Théorie des sondages : cours 5

Dimension: px
Commencer à balayer dès la page:

Download "Théorie des sondages : cours 5"

Transcription

1 Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne Master Besançon-2010

2 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur par le ratio 3. l estimateur par la régression

3 Question : comment peut-on faire pour améliorer l estimateur de Horvitz-Thompson ˆt π = y k? π s k L estimateur d HT ne contient pas d information auxiliaire à part les probabilités d inclusion π k. Réponse : en prenant en compte l information auxiliaire. Information auxiliaire : des variables X 1,..., X J prenant les valeurs x 1k,..., x Jk pour le k-ème individu et connues avant la mise en place d une enquête. Deux situations : 1. une variable X j est connue pour chaque individus de la population ou 2. le total de X j, U x jk est connu sans avoir accès aux valeurs individuelles x jk. On note x k = (x 1k,..., x Jk ) pour tous k U.

4 Prise en compte de l information auxiliaire : estimateur par le ratio et poststratifié Information auxiliaire : une caractéristique de la théorie des sondages. Ce sont des variables disponibles dans la base de sondage Ces variables peuvent servir de deux façons pour améliorer la qualité des estimations : lors de la conception du plan de sondage : la plan stratifié, à probabilités inégales, par grappes ou à plusieurs degrés ; le plan équilibré (pas dans ce cours) lors de la conception d un nouvel estimateur : poststratifié, l estimateur par le ratio, par la régression, par le calage (pas dans ce cours).

5 L estimateur par le ratio Laplace (1802) a été le premier a avoir proposé faire un sondage au lieu d une énumération exhaustive ; Objectif : estimer la population de la France. Méthode : l estimateur par ratio (une règle de trois ) : il prend un échantillon de taille 30 de communes de toute la France et il obtient un total de ˆt habitants,30com = habitants ; il connaît également le nombre de naissances dans ces 30 communes : ˆt naissances,30com = ce qui implique que il y a une naissance pour = personnes il connaît le nombre total de naissances par an en 1802 et il fait le raisonnement que les communes avec beaucoup d habitants vont avoir plus de naissances, il estime le nombre total d habitants comme t habitants = t naissances ˆt habitants,30com ˆt naissances,30com

6 Dans l exemple de Laplace : le nombre de naissances est l information auxiliaire qui est bien corrélée avec la variable nombre d habitants. (Il doit connaître que t x et x k pour k s.) L estimateur proposé par Laplace est beaucoup utilisé pour estimer des totaux : et il s appelle l estimateur par ratio : ˆt y,ratio = t x ˆt y ˆt x = t x ˆR Propriétés : en général, cet estimateur est biaisé mais pour des échantillons de grande taille, ce biais est très proche de zéro. Si l information auxiliaire est très corrélée avec la variable d intérêt alors, l erreur quadratique moyenne de ˆt y,ratio est plus petite que si on n avait pas utilisé d information auxiliaire.

7 Exemple (Lohr, 1999) Supposons que nous voulons estimer le nombre de poissons péchés au long d un lac. On considère un plan aléatoire simple sans remise de taille n = 2 dans une population de taille N = 4 : nous avons N = 4 endroits pour pécher ; on connaît le nombre x i de filets qui se trouvent à chaque endroit pour pécher. Les valeurs pour toute la population se trouvent dans le tableau suivant : endroit, i total filet, x i t x = 22 nombre poissons, y i t y = 1400

8 P L estimateur par le ratio est ˆt yrat = t x Ps y i s x où s est un des 6 i échantillons possibles de taille 2. Par exemple, si s = (1, 2) ˆt yrat = = échantillon ˆt yrat (ˆt yrat t y ) 2 (1, 2) (1, 3) (1, 4) (2, 3) (2, 4) (3, 4) L espérance de ˆt yrat est la moyenne arithmétique des valeurs possibles de ˆt yrat pour chaque échantillon, E(ˆt yrat ) = et le biais est = 1.83

9 L erreur quadratique moyenne est donnée par EQR(ˆt yrat ) = E(ˆt yrat t y ) 2 = 1 (ˆt yrat t y ) 2 = 14451, 2 6 Considérons maintenant l estimateur par les valeurs dilatées qui ne prend pas en compte l information auxiliaire : ˆt y = N n s y i : échantillon ˆt y (ˆt y t y ) 2 (1, 2) 2 ( ) = (1, 3) (1, 4) (2, 3) (2, 4) (3, 4) Le biais de cet estimateur est 0 mais sa variance est Alors, l estimateur par le ratio est légèrement biaisé mais son EQR est nettement inférieure à celle de l estimateur par les valeurs dilatées qui est sans biais. s

10 Précision de l estimateur par le ratio L estimateur par le ratio ˆt rat = t x ˆR est un estimateur non-linéaire et il est linéarisé par : ˆt rat t y + s u k π k, avec u k la variable linéarisée de ˆt rat donnée par u k = y k Rx k Le biais est donné par E(ˆt rat ) t y = Cov(ˆR, ˆt x ) ( ) u k Pour n grand, Var(ˆt rat ) Var π k s

11 Comparaison entre l estimateur de HT et l estimateur par le ratio pour un plan SRS Nous voulons estimer le total t y = k U y k; On considère un échantillon SRS de taille n; sans inf. aux. et en utilisant l estimateur par les valeurs dilatées : ˆt y = N s y k n avec une variance estimée égale à N 2 1 f n S ys 2 = N 2 1 f 1 (y k ȳ s ) 2 ; n N 1 avec l inf.aux. et l estimateur par le ratio : ˆt yrat = t x ˆt y = t x ˆt s y k x avec une variance estimée égale à N 2 1 f n car ȳ s ˆR x s = 0. S 2 y ˆRx,s = N2 1 f n 1 N 1 s s x k (y k ˆRx k ) 2 s

12 Si on compare les deux formules, dans la première situation nous avons la somme des carrés des écarts de y k à la moyenne ȳ s et dans la deuxième situation, nous avons la somme des carrés des écarts de y k à la droite de régression y = ˆRx Superficie dediée aux fermes en Superficie dediée aux fermes en Superficie dediée aux fermes en Superficie dediée aux fermes en 1987

13 En conclusion 1. L estimateur par le ratio est conseillé lorsque la relation entre Y et X est proche d une droite passante par l origine et la variance de Y est proportionnelle avec X, var(y k ) = σ 2 x k ; 2. Dans ces conditions, le ratio ˆR est la pente de la droite de régression obtenue par des moindres carrées pondérés : (y k Rx k ) ˆR 2 = argmin R s x k

14 Application de l estimateur par le ratio : estimation dans un domaine quand la taille du domaine est connue Soit U d U un domaine et nous voulons estimer le total d une variable Y dans le domaine U d, t d = U d y k Soit s U un échantillon SRS de taille n et s d = s U d. L estimateur de HT de t d (voir TD 1) est ˆt π = N n s d y k. Si on connaît la taille du domaine, N d = U 1 k U d on peut utiliser l estimateur par le ratio qui est plus efficace : s ˆt d,rat = N d d y k = N d y s d 1 sd k Ud

15 Poststratification Considérons l exemple suivant (Lohr, 1999) : on veut estimer le nombre total d étudiants qui veulent être professeurs après leurs études dans une population de 4000 étudiants ; on prend un échantillon aléatoire simple sans remise de taille n = 400; on sait par ailleurs que dans la population totale on a 2700 femmes et 1300 hommes ; dans notre échantillon, il y a 240 femmes dont 84 veulent être des professeurs et 160 hommes dont 40 veulent être des professeurs On utilise cette information et on obtient l estimation suivante : = Il s agît d une règle de trois à l intérieur de chaque groupe!

16 Propriétés La méthode d estimation utilisée est appelée poststratification car utilise l information auxiliaire (le fait d appartenir à un certain groupe) après le tirage de l échantillon. Dans la plupart des cas, l estimateur poststratifié est meilleur que l estimateur par les valeurs dilatées et il est équivalent au plan stratifié avec l allocation proportionnelle. variation totale=variation inter-groupes+variation intra-groupes La poststratification réduit la variance si la variation entre groupes est grande. Dans l exemple donné, l information auxiliaire est le fait que la population est plus homogène à l intérieur de chaque groupe que dans la population totale.

17 Notations et résultats Considérons les notations utilisées lors du plan stratifié : Un échantillon s de taille n est sélectionné dans U selon un plan SAS (le plus utilisé mais un autre type de plan de sondage peut être envisagé). Soit s g = s U g de taille aléatoire n sg dans la sous-population U g, la partie de s se trouvant G G s = s g, n = n sg. g=1 g=1 L estimateur post-stratifié du total est la somme des g estimateurs par le ratio : G ˆt ypost = N g y sg g=1 avec y sg = s g y k /n sg pour n sg 0.

18 L estimateur post-stratifié : variance et estimateur de la variance La variance approximative est donnée par AV (ˆt ypost ) = N 2 1 f n G g=1 W g S 2 yu g + N 2 1 f n 2 pour W g = Ng N et S yu 2 g = 1 N g 1 U g (y k y Ug ) 2. G (1 W g )SyU 2 g g=1 Remarque : Supposons que les sous-populations U g sont des strates et on utilise l allocation proportionnelle, alors la variance du π-estimateur est le premier terme de l expression de AV (ˆt ypost ). L estimateur de la variance est ˆV (ˆt ypost ) = (1 f ) pour Sys 2 g = 1 n sg 1 s g (y k y sg ) 2. G N 2 Sys 2 g g n g=1 sg

19 Quand utiliser la poststratification? 1. dans le cas des sondages à plusieurs items : on peut utiliser différentes variables auxiliaires pour différentes variables d intérêt. 2. dans le traitement de la nonréponse ; 3. l appartenance d un individu à un certain groupe n est pas connue au moment de la mise en place de l enquête.

20 Exemple : On veut estimer la somme moyenne dédiée à la nourriture/mois dans les ménages américaines. Nous avons la distribution de la taille des ménages comme suit : taille du ménage pourcentage Malheureusement, la base de sondage ne contient pas l information concernant la taille de chaque ménage, par conséquent on ne peut pas faire une stratification. Mais on peut faire une poststratification.

21 L estimateur par la régression du total Si la relation entre Y et X est proche d une droite avec intercept, alors y k = β 0 + β 1 x k = X k β où β = (β 0, β 1 ) et X k = (1, x k ) peut donner une bonne approximation du nuage des points. L estimateur par la regression pour le total t y = U y k est ˆt yr = s y k ŷ k π k + U ŷ k = s y k x k B π k + U x k B ŷ k = x k B et B = ( B 0, B 1 ) l estimateur de β dans l échantillon s.

22 L estimateur par la regression pour un plan SRS Le coefficient de regression β est estimé par moindres carrés dans la population par ( ) ( B0 P = y ) U B 1 x U B 1 U (x k x U )(y k y U ) P U (x k x U ) 2 qui est ensuite estimé dans l échantillon par ( ) ( ˆB0 P = y s ˆB 1 x s ˆB 1 s (x k x s)(y k y s ) P s (x k x s) 2 ) et ˆB 1 = Sxy,s. Sx 2 L estimateur par regression est ( ) ˆt yr = N y s + ˆB 1 (x U x s )

23 Variance et estimateur de la variance pour un plan général L estimateur par régression ˆt yr = ˆt yπ + (t x t xπ ) B est approximativement sans biais pour le total t y = U y k est sa variance approximative est donné par AV (ˆt yr ) = U U kl E k π k E l π l pour E k = y k x kb et l estimateur de la variance est pour e ks = y k x k B. V (ˆt yr ) = s s kl π kl e ks π k e ls π l.

24 Variance pour un plan SRS AV (ˆt yr ) = N 2 1 f n S 2 E,U = N2 1 f n = N 2 1 f n S 2 y,u (1 R2 ) 1 N 1 (E k E U ) 2 où R 2 est le coefficient de corrélation entre X et Y dans la population. Donc, cette variance est petite si : n est grand n/n grand S y petit R = ±1 ou proche. U

Initiation à la théorie des sondages: cours IREM-Dijon

Initiation à la théorie des sondages: cours IREM-Dijon Initiation à la théorie des sondages: cours IREM-Dijon Camelia Goga IMB, Université de Bourgogne Dijon, 12 novembre 2009 Très court historique Laplace a présenté à l Académie des Sciences en 1783 une nouvelle

Plus en détail

Méthodes de sondage Echantillonnage et Redressement

Méthodes de sondage Echantillonnage et Redressement Méthodes de sondage Echantillonnage et Redressement Guillaume Chauvet École Nationale de la Statistique et de l Analyse de l Information 27 avril 2015 Guillaume Chauvet (ENSAI) Echantillonnage 27 avril

Plus en détail

Techniques avancées d échantillonnage Estimation de variance

Techniques avancées d échantillonnage Estimation de variance Techniques avancées d échantillonnage Estimation de variance Guillaume Chauvet École Nationale de la Statistique et de l Analyse de l Information 28 janvier 2014 G. Chauvet (ENSAI) Estimation de variance

Plus en détail

Sondage stratifié. Myriam Maumy-Bertrand. Master 2ème Année 12-10-2011. Strasbourg, France

Sondage stratifié. Myriam Maumy-Bertrand. Master 2ème Année 12-10-2011. Strasbourg, France 1 1 IRMA, Université de Strasbourg Strasbourg, France Master 2ème Année 12-10-2011 Ce chapitre s appuie essentiellement sur deux ouvrages : «Les sondages : Principes et méthodes» de Anne-Marie Dussaix

Plus en détail

Traitement des données influentes dans le cas d un sondage à deux phases avec une application au traitement de la non-réponse

Traitement des données influentes dans le cas d un sondage à deux phases avec une application au traitement de la non-réponse Traitement des données influentes dans le cas d un sondage à deux phases avec une application au traitement de la non-réponse Jean-François Beaumont, Statistics Canada Cyril Favre Martinoz, Crest-Ensai

Plus en détail

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités

Plus en détail

Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R

Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences

Plus en détail

STA108 : Enquêtes et sondages. Pratique des redressements

STA108 : Enquêtes et sondages. Pratique des redressements STA108 : Enquêtes et sondages Pratique des redressements Philippe Périé, janvier 2012 1 Pratique des redressements Utilisez au mieux les sources d information auxiliaire Principe du redressent, les effets

Plus en détail

Collecte de données. Laurent Dorey

Collecte de données. Laurent Dorey Laurent Dorey Mercredi 16 Décembre 2014 Programme : Recensement & Echantillonnage Étapes pour sélectionner un échantillon La population observée La base de sondage Les unités d enquête La taille de l échantillon

Plus en détail

Exercices corrigés de l Ethème 2 - Techniques de Sondages

Exercices corrigés de l Ethème 2 - Techniques de Sondages Exercices corrigés de l Ethème 2 - Techniques de Sondages Exercice 1 : On considère une population de N = 5 individus, pour lesquels on connaît les valeurs de la variable y : y 1 = 3, y 2 = 1, y 3 = 0,

Plus en détail

Utilisation des procédures SAS dans l enseignement des sondages

Utilisation des procédures SAS dans l enseignement des sondages Utilisation des procédures SAS dans l enseignement des sondages Yves Aragon Anne Ruiz-Gazen e-mail: aragon@cict.fr, ruiz@cict.fr 1. Introduction Depuis la version 8, SAS [6] propose trois procédures pour

Plus en détail

La méthode des quotas

La méthode des quotas La méthode des quotas Oliviero Marchese, décembre 2006 1 La méthode des quotas Principe de la méthode Point de départ et but recherché Caractère «intuitif» de la méthode A quoi ressemble une feuille de

Plus en détail

Initiation à la théorie de l échantillonnage

Initiation à la théorie de l échantillonnage Initiation à la théorie de l échantillonnage Jean VAILLANT Octobre 2005 1 Notions de base en échantillonnage L étude de propriétés caractéristiques d un ensemble, quand on ne dispose pas encore de données,

Plus en détail

UNIVERSITE PARIS 1 PANTHEON SORBONNE LICENCE DE SCIENCES ECONOMIQUES. STATISTIQUE APPLIQUEE F. Gardes / P. Sevestre. Fiche N 7.

UNIVERSITE PARIS 1 PANTHEON SORBONNE LICENCE DE SCIENCES ECONOMIQUES. STATISTIQUE APPLIQUEE F. Gardes / P. Sevestre. Fiche N 7. UNIVERSITE PARIS 1 PANTHEON SORBONNE LICENCE DE SCIENCES ECONOMIQUES STATISTIQUE APPLIQUEE F. Gardes / P. Sevestre Fiche N 7 (avec corrigé) L objet de ce TD est de vous initier à la démarche et à quelques

Plus en détail

LES STATISTIQUES. Valérie Bougault, PhD. valerie.bougault@univ-lille2.fr

LES STATISTIQUES. Valérie Bougault, PhD. valerie.bougault@univ-lille2.fr LES STATISTIQUES Valérie Bougault, PhD. valerie.bougault@univ-lille2.fr Référence: S. Champely. «Statistique vraiment appliquée au sport». Ed de Boeck université (Bruxelles), Coll Sciences et pratiques

Plus en détail

Mon plan de sondage en 9 questions

Mon plan de sondage en 9 questions Tiral Sidi Mon plan de sondage en 9 questions Publibook Retrouvez notre catalogue sur le site des Éditions Publibook : http://www.publibook.com Ce texte publié par les Éditions Publibook est protégé par

Plus en détail

Chapitre 3 : INFERENCE

Chapitre 3 : INFERENCE Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage

Plus en détail

Méthodologie d échantillonnage et Échantillonneur ASDE

Méthodologie d échantillonnage et Échantillonneur ASDE Méthodologie d échantillonnage et Échantillonneur ASDE Par Michel Rochon L énoncé suivant définit de façon générale la méthodologie utilisée par Échantillonneur ASDE pour tirer des échantillons téléphoniques.

Plus en détail

Estimation. Anita Burgun

Estimation. Anita Burgun Estimation Anita Burgun Estimation Anita Burgun Contenu du cours Sondages Mesures statistiques sur un échantillon Estimateurs Problème posé Le problème posé en statistique: On s intéresse à une population

Plus en détail

Approche modèle pour l estimation en présence de non-réponse non-ignorable en sondage

Approche modèle pour l estimation en présence de non-réponse non-ignorable en sondage Approche modèle pour l estimation en présence de non-réponse non-ignorable en sondage Journées de Méthodologie Statistique Eric Lesage Crest-Ensai 25 janvier 2012 Introduction et contexte 2/27 1 Introduction

Plus en détail

La qualité dans les enquêtes

La qualité dans les enquêtes La qualité dans les enquêtes Anne-Marie Dussaix ESSEC Business School BP 50105 Cergy 95021 Cergy-Pontoise Cedex e-mail : dussaix@essec.fr Résumé Il existe une littérature académique très abondante sur

Plus en détail

CURRICULUM VITAE. 2004 DEA en Statistique, Université de Rennes 1 Reçu Major

CURRICULUM VITAE. 2004 DEA en Statistique, Université de Rennes 1 Reçu Major CURRICULUM VITAE Guillaume CHAUVET Né le 18 février 1977 à Clermont-Ferrand, France Nationalité française Attaché principal de l Insee - Docteur en Statistique de l Université de Rennes 2 (Centre de Recherche

Plus en détail

ANNEXE A PLAN DE SONDAGE

ANNEXE A PLAN DE SONDAGE ANNEXE A PLAN DE SONDAGE ANNEXE A PLAN DE SONDAGE A.1 INTRODUCTION La Deuxième Enquête Démographique et de Santé au Cameroun (EDSC-II) a prévu un échantillon d environ 6 000 femmes âgées de 15 à 49 ans

Plus en détail

Introduction à l analyse des données. Analyse des Données (1) Exemple, ville et (in)sécurité. Exemple, ville et (in)sécurité

Introduction à l analyse des données. Analyse des Données (1) Exemple, ville et (in)sécurité. Exemple, ville et (in)sécurité Introduction à l analyse des données Analyse des Données () Le but de l analyse de données est de synthétiser, structurer l information contenue dans des données multidimensionnelles Deux groupes de méthodes

Plus en détail

Introduction aux sondages

Introduction aux sondages Service Universitaire d Enseignement à Distance Licence AES - Troisième année Introduction aux sondages Université Rennes 2 Place du Recteur H. le Moal CS 24307-35043 Rennes Tel : 02 99 14 18 21 Mel :

Plus en détail

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers

Plus en détail

Chapitre 3. Les distributions à deux variables

Chapitre 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 détail

Eléments de Statistique. Jean VAILLANT

Eléments de Statistique. Jean VAILLANT Eléments de Statistique Jean VAILLANT Septembre 2010 2 Table des matières 1 Initiation à la théorie de l échantillonnage 5 1.1 Notions de base en échantillonnage............... 5 1.1.1 Population, individu

Plus en détail

Le sondage indirect, la méthode du partage des poids

Le sondage indirect, la méthode du partage des poids STA108 : Enquêtes et sondages Le sondage indirect, la méthode du partage des poids Sondages en plusieurs degrés, sondage en deux phase et sondages indirects Exemple : les enquêtes par téléphone, bases

Plus en détail

Méthodes de Bootstrap en population finie

Méthodes de Bootstrap en population finie Méthodes de Bootstrap en population finie Guillaume Chauvet To cite this version: Guillaume Chauvet. Méthodes de Bootstrap en population finie. Mathematics [math]. ENSAI, 2007. French. HAL

Plus en détail

Chapitre 2: Prévisions des ventes

Chapitre 2: Prévisions des ventes Chapitre 2: Prévisions des ventes AVIS IMPORTANT : Ces notes sont basées sur le livre de Steven Nahmias : Production et Operations Analysis, 4 ième édition, McGraw-Hill Irwin 200. Les figures sont issues

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 Estimation de Modèles Log-Linéaires sur des Tableaux de Contingence issus d Enquêtes à plan de sondage complexe :

L Estimation de Modèles Log-Linéaires sur des Tableaux de Contingence issus d Enquêtes à plan de sondage complexe : L Estimation de Modèles Log-Linéaires sur des Tableaux de Contingence issus d Enquêtes à plan de sondage complexe : un Examen de l Approche proposée par Clogg & Eliason Chris Skinner Louis-André Vallet

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 E1 RECRUTEMENT DES ASSISTANTS INGENIEURS DE RECHERCHE ET DE FORMATION...2 E1.1 Gestionnaire de base de données...2 E1.2 Développeur

Plus en détail

CORRIGÉ TYPE DU TEST

CORRIGÉ TYPE DU TEST ECOLE DES HAUTES ETUDES COMMERCIALES D ALGER Niveau : 1 ème année Master TC Groupes : 4 et 6 Date : 19/05/2014 Durée du test : 1h30 CORRIGÉ TYPE DU TEST [ Page 1 sur 6 ] Module : Recherche Marketing Enseignant

Plus en détail

Critère du choix des variables auxiliaires à utiliser dans l'estimateur par calage

Critère du choix des variables auxiliaires à utiliser dans l'estimateur par calage des variables auxiliaires à utiliser dans l'estimateur par calage Mohammed El Haj Tirari Institut National de Statistique et d'economie Appliquée - roc Laboratoire de Statistique d'enquêtes, CREST - Ensai

Plus en détail

La nouvelle planification de l échantillonnage

La nouvelle planification de l échantillonnage La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage

Plus en détail

Comment ne pas construire un score-titanic

Comment ne pas construire un score-titanic Comment ne pas construire un score-titanic Mon mailing Olivier Decourt ABS Technologies / Educasoft Formations 1- Les principes 2- Un premier exemple : les vins de France 3- Mise en œuvre sous SAS 4- Un

Plus en détail

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA

Plus en détail

Cahier de textes Page 1 sur 9. Cahier de textes

Cahier de textes Page 1 sur 9. Cahier de textes Cahier de textes Page 1 sur 9 Cahier de textes Jeudi 04/09/2014 9h-12h et 13h30-16h30 : Cours sur la logique : - Conjonction, disjonction, implication, équivalence - Quelques formules. - Quantificateurs

Plus en détail

ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat

ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat Objectifs du TP : Savoir utiliser Excel et Rstat pour calculer des moyennes pondérées, des variances pondérées et savoir faire des approximations

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

Rapport de méthodes Analyse de données d enquêtes

Rapport de méthodes Analyse de données d enquêtes Rapport de méthodes Analyse de données d enquêtes 0 Statistische Grundlagen und Übersichten Bases statistiques et produits généraux Basi statistiche e presentazioni generali Quelques méthodes et illustration

Plus en détail

Conditions d application des méthodes statistiques paramétriques :

Conditions d application des méthodes statistiques paramétriques : Conditions d application des méthodes statistiques paramétriques : applications sur ordinateur GLELE KAKAÏ R., SODJINOU E., FONTON N. Cotonou, Décembre 006 Conditions d application des méthodes statistiques

Plus en détail

Fiche qualité relative à l enquête Santé et Itinéraire Professionnel 2010 (SIP) Carte d identité de l enquête

Fiche qualité relative à l enquête Santé et Itinéraire Professionnel 2010 (SIP) Carte d identité de l enquête Fiche qualité relative à Santé et Itinéraire Professionnel 2010 (SIP) Nom Années de Périodicité Panel (suivi d échantillon) Services concepteurs Service réalisant Sujets principaux traités dans Carte d

Plus en détail

L essentiel sur les tests statistiques

L essentiel sur les tests statistiques L essentiel sur les tests statistiques 21 septembre 2014 2 Chapitre 1 Tests statistiques Nous considérerons deux exemples au long de ce chapitre. Abondance en C, G : On considère une séquence d ADN et

Plus en détail

Formulaire de Mathématique

Formulaire de Mathématique COLLECTION LES LEXIQUES DE L INSEEC CAHIERS MÉTHODOLOGIQUES POUR LES CLASSES PRÉPARATOIRES AUX GRANDES ÉCOLES DE COMMERCE Formulaire de Mathématique par Xavier Chauvet LEXIQUE N 17 COLLECTION DIRIGÉE PAR

Plus en détail

DISTINGUER LES EFFETS DE SELECTION ET DE MESURE. Céreq, 10 Place de la Joliette, BP 21321, 13567 Marseille cedex 02, dzikowski@cereq.

DISTINGUER LES EFFETS DE SELECTION ET DE MESURE. Céreq, 10 Place de la Joliette, BP 21321, 13567 Marseille cedex 02, dzikowski@cereq. COMPARAISON DES MODES DE COLLECTE PAR TELEPHONE ET PAR INTERNET DANS LE CADRE DE L ENQUETE GENERATION DU CEREQ. ANALYSE DES ABANDONS EN COURS ET TENTATIVE POUR DISTINGUER LES EFFETS DE SELECTION ET DE

Plus en détail

Cours 1: lois discrétes classiques en probabilités

Cours 1: lois discrétes classiques en probabilités Cours 1: lois discrétes classiques en probabilités Laboratoire de Mathématiques de Toulouse Université Paul Sabatier-IUT GEA Ponsan Module: Stat inférentielles Définition Quelques exemples loi d une v.a

Plus en détail

Le bootstrap expliqué par l exemple

Le bootstrap expliqué par l exemple Le bootstrap expliqué par l exemple 1 Le bootstrap expliqué par l exemple 1. Les concepts du bootstrap 2. Des variantes adaptées au contexte 3. Comparaison des différentes méthodes 4. Les cas sensibles

Plus en détail

Analyse de données et méthodes numériques

Analyse de données et méthodes numériques Analyse de données et méthodes numériques Analyse de données: Que faire avec un résultat? Comment le décrire? Comment l analyser? Quels sont les «modèles» mathématiques associés? Analyse de données et

Plus en détail

Calcul des probabilités d inclusion dans les enquêtes par sondage probabiliste issues de bases de numéro de téléphone fixe et mobile

Calcul des probabilités d inclusion dans les enquêtes par sondage probabiliste issues de bases de numéro de téléphone fixe et mobile Calcul des probabilités d inclusion dans les enquêtes par sondage probabiliste issues de bases de numéro de téléphone fixe et mobile Retour d expérience de l enquête KABP VIH/SIDA 2010 C Sommen, J Warszawski,

Plus en détail

1ES Février 2013 Corrigé

1ES Février 2013 Corrigé 1ES Février 213 Corrigé Exercice 1 Le tableau ci-dessous renseigne sur les besoins en eau dans le monde : Population mondiale (Milliards d habitants) Volume moyen par habitant ( ) 195 2,5 4 1 197 3,6 5

Plus en détail

Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010

Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année

Plus en détail

DEUXIÈME PARTIE : RÉALISATION DE L ENQUÊTE

DEUXIÈME PARTIE : RÉALISATION DE L ENQUÊTE DEUXIÈME PARTIE : RÉALISATION DE L ENQUÊTE DEUXIÈME PARTIE : RÉALISATION DE L ENQUÊTE La réalisation d une enuête comprend différentes phases faisant intervenir l éuipe responsable de l enuête au niveau

Plus en détail

Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.

Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Etudes et traitements statistiques des données : le cas illustratif de la démarche par sondage INTRODUCTION

Plus en détail

Analyses 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 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 détail

Enquête auprès des peuples autochtones de 2006

Enquête auprès des peuples autochtones de 2006 Division de la statistique sociale et autochtone Enquête auprès des peuples autochtones de 2006 Guide de l utilisateur du fichier de microdonnées à grande diffusion (adultes) o N au catalogue 2009 Also

Plus en détail

Examen d accès - 28 Septembre 2012

Examen d accès - 28 Septembre 2012 Examen d accès - 28 Septembre 2012 Aucun document autorisé - Calculatrice fournie par le centre d examen Cet examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses

Plus en détail

L analyse de variance à un critère de classification (ANOVA)

L analyse de variance à un critère de classification (ANOVA) Bio 041 L analyse de variance à un critère de classification (ANOVA) Pierre Legendre & Daniel Borcard, Université de Montréal Référence: Scherrer (007), section 14.1.1.1 et 14.1. 1 - Introduction Objectif:

Plus en détail

Au sujet des corrections du biais pour les enquêtes en ligne

Au sujet des corrections du biais pour les enquêtes en ligne Recueil du Symposium 2014 de Statistique Canada Au-delà des méthodes traditionnelles d enquêtes : l adaptation à un monde en évolution Au sujet des corrections du biais pour les enquêtes en ligne Lingling

Plus en détail

Technique d Enquête et Méthode de Sondage

Technique d Enquête et Méthode de Sondage Technique d Enquête et Méthode de Sondage Matthieu NEVEU Licence d Économétrie Année 2004-2005 Références Ouvrages généraux Brossier G et Dussaix AM (1999). Enquêtes et Sondages. Dunod Ardilly Pascal (1994).

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

Partie I. Les données quantitatives

Partie I. Les données quantitatives Variables quantitatives : analyse en composantes principales Jean-Marc Lasgouttes https://whorocqinriafr/jean-marclasgouttes/ana-donnees/ Partie I Les données quantitatives Description de données quantitatives

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

Le niveau de revenus des ménages est associé à la couverture vaccinale par le vaccin pneumocoque conjugué chez les enfants d'ile-de-france

Le niveau de revenus des ménages est associé à la couverture vaccinale par le vaccin pneumocoque conjugué chez les enfants d'ile-de-france Le niveau de revenus des ménages est associé à la couverture vaccinale par le vaccin pneumocoque conjugué chez les enfants d'ile-de-france Jean-Paul Guthmann, Pierre Chauvin, Yann Le Strat, Marion Soler,

Plus en détail

Ministère de la Jeunesse et des Sports Institut Royal de Formation des Cadres Département des Sciences de la Vie. A. Arfaoui

Ministère de la Jeunesse et des Sports Institut Royal de Formation des Cadres Département des Sciences de la Vie. A. Arfaoui Ministère de la Jeunesse et des Sports Institut Royal de Formation des Cadres Département des Sciences de la Vie A. Arfaoui PLA Définitions Paramètres marginaux Covariance Coefficient de Corrélation Coefficient

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2 UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 Master d économie Cours de M. Desgraupes MATHS/STATS Document 4 : Les tests statistiques 1 Généralités sur les tests

Plus en détail

Échantillonnage. Pierre Neuvial, http://stat.genopole.cnrs.fr/~pneuvial Evry, M1 SGO, automne 2014

Échantillonnage. Pierre Neuvial, http://stat.genopole.cnrs.fr/~pneuvial Evry, M1 SGO, automne 2014 Démarche Statistique 1 Échantillonnage Pierre Neuvial, http://stat.genopole.cnrs.fr/~pneuvial Evry, M1 SGO, automne 2014 Introduction Objectif statistique descriptive: sur l'échantillon statistique inférentielle:

Plus en détail

Actuariat I ACT2121. huitième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.

Actuariat I ACT2121. huitième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free. Actuariat I ACT2121 huitième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 Soit X une variable aléatoire continue de fonction de densité

Plus en détail

L analyse de variance à deux critère de classification

L analyse de variance à deux critère de classification L analyse de variance à deux critère de classification Objectif : comparer l influence de chaque facteur sur la moyenne de plusieurs (k) groupes indépendants d observations La méthode détaillée ci-dessous

Plus en détail

Statistique descriptive : Exercices supplémentaires Introduction à la théorie des probabilités

Statistique descriptive : Exercices supplémentaires Introduction à la théorie des probabilités Statistique descriptive : Exercices supplémentaires Introduction à la théorie des probabilités 1. Lors du lancer d un dé équilibré dont les faces sont numérotées de 1 à 6, quelle est la probabilité d obtenir

Plus en détail

Série statistique double à l aide d un exemple

Série statistique double à l aide d un exemple Série statistique double à l aide d un exemple Série statistique double: exemple... 2 Série statistique double: questions posées... 3 Calcul de la covariance sur la base de l'exemple... 4 Calcul du coefficient

Plus en détail

Analyse de données longitudinales continues avec applications

Analyse de données longitudinales continues avec applications Université de Liège Département de Mathématique 29 Octobre 2002 Analyse de données longitudinales continues avec applications David MAGIS 1 Programme 1. Introduction 2. Exemples 3. Méthodes simples 4.

Plus en détail

Estimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison

Estimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence

Plus en détail

NOMBRES ALEATOIRES et PSEUDO-ALEATOIRES G.Saporta, P.Périé et S.Rousseau, octobre 2011

NOMBRES ALEATOIRES et PSEUDO-ALEATOIRES G.Saporta, P.Périé et S.Rousseau, octobre 2011 NOMBRES ALEATOIRES et PSEUDO-ALEATOIRES G.Saporta, P.Périé et S.Rousseau, octobre 2011 Utiles pour réaliser r des tirages et simuler des phénom nomènes nes aléatoires atoires Nombres aléatoires: atoires:

Plus en détail

PRISE EN COMPTE D UN PLAN DE SONDAGE COMPLEXE DANS L EVALUATION DE LA PAUVRETE AU CAMEROUN

PRISE EN COMPTE D UN PLAN DE SONDAGE COMPLEXE DANS L EVALUATION DE LA PAUVRETE AU CAMEROUN PRISE EN COMPTE D UN PLAN DE SONDAGE COMPLEXE DANS L EVALUATION DE LA PAUVRETE AU CAMEROUN Mémoire présenté et soutenu en vue de l obtention d un Master de Statistique Appliquée Par: EVINA KUISU Christine

Plus en détail

Pondération du Panel suisse des ménages. PSM I Vague 6 PSM II Vague 1 PSM I et PSM II combinés. Description détaillée des tâches

Pondération du Panel suisse des ménages. PSM I Vague 6 PSM II Vague 1 PSM I et PSM II combinés. Description détaillée des tâches Pondération du Panel suisse des ménages PSM I Vague 6 PSM II Vague 1 PSM I et PSM II combinés Description détaillée des tâches Caroline Cauchon et Michel Latouche Statistique Canada 16 mars 2006 Tables

Plus en détail

Statistique descriptive et prévision

Statistique descriptive et prévision Statistique descriptive et prévision Année 2010/2011 L. Chaumont Contents 1. Étude d une variable 5 1.1. Définitions................................ 5 1.2. Représentations graphiques usuelles................

Plus en détail

C3 : Manipulations statistiques

C3 : Manipulations statistiques C3 : Manipulations statistiques Dorat Rémi 1- Génération de valeurs aléatoires p 2 2- Statistiques descriptives p 3 3- Tests statistiques p 8 4- Régression linéaire p 8 Manipulations statistiques 1 1-

Plus en détail

CONCEPTION ET TIRAGE DE L ÉCHANTILLON

CONCEPTION ET TIRAGE DE L ÉCHANTILLON CHAPITRE 4 CONCEPTION ET TIRAGE DE L ÉCHANTILLON Ce chapitre technique 1 s adresse principalement aux spécialistes de sondage, mais aussi au coordinateur et aux autres responsables techniques de l enquête.

Plus en détail

Aline Drapeau, Ph.D.

Aline Drapeau, Ph.D. (Communauté de pratique en épidémiologie psychosociale) Aspects méthodologiques de l échantillonnage Aline Drapeau, Ph.D. Pourquoi échantillonner? Objectifs de l étude visent une population cible spécifique

Plus en détail

Analyse de variance à un facteur Tests d hypothèses Analyse de variance à deux facteurs. Analyse de la variance ANOVA

Analyse de variance à un facteur Tests d hypothèses Analyse de variance à deux facteurs. Analyse de la variance ANOVA Analyse de la variance ANOVA Terminologie Modèles statistiques Estimation des paramètres 1 Analyse de variance à un facteur Terminologie Modèles statistiques Estimation des paramètres 2 3 Exemple. Analyse

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

Le théorème des deux fonds et la gestion indicielle

Le théorème des deux fonds et la gestion indicielle Le théorème des deux fonds et la gestion indicielle Philippe Bernard Ingénierie Economique& Financière Université Paris-Dauphine mars 2013 Les premiers fonds indiciels futent lancés aux Etats-Unis par

Plus en détail

Fiche qualité SRCV 2009. Carte d identité de l enquête

Fiche qualité SRCV 2009. Carte d identité de l enquête Fiche qualité SRCV 2009 Nom Carte d identité de Enquête Statistique sur les ressources et les conditions de vie Année de Les données de sont relatives à 2009 La première enquête SRCV a démarré en 2004.

Plus en détail

Simulation d un système d assurance automobile

Simulation d un système d assurance automobile Simulation d un système d assurance automobile DESSOUT / PLESEL / DACHI Plan 1 Introduction... 2 Méthodes et outils utilisés... 2.1 Chaines de Markov... 2.2 Méthode de Monte Carlo... 2.3 Méthode de rejet...

Plus en détail

Précision d un résultat et calculs d incertitudes

Précision d un résultat et calculs d incertitudes Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................

Plus en détail

BREVET DE TECHNICIEN SUPÉRIEUR COMPTABILITÉ ET GESTION DES ORGANISATIONS Session 2013 ÉPREUVE DE MATHÉMATIQUES. Durée : 2 heures Coefficient : 2

BREVET DE TECHNICIEN SUPÉRIEUR COMPTABILITÉ ET GESTION DES ORGANISATIONS Session 2013 ÉPREUVE DE MATHÉMATIQUES. Durée : 2 heures Coefficient : 2 BREVET DE TECHNICIEN SUPÉRIEUR COMPTABILITÉ ET GESTION DES ORGANISATIONS Session 2013 ÉPREUVE DE MATHÉMATIQUES Durée : 2 heures Coefficient : 2 SUJET Dès que le sujet vous est remis, assurez-vous qu il

Plus en détail

Probabilités et Statistiques. Chapitre 1 : Statistique descriptive

Probabilités et Statistiques. Chapitre 1 : Statistique descriptive U.P.S. I.U.T. A, Département d Informatique Année 2008-2009 Probabilités et Statistiques Emmanuel PAUL Chapitre 1 : Statistique descriptive 1 Objectifs des statistiques. Il s agit d étudier un ou plusieurs

Plus en détail

Enquête sur l industrie des ser. vices de taxi et de limousine. Système de documentation des données statistiques Numéro de référence 4707

Enquête sur l industrie des ser. vices de taxi et de limousine. Système de documentation des données statistiques Numéro de référence 4707 Enquête sur l industrie des ser vices de taxi et de services limousine Système de documentation des données statistiques Numéro de référence 4707 Concepts Énoncé de la qualité des données Enquête unifiée

Plus en détail

Qualité de la tension des réseaux de distribution électrique : Estimations des proportions d utilisateurs mal desservis

Qualité de la tension des réseaux de distribution électrique : Estimations des proportions d utilisateurs mal desservis Qualité de la tension des réseaux de distribution électrique : Estimations des proportions d utilisateurs mal desservis Héléna CASTERMANT (*), Michel DIEBOLT (**), Myriam MAUMY-BERTRAND (***), Claire REINHARDT

Plus en détail

Analyses de la variance

Analyses de la variance Analyses de la variance Frédéric Bertrand et Myriam Maumy 1 Université de Strasbourg Institut de Recherche Mathématique Avancée 19 juin 011 1. Courriel : fbertran@math.unistra.fr et mmaumy@math.unistra.fr.

Plus en détail

CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité

CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité 1 CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité Une situation fréquente en pratique est de disposer non pas d un résultat mais de plusieurs. Le cas se présente en assurance, par exemple :

Plus en détail

La survie nette actuelle à long terme Qualités de sept méthodes d estimation

La survie nette actuelle à long terme Qualités de sept méthodes d estimation La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg

Plus en détail

Echantillonnage Statistique pour la Mesure du Portefeuille à Risque en Microfinance

Echantillonnage Statistique pour la Mesure du Portefeuille à Risque en Microfinance Echantillonnage Statistique pour la Mesure du Portefeuille à Risque en Microfinance Mark Schreiner 23 avril 2004 http://www.microfinance.com Résumé Ce document décrit la conception d un échantillon statistique,

Plus en détail

Internet est-il l avenir des enquêtes Génération?

Internet est-il l avenir des enquêtes Génération? Établissement public sous double tutelle des ministères de l'éducation nationale, de l'enseignement supérieur et de la Recherche du Travail, de l Emploi, de la Formation professionnelle et du Dialogue

Plus en détail

DOCUMENT 2.1 : INFORMATIONS COMPLEMENTAIRES SUR LA METHODE D ENQUETE

DOCUMENT 2.1 : INFORMATIONS COMPLEMENTAIRES SUR LA METHODE D ENQUETE DOCUMENT 2.1 : INFORMATIONS COMPLEMENTAIRES SUR LA METHODE D ENQUETE 1 Définir le type de variable Dans notre cas, la variable est quantitative nominale. Note : Une variable est qualitative nominale quand

Plus en détail

Table des matières. PREMIÈRE PARTIE Étapes initiales des études marketing 7

Table des matières. PREMIÈRE PARTIE Étapes initiales des études marketing 7 Table des matières Préface Public 1 Structure de l ouvrage 1 Caractéristiques de l ouvrage 3 Contenu 3 Pédagogie 4 Remarques sur l adaptation française 4 Ressources numériques 5 Biographie 6 PREMIÈRE PARTIE

Plus en détail

Évaluations aléatoires : Comment tirer au sort?

Évaluations aléatoires : Comment tirer au sort? Évaluations aléatoires : Comment tirer au sort? William Parienté Université Catholique de Louvain J-PAL Europe povertyactionlab.org Plan de la semaine 1. Pourquoi évaluer? 2. Comment mesurer l impact?

Plus en détail