Table des matières. AVANT-PROPOS L analyse des données... 15

Dimension: px
Commencer à balayer dès la page:

Download "Table des matières. AVANT-PROPOS L analyse des données... 15"

Transcription

1

2 Table des matières AVANT-PROPOS L analyse des données INTRODUCTION CHAPITRE 1 Le vocabulaire de l analyse des données Godelieve Masuy-Stroobant 1. Variables et unités d observations Différents types de variables Les unités d observation Où il est question de «relations» Qu est-ce qu une cause? L effet d interaction Qu est-ce qu une variable de confusion? Échantillon et population La logique des tests statistiques et leur usage Pourquoi recourir à un test? L «Hypothèse nulle» (H0) du statisticien Les tests sont-ils infaillibles? Que conclure de tout cela? Pour aller plus loin ANALYSE UNIVARIÉE CHAPITRE 2 L exploration : évaluer, préparer et décrire Amandine J. Masuy L aide des proches aux plus âgés Évaluer la qualité des données Préparer les données Vérifier et éventuellement modifier le codage des variables Identifier et résoudre les problèmes posés par les valeurs extrêmes Les variables qualitatives très (trop) détaillées

3 2.4. Les données manquantes Le niveau de mesure de la variable ne convient pas Les variables disponibles ne correspondent pas aux concepts Décrire les données Fréquences, mesures de position et de dispersion Représentations graphiques Pour aller plus loin ANALYSE BIVARIÉE CHAPITRE 3 Deux variables qualitatives Godelieve Masuy-Stroobant Le naufrage du Titanic (reprise) Le tableau de contingence Le test du Khi-deux Risques relatifs (RR) et odds ratios (OR) Le risque relatif Le rapport de cotes ou odds ratio Pour interpréter correctement les RR et les OR Comparer les RR pour repérer les effets d interaction et de confusion Pour aller plus loin CHAPITRE 4 Une variable qualitative et une variable quantitative Lorise Moreau Chômage et sentiment de dévalorisation Le test t de Student Sélectionner la sous-population d intérêt et la décrire Le test t Application du test t Conditions d application du test t Le test F de Fisher et l analyse de variance (ANOVA) Sélectionner la population d intérêt et la décrire Le test F et l analyse de variance ANOVA Application du test F Conditions d application du test F Pour aller plus loin

4 CHAPITRE 5 Deux variables quantitatives Rafael Costa Précarité, mortalité et santé des communes belges Le diagramme de dispersion Deux mesures de la relation bivariée entre variables quantitatives Le coefficient de corrélation de Bravais-Pearson r Le coefficient de détermination R² Tester le niveau de signification de r et de R² Résumer l association entre deux variables quantitatives La régression simple Estimer les coefficients de régression a et b Tester le niveau de signification de a et de b Un tableau synthétise les résultats d une régression Les hypothèses de la régression linéaire À quoi faire attention Variables qualitatives Que faire en cas d hétéroscédasticité et de non linéarité? Association et causalité Pour aller plus loin ANALYSE MULTIVARIÉE DES INTERDÉPENDANCES CHAPITRE 6 L analyse en composantes principales Godelieve Masuy-Stroobant Inégalités régionales de mortalité infantile en Hypothèses et indicateurs Les composantes principales de la mortalité infantile L analyse en composantes principales ACP Le domaine d application d une ACP Qu est-ce qu une composante principale? Les relations entre variables initiales et composantes Le vocabulaire de l ACP Le nombre de composantes La rotation des axes ou composantes

5 2. Comment réaliser une analyse en composantes principales? Les variables initiales Combien de composantes retenir? Faut-il procéder à une rotation? La présentation des résultats L interprétation des résultats À quoi faire attention Pour aller plus loin CHAPITRE 7 L analyse factorielle des correspondances (multiples) Pierre Baudewyns Les élections de juin 2007 en Wallonie L analyse factorielle des correspondances AFC Le domaine d application d une AFC Comment sont construits les facteurs d une AFC Les résultats d une AFC Variables actives et variables illustratives L analyse factorielle des correspondances multiples AFCM Le tableau disjonctif et le tableau de contingence de Burt Le fonctionnement d une AFCM Les résultats d une AFCM Variables actives, variables illustratives À quoi faire attention Pour aller plus loin CHAPITRE 8 L analyse de classification Rafael Costa La frontière linguistique : une réalité démographique? L analyse de classification Qu est-ce qu une analyse de classification? Comment réaliser une analyse de classification? En pratique, comment procéder? Comment fonctionne la méthode de Ward? Le dendrogramme pour représenter la classification hiérarchique Combien de groupes retenir? Comment tester l homogénéité interne des groupes et leurs différences?

6 2.5. Comment présenter les résultats d une classification? À quoi faire attention Vérifier au préalable l existence possible de groupes Le choix des variables de l espace de référence est crucial La préparation des variables pour la classification Limites des méthodes Pour aller plus loin ANALYSE MULTIVARIÉE DES DÉPENDANCES CHAPITRE 9 La régression linéaire multiple Bruno Schoumaker L immigration en Europe Conditions de vie et attitudes face à l immigration en Europe La région exerce-t-elle un «effet de confusion»? Les conditions de vie comme «variable intermédiaire» Que conclure de tout cela? La régression linéaire multiple Qu est-ce qu une régression linéaire multiple? Objectifs Comment réaliser une régression multiple? En pratique, comment procéder? Quelles variables indépendantes et comment en interpréter les coefficients? Comment tester la signification statistique des variables explicatives? Quelles variables retenir dans le modèle? Comment comparer les coefficients de régression? Que signifie R²? Quelle importance lui donner? Comment présenter les résultats de la régression? À quoi faire attention La multicolinéarité L additivité des effets des variables Le principe de parcimonie Pour aller plus loin CHAPITRE 10 La régression logistique Ester Rizzi Religion et attitudes envers la sexualité en Italie

7 L importance accordée à la religion influence-t-elle l adhésion aux valeurs traditionnelles? Le niveau social d origine et la région exercent-ils un «effet de confusion»? Qu est-ce qu une régression logistique? La transformation logit Les coefficients de régression β et OR La signification statistique des coefficients β et des OR Et pour évaluer la qualité globale du modèle Régression logistique et régression linéaire multiple En pratique, comment procéder? La variable dépendante d un modèle logistique Les variables indépendantes L interprétation des résultats d une régression logistique L estimation de la probabilité p et de l odds de p La stratégie d analyse La présentation des résultats À quoi faire attention Pour aller plus loin CONCLUSION CHAPITRE 11 Interpréter les résultats Godelieve Masuy- Stroobant 1. Le contexte théorique de la recherche Tenir compte du déroulement de la recherche La confrontation à la littérature sur le sujet La généralisation des résultats La part de créativité du chercheur Encadrés 1. Les «degrés de liberté» Échantillon et distribution d échantillonnage La loi Normale Analyses agrégées, analyses individuelles, et inférence écologique fallacieuse Le vocabulaire de l analyse factorielle des correspondances Codage binaire de variables nominales La standardisation ou comment calculer une z-variable

8 Bibliographie Les auteurs Index

Pratique de l analyse de données SPSS appliqué à l enquête «Identités et Capital social en Wallonie»

Pratique 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 détail

PROGRAMME (Susceptible de modifications)

PROGRAMME (Susceptible de modifications) Page 1 sur 8 PROGRAMME (Susceptible de modifications) Partie 1 : Méthodes des revues systématiques Mercredi 29 mai 2013 Introduction, présentation du cours et des participants Rappel des principes et des

Plus en détail

Cycle de formation certifiante Sphinx

Cycle 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 détail

Principe d un test statistique

Principe 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 détail

Logiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS

Logiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence

Plus en détail

Tableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1

Tableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1 UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés

Plus en détail

Lire ; Compter ; Tester... avec R

Lire ; 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 détail

Statistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier

Statistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................

Plus en détail

Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données

Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données et le Data Mining Nous suivons le plan suivant : Fonctionnement de Spad Catalogue des méthodes (statistiques

Plus en détail

Scénario: Données bancaires et segmentation de clientèle

Scénario: 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 détail

Mémo d utilisation de ADE-4

Mémo d utilisation de ADE-4 Mémo d utilisation de ADE-4 Jérôme Mathieu http://www.jerome.mathieu.freesurf.fr 2003 ADE-4 est un logiciel d analyses des communautés écologiques créé par l équipe de biostatistiques de Lyon. Il propose

Plus en détail

La place de SAS dans l'informatique décisionnelle

La place de SAS dans l'informatique décisionnelle La place de SAS dans l'informatique décisionnelle Olivier Decourt ABS Technologies - Educasoft Formations La place de SAS dans l'informatique décisionnelle! L'historique de SAS! La mécanique! La carrosserie

Plus en détail

Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants)

Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants) CIVILITE-SES.doc - 1 - Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants) 1 PRÉSENTATION DU DOSSIER CIVILITE On s intéresse

Plus en détail

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1 Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe

Plus en détail

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

Plus en détail

Analyse de la variance Comparaison de plusieurs moyennes

Analyse de la variance Comparaison de plusieurs moyennes Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction

Plus en détail

(Customer Relationship Management, «Gestion de la Relation Client»)

(Customer Relationship Management, «Gestion de la Relation Client») (Customer Relationship Management, «Gestion de la Relation Client») Les Banques et sociétés d assurance sont aujourd'hui confrontées à une concurrence de plus en plus vive et leur stratégie " clientèle

Plus en détail

ACP Voitures 1- Méthode

ACP Voitures 1- Méthode acp=princomp(voit,cor=t) ACP Voitures 1- Méthode Call: princomp(x = voit, cor = T) Standard deviations: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 2.1577815 0.9566721 0.4903373 0.3204833 0.2542759 0.1447788

Plus en détail

Biostatistiques : Petits effectifs

Biostatistiques : 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 détail

REALISATION D UNE CALCULATRICE GRACE AU LOGICIEL CROCODILE CLIPS 3.

REALISATION D UNE CALCULATRICE GRACE AU LOGICIEL CROCODILE CLIPS 3. 1 sur 6 REALISATION D UNE CALCULATRICE GRACE AU LOGICIEL CROCODILE CLIPS 3. OBJECTIF - PUBLIC - LOGICIEL - MATERIEL - METHODE - BIBLIOGRAPHIE - AVANTAGES - DIFFICULTES - AUTEUR DU DOCUMENT - LE DOCUMENT

Plus en détail

I- Définitions des signaux.

I- Définitions des signaux. 101011011100 010110101010 101110101101 100101010101 Du compact-disc, au DVD, en passant par l appareil photo numérique, le scanner, et télévision numérique, le numérique a fait une entrée progressive mais

Plus en détail

TS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S

TS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences

Plus en détail

ETUDE DE PERCEPTION PRODUIT

ETUDE DE PERCEPTION PRODUIT 2010 ETUDE DE PERCEPTION PRODUIT Que reprochent les applicateurs au mortier de plâtre projeté Lafarge? UNIVERSITE MONTPELLIER I Faculté d Administration et de Gestion des Entreprises Rapport d étude Master

Plus en détail

INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES

INTRODUCTION 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 détail

Solutions Décisionnelles SPAD. La maîtrise des données, l'art de la décision

Solutions Décisionnelles SPAD. La maîtrise des données, l'art de la décision Solutions Décisionnelles SPAD La maîtrise des données, l'art de la décision SPAD, la référence en Analyse de Données et Data Mining La solution logicielle SPAD permet de tirer le meilleur parti de tous

Plus en détail

IBM SPSS Regression 21

IBM SPSS Regression 21 IBM SPSS Regression 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 46. Cette version s applique à IBM SPSS Statistics

Plus en détail

ESIEA PARIS 2011-2012

ESIEA PARIS 2011-2012 ESIEA PARIS 2011-2012 Examen MAT 5201 DATA MINING Mardi 08 Novembre 2011 Première Partie : 15 minutes (7 points) Enseignant responsable : Frédéric Bertrand Remarque importante : les questions de ce questionnaire

Plus en détail

SPHINX Logiciel de dépouillement d enquêtes

SPHINX Logiciel de dépouillement d enquêtes SPHINX Logiciel de dépouillement d enquêtes sphinx50frversion4.doc 1 Les trois stades du SPHINX sont ceux que comporte habituellement toute enquête d opinion: Elaboration du questionnaire (fiche outil

Plus en détail

SOMMAIRE. PREMIÈRE PARTIE Origines et principes du Trade Finance. DEUXIÈME PARTIE Les instruments de paiement traditionnels du Trade Finance

SOMMAIRE. PREMIÈRE PARTIE Origines et principes du Trade Finance. DEUXIÈME PARTIE Les instruments de paiement traditionnels du Trade Finance BANQUE FINANCE SOCIAL GESTION DROIT MARKETING Trade Finance Principes et fondamentaux David Leboiteux SOMMAIRE Préface de Gérard Worms, Président d honneur de la Chambre de Commerce Internationale, Président

Plus en détail

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

Chapitre 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 détail

Localisation des fonctions

Localisation 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 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

DESCRIPTIF DE MODULE S4 ADG : Mathématique pour la Gestion

DESCRIPTIF DE MODULE S4 ADG : Mathématique pour la Gestion Sous filière : IAME DESCRIPTIF DE MODULE S4 ADG : Mathématique pour la Gestion COORDONNATEUR DU MODULE: Professeur FEKRI Mohammed Département : RIM Objectif : Ce module a pour objectif d initier les élèves

Plus en détail

MASTER 2 SCIENCES HUMAINES ET SOCIALES Mention Psychologie. Spécialité : Recherches en psychologie

MASTER 2 SCIENCES HUMAINES ET SOCIALES Mention Psychologie. Spécialité : Recherches en psychologie S3 Spécialité : Recherches en psychologie UE OBLIGATOIRES UE 1 : Epistémologie et méthodes de recherche en psychologie Ce séminaire aborde plusieurs aspects de la recherche en psychologie. Il présente

Plus en détail

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be

Plus en détail

Exemples d utilisation de G2D à l oral de Centrale

Exemples d utilisation de G2D à l oral de Centrale Exemples d utilisation de G2D à l oral de Centrale 1 Table des matières Page 1 : Binaire liquide-vapeur isotherme et isobare Page 2 : Page 3 : Page 4 : Page 5 : Page 6 : intéressant facile facile sauf

Plus en détail

La simulation probabiliste avec Excel

La simulation probabiliste avec Excel La simulation probabiliste avec Ecel (2 e version) Emmanuel Grenier emmanuel.grenier@isab.fr Relu par Kathy Chapelain et Henry P. Aubert Incontournable lorsqu il s agit de gérer des phénomènes aléatoires

Plus en détail

CONCOURS 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) 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 détail

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et

Plus en détail

Vu la demande de la Banque Nationale de Belgique du 5 octobre 2005;

Vu la demande de la Banque Nationale de Belgique du 5 octobre 2005; CSSS/05/139 1 DELIBERATION N 06/006 DU 17 JANVIER 2006 RELATIVE A LA COMMUNICATION DE DONNEES A CARACTERE PERSONNEL NON-CODEES ISSUES DU DATAWAREHOUSE MARCHE DU TRAVAIL ET PROTECTION SOCIALE, PAR LA BANQUE

Plus en détail

Données longitudinales et modèles de survie

Données 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 détail

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.

Plus en détail

Arbres binaires de décision

Arbres binaires de décision 1 Arbres binaires de décision Résumé Arbres binaires de décision Méthodes de construction d arbres binaires de décision, modélisant une discrimination (classification trees) ou une régression (regression

Plus en détail

Transmission d informations sur le réseau électrique

Transmission d informations sur le réseau électrique Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en

Plus en détail

Le risque Idiosyncrasique

Le risque Idiosyncrasique Le risque Idiosyncrasique -Pierre CADESTIN -Magali DRIGHES -Raphael MINATO -Mathieu SELLES 1 Introduction Risque idiosyncrasique : risque non pris en compte dans le risque de marché (indépendant des phénomènes

Plus en détail

Étude de cas Assurance (d après une étude de Philippe Périé, CISIA)

Étude de cas Assurance (d après une étude de Philippe Périé, CISIA) Étude de cas Assurance (d après une étude de Philippe Périé, CISIA) I.1.Les données L échantillon est constitué de 1106 assurés Belges observés en 1992 et répartis en 2 groupes. - les assurés qui n ont

Plus en détail

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences

Plus en détail

Coheris est agréé organisme de formation, n d agrément 11 92 19507 92.

Coheris est agréé organisme de formation, n d agrément 11 92 19507 92. Formations 2015 Coheris est agréé organisme de formation, n d agrément 11 92 19507 92. Introduction La formation est une préoccupation constante de Coheris vis-à-vis de ses clients et de ses partenaires,

Plus en détail

Panorama des problématiques de traitement de l information. Larbi Aït Hennani, Fatma Bouali, Vincent Vandewalle

Panorama des problématiques de traitement de l information. Larbi Aït Hennani, Fatma Bouali, Vincent Vandewalle Panorama des problématiques de traitement de l information Larbi Aït Hennani, Fatma Bouali, Vincent Vandewalle Conduite d une étude statistique Larbi Aït Hennani, maître de conférences en mathématiques

Plus en détail

Peut-on supprimer le travail des enfants?

Peut-on supprimer le travail des enfants? Peut-on supprimer le travail des enfants? Le travail des enfants constitue une part importante de l économie mondiale. Au cours d une marche internationale contre le travail infantile, Michel Bonnet et

Plus en détail

SUIVI MÉDICAL DU DIABÈTE CHEZ LES ASSURÉS DE LA MGEN

SUIVI MÉDICAL DU DIABÈTE CHEZ LES ASSURÉS DE LA MGEN SUIVI MÉDICAL DU DIABÈTE CHEZ LES ASSURÉS DE LA MGEN K. Cosker, C. Sevilla-Dedieu, F. Gilbert, P. Lapie-Legouis, R. Cecchi-Tenerini Fondation d entreprise MGEN pour la santé publique 1 Contexte Les différents

Plus en détail

Les petis signes de T21 : comment ça marche et à quoi ça sert? Christophe Vayssière (Toulouse) DIU d echographie 2011

Les petis signes de T21 : comment ça marche et à quoi ça sert? Christophe Vayssière (Toulouse) DIU d echographie 2011 Les petis signes de T21 : comment ça marche et à quoi ça sert? Christophe Vayssière (Toulouse) DIU d echographie 2011 2 types de «petits signes»? Il a 2 types de petits signes de T21 : 1/ les signes suite

Plus en détail

Historique. Architecture. Contribution. Conclusion. Définitions et buts La veille stratégique Le multidimensionnel Les classifications

Historique. Architecture. Contribution. Conclusion. Définitions et buts La veille stratégique Le multidimensionnel Les classifications L intelligence économique outil stratégique pour l entreprise Professeur Bernard DOUSSET dousset@irit.fr http://atlas.irit.fr Institut de Recherche en Informatique de Toulouse (IRIT) Equipe Systèmes d

Plus en détail

Scénario: Score d appétence de la carte visa premier

Scénario: Score d appétence de la carte visa premier Scénario: Score d appétence de la carte visa premier Résumé Cette aventure reprend rapidement l exploration des données bancaires avant d aborder systématiquement la construction de modèles de prévision

Plus en détail

ENSEIGNEMENT ET MONDE PROFESSIONNEL. Illustration d un lien fort au travers d un cours de scoring. Jean-Philippe KIENNER 7 novembre 2013

ENSEIGNEMENT ET MONDE PROFESSIONNEL. Illustration d un lien fort au travers d un cours de scoring. Jean-Philippe KIENNER 7 novembre 2013 ENSEIGNEMENT ET MONDE PROFESSIONNEL Illustration d un lien fort au travers d un cours de scoring Jean-Philippe KIENNER 7 novembre 2013 CONTEXTE Une bonne insertion professionnelle des étudiants passe par

Plus en détail

Statistique descriptive. Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne. Notes de cours

Statistique descriptive. Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne. Notes de cours Statistique descriptive Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne Notes de cours Dernière mise à jour le mercredi 25 février 2009 1 ère année de Licence Aix & Marseille

Plus en détail

Premiers 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 (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 détail

Analyses multivariées avec R Commander (via le package FactoMineR) Qu est ce que R? Introduction à R Qu est ce que R?

Analyses multivariées avec R Commander (via le package FactoMineR) Qu est ce que R? Introduction à R Qu est ce que R? Analyses multivariées avec R Commander Analyses multivariées avec R Commander (via le package FactoMineR) Plate-forme de Support en Méthodologie et Calcul Statistique (SMCS) - UCL 1 Introduction à R 2

Plus en détail

Chapitre 1. La démarche statistique appliquée au management. Minicas. Questions :

Chapitre 1. La démarche statistique appliquée au management. Minicas. Questions : Chapitre 1 La démarche statistique appliquée au management Minicas Comment estimer les dégâts d une catastrophe naturelle (tempêtes, ouragans, etc.)? Aux États-Unis, la FEMA (Federal Emergency Management

Plus en détail

COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES

COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES J. sci. pharm. biol., Vol.9, n - 00, pp. 9-0 EDUCI 00 9 VALLEE POLNEAU S.* DIAINE C. COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES Notre étude visait à comparer les résultats obtenus

Plus en détail

Statistique Descriptive Multidimensionnelle. (pour les nuls)

Statistique Descriptive Multidimensionnelle. (pour les nuls) Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Multidimensionnelle (pour les nuls) (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219

Plus en détail

Cours 9 : Plans à plusieurs facteurs

Cours 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 détail

L ANALYSE DU «PARC SOCIAL DE FAIT» PARISIEN EN 2003 : UNE ANALYSE TERRITORIALISÉE DES PROFILS D OCCUPATION DES PARCS ET DES QUARTIERS

L ANALYSE DU «PARC SOCIAL DE FAIT» PARISIEN EN 2003 : UNE ANALYSE TERRITORIALISÉE DES PROFILS D OCCUPATION DES PARCS ET DES QUARTIERS ATELIER PARISIEN D URBANISME - 17, BD MORLAND 75004 PARIS TÉL : 01 42 71 28 14 FAX : 01 42 76 24 05 http://www.apur.org Observatoire de l'habitat de Paris L ANALYSE DU «PARC SOCIAL DE FAIT» PARISIEN EN

Plus en détail

BIG DATA : PASSER D UNE ANALYSE DE CORRÉLATION

BIG DATA : PASSER D UNE ANALYSE DE CORRÉLATION BIG DATA : PASSER D UNE ANALYSE DE CORRÉLATION À UNE INTERPRÉTATION CAUSALE Arthur Charpentier Professeur d actuariat à l Université du Québec, Montréal Amadou Diogo Barry Chercheur à l Institut de santé

Plus en détail

Aide-mémoire de statistique appliquée à la biologie

Aide-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 détail

Stock-options comparaison et questions pratiques

Stock-options comparaison et questions pratiques Stock-options comparaison et questions pratiques Christophe Delmarcelle Avocat Bird & Bird Kluwer Waterloo Office Park, Drève Richelle 161 L, B-1410 Waterloo tél. 0800 16 868 fax 0800 17 529 www.kluwer.be

Plus en détail

Analyse en Composantes Principales

Analyse en Composantes Principales Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées

Plus en détail

Table des matières. L assurance de la copropriété... 23. Avant-propos... 15 Remerciements... 17 Introduction... 19. chapitre I

Table des matières. L assurance de la copropriété... 23. Avant-propos... 15 Remerciements... 17 Introduction... 19. chapitre I Table des matières Avant-propos............................. 15 Remerciements............................ 17 Introduction.............................. 19 I L assurance de la copropriété............ 23

Plus en détail

S LICENCE INFORMATIQUE Non Alt S Alt S S1 S2 S3 S4 SS5 S6 Parcours : S IL (Ingénierie Logicielle) SRI (Systèmes et Réseaux Informatiques)

S LICENCE INFORMATIQUE Non Alt S Alt S S1 S2 S3 S4 SS5 S6 Parcours : S IL (Ingénierie Logicielle) SRI (Systèmes et Réseaux Informatiques) NOM DE L'UE : Algorithmique et optimisation S LICENCE INFORMATIQUE Non Alt S Alt S S1 S2 S3 S4 SS5 S6 Parcours : S IL (Ingénierie Logicielle) SRI (Systèmes et Réseaux Informatiques) MASTER INFORMATIQUE

Plus en détail

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke

Biostatistiques 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 détail

CH.6 Propriétés des langages non contextuels

CH.6 Propriétés des langages non contextuels CH.6 Propriétés des langages non contetuels 6.1 Le lemme de pompage 6.2 Les propriétés de fermeture 6.3 Les problèmes de décidabilité 6.4 Les langages non contetuels déterministes utomates ch6 1 6.1 Le

Plus en détail

Master Marketing et Pratiques Commerciales parcours Management de la marque et communication Apprentissage Master 2

Master Marketing et Pratiques Commerciales parcours Management de la marque et communication Apprentissage Master 2 Master Marketing et Pratiques Commerciales parcours Management de la marque et communication Apprentissage Master 2 2014/2015 UE1 MANAGEMENT STRATÉGIQUE Jean-Pierre Helfer Comprendre la posture stratégique

Plus en détail

SYNTHÈSE DOSSIER 1 Introduction à la prospection

SYNTHÈSE DOSSIER 1 Introduction à la prospection SYNTHÈSE DOSSIER 1 Introduction à la prospection La prospection est une activité indispensable pour développer le nombre de clients, mais aussi pour contrecarrer la perte de clients actuels. Elle coûte

Plus en détail

Docteur José LABARERE

Docteur José LABARERE UE7 - Santé Société Humanité Risques sanitaires Chapitre 3 : Epidémiologie étiologique Docteur José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.

Plus en détail

Analyse 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 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 détail

Guide d implémentation des ISBN à 13 chiffres

Guide d implémentation des ISBN à 13 chiffres Guide d implémentation des ISBN à 13 chiffres International ISBN Agency Berlin 2004 Première édition 2004 by International ISBN Agency Staatsbibliothek zu Berlin Preussischer Kulturbesitz Permission est

Plus en détail

DEVENEZ UN POKER-KILLER AU TEXAS HOLD EM!

DEVENEZ UN POKER-KILLER AU TEXAS HOLD EM! DEVENEZ UN POKER-KILLER AU TEXAS HOLD EM! NIVEAU DEBUTANT http://www.poker-killer.com/ 1 INTRODUCTION Je m'appelle david Jarowsky, 53 ans. Je n ai jamais été le premier de la clase, ni quelqu un d extraordinaire.

Plus en détail

Exercices Alternatifs. Une fonction continue mais dérivable nulle part

Exercices Alternatifs. Une fonction continue mais dérivable nulle part Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version

Plus en détail

Exercices Alternatifs. Une fonction continue mais dérivable nulle part

Exercices Alternatifs. Une fonction continue mais dérivable nulle part Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version

Plus en détail

Options, Futures, Parité call put

Options, Futures, Parité call put Département de Mathématiques TD Finance / Mathématiques Financières Options, Futures, Parité call put Exercice 1 Quelle est la différence entre (a) prendre une position longue sur un forward avec un prix

Plus en détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 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 détail

Analyse des correspondances avec colonne de référence

Analyse des correspondances avec colonne de référence ADE-4 Analyse des correspondances avec colonne de référence Résumé Quand une table de contingence contient une colonne de poids très élevé, cette colonne peut servir de point de référence. La distribution

Plus en détail

Stages à l étranger Erasmus

Stages à l étranger Erasmus Technicien Supérieur Stages à l étranger Erasmus Europass Validation (ECVET/ECTS) LES STAGES POURQUOI DES STAGES A L ETRANGER? L activité du Technicien est de plus en plus tourné vers l international quel

Plus en détail

Objets Combinatoires élementaires

Objets Combinatoires élementaires Objets Combinatoires élementaires 0-0 Permutations Arrangements Permutations pour un multi-ensemble mots sous-ensemble à k éléments (Problème du choix) Compositions LE2I 04 1 Permutations Supposons que

Plus en détail

Processus aléatoires avec application en finance

Processus aléatoires avec application en finance Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et

Plus en détail

ASSURANCE RESPONSABILITE CIVILE MEDICALE QUESTIONNAIRE GENERAL

ASSURANCE RESPONSABILITE CIVILE MEDICALE QUESTIONNAIRE GENERAL ASSURANCE RESPONSABILITE CIVILE MEDICALE QUESTIONNAIRE GENERAL A compléter du questionnaire spécifique correspondant à votre spécialité, joint en annexe Contrat en cours : / - date de fin du contrat :

Plus en détail

1 Modélisation d être mauvais payeur

1 Modélisation d être mauvais payeur 1 Modélisation d être mauvais payeur 1.1 Description Cet exercice est très largement inspiré d un document que M. Grégoire de Lassence de la société SAS m a transmis. Il est intitulé Guide de démarrage

Plus en détail

DIOGENE. Un logiciel de Génétique & Amélioration des Plantes

DIOGENE. Un logiciel de Génétique & Amélioration des Plantes DIOGENE Un logiciel de Génétique & Amélioration des Plantes Utilisateurs Etudiants (DEA, thèse) Chercheurs confirmés (INRA, CIRAD, Universités Laval et Lyon 1) Gestionnaires de programmes d Amélioration,

Plus en détail

ASR1 TD7 : Un microprocesseur RISC 16 bits

ASR1 TD7 : Un microprocesseur RISC 16 bits {Â Ö Ñ º ØÖ Ý,È ØÖ ºÄÓ Ù,Æ ÓÐ ºÎ ÝÖ Ø¹ ÖÚ ÐÐÓÒ} Ò ¹ÐÝÓÒº Ö ØØÔ»»Ô Ö Óº Ò ¹ÐÝÓÒº Ö» Ö Ñ º ØÖ Ý»¼ Ö½» ASR1 TD7 : Un microprocesseur RISC 16 bits 13, 20 et 27 novembre 2006 Présentation générale On choisit

Plus en détail

Adopter une attitude adaptée à la situation : Langage et paralangage (notions étudiées dans le chap 1)

Adopter une attitude adaptée à la situation : Langage et paralangage (notions étudiées dans le chap 1) Gestion Appliquée BAC CSR C1-1.2 Accueillir la clientèle C1-1.5 Conseiller la clientèle et proposer une argumentation BAC CUISINE C2-2.3 Communiquer avec la clientèle Savoirs associés : La communication

Plus en détail

Algorithmique I. Augustin.Lux@imag.fr Roger.Mohr@imag.fr Maud.Marchal@imag.fr. Algorithmique I 20-09-06 p.1/??

Algorithmique I. Augustin.Lux@imag.fr Roger.Mohr@imag.fr Maud.Marchal@imag.fr. Algorithmique I 20-09-06 p.1/?? Algorithmique I Augustin.Lux@imag.fr Roger.Mohr@imag.fr Maud.Marchal@imag.fr Télécom 2006/07 Algorithmique I 20-09-06 p.1/?? Organisation en Algorithmique 2 séances par semaine pendant 8 semaines. Enseignement

Plus en détail

Prévoyance des expertsexperts-comptables

Prévoyance des expertsexperts-comptables Prévoyance des expertsexperts-comptables Faire les bons choix Objectifs de l intervention Répondre aux questions des experts-comptables relevant de la Cavec Au titre de la prévoyance, est-il préférable

Plus en détail

COMPTES CONSOLIDES IFRS DU GROUPE CNP ASSURANCES au 31 Décembre 2007

COMPTES CONSOLIDES IFRS DU GROUPE CNP ASSURANCES au 31 Décembre 2007 COMPTES CONSOLIDES IFRS DU GROUPE CNP ASSURANCES au 31 Décembre 2007 Nouvelles normes IFRS7 Méthode de valorisation dans le contexte de crise financière Mars 2008 La nouvelle norme, Instruments financiers

Plus en détail

Introduction à la méthodologie de la recherche

Introduction à la méthodologie de la recherche MASTER DE RECHERCHE Relations Économiques Internationales 2006-2007 Introduction à la méthodologie de la recherche geraldine.kutas@sciences-po.org Les Etapes de la Recherche Les étapes de la démarche Etape

Plus en détail

I) Le contexte HIGH HOSPITALITY ACADEMY. II) Le programme HIGH HOSPITALITY ACADEMY

I) Le contexte HIGH HOSPITALITY ACADEMY. II) Le programme HIGH HOSPITALITY ACADEMY I) Le contexte II) Le programme I) Le contexte II) Le contexte La destination France 1 ère destination mondiale en nombre de touristes avec 84,7 millions de visiteurs étrangers (en 2013). 1 touriste sur

Plus en détail

L analyse des données par les graphes de similitude

L analyse des données par les graphes de similitude 1 L analyse des données par les graphes de similitude Par Pierre Vergès, directeur de recherche au CNRS et Boumedienne Bouriche, maître de conférence à l IUT de Gap Juin 2001 2 A Claude FLAMENT l inventeur

Plus en détail

FORMULAIRE DE STATISTIQUES

FORMULAIRE DE STATISTIQUES FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)

Plus en détail

Relation entre deux variables : estimation de la corrélation linéaire

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 détail

SAS ENTERPRISE MINER POUR L'ACTUAIRE

SAS ENTERPRISE MINER POUR L'ACTUAIRE SAS ENTERPRISE MINER POUR L'ACTUAIRE Conférence de l Association des Actuaires I.A.R.D. 07 JUIN 2013 Sylvain Tremblay Spécialiste en formation statistique SAS Canada AGENDA Survol d Enterprise Miner de

Plus en détail