Laboratoire d Analyse Recherche en Economie Quantitative One pager Mai 2012 Vol. 2 Num
|
|
- Cyril Gaudet
- il y a 8 ans
- Total affichages :
Transcription
1 Laboratoire d Analyse Recherche en Economie Quantitative One pager Mai 2012 Vol. 2 Num Choix du paramètre de troncature dans LA PROCEDURE Des tests de racine unitaire Une relecture des tests Augmented Dickey Fuller et Phillips Perron Cédrick Tombola Muke * «mais l on ne peut pour autant oublier que l aspect de la réalité que l on perçoit dépend fatalement de l angle sous lequel on l observe» J. Goffaux Introduction Le présent papier fait un plaidoyer en faveur de la rectitude et de la rigueur dans la procédure des tests de racine unitaire de manière générale, et particulièrement dans le choix du paramètre de troncature qui conditionne leur efficacité et leur puissance d une part, et qui sous-tend la logique de leur construction de l autre. Nous ne pouvons continuer à supporter, dans nos cours à l université, qu un aspect aussi crucial des tests Augmented Dickey Fuller [ADF] et Phillips Perron [PP] en particulier, et de tous les autres tests de stationnarité en général, soit, aussi négligemment, balayé d un revers de la main sans la moindre interrogation sur la pertinence et la véracité de tels enseignements! La relecture des tests ADF et PP proposée dans ce papier démontre, en un langage tranché et rigoureux, que l efficacité de ces deux tests est assurée par une sélection optimale du paramètre de troncature qui, dans le test ADF garantit la blancheur des résidus de la régression et dans le test PP permet de corriger la statistique de Student de la présence d autocorrélation en prenant en compte l estimation de la variance résiduelle de long terme, plus robuste à l hétéroscédasticité et la présence d autocorrélation. En effet, le choix du paramètre de troncature est crucial dans la mesure où l inclusion d un nombre insuffisant de retards peut affecter le niveau du test d une part, et de l autre l introduction d un nombre trop élevé réduit le nombre de degrés de liberté et la puissance du test, ce qui conduit souvent, de manière incorrecte, au non rejet de l hypothèse nulle [H 0]. Il appert donc, loin d arguments faciles et de raisons pédagogiques souvent évoquées, que négliger un tel détail c est faire de la sauvagerie scientifique d un côté, et ignorer les fondamentaux de ces deux tests de l autre. Après le rappel de ces fondamentaux, ce papier propose différentes méthodes de sélection du paramètre de troncature, séparément pour les tests ADF et PP. * Assistant au CCAM UPC et Chercheur co accompli au Laboratoire d Analyse Recherche en Economie Quantitative [LAREQ] ; cedrictombola@lareq.com. Ou nombre de retards ou encore lag. 29
2 I. Logique sous-tendant les tests Dickey Fuller simple et augmenté A. Test de Dickey Fuller simple Dickey et Fuller (1976) sont les premiers à avoir fourni un ensemble d outils statistiques formels pour détecter la non stationnarité dans un processus de marche à l ivrogne [random walk]. La procédure du test consiste simplement à estimer par les moindres carrés ordinaires trois modèles autorégressifs du premier ordre dont les erreurs sont iid **, repris ci-après, et à tester ensuite l H 0 de présence d une racine unitaire [H 0 : ζ = 1] contre l hypothèse alternatice (H 1) de stationnarité [H 1 : ζ < 1]. Modèle [1] X t = ζx t-1 + η t [modèle sans dérive ni trend linéaire] Modèle [2] X t = γ + ζx t-1 + η t [modèle avec dérive] Modèle [3] X t = γ + ζx t-1 + σt + η t [modèle avec dérive et trend linéaire] où, pour chaque modèle, η t est un bruit blanc [BB], soit η t BB(0, ). En pratique, ces trois modèles sont estimés suivant une stratégie séquentielle, sous la forme ci-dessous obtenue en retirant X t-1 de deux côtés de la régression. [1 ] X t = φx t-1 + η t [2 ] X t = γ + φx t-1 + η t [3 ] X t = γ + φx t-1 + σt + η t A présent, tester l H 0 de non stationnarité revient simplement à tester la nullité du coefficient φ. Pour mener ce test, on calcule la statistique de Student t φ. Mais attention, cette statistique ne suit plus, sous H 0, une loi de Student usuelle, même asymptotiquement. Elle suit une distribution de Dickey-Fuller dont les valeurs ont été tabulées par Fuller (1979). On ne peut donc plus utiliser, pour grand échantillon, 1.64 comme valeur critique pour un test unilatéral à 5%. A côté de sa simplicité, le test de Dickey Fuller simple présente la faiblesse d assumer, à priori, que le processus η t est un bruit blanc, écartant la possibilité où les erreurs seraient générées par un processus moyenne mobile MA(q). Or, en réalité les erreurs peuvent être autocorrélées et hétéroscédastiques. Afin de prendre en compte cette faiblesse, deux types de corrections ont été proposées : une correction paramétrique [test de Dickey Fuller Augmenté] et une correction non paramétrique ou semi paramétrique [test de Phillips Perron]. Tombola (2012a). Pour l estimation par les moindres carrés ordinaires, cf. Tombola (2012b). ** Identiquement et indépendamment distribuées. A propos, lire Tombola (2012a). Ces tables sont reprises en annexe de ce papier. 30
3 B. Test de Dickey Fuller Augmenté Le test Dickey Fuller simple a été élargi au cas où l erreur est un AR(p) par Dickey et Fuller (1981), puis au cas où l erreur suit un processus ARMA(p, q) par Saïd et Dickey (1984, 1985). Il faut noter, d ores et déjà, que la mise en œuvre du test ADF est identique à celle du test de Dickey Fuller simple : on adopte la même procédure séquentielle descendante partant du modèle [3 ] et les statistiques de test sont également les mêmes. La grande différence, comme le montre la suite de ce papier, réside dans le fait que l application du test ADF nécessite au préalable le choix du paramètre de troncature p à introduire de sorte à blanchir les résidus et d appliquer, en conséquence, le test de Dickey Fuller simple. Pour rappel, le test de Dickey Fuller simple assume que le terme d erreur est un bruit blanc. Supposons à présent une marche aléatoire avec erreurs autocorrélées, on a le processus suivant. [i] (1 φl)x t = η t avec η t AR(p-1) C est à dire, [ii] où Z t BB(0, ) On a ainsi un modèle DS avec erreurs autocorrélées. En introduisant l opérateur retard dans [ii] et après une manipulation mathématique simple, il vient : [iii] (L, θ)η t = Z t où (L, θ) est un polynôme retard, soit (L, θ) = Connaissant [i] et [iii], après un développement trivial, on peut écrire : (L, θ) (1 φl)x t = Z t ou encore : [iv] X t φx t-1 = Z t Après développement, et en factorisant, on obtient : [v] X t = (φ + θ 1)X t-1 + (θ 2 φθ 1)X t (θ p-1 φθ p-2)x t-p+1 φθ p-1x t-p + Z t On constate que X t suit à présent un processus autorégressif d ordre p, alors que l on était parti d un modèle autorégressif d ordre 1 avec erreurs autocorrélées d ordre p. Le processus suivi par X t a donc été blanchi. Nous renvoyons le lecteur au papier de Tsasa (2012) pour l appréhension des processus ARMA, en prévenant que la lecture de ce papier facilite la compréhension du développement qui va suivre. 31
4 Avant de présenter la forme générale des tests de Dickey Fuller augmenté, considérons un processus autorégressif d ordre 2 : X t = α 1X t-1 + α 2X t-2 + Z t où Z t BB(0, ) En écrivant le modèle en différence, il vient : X t = (α 1 1)X t-1 + α 2X t-1 α 2X t-1 + α 2X t-2 + Z t X t = (α 1 + α 2 1)X t-1 α 2 X t-1 + Z t Prenons à présent un processus AR(3) : X t = α 1X t-1 + α 2X t-2 + α 3X t-3 + Z t On a alors : X t = (α 1 1)X t-1 + α 2X t-1 α 2X t-1 + α 3X t-3 α 3X t-3 + α 2X t-2 + α 3X t-2 α 3X t-2 + α 3X t-3 + Z t = (α 1 + α 2 + α 3 1)X t-1 (α 2 + α 3) X t-1 α 3 X t-2 + Z t En généralisant, pour un modèle AR(P), on a donc : [vi] X t = α 1X t-1 + α 2X t α px t-p + Z t Ainsi, [vii] X t = En identifiant les coefficients avec ceux de la relation [v] et en reportant ces valeurs dans [vii], il vient : α 1 = φ + θ 1 α 2 = θ 2 φθ 1 α p-1 = θ p-1 φθ p-2 [viii] X t = (φ + θ 1 + θ 2 φθ θ p-1 φθ p-2 φθ p-1 1)X t-1 D où [ix] X t = [φ(1 θ 1 θ 2 θ p-1) + (θ 1 + θ θ p-1) 1]X t-1 En factorisant, et en posant : Ф i = ξ= (φ 1)(1 θ 1 θ 2 θ p-1) 32
5 l équation [ix] s écrit : [x] X t = ξx t-1 + Comme pour le cas du test de Dickey Fuller simple, tester l hypothèse nulle de racine unitaire revient à tester la nullité du coefficient de X t-1. Ainsi, c est l ajout des variables en différence qui a permis de blanchir le résidu et qui autorise donc la mise en œuvre des tests de Dickey Fuller. En conséquence, le choix du paramètre de troncature p se révèle donc déterminant pour l efficacité des tests ADF. Tout comme dans le cas du test de Dickey Fuller simple, le test augmenté est également basé sur l estimation de trois modèles : Modèle [1"] X t = ξx t-1 + Modèle [2"] X t = ξx t-1 + μ + Modèle [3"] X t = ξx t-1 + μ + Ωt + La procédure d estimation de ces trois modèles est identique à celle du test simple, et la statistique ADF n est rien d autre que la statistique de Student du coefficient autorégressif ξ associé à X t-1. C. Choix du paramètre de troncature pour les tests ADF La littérature propose plusieurs méthodes permettant de choisir le nombre de retards p à introduire, dans la procédure des tests ADF, afin de prendre en compte l éventuelle autocorrélation et donc d assurer la blancheur des résidus. Ce papier synthétise, avec un œil critique, l ensemble de ces méthodes et les stratégies pour leur mise en œuvre. Tableau 1. Synthèse des méthodes de choix du paramètre de troncature p pour les tests ADF Méthode [1] Méthode basée sur le corrélogramme [2] Méthode basée sur les critères d information [3] Méthode du lag-max de Campbell et Perron (1991) Procédure de sélection de p (Etapes) - Générer le corrélogramme de la série X t et étudier ses autocorrélations partielles ; - Retenir pour p le retard correspondant à la dernière autocorrélation partielle significativement différente de zéro. - Estimer plusieurs processus pour différentes valeurs de p ; - Retenir le modèle qui minimise les critères d information [Akaike, Schwarz, Hannan Quinn, ] Note : Selon Ng et Perron (1995), ces critères présentent l inconvénient de conduire souvent à sélectionner des modèles trop parcimonieux, affectant de ce fait la taille du test. - Fixer une valeur maximale pour p, notée p max, puis estimer le modèle de régression du test ADF ; - Tester la significativité du terme. S il est significatif, on conserve cette valeur pour p ; - Si X t-pmax n est pas significatif, réestimer le modèle de régression du 33
6 test ADF pour une valeur de p égale p max 1, puis tester la significativité du terme, et ainsi de suite. Note : Perron (1993) suggère d étudier la robustesse des résultats en prenant plusieurs valeurs possibles pour p max. [4] Combinaison des méthodes [1] et [3] - Choisir un retard p sur base des autocorrélations partielles de (1 L)X t ; - Introduire p dans la régression, puis tester la significativité du dernier retard. II. Logique sous-tendant le test de Phillips Perron et paramètre de troncature q A. Test de Phillips Perron Si le test ADF apporte une correction paramétrique au test de Dickey Fuller simple en prenant en compte l éventuelle autocorrélation des erreurs, le test de Phillips Perron (1988), quant à lui, propose une correction non paramétrique au test de Dickey Fuller simple afin de régler le problème de l hétéroscédasticité des erreurs, sans avoir à ajouter des variables endogènes en différences retardées comme dans les tests ADF. La procédure du test reste donc basée sur les trois modèles autorégressifs du test de Dickey Fuller simple, repris ci-après, et consiste à tester l H 0 de racine unitaire [H 0 : φ= 0] contre celle de stationnarité [H 1 : φ< 0]. [1 ] X t = φx t-1 + η t [2 ] X t = γ + φx t-1 + η t [3 ] X t = γ + φx t-1 + σt + η t La statistique de test de Phillips-Perron est une statistique de Student corrigée de la présence d autocorrélation par la prise en compte d une estimation de la variance de long terme de η t [calculée par la densité spectrale de η t à la fréquence zéro], robuste à la présence d autocorrélation et d hétéroscédasticité. Phillips et Perron (1988) ont donc suggéré d adjoindre à la statistique de Student du coefficient autorégressif φ, un facteur de correction afin d éliminer les paramètres de nuisance associés à l existence de corrélations dans la composante stochastique du processus générateur de données [PGD] qui perturbent les résultats des tests de Dickey Fuller simple. L estimation de cette variance de long terme est donnée par : [xi] ψ 2 = γ η(0) + 2 où γ η(j), j = 0, 1,, q, est le coefficient d autocovariance d ordre j de η t et q est le paramètre de troncature [pour ne pas calculer les coefficients d autocovariance jusqu à un ordre infini!]. On préfère en général utiliser la correction de Newey-West : [xii] ψ 2 = γ η(0)
7 Notons que La distribution asymptotique de la statistique de Student corrigée de ψ est la même que celle de DF simple, l on va donc se référer, comme pour les tests précédents, aux tables 1 et 2 de Dickey Fuller reprises en annexe de ce papier. B. Choix du paramètre de troncature pour les tests PP Comme on peut s en rendre compte, la mise en œuvre du test de PP est identique à celle du test de Dickey Fuller, il s agit d appliquer la procédure séquentielle descendante partant de l estimation du modèle avec dérive et trend linéaire. Cependant, la mise au point du test PP nécessite au préalable de choisir le paramètre de troncature q, qui par ailleurs, comme pour les tests ADF, conditionne la puissance du test. Le tableau ci-après reprend quelques formules d estimation du paramètre de troncature q. Il convient de noter à ce niveau que de deux tests ADF et PP, c est le test ADF qui est beaucoup plus sensible au choix du paramètre de troncature. Tableau 2. Synthèse des méthodes de choix du paramètre de troncature q pour les tests PP Formules proposées par Schwert (1989) Schwert (1989) propose deux valeurs de q, notées q 4 et q 12. q 4 = int q 12 = int où N est le nombre d observations et int[y] désigne la partie entière de y. Formule proposée par Newey et West (1984) Newey et West, quant à eux, suggèrent de choisir q tel que : q = int En pratique Plus généralement, on retient : q = N 1/4 Toutefois, en pratique, ces différentes formules conduisent à des résultats proches, ce qui pose donc moins d exigence sur la formule à choisir de quatre susmentionnées. De plus, si les résultats sont quasiment identiques, on choisira, par parcimonie, la formule donnant lieu au paramètre q le moins élevé. In fine, il va sans dire qu il serait sauvage de mener les tests de racine unitaire ADF et PP, sans préalablement veiller à la sélection optimale du paramètre de troncature, respectivement p et q. Ainsi, nous plaidons pour que cette étape soit élevée au premier rang et prenne une place centrale dans la procédure des tests ADF et PP ; ce n est qu à ce prix au prix de l attention portée aux petits détails essentiels, estimons-nous, que l on peut éviter cette "démagogie scientifique" qui, malheureusement, semble caractériser les enseignements de certains cours. L idée suivante d Einstein est assez éloquente pour permettre de clore notre propos. «L'extrême netteté, la clarté, et la certitude ne s'acquièrent qu'au prix d'un immense sacrifice: la perte de la vue d'ensemble.» 35
8 Bibliographie CAMPBELL John and PERRON Pierre, 1991: Pitfalls and Opportunities: What Macroeconomists Should Know about Unit Roots, in NBER macroeconomics annual 1991, ed.by Blanchard and Fischer, pp MIT Press, Cambridge and London. DICKEY David, 1976, Estimation and Hypothesis Testing for Non Stationary Time Series, Ph.D. Thesis, Iowa State University. DICKEY David and FULLER Wayne, 1979, Distribution of the Estimators for Autoregressive Time Series with a Unit Root Journal of the American Statistical Association, 74, p ERTUR Cem, 1998, Méthodologie de tests de la racine unitaire, Université de Bourgogne, 44p. FULLER Wayne, 1976, Introduction to Statistical Time Series, John Wiley, New-York, 470 p. LARDIC Sandrine et MIGNON Valérie, 2002, Econométrie des séries temporelles macroéconomiques et financières, Economica, Paris. LUBRANO Michel, 2008, Tests de racine unitaire, 46p. NG Serena and PERRON Pierre, 1995, Unit Root Tests in ARMA Models with Data-Dependent Methods for the Selection of the Truncation Lag, Journal of the American Statistical Association, 90(429), PERRON Pierre, 1993, Racines unitaires en Macroéconomie : le cas d une variable in Macroéconomie : développements récents, Malgrange et Salvas-Bronsard eds., p , Economica, PHILLIPS Peter and PERRON Pierre, 1988, Testing for a Unit Root in Time Series Regression, Biometrika, 75, p TOMBOLA Cédrick, 2012a, Processus Stochastique et Absence de Trend : Une Interprétation Prudente et Plus Attentive, One Pager, vol. 1, num. 010, (avril 2012), 11p. TOMBOLA Cédrick, 2012b, Econométrie 1 : Rappels et Recueils d exercices, Guide pour étudiant, (Avril 2012), 43p. TSASA Jean Paul, 2012, "Initiation à la Modélisation GARCH", Guide pour étudiant, (Mai 2012), 7p. 36
9 ANNEXES Annexe 1. Schématisation de la stratégie des tests de racine unitaire ADF et PP Etape I. Analyse du Plot La série semble ne pas comporter de trend/semble comporter un trend linéaire Etape II. Choix du Paramètre de Troncature pour les tests de racine unitaire Choix du nombre de retards p pour les tests ADF Choix du paramètre de troncature q pour les tests PP Etape III. Choix du Bon Modèle à estimer Test ADF Choisir le bon modèle parmi les trois modèles [1"], [2"] et [3"]. Test PP Choisir le bon modèle parmi les trois modèles [1 ], [2 ] et [3 ]. Etape IV. Verdict du Test Le processus est stationnaire Le processus est non stationnaire Etape V. Méthode de Stationnarisation Processus DS Processus TS Non stationnarité mixte - Filtre aux différences - Ecart à une tendance linéaire - Log retour - Filtre aux différences 37
10 Annexe 2. Table des valeurs critiques du test de Dickey Fuller pour ζ = 1 N 1% 5% 10% Modèle [1] Modèle [2] Modèle [2] Annexe 3. Table des valeurs critiques de la constante et de la tendance, test de Dickey Fuller Modèle [2] Modèle [3] N Constante Constante Trend 1% 5% 10% 1% 5% 10% 1% 5% 10%
1 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 détailMODELE A CORRECTION D ERREUR ET APPLICATIONS
MODELE A CORRECTION D ERREUR ET APPLICATIONS Hélène HAMISULTANE Bibliographie : Bourbonnais R. (2000), Econométrie, DUNOD. Lardic S. et Mignon V. (2002), Econométrie des Séries Temporelles Macroéconomiques
Plus en 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 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 détailCorps des nombres complexes, J Paul Tsasa
Corps des nombres complexes, J Paul Tsasa One Pager Février 2013 Vol. 5 Num. 011 Copyright Laréq 2013 http://www.lareq.com Corps des Nombres Complexes Définitions, Règles de Calcul et Théorèmes «Les idiots
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
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 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 détailChapitre 2. Les Processus Aléatoires Non Stationnaires 1. Chapitre 2. Tests de Non Stationnarité et Processus Aléatoires Non Stationnaires
Chapitre 2. Les Processus Aléatoires Non Stationnaires 1 Chapitre 2 Tests de Non Stationnarité et Processus Aléatoires Non Stationnaires Chapitre 2. Les Processus Aléatoires Non Stationnaires 2 Dans le
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
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 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 détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
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 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 détailPrévisions des prix des négociants de vin par les cours producteurs :
Prévisions des prix des s de vin par les cours producteurs : une étude empirique à partir de 10 appellations de vin de Bourgogne. (première version Mai 2000 - Version révisée juillet 2000) Résumé Cette
Plus en détailAutomatique Linéaire 1 Travaux Dirigés 1A ISMIN
Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
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 détailÉconométrie, causalité et analyse des politiques
Économétrie, causalité et analyse des politiques Jean-Marie Dufour Université de Montréal October 2006 This work was supported by the Canada Research Chair Program (Chair in Econometrics, Université de
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
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 détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailPrévision ARFIMA des taux de change : les modélisateurs doivent-ils encore exhorter à la naïveté des prévisions?
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 54 1999 Prévision ARFIMA des taux de change : les modélisateurs doivent-ils encore exhorter à la naïveté des prévisions? Sandrine LARDIC, Valérie MIGNON * RÉSUMÉ.
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 détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailSTATISTIQUES. UE Modélisation pour la biologie
STATISTIQUES UE Modélisation pour la biologie 2011 Cadre Général n individus: 1, 2,..., n Y variable à expliquer : Y = (y 1, y 2,..., y n ), y i R Modèle: Y = Xθ + ε X matrice du plan d expériences θ paramètres
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailRésumé non technique
Résumé non technique Constats : selon le FMI, l indexation et l ajustement biennal du salaire social minimum sont des facteurs déterminants à la fois du différentiel d inflation et de l inflation au Luxembourg
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 A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailMises en relief. Information supplémentaire relative au sujet traité. Souligne un point important à ne pas négliger.
Cet ouvrage est fondé sur les notes d un cours dispensé pendant quelques années à l Institut universitaire de technologie de Grenoble 2, au sein du Département statistique et informatique décisionnelle
Plus en détailTravail en collaboration avec F.Roueff M.S.Taqqu C.Tudor
Paramètre de longue mémoire d une série temporelle : le cas non linéaire Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor Notion de longue mémoire Les valeurs d une série temporelle X = (X l )
Plus en détailBIG DATA : PASSER D UNE ANALYSE DE CORRÉLATION
BIG DATA : PASSER D UNE ANALYSE DE CORRÉLATION À UNE INTERPRÉTATION CAUSALE Arthur Charpentier Professeur d actuariat à l Université du Québec, Montréal Amadou Diogo Barry Chercheur à l Institut de santé
Plus en détailLes déterminants macroéconomiques de l épargne québécoise et canadienne une étude économétrique
2012RP-01 Les déterminants macroéconomiques de l épargne québécoise et canadienne une étude économétrique Mara Gloria, François Vaillancourt Rapport de projet Montréal Janvier 2012 2012 Mara Gloria, François
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en 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 détailModélisation géostatistique des débits le long des cours d eau.
Modélisation géostatistique des débits le long des cours d eau. C. Bernard-Michel (actuellement à ) & C. de Fouquet MISTIS, INRIA Rhône-Alpes. 655 avenue de l Europe, 38334 SAINT ISMIER Cedex. Ecole des
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailÉconometrie non paramétrique I. Estimation d une densité
Économetrie non paramétrique I. Estimation d une densité Stéphane Adjemian Université d Évry Janvier 2004 1 1 Introduction 1.1 Pourquoi estimer une densité? Étudier la distribution des richesses... Proposer
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailIndustrial Phd Progam
Industrial Phd Progam Catalan Government: Legislation: DOGC ECO/2114/2012 Modification: DOGC ECO/2443/2012 Next: Summary and proposal examples. Main dates March 2013: Call for industrial Phd projects grants.
Plus en détailAlgorithme. Table des matières
1 Algorithme Table des matières 1 Codage 2 1.1 Système binaire.............................. 2 1.2 La numérotation de position en base décimale............ 2 1.3 La numérotation de position en base binaire..............
Plus en détailConsignes pour les travaux d actualité Premier quadrimestre
Consignes pour les travaux d actualité Premier quadrimestre Principes de base Durant le premier semestre, vous serez amenés à remettre un travail effectué en groupe. Le but de celui-ci est de s intéresser
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailUn modèle stochastique du taux d intérêt implicite en microcrédit
Un modèle stochastique du taux d intérêt implicite en microcrédit PHEAKDEI MAUK, MARC DIENER LABORATOIRE J.A. DIEUDONNÉ Dixième colloque des jeunes probabilistes et statisticiens CIRM Marseille 16-20 avril
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailExpérience 3 Formats de signalisation binaire
Expérience 3 Formats de signalisation binaire Introduction Procédures Effectuez les commandes suivantes: >> xhost nat >> rlogin nat >> setenv DISPLAY machine:0 >> setenv MATLABPATH /gel/usr/telecom/comm_tbx
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailTABLE DES MATIÈRES. Avant-propos... Remerciements... CHAPITRE 1 LA COMPTABILITÉ DE MANAGEMENT... 1
TABLE DES MATIÈRES Avant-propos........................................................... Remerciements......................................................... V VII CHAPITRE 1 LA COMPTABILITÉ DE MANAGEMENT................
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 détailSéries temporelles : régression, et modélisation ARIMA(p,d,q)
Séries temporelles : régression, et modélisation ARIMA(p,d,q) 2 décembre 2012 Enseignant : Florin Avram Objectif : La prédiction des phénomènes spatio-temporaux est une des preoccupations principales dans
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 détail2009-02 LA FONCTION D INFORMATION DES EXCHANGE (LME) POUR L ALUMINIUM MARCHES FINANCIERS A TERME : UNE APPLICATION AU LONDON METAL.
2009-02 LA FONCTION D INFORMATION DES MARCHES FINANCIERS A TERME : UNE APPLICATION AU LONDON METAL EXCHANGE (LME) POUR L ALUMINIUM Prosper MOUAK La fonction d information des marchés financiers à terme
Plus en détailLa théorie des anticipations de la structure par terme permet-elle de rendre compte de l évolution des taux d intérêt sur euro-devise?
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 62 2001 La théorie des anticipations de la structure par terme permet-elle de rendre compte de l évolution des taux d intérêt sur euro-devise? Éric JONDEAU * RÉSUMÉ.
Plus en détailMathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans
Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de
Plus en détailTP 1. Prise en main du langage Python
TP. Prise en main du langage Python Cette année nous travaillerons avec le langage Python version 3. ; nous utiliserons l environnement de développement IDLE. Étape 0. Dans votre espace personnel, créer
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 détailRégression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr
Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R
Plus en détailLa persistance des nombres
regards logique & calcul La persistance des nombres Quand on multiplie les chiffres d un nombre entier, on trouve un autre nombre entier, et l on peut recommencer. Combien de fois? Onze fois au plus...
Plus en détailLe WACC est-il le coût du capital?
Echanges d'expériences Comptabilité et communication financière Dans une évaluation fondée sur la méthode DCF, l objectif premier du WACC est d intégrer l impact positif de la dette sur la valeur des actifs.
Plus en détailReprésentation géométrique d un nombre complexe
CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres
Plus en détailReprésentation et analyse des systèmes linéaires
ISAE-NK/Première année présentation et analyse des systèmes linéaires Petite classe No Compléments sur le lieu des racines. Condition sur les points de rencontre et d éclatement Les points de rencontre,(les
Plus en détailUNIVERSITÉ DU QUÉBEC À MONTRÉAL TESTS EN ÉCHANTILLONS FINIS DU MEDAF SANS LA NORMALITÉ ET SANS LA CONVERGENCE
UNIVERSITÉ DU QUÉBEC À MONTRÉAL TESTS EN ÉCHANTILLONS FINIS DU MEDAF SANS LA NORMALITÉ ET SANS LA CONVERGENCE MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN ÉCONOMIE PAR MATHIEU SISTO NOVEMBRE
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 détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailCommunications numériques
Communications numériques 1. Modulation numérique (a) message numérique/signal numérique (b) transmission binaire/m-aire en bande de base (c) modulation sur fréquence porteuse (d) paramètres, limite fondamentale
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailCONSEILS POUR LA REDACTION DU RAPPORT DE RECHERCHE. Information importante : Ces conseils ne sont pas exhaustifs!
CONSEILS POUR LA REDACTION DU RAPPORT DE RECHERCHE Information importante : Ces conseils ne sont pas exhaustifs! Conseils généraux : Entre 25 et 60 pages (hormis références, annexes, résumé) Format d un
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailPrésentation du langage et premières fonctions
1 Présentation de l interface logicielle Si les langages de haut niveau sont nombreux, nous allons travaillé cette année avec le langage Python, un langage de programmation très en vue sur internet en
Plus en détailLe montant des garanties constituées aux fins du STPGV est-il excessif?
Le montant des garanties constituées aux fins du STPGV est-il excessif? Kim McPhail et Anastasia Vakos* L e système canadien de transfert des paiements de grande valeur (STPGV) sert à effectuer les paiements
Plus en détailTOUT CE QU IL FAUT SAVOIR POUR LE BREVET
TOUT E QU IL FUT SVOIR POUR LE REVET NUMERIQUE / FONTIONS eci n est qu un rappel de tout ce qu il faut savoir en maths pour le brevet. I- Opérations sur les nombres et les fractions : Les priorités par
Plus en détailUne analyse économétrique multivariée du comportement des ménages
Revue de l OFCE n 66 / juillet 1998 Une analyse économétrique multivariée du comportement des ménages Françoise Charpin Professeur à l Université de Paris II, Conseiller scientifique à l OFCE Cette étude
Plus en détailTransmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
Plus en détailCours d initiation à la programmation en C++ Johann Cuenin
Cours d initiation à la programmation en C++ Johann Cuenin 11 octobre 2014 2 Table des matières 1 Introduction 5 2 Bases de la programmation en C++ 7 3 Les types composés 9 3.1 Les tableaux.............................
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailavec des nombres entiers
Calculer avec des nombres entiers Effectuez les calculs suivants.. + 9 + 9. Calculez. 9 9 Calculez le quotient et le rest. : : : : 0 :. : : 9 : : 9 0 : 0. 9 9 0 9. Calculez. 9 0 9. : : 0 : 9 : :. : : 0
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détail4.2 Unités d enseignement du M1
88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter
Plus en détailRapport de projet Risque de Crédit, Risque de Défaut : Étude de l influence du taux de recouvrement sur le prix de CDOs.
Rapport de projet Risque de Crédit, Risque de Défaut : Étude de l influence du taux de recouvrement sur le prix de CDOs. Auteurs : Hecht Frédéric, Porzier Rémi, Font Guillaume Cours «Risque de Crédit,
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailESTIMATION D UNE FONCTION DE DEMANDE DE MONNAIE AU CAMEROUN PAULIN MENDO & MBOLLO STEVE WILLIAMS*
ESTIMATION D UNE FONCTION DE DEMANDE DE MONNAIE AU CAMEROUN PAULIN MENDO & MBOLLO STEVE WILLIAMS* Contexte et justification Le Cameroun constitue l un des six Etats membres de la Communauté Economique
Plus en détailAlgorithmique et programmation : les bases (VBA) Corrigé
PAD INPT ALGORITHMIQUE ET PROGRAMMATION 1 Cours VBA, Semaine 1 mai juin 2006 Corrigé Résumé Ce document décrit l écriture dans le langage VBA des éléments vus en algorithmique. Table des matières 1 Pourquoi
Plus en détailArithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot
Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
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 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 détailApproche modèle pour l estimation en présence de non-réponse non-ignorable en sondage
Approche modèle pour l estimation en présence de non-réponse non-ignorable en sondage Journées de Méthodologie Statistique Eric Lesage Crest-Ensai 25 janvier 2012 Introduction et contexte 2/27 1 Introduction
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 détailSUIVI CINETIQUE PAR SPECTROPHOTOMETRIE (CORRECTION)
Terminale S CHIMIE TP n 2b (correction) 1 SUIVI CINETIQUE PAR SPECTROPHOTOMETRIE (CORRECTION) Objectifs : Déterminer l évolution de la vitesse de réaction par une méthode physique. Relier l absorbance
Plus en détailMÉTHODOLOGIE PROJET SYSTÈME D INFORMATION DÉCISIONNEL BI - BUSINESS INTELLIGENCE. En résumé :
En résumé : Phase I : collecte des besoins I - Expression des besoins II - Étude de faisabilité III - Définition des priorités IV - Rédaction puis validation du cahier des charges Phase II : implémentation
Plus en détailERRATA ET AJOUTS. ( t) 2 s2 dt (4.7) Chapitre 2, p. 64, l équation se lit comme suit : Taux effectif = 1+
ERRATA ET AJOUTS Chapitre, p. 64, l équation se lit comme suit : 008, Taux effectif = 1+ 0 0816 =, Chapitre 3, p. 84, l équation se lit comme suit : 0, 075 1 000 C = = 37, 50$ Chapitre 4, p. 108, note
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détail