Projet Fin d’Etude Diplôme National d’Ingénieur En Statistique et l’Analyse de l’Information

1. Projet Fin d’Etude  Diplôme National d’Ingénieur En Statistique et l’Analyse de l’Information Elaboré Par : Alaya Yasmina Encadré Par : Mme Jelassi Selma « ESSAI » Mme ManaiThouraya « PCT » Modélisation prévisionnelle de l’approvisionnement de la Pharmacie Centrale de Tunisie (PCT) Juin 2012

2. Plan Présentation de l’entreprise d’accueil L’approvisionnement de la PCT Analyse prévisionnelle de l’approvisionnement Conclusion et perspectives

3. Présentation de l’entreprise d’accueil L’approvisionnement de la PCT • La mission de la Pharmacie Centrale de Tunisie PCT : S’approvisionner en médicaments, produits (pharmaceutiques chimiques), accessoires… Assurer le monopole de l’importation Ravitailler les hôpitaux (public, privé) et les points de vente (grossistes, officines) Se charger de toutes les procédures : Commande, Stockage, Distribution Commercialiser les produits

4. Présentation de l’entreprise d’accueil L’approvisionnement de la PCT 814 810 720 607 537 487

5. Problématique Analyse descriptive Modélisation Prévision Problématique Dégager un modèle économétrique prédictif pour l’approvisionnement de la Pharmacie Centrale de Tunisie, évitant rupture et surcharge de stocks.

6. Problématique Analyse descriptive Modélisation Prévision

7. Problématique Analyse descriptive Modélisation Prévision

8. Régression sur composantes principales : RCP OrthonormalloadingsBiplot 8

9. Ellipses de confiance Ellipses de confiance pour les coefficients de pente dans l'analyse de régression multiple du modèle à effets fixes (cross/period) Ellipses de confiance pour les coefficients de pente dans l'analyse de régression multiple du modèle à effets aléatoires (cross/period) Les estimations 9

10. Problématique Analyse descriptive Modélisation Prévision Modèle de données groupées • Modélisationen données croisées: Données de Panel • Modèle avec effets period fixes • Modèle avec effets fixes (cross/period) • Modèle avec effets cross aléatoires • Modèle avec effets period aléatoires • Modèle avec effets cross fixes • Modèle avec effets aléatoires (cross/period)

11. Le modèle SUR sans effet avec correction

12. Le modèle SUR avec effets cross fixes

13. Problématique Analyse descriptive Modélisation Prévision Tests de non stationnarité du processus Les tests de non stationnarité rejette l’hypothèse nulle (non stationnarité) avec les p-value sont tous nulles et inférieures au seuil 5%, donc le processus est stationnaire, d’où prévision.

14. Problématique Analyse descriptive Modélisation Prévision • Option prévision statique : Prédiction de la fiabilité prévisionnelle du modèle

15. Problématique Analyse descriptive Modélisation Prévision

16. Problématique Analyse descriptive Modélisation Prévision • Option dynamique : prévision convergente par simulation (Option solve) : 16

17. Problématique Analyse descriptive Modélisation Prévision • Option dynamique : prévision convergente par simulation (Option solve) : 17

18. Problématique Analyse descriptive Modélisation Prévision • Option dynamique : prévision convergente par simulation (Option solve) : Prédiction dynamique par simulation en fonction des ventes actuelles, prédites et les – .se (Vente_0T+1) Yn+1 + .se (Vente_0T+1)

19. Conclusion Les résultats obtenus sont satisfaisants et exposent une solution. La modélisation prévisionnelle améliore l’étude de l’approvisionnement de la PCT et assure la rapidité de la pratique.

20. Perspectives • La gestion et la réorganisation des données (par exemple par Datawarehouse) • Cette étude représente le point de départ pour d’autres recherches afin de satisfaire les besoins futurs de la PCT.

21. Commentaires & Questions Merci pour votre attention