Compte Rendu du Projet de Modélisation Stastistique
|
|
- Francine Brunelle
- il y a 8 ans
- Total affichages :
Transcription
1 Master 1 Ingeniérie Mathématiques année Compte Rendu du Projet de Modélisation Stastistique Blaise Pierre-Jean Masse Antoine Quignon Fabien
2 Table des matières 1 Introduction 3 2 Présentation Les données Démarche statistique Analyse univariée Etude des corrélations Analyse multivariée Analyse en Composantes Principales ACP avec la table complète ACP sans Paris ni la Guyane Régressions linéaires multiples RLM expliquant le nombre de médecins RLM expliquant le taux d officines pharmaceutiques RLM expliquant le taux de mortalité RLM expliquant les taux d équipements Conclusion 10 5 Annexes Distribution Eboulis des valeurs propres ACP Table Complète Table Sans Paris et Guyane Sorties SAS Corrélations ACP Regressions linéaires Multiples Code SAS
3 1 Introduction Une enquête nationale nommée STATISS (Statistiques et Indicateurs de la Santé et du Social) a été menée par la DRASS (Direction Régionale des Affaires Sanitaires et Sociales) pour réaliser un bilan de la Santé et du Social en France en Elle présente des données départementales homogènes sur la démographie, l équipement sanitaire et social, les professions de santé et la protection. Nous nous sommes penchés sur un sujet qui nous paressait intéressant, compte tenu des données apportées par cette étude : les équipements dans les centres hospitaliers, mais aussi ceux des structures d accueil des personnes âgées. Des problèmes découlaient naturellement de ce sujet, auxquels nous voudrions répondre dans notre étude : les équipements de santé reflètent-ils le taux de mortalité dans les différents départements? Où est-on le mieux soigné? (dans quel(s) département(s)) Y-a-t-il une disparité du taux d equipement entre les départements? et si oui comment s explique-t-elle? 3
4 2 Présentation 2.1 Les données Pour réaliser notre étude, nous avons dû tout d abord faire une sélection parmi les variables proposées par l enquête de la DRASS, mais aussi faire quelques modifications au sein des variables. Ainsi, les variables que nous avons retenus de l enquête pour notre étude sont : les départements, et leur densité les taux de natalité en 2006, de mortalité en 2006, de mortalité infantile en l indice de vieillissement au les taux d équipement en lits dans les établissements de l aide à l enfance, tout ceux d équipements en court séjour hospitalier, tout ceux d équipements pour l accueil des personnes âgées. toutes les catégories d âges. les nombres totaux de médecins et d officines pharmaceutiques. 2.2 Démarche statistique Dans un premier temps, nous décrirons toutes les modifications que nous avons dues apporter aux variables choisies pour pouvoir faire nos analyses. Par la suite, nous procèderons à une analyse univariée sur les données, pour pouvoir caractériser les extrêmes et nous poursuivrons par une analyse bivariée. Enfin, une analyse multivariée sera faite, avec des ACP et des régressions linéaires. Les modifications apportées à ces variables : Regroupement des variables âges pour créer des catégories Premier, Deuxième, et Troisième Age qui représentent la répartion de la classe dans le département. Transformation du nombre de médecins et d officines pharmaceutiques par département en nombre de médecins et d officines pharmaceutiques pour 1000 habitants par département. Moyenne des différents taux d équipements en court séjour hospitalier, et moyenne des différents taux d équipements pour l accueil des personnes âgées. Création d une nouvelle variable région, pour avoir une meilleure idée de la répartition sur une carte de France. Creation d un indice pour representer l indice de vieillesse. Toutes les variables sont en taux pour 1000 habitants (sauf densité et Premier/Deuxième/Troisième âge). 4
5 Table 1 Tableau recapitulatif Dept V1-3 V2-1 V2-2 V2-4 Nom-variable Dept dens taux-nat taux-mort taux-mort-inf Type Quant Quant Quant Quant Quant Rep numero hab/km 2 1/1000 1/1000 1/1000 V2-5 V2-5 V5-1à4 V5-5à7 V5-8à11 Nom-variable ind-vieil ind-v Premier-age Deuxieme-age Troisieme-age Type Quant Quali Quant Quant Quant Rep 1/1000 1,2 ou 3 1/100 1/100 1/100 V6-1à3 V6-1à2 V6-3 V8-1à3 V-10 Nom-variable CSH CSH-1 CSH-2 APA taux-equip-enf Type Quant Quant Quant Quant Quant Rep 1/1000 1/1000 1/1000 1/1000 1/1000 V13-3et8 V13-5 Nom-variable nb-med nb-pharma Type Quant Quant Rep 1/1000 1/ Analyse univariée Nous avons fait une analyse descriptive sur chacune de nos nouvelles variables. La moyenne de la variable densité est de habitant par km 2. Nous voyons sur la boite a moustaches, qu il y a un extrême clairement identifié : Paris avec une densité de hab/km 2, puis que 3 départements se démarquent clairement des autres (voir figure 1 page 12). Notons que ces derniers font tous les trois partie de la région Ile-de-France (le 92, le 93 et le 94). De plus, il existe une forte variance de densité ( ), et que 90% des départements sont en dessous de 370 hab/km 2. Nous pouvons également voir que Paris se démarque au niveau de trois autres variables : le taux de deuxième âge avec contre une moyenne française de , le taux d équipements en court séjour hospitalier, qui est de presque 2 fois supérieur à la moyenne, et le nombre de médecins pour 1000 habitants ( contre une moyenne nationale de ) Nous observons un taux de natalité de pour la Guyane, un de pour la Réunion, et un de pour le 93, alors que la moyenne est de Nous retrouvons la Guyane avec son taux de mortalité 5
6 infantile qui est maximum avec décès de moins de un an pour 1000 naissances, son taux de premier âge qui est de contre une moyenne nationale de , et enfin un nombre d officines pharmaceutiques pour 1000 habitants de Tous ces résultats concernant la Guyane sont des maxima nationaux. De plus, son taux de mortalité égal à 3.52 morts/1000 habitants, son indice de vieillissement égal à 8 et son taux de troisième âge de sont des minima nationaux. De plus on peut voir que la Guyane et la Réunion sont dans le groupe où le taux d équipements infantile est faible. A l opposé de la Guyane, la Creuse a un taux de mortalité de 15.37, un indice de vieillissement également de 143 ( près de 2 fois la moyenne nationale), et un taux de troisième âge de qui sont des maxima nationaux. De plus, on peut voir que le taux d équipements pour l accueil des personnes âgées est minimal dans 3 départements d Outre-mer, mais aussi pour la Corse et Paris, et que de nouveau, 3 départements d Outre-mer sont les maxima nationaux au point de vue du taux de premier âge. On peut conclure de ceci que la Guyane est très jeune, à l inverse de la Creuse qui serait plutôt un département de personnes âgées comparé au reste de la France. Paris est une ville active avec un fort taux de deuxième âge, un maximum de médecins pour le nombre d habitants. 2.4 Etude des corrélations Bien qu en modifiant certaines variables, on peut noter qu il existe encore d assez fortes corrélations (autour de 0.80) entre plusieurs variables qui sont : négatives entre : taux de natalité/taux de mortalité, taux de natalité/indice de vieillissement, taux de natalité/troisième âge, taux de mortalité/premier âge, indice de vieillissement/premier âge, premier âge/troisième âge, ce qui s expliquent assez facilement puisque les naissances et les plus jeunes s opposent forcement aux gens qui meurent et aux personnes plus âgées. positives entre : indice de vieillissement/troisieme âge, taux de natalité/premier âge, taux de mortalité/l indice de vieillissement, taux de mortalité/le troisieme âge, ce qui est prévisible puisqu une augmentation des naissances entraine une augmentation dans la population de personnes du premier âge, une répartition forte de personne du troisième âge augmente l indice de vieillissement et le taux de mortalité et de même un fort indice de vieillissement entraine une augmentation du taux de mortalité. 6
7 De plus en faisant le test de nullité des coefficients de corrélation, on voit que tous ces coefficients sont très significatifs avec des p-value inferieures à (voir figure 14 page 20) 3 Analyse multivariée 3.1 Analyse en Composantes Principales ACP avec la table complète Nous avons voulu faire une acp pour représenter les distances entre les départements. Dans un premier temps, nous avons fait une acp avec les départements, puis, pour un souci de clarté, nous les avons remplacés par leur situation géographique (Nord, Sud-est, Est, Midi, Ouest, Ile de France, Outre-mer). Nous avons voulu garder seulement 3 axes car ils expliquaient 73% de l inertie totale. Ceci s est décidé quand on a vu, premièrement les valeurs propres, puis le graphe des éboulis (voir figure 4 page 13et figure 5 page 13), et enfin les contributions des variables aux axes (on voyait que seul le taux d équipements en établissements de l aide sociale à l enfance contribuait à l axe 4). Le premier axe oppose le taux de mortalité, l indice de vieillissement et le troisième âge (coté positif de l axe) aux taux de natalité et aux premiers âges. Il represente donc l opposition Vieux/Jeunes. Le deuxième axe oppose la densité, le nombre de médecin et le CSH (coté positif de l axe) au APA et au premier âge. Il represente l opposition entre les équipements hospitaliers et ceux exterieurs aux hopitaux pour les personnes âgées. Le troisième axe oppose le taux de mortalité infantile, le nombre d officines pharmaceutiques (coté positif de l axe) au deuxième âge et APA. On voit que ce sont la Guyane et Paris qui contribuent le plus généralement sur les axes. Ensuite, au niveau de l axe 1, on voit que se démarquent la Guyane (négativement) et la Creuse (positivement) qui contribuent le plus. Sur l axe 2, c est Paris qui contribue le plus. Enfin, c est la Guyane qui contribue le plus, et de loin, à l axe trois. Commentaire du graphe : (voir figure 6 page 14 à figure 10 page 16) On voit qu il y a deux départements qui se démarquent fortement du reste des départements : Paris et la Guyane. Paris se démarque positivement sur l axe 2 ce qui veut dire que Paris a, comme on l avait vu dans l analyse univariée un taux élevé d équipements en court séjour hospitalier, mais aussi un fort nombre de médecins pour 1000 habitants et un faible taux d équipements 7
8 d Aide aux Personnes Agées. La Guyane elle se démarque positivement sur l axe 1 et 3, et négativement sur l axe 2. Ceci traduit bien le fort taux de natalité, le fort taux de jeunes, mais aussi le taux de mortalité infantile fort de la Guyane. On peut ajouter que l Ile-de-France et les DOM sont représentés du coté positif de l axe 1, le Midi (Sud-Ouest) et le Centre du côté negatif ACP sans Paris ni la Guyane Nous avons voulu réaliser une ACP sans Paris ni la Guyane, car ils influaient beaucoup sur les axes, et pour voir s il se dégagerait d autres informations. Nous avons gardé 2 axes car le graphe des éboulis nous l indiquait, même si ces axes n expliquaient que 63% d inertie. Nous avons vu également que les contributions des variables aux axes 1 et 2 suffisaient pour expliquer presque toutes les variables (sauf le taux d équipements infantile) Le premier axe oppose le taux de natalité, le taux premier âge et deuxième âge (coté négatif de l axe), au taux de mortalité, indice de vieillissement, et troisième âge. Le deuxième axe oppose l APA et le taux premier âge (coté positif) au nombre de médecin et au CSH. On voit que ce sont les départements d Ile-de-France, d Outre-mer, et la Creuse, qui contribuent le plus généralement sur les axes. Pour le premier axe, la Réunion, la Creuse et la Seine-Saint-Denis contribuent le plus. Pour le deuxième, L Ain, l Eure, et les Hauts-de-Seine contribuent le plus. Commentaire du graphe : (voir figure 11 page 17 à figure 12 page 18) Le nuage des départements est assez diffus, mais quelques régions se démarquent : Les départements d Outre-mer et d Ile-de-France se situent du coté négatif de l axe 1. On peut également voir que les départements du Centre sont assez regroupés, de même que ceux du Midi, du coté positif de l axe 1. Ainsi, on peut dire que les départements d outre-mer sont jeunes, avec un faible taux de mortalité. Ceux d Ile-de-France traduisent bien le fait que c est une région active. En revanche, les départements du Midi, et surtout ceux du Centre, ont plutôt tendance au vieillissement, avec un taux de mortalité élevé. 3.2 Régressions linéaires multiples Dans le but d expliquer certaines variables qui nous ont parues plus importantes que d autres, nous avons effectué plusieurs régressions linéaires multiples. 8
9 3.2.1 RLM expliquant le nombre de médecins On peut voir que le taux médecins est expliqué négativement par les équipements pour les personnes âgées (valeur estimée avec une p-value égale à ), et positivement par les cours séjours hospitaliers (+1.44 avec une p-value inferieure à ). Ce modèle est satisfaisant car nous disposons d un R 2 de RLM expliquant le taux d officines pharmaceutiques Les variables sélectionnées par la méthode stepwise de SAS sont la densité, le taux de mortalité, de natalité, de troisième âge, le nombre de médecins, et l indice de vieillesse. Parmi celles-ci, il n y a que le taux de Troisième âge qui influe fortement sur le nombre de pharmacies pour 1000 habitants. Le paramètre associé à ce taux est de , ce qui signifie que plus il y a de troisième âge, moins il y a d officines pharmaceutiques RLM expliquant le taux de mortalité Les variables sélectionnées par la méthode stepwise de SAS sont le nombre de médecins, l indice de vieillissement, le CSH, le taux de natalité, et le nombre de d officines pharmaceutiques. Le taux de mortalité est expliqué négativement par le nombre de médecin (-0.71 avec une p-value inférieure à ), positivement par le CSH ( avec une p-value de 0.002) et de même par le nombre d officines pharmaceutiques avec un paramètre estimé de , malgré une p-value de 5%. Pour ce modèle, on dispose d un R 2 de , ce qui veut dire que les variables explicatives expliquent près de 93% du taux de mortalité, et un C(p) de Mallows de 5.8 pour 5 variables explicatives, ce qui est très correct. On a séparé la variable CSH en 2 parties : médecine-chirurgie et gynécologie. On observe ainsi que les nouvelles variables explicatives sont le CSH-1 (médecine-chirurgie), le nombre de médecins, la densité et l indice de vieillissement RLM expliquant les taux d équipements 1. CSH (voir Annexe 5.4.3) Les variables sélectionnées par la méthode stepwise de SAS sont le nombre de médecins, le taux de Troisième âge, et le taux de mortalité. Le CSH est expliqué positivement par le taux de mortalité et le nombre de médecin, avec des paramètres estimés faibles, mais des p-value très significatives. En revanche, le CSH est expliqué très négativement par taux de Troisième âge avec un paramètre estimé de , et qui 9
10 est très significatif (p-value de l ordre de ). Nous disposons d un R 2 de 55% ce qui est moyennement correct, et un C(p) de 1.6 pour 3 variables explicatives. Le CSH-1, quant à lui, est expliqué positivement par le taux de mortalité et le nombre de médecin et négativement par le nombre de Troisième âge. Nous disposons d un R 2 de 58% ce qui est correct, et un C(p) de 2.2 pour 3 variables explicatives. 2. Aide aux Personnes Agées La régression linéaire multiple expliquant cette variable n a pas donné de résultats satisfaisants, avec un R 2 très faibles, de l ordre de 24%. 3. Le taux d équipements dans les établissements d aide sociale à l enfance Tout comme l APA, on a un R 2 très faible (de l ordre de 7%). Et de plus lorsque l on regarde le graphe des résidus studentisés sur les valeurs prédites (voir figure 15 page 22), on voit qu il y a beaucoup de résidus qui ne sont pas entre -2 et 2 i.e. qui ne suivent pas une loi Normale. Mais même après avoir modifier le modèle (en remplaçant le taux d équipement par sa racine carrée conformément à la méthode de Box-Cox), on trouve un R 2 très faible (21%). Pour conclure, on voit que la variable Troisième âge influe sur beaucoup d autres variables. En effet, plus il y a de personnes âgées dans un département, moins il y a d équipements en cours séjours hospitaliers, mais aussi il y a moins d officines pharmaceutiques. On peut également dire que plus il y a de médecins dans un département, plus faible est le taux de mortalité, mais si le nombre de pharmacies est grand, alors le taux de mortalité est fort. 10
11 4 Conclusion Dans les départements actifs, on est mieux soigné pour les personnes actives, c est à dire qu on dispose de bons taux d équipements en Courts Séjours Hospitaliers. En particulier Paris est très bien équipé en général. Dans les départements ruraux, où la présence de personnes âgées est plus forte que la moyenne nationale, il y a moins d équipements en Courts Séjours Hospitaliers et d officines pharmaceutiques. Il y a donc moins de moyens (CSH (taux d équipements en Courts Séjours Hospitaliers) et d officines pharmaceutiques) dans les departements ruraux (Centre et Sud-Ouest), où il y a beaucoup de personnes âgées, mais ce n est pas pour autant que l on meurre plus car dans certains départements où il y a beaucoup de pharmacie, le taux de mortalité est fort. Il y a une forte disparité des taux d équipements dans les départements : pour le taux d équipements en Courts Séjours Hospitaliers, plus il y a de personnes âgées, moins il y en a. 11
12 5 Annexes 5.1 Distribution Figure 1 Distribution de la densité Figure 2 Distribution du taux de natalité Figure 3 Distribution du 2 eme age 12
13 5.2 Eboulis des valeurs propres Figure 4 Eboulis des valeurs propres des données initiales Figure 5 Eboulis des valeurs propres des données sans les départements Paris et Guyane 13
14 5.3 ACP Table Complète Figure 6 Axes 1 et 2 par départements Figure 7 Axes 2 et 3 par départements 14
15 Figure 8 Axes 1 et 2 par régions Figure 9 Axes 2 et 3 par régions 15
16 Figure 10 Axes 1 et 3 par régions 16
17 5.3.2 Table Sans Paris et Guyane Figure 11 Axes 1 et 2 par départements 17
18 Figure 12 Axes 1 et 2 par régions 18
19 5.4 Sorties SAS Corrélations Figure 13 Scatter Plot 19
20 Figure 14 P-values des corrélations ACP A.c.p. des donnees de tableprojet Valeurs propres, variances expliquees k lambda pctvar cumpct ident poids Prin1 Prin2 Prin3 Paris Guyane Correlations variables x facteurs _NAME_ v1 v2 v3 densite taux_nat taux_mort taux_mort_inf ind_vieil taux_equip_enf nb_med nb_pharma Premier_age Deuxieme_age Troisieme_age CSH_ CSH_ APA
21 5.4.3 Regressions linéaires Multiples The REG Procedure Model: MODEL1 Dependent Variable: taux_mort Analyse de variance Somme des Carré Valeur Source DF carrés moyen F Pr > F Model <.0001 Error Corrected Total Root MSE R-Square Dependent Mean Adj R-Sq Coeff Var Résultats estimés des paramètres Résultat estimé Erreur Variable DF des paramètres std Valeur du test t Pr > t Intercept <.0001 taux_nat nb_med <.0001 CSH ind_vieil <.0001 The REG Procedure Model: MODEL1 Dependent Variable: CSH_1 Analyse de variance Somme des Carré Valeur Source DF carrés moyen F Pr > F Model <.0001 Error Corrected Total
22 Root MSE R-Square Dependent Mean Adj R-Sq Coeff Var Résultats estimés des paramètres Résultat estimé Erreur Variable DF des paramètres std Valeur du test t Pr > t Intercept taux_mort <.0001 nb_med <.0001 Troisieme_age Figure 15 Résidus studentisés apres transformation indiqué par Box Cox : Sqrt 5.5 Code SAS libname malib C:/docsas ; 22
23 data malib.tableprojet; set malib.statiss08; densite = V1_3; taux_nat = V2_1; taux_mort = V2_2; taux_mort_inf = V2_4; ind_vieil = V2_5/100; taux_equip_enf = V10; /* Indice de Vieillesse */ if ind_vieil<0.6 then ind_v="1"; else if ind_vieil<1 then ind_v="2"; else ind_v="3"; /* Variable Age */ Page = V5_1+V5_2+V5_3+V5_4; Dage = V5_5+V5_6+V5_7; Tage = V5_8+V5_9+V5_10+V5_11; Premier_age=round(Page/(Page+Dage+Tage),0.001); Deuxieme_age=round(Dage/(Page+Dage+Tage),0.001); Troisieme_age=round(Tage/(Page+Dage+Tage),0.001); /* Medecins pour 1000 habitants */ nb_med = round(v13_3*1000/(page+dage+tage),0.001); nb_pharma = round(v13_5*1000/(page+dage+tage),0.001); /* Taux d équipements d un court sejour hospitalier */ CSH = round((v6_1+v6_2+v6_3)/3,0.001); CSH_1 = round((v6_1+v6_2)/2,0.001); CSH_2 = round((v6_3),0.001); /* Taux d équipements d accueil des personnes agees */ APA = round((v8_1+v8_2+v8_3)/(3*1000),0.001); keep dept densite taux_nat taux_mort taux_mort_inf ind_vieil taux_equip_enf nb_med nb_pharma Premier_age Deuxieme_age Troisieme_age CSH CSH_1 CSH_2 APA ind_v; data sasuser.tableprojet; set malib.tableprojet; 23
24 %acp(tableprojet,dept,densite taux_nat taux_mort taux_mort_inf ind_vieil taux_equip_enf nb_med nb_pharma Premier_age Deuxieme_age Troisieme_age CSH_1 CSH_2 APA,q=3); %gacpix; %gacpix(x=2,y=3); %gacpvx; %gacpvx(x=2,y=3); %gacpsx; %gacpbx; data sasuser.tableprojet2; set malib.tableprojet2; %acp(tableprojet2,dept,densite taux_nat taux_mort taux_mort_inf ind_vieil taux_equip_enf nb_med nb_pharma Premier_age Deuxieme_age Troisieme_age CSH_1 CSH_2 APA,q=2); %gacpix; %gacpvx; %gacpsx; %gacpbx; data sasuser.tableprojet; set malib.tableprojet; %acp(tableprojet,region,densite taux_nat taux_mort taux_mort_inf ind_vieil taux_equip_enf nb_med nb_pharma Premier_age Deuxieme_age Troisieme_age CSH_1 CSH_2 APA,q=3); %gacpicx; %gacpicx(x=2,y=3); %gacpicx(x=1,y=3); %gacpvx; %gacpvx(x=2,y=3); %gacpsx; %gacpbx; data sasuser.tableprojet2; set malib.tableprojet2; %acp(tableprojet2,region,densite taux_nat taux_mort taux_mort_inf ind_vieil taux_equip_enf nb_med nb_pharma Premier_age Deuxieme_age Troisieme_age CSH_1 CSH_2 APA,q=2); %gacpicx; %gacpvx; 24
25 %gacpsx; %gacpbx; * Reg de taux_mort ; proc reg data=malib.tableprojet ; model taux_mort = densite taux_nat taux_mort_inf ind_vieil taux_equip_enf nb_med nb_pharma Premier_age Deuxieme_age Troisieme_age CSH_1 CSH_2 APA / selection=stepwise slstay=0.05 slentry=0.05 ; proc reg data=malib.tableprojet ; model taux_mort = taux_nat nb_med CSH ind_vieil / vif tol; * Reg de taux_equip_enf ; proc reg data=malib.tableprojet ; model taux_equip_enf = densite taux_nat taux_mort_inf ind_vieil taux_mort nb_med nb_pharma Premier_age Deuxieme_age Troisieme_age CSH_1 CSH_2 APA / selection=stepwise slstay=0.05 slentry=0.05 ; * Reg de CSH_1 ; proc reg data=malib.tableprojet ; model CSH_1 = densite taux_nat taux_mort_inf taux_equip_enf ind_vieil taux_mort nb_med nb_pharma Premier_age Deuxieme_age Troisieme_age APA / selection=stepwise slstay=0.05 slentry=0.05 ; * Reg de APA ; proc reg data=malib.tableprojet ; model APA = densite taux_nat taux_mort_inf taux_equip_enf ind_vieil taux_mort nb_med nb_pharma Premier_age Deuxieme_age Troisieme_age CSH / selection=stepwise slstay=0.05 slentry=0.05 ; * Reg de taux_nat ; proc reg data=malib.tableprojet ; model taux_nat = densite taux_mort_inf taux_equip_enf ind_vieil taux_mort nb_med nb_pharma Premier_age Deuxieme_age Troisieme_age APA CSH_2 25
26 / selection=stepwise slstay=0.05 slentry=0.05 ; * Reg de nb_med ; proc reg data=malib.tableprojet ; model nb_med = densite taux_mort_inf taux_equip_enf ind_vieil taux_mort taux_nat nb_pharma Premier_age Deuxieme_age Troisieme_age APA CSH / selection=stepwise slstay=0.05 slentry=0.05 ; * Reg de nb_pharma ; proc reg data=malib.tableprojet ; model nb_pharma = densite taux_mort_inf taux_equip_enf ind_vieil taux_mort taux_nat nb_med Premier_age Deuxieme_age Troisieme_age APA CSH / selection=stepwise slstay=0.05 slentry=0.05 ; * Transformation BOX COX; proc transreg data=sasuser.tableprojet ss2 details; title2 Defaults ; model boxcox(taux_equip_enf) = identity(taux_mort_inf CSH_1 CSH_2); data sasuser.tableprojet3; set sasuser.tableprojet; sqrt_tee=sqrt(taux_equip_enf); run: proc transreg data=sasuser.tableprojet3 details; title2 Defaults ; model boxcox(sqrt_tee) = identity(taux_mort_inf CSH_1 CSH_2); proc reg data=sasuser.tableprojet3 ; model sqrt_tee = densite taux_nat taux_mort_inf ind_vieil taux_mort nb_med nb_pharma Premier_age Deuxieme_age Troisieme_age CSH_1 CSH_2 APA / selection=stepwise slstay=0.05 slentry=0.05 ; proc reg data=sasuser.tableprojet ; model taux_equip_enf = densite taux_nat taux_mort_inf ind_vieil taux_mort nb_med nb_pharma Premier_age Deuxieme_age Troisieme_age CSH_1 CSH_2 APA / selection=stepwise slstay=0.05 slentry=0.05 ; 26
Exemples d application
AgroParisTech Exemples d application du modèle linéaire E Lebarbier, S Robin Table des matières 1 Introduction 4 11 Avertissement 4 12 Notations 4 2 Régression linéaire simple 7 21 Présentation 7 211 Objectif
Plus en détailModèles pour données répétées
Résumé Les données répétées, ou données longitudinales, constituent un domaine à la fois important et assez particulier de la statistique. On entend par données répétées des données telles que, pour chaque
Plus en détailRégression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr
Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R
Plus en détailExercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015
Exercices M1 SES 214-215 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 215 Les exemples numériques présentés dans ce document d exercices ont été traités sur le logiciel R, téléchargeable par
Plus en détailOffre et recours aux soins de premiers recours sur le Pays Sud Charente
Offre et recours aux soins de premiers recours sur le Pays Sud Charente Cette étude a été réalisée en collaboration entre les services de l Agence Régionale de Santé (ARS), Mme Anne ROUSSEL, statisticienne
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détail«Politique des ARS pour les seniors»
«Politique des ARS pour les seniors» Claude EVIN, Directeur Général de l Agence Régionale de Santé d Ile-de-France XX/XX/XX L ARS, acteur majeur de la politique de santé et d accompagnement au service
Plus en détailSAS de base : gestion des données et procédures élémentaires
1 SAS de base : gestion des données et procédures élémentaires SAS de base : gestion des données et procédures élémentaires Résumé Description des commandes (module SAS de base) les plus utiles de l étape
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailPARTIE I - Données de cadrage. Sous-indicateur n 9-1 : Nombre de consultations de médecins par habitant, perspective internationale
Indicateur n 9 : Consommation de soins par habitant Sous-indicateur n 9-1 : Nombre de consultations de médecins par habitant, perspective internationale Le nombre moyen de consultations médicales par habitant
Plus en détail1 Imputation par la moyenne
Introduction au data mining L3 MIS - STA 1616-2010 V. Monbet Données manquantes L'objectif de ce TD est de manipuler et de comparer plusieurs méthodes d'imputation de données manquantes. La première partie
Plus en détailLE ROLE DES INCITATIONS MONETAIRES DANS LA DEMANDE DE SOINS : UNE EVALUATION EMPIRIQUE.
LE ROLE DES INCITATIONS MONETAIRES DANS LA DEMANDE DE SOINS : UNE EVALUATION EMPIRIQUE. Synthèse des travaux réalisés 1. Problématique La question D7 du plan d exécution du Programme National de Recherches
Plus en détailAide-mémoire de statistique appliquée à la biologie
Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailOù sont les Hommes sur la Terre
Où sont les Hommes sur la Terre Introduction : Notre planète est constituée de régions peuplées et d autres qui sont presque vides, ainsi 90% de la population vit dans l hémisphère nord. Dans certains
Plus en détailACCUEIL DE JOUR ET HEBERGEMENT TEMPORAIRE POUR PERSONNES AGEES EN POITOU-CHARENTES
OBSERVATOIRE REGIONAL DE LA SANTE Poitou-Charentes ACCUEIL DE JOUR ET HEBERGEMENT TEMPORAIRE POUR PERSONNES AGEES EN POITOU-CHARENTES Enquête auprès des établissements de Poitou-Charentes Etude commanditée
Plus en détailFormations EViews FORMATIONS GENERALES INTRODUCTIVES INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS
Formations EViews FORMATIONS GENERALES INTRODUCTIVES DEB : DECOUVERTE DU LOGICIEL EVIEWS INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS FORMATIONS METHODES ECONOMETRIQUES VAR : MODELES
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailSECTEUR SANITAIRE ET SOCIAL
SECTEUR SANITAIRE ET SOCIAL Etat du tissu associatif et bilan de l emploi du secteur non lucratif en 2013 En bref Le Centre de ressources DLA (CRDLA) du champ social, médico-social et santé poursuit son
Plus en détailSTATISTIQUES. UE Modélisation pour la biologie
STATISTIQUES UE Modélisation pour la biologie 2011 Cadre Général n individus: 1, 2,..., n Y variable à expliquer : Y = (y 1, y 2,..., y n ), y i R Modèle: Y = Xθ + ε X matrice du plan d expériences θ paramètres
Plus en détailExemple PLS avec SAS
Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that
Plus en détailCrédit Scoring. Master 2 SRO. Année scolaire 2009/2010. Professeur : RICHARD EMILION. Réalisé par : MAHAMAT OUMAR ALHABO et OULD EL HADDAD CHEIKH
Master 2 SRO Année scolaire 2009/2010 Crédit Scoring Professeur : RICHARD EMILION Réalisé par : MAHAMAT OUMAR ALHABO et OULD EL HADDAD CHEIKH Master_2_SRO_Data-Mining 1 Table des matières PARTIE 1 1. Résumé
Plus en détailINITIATION AU LOGICIEL SAS
INITIATION AU LOGICIEL SAS (version 9.1.3 sous Windows) Hélène HAMISULTANE Bibliographie : Initiation au logiciel SAS(9) pour Windows, Coqué N. (juin 2006). www.agroparistech.fr/img/pdf/polysas.pdf SAS
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailChapitre 4 : Régression linéaire
Exercice 1 Méthodes statistiques appliquées aux sciences sociales (STAT-D-203) Titulaire : Catherine Vermandele Chapitre 4 : Régression linéaire Le diplôme de Master of Business Administration ou MBA est
Plus en détailSommaire... 2. Introduction... 4. Présentation de Sousse... 5. Analyse descriptive... 6. 1. Infrastructure... 6. 1.1. Part des routes classées...
Sommaire Sommaire... 2 Introduction... 4 Présentation de Sousse... 5 Analyse descriptive... 6 1. Infrastructure... 6 1.1. Part des routes classées... 6 1.2. Taux de raccordement au réseau d assainissement...
Plus en détailUne introduction. Lionel RIOU FRANÇA. Septembre 2008
Une introduction INSERM U669 Septembre 2008 Sommaire 1 Effets Fixes Effets Aléatoires 2 Analyse Classique Effets aléatoires Efficacité homogène Efficacité hétérogène 3 Estimation du modèle Inférence 4
Plus en détailDonnées longitudinales et modèles de survie
ANALYSE DU Données longitudinales et modèles de survie 5. Modèles de régression en temps discret André Berchtold Département des sciences économiques, Université de Genève Cours de Master ANALYSE DU Plan
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailInégalités sociales de santé et accès aux soins. Inégalités sociales de santé et protection sociale 2006-07 Psychomot 1 UPMC/VHF
Inégalités sociales de santé et accès aux soins INEGALITES SOCIALES DE SANTE Définition : Inégalités/ sociales /de santé Inégalités face à la mort Comparaisons européennes Les maladies inégalitaires Inégalités
Plus en détailExamen de Logiciels Statistiques
G. Hunault Angers, mai 2011 Licence MEF Examen de Logiciels Statistiques On s intéresse ici au dossier EAEF01 qui contient un extrait des données du recensement américain. On trouvera ces données et leur
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailScénario: Données bancaires et segmentation de clientèle
Résumé Scénario: Données bancaires et segmentation de clientèle Exploration de données bancaires par des méthodes uni, bi et multidimensionnelles : ACP, AFCM k-means, CAH. 1 Présentation Le travail proposé
Plus en détailEVOLUTION DE L'ÂGE DE LA RETRAITE : IMPACT SUR LES RÉGIMES PRÉVOYANCE (Régimes collectifs de salariés)
EVOLUTION DE L'ÂGE DE LA RETRAITE : IMPACT SUR LES RÉGIMES PRÉVOYANCE (Régimes collectifs de salariés) Journées d études de l Institut des Actuaires et du SACEI Deauville 20 septembre 2012 par Anne DECREUSEFOND
Plus en détail1 Définition de la non stationnarité
Chapitre 2: La non stationnarité -Testsdedétection Quelques notes de cours (non exhaustives) 1 Définition de la non stationnarité La plupart des séries économiques sont non stationnaires, c est-à-direqueleprocessusquiles
Plus en détailACP Voitures 1- Méthode
acp=princomp(voit,cor=t) ACP Voitures 1- Méthode Call: princomp(x = voit, cor = T) Standard deviations: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 2.1577815 0.9566721 0.4903373 0.3204833 0.2542759 0.1447788
Plus en détailLes exercices cliniques en ville
SOIREE INSTALLATION Les exercices cliniques en ville Dr Philippe Renard URPS médecins 27 juin 2012 Hôtel Scipion Les exercices cliniques en ville 1. OU? 2. QUAND? 3. COMMENT? 4. COMBIEN? www.soignereniledefrance.org
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailREGLE^^ENT INTERIEUR
REPUBLIQUE DU BENIN n MINISTERE DU TRAVAIL ET DE LA FONCTION PUBLIQUE Q DIRECTION GENERALE DU TRAVAIL n MUTUELLE DE SECURITE SOCIALE DU BENIN REGLE^^ENT INTERIEUR ^-^ ^ - T ^ r^rr^^^^^^r^^^^^r^ ^ -idresm':
Plus en détailS engager pour la survie de l enfant: Une promesse renouvelée
S engager pour la survie de l enfant: Une promesse renouvelée Rapport de situation 2013 RÉSUMÉ L UNICEF s est engagé à publier des rapports annuels de situation relatifs à la survie de l enfant en soutien
Plus en détailModèle GARCH Application à la prévision de la volatilité
Modèle GARCH Application à la prévision de la volatilité Olivier Roustant Ecole des Mines de St-Etienne 3A - Finance Quantitative Décembre 2007 1 Objectifs Améliorer la modélisation de Black et Scholes
Plus en détaildémographie des masseurs-kinésithérapeutes
démographie des masseurs-kinésithérapeutes Île de France - Réunion 95 78 974 93 92 75 94 91 77 75 77 78 91 92 - Paris Seine-et-Marne Yvelines Essonne Hauts-de-Seine conseil national de l ordre des masseurs-kinésithérapeutes
Plus en détailUne étude de différentes analyses réalisées par le BIT
Association internationale de la sécurité sociale Quinzième Conférence internationale des actuaires et statisticiens de la sécurité sociale Helsinki, Finlande, 23-25 mai 2007 Comparaison des hypothèses
Plus en détailCet article s attache tout d abord
Méthodes internationales pour comparer l éducation et l équité Comparaison entre pays des coûts de l éducation : des sources de financement aux dépenses Luc Brière Marguerite Rudolf Bureau du compte de
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailStatistique Descriptive Multidimensionnelle. (pour les nuls)
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Multidimensionnelle (pour les nuls) (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219
Plus en détail+ 34,7 % 1. Le budget. L Budget exécuté 2006 à 2009 de la CNSA et budget prévisionnel 2010. entre 2006 et 2009.
Chiffres clés 21 Créée en 24, la CNSA contribue au financement des politiques d aide à l autonomie des personnes âgées et des personnes handicapées. Elle consacre en particulier une grande part de son
Plus en détailESIEA PARIS 2011-2012
ESIEA PARIS 2011-2012 Examen MAT 5201 DATA MINING Mardi 08 Novembre 2011 Première Partie : 15 minutes (7 points) Enseignant responsable : Frédéric Bertrand Remarque importante : les questions de ce questionnaire
Plus en détailCAC, DAX ou DJ : lequel choisir?
CAC, DAX ou DJ : lequel choisir? 1. Pourquoi cette question Tout trader «travaillant 1» sur les indices s est, à un moment ou un autre, posé cette question : «je sais que la tendance est bien haussière
Plus en détailAVANTAGES EN NATURE 4 AVANTAGE EN NATURE REPAS 4 TITRES - RESTAURANT 4 AVANTAGE EN NATURE LOGEMENT (EVALUE FORFAITAIREMENT) 4
LETTRE D ACTUALITE SOCIALE GROUP S MANAGEMENT SERVICES DONNEES ET CHIFFRES CLES POUR 2015 SOCIAL : GENERALITES ET ELEMENTS DE COTISATIONS 2 SMIC ET MINIMUM GARANTI 2 PLAFOND DE LA SECURITE SOCIALE 2 FORFAIT
Plus en détailLa segmentation à l aide de EG-SAS. A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM
La segmentation à l aide de EG-SAS A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM Définition de la segmentation - Au lieu de considérer une population dans son ensemble,
Plus en détailAnalyse discriminante et régression logistique: application au cas de l innovation pour les entreprises du Canton du Tessin
Analyse discriminante et régression logistique: application au cas de l innovation pour les entreprises du Canton du Tessin Sandro Petrillo Université de Neuchâtel - Diplôme Postgrade en Statistique Projet
Plus en détailCycle de formation certifiante Sphinx
Cycle de formation certifiante Sphinx 28, 29, 30 Mai 2015 Initiation, Approfondissement et Maîtrise Etudes qualitatives / quantitatives Initiation, approfondissement et maîtrise des études qualitatives
Plus en détailINTRODUCTION AU DATA MINING
INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailLes exploitations de grandes cultures face à la variabilité de leurs revenus : quels outils de gestion des risques pour pérenniser les structures?
Les exploitations de grandes cultures face à la variabilité de leurs revenus : quels outils de gestion des risques pour pérenniser les structures? Benoît Pagès 1, Valérie Leveau 1 1 ARVALIS Institut du
Plus en détailANALYSE FINANCIERE DE LA COMMUNE D ITANCOURT.
ANALYSE FINANCIERE DE LA COMMUNE D ITANCOURT. -=-=-=- L étude porte sur la situation à la clôture de l exercice 2 (se reporter au compte administratif de 2). Il n est pas tenu compte du budget annexe du
Plus en détailPharmaciens de l industrie. Art. L. 4221-1 et suivants du code de la santé publique. Votre état civil. Remplir en majuscules accentuées
Demande d inscription ou de modification d inscription au tableau de la Section B de l Ordre des pharmaciens Pharmaciens de l industrie Art. L. 4221-1 et suivants du code de la santé publique Votre état
Plus en détailPROJET DE GESTION PORTEFEUILLE. Evaluation d une Stratégie de Trading
PROJET DE GESTION PORTEFEUILLE Evaluation d une Stratégie de Trading Encadré par M. Philippe Bernard Master 1 Economie Appliquée-Ingénierie Economique et Financière Taylan Kunal 2011-2012 Sommaire 1) Introduction
Plus en détailMODELE A CORRECTION D ERREUR ET APPLICATIONS
MODELE A CORRECTION D ERREUR ET APPLICATIONS Hélène HAMISULTANE Bibliographie : Bourbonnais R. (2000), Econométrie, DUNOD. Lardic S. et Mignon V. (2002), Econométrie des Séries Temporelles Macroéconomiques
Plus en détailOBSERVATOIRE DES TARIFS BANCAIRES IEDOM
OBSERVATOIRE DES TARIFS BANCAIRES IEDOM RAPPORT D ACTIVITÉ 2011 INSTITUT D ÉMISSION DES DÉPARTEMENTS D OUTRE-MER Établissement public national 164, rue de Rivoli - 75001 PARIS Tél. 01 53 44 41 41 Rapport
Plus en détailProjet SINF2275 «Data mining and decision making» Projet classification et credit scoring
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailTableau de bord des communautés de l Estrie DEUXIÈME ÉDITION INDICATEURS DÉMOGRAPHIQUES ET SOCIOÉCONOMIQUES
Tableau de bord des communautés de l Estrie DEUXIÈME ÉDITION INDICATEURS DÉMOGRAPHIQUES ET SOCIOÉCONOMIQUES Communauté locale de la Vallée de la Missisquoi Nord MRC de Memphrémagog Ce que les chiffres
Plus en détailLes seniors dans l agglomération nantaise et leurs modes d hébergement
Les seniors dans l agglomération nantaise et leurs modes d hébergement Agence d urbanisme de la région nantaise AURAN - 88.07 n Le nombre de seniors dans l Agglomération nantaise progresse et plus particulièrement
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailSéance 11 : Typologies
Séance 11 : Typologies Sommaire Proc CLUSTER : Typologie hiérarchique... 3 Proc FASTCLUS : Typologie nodale... 8 Proc MODECLUS : Typologie non paramétrique... 11 - Les phénomènes observés (attitudes, comportements,
Plus en détail«PROJET PRIORITAIRE DE L OUEST GUYANAIS : LA CONSTRUCTION D UN D HÔPITAL A SAINT LAURENT DU MARONI»
Présentation : Réunion de présentation aux élus de Guyane - 11 juin 2011 «PROJET PRIORITAIRE DE L OUEST GUYANAIS : LA CONSTRUCTION D UN D NOUVEL HÔPITAL A SAINT LAURENT DU M. F-L BERTHOU, Directeur MARONI»
Plus en détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détailTests de sensibilité des projections aux hypothèses démographiques et économiques : variantes de chômage et de solde migratoire
CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 16 décembre 2014 à 14 h 30 «Actualisation des projections» Document N 5 Document de travail, n engage pas le Conseil Tests de sensibilité des projections
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailThéorie des sondages : cours 5
Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur
Plus en détailExploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.
Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Etudes et traitements statistiques des données : le cas illustratif de la démarche par sondage INTRODUCTION
Plus en détailImputation du salaire d ego dans TeO
Imputation du salaire d ego dans TeO Objet de la note : linéariser la réponse en tranche du salaire, et imputer le salaire en cas de non réponse Champ et principe de la méthode Les individus qui se sont
Plus en détailPeut-on imiter le hasard?
168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard
Plus en détailDiagnostic local de santé sur le territoire du Pays de Gex (Ain)
Diagnostic local de santé sur le territoire du Pays de Gex (Ain) Une étude de l Observatoire régional de la santé Rhône-Alpes réalisée à la demande de la DDASS de l Ain et de la communauté de communes
Plus en détailOptimisation des ressources des produits automobile première
EURIA EURo Optimisation produits automobile première Pauline PERROT promotion 2011 EURIA EURo 1 ère partie : contexte MMA (FFSA) MAAF (GEMA) SGAM : COVEA (AFA) GMF (GEMA) MMA : Plus 3 millions clients
Plus en détailBELGIQUE. 1. Principes généraux.
BELGIQUE Les dépenses de protection sociale en Belgique représentent 27,5%PIB. Le système belge est de logique bismarckienne. La principale réforme récente concerne le risque maladie. 1. Principes généraux.
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailL informatique en BCPST
L informatique en BCPST Présentation générale Sylvain Pelletier Septembre 2014 Sylvain Pelletier L informatique en BCPST Septembre 2014 1 / 20 Informatique, algorithmique, programmation Utiliser la rapidité
Plus en détailValeurs de référence de l indice linéaire de pertes des réseaux d alimentation en eau potable
Valeurs de référence de l indice linéaire de pertes des réseaux d alimentation en eau potable Application dans le contexte du SAGE Nappes Profondes de Gironde Septembre 2009 Eddy Renaud Groupement de Bordeaux
Plus en détailLa qualité de l insertion professionnelle selon la continuité ou la rupture de filière entre le 2 ème et le 3 ème cycle universitaire
La qualité de l insertion professionnelle selon la continuité ou la rupture de filière entre le 2 ème et le 3 ème cycle universitaire Nathalie Jacob * 1. Présentation de l enquête et de la population Chaque
Plus en détailLes infirmiers anesthésistes ont les plus hauts salaires, les préparateurs en pharmacie, ceux qui progressent le plus
Communiqué de presse 2 ème édition du Baromètre Appel Médical des salaires de la santé Les infirmiers anesthésistes ont les plus hauts salaires, les préparateurs en pharmacie, ceux qui progressent le plus
Plus en détailRISK MANAGEMENT : L OFFRE DE SERVICE
RISK MANAGEMENT : L OFFRE DE SERVICE SOLVISION : la 1 ère plateforme de collecte et de gestion des risques assurances conforme aux normes Solvabilité II PRESENTATION DE LA PLATEFORME SOLVISION La plateforme
Plus en détailFocus. Lien entre rémunération du travail et allocation de chômage
Focus Lien entre rémunération du travail et allocation de chômage Introduction Le travailleur qui devient chômeur et qui est admissible sur base de prestations de travail se voit, en application du principe
Plus en détail5 e Baromètre ALMA CG sur l Absentéisme*
Communiqué de presse Gennevilliers, le 05 Septembre 2013 5 e Baromètre ALMA CG sur l Absentéisme* L Absentéisme en France augmente de 18% en 2012, ce qui représente une moyenne de 16,6 jours d absence
Plus en détailGestion obligataire passive
Finance 1 Université d Evry Séance 7 Gestion obligataire passive Philippe Priaulet L efficience des marchés Stratégies passives Qu est-ce qu un bon benchmark? Réplication simple Réplication par échantillonnage
Plus en détailGarder et faire garder son enfant
Garder et faire garder son enfant Nathalie Blanpain* L arrivée d un enfant au sein d un foyer est pour ses parents un événement majeur générateur de changements en termes de rythme de vie et d organisation,
Plus en détailUne application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies
Une application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies Ariane Lançon (Observatoire de Strasbourg) en collaboration avec: Jean-Luc Vergely,
Plus en détailSAS ENTERPRISE MINER POUR L'ACTUAIRE
SAS ENTERPRISE MINER POUR L'ACTUAIRE Conférence de l Association des Actuaires I.A.R.D. 07 JUIN 2013 Sylvain Tremblay Spécialiste en formation statistique SAS Canada AGENDA Survol d Enterprise Miner de
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailP opulation. ATLAS DES POPULATIONS IMMIGRÉES en Ile-de-France / Regards sur l immigration / Population 2. Photo : Philippe Desmazes/AFP
P opulation Photo : Philippe Desmazes/AFP Près de 40 % des immigrés résidant en métropole vivent en Ile-de-France en 1999. Environ 15 % de la population francilienne est immigrée, c est une proportion
Plus en détailDépendance et rayonnement. des établissements franciliens
ILE -DE- FRANCE études études Mai 2006 Dépendance et rayonnement des établissements franciliens Document réalisé dans le cadre du Schéma Directeur Régional de l'ile-de-france Julie Roy Insee Ile-de-France
Plus en détailBaromètre Ventes et cessions de commerces et d industries en France du 1er janvier 2008 au 31 décembre 2010
Baromètre Ventes et cessions de commerces et d industries en France du 1er janvier 2008 au 31 décembre 2010 Opportunités de croissance ou créations d entreprise, plus de 44 000 commerces ou industries
Plus en détailMortalité observée et mortalité attendue au cours de la vague de chaleur de juillet 2006 en France métropolitaine
Mortalité observée et mortalité attendue au cours de la vague de chaleur de uillet en France métropolitaine FOUILLET A 1, REY G 1, JOUGLA E, HÉMON D 1 1 Inserm, U75, Villeuif, France. Inserm CépiDc, IFR9,
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailData mining II. Modélisation Statistique & Apprentissage
Publications du Laboratoire de Statistique et Probabilités Data mining II. Modélisation Statistique & Apprentissage Philippe BESSE Version janvier 2003 mises à jour : www.lsp.ups-tlse.fr/besse Laboratoire
Plus en détail