MTQ2001_TP1.

PREMIER PROBLÈME

1. Type de données :

1. Montant de l’achat (Y) : Quantitative
2. Nombre de tentatives de contact( x1) : Quantitative
3. Période de la journée (x2) : Qualitative
4. Statut de la cliente (x3) : Qualitative
5. Âge de la cliente (x4) : Quantitave
6. Nombre d’enfants de la cliente (x5) : Quantivative

1. Échelle de mesure :

1. Montant de l’achat (Y) : Rapport
2. Nombre de tentatives de contact( x1) : Rapport
3. Période de la journée (x2) : Nominale
4. Statut de la cliente (x3) : Nominale
5. Âge de la cliente (x4) :  Rapport
6. Nombre d’enfants de la cliente (x5) : Rapport

1. Dans la recherche visant à analyser les ventes de Venus Cosmetics, on a obtenu les données pour le montant d’achat des clientes depuis les trois dernières années. Au cours du temps, le montant d’achat est significatif puisqu’au cours des trois années, on s’aperçoit que le montant d’achat moyen augmente puisqu’il passe de 11,10 $ à 13,82 $ la deuxième année et à 18,93$ la dernière année. Nous résumons les résultats obtenus ci-après, enrichis du diagramme approprié. Nous utilisons le diagramme à rectangle vertical pour les résultats concernant les moyennes des ventes pour chacune des trois années.

[pic 2][pic 1]

Nous pouvons également insister sur le fait qu’au cours des trois années, l’écart type a augmenté chaque année, c'est-à-dire que plus écart type est grand plus le montant d’achat n’est pas semblable. En résumé, pour la répartition du nombre de montants d’achat par cliente, plus l'écart type est faible, plus le montant est homogène. À l'inverse, s’il est plus important, les montants sont moins resserrés.

Vous trouverez ci-dessous un graphique qui représente l’écart type de chaque année.

[pic 4][pic 3]

1. a) Pour analyser la variable « période de la journée », il faut d’abord dépouiller les données selon une distribution de fréquences absolues.

Analyse des données selon les périodes de la journée

Nous résumons les résultats obtenus ci-dessus et nous constatons que les clientes achètent 39,67 % le matin à comparer de 29% l'après-midi et de 31,33% le soir. Nous pouvons donc constater que les clientes achètent plus le matin que l'après-midi et le soir. Nous pouvons également constate qu’au cours des années il a une diminution des achats le matin de 32 %, mais une augmentation des achats le soir de 47 %.

b) Pour analyser la variable « Statut de la clientèle », il faut d’abord dépouiller les  selon une distribution de fréquences absolues données.

Analyse des données selon le statut de la clientèle

Nous résumons les résultats obtenus ci-dessus et nous constatons qu’il a plus de clientes au foyer qu’active. 57% des clientes sont au foyer à comparer de 43% en activité. Nous pouvons également constater qu’il a une diminution de 38% au cours des années des clientes au foyer et une augmentation de 38% des clientes en activité.

c) Pour analysez la variable période de la journée en fonction de la variable statut de la cliente, nous avons utilisé un diagramme à barres pour représenter pour chaque année, le nombre de visites effectuées le soir ainsi que le nombre de femmes actives.

[pic 6][pic 5]

[pic 8][pic 7]

Nous pouvons constater que dans la première année que très peu de femmes actives faisaient des achats le soir, mais il eut une augmentation croissante au cours des deux dernières années.

d) Nous pouvons constater que le montant d’achat est de plus en plus élevé au cours des années, mais également la moyenne d’âge augmente également. Dans le tableau ci-dessous, nous pouvons constater que le nombre de tentatives de contact avec les clientèles on plus que doublé passant de 1,94 à 2,89 la deuxième année et de 4,02 la troisième année. Le nombre d’enfants me parait non significatif puisqu’il diminue à l’année deux, mais la moyenne remonte à l’année. Selon moi, le nombre d’enfants n’est pas utilise dans l’analyse.

Synthèse des résultats relatifs aux variables

DEUXIÈME PROBLÈME

Dépouillement du nombre de véhicules vendus par semaine

2.

[pic 10][pic 9]

[pic 12][pic 11]

...