipse.
Bien souvent larépartition
estlog-normale
oumême log-log-normale (comme
la loi duloga-
rithme
itéré).
Unchangement
de variable est nécessaire d’autantplus
délicatque le nombre de
représentants
estplus petit.
Il arrive que
certainsreprésentants
donnent des résultats nettement aber- rants. Il ne faut lessupprimer
que si l’on a des raisonsparfaitement
connues :par
exemple
unreprésentant engagé plusieurs
moisaprès
les autres donne unrésultat encore
incomplet.
De
façon analogue, même
si lechangement
de variableapporte
une bonnenormalité,
il estprudent
de se demander si cechangement
de variable n’a pasun caractère
trop
artificiel. Onpeut,
parexemple,
obtenir un bonajustement
"normal"
pour une loilog-log-normale
sur 30représentants.
On saitqu’un représentant
donne lesplus
fortes ventes pour une causeparticulière :
parexemple
son secteur a une écouteexceptionnelle
toutespéciale
depublicité
radio.En
supprimant
cereprésentant
ons’ajuste
très bien avec une loilog-normale.
Un seul
point
suffit ainsi àchanger
la loi de distribution. En ce casl’ajustement
serait
plus
facile en éliminant d’abord l’influence de lapublicité, quand
c’estpossible.
Le cas est
analogue,
parexemple, quand
ledépartement
de la Seine formeun seul secteur ou est
partagé
en 2 ou 3 secteurs seulement. La Seine est enréalité plus une
villegéante qu’un département.
Lereprésentant
va de rue à rueau lieu de voyager de ville à ville. A visites
égales
les ventes sont énormes.Ainsi, quand
les conditions de travail desreprésentants
diffèrenttrop
del’ensemble il est
parfois préférable
de faire l’étude sans cesreprésentants parti- culiers, quitte
à refaire une autreétude,
avecbeaucoup
deprudence,
en lesincorporant.
Le sens des conclusionsdiffère,
bienentendu,
dans les deux cas.Il ne faut pas oublier
qu’il
faut établir leprix
de revient d’un certain tra- vail. Si les conditionsgénérales
sont troublées parquelques
casuniques dispa-
rates très
influents,
leprix
de revientperd
son sensphysique.
Bien entendu la
même
étude estpossible
avecplus
de deuxproduits.
Maisle calcul des corrélations
partielles
devient trèspénible
dèsqu’on
atteint 5 ou 6 variables. Le cas cité dans cetexposé
necomprenait
pas deuxproduits,
maisdeux familles de
produits
dont on relevait les ventes totales A et B.Ce calcul sur le