ECONOMETRIE APPLIQUEE A LA GESTION Titulaire : Catherine DEHON

Dimension: px
Commencer à balayer dès la page:

Download "ECONOMETRIE APPLIQUEE A LA GESTION Titulaire : Catherine DEHON"

Transcription

1 Année académique STAT-S-308 ECONOMETRIE APPLIQUEE A LA GESTION Titulaire : Catherine DEHON Exercices (Partie informatique) : 1 ère Partie : Régression multiple 2 ème Partie : Séries Chronologiques 3 ème Partie : Modèles Logit et Probit Assistants : Alice McCathie Benoît Dewaele 1

2 Exercice 1- Le prix des Maisons REGRESSION MULTIPLE Considérons les données suivantes relatives au prix d'achat de maisons en fonction de différentes variables (cf légende ci-dessous). PRICE BDR FLR FP RMS ST LOT BTH GAR PRICE = Prix de vente de la maison en milliers de dollars, BDR = Nombre de chambres à coucher, FLR = Superficie totale (calculée à partir des dimensions de chaque pièce et augmentée de 10%, calculée en pieds carrés), FP = nombre de cheminées, RMS = nombre de pièces, ST = fenêtres tempêtes (1 si oui, 0 sinon), LOT = largeur de facade (en pieds), BTH = nombre de salles de bains, GAR = taille du garage (0 si pas de garage, 1 si un garage pour 1 voiture,...), (Source : Mr. Terry Tasch of Long-Kogan Realty, Chicago reproduced in A., Sen and M. Srivastava, Regression analysis. Theory, Method, and Applications, Springer Verlag 1990, p. 32) 2

3 Questions: 1. Ecrivez l équation du modèle. ESTIMATION 2. Donnez les estimations des paramètres du modèle et interprétez. 3. Estimez le prix de vente moyen d une maison de mille pieds carrés en surface habitable, 40 pieds de façade, 8 pièces, 4 chambres à coucher, 2 salles de bains, avec volets, avec un garage pour une voiture et sans cheminée. 4. Quel serait le coût moyen estimé d une place supplémentaire dans le garage, toutes choses restant égales par ailleurs. 5. Quel serait le coût moyen estimé d une augmentation de 1 pied carré de surface habitable, toutes choses restant égales par ailleurs. 6. Discutez le signe du coefficient associé à la variable BDR. 7. Interprétez la valeur du coefficient associé à la variable ST. 8. Examinez brièvement les sorties graphiques concernant les résidus et détectez d éventuelles violations des hypothèses classiques. TESTS ET INTERVALLES DE CONFIANCE (niveau 5 %) 9. Testez l hypothèse que l ensemble des variables retenues dans ce modèle n ont aucun effet sur le prix de vente d une maison. 10. Testez indépendamment les hypothèses de nullité de chacun des coefficients de régression du modèle. Que représente les valeurs dans la colonne 2-tail signification? 11. Proposez un modèle en ne retenant que les variables dont les coefficients de régression du modèle ci-dessus sont significativement différents de zéro. Pensez-vous que tous les coefficients de ce nouveau modèle seront tous significativement différents de zéro? 12. Donnez un intervalle de confiance approximatif pour chaque coefficient du modèle indépendamment. 3

4 Exercice 2- Le prix des MBA Une problématique importante liée aux programmes MBA est l'absence de régulation étatique dans ce secteur. En effet, le seul organe jouant ce rôle est l'aacsb (the Association to Advance Collegiate Schools of Business) qui n'a pas pour rôle de faire appliquer des règles, mais seulement d'informer le public de certains critères considérés comme essentiels. Il en résulte donc une grande diversité dans les méthodes, les cours et les objectifs des différents MBA. Quels sont donc les facteurs qui permettent d expliquer les prix des MBA? La base de données MBA.txt va vous permettre d'étudier les caractéristiques qui expliquent la formation des prix des Masters in Business Administration (MBA) à travers le monde. Les variables sont les suivantes: 1. NOM : nom de l université. 2. MIN : prix d inscription à charge de l étudiant pour la totalité du MBA. (VARIABLE REPONSE) 3. Variables des régions (US, EU et RDM) : variables binaires qui vaut 1 si l université se trouve aux Etats-Unis, en Europe ou dans le reste du monde respectivement. 4. AASCB : variable binaire égale à 1 si le programme MBA est accrédité par cette association. 5. NBRETUD : nombre d étudiants inscrits dans le programme MBA de l université. 6. TYPEE : variable binaire égale à 1 si l institution qui organise le programme est privée et 0 si elle est publique. 7. DCP : année de création des différentes institutions universitaires. 8. PF : pourcentage d étudiants de sexe féminin présents au programme par rapport au total d étudiants inscrits. 9. PE : pourcentage d étudiants étrangers présents au programme par rapport au total d étudiants inscrits. 10. AGE : âge moyen des étudiants participant au programme. 11. GMIN : score minimum au GMAT 1 demandé comme critère d admission. Note : Dans la base figure aussi les variables quantitatives transformées en ln. 1 Le Graduate Management Admission Test (GMAT) est un examen en anglais qui mesure les compétences et qui sert à tester l aptitude à étudier le management 4

5 Questions: 1. Ecrivez l équation du modèle complet (sans le nom de l université). Avant de travailler sur les données, proposez un signe pour chacun des paramètres de régression. Expliquez très brièvement pourquoi vous attendez-vous à obtenir ces signes. 2. Importez les données dans SAS. Pourquoi effectuer la régression avec les variables en log? Comment interpréter la valeur du coefficient dans ce modèle où les variables quantitatives sont toutes exprimées en log (modèle log-log)? 3. A l aide de SAS, effectuez la régression du modèle Comparez les signes des coefficients à votre réponse à la question 1. Expliquez brièvement si vous pensez qu il est possible que notre modèle ait des problèmes de multicolinearité. 4. Testez l'hypothèse que l'ensemble des variables retenues dans le dernier modèle n'ont aucun effet sur la formation des prix des MBA 5. Construisez un nouveau modèle en utilisant la méthode «step-by-step» vue au cours théorique. Est-ce que les variables éliminées sont les mêmes que vous auriez éliminé intuitivement? Si non, est-ce que vous les élimineriez quand même? 6. Utilisez les méthodes graphiques pour vérifier les hypothèses classiques sur les erreurs. 7. Effectuez une analyse des résultats de la dernière régression estimée (valeur et signe des 2 coefficients, interprétation, pertinence des variables, R et R 2 ajusté). 8. En vous basant sur le modèle obtenu au point 6, estimez le prix d un MBA avec les caractéristiques suivantes : université européenne privée, non affiliée à l AASCB, avec 300 étudiants d une moyenne d âge de 29 ans, avec 30% sont étrangers et dont le GMAT min demandé est de 500 points. 5

6 Exercice 3- Les meurtres aux USA Le fichier DEMO.TXT contient des données démographiques éparses concernant es 50 états américains. Les données sont organisées de la manière suivante : HS : nombres de diplômés d école supérieure par 1000, CR : taux de criminalité par habitants, MT : nombre de meurtres par habitants, PR : nombre de prisonniers par habitants, RP : pourcentage de votants pour le candidat républicain aux élections présidentielles, VT : taux de participation aux élections présidentielles parmi les personnes en âge de voter, PH : nombre de raccordements téléphoniques par 100 habitants (1979), INC : revenu moyen par individu en dollars en 1972, PL : fraction de la population en dessous du seuil de pauvreté. Si non stipulé, ces données sont relatives à l année Source Sen and Srivastava. i.d. pp Questions: 1. Récupérez les données, contenues dans un fichier TXT, dans le logiciel SAS. 2. Faites une régression multiple avec MT comme variable dépendante et inclure toutes les variables indépendantes. Commentez les résultats obtenus. Certaines des variables indépendantes ont peut-être peu d effet sur MT ou mesurent essentiellement le même effet (redondance). Si vous détectez de telles variables, supprimez-les et refaites tourner le modèle. 3. Essayez le modèle MT en fonction de INC, PL et VT. Comparez les résultats avec les précédents. Pouvez-vous expliquer ce que vous observez? 6

7 Exercice 4- Le trafic de véhicules On désire étudier la relation qui existe entre la vitesse moyenne d un flot de véhicules et la densité du trafic sur une route donnée. Les données sont fournies dans le tableau suivant: Densité du trafic (véhicules / minute) Vitesse moyenne (miles / heure) A l aide du logiciel SAS, proposez une relation permettant de modéliser la vitesse uniquement en fonction de la densité du trafic. Questions: 1. Estimez le modèle : vitesse = β 0 + β 1 densité. Examinez les résidus à la lumière des hypothèses classiques. 2. Estimez le modèle : vitesse = β 0 + β 1 densité + β 2 densité 2. Comparez ce modèle au précédent. Examinez les résidus, en particulier l hypothèse d homoscédasticité. 3. Examinez l effet au niveau des résidus des transformations stabilisatrices de variance suivantes : a) y log(y) b) y y Faites un choix entre les deux transformations ou, au besoin, proposez une transformation alternative. 4. Proposez une relation entre la vitesse et la densité du trafic. 7

8 Exercice 5- Les appareils électroménagers (supplémentaire) Un fabriquant d appareils ménagers souhaiterait analyser la relation entre ses ventes totales et les budgets publicitaires relatifs aux trois types de médias (télévision, radio et magazines). Les 3 premières colonnes du tableau suivant contiennent les budgets publicitaires, par type, pour 10 périodes sélectionnées au hasard. La quatrième colonne contient les ventes totales. Toutes les données sont exprimées en millions de dollars. TV MAG RAD VENTES Nous proposons d effectuer une analyse de régression, avec l aide du logiciel SAS, où les budgets publicitaires de télévision (TV), magazine (MAG), et radio (RD) seront considérés comme régresseurs (variables explicatives), et les ventes (VEN) comme variable dépendante. Supposons que les variables prises en considération satisfont aux conditions classiques. Questions: 1. Effectuez la régression et interprétez les résultats obtenus. 2. Donnez l écart-type (standard erreur) des estimateurs et interprétez. 3. Au seuil de signification 5%, est-ce que le modèle choisi, basé sur les 3 variables TV, RAD et MAG, explique correctement les ventes? (soyez précis dans votre réponse) 4. Mêmes questions que précédemment si on ne considère que la variable TEL. 4. Mêmes questions que précédemment si on ne considère que la variable RAD. 5. Donnez une estimation de la moyenne des ventes si on suppose que les dépenses publicitaires sont respectivement de $9.5 millions pour TV, de $4.3 millions pour MAG et de $5.2 millions pour RAD. 6. Donnez un intervalle de confiance, au niveau 5%, pour les ventes moyennes quand les dépenses publicitaires sont respectivement de $9.5 millions pour TV, de $4.3 millions pour MAG et de $5.2 millions pour RAD. 7. Déterminez la prévision de ventes quand les dépenses publicitaires sont respectivement de $9.5 millions pour TV, de $4.3 millions pour MAG et de $5.2 millions pour RAD. 8. Donnez un intervalle de prévision, au niveau 5%, pour les ventes, quand les dépenses publicitaires sont respectivement de $9.5 millions pour TV, de $4.3 millions pour MAG et de $5.2 millions pour RAD. 8

9 Exercice 6- Le prix des corvettes (supplémentaire) Dix Corvettes (célèbre voiture américaine) d âge compris entre 1 an et 6 ans ont été sélectionnées au hasard par The Arizona Republic (Vlan local). Pour chaque voiture on connaît l âge (AGE), le nombre de miles (MIL) parcourus et le prix (PRI). Le tableau suivant contient les données. AGE (ans) MIL(milliers) PRI ($100s) Nous proposons d effectuer une analyse de régression, avec l aide du logiciel SAS, où les variables AGE et MIL seront considérées comme prédicteurs pour la variable PRI. Supposons que les variables prises en considération satisfassent aux conditions classiques. Questions: 1. Effectuez la régression et interprétez les résultats obtenus. 2. Donnez l écart type des estimateurs et interprétez. 3. Au seuil de signification 5%, pensez vous que le modèle choisi, contenant les 2 variables AGE et MIL, prédit correctement le prix (PRI)? 4. Même question mais en supposant que le modèle ne contient que la variable AGE? Soyez précis dans votre conclusion. 5. Répétez la même question mais en supposant que le modèle ne contient que la variable MIL? Qu en est-il si le seuil est porté à 10%? 6. Déterminez une estimation du prix moyen des Corvettes qui ont 4 ans d âge et ont parcouru miles. 7. Calculez un intervalle de confiance (au niveau 5%) pour le prix moyen des Corvettes qui ont 4 ans d âge et ont parcouru miles. 8. Déterminez la prévision pour une Corvette quelconque (au hasard) qui a 4 ans d âge et a parcouru miles. 9. Donnez un intervalle de prévision (au niveau 5%) pour le prix d une Corvette qui a 4 ans d âge et a parcouru miles. 9

10 Exercice 7- La consommation de carburant (supplémentaire) On souhaiterait prédire la consommation de carburant (mesuré en gallons / 100 miles), on dispose des variables suivantes : 1.COU : Nationalité du constructeur 2.CAR: nom et type 3.MPG: Miles per gallon, une mesure de consommation 4.DRI: rapport de vitesse 5.HOR: puissance 6.DIS : volume du véhicule (en cubic inches) 7.CYL: le nombre de cylindres 8.WEI : le poids Les données que nous disposons ont été collectées par un organisme de consommateur au cours d un test sur route en suivant les recommandations de maintenance données par les constructeurs de chaque véhicule. Nous avons codé la variable COU afin de pouvoir la lire avec SAS suivant la règle suivante : US=1 Japan=2 Germany=3 Sweden=4 France=5 Italy=6 La variable CAR représente le numéro d observation et vous aidera à déterminer le nom des véhicules. Questions: 1. Dans un premier temps, étudiez les corrélations existant entre toutes les variables (mis à part CAR). Discutez et citez les variables les plus corrélées entre elles. 2. On propose de partir du modèle suivant : MPG = β 1 WEI + β 2 DRI + β 3 HOR + β 4 DIS + β 5 CYL + β 6 + ε Effectuez à l aide de SAS les régressions, jusqu à obtenir un modèle où tout les coefficients sont significativement différents de zéro (méthode rétroactive : supprimez une à une les variables les moins non-significatives (au seuil 10%)). 3. On considère le modèle suivant : MPG = β 1 WEI + β 2 DRI + β 3 + ε Effectuez une analyse complète de la dernière sortie disponible (valeur des coefficients, interprétation, pertinence des variables, analyse des résidus, R2, Durbin-Watson). 4. Une des valeurs des résidus semble être aberrante. Précisez laquelle et interprétez. 5. Expliquez comment inclure la variable COU dans le modèle. Nom du fichier de données: CARS.TXT disponible sur le serveur habituel. 10

11 Voici les données : COU CAR MPG WEI DRI HOR DIS CYL U.S. Buick Estate Wagon U.S. Ford Country Squire Wagon U.S. Chevy Malibu Wagon U.S. Chrysler LeBaron Wagon U.S. Chevette Japan Toyota Corona Japan Datsun U.S. Dodge Omni Germany Audi Sweden Volvo 240 GL Sweden Saab 99 GLE France Peugeot 694 SL U.S. Buick Century Special U.S. Mercury Zephyr U.S. Dodge Aspen U.S. AMC Concord D/L U.S. Chevy Caprice Classic U.S. Ford LTD U.S. Mercury Grand Marquis U.S. Dodge St Regis U.S. Ford Mustang U.S. Ford Mustang Ghia Japan Mazda GLC Japan Dodge Colt U.S. AMC Spirit Germany VW Scirocco Japan Honda Accord LX U.S. Buick Skylark U.S. Chevy Citation U.S. Olds Omega U.S. Pontiac Phoenix U.S. Plymouth Horizon Japan Datsun Italy Fiat Strada Germany VW Dasher Japan Datsun Germany BMW 320i Germany VW Rabbit Référence: Henderson, H. V. and Velleman, P. F. (1981), "Building Regression Models Interactively." Biometrics, 37, Data originally collected from Consumer Reports. Authorization: Contact Consumer Reports Description: Measurements on model automobiles. The gas mileage in miles per gallon measured by Consumers' Union on a test track. Other values as reported by automobile manufacturer. Number of cases: 38 as 11

12 Exercice 1- Chiffres d affaires SERIES CHRONOLOGIQUES Les données à étudier proviennent de l Annuaire Statistique de la Belgique. Il s agit de l indice du chiffre d affaire mensuel des grands magasins à rayons multiples dans le rayon alimentaire sur la période s étendant de janvier 1978 à décembre Le fichier contenant la série brute (notée : Z t ) porte le nom de MAG.TXT, il se trouve sur le disque E. Recopiez-le sur votre disque H. Nous allons étudier cette série sur une période s étendant de janvier 1978 à juin 1990 (les 6 dernières données seront réservées pour mesurer la qualité des prévisions fournies par les différents modèles). a. Etude préliminaire. - Importation des données et creation d'un compteur de temps - Représentation des données - Obtenir les corrélogrammes et placer les valeurs des autocorrelations dans la base de données que nous décidons d'appeler "magacov". b. Stationnarisation de la série. - Stabilisation de la variance : Nous proposons tout d abord (sur base de l étude préliminaire), la transformation logarithmique suivante : X log Z t t Cette transformation stabilise quelque peu la variance, mais le corrélogramme et corrélogramme partiel des résidus sont semblables à ceux de la série initiale - Stabilisation de la moyenne et traitement de la saisonnalité. On propose de différencier la série transformée : Y t ( 1 B) X. t On voit que cette transformation stabilise quelque peu la tendance, mais que le corrélogramme et corrélogramme partiel des résidus comportent encore des valeurs significatives aux délais 1, 11, 12, 13, 24, 25, 35, 36, 37 ce qui témoigne un phénomène saisonnier important (de période 12). On propose d appliquer une différenciation saisonnière sur la série transformée: 12 W ( 1 B ) Y t t Peut-on conclure que la série transformée W ( 1 B 12 )( 1 B)log Z est stationnaire? t t 12

13 c. Spécification et estimation Nous allons utiliser la série dslmag : Wt ( 1 B 12 )( 1 B)log Zt (série stationnaire). Sur base des corrélogramme et corrélogramme partiel, proposez un ou plusieurs modèles candidats. Si après estimation du modèle on voit que la constante est non significative, il est inutile de la laisser dans le modèle. Nous ne parlerons pas ici des valeurs extrêmes ou aberrantes. Choix de la méthode: Vous pouvez maintenant préciser les paramètres que vous voulez estimer. Par exemple, pour estimer un SARiMA(2,1,0)(0, 1, 1)12, sur la série lmag, d. Validation du modèle Cette dernière étape est essentielle. Pour chaque modèle estimé, vous devez tester si les résidus forment un bruit blanc. Pour ce faire regardez le correlogramme des résidus qui doit être celui d'un bruit blanc. Les critères AIC et Schwartz doivent être les plus petits possibles. Indication: Nous proposons dans l ordre les modèles suivants: AR(2), SARIMA ( 2, 0, 0)( 0, 0, 1) 12 et SARIMA ( 2, 0, 0)( 1, 0, 0) 12 pour W t. Trouvez comment obtenir les paramètres estimés. Justifiez le choix de ces modèles, déterminez les valeurs des coefficients de chaque modèle estimé et donnez les résultats de validation. Quel modèle vous paraît le mieux représenter la série? 13

14 Exercice 2-Assurances vie (Mélard p 406) Les données du fichier ASSVIE.TXT sont relatives à la production d assurances sur la vie dans la branche vie-individuelle, pour une grande compagnie. Il s agit du nombre de propositions enregistrées diminué du nombre d affaires classées sans suite pour une raison quelconque. La période de temps étudiée s étend de janvier 1964 à décembre Il faut noter que le mois de décembre connaît une production plus élevée que la normale à cause du système de rémunération des producteurs. En effet, plusieurs catégories ont été établies, délimitées par des planchers et des plafonds de production. Le passage à une catégorie supérieure procure des avantages intéressants. En revanche, le début de l année, et particulièrement le mois de janvier, est souvent creux pour deux raisons: d une part, le nombre d affaires sans suite est important, et d autre part, les producteurs ont tendance à se remettre des efforts consentis. Analysez ces données. 14

15 MODELES LOGIT ET PROBIT Exercice 1- Offre de travail des femmes mariées (exemple de devoir) Les données sont constituées de 753 observations de 19 variables, relatives à des femmes blanches mariées qui avaient entre 30 et 60 ans en 1975 (année où l on a récolté les données). Le fichier MROZ.TXT est disponible dans le répertoire habituel E:\. Ce fichier est en format texte. Les séries sont rangées par observation. Liste des variables dans le fichier (dans l ordre): LFP WHRS KL6 K618 WA WE WW RPWG HHRS HA HE HW FAMINC MTR WMED WFED UN CIT AX. Les 428 premières observations sont relatives aux femmes qui ont travaillé durant l année 1975 (le nombre d heures de travail est positif). Elles constituent ce que nous appellerons l échantillon E1. Les 325 dernières observations concernent les femmes qui n ont pas travaillé durant cette année. Elles constituent ce que nous appellerons l échantillon E2. Les variables intervenant dans les modèles étudiés sont les suivantes: - LFP (Labor Force Participation) est une variable indicatrice qui vaut 1 si la femme a travaillé en 1975 et 0 sinon. - WHRS (Wife HouRS of work) est une variable quantitative discrète qui compte le nombre d heures de travail de chaque femme. - KL6 indique le nombre d enfants du ménage qui ont moins de 6 ans. - K618 indique le nombre d enfants du ménage qui ont entre 6 ans et 18 ans. - WA (Wife Age) est une variable quantitative discrète indiquant l âge de la femme au moment de l enquête, en années. - WE (Wife s Educational attainment) est une variable quantitative discrète qui donne le nombre d années passées dans le système scolaire. - WW (Wife s Wage) est une variable quantitative continue, le salaire horaire moyen de la femme, en dollars (1975). - FAMINC (FAMily INCome) est le revenu du ménage pour l année UN (UNemployment) est une variable quantitative continue qui exprime le taux de chômage dans le pays de résidence de la femme. - CIT (CITy) est une variable indicatrice qui vaut 1 si la famille habite dans une grande ville, et 0 sinon. - AX est une variable quantitative discrète donnant le nombre d années passées dans les divers emplois occupés. Elle constitue une mesure du niveau d expérience professionnelle. Questions : Première partie. Examen des données (a) Il est parfois utile de vérifier que les données fournies correspondent bien à celles que l on souhaite étudier. Une façon de procéder est ici de calculer la moyenne et l écart type des observations pour chacune des 19 variables, en utilisant l échantillon complet des 753 observations. Les résultats que vous devriez obtenir sont les suivants: LFP (0.5684, ), WHRS ( , 871,3142), KL6 (0.2377, 0.524), etc. 15

16 Vérifiez à l aide de SAS. Une façon de vérifier qu il n y a pas d erreur d encodage est de rechercher la plus petite valeur et la plus grande et de les comparer aux paramètres ci-dessus. Faites-le pour les variables LFP et WHRS Détectez-vous de cette façon des valeurs qui vous paraissent suspectes? Si oui, pourquoi vous paraissent-elles suspectes? (pour détecter rapidement les valeurs minimum et maximum prises par une variable, aidez-vous des graphiques) (b) Dans le modèle d'offre de travail estimé par Mroz, on suppose que les femmes qui décident de travailler prennent en compte d'une part le revenu du ménage qui ne provient pas du travail, et d'autre part le revenu de leur mari. Mroz appelle ces deux revenus cumulés "revenu propre de la femme", qu'on note PRIN (wife PRoperty INcome). Il le calcule pour les 753 observations de la façon suivante : PRIN = FAMINC - WW*WHRS (créer PRIN = FAMINC - WW*WHRS) Calculez la moyenne et la variance de PRIN. Vous obtenez normalement pour la moyenne. N'oubliez-pas de sauver la variable que vous venez de créer. (c) L'une des variables fréquemment utilisée dans des études empiriques de la force de travail est le salaire horaire WW. Pourtant, on ne dispose pas d'observations du salaire horaire chez les femmes qui ne travaillent pas. Une tentative pour résoudre ce problème est d'estimer une équation qui détermine le salaire horaire à partir des seules observations concernant les femmes qui travaillent, et ensuite d'utiliser les estimations des paramètres ainsi obtenus et les caractéristiques de l'échantillon des femmes qui ne travaillent pas pour construire les salaires horaires prédits ou ajustés pour chacune des femmes sans activité professionnelle rémunérée. En vous restreignant uniquement à l'échantillon des femmes qui travaillent, E1, passez au logarithme de WW. Notez la nouvelle variable LWW. Calculez la moyenne arithmétique et l'écart-type de LWW dans l'échantillon E1. Générez ensuite la variable AX2 = AX*AX. Estimez une équation de détermination du salaire horaire à partir de E1 en utilisant les MCO: LWW WA WE CIT AX AX Cette équation a-t-elle un sens? Pourquoi? Pour chacune des femmes de l'échantillon E2, servez-vous des estimations des paramètres de cette équation et des valeurs des variables WA, WE, CIT, AX et AX2 pour déterminer les valeurs ajustées ou prédites de LWW. Notez LWWFIT la série ainsi obtenue. Comparez la moyenne et l'écart-type de LWWFIT dans E2 à la moyenne et à l'écart-type de LWW dans E1, respectivement. La différence vous paraît-elle importante? Comment interprétez-vous ce résultat? Générez en suite pour l'échantillon global E la variable LWW1, définie comme suit: LWW1 = LWW pour les observations de E1 et LWW1 = LWWFIT pour les observations de E2. Notez que la variable LWW1 contient soit le salaire actuel, soit le salaire prédit pour chaque individu de l'échantillon. Si vous n'avez pas fait d'erreur dans la manipulation des séries, vous devriez avoir pour moyenne et écart-type de LWW1 les nombres et , respectivement. Vérifiez-le et sauvez la série LWW1. Deuxième partie. Estimation des modèles logit et probit. On demande d'estimer une équation relative à la participation des femmes à la force de travail (variable LFP), à l'aide de modèles logit et probit. On comparera ensuite les résultats. 16

17 (d) Estimez par le maximum de vraisemblance les paramètres d'un modèle logit où LFP est la variable dépendante et où les variables LWW1, KL6, K618, WA, WE, UN, CIT et PRIN sont les variables explicatives. Introduisez également une constante dans le modèle. Commentez les signes des estimations des paramètres. Quels paramètres de ce modèle sont significativement non nuls? Interprétez les résultats. Après combien d'itérations l'algorithme utilisé par SAS pour résoudre les équations de vraisemblance converge-t-il? Peut-on parler de convergence rapide? SAS fournit-il parmi les sorties une mesure de la qualité de l ajustement proposé? (e) On considère maintenant un modèle probit. Répondez aux mêmes questions qu'au point (d) et comparez la vitesse de convergence de l'algorithme de résolution par ces deux méthodes. 17

18 Exercice 2- Les prêts hypothécaires (supplémentaire) Considérons les données relatives à un échantillon de 750 prêts hypothécaires dans les villes des Etats de Columbia et de Carolyne du Sud. On observe 500 demandes de prêts hypothécaires acceptées et 250 demandes de prêts hypothécaires refusées. On définit si la demande de pret est acceptée y 1 0 si la demande de pret est refusée. On a estimé 2 modèles différents: le modèle logit et le modèle probit (le modèle de probabilité linéaire ne sera pas étudié au cours des séances de travaux pratiques, en raison de ses nombreux inconvénients). Les variables explicatives sont : AI = revenu du candidat à l hypothèque (en milliers de dollars) XMD = dette - hypothèque (en milliers de dollars) DF = variable indicatrice, 1 pour les hommes et 0 pour les femmes DR = variable indicatrice, 1 pour les non blancs et 0 pour les blancs DS = variable indicatrice, 1 pour les célibataires et 0 pour les autres DA = âge de la maison (en centaines d années) NNWP = pourcentage de non blancs dans le voisinage NMFI = revenus familiaux moyens du voisinage (en centaines de milliers de dollars) NA = âge moyen des maisons du voisinage (en centaines d années) Les résultats sont fournis dans le tableau ci-dessous. Questions : Logit Model Probit Model Variables coefficients standard error coefficients standard error AI 2,254 0,49 2,030 0,43 XMD -1,170 0,21-1,773 0,31 DF 0,563 0,65 0,206 0,22 DR -0,240 0,15-0,279 0,17 DS -0,222 0,15-0,274 0,16 DA -1,463 0,44-1,570 0,48 NNWP -2,028 2,54-2,360 2,78 NMFI 0,149 0,75 0,194 0,78 NA -0,386 0,31-0,425 0,34 Constante 0,363 0,488 (a) Ecrivez le modèle dichotomique simple relatif à cet exemple. (b) Quelles variables sont significatives? (c) Comment pourriez-vous comparer les deux modèles (comparez les deux ensembles de coefficients présentés dans le tableau ci-dessus). Sont-ils très différents les uns des autres? (d) Interprétez les signes et valeurs des estimations dans le modèle logit. Comparez la demande de prêt d une femme par rapport à celle dans les mêmes conditions d un homme. 18

Chapitre 4 : Régression linéaire

Chapitre 4 : Régression linéaire Exercice 1 Méthodes statistiques appliquées aux sciences sociales (STAT-D-203) Titulaire : Catherine Vermandele Chapitre 4 : Régression linéaire Le diplôme de Master of Business Administration ou MBA est

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

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

LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION

LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs

Plus en détail

Endettement des jeunes adultes

Endettement des jeunes adultes Département fédéral de l'intérieur DFI Office fédéral de la statistique OFS 20 Situation économique et sociale de la population Neuchâtel, Août 2012 Endettement des jeunes adultes Analyses complémentaires

Plus en détail

La gestion des ventes.

La gestion des ventes. I. La prévision des ventes. A. Principe. La gestion des ventes. Elle consiste à déterminer les ventes futures à la fois en quantité et en valeur en tenant compte des tendances et contraintes imposées à

Plus en détail

CHÔMAGE ET STRATÉGIES DES FAMILLES : LES EFFETS MITIGÉS DU PASSAGE DE L ASSURANCE-CHÔMAGE À L ASSURANCE-EMPLOI

CHÔMAGE ET STRATÉGIES DES FAMILLES : LES EFFETS MITIGÉS DU PASSAGE DE L ASSURANCE-CHÔMAGE À L ASSURANCE-EMPLOI CHÔMAGE ET STRATÉGIES DES FAMILLES : LES EFFETS MITIGÉS DU PASSAGE DE L ASSURANCE-CHÔMAGE À L ASSURANCE-EMPLOI Édith Martel Université de Montréal Benoît Laplante Institut National de la Recherche Scientifique

Plus en détail

«Monsieur, on fait quoi?»

«Monsieur, on fait quoi?» Nous avons le plaisir aujourd hui de vous proposer une séance de travaux pratiques de statistique, c est-à-dire, une séance où vous allez pouvoir mettre les mains dans le cambouis (dans les données) et

Plus en détail

Estimation et tests statistiques, TD 5. Solutions

Estimation et tests statistiques, TD 5. Solutions ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études

Plus en détail

Régression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr

Régression 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 détail

Analyse de l évolution de la structure des ménages dans l enquête sur le budget des ménages

Analyse de l évolution de la structure des ménages dans l enquête sur le budget des ménages Analyse de l évolution de la structure des ménages dans l enquête sur le budget des ménages S. Winandy, R. Palm OCA GxABT/ULg oca.gembloux@ulg.ac.be décembre 2011 1 Introduction La Direction Générale Statistique

Plus en détail

11. Tests d hypothèses (partie 1/2)

11. Tests d hypothèses (partie 1/2) 11. Tests d hypothèses (partie 1/2) MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v1) MTH2302D: tests d hypothèses 1/30 Plan 1. Introduction 2. Hypothèses et erreurs 3. Tests d hypothèses

Plus en détail

L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques.

L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques. L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques 1 BUTS DU COURS : se familiariser avec le vocabulaire statistique o variable dépendante, variable indépendante o statistique descriptive,

Plus en détail

Arrondir à la troisième décimale

Arrondir à la troisième décimale Université Sidi Mohamed Ben Abdellah Faculté des sciences Juridiques, Economiques et Sociales - Fès- Année Universitaire 2004/2005 Filière: Sciences Economiques et Gestion S2 Module: Méthodes quantitatives

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe 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 détail

Le Data Mining au service du Scoring ou notation statistique des emprunteurs!

Le Data Mining au service du Scoring ou notation statistique des emprunteurs! France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative

Plus en détail

Feuille de TP N 3 : Modèle log-linéaire - Travail guidé. 1 Cancers : modèle log-linéaire à deux facteurs croisés

Feuille de TP N 3 : Modèle log-linéaire - Travail guidé. 1 Cancers : modèle log-linéaire à deux facteurs croisés M1 MLG Année 2012 2013 Feuille de TP N 3 : Modèle log-linéaire - Travail guidé 1 Cancers : modèle log-linéaire à deux facteurs croisés Ce premier exercice reprend l exercice 1 de la feuille de TD n 3.

Plus en détail

Statistiques Descriptives à une dimension

Statistiques 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 détail

Cours 11 : Homogénéité de la variance et transformations non linéaires

Cours 11 : Homogénéité de la variance et transformations non linéaires Cours 11 : Homogénéité de la variance et transformations non linéaires Table des matières Section 1. Régularité de la nature et effets linéaires... 2 Section 2. Homogénéité des variances... 2 Section 3.

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

Analyse de la variance à deux facteurs

Analyse de la variance à deux facteurs 1 1 IRMA, Université Louis Pasteur Strasbourg, France Master 1 Psychologie du développement 06-10-2008 Contexte Nous nous proposons d analyser l influence du temps et de trois espèces ligneuses d arbre

Plus en détail

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation.

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation. Travaux Dirigés de Probabilités - Statistiques, TD 4 Lois limites ; estimation. Exercice 1. Trois machines, A, B, C fournissent respectivement 50%, 30%, 20% de la production d une usine. Les pourcentages

Plus en détail

ECGE 1224 - Statistiques en économie et gestion : TP 1

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

Plus en détail

UNE ESTIMATION DU PARC AUTOMOBILE À L AIDE DES DURÉES DE VIE DES VÉHICULES

UNE ESTIMATION DU PARC AUTOMOBILE À L AIDE DES DURÉES DE VIE DES VÉHICULES UNE ESTIMATION DU PARC AUTOMOBILE À L AIDE DES DURÉES DE VIE DES VÉHICULES François JEGER Le parc de véhicules automobiles en service vieillit de trois mois par an depuis 1993 : la durée de vie médiane

Plus en détail

EXERCICES SUR LE CHAPITRE 1 : «MIXTE»

EXERCICES SUR LE CHAPITRE 1 : «MIXTE» EXERCICES SUR LE CHAPITRE 1 : «MIXTE» 1. Les électeurs d'une grande ville américaine sont constitués de 40% de blancs, 40% de noirs et 20% d'hispaniques. Un candidat noir à la fonction de Maire espère

Plus en détail

Simulation Examen de Statistique Approfondie II **Corrigé **

Simulation Examen de Statistique Approfondie II **Corrigé ** Simulation Examen de Statistique Approfondie II **Corrigé ** Ces quatre exercices sont issus du livre d exercices de François Husson et de Jérôme Pagès intitulé Statistiques générales pour utilisateurs,

Plus en détail

Dossier / TD Econométrie. Analyse de la demande d essence aux Etats-Unis entre 1960-1995 fichier : essence.xls

Dossier / TD Econométrie. Analyse de la demande d essence aux Etats-Unis entre 1960-1995 fichier : essence.xls Dossier / TD Econométrie Analyse de la demande d essence aux Etats-Unis entre 1960-1995 fichier : essence.xls Source : Greene "Econometric Analysis" Prentice Hall International, 4 ème édition, 2000 Council

Plus en détail

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2 Test du Khi 2 Le test du Khi 2 (khi deux ou khi carré) fournit une méthode pour déterminer la nature d'une répartition, qui peut être continue ou discrète. Domaine d application du test : Données qualitatives

Plus en détail

Séance 8 : Régression Logistique

Séance 8 : Régression Logistique Séance 8 : Régression Logistique Sommaire Proc LOGISTIC : Régression logistique... 2 Exemple commenté : Achat en (t+1) à partir du sexe et du chiffre d affaires de la période précédente. 4 La régression

Plus en détail

Econométrie. 1. Matière: Problèmes de spécification et variables explicatives binaires

Econométrie. 1. Matière: Problèmes de spécification et variables explicatives binaires Econométrie Répétition 9 1. Matière: Problèmes de spécification et variables explicatives binaires Utilisation des variables explicatives binaires. Test de la forme fonctionnelle. Testd hétéroscédasticitéetutilisationde

Plus en détail

OFFRE D EMPLOI. 2.1 La définition du poste

OFFRE D EMPLOI. 2.1 La définition du poste OFFRE D EMPLOI 1 Introduction Définir une offre d emploi type n est pas un processus anodin à sous-estimer. En effet, l offre que l entreprise va communiquer représente la proposition d emploi vacant.

Plus en détail

Partie 2 Statistique- Chapitre 8 Tableaux Croisés

Partie 2 Statistique- Chapitre 8 Tableaux Croisés Partie 2 Statistique- Chapitre 8 Tableaux Croisés PLAN: Cours... 2 TABLEAUX CROISES... 2 1. Tableau des effectifs... 2 2. Tableau des fréquences un rapport à l'effectif total... 2 3. Tableau des fréquences

Plus en détail

Introduction à l analyse quantitative

Introduction à l analyse quantitative Introduction à l analyse quantitative Vue d ensemble du webinaire Le webinaire sera enregistré. Les diapositives et tous les autres documents seront envoyés aux participants après la séance. La séance

Plus en détail

Exercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015

Exercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015 Exercices M1 SES 214-215 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 215 Les exemples numériques présentés dans ce document d exercices ont été traités sur le logiciel R, téléchargeable par

Plus en détail

Rapport d enquête: Les stratégies de diversification des cabinets comptables

Rapport d enquête: Les stratégies de diversification des cabinets comptables UNIVERSITÉ DE GAND FACULTÉ D ÉCONOMIE ET D AFFAIRES ACADÉMIQUE 2010 2011 Rapport d enquête: Les stratégies de diversification des cabinets comptables Frederik Verplancke sous la supervision de Prof. dr.

Plus en détail

Examen de Logiciels Statistiques

Examen de Logiciels Statistiques G. Hunault Angers, mai 2011 Licence MEF Examen de Logiciels Statistiques On s intéresse ici au dossier EAEF01 qui contient un extrait des données du recensement américain. On trouvera ces données et leur

Plus en détail

La régression logistique

La régression logistique La régression logistique Présentation pour le cours SOL6210, Analyse quantitative avancée Claire Durand, 2015 1 Utilisation PQuand la variable dépendante est nominale ou ordinale < Deux types selon la

Plus en détail

Mathématiques. BAC BLANC_corr. Calculatrice autorisée (Tous les résultats doivent être encadrés) Tstg _RH. Exercice1(4 pts) Avril 2013. A.

Mathématiques. BAC BLANC_corr. Calculatrice autorisée (Tous les résultats doivent être encadrés) Tstg _RH. Exercice1(4 pts) Avril 2013. A. BAC BLANC_corr Mathématiques Avril 2013 Calculatrice autorisée (Tous les résultats doivent être encadrés) Tstg _RH Exercice1(4 pts) Cet exercice est un questionnaire à choix multiples (QCM) voir Bac techno

Plus en détail

L allocataire dans un couple : l homme ou la femme?

L allocataire dans un couple : l homme ou la femme? L allocataire dans un couple : l homme ou la femme? par Alain Jacquot CNAF-Bureau des Prévisions Les CAF versent une trentaine de prestations (prestations familiales stricto sensu, aides au logement, et

Plus en détail

Analyse de donne es Exercices

Analyse de donne es Exercices Analyse de donne es Exercices Table des matières Séquence 1 : Détermination des types d enquêtes, choix d échantillons... 3 Application n 1 : Construire un sondage par quotas... 3 Application n 2 : Construire

Plus en détail

Statistique Descriptive I (M1102)

Statistique Descriptive I (M1102) Illustration du cours de Statistique Descriptive I (M1102) Année scolaire 2013/2014 Université de Perpignan Via Domitia, IUT STatistique et Informatique Décisionnelle (STID) Table des matières 1 Généralités

Plus en détail

Programme des experts associés des Nations Unies

Programme des experts associés des Nations Unies Programme des experts associés des Nations Unies Descriptif de poste Expert associé INT-150-13-P099-01-V I. Généralités Titre : Expert associé en ressources humaines Secteur d affectation : Service du

Plus en détail

CREER UNE ENTREPRISE A JERSEY

CREER UNE ENTREPRISE A JERSEY CREER UNE ENTREPRISE A JERSEY Avant toute autre démarche, il faut avoir un «business plan» (projet professionnel) solide et bien conçu. Pour cela, il vous suffit de suivre les instructions ci-dessous :

Plus en détail

Loi normale ou loi de Laplace-Gauss

Loi normale ou loi de Laplace-Gauss LivreSansTitre1.book Page 44 Mardi, 22. juin 2010 10:40 10 Loi normale ou loi de Laplace-Gauss I. Définition de la loi normale II. Tables de la loi normale centrée réduite S il y avait une seule loi de

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

Probabilités et inférence statistique (STAT-S-202) Titulaires : Catherine Dehon et Davy Paindaveine Partie 2 : Inférence statistique

Probabilités et inférence statistique (STAT-S-202) Titulaires : Catherine Dehon et Davy Paindaveine Partie 2 : Inférence statistique Probabilités et inférence statistique (STAT-S-202) Titulaires : Catherine Dehon et Davy Paindaveine Partie 2 : Inférence statistique Les exercices qui vous sont proposés sont classés de la façon suivante

Plus en détail

Fonctions affines. 2 Signe d une fonction affine 18 2.1 activité... 19 2.2 corrigé activité... 20

Fonctions affines. 2 Signe d une fonction affine 18 2.1 activité... 19 2.2 corrigé activité... 20 Fonctions affines Table des matières 1 généralités : (images, formule, variations, tableau de valeurs, courbe, équations, inéquations) 2 1.1 activité............................................... 3 1.2

Plus en détail

Chapitre 1 GRAPHIQUES

Chapitre 1 GRAPHIQUES Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 1 GRAPHIQUES On entend souvent qu un schéma vaut mieux qu un long discours. Effectivement, lorsque l on

Plus en détail

Examen de Statistique Appliquée I

Examen de Statistique Appliquée I Université de Strasbourg Master Éthologie-Écophysiologie 1ère année Examen de Statistique Appliquée I ************************************************************** Le cours, les exercices de travaux dirigés,

Plus en détail

UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans sa documentation) est autorisée.

UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans sa documentation) est autorisée. Université René Descartes- Paris V Licence de Psychologie Année L1, Semestre S1-2005 /2006 Page 1/5 UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans

Plus en détail

Ce TD se déroule sur 3 heures : vous devez donc consacrer environ 1 heure pour chacune des phases.

Ce TD se déroule sur 3 heures : vous devez donc consacrer environ 1 heure pour chacune des phases. TD Analyse de données pour l évaluation de l exposition Octobre 2014 1 Contexte et objectif du TD Pour réaliser une évaluation de l exposition d une population à un contaminant chimique, plusieurs sources

Plus en détail

Questions pratiques 4: Transformer la variable dépendante

Questions pratiques 4: Transformer la variable dépendante Questions pratiques 4: Transformer la variable dépendante Jean-François Bickel Statistique II SPO8 Transformer une variable consiste en une opération arithmétique qui vise à construire une nouvelle variable

Plus en détail

Nobody s Unpredictable

Nobody s Unpredictable Connaissance qu a le public de la Banque du Canada (Comparaison des résultats de l enquête téléphonique et de l enquête en ligne) Enquête de décembre 2010 commandée par la Banque du Canada Nobody s Unpredictable

Plus en détail

Baccalauréat SMS 2001 L intégrale de juin à novembre 2001

Baccalauréat SMS 2001 L intégrale de juin à novembre 2001 Baccalauréat SMS 001 L intégrale de juin à novembre 001 Antilles Guyane juin 001............................... 3 La Réunion juin 001.................................... 5 Métropole juin 001.....................................

Plus en détail

Analyse de deux séquences d apprentissage 1

Analyse de deux séquences d apprentissage 1 hs.c om Ce fichier, corrigé du fichier D22, aborde le vaste domaine du traitement de l information, de la gestion de données et des représentations couramment utilisées. Nous vous proposons deux séquences

Plus en détail

L analyse en composantes principales en pratique

L analyse en composantes principales en pratique L analyse en composantes principales en pratique Après avoir vu sa formalisation mathématique dans le module précédent, on s intéresse ici à l utilisation pratique de l ACP. 1 Objectifs L objectif de l

Plus en détail

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Département Universitaire de Recherche et d Enseignement en Médecine Générale GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Enseignants : Esther GUERY, Julien LE BRETON, Emilie FERRAT, Jacques

Plus en détail

Chapitre 4 : RÉGRESSION

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

Plus en détail

Introduction à l'analyse statistique des données

Introduction à l'analyse statistique des données INTRODUCTION À L'ANALYSE STATISTIQUE DES DONNÉES CONCEPTS DE BASE Un certain nombre de concepts, préalables indispensables à la compréhension des analyses présentées, sont définis ici. De même pour quelques

Plus en détail

STAT0162-1 Analyse statistique de données qualitatives et quantitatives en sciences sociales. Transparents Philippe Lambert

STAT0162-1 Analyse statistique de données qualitatives et quantitatives en sciences sociales. Transparents Philippe Lambert STAT0162-1 Analyse statistique de données qualitatives et quantitatives en sciences sociales Transparents Philippe Lambert http : //www.statsoc.ulg.ac.be/quali.html Institut des Sciences Humaines et Sociales

Plus en détail

BALANCE DES PAIEMENTS ET TAUX DE CHANGE

BALANCE DES PAIEMENTS ET TAUX DE CHANGE BALANCE DES PAIEMENTS ET TAUX DE CHANGE PREMIÈRE SECTION : VRAI OU FAUX Question 1.1 Si le taux d intérêt canadien augmente, la demande d actifs canadiens diminue. Question 1.2 Si le dollar canadien s

Plus en détail

Physique 11-12 Labo La vitesse d une voiture jouet. Contexte :

Physique 11-12 Labo La vitesse d une voiture jouet. Contexte : Physique 11-12 Labo La vitesse d une voiture jouet Contexte : Un graphique position-temps peut montrer la vitesse d un objet. Si on représente graphiquement la position d un objet enregistrée à des intervalles

Plus en détail

SONDAGE DANS LA MISSION D AUDIT UNITE MONETAIRE. Fethi NEJI & Mounir GRAJA

SONDAGE DANS LA MISSION D AUDIT UNITE MONETAIRE. Fethi NEJI & Mounir GRAJA SONDAGE DANS LA MISSION D AUDIT UNITE MONETAIRE Le sondage est une sélection d'éléments que l'auditeur décide d'examiner afin de tirer, en fonction des résultats obtenus, une conclusion sur les caractéristiques

Plus en détail

ATELIER STATISTIQUES - PROBABILITES

ATELIER STATISTIQUES - PROBABILITES ATELIER STATISTIQUES - PROBABILITES I/ INTRODUCTION Extraits du document Ressources pour la classe de seconde Probabilités et Statistiques - : «L enseignement de la statistique et des probabilités constitue

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

Modèles ARIMA et SARIMA Estimation dans R 1 et SAS 2 Novembre 2007 Yves Aragon aragon@cict.fr

Modèles ARIMA et SARIMA Estimation dans R 1 et SAS 2 Novembre 2007 Yves Aragon aragon@cict.fr Modèles ARIMA et SARIMA Estimation dans R 1 et SAS 2 Novembre 2007 Yves Aragon aragon@cict.fr Cette note examine les différences entre R et SAS dans l estimation des modèles ARIMA et SARIMA. Elle illustre

Plus en détail

Baccalauréat STMG Polynésie 17 juin 2014

Baccalauréat STMG Polynésie 17 juin 2014 Baccalauréat STMG Polynésie 17 juin 2014 Durée : 3 heures EXERCICE 1 Cet exercice est un Q.C.M. 4 points Pour chaque question posée, quatre réponses sont proposées parmi lesquelles une seule est correcte.

Plus en détail

Parti vert libéral suisse Direction de projet «Remplacer la TVA par une taxe sur l énergie» Roland Fischer 14.01.2014

Parti vert libéral suisse Direction de projet «Remplacer la TVA par une taxe sur l énergie» Roland Fischer 14.01.2014 Effets de l initiative populaire «Remplacer la TVA par une taxe sur l énergie» sur diverses catégories de ménages dont le comportement écologique varie Parti vert libéral suisse Direction de projet «Remplacer

Plus en détail

Chapitre 3 RÉGRESSION ET CORRÉLATION

Chapitre 3 RÉGRESSION ET CORRÉLATION Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 3 RÉGRESSION ET CORRÉLATION La corrélation est une notion couramment utilisée dans toutes les applications

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

Brevet de technicien supérieur Polynésie session mai 2012 - Informatique de gestion

Brevet de technicien supérieur Polynésie session mai 2012 - Informatique de gestion Brevet de technicien supérieur Polynésie session mai 2012 - Informatique de gestion A. P. M. E. P. ÉPREUVE OBLIGATOIRE Durée : 3 heures Coefficient : 2 Exercice 1 7 points Les parties A et B de cet exercice

Plus en détail

Ressources pour le lycée général et technologique

Ressources pour le lycée général et technologique éduscol Classe terminale - Série STMG L accompagnement personnalisé Ressources pour le lycée général et technologique Approfondir Vers le supérieur La prévision des tendances et l outil statistique Présentation

Plus en détail

X1 = Cash flow/ Dette totale. X2 = Revenu net / Total des actifs au bilan. X3 = Actif réalisable et disponible / Passif courant

X1 = Cash flow/ Dette totale. X2 = Revenu net / Total des actifs au bilan. X3 = Actif réalisable et disponible / Passif courant EXEMPLE : FAILLITE D ENTREPRISES Cet exemple a pour objectif d étudier la faillite d entreprises. Les données proviennent de l ouvrage de R.A.Johnson et D.W Wichern : Applied Multivariate Statistical Analysis»,

Plus en détail

Statistiques bivariées : corrélation et régression linéaire

Statistiques bivariées : corrélation et régression linéaire : corrélation et régression linéaire Activité d'introduction Ce chapitre de statistique est présenté avec l'objectif de promouvoir la réflexion des étudiants et leur faire remarquer que ces notions statistiques

Plus en détail

Déclassement d'actifs et stock brut de capital

Déclassement d'actifs et stock brut de capital Extrait de : La mesure du capital - Manuel de l'ocde 2009 Deuxième édition Accéder à cette publication : http://dx.doi.org/10.1787/9789264067752-fr Déclassement d'actifs et stock brut de capital Merci

Plus en détail

INTRODUCTION AU DATA MINING

INTRODUCTION AU DATA MINING INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre

Plus en détail

Collecter des informations statistiques

Collecter 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 détail

Test de Poisson à 1 échantillon et à 2 échantillons

Test de Poisson à 1 échantillon et à 2 échantillons Test de Poisson à 1 échantillon et à 2 échantillons Sous-menus de Minitab 15 : Stat>Statistiques élémentaires>test de Poisson à 1 échantillon Stat>Statistiques élémentaires>test de Poisson à 2 échantillons

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

Lycée Alexis de Tocqueville. BACCALAUREAT TECHNOLOGIQUE Blanc Corrigé. Série S.T.M.G. Février 2015 Épreuve de mathématiques.

Lycée Alexis de Tocqueville. BACCALAUREAT TECHNOLOGIQUE Blanc Corrigé. Série S.T.M.G. Février 2015 Épreuve de mathématiques. Lycée Alexis de Tocqueville BACCALAUREAT TECHNOLOGIQUE Blanc Corrigé Série S.T.M.G. Février 2015 Épreuve de mathématiques Durée 3 heures Le candidat traitera obligatoirement les quatre exercices ******

Plus en détail

Annexe 3. Budget type d une évaluation de l impact d un programme alimentaire scolaire

Annexe 3. Budget type d une évaluation de l impact d un programme alimentaire scolaire Annexe 3 Budget type d une évaluation de l impact d un programme alimentaire scolaire Phase I : Juillet 999 Décembre 2000 a Proposition de recherche sur l alimentation au niveau des écoles Evaluation de

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

UNE EXTENSION DU MODELE DE CONSOMMATION DES MENAGES L'OFFRE DE TRAVAIL

UNE EXTENSION DU MODELE DE CONSOMMATION DES MENAGES L'OFFRE DE TRAVAIL UNE EXTENSION DU MODELE DE CONSOMMATION DES MENAGES L'OFFRE DE TRAVAIL I P L A N... A Arbitrage entre consommation et travail B Effets de l'augmentation du salaire C Déterminants de l'offre du travail

Plus en détail

Baccalauréat professionnel CCF de mathématiques. Informations destinées au candidat

Baccalauréat professionnel CCF de mathématiques. Informations destinées au candidat Baccalauréat professionnel CCF de mathématiques Date de l évaluation : /. / 2013 Nom, Prénom...Classe : 1MVA Module : fonctions Thématique: vie sociale et loisir Informations destinées au candidat - Dans

Plus en détail

La régression logistique. Par Sonia NEJI et Anne-Hélène JIGOREL

La régression logistique. Par Sonia NEJI et Anne-Hélène JIGOREL La régression logistique Par Sonia NEJI et Anne-Hélène JIGOREL Introduction La régression logistique s applique au cas où: Y est qualitative à 2 modalités Xk qualitatives ou quantitatives Le plus souvent

Plus en détail

Enquête mensuelle de conjoncture auprès des ménages

Enquête mensuelle de conjoncture auprès des ménages Note Méthodologique Dernière mise à jour : 27-1-214 Enquête mensuelle de conjoncture auprès des ménages Présentation de l enquête L Insee réalise depuis janvier 1987 l enquête mensuelle de conjoncture

Plus en détail

Lancement d une enquête AFIP dans le cadre du colloque Diversité + Université = Chômage? Freins et perspectives pour accéder au marché de l emploi

Lancement d une enquête AFIP dans le cadre du colloque Diversité + Université = Chômage? Freins et perspectives pour accéder au marché de l emploi Centre de ressources et de recrutement pour les jeunes diplômés issus de l immigration Lancement d une enquête AFIP dans le cadre du colloque Diversité + Université = Chômage? Freins et perspectives pour

Plus en détail

Etude des propriétés empiriques du lasso par simulations

Etude des propriétés empiriques du lasso par simulations Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est

Plus en détail

Statistique II Inférence pour une et deux variables Introduction

Statistique II Inférence pour une et deux variables Introduction Faculté de psychologie Statistique II Inférence pour une et deux variables Introduction Support à l exposé oral Titulaire Bernadette Govaerts ISBA, LSBA et SMCS UCLouvain 28/08/15 P 1 28/08/15 P 2 Statistique

Plus en détail

Comment va la vie en France?

Comment va la vie en France? Comment va la vie en France? L Initiative du vivre mieux, lancée en 2011, se concentre sur les aspects de la vie qui importent aux gens et qui ont un impact sur leur qualité de vie. L Initiative comprend

Plus en détail

Heidi WECHTLER. Octobre 2005

Heidi WECHTLER. Octobre 2005 Heidi WECHTLER Le support aux analyses de données Séminaire GREGOR Octobre 2005 Support aux analyse de données du GREGOR Le poste Chargée d étude statistiques au GREGOR, bureau B126 (wechtler.iae@univ-paris1.fr)

Plus en détail

Le contrat de management

Le contrat de management Le contrat de management Check-list pour la négociation d un contrat de management AVERTISSEMENT : Nos check-lists ont pour but de vous aider à formuler certaines questions à se poser lorsque vous négociez

Plus en détail

Les variables indépendantes catégorielles

Les variables indépendantes catégorielles Les variables indépendantes catégorielles Jean-François Bickel Statistique II SP08 Jusqu à maintenant, nous avons considéré comme variables indépendantes uniquement des variables intervalles (âge) ou traitées

Plus en détail

Tableau synoptique du chapitre 7

Tableau synoptique du chapitre 7 Tableau synoptique du chapitre 7 Le rôle du superviseur dans le processus de rémunération Le superviseur peut être appelé à : participer à l évaluation des postes de ses employés. prendre des décisions

Plus en détail

Faits saillants du sondage auprès de la population québécoise sur la consommation de produits biologiques

Faits saillants du sondage auprès de la population québécoise sur la consommation de produits biologiques Faits saillants du sondage auprès de la population québécoise sur la consommation de produits biologiques Préparé par Filière biologique du Québec Lévis (Québec) Mai 2013 1. Profil des répondants Un échantillon

Plus en détail

Baccalauréat STG Mercatique Nouvelle-Calédonie 15 novembre 2012 Correction

Baccalauréat STG Mercatique Nouvelle-Calédonie 15 novembre 2012 Correction Baccalauréat STG Mercatique Nouvelle-Calédonie 15 novembre 2012 Correction EXERCICE 1 : TAUX D ÉVOLUTION 5 points Le tableau ci-dessous présente le nombre de voitures neuves vendues en France en 1980,

Plus en détail

Protocole d étude de l évaluation des résultats des centres de FIV 2011 1. -Activité 2011-

Protocole d étude de l évaluation des résultats des centres de FIV 2011 1. -Activité 2011- Protocole d étude Evaluation des résultats des centres de FIV -Activité 2011- Contexte Depuis 2005, l Agence de la biomédecine a pour mission de suivre et d évaluer les activités cliniques et biologiques

Plus en détail

PROGRAMME DE BOURSE POUR LA DÉTERMINATION ET LA PERSÉVÉRANCE

PROGRAMME DE BOURSE POUR LA DÉTERMINATION ET LA PERSÉVÉRANCE BOURSE D ÉTUDES KYK RADIO X DESCRIPTION GÉNÉRALE DU PROGRAMME Ce programme s adresse aux étudiants qui commencent ou qui poursuivent, à temps plein, un programme d études reconnu au Canada et conduisant

Plus en détail

Séance 1 : Prise en main de STATA CORRECTION. http://www.worldvaluessurvey.org/wvs.jsp. Allouer la mémoire nécessaire pour pouvoir ouvrir la base

Séance 1 : Prise en main de STATA CORRECTION. http://www.worldvaluessurvey.org/wvs.jsp. Allouer la mémoire nécessaire pour pouvoir ouvrir la base Marianne Tenand - TD d introduction à STATA Département d économie de l ENS (2015 2016) Séance 1 : Prise en main de STATA CORRECTION Base de données : World Values Survey (WWS) Issue d un projet de recherche

Plus en détail

Corrigé du baccalauréat STMG Métropole 18 juin 2015

Corrigé du baccalauréat STMG Métropole 18 juin 2015 orrigé du baccalauréat STMG Métropole 18 juin 215 Durée : 3 heures EXERIE 1 4 points Tous les ans, en août, Maïlys reçoit l échéancier (document indiquant le montant de sa cotisation annuelle) de sa mutuelle

Plus en détail