Tests non paramétriques de spécification pour densité conditionnelle : application à des modèles de choix discret

Dimension: px
Commencer à balayer dès la page:

Download "Tests non paramétriques de spécification pour densité conditionnelle : application à des modèles de choix discret"

Transcription

1 Tests o paramétriques de spécificatio pour desité coditioelle : applicatio à des modèles de choix discret Mémoire Koami Dzigbodi AMEGBLE Maîtrise e écoomique Maître ès arts (M.A.) Québec, Caada Koami Dzigbodi AMEGBLE, 2015

2

3 Résumé Das ce travail, ous étudios la performace statistique (taille et puissace) e échatillo fii de deux tests o paramétriques de spécificatio pour desité coditioelle proposés par Fa et al. (2006) et Li et Racie (2013). Ces tests permettet de vérifier si les probabilités coditioelles postulées das les modèles de choix discret (logit/probit multiomial à effets fixes ou aléatoires, estimateur de Klei et Spady (1993), etc) représetet correctemet les choix observés. Par rapport aux tests existats, cette approche a l avatage d offrir ue forme foctioelle flexible alterative au modèle paramétrique lorsque ce derier se révèle mal spécifié. Ce modèle alteratif est directemet issu de la procédure de test et il correspod au modèle o cotrait obteu par des produits de oyaux cotius et discrets. Les deux tests explorés ot ue puissace e échatillo fii supérieure aux tests existats. Cette performace accrue s obtiet e combiat ue procédure bootstrap et l utilisatio de paramètres de lissage des foctios oyaux par validatio croisée par les moidres carrés. Das otre applicatio, ous parallélisos les calculs de taille et de puissace, aisi que l estimatio des feêtres de lissage, sur u serveur multi-processeurs (Colosse, de Calcul Québec). Nous utilisos des routies "Ope MPI" pré-implémetées das R. Par rapport aux simulatios effectuées das les articles origiaux, ous postulos des modèles plus proches de ceux habituellemet utilisés das la recherche appliquée (logit et probit à variace uitaire otammet). Les résultats des simulatios cofirmet les boes taille et puissace des tests e échatillo fii. Par cotre, les gais additioels de puissace de la statistique lissée proposée par Li et Racie (2013) se révèlet égligeables das os simulatios. Mots clés : Bootstrap, choix discret, desité coditioelle, Mote Carlo, produit de oyaux, puissace, taille. iii

4

5 Table des matières Résumé Table des matières Liste des tableaux Avat-propos iii v vii ix Itroductio 1 1 Revue de littérature Tests de spécificatio pour desités coditioelles sas oyaux cotius et discrets Tests de spécificatio pour les desités coditioelles avec oyaux cotius et discrets Méthodologie d estimatio Démarche méthodologique Processus de géératio des doées sous les hypothèses ulle et alterative Estimatio paramétrique de la desité coditioelle Estimatio o paramétrique Simulatios Applicatio Calcul de la taille et la puissace des tests sur R Résultats et iterprétatio Coclusio 29 A Aexes 31 A.1 Lemme et théorèmes utilisés Bibliographie 33 v

6

7 Liste des tableaux 3.1 Taille basée sur le modele H 0 : y i = 1 + x i z i + u i avec M=1000, B=399 et σ u = Puissace basée sur le modele DGP H1a : y i = 1 + x i z i + si(0,5πx i ) + u i avec M=1000, B=399 et σ u = Puissace basée sur le modele DGP H1b : y i = 1 + x i z i + xi 2 + u i avec M=1000, B=399 et σ u = Puissace basée sur le modele DGP H1c : y i = 1+x i z i +x i u i avec M=1000, B=399 et σ u = Feêtres de lissage coditioelles, DGP H1a : y i = 1+x i z i +si(0,5πx i )+u i avec M=1000, u i N(0,1) vii

8

9 Avat-propos Ce travail aurait pu être réalisé sas l aide de mo directeur de recherche, le Professeur Carlos Ordás Criado, et de mo co-directeur, le Professeur Guy Lacroix. Je leur suis profodémet recoaissat pour leur assistace et leurs coseils. Je remercie le troisième lecteur de ce mémoire, Charles Bellemare, pour sa lecture et ses remarques. Je voudrais exprimer plus particulièremet ma gratitude au Professeur Carlos Ordás Criado pour so apport sur les méthodes o paramétriques, aisi que pour so gééreux support fiacier. Je suis recoaissat au corps professoral du départemet d écoomique pour l eseigemet de qualité qu il m a apporté. Pour fiir, je ties à remercier mes camarades de maîtrise, mes collègues de la Chaire de Recherche Aéroportuaire, mes amis, mes parets, ma femme aisi que ma fille pour leurs souties moral et psychologique, et efi au Créateur de l uivers pour m avoir accordé la vie et la saté. ix

10

11 Itroductio Les écoomistes utiliset différets types de modèles pour aalyser les choix de cosommatio des idividus. Lorsque ces choix sot de ature discrète (décisios liées aux modes de trasports, choix etre différetes politiques publiques, etrée ou o sur le marché du travail), le modèle le plus courammet utilisé est celui de l utilité aléatoire. Cette approche impose u certai ombre de restrictios qui permettet aux écoomistes de relier les choix observés à des mécaismes de décisio. À titre d exemple, les modèles classiques de choix discrets de McFadde (1974) ou Maddala (1983) postulet que les variables explicatives costituet u idice liéaire et que la probabilité coditioelle est logistique ou ormale (logit ou probit). Or, rie e garatit que cette formulatio e décrit adéquatemet les choix observés, coditioellemet aux variables explicatives qui sot pertietes du poit de vue de la théorie écoomique. U mécaisme comportemetal compatible avec la réalité observée est pourtat crucial pour valider les recommadatios de politiques écoomiques et les aalyses de bie-être issues des modèles d utilité aléatoire. De ombreux modèles de choix discret ot été proposés afi de permettre ue plus grade flexibilité das la foctio de probabilité et de réduire différetes sources de biais das l estimatio. Les formulatios flexibles les plus populaires sot l estimateur semi-paramétrique de Klei et Spady (1993), celui du score maximum de Maski (1975) ou la versio lissée proposée par Horowitz (1992), les algorithmes de Matzki (1992, 1993) ou ecore l estimateur de Blevis et Kha (2013). Plusieurs tests statistiques permettet de comparer des modèles paramétriques et semi-paramétriques das ce cotexte. O trouve égalemet das la littérature écoométrique des tests gééraux de spécificatio pour desités coditioelles. Par exemple, Adrews (1988a,b, 1997) propose différetes extesios du test de Khi-deux de Pearso et du test de Kolmogorov-Smirov. Ces tests sot éamois o costructifs, car ils offret pas d alterative satisfaisate e cas de rejet de la probabilité coditioelle postulée. De plus, ils obliget souvet le chercheur à utiliser des estimatios locales basées sur u faible ombre d observatios, sas exploiter de maière optimale l iformatio se trouvat das le voisiage des régios peu deses du support. De récets développemets sur l estimatio o paramétrique de desités par oyau ot permis de remédier à ces déficieces. Le premier pas a été doé par le travail pioier de Li et Racie (2003), qui propose d utiliser la méthode o paramétrique du oyau pour estimer de maière lisse les desités joites d u mélage de variables aléatoires discrètes et cotiues. La pricipale iovatio de cette 1

12 recherche est d itroduire des oyaux discrets lissés, qui permettet d estimer la probabilité joite sas réduire e sous-échatillos le support de la distributio. Cette méthode ajoute du biais das l estimatio de la desité mais elle réduit sa variace. Das des travaux ultérieurs, Hall et al. (2004), Racie et al. (2004) et Li et Racie (2008) étedet leurs estimateurs aux desités/probabilités coditioelles, à la régressio par oyaux et aux quatiles coditioels. Hall et al. (2004) motret que le choix du paramètre de lissage de la foctio oyau par validatio croisée par les moidre carrés permet d exclure asymptotiquemet les variables explicatives o pertietes das le cadre de l estimatio coditioelle. Ils motret égalemet que cette validatio croisée géère des gais de performace prévisioel hors-échatillo, même e échatillo fii. Des tests formels d adéquatio pour les desités coditioelles sot proposés par Fa et al. (2006), et par Li et Racie (2013), où les résultats mis e lumière par Hall et al. (2004) sot exploités. L objectif pricipal du préset travail de maîtrise est de répliquer les deux tests proposés par Fa et al. (2006) et Li et Racie (2013), afi de vérifier si les résultats publiés sur leur taille et leur puissace restet valides e échatillo fii das le cadre de l hypothèse stadard de variace uitaire des modèles probit et logit (polytomique ordoé et o ordoé). Fa et al. (2006) proposet u test qui omet de lisser le variable répose discrète de la desité coditioelle mais qui lisse les variables explicatives discrètes. Li et Racie (2013) proposet de lisser toutes les variables discrètes présetet das la desité coditioelle, la variable répose discrète icluse. L implémetatio de ces tests état pas dispoible sur R, ous décrivos les grades étapes de cette implémetatio. Les résultats de os simulatios e échatillo fii idiquet que les deux tests présetet ue boe taille et qu ils sot puissats cotre des alteratives o liéaires et hétéroscédastiques. Cepedat, ous obteos des différeces de puissace très faibles quad ous comparos la performace des deux tests. Ceci cotraste avec les résultats de Li et Racie (2013), qui obtieet systématiquemet des puissaces supérieures par rapport à la versio semi-lissée de la statistique de Fa et al. (2006), et ceci pour tous les seuils critiques. Ce travail est structuré e trois chapitres. Au chapitre 1, ous passos e revue les procédures mises e place pour tester l adéquatio des probabilités coditioelles des pricipaux modèles de choix discrets. Le chapitre 2 décrit les procédures d estimatios et de tests. Notos que les simulatios requièret l estimatio de paramètres de lissages par validatio croisée par les moidres carrés. Par coséquet, ue parallélisatio de la procédure est souhaitable, pour obteir des résultats das u délai raisoable. Le chapitre 3 commete les résultats et ous termios ce mémoire e récapitulat os résultats et e offrat quelques recommadatios pour l implémetatio du test sur R. 2

13 Chapitre 1 Revue de littérature La littérature écoométrique propose de ombreuses approches pour tester la spécificatio ou l adéquatio des desités coditioelles postulées par les chercheurs. O peut distiguer etre les approches qui se baset sur des foctios paramétriques sous l hypothèse alterative (Hausma, 1978; Hausma et McFadde, 1984; Horowitz et Louviere, 1993) et celles qui utiliset des formes foctioelles o paramétriques. Ces derières approches ayat l avatage d être plus robustes à des erreurs de spécificatio sous l hypothèse alterative, ous ous cocetros sur ces derières. Das cette classe de méthodes, ous distiguos ecore deux grades catégories : celles qui utiliset ue discrétisatio du support sas référece explicite à l estimatio par oyau et celles qui emploiet des oyaux (avec détermiatio d ue feêtre optimale de lissage). Sas être exhaustif, ce chapitre propose ue revue des pricipaux tests gééralemet discutés lorsque l o s itéresse aux tests o paramétriques de desités coditioelles. Nous mettos l accet sur l aspect le plus pratique de cette discussio : leur performace e échatillo fii. 1.1 Tests de spécificatio pour desités coditioelles sas oyaux cotius et discrets Das cette sectio, ous ous cocetros sur deux tests qui utiliset pas la méthode des oyaux, ceux proposés par Adrews das ses travaux de 1988 et Cet auteur dérive des tests qui utiliset des approches o paramétriques basées sur l idée géérale des tests de Khi-deux de Pearso et de Kolmogorov. Ils ot l avatage d être puissats cotre toute alterative locale à l hypothèse Test de Adrews (1988, 1997) Adrews (1988a,b) propose u test de Khi-deux coditioel pour vérifier la spécificatio de la desité coditioelle des modèles paramétriques (voir égalemet Heckma (1984)). Il s agit d ue extesio du test de Khi-deux de Pearso, applicable aux différets modèles (trasversaux) de réposes discrètes (logit et probit polytomiques, régressio SUR, équatios simultaées, etc). 3

14 Sous l hypothèse ulle, la desité coditioelle de Y i (variable dépedate pour l observatio i) sachat X i (vecteur de variables explicatives pour cette observatio) appartiet à la famille de desité coditioelle ( f (y x,θ) : θ Θ) qui respecte ue mesure σ-fiie. Le terme Θ représete l espace des paramètres. L hypothèse alterative est que la distributio coditioelle est mal spécifiée. Le test est basé sur le partitioemet du support de la desité coditioelle e cellules disjoites et la comparaiso etre les probabilités empiriques issues de l échatillo et les probabilités prédites par le modèle postulé pour ces cellules. Il ote par Γ u élémet aléatoire de la classe des partitios Y X, dot ˆΓ est l estimateur. La mesure de divergece utilisée est basée sur l écart etre les effectifs observés et les effectifs coditioels prédits. Plus précisémet, cette distace est doée par l expressio : v ( ˆΓ, ˆθ) = [ P ( ˆΓ) F ( ˆΓ, ˆθ) ], (1.1) où P représete la distributio coditioelle empirique du couple {(Y i,x i ),i = 1,...,}, F est la distributio coditioelle paramétrique estimée de Y i sachat X i. Soit Ŵ u estimateur coverget de l iverse gééralisé de Σ 0 (la vraie matrice de dispersio sous H 0 ). Sous l hypothèse ulle, la distributio asymptotique de l expressio (1.1) est ormale, de moyee ulle et de matrice de dispersio Σ 0. E utilisat la distace quadratique est e divisat par l écart-type, ous obteos la statistique de test : X 2 ( ˆΓ, ˆθ) = v ( ˆΓ, ˆθ)Ŵv ( ˆΓ, ˆθ) (1.2) Sous H 0, l expressio (1.2) est distribuée asymptotiquemet selo u Khi-deux dot les degrés de liberté sot doés par le rag de Σ 0. Adrews (1988b) vérifie la performace du test e échatillo fii à l aide d u modèle de régressio cesurée 1. Il teste le DGP sous H 0 cotre deux alteratives symétriques (à queues mice puis épaisse), ue versio asymétrique de ce même DGP, aisi que cotre le modèle cesuré proposé par Cragg (1971). Il calcule la taille du test avec 5000 réplicatios Mote Carlo sur des échatillos fiis de taille 100 et 250. Ses résultats révèlet que le test est de boe taille et puissat cotre toute alterative. Ce test o paramétrique se révèle plus puissat que les tests paramétriques développés par Hausma (1978), Hausma et McFadde (1984). Das la cotiuité de ses travaux, Adrews (1997) propose u test de spécificatio pour desités coditioelles de type Kolmogorov (appelé Kolmogorov Coditioel, KC). Ce test est ue extesio du test traditioel d adéquatio de Kolmogorov pour les distributios o coditioelles. L hypothèse ulle (de boe spécificatio du modèle paramétrique) s écrit : H 0 : H(y x) = F(y x,θ) pour u certai θ Θ, (1.3) où F(y x,θ) est la foctio de répartitio de Y i coditioellemet aux vecteurs de variables explicatives X i = x, et au vecteur de paramètres θ, Θ est l espace des paramètres, H(y x) est la vraie foctio de répartitio coditioelle, et f (y x,θ) est la foctio de desité respectat ue mesure σ-fiie (pas 1. Plus précisémet, le processus de géératio de doées est Y i = c + X i β +U i > 0 et 0 sio, avec (U i X i ) N(0,1) sous H 0. 4

15 écessairemet la mesure de Lebesgue). L auteur estime θ par u estimateur ˆθ qui coverge vers θ 0. La statistique de test est ue distace maximisée (Max), différete de l habituel supremum (Sup) utilisé das le test stadard de Kolmogorov : où ˆF (z, ˆθ) = 1 i=1 CK = max Hˆ (Z j ) ˆF (Z j, ˆθ) (1.4) j F(y X i,θ)i (Xi x) avec z = (y,x). Sous H 0 la distributio asymptotique de la statistique déped des paramètres de uisaces ˆθ (ou θ 0 quad il est cou) et de G, la foctio de répartitio empirique de X. La performace du test e échatillo fii s obtiet par ue procédure de bootstrap paramétrique. Das l article, l auteur utilise u modèle logit multiomial sous H 0. La taille du test est calculée avec 4000 réplicatios de Mote Carlo pour les échatillos de petite taille et 2000 réplicatios pour les échatillos de grade taille. Il utilise des bootstrap de taille 299 das les deux cas. Il motre que le test est puissat cotre les alteratives locales à 1 -coverget et cotre toutes alteratives fixes à l hypothèse ulle Tests de spécificatio pour les desités coditioelles avec oyaux cotius et discrets L u des défauts du test d Adrews (1997) est qu il e propose pas directemet d alterative à la desité coditioelle paramétrique rejetée. Les tests basés sur l estimateur du oyau offret directemet cette spécificatio alterative, mais leur performace déped du choix d u paramètre de lissage optimal. Ces derières aées, certaies méthodes de sélectio du paramètre de lissage ot révélé des propriétés itéressates : (i) elles permettet de combier de maière optimale de l iformatio sur des supports discrets et peu deses, (ii) elles détectet automatiquemet les variables pertietes das le coditioemet. Nous abordos à préset das cette sectio les tests proposés par Zheg (2000), Fa et al. (2006), et Li et Racie (2013). Tous ces tests utiliset ue approche o paramétrique basée sur l estimatio par oyau et ils se complètet das leur démarche méthodologique. Das cette sectio, ous utilisos les otatios origiales des auteurs, pour faciliter la comparaiso avec les articles origiaux Test proposé par Zheg (2000) Zheg (2000) est le précurseur de la série de tests o paramétriques qui utiliset l approche par la méthode du oyau pour tester l adéquatio de la desité coditioelle postulée par le chercheur. Soit {y i,x i } i=1,.., ue observatio d u échatillo aléatoire idépedate et idetiquemet distribuée proveat d ue famille de loi de desité joite p(y,x), où y i u vecteur de l variables dépedates, tel que y i R l et x i u vecteur de m variables explicatives, tel que x i R m. 2. C est ue séquece d alteratives de desité coditioelle q (y x) = f (y x,θ 0 ) + d(z), qui sot des perturbatios au voisiage de l hypothèse ulle. 5

16 Soit p(y x) la desité coditioelle de y sachat x. Comme aocé plus haut, Zheg s itéresse à tester p(y x) à l itérieur d ue famille de desité coditioelle paramétrique. Soit Θ l espace des paramètres 3, u sous-esemble compact et covexe de R k. La desité coditioelle paramétrique de y sachat x état doé θ 0 est défiie par f (y x,θ 0 ). Zheg cherche ue procédure de test qui permet de départager les deux hypothèses suivates : H 0 : P(p(y x) = f (y x,θ 0 )) = 1, pour u θ 0 Θ doé, cotre H 1 : P(p(y x) = f (y x,θ)) < 1 θ Θ Pour mesurer la différece etre p(y x) et f (y x,θ 0 ) sous l hypothèse ulle, Zheg (2000) choisit le critère d iformatio de divergece de Kullback et Leibler (1951) e ecore la mesure d etropie relative. Ce critère est ue mesure de la dissimilarité etre deux distributios de probabilités, l ue théorique et l autre empirique. Il est défii das le cas préset par : { [ ]} p(yi x i ) I(p, f ) = E log f (y i x i,θ 0 ) (1.5) Il motre de faço géérale que I(p, f ) 0 et] ulle sous l hypothèse H 0. Par ailleurs, par le développemet de Taylor 4 d ordre 1 du log o a [ p(yi x i ) f (y i x i,θ 0 ) { } { } p(yi x i ) I(p, f ) = E f (y i x i,θ 0 ) 1 p(yi x i ) f (y i x i,θ 0 ) = E f (y i x i,θ 0 ) (1.6) Zheg (2000) prouve qu e podérat la desité coditioelle paramétrique par la desité margiale de x que l expressio (1.6) coserve les mêmes propriétés que I(p, f ) sous H 0 comme sous H 1. L expressio (1.6) deviet doc sous H 0 : { } p(yi,x i ) p 1 (x i ) f (y i x i,θ 0 ) I 1 (p, f ) = E (1.7) f (y i x i,θ 0 ) où p 1 (x) la desité margiale de x. Zheg propose d estimer les feêtres de lissage des estimateurs respectifs des desités p(y i,x i ) et p 1 (x i ) par l approche de Silverma (1986). De même, la desité joite p(y i,x i ) est estimée par le produit des oyaux. E effet, c est ue méthode qui permet de résoudre des problèmes o liéaires à l aide des méthodes liéaires e trasformat les espaces de doées e u espace de dimesio plus grade. Aisi, les estimateurs de desité ˆp(y i,x i ) et ˆp 1 (x i ) 3. L espace de paramètre e gééral différet de l espace des variables. Ils sot égaux si le ombre de variables pour l estimatio o paramétrique est exactemet égale à celui de l estimatio paramétrique. Voir les hypothèses alteratives pour le calcul de la puissace, chapitre log(x) x 1. 6

17 sot respectivemet défiis par les expressios suivates : ˆp(y i,x i ) = 1 ( ) ( ) 1 j=1 h l+m K yi y j xi x j 2 K 1 h h ˆp 1 (x i ) = 1 ( ) 1 h m K xi x j 1 h j=1 (1.8) (1.9) E outre, e estimat le paramètre θ 0 par la méthode de quasi maximum de vraisemblace, Zheg (2000) dérive l estimateur lissé de la desité p(y,x) de f (y i x i,θ)p 1 (x i ) qui est défii par : p(y i,x i ) = 1 1 j=1 h l+m ( ) ( ) yi y xi x j K 2 K 1 f (y x j, ˆθ)dy (1.10) h h où ˆθ est l estimateur quasi maximum de vraisemblace de θ, et h correspod au paramètre de lissage de x et y. Il déduit la statistique W du test et sa versio ormalisée T qui preet la forme : 1 1 W = ( 1) K ( yi y) ( ) xi x j 2 h K1 h ( K yi y) ( ) xi x j 2 h K1 h f (y x j, ˆθ)dy h l+m (1.11) f (y i x i, ˆθ) i=1 j=1 j i et l+m h 2 W T = (1.12) ˆσ Zheg (2000) motre sous certaies hypothèses de régularité que la statistique T coverge e loi vers ue loi ormale cetrée réduite sous l hypothèse ulle et que la statistique o stadardisée W coverge e probabilité vers I(p, f ) > 0 sous l hypothèse alterative. Zheg a abordé la puissace e se basat sur ue séquece d alteratives locales, c est-à-dire, H 1 : p(y x) = f (y x,θ 0 ) + d l(y,x), où l(.,.) est ue foctio cotiumet différetiable et uiformémet borée, avec l(x,y)dy = 0. Cet auteur vérifie la performace du test e échatillo fii sur les modèles de régressio liéaire et les modèles de régressio cesurée par ue simulatio Mote Carlo de 1000 réplicatios avec des échatillos de taille 50, 100, 200 et 300. La taille du test est calculée sous H 0 e spécifiat u modèle liéaire homoscédastique avec ue erreur ormale cetrée réduite, et la puissace avec quatre hypothèses alteratives, dot les deux premières sot liéaires avec des erreurs suivat respectivemet ue loi logistique et ue Studet à 5 degrés de liberté (à queues plus mices). Les deux derières sot respectivemet quadratique et hétéroscédastique avec des erreurs ormales stadards. Par ailleurs, Zheg soulige que le test de Adrews (1997) est localemet plus puissat que so test Test proposé par Fa et al. (2006) Le défaut du test de Zheg (2000) est qu il e cosidère que des variables cotiues das ses produits de oyaux. E outre, il e fourit pas de directives pour l estimatio des feêtres de lissage. Ces maquemets sot pris e compte par le test de Fa et al. (2006). Ils proposet d exploiter les produits de oyaux mixtes développés par Li et Racie (2003). 7

18 Soit x u vecteur de variables explicatives cotiues et discrètes (x c,x d ), tel que x c pour ue observatio doée est ue matrice q 1 et x d ue matrice r 1. Soit D k le support de x d ik de logueur c k allat de 0 à c k 1. Les valeurs prises par la k-ième composate de la i-ième observatio de x d sot otées xik d. Pour estimer la desité par la méthode de oyau, Fa et al. (2006) utiliset l estimateur de Aitchiso et Aitke (1976) pour la k-ième variable discrète défii par : l(x d ik,xd jk,λ k) = { 1 λk si x d ik = xd jk λ k c k 1 si xd ik xd jk La desité joite de l esemble de variables discrètes est doée par le produit de oyaux : L(x d i,x d j,λ) = r k=1 l(x d ik,xd jk,λ k) = r k=1 ( ) Nik (x) λk (1 λ k ) 1 N ik(x) c k 1 (1.13) (1.14) où N ik (x) est la foctio idicatrice doat 1 si xik d xd jk et 0 sio, λ k est le paramètre de lissage de la k-ième variable discrète, dot les valeurs sot comprises etre 0 et c k 1 c k. Pour les variables cotiues, la foctio oyau utilisée est le oyau d ordre 2 d Epaechikov défii par : w(u) = 3 4 (1 u2 )1 { u 1}. Aisi, l estimateur par oyau de la desité joite des variables cotiues est : W(x c i,x c j,h) = q k=1 ( 1 x c ik x c ) jk w h k h k (1.15) où h k est le paramètre de lissage de la k-ième variable cotiue x c. Par la suite, l estimateur par oyau de la desité joite des variables explicatives est le produit des desités margiales cotiues et discrètes (Fa et al., 2006) : K γ (x i,x j ) = W(x c i,x c j,h) L(x d i,x d j,λ) (1.16) Pour estimer les desités p(y i,x i ) et p 1 (x i ) au poit i, Fa et al. (2006) suggèret d omettre le poit i das l estimatio (estimateur "leave-oe-out"), coduisat à l estimateur : ˆp i (y i,x i ) = 1 1 j=1 j i ˆp 1, i (x i ) = 1 1 I(y i = y j )K γ (x i,x j ) (1.17) j=1 j i K γ (x i,x j ) (1.18) Aisi, l estimateur de lissage du produit de desité f (y i x i,θ)p 1 (x i ), p(y i,x i ) proposé par Fa et al. (2006) est défii par : p(y i,x i ) = 1 1 j=1 j i y D y I(y i = y)k γ (x i,x j ) f (y x j, ˆθ) (1.19) 8

19 où D y est le support de la variable dépedate y. Lorsque y i = y, l expressio (1.19) deviet doc : p(y i,x i ) = 1 1 K γ (x i,x j ) f (y i x j, ˆθ) (1.20) j=1 j i E remplaçat, les expressios de ˆp(y i,x i ), ˆp(x i ) et p(y i,x i ) das l expressio de I 1 (p, f ), Fa et al. (2006) déduiset l estimateur o lissé de la statistique W,γ : W s,γ = 1 ( 1) i=1 { Kγ (x i,x j ) [ I(yi = y j ) f (y i x j, ˆθ) ]} (1.21) j=1 f (y i x i, ˆθ) j i Ils proposet d estimer les paramètres de lissage par la méthode de validatio croisée par moidres carrés qui a la propriété asymptotique d élimier les variables o pertietes das le modèle. Aisi, sous les coditios de régularité de Hall et al. (2004) liées à la covergece des feêtres de lissage, Fa et al. (2006) motret sous H 0 que la statistique de l expressio (1.21) coverge e loi vers ue loi ormale cetrée réduite :, ˆγ = (ĥ 1 ĥ 2...ĥ q ) 1/2 W, s ˆγ d N(0,1) (1.22) ˆV, ˆγ T s où ˆV, ˆγ = 2 ( 1) i=1 j i { Kˆγ (x i,x j ) [ I(yi = y ˆf (y i x i, ˆθ) j ) f (y i x j, ˆθ) ]} 2 est u estimateur coverget de la variace asymptotique de (ĥ 1 ĥ 2...ĥ q ) 1/2 W s, ˆγ. Pour examier la performace du test e échatillo fii, Fa et al. (2006) utilise la statistique o stadardisée W, s ˆγ pour la simulatio Mote Carlo avec 5000 réplicatios pour le calcul de la taille et 2000 réplicatios pour le calcul de la puissace e 1000 bootstraps pour déduire la distributio asymptotique de W s sous H 0. Ils utiliset sous H 0 u PGD biaire caractérisé par ue variable latete qui suit ue loi ormale stadard (probit), qui est testé cotre deux alteratifs, dot les variables latetes sot respectivemet quadratique et hétéroscédastique. Ils obtieet de boes tailles et motret aussi que leur test est plus puissat que le test de Zheg (2000). De même, le test est plus puissat que celui de Adrews (1997) quad il s agit de tester l adéquatio de desités coditioelles paramétriques Test proposé par Li et Racie (2013) E échatillo fii, le lissage des variables discrètes apporte u gai d efficacité das l estimatio. Aisi, Li et Racie (2013) profite de cette propriété pour améliorer la performace e échatillo fii de la statistique proposée par Fa et al. (2006). Ils proposet de remplacer l idicatrice de la variable répose par u estimateur lissé selo la méthode de Aitchiso et Aitke (1976). Aisi, pour 9

20 ue variable dépedate discrète omiale, ils utiliset l estimateur suivat : l(y i,y j,λ 0 ) = (1 λ 0 )I(y i = y j ) + λ 0 c 0 1 I(y i y j ) (1.23) avec λ 0 compris etre 0 et c 0 1 c 0. Ils étedet la procédure du test égalemet aux variables réposes discrètes ordoées e utilisat l estimateur de Wag et va Ryzi (1981) : avec λ 0 compris etre 0 et 1. l(y i,y j,λ 0 ) = (1 λ 0 )I(y i = y j ) + λ y i y j 0 I(y i y j ) (1.24) 2 E itégrat l estimateur lissé de la foctio idicatrice, Li et Racie (2013) dérivet les estimateurs "leave-oe-out" des desités p(y i,x i ), p 1 (x i ), et p(y i,x i ) : ˆp i (y i,x i ) = 1 1 ˆp 1, i (x i ) = 1 1 p i (y i,x i ) = 1 1 j=1 j i j=1 j i j=1 j i l(y i,y j,λ 0 )K γ (x i,x j ) (1.25) K γ (x i,x j ) (1.26) y D y l(y i,y,λ 0 )K γ (x i,x j ) f (y i x j, ˆθ) (1.27) E utilisat les expressios (1.25), (1.26), (1.27), Li et Racie (2013) déduiset les statistiques lissées W,γ s et T,γ s (cotrepartie des équatios (1.21) et (1.22) ) : { [ W,γ s 1 K γ (x i,x j ) = ( 1) f (y i x i, ˆθ) i=1 j=1 j i l(y i,y j,λ 0 ) y D y l(y i,y,λ 0 ) f (y x j, ˆθ) ]} (1.28) T s, ˆγ = (ĥ 1 ĥ 2...ĥ q ) 1/2 W s, ˆγ ˆV, ˆγ (1.29) Ils motret que la statistique stadardisée T, s ˆγ coverge e loi vers ue loi ormale cetrée et réduite sous l hypothèse ulle (Li et Racie (2013), Théorème 2.1, voir aussi l aexe)). De plus, sous l hypothèse alterative, T, s ˆγ coverge e probabilité vers ue valeur strictemet positive (Li et Racie (2013), Théorème 2.2, voir aussi l aexe). Par ailleurs, pour obteir la performace du test e échatillo fii, ils utiliset ue procédure bootstrap paramétrique de 1000 réplicatios et 399 bootstraps, sur u modèle probit ordoé dot la variable latete est liéaire sous H 0 et u alteratif siusoïdal. Les résultats de la simulatio réalisée avec des tailles d échatillo 200, 300, 400 révèlet que le test possède ue boe taille qui e varie pas selo le type de statistique utilisée, et que la statistique lissée apporte u gai de puissace par rapport à la statistique de Fa et al. (2006). 10

21 Chapitre 2 Méthodologie d estimatio Lorsque des tests statistiques sot proposés, il est parfois possible d établir des règles de rejet et d acceptatio de l hypothèse ulle à la fois e grad échatillo et e échatillo de taille fixe. Fa et al. (2006) et Li et Racie (2013) établisset que leurs statistiques de test sot asymptotiquemet ormales sous l hypothèse ulle (sous-sectio 1.2.2, et sous-sectio 1.2.3), mais ils ajoutet que la ormalité de la distributio est aucuemet garatie e échatillo fii. Pour pallier cette déficiece, ils proposet ue procédure bootstrap qui possède de très boes propriétés e échatillo fii : (i) elle idetifie le vrai modèle au même seuil d erreur qu e grad échatillo lorsque le chercheur postule le vrai modèle, (ii) elle rejette avec ue probabilité suffisammet élevée le modèle utilisé par le chercheur lorsque le modèle postulé e correspod pas au vrai processus de géératio de doées (boe puissace du test). Das ce chapitre, ous décrivos e détail les différetes étapes qui permettet de démotrer ces résultats. 2.1 Démarche méthodologique Pour aalyser la taille du test e échatillo fii, ous commeços par choisir le vrai processus de géératio de doées (PGD) sous l hypothèse ulle et ous créos des échatillos de différetes tailles. Comme das les articles origiaux de Fa et al. (2006) et Li et Racie (2013), ous retiedros = {200, 300, 400, 500}. Pour ue taille fixe d échatillo, ous obteos ue première estimatio du vrai PGD à l aide des deux estimateurs paramétrique et o paramétrique par oyau. Nous calculos l écart d ajustemet des valeurs prédites par les deux estimateurs à l aide des statistiques W (voir les équatios (1.21) et (1.28)). De toute évidece, cette statistique est pas utile car il ous maque sa distributio e échatillo fii. Nous tiros doc 399 échatillos bootstrap de l échatillo origial et ous réestimos avec ces échatillos bootstrap les statistiques des deux tests (lissé et o lissé). Ceci ous doe 399 valeurs bootstrap des statistiques des tests, qui permettet de défiir ue desité empirique des statistiques(lissée et o lissée) pour l échatillo iitialemet gééré. Nous comparos fialemet les statistiques (lissée et o lissée) de otre échatillo origial à leurs distributios bootstrap. Si les statistiques échatilloales dépasset les quatiles 90%, 95% ou 99% des distributios 11

Apprentissage: cours 3a Méthodes par moyennage local

Apprentissage: cours 3a Méthodes par moyennage local Appretissage: cours 3a Méthodes par moyeage local Guillaume Oboziski 1 er mars 2012 Réferece : chap. 6 of [Hastie et al., 2009] ad chap. 6 of [Devroye et al., 1996]. Algorithmes par moyeage local O cosidère

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE AVANCÉE : MÉTHODES STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson 4 L E Ç O N Loi biomiale Niveau : Première S + SUP (Covergece) Prérequis : Variable aléatoire, espérace, variace, théorème limite cetral, loi de Poisso 1 Loi de Beroulli Défiitio 41 Loi de Beroulli Soit

Plus en détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

Inégalités souvent rencontrées

Inégalités souvent rencontrées Iégalités souvet recotrées Recotres Putam 004 Uiversité de Sherbrooke Jea-Philippe Mori Théorie Certaies iégalités sot deveues célèbres e raiso de leur grade utilité Elles sot aussi souvet au coeur de

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1)

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1) Corrigé ESSEC III 008 par Pierre Veuillez Das certaies situatios paris sportifs, ivestissemets fiaciers..., o est ameé à miser de l arget de faço répétée sur des paris à espérace favorable. O se propose

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

Plus en détail

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

Plus en détail

Processus géométrique généralisé et applications en fiabilité

Processus géométrique généralisé et applications en fiabilité Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR

Plus en détail

Les Nombres Parfaits.

Les Nombres Parfaits. Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie

Plus en détail

Maîtrise de Mathématiques TER Le bandit manchot à deux bras

Maîtrise de Mathématiques TER Le bandit manchot à deux bras Maîtrise de Mathématiques TER Le badit machot à deux bras Deis Cousieau Sous la directio de Jea-Michel Loubes Septembre 2003 Table des matières 1 Présetatio du problème 2 1.1 Exemple de la machie à sous,

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

Principes et Méthodes Statistiques

Principes et Méthodes Statistiques Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............

Plus en détail

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour

Plus en détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude

Plus en détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. Calcul pour une évolution d une proportion entre deux années non consécutives Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages

Plus en détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions. 3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios

Plus en détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en détail

Chapitre 13. Statistiques et probabilités. Sommaire

Chapitre 13. Statistiques et probabilités. Sommaire 13 Chapitre Chapitre 13 Statistiques et probabilités Les statistiques et les probabilités occupet ue place importate das l eseigemet de certaies classes préparatoires Les pricipales foctios écessaires

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

20. Algorithmique & Mathématiques

20. Algorithmique & Mathématiques L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus

Plus en détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe 1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios

Plus en détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9 Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 5. La fonction logarithme népérien. Sommaire Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

LES PROBABILITÉS POUR LES OPTIONS B, C ET D

LES PROBABILITÉS POUR LES OPTIONS B, C ET D LES PROBABILITÉS POUR LES OPTIONS B, C ET D PRÉPARATION À L AGRÉGATION EXTERNE DE MATHÉMATIQUES DE L UNIVERSITÉ RENNES 1 1 ANNÉE 2009/2010 1. ESPACE PROBABILISÉ - VARIABLE ALÉATOIRE 1.1 ESPACE PROBABILISÉ

Plus en détail

Processus et martingales en temps continu

Processus et martingales en temps continu Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de

Plus en détail

Le meilleur scénario pour votre investissement

Le meilleur scénario pour votre investissement ivestir Best Strategy 2012 Le meilleur scéario pour votre ivestissemet U ivestissemet diversifié U coupo uique de 0% à 50% brut* à l échéace Ue courte durée : 4 as et demi Votre capital garati à l échéace

Plus en détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

Approximation de la solution d une équation différentielle ordinaire avec impulsions qui dépendent de l état

Approximation de la solution d une équation différentielle ordinaire avec impulsions qui dépendent de l état Approximatio de la solutio d ue équatio différetielle ordiaire avec impulsios qui dépedet de l état F. Dubeau A. Ouasafi A. Sakat CRM-276 Jauary 21 Départemet de mathématiques et d iformatique, Uiversité

Plus en détail

Comment utiliser ce que vous POSSÉDEZ pour réduire ce que vous DEVEZ

Comment utiliser ce que vous POSSÉDEZ pour réduire ce que vous DEVEZ Commet utiliser ce que vous POSSÉDEZ pour réduire ce que vous DEVEZ Survol du compte Mauvie U La majorité des Caadies gèret leurs fiaces comme suit : 1. Ils déposet leur reveu et autres actifs à court

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

trouve jamais dans les concepts généraux que ce qu on y met

trouve jamais dans les concepts généraux que ce qu on y met ,QIRUPDWLTXHQRUPHHWWHPSV,VDEHOOH%R\GHQV Présetatio par Marie-Ae Chabi Réuio PIN 15 javier 2004 /HVEDVHVGHGRQQpHVHPSLULTXHV Collectio fiie et structurée de doées codifiées, textuelles ou multimédia, destiées

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation 1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus

Plus en détail

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail

Plus en détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

Suites et séries de fonctions

Suites et séries de fonctions [http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de

Plus en détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3 1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice

Plus en détail

Bio-Statistique. 1 ère partie. Discipline : Bio-statistique, Bio-mathématique et Sciences de l Information

Bio-Statistique. 1 ère partie. Discipline : Bio-statistique, Bio-mathématique et Sciences de l Information Bio-Statistique 1 ère partie Disciplie : Bio-statistique, Bio-mathématique et Scieces de l Iformatio OBJECTIFS PEDAGOGIQUES Réaliser l importace du problème de la variabilité ihérete au doées médicales,

Plus en détail

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est

Plus en détail

Initiation à l analyse factorielle des correspondances

Initiation à l analyse factorielle des correspondances Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique

Plus en détail

Réseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus

Réseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio

Plus en détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes. Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités

Plus en détail

HEC. Gilles Mauffrey. METHODES QUANTITATIVES AVEC EXCEL Programmation linéaire, programmation dynamique, simulation, statistique élémentaire

HEC. Gilles Mauffrey. METHODES QUANTITATIVES AVEC EXCEL Programmation linéaire, programmation dynamique, simulation, statistique élémentaire HEC Gilles Mauffrey METHODES QUANTITATIVES AVEC EXCEL Programmatio liéaire, programmatio dyamique, simulatio, statistique élémetaire La Modélisatio LA MODELISATION Modèle et typologie des modèles. La otio

Plus en détail

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers. Reseigemets et moitorig. Reseigemets commerciaux et de solvabilité sur les etreprises et les particuliers. ENSEMBLE CONTRE LES PERTES. Reseigemets Creditreform. Pour plus de trasparece. Etreteir des rapports

Plus en détail

Centre d expertise en analyse environnementale du Québec PROTOCOLE POUR LA VALIDATION ET LA VÉRIFICATION D UNE MÉTHODE D ANALYSE EN MICROBIOLOGIE

Centre d expertise en analyse environnementale du Québec PROTOCOLE POUR LA VALIDATION ET LA VÉRIFICATION D UNE MÉTHODE D ANALYSE EN MICROBIOLOGIE Cetre d expertise e aalyse eviroemetale du Québec Programme d accréditatio des laboratoires d aalyse PROTOCOLE POUR LA VALIDATION ET LA VÉRIFICATION D UNE MÉTHODE D ANALYSE EN MICROBIOLOGIE DR-12-VMM Éditio

Plus en détail

Les algorithmes de tri

Les algorithmes de tri CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 3 : Transistor bipolaire à jonction Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats

Plus en détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules est à dispositio olie et sera doé aux cadidats lors des exames oraux

Plus en détail

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres

Plus en détail

Chaînes de Markov. Arthur Charpentier

Chaînes de Markov. Arthur Charpentier Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.

Plus en détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars

Plus en détail

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

Plus en détail

Études & documents ÉCONOMIE ET ÉVALUATION. Modèle économétrique sur le choix de véhicules des ménages. n 31. Janvier 2011

Études & documents ÉCONOMIE ET ÉVALUATION. Modèle économétrique sur le choix de véhicules des ménages. n 31. Janvier 2011 COMMISSARIAT GÉNÉRAL AU DÉVELOPPEMENT DURABLE 31 Javier 2011 TRANSPORT Études & documets Modèle écoométrique sur le choix de véhicules des méages ÉCONOMIE ET ÉVALUATION Service de l écoomie, de l évaluatio

Plus en détail

Probabilité 1 - L1 MMIA

Probabilité 1 - L1 MMIA Probabilité 1 - L1 MMIA Tra Viet Chi, vtra@u-paris10fr, Bureau E12(G) Exercice 1 (Pour démarrer) 1 Soiet A et B deux esembles Rappelez les défiitios de l itersectio A B, de l uio A B, de la différece A

Plus en détail

Intérêt simple CHAPITRE. Sommaire

Intérêt simple CHAPITRE. Sommaire HAPTRE térêt simple Sommaire A B D E F G H J K L Notio d itérêt Formule fodametale de l itérêt simple Durée de placemet exprimée e mois Durée de placemet exprimée e jours alculs sur la formule fodametale

Plus en détail

1. CALCUL DES CARACTÉRISTIQUES «R- L-C» D'UNE JONCTION TRIPHASÉE

1. CALCUL DES CARACTÉRISTIQUES «R- L-C» D'UNE JONCTION TRIPHASÉE . CALCUL DES CAACTÉISTIQUES «- L-C» DUNE JONCTION TIPHASÉE Trasport et Distributio de léergie Electrique Mauel de travaux pratiques. CALCUL DES CAACTÉISTIQUES «-L-C» DUNE JONCTION TIPHASÉE.. Itroductio....

Plus en détail

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble. II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café

Plus en détail

Donnez de la liberté à vos données. BiBOARD. www.biboard.fr

Donnez de la liberté à vos données. BiBOARD. www.biboard.fr Doez de la liberté à vos doées BiBOARD www.biboard.fr Le décisioel pour tous Le décisioel évolue. L etreprise quelle que soit sa taille, a besoi de piloter so activité à l aide d outils simples, fiables,

Plus en détail

Mécanismes de protection contre les vers

Mécanismes de protection contre les vers Mécaismes de protectio cotre les vers Itroductio Au cours de so évolutio, l Iteret a grademet progressé. Il est passé du réseau reliat quelques cetres de recherche aux États-Uis au réseau actuel reliat

Plus en détail

LE WMS EXPERT DE LA SUPPLY CHAIN DE DÉTAIL

LE WMS EXPERT DE LA SUPPLY CHAIN DE DÉTAIL LE WMS EXET DE LA SULY HAIN DE DÉTAIL QUELS SNT LES ENJEUX DE LA SULY HAIN? garatir la promesse cliet es derières aées, la distributio coaît ue véritable mutatio avec l évolutio des modes de cosommatio.

Plus en détail

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes

Plus en détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

Compte Sélect Banque Manuvie Guide du débutant

Compte Sélect Banque Manuvie Guide du débutant GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de

Plus en détail

Logiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd

Logiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd easylab Le logiciel de gestio de fichiers pour baladeurs et tablettes Visualisatio simplifiée de la flotte Gestio des baladeurs par idividus / classes / groupes / activités Activatio des foctios par simple

Plus en détail

Initiation à l analyse factorielle des correspondances

Initiation à l analyse factorielle des correspondances Fiche TD avec le logiciel : tdr1105 Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat S Asie 19 juin 2014 Corrigé Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps

Plus en détail

P : Dénombrements / Probabilités en univers fini

P : Dénombrements / Probabilités en univers fini P : Déombremets / Probabilités e uivers fii Déombremet & Combiatoire P.1 O tire les cartes! O tire 5 cartes das u jeu de 32 cartes usuel. Combie y a-t-il de tirages possibles vérifiat les coditios suivates

Plus en détail

Lignes directrices applicables aux régimes de capitalisation

Lignes directrices applicables aux régimes de capitalisation Solutios Retraite collectives Liges directrices applicables aux régimes de capitalisatio RÉPONDEZ AUX EXIGENCES ÉNONCÉES DANS LES LIGNES DIRECTRICES GRÂCE AUX EXCELLENTS OUTILS DE LA FINANCIÈRE MANUVIE

Plus en détail

Sommaire Chapitre 1 - L interface de Windows 7 9

Sommaire Chapitre 1 - L interface de Windows 7 9 Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18

Plus en détail