Package facts. Franck Arnaud 27 novembre 2007
|
|
- Michele Roussel
- il y a 8 ans
- Total affichages :
Transcription
1 Package facts Franck Arnaud 27 novembre 2007 Le pakage facts a été développé dans deux directions : factoriser les fonctions d usage récurrent, favoriser la mise à disposition de fonctions utiles : c est principalement le chaînage des comptes trimestriels qui a initié cette approche Précisons bien entendu que le package facts n engage en rien ni son auteur, ni une quelconque puissance publique. Ce document s appuie sur la version du package. Si vous avez des commentaires/questions/remarques/demandes d informations/contributions/signalements de bugs/whatever, n hésitez pas à m écrire à franck.arnaud@ensae.org. À l heure actuelle, je ne fournis pas d information du type : depuis la version précédente, telle fonction a été modifiée, tel bug a été corrigé. C est mal, je devrais. Après une première partie de présentation générale des fonctionnalités, je reviens sur chacune des trois grandes familles de fonctionnalités : les fonctions relatives à l analyse conjoncturelle, dans un sens très large, les fonctions graphiques, les petites fonctions pratiques. Table des matières 1 Présentation très générale 2 2 Analyse conjoncturelle Évolutions, glissements annuels Décomposition de variance Chaînage Marché des changes Autres points divers Fonctions graphiques Diagnostic de séries temporelles Scatterplot Graphex Barplot avec time series Comparaison Intervalle de confiance bivarié Quelques petites choses 16 1
2 1 Présentation très générale De façon générale, on trouve maintenant dans facts : Beaucoup de fonctions graphiques : un dessin valant mieux qu un long discours,... Ces fonctions sont essentiellement centrées autour des séries temporelles, tout en restant basiques. Des outils plus élaborés sont fournis dans d autres packages, le package facts doit rester basique. Des fonctions spécifiques à l analyse conjoncturelle Des données : uniquement quelques séries des comptes trimestriels français et 196 séries américaines. De petites fonctions pratiques Fonctions graphiques Notamment pour les séries temporelles : comparaison : pour comparer deux séries, par exemple pour étudier les révisions, scat et scat0 : scatterplot avancés, plot.ci2 : intervalles de confiance bivariés, plot.state.processes : pour représenter un processus quantitatif avec un processus d état, saplot1, saplot2 et saplot3 1 pour étudier les profils saisonniers. barplot.ts et barplot2.ts sont des fonctions très pratiques pour afficher des barplot de time series graphex produit plusieurs graphiques, avec notamment des partages volume-prix et des indications sur la position d une évolution dans sa distribution empirique. diagnos pour faire du diagnostic de séries temporelles ; Fonctions relatives à l analyse conjoncturelle Statistiques usuelles : évolutions, glissements annuels, contribution Des fonctions spécialisées dans le traitement des prix chaînés : le calcul de contrichutions : contribgen les additions en prix chaînés : pluch les relations entre modes de valorisation : PCt < VO < PCh De nombreuses petites fonctions pas inutiles ipf fait du calage sur marges, Gini affiche des courbes de Lorentz et les indices de Gini associés 1 Dès qu AA me l aura donnée... 2
3 2 Analyse conjoncturelle 2.1 Évolutions, glissements annuels La fonction ev fournit des taux d évolution, ga des glissements annuels. Elles agissent sur des vecteurs, des ts ou des mts. Exemples d utilisation : data(cnt) ev(td.pib7_ch) ga(td.pib7_ch) ev(cbind(td.p3m_d7_ch,td.p31g_d7_ch)) La fonction aev autorise le calcul de taux d évolution en rythme annuel : c est ainsi que sont publiées les statistiques américaines. Rappelons que le taux d évolution en rythme annuel de X t est donné par la formule : ( 1 + X ) 4 t X t X t X t 1 X t 1 X t 1 où le terme de droite est une approximation. Notons que l écart entre la réalité et son approximation peut dépasser le dixième de point, en particulier dès que le taux de croissance est important. Le code suivant produit le graphique : data(gdp) approx<-ev(gdpc96)*4 vrai<-aev(gdpc96) par(las=1,mar=c(2,3,2,3)) barplot.ts(bar=10*(vrai-approx),lignes=cbind(e1,e2), colbar="purple",colli=c("blue","red"),lwd=2, main="approximation sur le PIB US", FUNavant="ombrage(1950:2010);abline(h=0)",start=1970) legend("topleft",inset=5,bg="white", legend=c("approx","exact"), col=c("blue","red"),lwd=2) legend("bottomright",inset=5,bg="white", legend="ecart",fil="purple") axis(side=4,at=axticks(side=2),labels=axticks(side=2)/10) Dernière remarque : si quelqu un sait comment le BEA calcule ses contributions, ça m intéresse. Celles-ci s additionnent en effet pour donner le taux d évolution, mais comment peuvent-elles s additionner pour redonner le taux d évolution en rythme annualisé? C est impossible à moins de prendre le quadruple de la contribution et de créer un résidu, voire de le répartir entre les différents postes. Bizarre Décomposition de variance Dans un agrégat, les composantes importantes ne sont pas nécessairement celles dont le poids est important : on préfère en effet identifier les composantes qui contribuent fortement aux variations de l agrégat. Cette fonction implémente la décomposition suivante, où X = Xi : V(X) = i cov(x,x i ) = i 3 corr(x,x i ) Xi X
4 2.3 Chaînage Il n est pas question ici de refaire un cours sur les prix chaînés. On va néanmoins faire un rapide rappel, avant de présenter quelques séries, et les fonctions pour chaîner, additionner correctement, et faire des calculs licites de contributions Rappels sur les prix chaînés Quelques mesures de volume les volumes aux prix constants d une année de base, dits PCt, les volumes aux prix de l année précédente (non chaînés), dits VO, les volumes aux prix de l année précédente chaînés (notés PCt) : en réalité, il n existe pas un unique concept mais une multiplicité 2 de méthodes différentes de chaînage. Eurostat en recommande deux : le chaînage Annual Overlap est relativementaisé à mettre en oeuvre, garantit automatiquement le calage sur les comptes annuels, mais peut potentiellement causer des sauts importants aux T1. En pratique, ce n est pas le cas. le chaînage Quarterly Overlap pallie le potentiel problème précédent, au prix de l abandon du calage, ce qui nécessite une gestion spécifique du calage. Comme de fait le problème potentiel de la méthode Annual Overlap ne se présente pas, elle a été retenue et est très rapidement présentée dans la suite Le chaînage Annual Overlap des PCt aux VO : aux niveaux élémentaires uniquement : X VO at = X PCt at X VA a 1 X PCt a 1 Ensuite, on recalcule toutes les opérations agrégées ; par exemple, on définit la valeur ajoutée de chaque branche comme étant la différence entre la production de la branche et les consommations intermédiaires de cette branche. Il est capital de comprendre que le chaînage direct de la valeur ajoutée produirait un résultat différent. Rappelons aussi que les volumes aux prix de l année précédente non chaînés n ont absolument aucun intérêt en eux-mêmes pour l analyse trimestrielle : les profils sont totalement non pertinents, car toutes les séries connaissent un taux de croissance très élevé au T1, dû au changement du système de prix. des VO aux PCh : cette seconde étape du chaînage est réalisée à tous les niveaux : En pratique Des fonctions pour chaîner X PCh at = X VO at X PCh a 1 X VA a 1 Rappelons que tous les changements de concepts de valorisation sont conditionnels à la connaissance des séries en valeur : sans elles, calculer des prix est impossible. 2 En trimestriel tout du moins, car en annuel il n en existe qu une. 4
5 PCt et VO Le package facts implémente la méthode annual overlap. Voici un exemple d utilisation : data(cnt) pib7<-pctva2vo(pct=td.pib1,va=td.pib3) La fonction vopct2va fait l inverse. Notons qu en théorie il faut chaîner avec les poids bruts, en remplissant les arguments pct.brut et va.brut VO et PCh data(cnt) pib7<-pctva2vo(pct=td.pib1,va=td.pib3) pib7_ch<-vova2pch(vo=pib7,va=td.pib3) comparaison(pib7_ch,td.pib7_ch) Bien entendu, le comparaison indique que les deux séries ne sont pas identiques : la première étape du chaînage du PIB (des PCt aux VO) a été faite n importe comment, ici Addition en prix chaînés Contrichutions Après un rappel des formules de contrichutions, on présente quelques exemples avec la fonction contrichutions qui les implémente La théorie Si la formule annuelle est très simple : contrib PCh a (Y,X) = evol a (Y PCh ) Y a 1 VA il n en va pas de même pour la formule infra-annuelle : contrib at (Y PCh,X PCh ) ( B +contrib contrib PCh at (Y PCh,X PCh Y ) a 1 at (Y,X) = ( ) Ba 1 X Y PCh (B a 1,S + Y PCh Y a 1 a 1 Xa 1,S PCh Xa 1 PCh Ba 1 X Tous les détails figurent dans la note Contrichutions. X VA a 1 ) 1 BY a 2 B X a 2 ) si t = 1 (1) (2) Exemples d utilisation Contrichution des dépenses de consommation des ménages au PIB data(cnt) contrichutions("td.p3m_d7_ch","td.pib7_ch") 5
6 Qtr1 Qtr2 Qtr3 Qtr Il est tout à fait normal que les contrichutions débutent en 1979T2 (cf la formule). Les arguments de contrichutions prennent la forme de deux chaînes de caractères, car en réalité la fonction va chercher les séries en valeur sous-jacentes, en remplaçant le 7 ch par un Contrichution du solde extérieur au PIB cp6<-contrichutions("td.p6_d7_ch","td.pib7_ch") cp7<-contrichutions("td.p7_d7_ch","td.pib7_ch") print(round(cp6-cp7,1)) Qtr1 Qtr2 Qtr3 Qtr Contrichutions au glissement annuel Il suffit de spécifier l option type="ga" : cga.p6<-contrichutions("td.p6_d7_ch","td.pib7_ch",type="ga") cga.p7<-contrichutions("td.p7_d7_ch","td.pib7_ch",type="ga") cat("contrichution du solde extérieur au glissement annuel du PIB:\n") print(round(cga.p6-cga.p7,1)) Qtr1 Qtr2 Qtr3 Qtr Contrichutions annuelles La formule de calcul des contrichutions annuelles est bien plus facile qu en trimestriel. On la met en oeuvre avec l option type="an" : round(contrichutions("td.p3m_d7_ch","td.pib7_ch",type="an"),1) Time Series: Start = 1979 End = 2007 Frequency = 1 [1] [16]
7 Notons que, par défaut, l acquis de la contrichution est donné : ici Par acquis de contrichution on entend bien sûr la contrichution de la série élémentaire à la série agrégée, avec un traitement similaire à l acquis (pour des détails, se reporter à la note contrichutions). Pour ne pas avoir cet acquis, il faut préciser type="an2". 2.4 Marché des changes Le site de la Federal Reserve de Saint-Louis (Fred) propose les cours d une trentaine de devises dont la fonction fredimport du package fimport facilite la récupération dans R. Voici comment récupérer le taux de change euro/dollar : library(fimport) USvsEUR0<-fredImport("DEXUSEU", file = "tempfile", + source = " + frequency = "daily", save = FALSE, sep = ";", try = TRUE) On récupère un data.frame, qu il faut transformer en série temporelle : comme les observations sont irrégulièrement espacées dans le temps. On utilise pour cela la classe zoo. Concrètement, on récupère les dates et on convertit l objet, avec : date<-as.date(as.vector(usvseur0@data[,1]),format="%y-%m-%d") USvsEUR<-zoo(as.vector(USvsEUR0@data[,2]),date) On peut alors ploter le cours : plot(usvseur,col=2,lwd=2) Pour le représenter à partir de début 2007 (i.e faire l équivalent d un window), on commence par créer la date du 1er janvier 2007 avec as.date(" ",format="%d-%m-%y"). Et on tronque avec window : ccc<-window(usvseur,start=as.date(" ",format="%d-%m-%y")) plot(ccc,lwd=2,col="blue") abline(h=seq(1.2,1.5,by=5),lty="59",col=grey(0.5)) mois<-as.date(paste("01-",1:12,"-2007",sep=""),format="%d-%m-%y") abline(v=as.integer(mois),lty="59",col=grey(0.5)) On obtient avec ce code la figure 1. Après, tout est possible. Le programme suivant (dont le produit fait l objet de la figure 2) calcule l appréciation du dollar sur 4 semaines glissantes : fin<-time(usvseur) debut<-fin-28 indices<-debut %in% fin apres<-usvseur[indices] avant<-usvseur[debut[indices] avant0<-as.vector(avant) 7
8 ccc janv. mars mai juil. sept. nov. Index Fig. 1 Taux de change euro/dollar en 2007 apres0<-as.vector(apres) apprec.1m<-100*(apres0/avant0-1) apprec.1m<-zoo(apprec.1m,fin[indices]) serie<-window(apprec.1m,start=as.date(" ",format="%d-%m-%y")) par(mar=c(2,2.5,2,1),las=1) plot(serie,ylab="",main="appréciation sur 28 jours",col="blue",lwd=2,xaxs="i") trim<-as.date(c(paste("01-",(1:4)*3-2,"-2006",sep=""),paste("01-",(1:4)*3-2," format="%d-%m-%y") ombrage(trim) lines(serie,col="blue",lwd=2) abline(h=0) 2.5 Autres points divers La fonction writs écrit des séries temporelles dans un fichier CSV : writs(cbind(td.pib7_ch,td.p3m_d7_ch),file="out.csv") 8
9 Appréciation sur 28 jours Fig. 2 Appréciation glissante de l euro 3 Fonctions graphiques Il est important de noter que les fonctions plot, lines et points sont redéfinies pour des séries temporelles : objets de classe ts (voire mts) uniquement. 3.1 Diagnostic de séries temporelles La fonction diagnos affiche 9 graphiques de diagnostic. Commentons-les en ligne : Trajectoire On représente (t,x t ) t 1;T : Il est absolument nécessaire de regarder une série avant même de chercher à la modéliser ou à calculer des statistiques. Densité Estimation non-paramétrique par la méthode des noyaux. Permet d identifier des queues un peu épaisses, une asymétrie, plusieurs modes, etc. Q-plot Sont représentés les quantiles empiriques (avec des ronds) contre la droite de Henri : quantiles d une gaussienne. Permet de détecter des queues de distribution épaisses. Autocorélations auto-covariance : γ(h) = cov(x t,x t+h ) ne dépend que de h si X est stationnaire (faible). Auto-corrélations : ρ(h) = γ(h)/γ(0). S annulent à partir de q + 1 pour une MA(q). Densité spectrale Estimation du poids de chaque fréquence dans le total. On représente le périodogramme 3 et un bon estimateur. De façon générale, la densité spectrale est un très bon outil théorique et un très mauvais outil pratique 4 Test du portmanteau Les autocorrélations (jusqu à un certain ordre) peuvent-elles être considérées comme nulles. Sur le graphique sont représentées, pour plusieurs valeurs de l ordre p, les p-values du test. Autocorélations partielles Information complémentaire aux autocorrélations. S annulent à partir de p + 1 pour un AR(p). 3 Qui n est pas un estimateur convergent 4 Prenez un AR(1) de 1000 points (ce qui ne se rencontre jamais en pratique), représentez sa DS théorique et sa DS empirique : ça ne se ressemble pas. 9
10 Scatterplot Représentation de X t en fonction de X t 1. Permet de détecter des régimes de corrélations, des formes particulières. Voir aussi scat. Test ARCH Test d Engle (1982) d homoscédasticité. La figure 3 contient le produit du code suivant : data(gdp) usgdp<-aev(gdpc96) diagnos(usgdp,nom="pib américain") Trajectoire Corrélations Corrélations partielles Densité Densité spectrale Scatterplot QQ plot Test de Box Pierce Test ARCH Fig. 3 diagnos sur PIB US en évolution 3.2 Scatterplot La fonction diagnos produit entre autres un scatterplot (en position (3,2) dans la matrice 3 3 des graphiques. Les fonctions scat et scat0 construisent des scatterplot plus évolués. Examinons scat0, les deux lignes suivantes génèrent la figure 4 : data(cnt) scat0(ev(td.p3m_d7_ch),ev(td.pib7_ch),main="pib et consommation") Détaillons la construction de cette figure : En abscisse figure le taux d évolution des dépenses de consommation des ménages (en volumes aux prix de l année précédente chaînés), en ordonnée le taux de croissance trimestriel du PIB. Par conséquent, chaque point noir représente un couple (conso,pib) pour un trimestre donné. Comme attendu, le nuage de point est relativement allongé autour d une droite (non représentée sur le graphique). Le dernier couple de point connu est représenté par la cible verte : aux RD de 2007T2 (publiés fin septembre 2007), on avait 0.3 point pour le PIB et 0.6 point pour les dépenses de consommation des ménages. 10
11 Pour donner une idée de la relation normale entre ces deux variables, on a représenté la moyenne conditionnelle, estimée de façon non-paramétrique par la méthode de Nadaraya-Watson : comme il est bien connu que les résultats dépendent sensiblement d un paramètre de cet estimateur 5, on a préféré représenter l estimateur pour plusieurs valeurs de la taille de la fenêtre. Ce sont les courbes rouge, bleu et violet. Au T2, on constate que le PIB est en-dessous de ce que la simple consommation voudrait. Par exemple, d autres éléments tirent le PIB vers le bas (en l occurence le commerce extérieur et la FBCF). PIB et consommation Fig. 4 Scatterplot de deux variables Pour ajouter la droite de régression du PIB sur la consommation, les lignes suivantes suffisent : yy<-ev(td.pib7_ch) xx<-ev(td.p3m_d7_ch) truc<-lm(yy~xx) print(summary(truc)) abline(truc,col="orange",lwd=3,lty="59") Voici les résultats Call: lm(formula = yy ~ xx) Residuals: Min 1Q Median 3Q Max La taille de la fenêtre, the bandwidth. 11
12 Coefficients: Estimate Std. Error t value Pr( t ) (Intercept) e-12 *** xx e-13 *** --- Signif. codes: 0 '***' 01 '**' 1 '*' 5 '.' 0.1 ' ' 1 Residual standard error: on 115 degrees of freedom Multiple R-Squared: , Adjusted R-squared: F-statistic: on 1 and 115 DF, p-value: 1.412e-13 L élasticité du PIB à la consommation s élève donc à Les résidus de la régression ont un écart-type de 0.36, ce qui signifie que la régression n est pas extrêmement informative. La fonction scat produit le même genre de graphique mais pour une seule variable, car on y représente (X t 1,X t ) au lieu de (X t,y t ). Ce genre de graphiques est utile pour valider statistiquement, pas économiquement un diagnostic de type rebond après un bon/mauvais trimestre. 3.3 Graphex Décrivons le résultat de la figure 5, qui étudie la série de dépenses de consommation des ménages 6 : dans la grande fenêtre en haut à gauche se trouvent les contributions de cette série au PIB en valeur : c est la ligne rouge, les contributions 7 de cette série au PIB en volume aux prix de l année précédente chaînés : c est le bâton bleu, par différence, on en déduit les contributions du prix des dépenses de consommation des ménages au PIB : c est le bâton vert. les deux fenêtres en bas à gauche contiennent les taux d évolution des valeurs et des volumes, ainsi que les évolutions des prix. dans la colonne de droite, on replace le dernier taux d évolution dans la distribution empirique des taux historiques. Prenons l exemple du dernier taux d évolution connu des dépenses de consommation des ménages : 0,6%. On construit la fonction de répartition empirique des taux de croissance trimestriels : c est la courbe bleue dans le graphique du milieu de la colonne de droite. Les traits pointillés verticaux représentent les déciles, et le trait rouge la médiane. On indique le quantile empirique du dernier taux connu : le graphique nous apprend ici que le taux est exactement à la médiane des taux constatés. De la même façon, le graphique du dessous nous apprend que le prix des dépenses de consommation est relativement élevé, puisque on a constaté des prix plus hauts seulement dans 8% des cas. 3.4 Barplot avec time series Les barplot sont très utiles, la fonction barplot.ts facilite leur construction. Par exemple, voici les contrichutions au PIB (figure 6) : data(cnt) 6 Des RD de 2007T2 7 En prix chaînés 12
13 Dépenses de consommation des ménages Contribution à l évolution du PIB Evolution valeur et volume (pch) Evolution du prix Distr. ev Val Distr. ev PCh Distr. ev PriCh Fig. 5 Graphex sur dépenses de consommation des ménages cp41<-contrichution("td.p41_d7_ch","td.pib7_ch") cp4g<-contrichution("td.p4g_d7_ch","td.pib7_ch") cp4<-cp41+cp4g cp51<-contrichution("td.p51_d7_ch","td.pib7_ch") cp6<-contrichution("td.p6_d7_ch","td.pib7_ch") cp7<-contrichution("td.p7_d7_ch","td.pib7_ch") cpsolde<-cp6-cp7 cp54<-ev(td.pib7_ch)-(cp4+cp51+cpsolde) bar<-cbind(cp4,cp51,cp54,cpsolde) couleurs<-c(2,4,"purple",3) par(mar=c(1.5,3,2,1),las=1,mfrow=c(2,1)) cp41<-contrichution("td.p41_d7_ch","td.pib7_ch") cp4g<-contrichution("td.p4g_d7_ch","td.pib7_ch") cp4<-cp41+cp4g cp51<-contrichution("td.p51_d7_ch","td.pib7_ch") cp6<-contrichution("td.p6_d7_ch","td.pib7_ch") cp7<-contrichution("td.p7_d7_ch","td.pib7_ch") cpsolde<-cp6-cp7 cp54<-ev(td.pib7_ch)-(cp4+cp51+cpsolde) bar<-cbind(cp4,cp51,cp54,cpsolde) couleurs<-c(2,4,"purple",3) par(mar=c(1.5,3,2,1),las=1,mfrow=c(2,1)) # Barres juxtaposées 13
14 barplot.ts( barres=bar,lignes=ev(td.pib7_ch),type="juxt", + colbarres=couleurs,collignes=1,lwd=3, + main="contrichutions à la croissance", + start=2003, + FUNavant="ombrage(2000:2007);abline(h=0)" +) legend("bottomleft",inset=2,ncol=4,bty="n", + legend=c("p4","p51","p54","solde"), + fill=c(2,4,"purple",3)) # Barres empilées barplot.ts( barres=bar,lignes=ev(td.pib7_ch),type="stack", + colbarres=couleurs,collignes=1,lwd=3, + main="contrichutions à la croissance", + start=2000, + FUNavant="ombrage(2000:2007);abline(h=0)" +) Contrichutions à la croissance P4 P51 P54 Solde Contrichutions à la croissance Fig. 6 Contrichutions à la croissance avec barplot.ts 3.5 Comparaison La fonction comparaison facilite la comparaison de deux séries, et notamment l analyse de révisions. 14
15 3.6 Intervalle de confiance bivarié Soit ˆθ un estimateur sans biais bivarié (i.e ˆθ R 2 ), de variance Σ : ( ) σ 2 Σ = 1 ρσ 1 σ 2 ρσ 1 σ 2 σ2 2 L intervalle de confiance au niveau α de θ est donc : { } IC α = R 2 /(ˆθ θ) Σ 1 (ˆθ θ) t α où t α est donc le fractile d ordre 1 α d une loi du chi deux à 2 degrés de libertés. C est une ellipse (dans le cas σ 2 1 = σ 2 2, une ellipse dégénérée qu on appelle souvent disque). La commande exemple(plot.ci2) produit le graphique 7. 5 Intervalle de confiance 4 3 Variable Variable 1 Fig. 7 Résultat de plot.ci2 15
16 4 Quelques petites choses Courbes de Lorentz et indice de Gini Pour mesurer les inégalités. Voir aussi le package ineq 8 de A. Zeilis, qui fait probablement tout ça mieux. Calage sur marges Iterative Proportional Fitting, en bon anglais. D où le nom de la fonction ipf. 8 http ://cran.r-project.org/src/contrib/descriptions/ineq.html 16
Exercices 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 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 détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
Plus en détailDirection des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
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 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 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 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 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 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 détailStatistiques descriptives
Statistiques descriptives L3 Maths-Eco Université de Nantes Frédéric Lavancier F. Lavancier (Univ. Nantes) Statistiques descriptives 1 1 Vocabulaire de base F. Lavancier (Univ. Nantes) Statistiques descriptives
Plus en détailUn exemple de régression logistique sous
Fiche TD avec le logiciel : tdr341 Un exemple de régression logistique sous A.B. Dufour & A. Viallefont Etude de l apparition ou non d une maladie cardiaque des coronaires 1 Présentation des données Les
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
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 détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
Plus en détail2 TABLE DES MATIÈRES. I.8.2 Exemple... 38
Table des matières I Séries chronologiques 3 I.1 Introduction................................... 3 I.1.1 Motivations et objectifs......................... 3 I.1.2 Exemples de séries temporelles.....................
Plus en détailSeconde Généralités sur les fonctions Exercices. Notion de fonction.
Seconde Généralités sur les fonctions Exercices Notion de fonction. Exercice. Une fonction définie par une formule. On considère la fonction f définie sur R par = x + x. a) Calculer les images de, 0 et
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détailEXCEL TUTORIEL 2012/2013
EXCEL TUTORIEL 2012/2013 Excel est un tableur, c est-à-dire un logiciel de gestion de tableaux. Il permet de réaliser des calculs avec des valeurs numériques, mais aussi avec des dates et des textes. Ainsi
Plus en détailINDICES DE PRIX EXPÉRIMENTAUX DES SERVICES FINANCIERS
Distr. GÉNÉRALE CES/AC.49/2003/9 29 septembre 2003 FRANÇAIS Original: ANGLAIS COMMISSION DE STATISTIQUE et COMMISSION ÉCONOMIQUE POUR L EUROPE (CEE-ONU) ORGANISATION INTERNATIONALE DU TRAVAIL (OIT) CONFÉRENCE
Plus en détailReprésentation des Nombres
Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...
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 détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
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 détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
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 détailAide - mémoire gnuplot 4.0
Aide - mémoire gnuplot 4.0 Nicolas Kielbasiewicz 20 juin 2008 L objet de cet aide-mémoire est de présenter les commandes de base pour faire rapidement de très jolis graphiques et courbes à l aide du logiciel
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
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 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 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailÉtude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France
Étude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France Le 13 octobre 2014 Autorité des marchés financiers 17, place de la Bourse 75082 Paris cedex 02 Tél. : 01 53
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailLe modèle de régression linéaire
Chapitre 2 Le modèle de régression linéaire 2.1 Introduction L économétrie traite de la construction de modèles. Le premier point de l analyse consiste à se poser la question : «Quel est le modèle?». Le
Plus en détailLe patrimoine des ménages retraités : résultats actualisés. Secrétariat général du Conseil d orientation des retraites
CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 08 juillet 2015 à 9 h 30 «Le patrimoine des retraités et l épargne retraite» Document N 2 bis Document de travail, n engage pas le Conseil Le patrimoine
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailCompléments de documentation Scilab : affichage de texte et formatage de nombres
Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées Agrégation externe Année 2002-2003 Compléments de documentation Scilab : affichage de texte et formatage de
Plus en détailDécouverte du tableur CellSheet
Découverte du tableur CellSheet l application pour TI-83 Plus et TI-84 Plus. Réalisé par Guy Juge Professeur de mathématiques et formateur IUFM de l académie de Caen Pour l équipe des formateurs T 3 Teachers
Plus en détail(51) Int Cl.: H04L 29/06 (2006.01) G06F 21/55 (2013.01)
(19) TEPZZ 8 8 4_A_T (11) EP 2 838 241 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 18.02.1 Bulletin 1/08 (1) Int Cl.: H04L 29/06 (06.01) G06F 21/ (13.01) (21) Numéro de dépôt: 141781.4
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 détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
Plus en détailListe des notes techniques... xxi Liste des encadrés... xxiii Préface à l édition internationale... xxv Préface à l édition francophone...
Liste des notes techniques.................... xxi Liste des encadrés....................... xxiii Préface à l édition internationale.................. xxv Préface à l édition francophone..................
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailExtraction d informations stratégiques par Analyse en Composantes Principales
Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction
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 détailTrès légère hausse de la confiance des chefs d entreprise en février
25-2-24 29-5-26 Liens: NBB.Stat Information générale Enquête mensuelle de conjoncture auprès des entreprises - février 25 Très légère hausse de la confiance des chefs d entreprise en février Le baromètre
Plus en détailContents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes
Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire
Plus en détailL IMPACT DE LA MUTUALISATION SUR LES RESSOURCES HUMAINES
ANNEXES L ISTE DES ANNEXES ANNEXE I : ANNEXE II : ANNEXE III : ANNEXE IV : ÉVOLUTION DES DEPENSES DES COMMUNES ET DES EPCI DE 2006 A 2013 OUTILS JURIDIQUES DE MUTUALISATION A DISPOSITION DES ACTEURS LOCAUX
Plus en détailDécouverte du logiciel ordinateur TI-n spire / TI-n spire CAS
Découverte du logiciel ordinateur TI-n spire / TI-n spire CAS Mémento Ouvrir TI-Nspire CAS. Voici la barre d outils : L insertion d une page, d une activité, d une page où l application est choisie, pourra
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
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 détailTD d économétrie appliquée : Introduction à STATA
Ecole normale supérieure (ENS) Département d économie TD d économétrie appliquée : Introduction à STATA Marianne Tenand marianne.tenand@ens.fr OBJECTIFS DU TD Découvrir le logiciel d économétrie STATA,
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détailQu est-ce que la croissance économique? Quels sont ses moteurs?
Qu est-ce que la croissance économique? Quels sont ses moteurs? En ces temps de crise économique et de crise des dettes souveraines (ou publiques), tous les hommes politiques de gauche comme de droite
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailLe risque Idiosyncrasique
Le risque Idiosyncrasique -Pierre CADESTIN -Magali DRIGHES -Raphael MINATO -Mathieu SELLES 1 Introduction Risque idiosyncrasique : risque non pris en compte dans le risque de marché (indépendant des phénomènes
Plus en détailModèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes
de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz
Plus en détailBaromètre de conjoncture de la Banque Nationale de Belgique
BANQUE NATIONALE DE BELGIQUE ENQUETES SUR LA CONJONCTURE Baromètre de conjoncture de la Banque Nationale de Belgique Janvier 212 1 1 - -1-1 -2-2 -3-3 22 23 24 2 26 27 28 29 21 211 212 Série dessaisonalisée
Plus en détailEXCEL PERFECTIONNEMENT SERVICE INFORMATIQUE. Version 1.0 30/11/05
EXCEL PERFECTIONNEMENT Version 1.0 30/11/05 SERVICE INFORMATIQUE TABLE DES MATIERES 1RAPPELS...3 1.1RACCOURCIS CLAVIER & SOURIS... 3 1.2NAVIGUER DANS UNE FEUILLE ET UN CLASSEUR... 3 1.3PERSONNALISER LA
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailNOTE D INFORMATION n 01 Janvier 2014
DIRECTION DE L ÉVALUATION, DE LA PROSPECTIVE, ET DE LA PERFORMANCE DEPP NOTE D INFORMATION n 1 Janvier 214 La dépense par élève ou étudiant pour un parcours dans l enseignement scolaire ou supérieur en
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
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 détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailStatistiques descriptives sous Excel. Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel
Statistiques descriptives sous Excel Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel Un cours, deux objectifs Approfondir vos connaissances et vos outils de calculs dans le domaine de
Plus en détailComment évaluer une banque?
Comment évaluer une banque? L évaluation d une banque est basée sur les mêmes principes généraux que n importe quelle autre entreprise : une banque vaut les flux qu elle est susceptible de rapporter dans
Plus en détailBAROMETRE DE CONJONCTURE DE L HEBERGEMENT D ENTREPRISES
1 er et 2 ème trimestres 2010 Note semestrielle N 1 BAROMETRE DE CONJONCTURE DE L HEBERGEMENT D ENTREPRISES 1. CHIFFRE D AFFAIRES TOTAL DES CENTRES D AFFAIRES Chiffre d affaires total / surface totale
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
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 détailFormules et Approches Utilisées dans le Calcul du Coût Réel
Formules et Approches Utilisées dans le Calcul du Coût Réel Objectifs du Taux Annuel Effectif Global (TAEG) et du Taux d Intérêt Effectif (TIE) Le coût réel d un crédit inclut non seulement l intérêt,
Plus en détailSPHINX Logiciel de dépouillement d enquêtes
SPHINX Logiciel de dépouillement d enquêtes sphinx50frversion4.doc 1 Les trois stades du SPHINX sont ceux que comporte habituellement toute enquête d opinion: Elaboration du questionnaire (fiche outil
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailCORRIGE LES NOMBRES DECIMAUX RELATIFS. «Réfléchir avant d agir!»
Corrigé Cours de Mr JULES v3.3 Classe de Quatrième Contrat 1 Page 1 sur 13 CORRIGE LES NOMBRES DECIMAUX RELATIFS. «Réfléchir avant d agir!» «Correction en rouge et italique.» I. Les nombres décimaux relatifs.
Plus en détailLicence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015.
Licence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015. Thèmes des séances de TD Thème n.1: Tableaux statistiques et représentations graphiques. Thème
Plus en détailDérivation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES
Capitre 4 Dérivation Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Dérivation Nombre dérivé d une fonction en un point. Tangente à la courbe représentative d une fonction dérivable
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détail