Microéconométrie II. Exploiter des données à plusieurs dimensions Modèles basiques de panel
|
|
- Jérémie Lebel
- il y a 8 ans
- Total affichages :
Transcription
1 Claudio Araujo 9/09/03 Microéconométrie II. Eploer des données à plusieurs dimensions Modèles basiques de panel Claudio Araujo CERDI, Universé d Auvergne Clermont-Ferrand, France Principales caractéristiques des données longudinales Structure des données Données ou séries temporelles (time series) Données en coupe transversales (cross sections) Données en coupe transversales regroupées (pooled cross sections) Données longudinales issues d un panel (panel data) Avantages et limes des données de panel Augmentation de la taille de l échantillon Double (multi) dimension : caractères individuels et temporels Interprétation plus fine des résultats Prise en compte de l hétérogénéé inobservée CERDI Ecole d Economie UdA
2 Claudio Araujo 9/09/03. Modélisation des données de panel Modèle économétrique linéaire générale Comment représenter un modèle de panel? Peut-on estimer ce modèle? Faut-il imposer des contraintes à ce modèle? Quelles options pour contrôler les effets spécifiques? Régression groupée (RG) Modèle à effets fies (EF) Modèle à effets aléatoires (EA) Modèle Between 3. Méthodes d estimation Utilisation des moindres carrés ordinaires (MCO) Estimation des modèles à effets fies Approche par les variables muettes (MVM) Approche par l utilisation du théorème de Frisch- Waugh (whin) Estimation des modèles à effets aléatoires Estimation de la matrice variance-covariance quand celle-ci est inconnue : le moindres carrés (quasi) généralisés (MCQG) Estimation par le maimum de vraisemblance CERDI Ecole d Economie UdA
3 Claudio Araujo 9/09/03 4. Justification et tests d hpothèses est d absence d effets spécifiques fies est d absence d effets spécifiques aléatoires Choi entre les effets spécifiques fies et aléatoires Selon le mode de sélection de l échantillon Selon les caractéristiques des variables ou le tpe de modèle économétrique est d Hausman Le problème de l hétéroscédasticé et de l autocorrélation en panel Microéconométrie Principales notions du chapre Données longudinales (panel, pooling), données en coupe transversale, séries chronologiques Modèles à effets fies et aléatoires Opérateurs whin et between Estimation par la méthode de moindres carrés quasi généralisés ests d absence d effets spécifiques ravau pratiques Calculer des opérateurs à double indice Estimer des modèles basique de panel Programmer, tester et interpreter le test d Hausman ester l autocorrélation en panel Commentaire d articles d économie du développement, utilisant des techniques de données de panel CERDI Ecole d Economie UdA 3
4 Claudio Araujo 9/09/03 Microéconométrie etes pour discussions et/ou lecture Impact des confls sur le secteur alimentaire Ali H. and E. Lin, 00, Wars, foodcost and countervailing policies: A panel data approach, Food Polic, 35, pp Effet des infrastructure sur la croissance Veganzones M-A., 000, «Infrastructures, investissement et croissance : un bilan de di années de recherches», Etudes et documents du CERDI, ED Complément au cours Anciennes diapos CERDI Ecole d Economie UdA 4
5 Claudio Araujo 9/09/03 Variabilé inter-individuelle («between group») Information disponible en termes de décomposion de la variabilé totale des observations Variabilé totale Variabilé intertemporelle («between time-periods») Variabilé intraindividuelle-temporelle («double whin») Eemples : Différents tpes de variabilé Inter individuelle Différences structurelles (culture, ethnie, grilles de salaires, ) Inter temporelle Évolutions macro-économiques (reformes nationales, cadre législatif, effets de la conjoncture, évolution des salaires, ) Intra individuelle temporelle Comportement propre à chaque individu caractéristiques personnelles (diplôme, epérience, secteur d activé, taille de l entreprise, ) CERDI Ecole d Economie UdA 5
6 Claudio Araujo 9/09/03 Impact de l hétérogénéé inobservée Cas d une régression simple. i =,, 3, 4 Hétérogénéé saisie au niveau de l ordonnée à l origine En rouge : régression ignorant l hétérogénéé inobservée Eemple Eemple Eemple Eemple 4 Eemple Hétérogénéé saisie au niveau des pentes Observation : e pas confondre l hétérogénéé entre les individus (hétérogénéé des comportements) et le comportement hétérogène d un individu (hétérogénéé des suations) Individu droe de régression Hétérogénéé de suation (comportement d un individu) CERDI Ecole d Economie UdA 6
7 Claudio Araujo 9/09/03 Modélisation de l hétérogénéé Modèle économétrique linéaire général α K βk k η Y = X β η ( ) ( K ) k= ( K ) ( ) i =,, ; t =,, = erme d erreurs η Caractéristiques individuelles = i θ t Caractéristiques temporelles ) E( i t ) = 0 ) E( i t ) = 3) E( i t j t ) = 0, i j 4) E( i t i s ) = 0, t s 5) E( i t i t ) = 0 Peut-on estimer ce modèle? Le nombre de paramètres a estimer > taille de l échantillon Cas particulier de l hétérogénéé individuelle ous les coefficients sont identiques α = α β k i t = β k RG MCO rois contraintes Ordonnée à l origine différente entre les individus α i t = α i β k i t = β k Caractère Ordonnée à l origine & coefficients de pente différents entre les individus α i t = α i β k i t = β k i MCC Déterministe MEF Aléatoire MEA MCA CERDI Ecole d Economie UdA 7
8 Claudio Araujo 9/09/03 Illustrations graphiques Droe estimée i = i = i = 3 Régression Groupée (RG) Illustrations graphiques i = i = Modèle à Effets Fies (MEF) i i = 3 Modèle à Coefficients Fies & Composés (MCC-F) i = i = i = 3 i = i = i = 3 Modèle à Coefficients Composés (MCC) 6 CERDI Ecole d Economie UdA 8
9 Claudio Araujo 9/09/03 Illustrations graphiques «écarts» aléatoires i = i = i = 3 Droe estimée Modèle à Effets Aléatoires (MEA) i = i = Droe estimée i = 3 Modèle à Coefficients Aléatoires (MCA) Calcul des opérateurs inter et intra dans le cas particulier d effet individuel Opérateur between J B Y = I Y = M = Y ( ) ( ) ( ) Opérateur whin M M = = [ ] ( )( ) W Y = I I J Y M Y Y M M ( ), Y BY WY Jean, Jean, Jean, Marie, Marie, Marie, CERDI Ecole d Economie UdA 9
10 Claudio Araujo 9/09/03 Modèle à effets aléatoires MEA (RE) L effet spécifique est pris en compte au niveau de la perturbation stochastique qui comporte trois termes d erreurs : individuel, temporel et idiosncratique. Ce modèle est connu sous le nom : modèle à erreurs (ou à variance) composées MEC Structure du MEC effets spécifiques individuels K ( ) = α βkk i k = 3 η K double effets spécifiques ( θ ) = α βk k i t 443 k = η Matrice des variances covariances des écarts (cas d effets spécifiques individuels) Α ( ) = ( ) M O O L L O O ( ) M = I J En empilant les donnée pour l ensemble des observations : Ω = I A = I ( ) ( I J ) CERDI Ecole d Economie UdA 0
11 Claudio Araujo 9/09/03 Après décomposion spectrale de la matrice Ω, on obtient : Ω = Opérateur moenne générale J I Ω = κ κ ( ) Ι J Ι Ι J Opérateur between individuel J J J κ3 Opérateur between temporel I J κ4 Ou (dans le cas de double effets) : I Opérateur whin individuel temporel J J I J θ θ ln Comment estimer ce modèle? Par le MV : ( ) ( π ) ( ) L = ln ln ln( φ ) ( Xβ ) Ω ( Xβ ) Par le MCG : βˆ mcg ( X' Ω X ) X' Ω Y En remplaçant la matrice Ω on retrouve : φ : rapport entre les variances intra et inter = ( X' WX φx' BX) ( X' WY X' BY) β ˆ = φ mcg φ = CERDI Ecole d Economie UdA
12 Claudio Araujo 9/09/03 Méthodes d estimation des composants de la variance MCQG Méthode de «Wallace Hussain», 969 : suggèrent calculer et à partir des résidus obtenus par les MCO Méthode de «Amemia» (Wansbeek & Kapten), 97 : suggèrent calculer et à partir des résidus obtenus par l estimation du modèle LSDV Méthode de «erlorve», 97 : suggère calculer à partir des coefficients du MVM et à partir des résidus du modèle whin. Méthode de «Swam Arora», 97 : suggèrent procèder en étapes : i) estimation intra et inter pour obtenir la valeur de φ ; ii) transformation des données et estimation du modèle Modèle à estimer K ( φ) i = α { βk [ k ( φ) ki ]} η ( φ) i k= η ( - φ) : facteur de transformation des données Méthodes d estimation des composants de la variance Méthode de «Wallace Hussain», 969 Méthode de «Amemia» (Wansbeek & Kapten), 97 Méthode de «Swam Arora», 97 Remplacer les perturbations η par les résidus obenus à partir de l estimation MCO Procéder en étapes : estimation intra et inter Remplacer les perturbations η par les résidus obenus à partir de l estimation du modèle LSDV CERDI Ecole d Economie UdA
13 Claudio Araujo 9/09/03 Méthode de «Swam Arora» φ inconnu. Solution : MCQG. Méthode d estimation réalisée en deu temps Estimer ˆη afin d obtenir la valeur de φ (estimation intra et estimation inter) Remarques : Utiliser la valeur de φ pour transformer les données et estimer le modèle Lorsque φ = MCO sur échantillon totale ˆ =0 Lorsque φ = 0 Modèle Intra ˆ > ˆ Autre Méthode : «erlove» 97 Estimateur de la variance (sans correction ddl) : Estimation de ² par : Coefficients du ( ˆ ˆ) modèle MVM : = γ i i γ ˆ' ˆ ˆ = w w Estimation par le ML ln ( ) ( π ) ( ) L = ln ln ln( φ ) ( Xβ ) Ω ( Xβ ) φ = Variance intra / Variance inter CERDI Ecole d Economie UdA 3
L Econométrie des Données de Panel
Ecole Doctorale Edocif Séminaire Méthodologique L Econométrie des Données de Panel Modèles Linéaires Simples Christophe HURLIN L Econométrie des Données de Panel 2 Figure.: Présentation Le but de ce séminaire
Plus en détailModèles Estimés sur Données de Panel
Modèles Estimés sur Données de Panel Introduction Il est fréquent en économétrie qu on ait à composer avec des données à deux dimensions : - une dimension chronologique - une dimension spatiale Par exemple,
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en 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 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 détailFOAD COURS D ECONOMETRIE 1 CHAPITRE 2 : Hétéroscédasicité des erreurs. 23 mars 2012.
FOAD COURS D ECONOMETRIE CHAPITRE 2 : Hétéroscédasicité des erreurs. 23 mars 202. Christine Maurel Maître de conférences en Sciences Economiques Université de Toulouse - Capitole Toulouse School of Economics-ARQADE
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 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 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 détail1 Comment faire un document Open Office /writer de façon intelligente?
1 Comment faire un document Open Office /writer de façon intelligente? 1.1 Comment fonctionne un traitement de texte?: les balises. Un fichier de traitement de texte (WRITER ou WORD) comporte en plus du
Plus en détailExamen de Logiciels Statistiques
G. Hunault Angers, mai 2011 Licence MEF Examen de Logiciels Statistiques On s intéresse ici au dossier EAEF01 qui contient un extrait des données du recensement américain. On trouvera ces données et leur
Plus en détailAPPEL A COMMUNICATIONS
APPEL A COMMUNICATIONS Colloque régional UEMOA-CRDI sur Intégration régionale et stratégies régionales de réduction de la pauvreté 8-10 décembre 2009, Ouagadougou, Burkina Faso Délai de soumission de résumé
Plus en détailLe modèle de régression linéaire
Chapitre 2 Le modèle de régression linéaire 2.1 Introduction L économétrie traite de la construction de modèles. Le premier point de l analyse consiste à se poser la question : «Quel est le modèle?». Le
Plus en détailChapitre 3 : Le budget des ventes. Marie Gies - Contrôle de gestion et gestion prévisionnelle - Chapitre 3
Chapitre 3 : Le budget des ventes Introduction 2 Rappel des différents budgets opérationnels - budget des ventes (chapitre 3) - budget de production (chapitre 4) - budget des approvisionnements et des
Plus en détailEkoconstruct / Catalogue 2014. ek construct
Ekoconstruct / Catalogue 2014 ek construct 1 Nos engagements Nos engagements Une entreprise familiale avec un savoir faire Une société tournée vers le développement durable Une construction rapide et personnalisée
Plus en détailModélisation des carrières salariales. dans Destinie
INSTITUT NATIONAL DE LA STATISTIQUE ET DES ÉTUDES ÉCONOMIQUES Série des documents de travail de la Direction des Etudes et Synthèses Économiques G 990 Modélisation des carrières salariales dans Destinie
Plus en détailEvaluer l ampleur des économies d agglomération
Pierre-Philippe Combes GREQAM - Université d Aix-Marseille Ecole d Economie de Paris CEPR Janvier 2008 Supports de la présentation Combes, P.-P., T. Mayer et J.-T. Thisse, 2006, chap. 11. Economie Géographique,
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailFctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines
FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html
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 détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailLes débats sur l évolution des
D o c u m e n t d e t r a v a i l d e l a B r a n c h e R e t r a i t e s d e l a C a i s s e d e s d é p ô t s e t c o n s i g n a t i o n s n 9 8-0 7 C o n t a c t : La u re nt V e r n i è r e 0 1 4
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 détailGestion obligataire passive
Finance 1 Université d Evry Séance 7 Gestion obligataire passive Philippe Priaulet L efficience des marchés Stratégies passives Qu est-ce qu un bon benchmark? Réplication simple Réplication par échantillonnage
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
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 détailCours Marché du travail et politiques d emploi
Cours Marché du travail et politiques d emploi L offre de travail Pierre Cahuc/Sébastien Roux ENSAE-Cours MTPE Pierre Cahuc/Sébastien Roux (ENSAE) L offre de travail 1 / 48 Introduction Introduction Examen
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailLa simulation probabiliste avec Excel
La simulation probabiliste avec Ecel (2 e version) Emmanuel Grenier emmanuel.grenier@isab.fr Relu par Kathy Chapelain et Henry P. Aubert Incontournable lorsqu il s agit de gérer des phénomènes aléatoires
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 détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours.
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
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 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 détailDétection en environnement non-gaussien Cas du fouillis de mer et extension aux milieux
Détection en environnement non-gaussien Cas du fouillis de mer et extension aux milieux hétérogènes Laurent Déjean Thales Airborne Systems/ENST-Bretagne Le 20 novembre 2006 Laurent Déjean Détection en
Plus en détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
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 détailchargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d
Laboratoire de Mécanique et Ingénieriesnieries EA 3867 - FR TIMS / CNRS 2856 ER MPS Modélisation stochastique d un d chargement d amplitude variable à partir de mesures Application à l approche fiabiliste
Plus en détail4. Résultats et discussion
17 4. Résultats et discussion La signification statistique des gains et des pertes bruts annualisés pondérés de superficie forestière et du changement net de superficie forestière a été testée pour les
Plus en détailIntroduction à l économétrie : Spécifications, formes fonctionnelles, hétéroscédasticité et variables instrumentales
Introduction à l économétrie : Spécifications, formes fonctionnelles, hétéroscédasticité et variables instrumentales Pierre Thomas Léger IEA, HEC Montréal 2013 Table des matières 1 Introduction 2 2 Spécifications
Plus en détailExprimer ce coefficient de proportionnalité sous forme de pourcentage : 3,5 %
23 CALCUL DE L INTÉRÊT Tau d intérêt Paul et Rémi ont reçu pour Noël, respectivement, 20 et 80. Ils placent cet argent dans une banque, au même tau. Au bout d une année, ce placement leur rapportera une
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailCalcul économique privé
Année 2010-2011 Alain Marciano : L analyse coût avantage Licence Sciences Economiques 3, UM1 Plan chapitre Section 1. L agrégation des effets dans le temps : l actualisation Section 2. Les critères complémentaires
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 détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
Plus en détailChapitre 2/ La fonction de consommation et la fonction d épargne
hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation
Plus en détailDéveloppement financier et inégalité de revenus : Analyse empirique sur le données de panel
International Volume Book: Economics & Strategic Management of Business Process (ESMB) Copyright _ IPCO 2014 Développement financier et inégalé de revenus : Analyse empirique sur le données de panel Najeh
Plus en détailChapitre 2 Les ondes progressives périodiques
DERNIÈRE IMPRESSION LE er août 203 à 7:04 Chapitre 2 Les ondes progressives périodiques Table des matières Onde périodique 2 2 Les ondes sinusoïdales 3 3 Les ondes acoustiques 4 3. Les sons audibles.............................
Plus en détailGUIDE SUIVI EVALUATION RIDER SUODE
GUIDE SUIVI EVALUATION RIDER SUODE Ce document, réalisé dans le cadre du GT5 «suivi / évaluation», est un guide pour les experts du Comité Scientifique. Les critères et indicateurs choisis dans ce document
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailIntégration des marchés et sécurité alimentaire dans les pays en développement Market Integration and Food Security in Developing Countries
C N R CENTR E D ETUDES ET DE R EC HER C HES SUR LE DEVELOPPEM ENT INTER NATIONAL CERDI 65, boulevard François Mitterrand 63000 Clermont-Ferrand France http://cerdi.org/colloque/imsa2008 COLLOQUE INTERNATIONAL
Plus en détailFINANCEMENT OPTIMAL DE LA SOLVABILITE D UN ASSUREUR
FINANCEMENT OPTIMAL DE LA SOLVABILITE D UN ASSUREUR Guillaume PLANTIN GREMAQ Université Toulouse I 1 La détermination d un plan de réassurance optimal est une des applications les plus classiques de la
Plus en détailIncertitude et variabilité : la nécessité de les intégrer dans les modèles
Incertitude et variabilité : la nécessité de les intégrer dans les modèles M. L. Delignette-Muller Laboratoire de Biométrie et Biologie Evolutive VetAgro Sup - Université de Lyon - CNRS UMR 5558 24 novembre
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 détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détail201-105-RE SOLUTIONS CHAPITRE 1
Chapitre1 Matrices 1 201-105-RE SOLUTIONS CHAPITRE 1 EXERCICES 1.2 1. a) 1 3 Ë3 7 3 2 Ë 1 16 pas défini d) 16 30 17 3 e) Ë 7 68 22 16 13 Ë 5 18 6 2. a) 0 4 4 4 0 4 Ë4 4 0 Ë 0 4 32 4 4 0 4 32 32 4 0 4 4
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailLes effets d une contrainte de crédit sur la convergence économique : Le cas des pays de l UEMOA
Les effets d une contrainte de crédit sur la convergence économique : Le cas des pays de l UEMOA Auteurs : Abdoulaye DIAGNE et Abdou-Aziz NIANG Introduction Ceci devrait contribuer à réduire l écart entre
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en 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 détailBaccalauréat ES Amérique du Nord 4 juin 2008
Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation
Plus en détailTest d Indépendance au Contexte (TIC) et Structure des Représentations Sociales
Swiss Journal of Psychology 67 (2), 2008, 119 123 Short Research Note Test d Indépendance au Contexte (TIC) et Structure des Représentations Sociales [Test of Context Independence (TCI) and Structure of
Plus en détailCorrection du bac blanc CFE Mercatique
Correction du bac blanc CFE Mercatique Exercice 1 (4,5 points) Le tableau suivant donne l évolution du nombre de bénéficiaires de minima sociaux en milliers : Année 2002 2003 2004 2005 2006 2007 2008 2009
Plus en détailDÉTERMINATION DU POURCENTAGE EN ACIDE D UN VINAIGRE. Sommaire
BACCALAURÉAT SÉRIE S Épreuve de PHYSIQUE CHIMIE Évaluation des compétences expérimentales Sommaire I. DESCRIPTIF DU SUJET DESTINÉ AUX PROFESSEURS... 2 II. LISTE DE MATÉRIEL DESTINÉE AUX PROFESSEURS ET
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 détailUnion générale des étudiants de Tunisie Bureau de l institut Préparatoire Aux Etudes D'ingénieurs De Tunis. Modèle de compte-rendu de TP.
Union générale des étudiants de Tunisie Modèle de compte-rendu de TP Dipôle RC Ce document a été publié pour l unique but d aider les étudiants, il est donc strictement interdit de l utiliser intégralement
Plus en détailq u estions santé d économie de la résultats Repères
Bulletin d information en économie de la santée q u estions d économie de la santé résultats Repères Fin 2003, l Irdes a mené une enquête sur la protection sociale complémentaire d entreprise (PSCE) auprès
Plus en détailBiostatistiques : Petits effectifs
Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailMaster IAD Module PS. Reconnaissance de la parole (suite) Alignement temporel et Programmation dynamique. Gaël RICHARD Février 2008
Master IAD Module PS Reconnaissance de la parole (suite) Alignement temporel et Programmation dynamique Gaël RICHARD Février 2008 1 Reconnaissance de la parole Introduction Approches pour la reconnaissance
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailDonnées longitudinales et modèles de survie
ANALYSE DU Données longitudinales et modèles de survie 5. Modèles de régression en temps discret André Berchtold Département des sciences économiques, Université de Genève Cours de Master ANALYSE DU Plan
Plus en détailLe théorème des deux fonds et la gestion indicielle
Le théorème des deux fonds et la gestion indicielle Philippe Bernard Ingénierie Economique& Financière Université Paris-Dauphine mars 2013 Les premiers fonds indiciels futent lancés aux Etats-Unis par
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 détailMémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains.
Mémoire d actuariat - promotion 2010 La modélisation des avantages au personnel: complexité et limites du modèle actuariel, le rôle majeur des comportements humains. 14 décembre 2010 Stéphane MARQUETTY
Plus en détailOPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
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 détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
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 détailThéorie des sondages : cours 5
Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur
Plus en détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
Plus en détail10 leçon 2. Leçon n 2 : Contact entre deux solides. Frottement de glissement. Exemples. (PC ou 1 er CU)
0 leçon 2 Leçon n 2 : Contact entre deu solides Frottement de glissement Eemples (PC ou er CU) Introduction Contact entre deu solides Liaisons de contact 2 Contact ponctuel 2 Frottement de glissement 2
Plus en détailFACEBOOK ET LES RESEAUX SOCIAUX
CYBERCAMP FACEBOOK ET LES RESEAUX SOCIAUX Pourquoi être présent sur les médias sociaux? Aujourd hui, 70 à 100 % de vos clients sont des internautes! 72 % des français sont des internautes 92 % de ces internautes
Plus en détailEXERCICES - ANALYSE GÉNÉRALE
EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par
Plus en détailPART II - COUNTRY TABLES
PART II - COUNTRY TABLES PARTIE II - TABLEAUX PAR PAYS ALGERIA Item ADB / BAD COMPENDIUM OF STATISTICS Amounts in Millions of UA ADF / FAD 1967-2009 1974-2009 Total Approvals - 0.60-5.84 1 892.84 (37)
Plus en détailLA BAISSE DES TAUX D ÉPARGNE PRIVÉE DURANT LES ANNÉES 90 DANS LES PAYS DE L OCDE : LA CONTRIBUTION DES DÉTERMINANTS AUTRES QUE LA RICHESSE
Revue économique de l OCDE n 36, 2003/I LA BAISSE DES TAUX D ÉPARGNE PRIVÉE DURANT LES ANNÉES 90 DANS LES PAYS DE L OCDE : LA CONTRIBUTION DES DÉTERMINANTS AUTRES QUE LA RICHESSE Alain Serres et Florian
Plus en détailDérivation : cours. Dérivation dans R
TS Dérivation dans R Dans tout le capitre, f désigne une fonction définie sur un intervalle I de R (non vide et non réduit à un élément) et à valeurs dans R. Petits rappels de première Téorème-définition
Plus en détailLa médiatrice d un segment
EXTRT DE CURS DE THS DE 4E 1 La médiatrice d un segment, la bissectrice d un angle La médiatrice d un segment Définition : La médiatrice d un segment est l ae de smétrie de ce segment ; c'est-à-dire que
Plus en détailChapitre 3. La répartition
Chapitre 3. La répartition 1. La répartition de la valeur ajoutée La valeur ajoutée (1) Valeur ajoutée : solde du compte de production = > VA = P CI = > Richesse effectivement créée par les organisations
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 détailSDLS08 - Modes propres d'une plaque carrée calculés sur base réduite
Titre : SDLS08 - Modes propres d'une plaque carrée calculé[...] Date : 03/08/2011 Page : 1/6 SDLS08 - Modes propres d'une plaque carrée calculés sur base réduite Résumé : Ce cas test a pour objectif de
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailExo7. Limites de fonctions. 1 Théorie. 2 Calculs
Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication
Plus en détail