Cours 14. Synthèse et révision CRI1600G Automne 2011 Rémi Boivin Maurizio D Elia
|
|
- Victorien Marois
- il y a 7 ans
- Total affichages :
Transcription
1 Cours 14 Synthèse et révision CRI1600G Automne 2011 Rémi Boivin Maurizio D Elia Les variables Variable : Caractéristique de l unité statistique que l on désire étudier. Une variable peut prendre différentes valeurs selon l unité statistique considérée. Valeur : Les valeurs de la variable sont les différentes quantités numériques ou choix de réponse possibles que l on trouve dans l ensemble des données. Les types de variables Quantitatives Discrète : Variable dont on peut énumérer les valeurs qu elle peut prendre. Continue : Variable dont les données recueillies sont des quantités numériques approximatives ou arrondies. Catégorielles (qualitatives) Nominale : variable dont les différentes modalités correspondent à des noms, sans ordre précis. Ordinale : Variable catégorielle dont les différentes catégories peuvent être classées dans un certain ordre. 1
2 La notion de causalité Variable dépendante : Variable que l on cherche à expliquer (l effet). Variable indépendante : Variable qui vise à en expliquer une autre (la cause). Corrélation vs causalité Retour sur les types de variables Variable dépendante (Y): variable que l on cherche à expliquer (effet) Variable indépendante (X): variable qui vise à en expliquer une autre (cause) Variable contrôle/intermédiaire (Z): variable qui intervient dans la relation entre d autres variables Quelle est la variable dépendante? Variable dépendante : varie en fonction d autres paramètres (variables indépendantes) Quelques trucs : Les variables indépendantes précèdent la variable dépendante (ex : délinquance juvénile et criminalité adulte) Les traits statiques sont toujours des variables indépendantes, des facteurs externes ne peuvent pas les faire varier (ex : sexe, âge) Poser la question : qu est-ce que je veux prédire? (ex : criminalité et température, Est-ce que la température cause le crime ou est-ce que le crime cause la température?) 2
3 La causalité Variable indépendante Variable dépendante Variable intervenante Conditions nécessaires à la causalité 1. Les deux concepts (cause et effet) doivent être théoriquement distincts 2. La cause doit précéder l effet 3. Il existe une interprétation possible de la relation 4. Il existe une association statistique entre les deux concepts 5. La relation persiste même si on inclut d autres variables Les mesures de tendance centrale Utilité Permettent de résumer en un seul nombre la valeur la plus représentative d une série statistique., Mode (et classe modale) et médiane 3
4 Les mesures de tendance centrale Le Mode Le mode d'une série d'observations est la valeur la plus fréquente d'un ensemble de données. Il est généralement utilisé dans le cas des variables nominales. Le mode est rarement employé seul pour mesurer la tendance centrale d une variable continue, parce qu'avec un petit nombre d'observations chaque valeur est unique. Dans ce cas, il n'y a pas de mode. Les mesures de tendance centrale La La médiane correspond à l'observation du milieu, c'est-à-dire la valeur de part et d'autre de laquelle se situe la moitié des observations. Pour la mesurer, on établit la liste des observations individuelles par ordre croissant ou décroissant. Les mesures de tendance centrale La La moyenne représente la mesure la plus courante de tendance centrale des observations. Elle se calcule en additionnant les valeurs observées de chaque individu divisées par le nombre de sujets observés. = 4
5 Normale et Mode Asymétrique négative Asymétrique positive Mode Mode Normale et Mode Asymétrique négative Asymétrique positive Mode Mode La forme des distributions Normale et Mode Kurtose des distributions Leptokurtique et Mode Symétrie des distributions Platikurtique et Mode La symétrie des distributions La symétrie Mode = médiane = moyenne Symétrie des distributions L asymétrie Négative: mode > médiane > moyenne Concentration de fortes valeurs Positive: mode < médiane < moyenne Concentration de faibles valeurs 5
6 L applatissement Normale Mésokurtique: courbe normale (cloche) Kurtose des distributions et Mode Leptokurtique et Mode Platikurtique Leptokurtique: courbe élancée haute concentration de cas qui prennent les valeurs égales ou proches de la moyenne peu de variation : distribution relativement homogène Platikurtique: courbe plate les cas s éloignent de la moyenne forte variation : distribution relativement hétérogène et Mode Interprétation des coefficients relatifs à la forme Asymétrie (skewness) Coefficient d asymétrie utilisé pour vérifier si la distribution est normale On utilise le rapport entre le coefficient sur son erreur type (standard error) On rejet la normalité si le ratio est inférieur à -2 ou supérieur à +2 Distribution normale = skew=0 Applatissement (kurtosis) Coefficient d applatissement utilisé pour vérifier si la distribution est normale On utilise le rapport entre le coefficient sur son erreur type (standard error) On rejet la normalité si le ratio est inférieur à -2 ou supérieur à +2 Distribution normale = kurtosis =0 Les analyses bivariées Étudient la relation entre deux variables (variable dépendante et indépendante) Permettent non seulement de déterminer si deux variables sont associées (signification), mais également de déterminer le sens et la force de cette relation. 6
7 Les types d analyses bivariées Le type de test utilisé dépend du type de variables utilisées. Variable 1 Variable 2 Test de moyenne Quantitative Qualitative (Nominale ou ordinale) Tableau croisé Qualitative (Nominale ou ordinale) Qualitative (Nominale ou ordinale) Corrélation Quantitative Quantitative Trois éléments à vérifier 1- Vérifier si la relation est significative S il n y a aucune relation.c est fini. Pas besoin d aller vérifier #2 et #3 2- Examiner le sens de la relation Relation positive ou négative 3- Constater la force de la relation Faible, modérée ou forte La signification La signification (seuil de tolérance) nous indique si nos variables sont associées ou non (hasard) Le seuil de tolérance est souvent représenté par la lettre p ou par sig. Est-ce que ma relation entre X et Y est statistiquement significative? Existe-t-il une relation entre ces deux variables? Lorsque p< 0,05, nous pouvons affirmer qu il existe une relation statistiquement significative entre nos deux variables. Nos risques de nous tromper en affirmant qu il y a une relation entre nos deux variables sont inférieurs à 5%. Dans le cadre du cours, si p > 0,05, alors il n existe pas de relation significative entre nos 2 variables. 7
8 Le sens de la relation S il existe une relation, est-ce que X influe négativement ou positivement sur Y? Relation positive : Plus un individu consomme de l alcool, plus il risque de faire des niaiseries Relation négative : Plus un individu consomme de l alcool, moins celui-ci a d inhibitions La force de la relation Est-ce que l impact de X sur Y est fort, modéré ou faible? Valeur Force du lien statistique 0 Absence de relation Entre 0,05 et 0,10 Très faible Entre 0,10 et 0,20 Faible Entre 0,20 et 0,40 Modérée Entre 0,40 et 0,80 Forte Entre 0.80 et 1 Louche (Colinéarité) Le coefficient de force qualifie la relation et établit si la différence est attribuable à la taille de l échantillon ou non. Il importe de connaitre le domaine d étude pour identifier la force de la relation Un coefficient de force de plus de 0,80 indique la colinéarité les deux variables mesurent le même phénomène 8
9 Le choix d'analyses statistiques: Arbre décisionnel Statistiques descriptives Statistiques bivariées Statistiques multivariées Une variable catégorielle et une variable continue (ou ordinale)? Deux variables catégorielles Deux variables ordinales ou continues Plusieurs prédicteurs continus ou dichotomiques Mesures de tendance centrale et de dispersion Famille des Tests de moyenne Famille des tableaux de contingence Famille des corrélations Conditions de recherche Variances comparables Distributions normales Échelle intervalle et n>30 Variances non-comparables Distributions non-normales Échelle ordinale ou n<30 Nombre de groupes à comparer Nombre de groupes à comparer Distributions Logique sous-jacente de Prédiction Plus de Plus de Distributions normales Distributions non normales ou variables ordinales Variable dépendante continue T de Student Oneway ANOVA U de Mann Whitney Kruskal Wallis R de Pearson Rho de Spearman Régression linéaire multiple Les postulats d utilisation Des postulats d utilisation sont associés à chaque type de test. Les postulats sont un ensemble de règles à respecter dans l utilisation des statistiques pour assurer la validité des résultats. Quand les postulats d utilisation ne sont pas respectés, cela mène à une fausse sensibilité du test. Vérification des postulats avant de réaliser les tests et d analyser les résultats. Les tableaux croisés 9
10 Le tableau croisé et le Chi-deux Utilités Permet de tester le lien d indépendance entre 2 variables qualitatives. Tableau croisé (ou de contingence): montre la distribution des effectifs des deux variables. Chi-deux ou Chi-carré (Χ 2 ) : statistique utilisée pour vérifier si la relation entre les deux variables est significative. 28 Le tableau croisé et le Chi-deux Postulats d utilisation Avoir deux variables qualitatives (nominales ou ordinales) Avoir un minimum de cinq observations dans chaque case (intersection)(n 5). 29 Les mesures d association (ou de force) en tableau croisé Le Phi : Mesure dérivé du Chi-deux. On se rappelle que la valeur du Chi est directement influencée par le nombre de sujets et la force de la relation. Le phi élimine l effet de la taille de l échantillon en divisant le Chi carré par n, et en extrayant la racine carrée. Phi aussi appelé Pearson's coefficient of mean-square contingency. Il est utilisable dans le cas de tableaux 2x2. Pour un tableau de plus de 2x2, la valeur du phi dépasse 1, et le rend moins intéressant. 10
11 Les mesures d association (ou de force) en tableau croisé Le V de Cramer : Le V de Cramer est la mesure d association la plus populaire basée sur une variation du Chi deux. Il varie de 0 à 1, et est donc facile à utiliser et à interpréter. Il est utilisable dans le cas de tableaux de plus de 2x2 (donc 2xK ou KxK). Les tests de moyenne Les tests de différences de moyennes Lorsque l on vise à associer une variable qualitative à une variable quantitative (ou ordinale à plus de 4 catégories) Permet de comparer deux distributions pour savoir si la différence perçue entre les deux distributions est significative ou si elle est due uniquement au hasard. Il existe deux séries de critères utiles afin de choisir le bon test à utiliser Le critère paramétrique / non-paramétrique Le critère du nombre de groupes à comparer 11
12 Le critère paramétrique Les postulats d utilisation La distribution de la variable quantitative est normale. ( vérifiez avec l histogramme) Le nombre de sujets est supérieur à 30 (au total, pas par groupe) Homogénéité des variances (comparables) (Levene non significatif) Échantillon aléatoire indépendant (inutile dans le cas de vos TP) La force de la relation Le test de T donne la signification mais non la force de la relation Le Eta 2 est le coefficient d association (ou de force) des tests de moyennes paramétriques. Le coefficient de force des tests de moyenne paramétriques: le Eta 2 Il mesure la force de l association entre la variable qualitative et la variable quantitative Il varie entre 0 et 1 Il donne une indication de la proportion de la variance expliquée On l obtient en utilisant la commande «comparer des moyennes» (voir vignettes SPSS) 12
13 Le sens de la relation Pour les tests de moyennes (comme pour les tableaux de contingence) on ne parle pas de relation positive ou négative. Le sens de la relation analysé à l aide des moyennes de vos groupes. Par exemple : les garçons commettent plus de violence physique que les filles. Le Oneway ANOVA (test F) Aussi appelé analyse de variance simple ou à un facteur Il vise à comparer les moyennes non pas deux groupes mais bien trois groupes ou plus Concrètement, est-ce que trois groupes (ex : mineurs, jeunes adultes, aînés) ont des moyennes différentes à une échelle de troubles du comportement? La signification et les tests à posteriori (post hoc) Lorsque le test F est significatif, il nous indique que la moyenne d au moins 1 groupe se distingue significativement des autres. Mais il ne permet pas d établir si toutes les moyennes sont différentes. Nous devons utiliser une autre série d analyses afin de connaître plus en détail quels groupes sont significativement différents desquels. Il faut alors réaliser des tests post hoc. 13
14 Arbre décisionnel: Tests de différences de moyennes Une variable catégorielle et une variable continue (ou ordinale)? Famille des Tests de moyenne Questions à se poser: Les variances sont-elles comparables? La distribution est-elle normale? Combien de sujets sont disponibles pour l'analyse? Réponses: Réponses: Variances comparables Variances non-comparables Distributions normales et Distributions non-normales n>30 ou n<30 Si on répond non à une de ces questions, on s oriente vers des tests non paramétriques Nombre de groupes à comparer? Nombre de groupes à comparer? Plus de 2 groupes Plus de 2 groupes Test de t Oneway ANOVA U de Mann Whitney Kruskal Wallis Les tests non-paramétriques U de Mann-Whitney Détermine si les médianes de sont différentes. Kruskal Wallis Détermine si les médianes de 3 ou + groupes sont différentes. ET LES TROIS GRANDES QUESTIONS Existe-t-il un lien? On regarde la signification du U de Mann Whitney ou celle du Kruskal-Wallis. 2. Si oui, quel est la force de ce lien? Il n y a pas de coefficient de force avec les tests non paramétriques (chanceux). 3. Quel est le sens? (ou qu est-ce que ça veut dire en langage clair) On regarde les médianes. 14
15 Les corrélations Le choix d'analyses statistiques: Arbre décisionnel Statistiques descriptives Statistiques bivariées Statistiques multivariées Une variable catégorielle et une variable continue (ou ordinale)? Deux variables catégorielles Deux variables ordinales ou continues Plusieurs prédicteurs continus ou dichotomiques Mesures de tendance centrale et de dispersion Famille des Tests de moyenne Famille des tableaux de contingence Famille des corrélations Conditions de recherche Variances comparables Distributions normales Échelle intervalle et n>30 Variances non-comparables Distributions non-normales Échelle ordinale ou n<30 Nombre de groupes à comparer Nombre de groupes à comparer Distributions Logique sous-jacente de Prédiction Plus de Plus de Distributions normales Distributions non normales ou variables ordinales Variable dépendante continue T de Student Oneway ANOVA U de Mann Whitney Kruskal Wallis R de Pearson Rho de Spearman Régression linéaire multiple Paramétrique ou non paramétrique? Paramétrique = R de Pearson Non paramétrique = Rho de Spearman Le choix de l analyse de corrélation dépend surtout de: De la nature des variables De la distribution des variables 15
16 Les postulats d utilisation du R de Pearson (Coefficient paramétrique) Nécessite 2 variables quantitatives (discrètes ou continues) Les 2 distributions doivent être normales La relation doit être linéaire Exemple de relations non-linéaires: Le lien entre Stress et Performance Entre Quantité d alcool dans le sang et Débit verbal Absence de valeur(s) extrême(s) Les valeurs extrêmes peuvent influencer les résultats (c est particulièrement vrai en corrélation) On doit agir face aux valeurs extrêmes Cependant, on doit aussi les voir comme une information nouvelle et pertinente Qui sont vos valeurs extrêmes, comment constituent-ils l exception à la règle dans votre modèle? Interprétations du R de Pearson Varie entre -1 et 1 Si R est POSITIF : alors les deux variables varient dans le même sens, on dit alors que la relation est positive. En d autres mots, quand la VI augmente la VD augmentera aussi Si R est NÉGATIF : alors les deux variables varient en sens contraire, on dit alors que la relation est négative. En d autres mots, quand la VI augmente la VD diminue Rho de Spearman Le coefficient de corrélation de rang (appelé coefficient de Spearman) examine s'il existe une relation entre le rang des observations pour deux caractères X et Y, ce qui permet de détecter l'existence de relations (croissante ou décroissante), quelle que soit leur forme précise (linéaire, exponentielle, puissance,...). On notera également qu'il est préférable au coefficient de Pearson lorsque les distributions X et Y sont dissymétriques et/ou comportent des valeurs exceptionnelles. Ce coefficient est donc très utile lorsque l'analyse du nuage de point révèle une forme curvilinéaire (non linéaire)dans une relation qui semble mal s'ajuster à une droite. Il varie de -1 à 1 et s interprète de la même façon que le R de Pearson. 16
17 En bref R de Pearson et Rho de Spearman Existe-t-il un lien entre mes 2 variables quantitatives? Je regarde la signification du R ou du Rho. Si oui, quel est la force de ce lien? Je regarde la valeur du R de Pearson ou le rho de Spearman. Quel est le sens (ou qu est-ce que ça veut dire)? Je regarde le + ou et je réfléchis aux 3 hypothèses. 17
Relation 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 détailTABLE 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 détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
Plus en détailIBM SPSS Statistics Base 20
IBM SPSS Statistics Base 20 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 316. Cette version s applique à IBM SPSS
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailCorrélation entre deux classements. ρ Le coefficient de rang de Spearman
Corrélation entre deux classements Cas: échelle ordinale On peut utilisé le Rhô ρ Le coefficient de rang de Spearman Cours réalisé par Benjamin Putois Novembre 2008 bputois@gmail.com Indice statistique
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 détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
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 détailLecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888
Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques
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 détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16
ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que
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 détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détailPratique de l analyse de données SPSS appliqué à l enquête «Identités et Capital social en Wallonie»
Centre de recherche en démographie et sociétés UCL/IACCHOS/DEMO Pratique de l analyse de données SPSS appliqué à l enquête «Identités et Capital social en Wallonie» 1 2 3+ analyses univariées Type de variables
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en 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 détailRapport d'expérience final
Rapport d'expérience final Ricci Arnaud et Garretas Victor 1 juin 2015 Table des matières Introduction Problématique Cadre théorique et résultats précédents Hypothèses générales Méthodologie Participants
Plus en détailEvaluation de la variabilité d'un système de mesure
Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailRésumé du Cours de Statistique Descriptive. Yves Tillé
Résumé du Cours de Statistique Descriptive Yves Tillé 15 décembre 2010 2 Objectif et moyens Objectifs du cours Apprendre les principales techniques de statistique descriptive univariée et bivariée. Être
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailAnalyse Financière Les ratios
Analyse Financière Les ratios Présenté par ACSBE Traduit de l anglais par André Chamberland andre.cham@sympatico.ca L analyse financière Les grandes lignes Qu est-ce que l analyse financière? Que peuvent
Plus en détail1 Objectifs. Traitement statistique des données d enquête avec introduction à SPSS. Plan
1 Objectifs Traitement statistique des données d enquête avec introduction à SPSS Gilbert Ritschard Département d économétrie, Université de Genève gilbert.ritschard@themes.unige.ch Bamako, 7-11 octobre
Plus en détailChapitre 8 L évaluation des obligations. Plan
Chapitre 8 L évaluation des obligations Plan Actualiser un titre à revenus fixes Obligations zéro coupon Obligations ordinaires A échéance identique, rendements identiques? Évolution du cours des obligations
Plus en détailLES MODELES DE SCORE
LES MODELES DE SCORE Stéphane TUFFERY CONFERENCE GENDER DIRECTIVE 31 mai 2012 31/05/2012 ActuariaCnam Conférence Gender Directive Stéphane Tufféry 1 Plan Le scoring et ses applications L élaboration d
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 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 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 détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en détailL assurance de la qualité à votre service
Atelier L assurance de la qualité à votre service Présentation de Jean-Marie Richard 24 et 25 novembre Sujets Qu est-ce que l assurance de la qualité? Initiation aux concepts de l assurance de la qualité.
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailOptimisation des ressources des produits automobile première
EURIA EURo Optimisation produits automobile première Pauline PERROT promotion 2011 EURIA EURo 1 ère partie : contexte MMA (FFSA) MAAF (GEMA) SGAM : COVEA (AFA) GMF (GEMA) MMA : Plus 3 millions clients
Plus en détailLa gestion du personnel
Auto-diagnostic de votre fonction Ressources Humaines Le questionnaire ci-après vous permet de préparer vos réponses avant de les saisir en ligne sur www.fact.aract.fr Evaluez la gestion des compétences
Plus en détailObservation des modalités et performances d'accès à Internet
Observation des modalités et performances d'accès à Internet Avant-propos La base de cette étude est constituée par les informations collectées par l'outil Cloud Observer d'iplabel (chargement des différents
Plus en détailCARACTERISTIQUE D UNE DIODE ET POINT DE FONCTIONNEMENT
TP CIRCUITS ELECTRIQUES R.DUPERRAY Lycée F.BUISSON PTSI CARACTERISTIQUE D UNE DIODE ET POINT DE FONCTIONNEMENT OBJECTIFS Savoir utiliser le multimètre pour mesurer des grandeurs électriques Obtenir expérimentalement
Plus en détailAnalyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9
Analyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9 L analyse de variance à un facteur permet de vérifier, moyennant certaines hypothèses, si un facteur (un critère de classification,
Plus en détailQu est-ce-qu un Warrant?
Qu est-ce-qu un Warrant? L epargne est investi dans une multitude d instruments financiers Comptes d epargne Titres Conditionnel= le detenteur à un droit Inconditionnel= le detenteur a une obligation Obligations
Plus en détailCours 9 : Plans à plusieurs facteurs
Cours 9 : Plans à plusieurs facteurs Table des matières Section 1. Diviser pour regner, rassembler pour saisir... 3 Section 2. Définitions et notations... 3 2.1. Définitions... 3 2.2. Notations... 4 Section
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 détailStatistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année 2010-2011
Master 1 Biologie et technologie du végétal Année 010-011 Statistiques Rappels de cours et travaux dirigés (Seul ce document sera autorisé en examen) auteur : Jean-Marc Labatte jean-marc.labatte@univ-angers.fr
Plus en détailAide-mémoire de statistique appliquée à la biologie
Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela
Plus en détailCHAPITRE 2. Les variables
CHAPITRE 2 Les variables 1. La nature des variables Définition 2.1 (Variable). Une variable est une caractéristique étudiée pour une population donnée. Le sexe, la couleur préférée, le nombre de téléviseurs
Plus en détailSOMMAIRE. B5.1 Première approche
APPROCHE THEORIQE LES COMPOSANTS ELECTRONIQES B5 LES IOES SOMMAIRE B5.1 Première approche B5.2 e la jonction PN à la diode B5.3 Caractéristique d'une diode B5.4 Mécanisme de conduction d'une diode B5.5
Plus en détailDossier d'étude technique
Centre national de la recherche scientifique Direction des systèmes d'information REFERENTIEL QUALITE Guide méthodologique Dossier d'étude technique Référence : CNRS/DSI/conduite-projet/developpement/technique/guide-etude-technique
Plus en détailQuelles sont les entreprises qui ont recours au commerce électronique?
Nicolas POUSSING Anne-Sophie GENEVOIS octobre 2003 Quelles sont les entreprises qui ont recours au commerce électronique? Dans le cadre du projet «eeurope 2002», une enquête communautaire intitulée «E-commerce
Plus en détailLe chi carré. Le sommaire. Approche quantitative
Approche quantitative Le chi carré Les objectifs pédagogiques Définir le test du chi carré Déterminer la nature des données propres au chi carré Savoir calculer le chi carré Savoir déterminer les fréquences
Plus en détailPremiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données. Premiers pas avec SES-Pegase 1
Premiers pas avec SES-Pegase 1 Premiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données www.delta-expert.com Mise à jour : Premiers pas avec SES-Pegase
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 détailLES DIFFERENTS TYPES DE MESURE
LES DIFFERENTS TYPES DE MESURE Licence - Statistiques 2004/2005 REALITE ET DONNEES CHIFFREES Recherche = - mesure. - traduction d une réalité en chiffre - abouti à des tableaux, des calculs 1) Qu est-ce
Plus en détailIntroduction. Préambule. Le contexte
Préambule... INTRODUCTION... BREF HISTORIQUE DE L ACP... 4 DOMAINE D'APPLICATION... 5 INTERPRETATIONS GEOMETRIQUES... 6 a - Pour les n individus... 6 b - Pour les p variables... 7 c - Notion d éléments
Plus en détailCycle de formation certifiante Sphinx
Cycle de formation certifiante Sphinx 28, 29, 30 Mai 2015 Initiation, Approfondissement et Maîtrise Etudes qualitatives / quantitatives Initiation, approfondissement et maîtrise des études qualitatives
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
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 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 détailBecca Distribution Inc
Becca Distribution Inc 12-31-2008-12-31-2009 Becca Distribution Inc - Becca_2008.opt Page 3 Mesures clés du rendement de l'entreprise Seuil de rentabilité Valeur cible % Rentabilité % Rentabilité = 0 Période
Plus en détailSwaps de volatilité et modélisation GARCH : Evaluation et application à l indice TMP du marché financier marocain
Swaps de volatilité et modélisation GARCH : Evaluation et application à l indice TMP du marché financier marocain Mohammed MRAOUA Ingénieur financier, actuaire Groupe OCP, Casablanca Décembre 2003 Résumé
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en 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 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 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 détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailUNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand
UNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand Service méthodes statistiques Institut National d Etudes Démographiques (Ined)
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 détailMonia Amami Franck Brulhart Raymond Gambini Pierre-Xavier Meschi
Version 4.7 Simulation d Entreprise «Artemis» Monia Amami Franck Brulhart Raymond Gambini Pierre-Xavier Meschi p. 1 1. Objectifs et Contexte Général L objectif de la simulation d entreprise «Artemis» est
Plus en détailTable 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 détailFICHE TECHNIQUE CARACTERISTIQUES TECHNIQUES DE L'AEDPLUS
RENSEIGNEMENTS GENERAUX La réponse aux questions suivantes n'est pas valorisée Nom commercial du produit ZOLL AEDPlus Lieu(x) de fabrication pays U.S.A. Date de la 1ère commercialisation mois/année Juin
Plus en détailEtudier l influence de différents paramètres sur un phénomène physique Communiquer et argumenter en utilisant un vocabulaire scientifique adapté
Compétences travaillées : Mettre en œuvre un protocole expérimental Etudier l influence de différents paramètres sur un phénomène physique Communiquer et argumenter en utilisant un vocabulaire scientifique
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 détailDemande de prestations AI pour adultes: Allocation pour impotent AI
Demande de prestations AI pour adultes: Allocation pour impotent AI 1. Renseignements personnels 1.1 Indications personnelles Nom indiquer aussi le nom de célibataire Prénoms tous les prénoms, prière d
Plus en détailDegré de confiance pour les indicateurs de performance : degré de fiabilité du processus de production et écart significatif 1
Degré de confiance pour les indicateurs de performance : degré de fiabilité du processus de production et écart significatif 1 L utilisation des indicateurs de performance ne peut se faire de manière pertinente
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailLocalisation des fonctions
MODALISA 7 Localisation des fonctions Vous trouverez dans ce document la position des principales fonctions ventilées selon l organisation de Modalisa en onglets. Sommaire A. Fonctions communes à tous
Plus en détailT de Student Khi-deux Corrélation
Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes
Plus en détailDidacticiel - Études de cas. Description de quelques fonctions du logiciel PSPP, comparaison des résultats avec ceux de Tanagra, R et OpenStat.
1 Objectif Description de quelques fonctions du logiciel PSPP, comparaison des résultats avec ceux de Tanagra, R et OpenStat. Tout le monde l aura compris, je passe énormément de temps à analyser les logiciels
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 détailRepresentation of domestic workers
Cette enquête collecte des informations dans le cadre du projet «Promouvoir les relations industrielles dans le secteur du travail domestique en Europe» de la Fédération européenne des syndicats de l alimentation,
Plus en détailFOIRE AUX QUESTIONS. Le Conseil Général de l Oise précise qu à ce jour, aucune donnée chiffrée n est disponible pour répondre à cette question.
FOIRE AUX QUESTIONS Appel à projets relatif à la création et/ou à l extension importante d un FAM (Foyer d Accueil Médicalisé) sur le département de l Oise L objet de la présente «Foire aux Questions»
Plus en détailLe guide de référence de l acheteur de décisionnel intégré pour les éditeurs et fournisseurs de solutions SaaS
Le guide de référence de l acheteur de décisionnel intégré pour les éditeurs et fournisseurs de solutions SaaS Copyright 2013 Pentaho Corporation. Redistribution autorisée. Toutes les marques commerciales
Plus en détailCollecter des informations statistiques
Collecter des informations statistiques FICHE MÉTHODE A I Les caractéristiques essentielles d un tableau statistique La statistique a un vocabulaire spécifique. L objet du tableau (la variable) s appelle
Plus en détailOptions et Swap sur intérêt
Options et Swap sur intérêt Risk Management - TP 3-1 - Exercice1 : choix de deux options J ai décidé d utiliser le site Swissquote pour cette recherche. Toutefois j ai préféré prendre des warrants (certificats
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 détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailchoisir H 1 quand H 0 est vraie - fausse alarme
étection et Estimation GEL-64943 Hiver 5 Tests Neyman-Pearson Règles de Bayes: coûts connus min π R ( ) + ( π ) R ( ) { } Règles Minimax: coûts connus min max R ( ), R ( ) Règles Neyman Pearson: coûts
Plus en détailDérivés Financiers Contrats à terme
Dérivés Financiers Contrats à terme Mécanique des marchés à terme 1) Supposons que vous prenez une position courte sur un contrat à terme, pour vendre de l argent en juillet à 10,20 par once, sur le New
Plus en détailAble Informatique bvba Zakske 16 B-8000 Brugge Belgique Téléphone : + 32 50 34 59 04 www.admiralsoft.com
Able Informatique bvba Zakske 16 B-8000 Brugge Belgique Téléphone : + 32 50 34 59 04 www.admiralsoft.com Logiciel de marketing opérationnel multitâches Votre support de marketing direct Data Quest est
Plus en détailFonctions homographiques
Seconde-Fonctions homographiques-cours Mai 0 Fonctions homographiques Introduction Voir le TP Géogébra. La fonction inverse. Définition Considérons la fonction f définie par f() =. Alors :. f est définie
Plus en détailÀ l'intention des parents
Septembre 2011 À l'intention des parents Information sur les examens en vue de l'obtention du diplôme Votre fils ou votre fille passera bientôt des examens en vue de l'obtention du diplôme? Voici de l'information
Plus en détailListe des notes techniques... xxi Liste des encadrés... xxiii Préface à l édition internationale... xxv Préface à l édition francophone...
Liste des notes techniques.................... xxi Liste des encadrés....................... xxiii Préface à l édition internationale.................. xxv Préface à l édition francophone..................
Plus en détailCompte rendu de LA37 B, TP numéro 1. Evolution de la température et du degrée d'hydratation
4 6 8 2 4 8 22 26 3 34 38 42 46 5 54 58 62 66 7 74 78 83 89 96 8 44 Bertin Morgan Compte rendu de LA37 B, TP numéro. Les essais effectués par le laboratoire des ponts et chaussés nous ont fournis la température
Plus en détailSauvegarde dans un environnement virtuel
Sauvegarde dans un environnement virtuel Par : Marc Balardelle Société GRICS Plan de la présentation Les perceptions au sujet de la sauvegarde Les perspectives Les offres courantes Un sondage... pas du
Plus en détailScénario: Données bancaires et segmentation de clientèle
Résumé Scénario: Données bancaires et segmentation de clientèle Exploration de données bancaires par des méthodes uni, bi et multidimensionnelles : ACP, AFCM k-means, CAH. 1 Présentation Le travail proposé
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 détailNotions et définitions utiles
Notions et définitions utiles 1 Notions et définitions utiles I. Notions d usage 1. La notion de compétitivité. La notion de «compétitivité» est la symbolique de l enjeu de développement des entreprises.
Plus en détailELASTICITE DE LA DEMANDE Calcul de l'elasticite & Applications Plan du cours I. L'elasticite de la demande & ses determinants II. Calcul de l'elasticite & pente de la courbe de demande III. Applications
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailPrincipes de mathématiques 12 SÉRIE DE PROBLÈMES. Septembre 2001. Student Assessment and Program Evaluation Branch
Principes de mathématiques 12 SÉRIE DE PROBLÈMES Septembre 2001 Student Assessment and Program Evaluation Branch REMERCIEMENTS Le Ministère de l Éducation tient à remercier chaleureusement les professionnels
Plus en détail