CHAPITRE 1 La nature de l économétrie et la structure des données économiques... 25

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "CHAPITRE 1 La nature de l économétrie et la structure des données économiques... 25"

Transcription

1 TABLE DES MATIÈRES Sommaire... 5 Avant- propos... 9 Remerciements À propos de l auteur CHAPITRE 1 La nature de l économétrie et la structure des données économiques Qu est- ce que l économétrie? Les étapes de l analyse économique empirique La structure des données économiques Données en coupe transversale Séries chronologiques Données empilées Données de panel Remarque sur la structure des données La causalité et la signification de ceteris paribus dans l analyse économétrique Résumé Partie 1 L analyse de régression sur données en coupe transversale CHAPITRE 2 Le modèle de régression linéaire simple La définition du modèle de régression linéaire simple La dérivation des estimateurs des Moindres Carrés Ordinaires Remarque sur la terminologie... 70

2 1196 Introduction à l économétrie 2.3 Les propriétés des MCO en échantillon Valeurs ajustées et résidus Propriétés algébriques des statistiques dérivées de la méthode des MCO Qualité d ajustement Les unités de mesure et la forme fonctionnelle Effets du changement des unités de mesure sur les statistiques des MCO Tenir compte de la non- linéarité dans une régression simple La signification du qualificatif «linéaire» Espérances et variances des estimateurs des MCO Absence de biais des estimateurs des MCO Variances des estimateurs des MCO L estimation de la variance de l erreur Régression passant par l origine et régression sur constante Résumé CHAPITRE 3 Le modèle de régression linéaire multiple Les avantages du modèle de régression linéaire multiple Le modèle à deux variables indépendantes Le modèle avec k variables indépendantes La méthode des moindres carrés ordinaires Le calcul des estimateurs des MCO Interprétation de l équation de régression des MCO Sur la signification de ceteris paribus dans la régression multiple Faire varier plusieurs variables indépendantes en même temps Valeurs ajustées et résidus des MCO Une autre interprétation de l effet marginal dans la RLM Comparaison des estimations par RLS et par RLM Qualité de l ajustement Régression passant par l origine L espérance des estimateurs des MCO Inclusion de variables non pertinentes dans une régression Biais de variable omise : un cas simple Biais de variable omise : le cas général La variance des estimateurs des MCO Les composants de la variance des MCO et la multicolinéarité Variance de l estimateur dans un modèle mal spécifié Estimation de σ 2 et écarts-types estimés des MCO Efficacité des MCO : le théorème de Gauss- Markov

3 Table des matières Quelques commentaires sur la terminologie Résumé CHAPITRE 4 L inférence statistique dans le modèle de régression Distributions d échantillonnage des estimateurs des MCO Tests d hypothèses sur un unique paramètre de la population : le test de Student Test d hypothèse unilatéral Alternatives bilatérales Tester d autres hypothèses relatives à b j Calcul des p- valeurs pour les tests de Student Rappel du jargon des tests d hypothèses classiques Significativité statistique et significativité économique ou pratique Intervalles de confiance Tests d hypothèses sur une combinaison linéaire simple des paramètres Tester des restrictions linéaires multiples : le test de Fisher Tester les restrictions d exclusion Liens entre les statistiques de Fisher et de Student La formulation R- carré de la statistique de Fisher Calcul des p- valeurs pour le test de Fisher De l usage de la statistique de Fisher pour tester la significativité globale d un modèle de régression Tester des restrictions linéaires générales Reporter les résultats d estimation des modèles de régression Résumé CHAPITRE 5 Résultats asymptotiques des MCO dans le modèle de régression Convergence Calculer la non convergence de l estimateur des MCO Normalité asymptotique et inférence en grand échantillon Autres tests en grand échantillon : la statistique du multiplicateur de Lagrange La statistique du multiplicateur de Lagrange pour q restrictions d exclusion Efficacité asymptotique de l estimateur des MCO Résumé

4 1198 Introduction à l économétrie CHAPITRE 6 Questions additionnelles sur le modèle de régression Effets des changements des échelles des données sur les statistiques des MCO Coefficients Beta Compléments sur la forme fonctionnelle Compléments concernant l utilisation de formes fonctionnelles logarithmiques Modèles quadratiques Modèles avec termes d interaction Compléments sur l ajustement et la sélection des régresseurs R-carré ajusté Utiliser le R-carré ajusté pour sélectionner des modèles non emboîtés Prendre en compte l influence de trop de facteurs dans une analyse de régression Ajouter des régresseurs pour réduire la variance de l erreur Analyse des résidus et prédiction Intervalles de confiance pour prédictions Analyse des résidus Prédire y quand log(y) est la variable dépendante Prédire y quand la variable dépendante est log(y) : Résumé CHAPITRE 7 Le modèle de régression avec information qualitative Décrire l information qualitative Cas d une unique variable indicatrice indépendante Interpréter des coefficients associés aux variables indicatrices explicatives lorsque la variable dépendante est log(y) Utiliser des variables indicatrices à catégories multiples Introduire de l information ordinale via les variables indicatrices Variables d interaction impliquant des variables indicatrices Relâcher l hypothèse d homogénéité des pentes Tester les différences de spécifications entre groupes Le cas des variables binaires dépendantes : Le modèle à probabilités linéaires Pour aller plus loin en matière d évaluation des politiques publiques Interpréter des résultats de régression avec des variables dépendantes discrètes Résumé

5 Table des matières 1199 CHAPITRE 8 L hétéroscédasticité Conséquences de l hétéroscédasticité pour les MCO Inférence robuste à l hétéroscédasticité après estimation par les MCO Calcul du test LM robuste à l hétéroscédasticité Étapes de la construction d une statistique LM robuste à l hétéroscédasticité Tester la présence d hétéroscédasticité Étapes du test d hétéroscédasticité de Breusch- Pagan : Le test de White pour l hétéroscédasticité Étapes du cas particulier du test d hétéroscédasticité de White : Estimation par les moindres carrés pondérés Hétéroscédasticité connue à une constante multiplicative près Estimation de la fonction d hétéroscédasticité : les moindres carrés quasi généralisés (MCQG) Procédure de correction des estimateurs par les MCGF en présence d hétéroscédasticité Que faire si la fonction d hétéroscédasticité présumée est fausse? Prévisions et intervalles de prévision en présence d hétéroscédasticité Le modèle de probabilité linéaire revisité L estimation du MPL par les MCP Résumé CHAPITRE 9 Compléments sur la spécification et la question des données Erreur de spécification de la forme fonctionnelle RESET : un test général pour les erreurs de spécification de la forme fonctionnelle Tests de modèles non emboîtés Utilisation de variables de substitution Une variable dépendante retardée comme variable de substitution Un point de vue différent sur la régression multiple Modèles à pentes aléatoires Propriétés des estimateurs des MCO en présence d erreurs de mesure Erreur de mesure dans la variable dépendante Erreur de mesure dans la variable explicative Données manquantes, échantillons non aléatoires et observations extrêmes Données manquantes Échantillons non aléatoires Observations aberrantes

6 1200 Introduction à l économétrie 9.6 Estimation par moindres déviations absolues Résumé Partie 2 Analyse économétrique des séries temporelles CHAPITRE 10 Analyse économétrique simple des séries temporelles La nature des séries temporelles Exemples de régression de séries temporelles Les modèles statiques Modèle à retards échelonnés finis Convention concernant les indices temporels Propriétés en échantillon fini des MCO sous les hypothèses classiques Absence de biais des estimateurs des MCO Variance des estimateurs des MCO et théorème de Gauss- Markov Inférence sous les hypothèses classiques d un modèle linéaire Forme fonctionnelle, variables binaires et nombre indice Tendance et saisonnalité Caractérisation des tendances des séries temporelles Utiliser les variables de tendance dans les régressions Supprimer la tendance d une série temporelle avec une variable de tendance Calcul du R- Carré lorsque la variable dépendante contient une tendance Saisonnalité Résumé CHAPITRE 11 Utilisation des MCO pour l analyse des séries temporelles Stationnarité et séries temporelles faiblement dépendante Stationnarité et non- stationnarité des séries temporelles Série temporelle faiblement dépendante Propriétés asymptotiques des MCO Utilisation de séries temporelles hautement persistantes dans l analyse de régression Séries temporelles hautement persistantes Transformation des séries temporelles fortement persistantes Déterminer si une série temporelle est I(1) Modèles dynamique complet et absence de corrélation sérielle

7 Table des matières L hypothèse d homoscédasticité pour les séries temporelles Résumé CHAPITRE 12 Corrélation sérielle et hétéroscédasticité dans l analyse des séries temporelles Propriétés des MCO en présence d erreurs autocorrélées Absence de biais et convergence Efficacité et inférence Qualité d ajustement Corrélation sérielle en présence d une variable dépendante retardée La détection de l autocorrélation Test t de détection de l autocorrélation d ordre 1 en présence de régresseurs strictement exogènes Le test de Durbin-Watson Test t de détection de l autocorrélation d ordre 1 en l absence de régresseurs strictement exogènes Test de détection de l autocorrélation d ordre supérieur à La correction de l autocorrélation en présence de régresseurs strictement exogènes Calcul de l estimateur BLUE en présence d erreurs suivant un processus AR(1) connu Estimation par les MCQG en présence d erreurs suivant un processus AR(1) inconnu Comparaison des MCO et des MCQG Correction par les MCQG d une corrélation sérielle d ordre supérieur à Corrélation sérielle et variables en différence première Correction des écarts-types estimés après estimation par les MCO Hétéroscédasticité dans les régressions sur séries temporelles La construction de statistiques robustes à la présence d hétéroscédasticité Tester la présence d hétéroscédasticité dans les erreurs Hétéroscédasticité conditionnelle autorégressive Hétéroscédasticité et corrélation sérielle dans les modèles de régression sur séries temporelles Résumé

8 1202 Introduction à l économétrie Partie 3 Thèmes avancés CHAPITRE 13 Empiler des données en coupes transversales de périodes différentes : méthodes de données de panel simple Empiler des coupes transversales indépendantes de périodes différentes Le test de Chow : une étude du changement structurel dans le temps Analyser des politiques publiques à partir de coupes transversales empilées Analyser des données de panel sur deux périodes Organisation des données de panel Évaluer des politiques publiques à partir de données de panel sur deux périodes Différencier les variables sur plus de deux périodes Les écueils potentiels des différences premières sur des données de panel Résumé CHAPITRE 14 Méthodes avancées en économétrie des données de panel Estimation du modèle à effets fixes La régression sur variables indicatrices Effets fixes ou différences premières? Effets fixes sur des panels non cylindrés Modèles à effets aléatoires Effets aléatoires ou effets fixes? Le modèle à effets aléatoires corrélés Appliquer les techniques de données de panel à d autres structures de données Résumé CHAPITRE 15 Estimation par variables instrumentales et doubles moindres carrés Motivation : les variables omises dans un modèle de régression simple Inférence statistique avec l estimateur des VI Propriétés des VI avec une variable instrumentale faible Calcul du R- carré après l estimation VI

9 Table des matières Estimation du modèle de régression multiple par VI Les doubles moindres carrés Une seule variable explicative endogène Multicolinéarité et DMC Plusieurs variables explicatives endogènes Test d hypothèses multiples après une estimation par DMC Solution des VI aux problèmes d erreur de mesure sur les régresseurs Test d endogénéité et test de suridentification Test d endogénéité Test de suridentification Doubles moindres carrés et hétéroscédasticité Application des DMC sur des équations de séries temporelles L application des DMC aux données de coupes agrégées et aux données de panel Résumé CHAPITRE 16 Modèles à équations simultanées Description des modèles à équations simultanées Biais de simultanéité des MCO Identifier et estimer une équation structurelle Identification d un système à deux équations Estimation par les DMC Systèmes avec plus de deux équations Identification dans les systèmes avec trois équations ou plus Estimation Modèles à équations simultanées et séries temporelles Modèles à équations simultanées sur données de panel Résumé CHAPITRE 17 Modèles à variable dépendante limitée et correction pour la sélection de l échantillon Les modèles logit et probit pour les réponses binaires Spécification des modèles logit et probit Estimation des modèles logit et probit par maximum de vraisemblance Test d hypothèses multiples Interpréter des estimations de logit et probit

10 1204 Introduction à l économétrie 17.2 Le modèle Tobit pour des réponses avec solution en coin Interpréter les estimations du modèle Tobit Problèmes de spécification dans les modèles Tobit Le Modèle de régression de Poisson Les Modèles de régression tronquées ou censurées Modèles de régression censurée Modèle de régression tronquée Correction pour la sélection de l échantillon Quand les MCO sur l échantillon sélectionné sont- ils convergents? Troncature auxiliaire Correction pour la sélection de l échantillon Résumé CHAPITRE 18 Matières avancées dans l analyse des séries temporelles Modèles à retards distribués infinis Les retards distribués géométriquement (ou à la Koyck) Modèles à retards distribués rationnels Tester la présence de racines unitaires Régression fallacieuse Cointégration et modèles à correction d erreur Cointégration Modèles à correction d erreur Prévision Types de modèles de régression utilisés pour la prévision Prévision une étape à l avance Comparaison des prévisions une étape à l avance Prévisions plusieurs étapes en avant Prévoir les Processus avec tendance, saisonnalité et processus intégrés Résumé CHAPITRE 19 Mener à bien un projet empirique Poser une question Revue de la littérature Collecte des données La décision concernant la base de données appropriée Saisir et conserver des données Examiner, nettoyer et décrire vos données

11 Table des matières Analyse économétrique Rédiger un article empirique Introduction Structure conceptuelle (ou théorique) Modèles économétriques et méthodes d estimation Les données Résultats Conclusions Conseils de styles Résumé Liste des Journaux Sources de données ANNEXE A Outils mathématiques de base A.1 Opérateur de sommation et statistiques descriptives A.2 Propriété des fonctions linéaires A.3 Proportions et Pourcentages A.4 Présentation de quelques fonctions spéciales et de leurs propriétés Fonction quadratique Logarithme Naturel La fonction exponentielle A.5 Le calcul différentiel Résumé ANNEXE B Éléments de probabilités B.1 Variables aléatoires et leurs distributions de probabilité Variables aléatoires discrètes Variable aléatoires continues B.2 Distributions jointes, distributions conditionnelles, et indépendance Distribution jointes et indépendance Distributions conditionnelles B.3 Caractéristiques des distributions de probabilité Une mesure de tendance centrale : la valeur espérée Propriété des valeurs espérées Une autre mesure de tendance centrale : la médiane

12 1206 Introduction à l économétrie Mesures de variabilité : variance et écart-type Variance Écart-type Standardiser une variable aléatoire Coefficients d asymétrie et d aplatissement B.4 Caractéristiques des distributions jointes et conditionnelles Mesures d association : covariance et corrélation Covariance Coefficient de corrélation Variance d une somme de variables aléatoires Espérance conditionnelle Propriétés de l espérance conditionnelle Variance conditionnelle B.5 Les distributions statistiques incontournables La distribution normale La distribution normale standard Les autres propriétés de la distribution normale La distribution du chi-deux La distribution t de Student La distribution F de Fisher-Snedecor Résumé ANNEXE C Éléments de statistique mathématique C.1 Populations, paramètres et échantillonnage aléatoire Échantillonnage C.2 Estimateurs Propriétés en échantillons finis Estimateurs et Estimations Biais La variance d échantillonnage de l estimateur Efficacité C.3 Propriétés asymptotiques des estimateurs Convergence Normalité asymptotique C.4 Approches générales de l estimation de paramètres Méthode des moments Maximum de vraisemblance Moindres Carrés C.5 Estimation d intervalle et intervalles de confiance

13 Table des matières 1207 Intervalles de confiance de la moyenne quand la population est distribuée selon une loi normale Une règle générale simple pour construire un intervalle de confiance à 95 % Intervalles de confiance asymptotiques pour des populations non normales C.6 Tests d hypothèses Les notions de base Tester des hypothèses sur la moyenne dans une population normale Tests asymptotiques pour les populations non normales Calcul et utilisation des p-valeurs L utilisation de la p- valeur en résumé Relation entre un intervalle de confiance et un test d hypothèses Significativité statistique versus signification pratique C.7 Remarques sur la notation Résumé ANNEXE D Notions de Calcul Matriciel D.1 Définition de base D.2 Opérations matricielles Addition de Matrices Multiplication Scalaire Produit Matriciel Matrice Transposée Multiplication de matrices par blocs Trace Matrice Inverse D.3 Indépendance linéaire et rang d une matrice D.4 Forme quadratique et matrice définie positive D.5 Matrices idempotentes D.6 Différentiation des formes linéaires et quadratiques D.7 Moment et distribution de vecteurs aléatoires Espérance Variance- Covariance des Matrices Loi Normale Multivariée Loi du Khi- deux Loi de Student Loi de Fisher Résumé

14 1208 Introduction à l économétrie ANNEXE E Le modèle de régression linéaire sous forme matricielle E.1 Présentation du modèle et de l estimation par les moindres carrés ordinaires E.2 Propriétés des MCO en échantillon fini E.3 Inférence statistique E.4 Quelques éléments d analyse asymptotique Statistiques de Wald pour tester des hypothèses multiples Résumé ANNEXE F Réponses aux questions intitulées «pour aller plus loin» F.1 Chapitre F.2 Chapitre F.3 Chapitre F.4 Chapitre F.5 Chapitre F.6 Chapitre F.7 Chapitre F.8 Chapitre F.9 Chapitre F.10 Chapitre F.11 Chapitre F.12 Chapitre F.13 Chapitre F.14 Chapitre F.15 Chapitre F.16 Chapitre F.17 Chapitre ANNEXE G Tables Statistiques Références Glossaire

1. Qu est-ce que l économétrie? 1. 2. Le modèle de régression simple 15

1. Qu est-ce que l économétrie? 1. 2. Le modèle de régression simple 15 9782100567355-Bourbo-tdm.qxd 14/06/11 10:28 Page V Table des matières Avant-propos XI 1. Qu est-ce que l économétrie? 1 I. La notion de modèle 1 A. Définition 1 B. La construction des modèles en économétrie

Plus en détail

Économétrie. Francesco Quatraro M1 EFM 2010/2011

Économétrie. Francesco Quatraro M1 EFM 2010/2011 Francesco Quatraro M1 EFM 2010/2011 1 La violation des hypothèses Le modèle des MCO considère que les hypothèses suivantes sont toutes respectées: H1: le modèle est linéaire en x i,t H2: les valeurs x

Plus en détail

Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée

Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée Philippe Gagnepain Université Paris 1 Ecole d Economie de Paris Centre d économie de la Sorbonne-UG 4-Bureau 405 philippe.gagnepain@univ-paris1.fr

Plus en détail

Qualité Six Sigma. Sommaire. Sylvain ROZÈS. 28 mars 2008. 1 Introduction 1. 2 Étude séparée de quatre échantillons 1

Qualité Six Sigma. Sommaire. Sylvain ROZÈS. 28 mars 2008. 1 Introduction 1. 2 Étude séparée de quatre échantillons 1 Qualité Six Sigma Sylvain ROZÈS 28 mars 2008 Sommaire 1 Introduction 1 2 Étude séparée de quatre échantillons 1 3 Étude sur l ensemble des échantillons 8 4 Étude sur les range 13 1 Introduction Le but

Plus en détail

Chapitre 4 : RÉGRESSION

Chapitre 4 : RÉGRESSION Chapitre 4 : RÉGRESSION 4.3 Régression linéaire multiple 4.3.1 Equation et Estimation 4.3.2 Inférence 4.3.3 Coefficients de détermination 4.3.4 Spécifications Régression linéaire multiple 1 / 50 Chapitre

Plus en détail

partie a Introduction à la statistique 1

partie a Introduction à la statistique 1 table des matières F AVANT-PROPOS À L ÉDITION AMÉRICAINE Abréviations viii xiv partie a Introduction à la statistique 1 1. Statistique et probabilité ne sont pas intuitives 3 Nous avons tendance à passer

Plus en détail

Table des matières. I Mise à niveau 11. Préface

Table des matières. I Mise à niveau 11. Préface Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3

Plus en détail

Licence 1ère année Mention Mathématiques

Licence 1ère année Mention Mathématiques Licence 1ère année Mention Mathématiques Semestre 1 Anglais (2 ECTS) Préparation du C2i (3 ECTS) Méthodologie du Travail Universitaire Scientifique (2 ECTS) Expression Orale et Écrite (3 ECTS) Outils Mathématiques

Plus en détail

INTRODUCTION A L ETUDE DES VARIABLES QUALITATIVES

INTRODUCTION A L ETUDE DES VARIABLES QUALITATIVES INTRODUCTION A L ETUDE DES VARIABLES QUALITATIVES Plan Introduction Définition Catégories de variables qualitatives Modèles pour Données avec Troncature Les Modèles pour Données Censurées Définition de

Plus en détail

Deuxième partie II. Cours 4 à 6 : Construction d estimateurs, Modèle linéaire, Tests et intervalles de confiance

Deuxième partie II. Cours 4 à 6 : Construction d estimateurs, Modèle linéaire, Tests et intervalles de confiance Deuxième partie II Cours 4 à 6 : Construction d estimateurs, Modèle linéaire, Tests et intervalles de confiance (version corrigée, 4 avril 27) Construction d estimateurs 4 Construction d estimateurs Estimateur

Plus en détail

1. Explorer, organiser et démontrer des propriétés géométriques en termes de longueurs et d angles. Découvrir et étudier des nombres irrationnels.

1. Explorer, organiser et démontrer des propriétés géométriques en termes de longueurs et d angles. Découvrir et étudier des nombres irrationnels. Compétences : math, 2 ème degré (pages 1 à 3) math, 3 ème degré (pages 4 à 8) 3 grands thèmes du cours à 4h sem (pages 9 à 11) 3 grands thèmes du cours à 2h sem (pages 12 à 14) (Seules les définitions

Plus en détail

A. Chambaz, L. Meyer, P. Tubert-Bitter. 22 juin 2010

A. Chambaz, L. Meyer, P. Tubert-Bitter. 22 juin 2010 Présentation du parcours Biostatistique de la spécialité Recherche en santé publique du Master 2 Santé Publique de l université Paris-Sud, cohabilité Paris Descartes A. Chambaz, L. Meyer, P. Tubert-Bitter

Plus en détail

Régression linéaire simple

Régression linéaire simple Résumé Ce chapitre introduit la notion de modèle linéaire par la version la plus élémentaire : epliquer Y par une fonction affine de X. Après avoir epliciter les hypothèses nécessaires et les termes du

Plus en détail

MODELISATION DE DONNÉES QUALITATIVES PREMIÈRE PARTIE

MODELISATION DE DONNÉES QUALITATIVES PREMIÈRE PARTIE MODELISATION DE DONNÉES QUALITATIVES PREMIÈRE PARTIE Pierre-Louis Gonzalez 1 I INTRODUCTION 1 variable qualitative. Tri à plat. Représentations graphiques. Modélisation : loi binomiale loi multinomiale

Plus en détail

TABLE DES MATIÈRES CHAPITRE 1 LA CONSTRUCTION D UN INSTRUMENT DE MESURE... 9. Avant-propos... 5 Sommaire... 7

TABLE DES MATIÈRES CHAPITRE 1 LA CONSTRUCTION D UN INSTRUMENT DE MESURE... 9. Avant-propos... 5 Sommaire... 7 TABLE DES MATIÈRES Avant-propos... 5 Sommaire... 7 CHAPITRE 1 LA CONSTRUCTION D UN INSTRUMENT DE MESURE... 9 1. Le processus de construction d un test... 9 2. La construction d un test d acquis scolaires...

Plus en détail

PROBABILITES ET STATISTIQUE I&II

PROBABILITES ET STATISTIQUE I&II PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits

Plus en détail

Bases du Modèle Linéaire

Bases du Modèle Linéaire AgroParisTech Bases du Modèle Linéaire J.J. Daudin, E. Lebarbier, C. Vuillet Table des matières 1 Introduction 3 2 Estimation des paramètres 5 2.1 Estimation des paramètres de l espérance......................

Plus en détail

Renforcer ses compétences

Renforcer ses compétences Renforcer ses compétences en mathématiques Tome 1 AVANT PROPOS Vos études ou vos activités professionnelles vous ont peut-être éloignés des mathématiques et ceci, parfois depuis longtemps. Vous souhaitez

Plus en détail

Modélisation de la demande de transport

Modélisation de la demande de transport Modélisation de la demande de transport Fabien Leurent ENPC / LVMT Introduction Approche empirique Fonctions de répartition Position microéconomique : préférences et rationalité Distribution des décideurs,

Plus en détail

Exercices de travaux dirigés Cours d économétrie Maîtrise d économétrie

Exercices de travaux dirigés Cours d économétrie Maîtrise d économétrie Exercices de travaux dirigés Cours d économétrie Maîtrise d économétrie September 21, 2004 1 Le modèle linéaire - Rendements d une fonction de production Cobb-Douglas Présentation du problème: On considère

Plus en détail

Économétrie II Ch. 1. Modèle de régression linéaire L3 Économétrie L3 MASS

Économétrie II Ch. 1. Modèle de régression linéaire L3 Économétrie L3 MASS Économétrie II Ch. 1. Modèle de régression linéaire L3 Économétrie L3 MASS Prof. Philippe Polomé, U. Lyon 2 Année 2012-2013 1 Ch. 1. Modèle de Régression Linéaire 1.1 MRL formel Y t β 0 + β 1 X 1t +...

Plus en détail

Chapitre 6 TESTS STATISTIQUES

Chapitre 6 TESTS STATISTIQUES Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 6 TESTS STATISTIQUES Les tests statistiques sont des méthodes de la statistique inférentielle qui, comme

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : économique et commerciale Option : Technologique (ECT) Discipline : Mathématiques- Informatique Seconde année Ministère de l enseignement

Plus en détail

Liste complète des sujets d oral (SESSION 2004) servant pour 2004-2005. Leçons d Algèbre et de Géométrie

Liste complète des sujets d oral (SESSION 2004) servant pour 2004-2005. Leçons d Algèbre et de Géométrie http://perso.wanadoo.fr/gilles.costantini/agreg.htm Liste complète des sujets d oral (SESSION 2004) servant pour 2004-2005 Légende : En italique : leçons dont le libellé a changé ou évolué par rapport

Plus en détail

Draft. Introduction à la Plateforme Dynare. Jean-Paul K. Tsasa Vangu. Mars 2, 2012; updated

Draft. Introduction à la Plateforme Dynare. Jean-Paul K. Tsasa Vangu. Mars 2, 2012; updated Jean-Paul K. Tsasa Vangu Laboratoire d analyse-recherche en économie quantitative (Atelier Laréq) Mars 2, 2012; updated Qu est-ce que Dynare? Dynare est un logiciel qui permet de simuler et d estimer les

Plus en détail

TRAVAUX PERSONNELS ENCADRÉS

TRAVAUX PERSONNELS ENCADRÉS TRAVAUX PERSONNELS ENCADRÉS CONSEILS ET RECOMMANDATIONS POUR LA PRODUCTION FINALE Mémoires et autres productions Outils Ce document a pour objet de donner aux élèves des conseils et recommandations ainsi

Plus en détail

Statistique. Jean-Yves Tourneret (1) (1) Université of Toulouse, ENSEEIHT-IRIT-TéSA Thème 1 : Analyse et Synthèse de l Information jyt@n7.

Statistique. Jean-Yves Tourneret (1) (1) Université of Toulouse, ENSEEIHT-IRIT-TéSA Thème 1 : Analyse et Synthèse de l Information jyt@n7. Statistique Jean-Yves Tourneret (1) (1) Université of Toulouse, ENSEEIHT-IRIT-TéSA Thème 1 : Analyse et Synthèse de l Information jyt@n7.fr Cours Statistique, 2010 p. 1/52 Plan du cours Chapitre 1 : Estimation

Plus en détail

Mathématique - Cours

Mathématique - Cours Mathématique - Cours Filière STAV 2014-2015 Centre de Formation aux Métier de la Montagne Marine Estorge Le programme se compose ainsi : partie seconde partie 1/3 partie 2/3 partie 3/3 Sommaire 1 Ensemble

Plus en détail

geffray@math.unistra.fr Outils pour la statistique avancée Année 2015/2016 TD 1 : Bootstrap

geffray@math.unistra.fr Outils pour la statistique avancée Année 2015/2016 TD 1 : Bootstrap Université de Strasbourg Ségolen Geffray M2 - Statistique geffray@math.unistra.fr Outils pour la statistique avancée Année 2015/2016 TD 1 : Bootstrap Ces exercices seront effectués au moyen du logiciel

Plus en détail

4.1 Planification d une expérience complètement randomisée

4.1 Planification d une expérience complètement randomisée Chapitre 4 La validation des hypothèses d ANOVA à un facteur Dans le modèle standard d ANOVA, on a fait quelques hypothèses. Pour que les résultats de l analyse effectuée soient fiables, il est nécessaire

Plus en détail

Statistique (MATH-F-315, Cours #1)

Statistique (MATH-F-315, Cours #1) Statistique (MATH-F-315, Cours #1) Thomas Verdebout Université Libre de Bruxelles 2015 Plan de la partie Statistique du cours 1. Introduction. 2. Théorie de l estimation. 3. Tests d hypothèses et intervalles

Plus en détail

Département d informatique et de génie logiciel Université Laval. MULTIMÉDIA Concentration (4 cours) (Notre salle multimédia)

Département d informatique et de génie logiciel Université Laval. MULTIMÉDIA Concentration (4 cours) (Notre salle multimédia) Département d informatique et de génie logiciel Université Laval MULTIMÉDIA Concentration (4 cours) (Notre salle multimédia) A. Avant propos... 2 B. Cours de multimédia (4 cours obligatoires)... 3 a. IFT-10558

Plus en détail

Microéconométrie II. Exploiter des données à plusieurs dimensions Modèles basiques de panel

Microéconométrie II. Exploiter des données à plusieurs dimensions Modèles basiques de panel 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 www.cerdi.org http://www.cerdi.org/claudio-araujo/perso/.

Plus en détail

1. Description du cours

1. Description du cours 1. Description du cours Ce cours porte sur la généralisation de notions mathématiques par le biais d expériences, d applications et du développement de structures formelles et abstraites. Au moyen de la

Plus en détail

Programme de Mathématique Préparation Maths-Physique. Analyse et Géométrie Différentielle. Première Année

Programme de Mathématique Préparation Maths-Physique. Analyse et Géométrie Différentielle. Première Année Programme de Mathématique Préparation Maths-Physique Analyse et Géométrie Différentielle Première Année I NOMBRES REELS ET COMPLEXES, SUITES ET FONCTIONS 1 Nombres réels et complexes 2 Suites de nombres

Plus en détail

PROGRAMME DETAILLE AU CONCOURS INTERNATIONAL D ENTREE AU CYCLE MST-A

PROGRAMME DETAILLE AU CONCOURS INTERNATIONAL D ENTREE AU CYCLE MST-A PROGRAMME DETAILLE AU CONCOURS INTERNATIONAL D ENTREE AU CYCLE MST-A A/- EPREUVE DE CULTURE GENERALE ET FRANÇAIS 1- Les problèmes du monde contemporain 2- Les grands courants de la pensée moderne 3- Exercice

Plus en détail

2- La relation risque rentabilité attendue

2- La relation risque rentabilité attendue 2- La relation risque rentabilité attendue L'incertitude est au cœur de la logique financière. Par la composition de leur portefeuille, les investisseurs choisissent un profil de risque. Si on suppose

Plus en détail

Statistical Software. Nouveautés

Statistical Software. Nouveautés Statistical Software Mettez votre version à jour dès à présent pour obtenir plus de soixante-dix améliorations : une plus grande puissance statistique avec, entre autres nouveautés, un menu Assistant pour

Plus en détail

Chapitre 8: Inférence, échantillonnage et estimation

Chapitre 8: Inférence, échantillonnage et estimation Chapitre 8: Inférence, échantillonnage et estimation 1. Echantillonnage aléatoire simple 2. Inférence statistique 3. Estimation 4. Evaluation graphique de l adéquation d un modèle de distribution 1 L inférence

Plus en détail

Remerciements. Partie 1 Algèbre linéaire 1

Remerciements. Partie 1 Algèbre linéaire 1 Table des matières Préface Remerciements xix xxi Partie 1 Algèbre linéaire 1 1 Compléments d algèbre linéaire 3 I Rappels du cours de première année.......................... 3 I.1 Famille dans un espace

Plus en détail

Chapitre 15 Variables Dépendantes Limitées et Qualitatives

Chapitre 15 Variables Dépendantes Limitées et Qualitatives Chapitre 15 Variables Dépendantes Limitées et Qualitatives 15.1 Introduction Les modèles de régression supposent de manière implicite que la variable dépendante, peut-être après une transformation logarithmique

Plus en détail

UE 11 Contrôle de gestion Le programme

UE 11 Contrôle de gestion Le programme UE 11 Contrôle de gestion Le programme Légende : Modifications de l arrêté du 8 mars 2010 Suppressions de l arrêté du 8 mars 2010 Partie inchangée par rapport au programme antérieur 1. Positionnement du

Plus en détail

1 Correction de l examen du vendredi 13 novembre 2015.

1 Correction de l examen du vendredi 13 novembre 2015. Journal de bord du module Chaînes de Markov sur des espaces mesurables Les renvois de la table de matières ainsi que le texte en couleur magenta sont cliquables. Table des matières 1 Correction de l examen

Plus en détail

Introduction au cours STA 102 Analyse des données : Méthodes explicatives

Introduction au cours STA 102 Analyse des données : Méthodes explicatives Analyse des données - Méthodes explicatives (STA102) Introduction au cours STA 102 Analyse des données : Méthodes explicatives Giorgio Russolillo giorgio.russolillo@cnam.fr Infos et support du cours Slide

Plus en détail

«L efficacité des EHPAD en France» auteurs: Brigitte DORMONT et Cécile MARTIN

«L efficacité des EHPAD en France» auteurs: Brigitte DORMONT et Cécile MARTIN «L efficacité des EHPAD en France» auteurs: Brigitte DORMONT et Cécile MARTIN JESF 2011 1 er et 2 décembre à Clermont-Ferrand Discutant: Charline Mourgues (CERDI- PhD Student). Introduction 1. Présentation

Plus en détail

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE DES MATIERES. C Exercices complémentaires 42 TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence

Plus en détail

Chapitre 5. Chapitre 5: Prévision 115. Slide 186

Chapitre 5. Chapitre 5: Prévision 115. Slide 186 Chapitre 5: Prévision 115 Slide 186 Chapitre 5 Prévision Dans ce chapitre, nous aordons les prolèmes de prévision de la demande, qui sont très importantes à moyen terme pour l étlissement du plan agrégé,

Plus en détail

Statistique de base avec R Partie 2 : Test d hypothèses et régression linéaire

Statistique de base avec R Partie 2 : Test d hypothèses et régression linéaire Statistique de base avec R Partie 2 : Test d hypothèses et régression linéaire Julien JACQUES Polytech Lille - Université Lille 1 Julien JACQUES (Polytech Lille) Statistiques de base 1 / 48 Plan 1 Tests

Plus en détail

1/4 2/4 3/4 4/4. 10. Estimation MTH2302D. S. Le Digabel, École Polytechnique de Montréal H2016. (v1) MTH2302D: estimation 1/50

1/4 2/4 3/4 4/4. 10. Estimation MTH2302D. S. Le Digabel, École Polytechnique de Montréal H2016. (v1) MTH2302D: estimation 1/50 10. Estimation MTH2302D S. Le Digabel, École Polytechnique de Montréal H2016 (v1) MTH2302D: estimation 1/50 Plan 1. Introduction 2. Estimation ponctuelle 3. Estimation par intervalles de confiance 4. Autres

Plus en détail

Validation d une méthode performante de dosage des steviols glycosides de Stevia Rebaudiana

Validation d une méthode performante de dosage des steviols glycosides de Stevia Rebaudiana Validation d une méthode performante de dosage des steviols glycosides de Stevia Rebaudiana J.M. Roussel, Consultant, Aix-en-Pce Prof. Dr. Gertrud Morlock, Chair of Food Science, JLU Giessen S. Meyer,

Plus en détail

Le Saux Loïc Tanguy Brewal. Enquête d opinion sur la dégradation de la qualité de la télévision française dans le temps

Le Saux Loïc Tanguy Brewal. Enquête d opinion sur la dégradation de la qualité de la télévision française dans le temps Le Saux Loïc Tanguy Brewal Enquête d opinion sur la dégradation de la qualité de la télévision française dans le temps Traitement des enquêtes M1 ISC 2007/2008 Sommaire Introduction... 3 I ANALYSE DESCRIPTIVE

Plus en détail

CHAPITRE 5. Michel LUBRANO. Octobre 2007. 1 Introduction 2

CHAPITRE 5. Michel LUBRANO. Octobre 2007. 1 Introduction 2 CHAPITRE 5 Inférence et Tests dans les Modèles Cointégrés Michel LUBRANO Octobre 2007 Contents 1 Introduction 2 2 La Methode de Engle et Granger 3 2.1 Estimation en deux étapes..........................

Plus en détail

Rapport de Recherche. 1 Estimation fonctionnelle en temps continu. 1.1 Vitesses de convergence pour l estimateur à noyau. (D. Blanke - Mars 2008)

Rapport de Recherche. 1 Estimation fonctionnelle en temps continu. 1.1 Vitesses de convergence pour l estimateur à noyau. (D. Blanke - Mars 2008) Rapport de Recherche (D. Blanke - Mars 2008) L essentiel de mes activités de recherche porte sur l estimation fonctionnelle ou paramétrique pour des processus. L ensemble de ces travaux peut se diviser

Plus en détail

Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq»

Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq» Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq» Guy Perrière Pôle Rhône-Alpes de Bioinformatique 14 novembre 2012 Guy Perrière (PRABI) Tests statistiques 14 novembre 2012 1 / 40 Plan

Plus en détail

La régression linéaire simple

La régression linéaire simple Chapitre 1 La régression linéaire simple Si l état décide d accentuer les mesures contre l alcool au volant, quel en sera l effet sur la sécurité routière? Réduire la taille des classes à l école primaire

Plus en détail

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p. STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,

Plus en détail

[2016][AA1] Consignes

[2016][AA1] Consignes [2016][AA1] Consignes Consignes pour le bilan architecture d'août 2014 {EPITECH.} 2016_AA1_Consignes.docx Description du document Titre [2016][AA1] Consignes Date 07/12/2014 Auteur Responsable E-Mail Julien

Plus en détail

Pour un socle de la licence de MATHEMATIQUES

Pour un socle de la licence de MATHEMATIQUES Pour un socle de la licence de MATHEMATIQUES Société Mathématique de France Société de Mathématiques Appliquées et Industrielles Société Française de Statistique Contexte général Afin d éviter de trop

Plus en détail

Plan de cours. Programme : Sciences de la nature 200.B0 2-2-2. 2 2/3 unités. Automne 2010

Plan de cours. Programme : Sciences de la nature 200.B0 2-2-2. 2 2/3 unités. Automne 2010 Plan de cours Programme : Sciences de la nature 00.B0 Département : Titre du cours : Code du cours : Mathématiques Probabilités et Statistiques 01-GHC-04 -- /3 unités Automne 010 Éric Brunelle A-10 450-347-5301

Plus en détail

Section 3 - Méthode des prix hédoniques

Section 3 - Méthode des prix hédoniques Section 3 - Méthode des prix hédoniques L3 économétrie - Modélisation et inférence statistique Florence Goffette-Nagot GATE CNRS - Université Lyon 2 - ENS-LSH XX Section 3 - Estimation de prix hédoniques

Plus en détail

Les différenciations de salaires au cours de la carrière : deux études sur un panel long.

Les différenciations de salaires au cours de la carrière : deux études sur un panel long. Les différenciations de salaires au cours de la carrière : deux études sur un panel long. Sébastien Roux INSEE-CREST COE, 13 mai 2008 Roux (CREST) Trajectoires salariales COE, 13 mai 2008 1 / 36 Introduction

Plus en détail

Variations sur les Techniques de Calcul et d Implémentation de la Value at Risk

Variations sur les Techniques de Calcul et d Implémentation de la Value at Risk Méthodes Quantitatives en Finance Variations sur les Techniques de Calcul et d Implémentation de la Value at Risk Mohammed Mraoua Ingénieur financier, actuaire Administrateur SI Décisionnels Financiers

Plus en détail

1 FAITES CONNAISSANCE AVEC LA MÉTHODE DES PLANS D EXPÉRIENCES

1 FAITES CONNAISSANCE AVEC LA MÉTHODE DES PLANS D EXPÉRIENCES 1 FAITES CONNAISSANCE AVEC LA MÉTHODE DES PLANS D EXPÉRIENCES Si vous lisez ce livre c est que, probablement, vous faites des expériences et que vous cherchez à mieux les organiser. Vous cherchez surtout

Plus en détail

Calcul d erreur (ou Propagation des incertitudes)

Calcul d erreur (ou Propagation des incertitudes) Travaux Pratiques de Physique vers. septembre 014 Calcul d erreur (ou Propagation des incertitudes) 1) Introduction Le mot "erreur" se réfère à quelque chose de juste ou de vrai. On parle d erreur sur

Plus en détail

Analyse économétrique des prix d électricité

Analyse économétrique des prix d électricité Analyse économétrique des prix d électricité Modélisation de la moyenne des log-rendements Rapport de recherche Août 2006 Nom de l étudiant : Qingzhou YANG Directeur de recherche : Nour MEDDAHI Sommaire

Plus en détail

Chapitre 18 - LA METHODE DE L ANALYSE CONJOINTE.

Chapitre 18 - LA METHODE DE L ANALYSE CONJOINTE. 203 Chapitre 18 - LA METHODE DE L ANALYSE CONJOINTE. A-DÉFINITION. L analyse conjointe permet d estimer les valeurs d usage et de non-usage d un bien ou de services à partir de choix et de situations hypothétiques.

Plus en détail

BASES ET MÉTHODES POUR LE TRAITEMENT

BASES ET MÉTHODES POUR LE TRAITEMENT MASTER M2 RECHERCHE : ASTRONOMIE ASTROPHYSIQUE Cours BASES ET MÉTHODES POUR LE TRAITEMENT DES DONNÉES (Bruits et Signaux) par Didier PELAT Note à l intention des lecteurs Un cours intitulé «Bruits et Signaux»,

Plus en détail

Bertrand Meyer. UConception et programmation orientées objet. T r a d u i t d e l a n g l a i s p a r P i e r r e J o u v e l o t

Bertrand Meyer. UConception et programmation orientées objet. T r a d u i t d e l a n g l a i s p a r P i e r r e J o u v e l o t UConception et programmation orientées objet Bertrand Meyer T r a d u i t d e l a n g l a i s p a r P i e r r e J o u v e l o t Groupe Eyrolles, 2000, pour le texte de la présente édition en langue française.

Plus en détail

Mathématiques Fonctions réelles et équations

Mathématiques Fonctions réelles et équations Définition du domaine d'examen MAT-5106-1 Mathématiques Fonctions réelles et équations Mise à jour novembre 2004 Définition du domaine d'examen MAT-5106-1 Mathématiques Fonctions réelles et équations Mise

Plus en détail

Econométrie des panels avec applications. Emmanuel DUGUET

Econométrie des panels avec applications. Emmanuel DUGUET Econométrie des panels avec applications Emmanuel DUGUET Mars 2010 ii 1 Le modèle linéaire 3 11 Ecriture du modèle 3 12 Le modèle à erreur simple 4 121 Exemple : la fonction de production 1 4 122 Définition

Plus en détail

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation Programme des épreuves des concours externes de recrutement des personnels D1 RECRUTEMENT DES ASSISTANTS INGÉNIEURS...2 D1.1 Assistant cartographe (nouveau programme)...2 D1.2 Assistant en production et

Plus en détail

PROGRAMME DE MATHÉMATIQUES BTS Comptabilité et gestion des organisations

PROGRAMME DE MATHÉMATIQUES BTS Comptabilité et gestion des organisations 1 PROGRAMME DE MATHÉMATIQUES BTS Comptabilité et gestion des organisations I. Lignes directrices 1. Objectifs généraux L enseignement des mathématiques doit fournir les outils nécessaires pour permettre

Plus en détail

Validation des méthodes analytiques : Le profil d exactitude

Validation des méthodes analytiques : Le profil d exactitude Validation des méthodes analytiques : Le profil d exactitude Pourquoi valider une méthode analytique? Passer à une utilisation de l outil d analyse en routine Obligations réglementaires : normes qualité,

Plus en détail

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon PACES - APEMK UE 4 Evaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie

Plus en détail

Méthodes d analyse empirique

Méthodes d analyse empirique Méthodes d analyse empirique Partie Quantitative Michel Beine (suppl. S. Laurent) michel.beine@uni.lu Université du Luxembourg http://www.michelbeine.be Méthodes d analyse empirique p. 1/? Méthodes d analyse

Plus en détail

Statistiques Appliquées Rôle des femmes dans la société

Statistiques Appliquées Rôle des femmes dans la société Statistiques Appliquées Rôle des femmes dans la société Denis Schelling Semestre d automne 2012 Résumé A partir de données concernant le rôle des femmes dans la société, nous avons effectué une analyse

Plus en détail

L espace virtuel de La Branche Cochrane-Québec

L espace virtuel de La Branche Cochrane-Québec L espace virtuel de La Branche Cochrane-Québec Bonjour cher(ère)s auditeurs et auditrices web! SVP prendre quelques secondes pour tester vos paramètres audio via l assistant situé au haut de la page: Outils

Plus en détail

MATHÉMATIQUES TERMINALE ES A. YALLOUZ. Ce polycopié conforme au programme 2002, regroupe les documents distribués aux élèves en cours d année.

MATHÉMATIQUES TERMINALE ES A. YALLOUZ. Ce polycopié conforme au programme 2002, regroupe les documents distribués aux élèves en cours d année. MATHÉMATIQUES TERMINALE ES A. YALLOUZ Ce polcopié conforme au programme 00, regroupe les documents distribués au élèves en cours d année. Année 0-0 Année 0-0 T le ES A. YALLOUZ (MATH@ES) TABLE DES MATIÈRES

Plus en détail

Séminaire de Statistique

Séminaire de Statistique Master 1 - Economie & Management Séminaire de Statistique Support (1) Statistique descriptive «Uni & Bi-variée» R. Abdesselam - 2013/2014 Faculté de Sciences Economiques et de Gestion Université Lumière

Plus en détail

Introduction à l approche bootstrap

Introduction 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 détail

Rapport d'activités / Curriculum Vitae

Rapport d'activités / Curriculum Vitae Rapport d'activités / Curriculum Vitae Dominique Mahut Né le 01 Juillet 1964 à Paris 14ème Marié, deux enfants (18 et 20 ans) Ingénieur d étude statistique IE2 BAP E titulaire CNRS UMR 7088 (DMR) et UMR

Plus en détail

TUTORAT UE4 2010-2011 Biostatistiques Concours Blanc

TUTORAT UE4 2010-2011 Biostatistiques Concours Blanc TUTORAT UE4 2010-2011 Biostatistiques Concours Blanc Lorsque cela n est pas précisé (explicitement ou implicitement), les tests sont réalisés à 5% en bilatéral QCM n 1 : Généralités sur les probabilités

Plus en détail

ASSISTANCE TECHNIQUE AU MINISTERE DE LA PLANIFICATION, DU DEVELOPPEMENT ET DE LA RECONSTRUCTION NATIONALE EN MODELISATION MACROECONOMIQUE AU BURUNDI

ASSISTANCE TECHNIQUE AU MINISTERE DE LA PLANIFICATION, DU DEVELOPPEMENT ET DE LA RECONSTRUCTION NATIONALE EN MODELISATION MACROECONOMIQUE AU BURUNDI BURUNDI ASSISTANCE TECHNIQUE AU MINISTERE DE LA PLANIFICATION, DU DEVELOPPEMENT ET DE LA RECONSTRUCTION NATIONALE EN MODELISATION MACROECONOMIQUE AU BURUNDI RAPPORT FINAL VOLUME 1 : RENFORCEMENT DES CAPACITES

Plus en détail

Nature des épreuves et programmes

Nature des épreuves et programmes Le concours comporte : Nature des épreuves et programmes - 4 épreuves écrites obligatoires : composition d'ordre général, mathématiques, statistique (étude d'une documentation statistique) et économie

Plus en détail

XIX. Objectifs du cours de 6ème - mathématique 6h

XIX. Objectifs du cours de 6ème - mathématique 6h XIX. Objectifs du cours de 6ème - mathématique 6h Dans les objectifs développés ci-dessous, nous regrouperons différentes compétences terminales sous une même dénomination. A savoir : Compétence 1 : savoir,

Plus en détail

Exercice II. l offre de transport (en tonnes.kilomètres) l effectif le poids de la flotte (en tonnes) le caractère public ou privée de la compagnie

Exercice II. l offre de transport (en tonnes.kilomètres) l effectif le poids de la flotte (en tonnes) le caractère public ou privée de la compagnie 1 Exercice II II. On dispose de données (fichier «aviation87.xls», section Exemples pour Excel) concernant le transport aérien en 1987, et indiquant pour 50 compagnies occidentales : Q L K PP l offre de

Plus en détail

L analyse des données statistiques

L analyse des données statistiques L analyse des données statistiques Public : Les cadres devant analyser des données quantitatives et qualitatives Objectif : Apprendre, en utilisant principalement Excel : - à traiter des données provenant

Plus en détail

DESCRIPTION DE COURS. Nom du cours : Mathématiques 8. Nom de l enseignante : Mme Dianne L. Doucet. Année Scolaire : 2009 2010

DESCRIPTION DE COURS. Nom du cours : Mathématiques 8. Nom de l enseignante : Mme Dianne L. Doucet. Année Scolaire : 2009 2010 DESCRIPTION DE COURS Nom du cours : Mathématiques 8 Nom de l enseignante : Mme Dianne L. Doucet Année Scolaire : 2009 2010 1. Description du cours : Le programme de mathématiques de la 8 e année vise à

Plus en détail

Choix de modèle en régression linéaire

Choix de modèle en régression linéaire Master pro Fouille de données Philippe Besse 1 Objectif Choix de modèle en régression linéaire La construction d un score d appétence sur les données bancaires correspond au choix et à l estimation d un

Plus en détail

28. Méta-analyse sur données individuelles

28. Méta-analyse sur données individuelles 28. Méta-analyse sur données individuelles La méta-analyse sur données individuelles regroupe les fichiers de données des essais. La méta-analyse est donc réalisée directement à partir des informations

Plus en détail

UE 11 - CONTRÔLE DE GESTION

UE 11 - CONTRÔLE DE GESTION UE 11 - CONTRÔLE DE GESTION Niveau L : 210 heures 18 ECTS Thèmes Sens et portée de l'étude Notions et contenus 1. Positionnement du contrôle de gestion et identification du métier (10 heures) Le contrôle

Plus en détail

Partie I : Séries statistiques descriptives univariées (SSDU)... 1

Partie I : Séries statistiques descriptives univariées (SSDU)... 1 Table des matières Préface Avant-propos Pourquoi un tel ouvrage?... À propos de l ouvrage... À propos de la statistique................................................................ Remerciements....

Plus en détail

Modèles dichotomiques et Spécification linéaire

Modèles dichotomiques et Spécification linéaire Modèles dichotomiques Spécification linéaire One Pager Novembre 2013 Vol. 8 Num. 006 Copyright Laréq 2013 http://www.lareq.com Modèles dichotomiques Spécification linéaire 1 «Le véritable travail, c est

Plus en détail

MATÉRIEL D APPRENTISSAGE SERVANT D APPUI AU NOUVEAU TABLEAU DE CORRESPONDANCE DU CURRICULUM À : MATHÉMATIQUES 11 NO P-0-257

MATÉRIEL D APPRENTISSAGE SERVANT D APPUI AU NOUVEAU TABLEAU DE CORRESPONDANCE DU CURRICULUM À : MATHÉMATIQUES 11 NO P-0-257 MATÉRIEL D APPRENTISSAGE SERVANT D APPUI AU NOUVEAU CURRICULUM DE L ONTARIO : MATHÉMATIQUES, FONCTIONS, 11 e année, COURS PRÉUNIVERSITAIRE/PRÉCOLLÉGIAL (MCF3M) TABLEAU DE CORRESPONDANCE DU CURRICULUM À

Plus en détail

ECGE 1224 - Statistiques en économie et gestion : TP 1

ECGE 1224 - Statistiques en économie et gestion : TP 1 ECGE 14 - Statistiques en économie et gestion : TP 1 Exercice 1 Un dé parfaitement équilibré est lancé. Soit X la variable aléatoire (v.a.) correspondant au résultat obtenu avec le dé. a) Justifer pourquoi

Plus en détail

Module A ALGEBRE MATRICIELLE. Prçesentation - Plan

Module A ALGEBRE MATRICIELLE. Prçesentation - Plan Module A ALGEBRE MATRICIELLE Prçesentation - Plan Ce module occupe une place particuliçere dans le dispositif de formation ça la statistique mis en place par le service de Formation Permanente et le dçepartement

Plus en détail

Econométrie. février 2008. Boutin, Rathelot

Econométrie. février 2008. Boutin, Rathelot 5ème séance Xavier Boutin Roland Rathelot Supélec février 2008 Plan Variables binaires La question y = β 0 + β 1 x 1 +...β k x k + u Que se passe-t-il lorsque y est une variable {0, 1} et non plus une

Plus en détail

Analyse des données 1: erreurs expérimentales et courbe normale

Analyse des données 1: erreurs expérimentales et courbe normale Analyse des données 1: erreurs expérimentales et courbe normale 1 Incertitude vs. erreur Une mesure expérimentale comporte toujours deux parties: la valeur vraie de la grandeur mesurée et l'erreur sur

Plus en détail

La discrimination sur le marché du travail :

La discrimination sur le marché du travail : La discrimination sur le marché du travail : Théories et mesures Emmanuel Duguet Université Paris Est-Créteil Novembre 2010 Introduction Définition : situation dans laquelle deux travailleurs identiquement

Plus en détail