Chapitre 2: Série statistique à deux variables
|
|
- Marie-Jeanne Cardinal
- il y a 7 ans
- Total affichages :
Transcription
1 Outline Chapitre 2: Série statistique à deux variables Said, El Melhaoui Faculté des Sciences Juridiques, économiques et Sociales Oujda 1 Introduction 2 Covariance Propriétés 3 Coefficient de corrélation Propriétés 4 Ajustement linéaire simple Ajustement par la méthode des moindres carrés Qualité de l ajustement 5 Tableau de contingence Distributions marginales Distributions conditionnelles S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
2 Introduction Introduction Introduction Souvent on s interesse à l étude d un phénomène à travers plusieurs variables qui l influencent simultanément En particulier soient deux variables statistiques x et y. Pour chaque unité i on observe des valeurs : x i et y i ; la série bivariée est : {(x i, y i ), i = 1,...,n} Comment organiser les données d une grande taille dans un tableau? Existe t il une relation entre les deux variables x et y? Si oui, comment peut on mesurer son intensité? son sens? Peut on la formuler sous forme d une relation explicite (fonction, modèle)? Exemple 1 Le manager d un magasin s intéresse à la relation qui pourrait exister entre le nombre des spots publicitaires diffusés au cours du week-end et les ventes effectuées la semaine suivante. Il observe les données de dix semaines Numéro de la semaine Nombre de spots Volumes de ventes en 100 $ S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
3 Introduction Covariance Exemple 1 (suite) Pour schématiser cette relation on représente les points P 1 = (2, 50), P 2 = (5, 57),...,P 10 = (2, 46), le graphe ainsi obtenu est dit nuage de points de la covariance Afin de mesurer l intensité de la dépendance (liaison) entre deux variables x et y ainsi que son sens (positive ou négative), on définit la covariance de x et y Pour une série bivariée {(x i, y i ), i = 1,...,n}. la covariance est définie par S xy = cov(x, y) = 1 n (x i x)(y i ȳ) n S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
4 Covariance Covariance Propriétés de la covariance (suite) La covariance S xy sera positive si x ր y ր. En effet, dans ce cas les points qui ont la plus grande influence sur la valeur S xy sont les points P i (x i, y i ) qui vérifient (x i x) (y i ȳ) > 0: les points appartenant au cadrans II et IV La covariance S xy sera négative si x ր y ց. Dans ce cas les points qui ont la plus grande influence sur la valeur S xy sont les points P i (x i, y i ) qui vérifient (x i x) (y i ȳ) < 0: les points appartenant au cadrans I et III La covariance S xy sera presque nulle, s il n existe aucune relation entre les deux variables. En effet, dans ce cas les points P i (x i, y i ) appartenant au cadrans II et IV ont presque la même influence que ceux se trouvant aux cadrans I et III S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 Propriétés 1 La covariance est influencée par les changements d unités et se conserve par les changements des origines. Soit x 0 et y 0 deux réels et d x et d y deux réels non nuls. u et v sont les variables issues de x et y respectivement par le changement d origine et d unité suivant: Alors u = x x 0 d x et v = y y 0 d y cov(u, v) = cov(x, y). dxdy 2 Formule de Konig Huyghens. La covariance peut être écrite sous la forme suivante: S xy = cov(x, y) = 1 n (x i y i ) ( x ȳ). n S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
5 Covariance Propriétés Coefficient de corrélation Exemple 1 (suite) du coefficient de corrélation La formule de Konig Huyghens : cov(x, y) = (1677/10) (31/10) (510/10) = 9.6 >> 0 = Il y a une forte relation positive entre le volume des ventes et le nombre des spots publicitaires x i y i x i y i S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 La covariance est influencée par les changements d unités donc elle dépend des unités des deux variables ce qui relativise son interprétation on définit un coefficient dit le coefficient de corrélation de Bravais-Pearson ; ce coefficient mesure l intensité de la «dépendance linéaire» entre deux variables Pour une série bivariée {(x i, y i ), i = 1,...,n} telle que S x 0, S y 0, le coefficient de corrélation est le nombre r = S xy S x S y = cov(x, y) var(x) var(y). S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
6 Coefficient de corrélation Coefficient de corrélation coefficient de corrélation (suite) Forte corrélation positive r 0.88 r 1 quand tous les points observées sont situées à proximité d une même droite de pente positive : on parle d une forte corrélation positive r 1 quand tous les points observés sont situés à proximité d une même droite de pente négative : forte corrélation négative r 0 quand le nuage de points est allongé parallèlement à l un des axes de coordonnées ; les points forment un nuage arrondie : faible corrélation Remarque Une forte corrélation (liaison, dépendance) n indique pas nécessairement une relation de causalité (cause effet) Par exemple la variable ventes des glaces est fortement corrélée à la variable ventes des lunettes solaires, mais évidement aucune des deux variables ne cause l autre S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
7 Coefficient de corrélation Coefficient de corrélation Forte corrélation négative: r 0.72 Faible corrélation : r 0.2 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
8 Coefficient de corrélation Propriétés Coefficient de corrélation Propriétés Propriétés Exemple 1 (suite) 1 signe(r) = signe(cov(x, y)) 2 1 r 1 3 Formule de calcul: r = i ( i x 2 i ( i x i y i ) ( x i y i )/n i i x i ) 2 /n yi 2 ( i i y i ) 2 /n Le tableau permettant le calcul du coefficient de corrélation: 4 Le coefficient r est indépendant des unités des échelles de mesure. Ainsi, on a r xy = r uv quand u = (x x 0 )/d x et v = (y y 0 )/d y avec x 0 et y 0 R, d x et d y ]0,+ [ S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 Le coefficient de corrélation est : /10 r = / / = Forte corrélation entre le nombre des spots publicitaires et les ventes S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
9 Ajustement linéaire simple Ajustement linéaire simple Ajustement par la méthode des moindres carrés Ajustement linéaire simple Ajustement linéaire simple: Exemple L objectif c est de formuler la relation de dépendance statistique entre deux variables x et y La variable à expliquer sera notée y (variable réponse, variable dépendante) La variable explicative (indépendante) sera notée x La plus simple dépendance est celle d une relation linéaire de la forme y = a+bx où a et b sont deux réels appelés coefficients de régression La droite de régression (ou d ajustement) est la droite la plus proche du nuage des points : c est la droite qui ajuste le mieux l ensemble des données S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
10 Ajustement linéaire simple Ajustement par la méthode des moindres carrés Ajustement linéaire simple Ajustement par la méthode des moindres carrés Ajustement par la Méthode des Moindres Carrés Ajustement par la méthode des moindres carrés (suite) Soit {(x i, y i ); i = 1,...,n} une série statistique bivariée. Notons par ŷ i = a+bx i, i = 1,...,n les valeurs ajustés de la variable y par la variable x Alors, il est possible de calculer les résidus : e i = y i ŷ i = y i (a+bx i ) L idée de l ajustement est la minimisation des écarts (résidus) entre la valeur de l observation y i et la valeur ajustée ŷ i Il existes différentes méthodes : Minimiser n e2 i ou n e i ou médiane(e i ) ou... La méthode la plus simple est la Méthode des Moindres Carrés (MMC) qui consiste à la minimisation de la somme des carrés des résidus : n n Q(a, b) = ei 2 = (y i a bx i ) 2 Cherchons a et b qui minimise la quantité ci-dessus: Q(a, b) (i) = 0 ; a Q(a, b) (ii) = 0. b S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
11 Ajustement linéaire simple Ajustement par la méthode des moindres carrés Ajustement linéaire simple Ajustement par la méthode des moindres carrés Ajustement par la méthode des moindres carrés (suite) Ajustement par la méthode des moindres carrés (suite) La solution du problème est S xy b = Sx 2 a = ȳ b x En calculant les dérivées secondes, on peut montrer que la solution est bien un minimum (exercice!) Formule de calcul: b = ( i x i y i ) ( i xi 2 ( i i x i y i )/n i x i ) 2 /n Le point ( x, ȳ) centre de gravité du nuage appartient à la droite de régression : ȳ = a+b x = la moyenne ajustée est égale à la moyenne réelle : ŷ = a+bx = a+b x = ȳ = En moyenne l erreur d ajustement est nulle : ē = y ŷ = ȳ ŷ = 0 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
12 Ajustement linéaire simple Ajustement par la méthode des moindres carrés Ajustement linéaire simple Ajustement par la méthode des moindres carrés Exemple (suite) MMC: Exemple Le tableau permettant le calcul des coefficients de régression: N. B. Via la formule de la définition : b = S xy S 2 x = /10 (31/10) y = 4.59 x, pour une augmentation du nombre de spots par un ( x = 1) on a une augmentation de Y par y = 4.59 x = 0 implique ŷ = a = c est les ventes incompressible Les coefficients de la droite sont : a = ( i y i )/n b( i b = / / x i )/n = (510/10) 4.59 (31/10) S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 = l équation de la droite d ajustement : S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
13 Ajustement linéaire simple Qualité de l ajustement Ajustement linéaire simple Qualité de l ajustement Analyse de la variance (ANOVA) Le R-deux La variance de la variable à expliquer y se compose de deux parties: d une part la partie expliquée par la droite de régression dite la variance de régression d autre part la partie non expliquée par la régression dite la variance résiduelle On montre l equation de l ANOVA S 2 y = n (y i ŷ i ) 2 + = S 2 res + S 2 reg n (ŷ i ȳ) 2 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 On peut prouver que b = r S y S x b la pente de la droite et r sont de même signe, ainsi r > 0 droite d ajustement ascendante (ր) On montre que : S 2 reg = S 2 yr 2 r 2 = S2 reg S 2 y Le R-deux mesure le pourcentage de la variance de la variable réponse y expliqué linéairement par la variable explicative x Exemple: Le R-deux est r 2 = = = Environ 77.9% de la variabilité des ventes hebdomadaires est expliquée d une façon linéaire par la variabilité des nombres des spots publicitaires diffusés les week-end S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
14 Tableau de contingence Tableau de contingence Tableau de contingence Tableau de contingence Si la taille n de la population est assez grande le couple (x i, y j ) peut être observé plusieurs fois Soit n ij le nombre des unités dont les variables x et y ont pris respectivement les valeurs x i et y j : n ij est dit l effectif du couple (x i, y j ) On organise les données dans un tableau de contingence ou tableau double: { (xi, y j, n ij ), i = 1,...,p, j = 1,...,q } x \y y 1 y 2... y j... y q n i. x 1 n 11 n n 1j... n 1q n 1. x 2 n 21 n n 2j... n 2q n x i n i1 n i2... n ij... n iq n i x p n p1 n p2... n pj... n pq n p. n.j n.1 n.2... n.j... n.q n.. S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
15 Tableau de contingence Tableau de contingence Exemple Pour un échantillon composé de 20 licenciés à la FSJESO, on s intéresse au nombre x des 2 ième sessions présentées dans le 1 ière cycle et au nombre y des 2 ième sessions présentées dans le second cycle i x y i x y Les étudiants sans 2 ième session dans le premier cycle ont-ils plus de chances de réussite en 1 ière session que les autres? S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 Exemple (suite) Réorganisons de ces données dans un tableau: x \y y = 0 y = 1 y = 2 y = 3 y = 4 y = 5 n i. x = x = x = x = n.j La variable x a pris 4 valeurs ainsi p = 4, La variable y a pris 6 valeurs ainsi q = 6 et l effectif total est n = 20 L effectif n 11 = 2 indique que deux étudiants de l échantillon n ont jamais eu de 2 ième session (x = 0 et y = 0) L effectif n 34 = 1 indique qu un seul étudiant a eu deux 2 ième sessions en premier cycle et trois 2 ième sessions au second cycle (x = 2 et y = 3) S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
16 Tableau de contingence Tableau de contingence Distributions marginales Exemple (suite) Distributions marginales x \y y = 0 y = 1 y = 2 y = 3 y = 4 y = 5 n i. x = x = x = x = n.j L étude marginale de la série double est l étude d une seule série observée abstraction faite de l autre série La série marginale est donc une série univariée Ainsi on peut définir deux séries marginales La série marginale une en x La série marginale une en y n 1. = 11 indique que l effectif des étudiants n ayant jamais eu de 2 ième session en premier cycle est 11 n.4 = 5 indique que l effectif des étudiants ayant trois 2 ième session en second cycle est 5 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
17 Tableau de contingence Distributions marginales Tableau de contingence Distributions marginales Distribution marginale en x Distribution marginale en y La série marginale en x est la série {x i ; i = 1,...,n} ou encore {(x i, n i. ); i = 1,...,p} q où n i. = n ij sont les effectifs marginaux j=1 Les fréquences marginales en x sont f i. = n i. n La moyenne marginale de x est x = 1 n x i = 1 p n i. x i n n La variance marginale de x est Sx 2 = 1 n (x i x) 2 = 1 n n p n i. (x i x) 2 i = 1,...,p S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 La série marginale en y est la série { y j ; j = 1, 2,...,n } ou encore { (yj, n.j ); j = 1, 2,...,q } où n.j = q j=1 n ij sont les effectifs marginaux Les fréquences marginales en y sont f.j = n.j n La moyenne marginale de y est ȳ = 1 n y i = 1 q n.j y j n n La variance marginale de y est S 2 y = 1 n n (y i ȳ) 2 = 1 n j=1 q n.j (y j ȳ) 2 j=1 j = 1, 2,...,q S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
18 Tableau de contingence Distributions marginales Tableau de contingence Distributions marginales Exemple: la distribution marginale en x La moyenne de x est la variance de x est x i n i f i x = ( )/20 = 0.75 S 2 x = ( )/20 (0.75) 2 = Exemple: la distribution marginale en y y j n.j f.j La moyenne de y est ȳ = ( )/20 = 2.2 La variance de y est S 2 y = ( )/20 (2.2) 2 = 2.06 N. B. Notons que p n i. = p j=1 q n ij = q n.j = n j=1 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
19 Tableau de contingence Distributions marginales Tableau de contingence Distributions conditionnelles Réécriture de la covariance et le coefficient de Corrélation Distributions conditionnelles Remarques La covariance et le coefficient de corrélation de x et y sont : ( S xy = cov(x, y) = 1 p q 1 p (n ij x i y j ) n i. x i ) 1 n n n r = p ( p j=1 j=1 n i. x 2 i ( q p n ij x i y j ) ( n i. x i p n i. x i ) 2 q /n j=1 q n.j y j )/n j=1 n j. y 2 j ( q n.j y j j=1 q n.j y j ) 2 /n j=1 Parmi les étudiants n ayant jamais eu de 2 ème session dans le premier cycle (x = 0), quel est le pourcentage des étudiants réussissant avec une seule 2 ème session au second cycle (y = 1)? La réponse à cette question revient à calculer la fréquence des unités ayant y = 1 parmi ceux ayant x fixé à la valeur x = 0 L étude conditionnelle d une série observée est l étude de cette série en fixant la valeur de l autre série. On fixe x = x i, et on étudie la distribution des valeurs de y associées à x = x i S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
20 Tableau de contingence Distributions conditionnelles Tableau de contingence Distributions conditionnelles Distributions conditionnelles de y en x Distribution conditionnelle de x en y Fixons x = x i, la série conditionnelle de y en x = x i est la série univariée définie par y xi = { (y j, n ij ), j = 1,...,q } Les fréquences de cette série sont dites fréquences conditionnelles (profil-lignes) et elles sont définies par Fixons y = y j, la série conditionnelle de x en y = y j est la série univariée définie par x yj = { (x i, n ij ), i = 1,...,p } Les fréquences de cette série sont dites fréquences conditionnelles (profil-colonnes) et elles sont définies par f yj x i = f j i = n ij n i. ; j = 1,...,q f xi y j = f i j = n ij n.j ; i = 1,...,p On peut calculer aussi la moyenne, la variance,... conditionnelles: On peut calculer aussi la moyenne, la variance,... conditionnelles: ȳ xi = 1 q n ij y j ; Sy 2 n xi = 1 q n ij (y j ȳ xi ) 2 i. n i. j=1 j=1 x yj = 1 n.j p n ij x i ; Sx 2 yj = 1 p n ij (x i x yj ) 2 n.j S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41 S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
21 Tableau de contingence Distributions conditionnelles Combien il y a de distributions conditionnelles? Comme x prend p valeurs différentes, alors il existe p séries conditionnelles de y en x Comme y prend q valeurs différentes, alors il existe q séries conditionnelles de x en y Exemple: Nombre moyen de secondes sessions au second cycle sachant le nombre de secondes sessions dans le premier cycle : x j ȳ xi S., El Melhaoui (FSJESO) Série statistique univariée 12/ / 41
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 détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailCorrection du bac blanc CFE Mercatique
Correction du bac blanc CFE Mercatique Exercice 1 (4,5 points) Le tableau suivant donne l évolution du nombre de bénéficiaires de minima sociaux en milliers : Année 2002 2003 2004 2005 2006 2007 2008 2009
Plus en détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
Plus en détailSTATISTIQUES. UE Modélisation pour la biologie
STATISTIQUES UE Modélisation pour la biologie 2011 Cadre Général n individus: 1, 2,..., n Y variable à expliquer : Y = (y 1, y 2,..., y n ), y i R Modèle: Y = Xθ + ε X matrice du plan d expériences θ paramètres
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailThéorie des sondages : cours 5
Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailThéorie et codage de l information
Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q
Plus en détailRésumé du Cours de Statistique Descriptive. Yves Tillé
Résumé du Cours de Statistique Descriptive Yves Tillé 15 décembre 2010 2 Objectif et moyens Objectifs du cours Apprendre les principales techniques de statistique descriptive univariée et bivariée. Être
Plus en détailUNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES. Éric TÉROUANNE 1
33 Math. Inf. Sci. hum., (33 e année, n 130, 1995, pp.33-42) UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES Éric TÉROUANNE 1 RÉSUMÉ Le stéréogramme de liaison est
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailHedging delta et gamma neutre d un option digitale
Hedging delta et gamma neutre d un option digitale Daniel Herlemont 1 Introduction L objectif de ce projet est d examiner la couverture delta-gamma neutre d un portefeuille d options digitales Asset-Or-Nothing
Plus en détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailBaccalauréat ES Amérique du Nord 4 juin 2008
Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en détailRégression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr
Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R
Plus en détailLe Modèle Linéaire par l exemple :
Publications du Laboratoire de Statistique et Probabilités Le Modèle Linéaire par l exemple : Régression, Analyse de la Variance,... Jean-Marc Azaïs et Jean-Marc Bardet Laboratoire de Statistique et Probabilités
Plus en détailChapitre 2/ La fonction de consommation et la fonction d épargne
hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation
Plus en détailABS 2RM : quels effets observés sur la fréquence accident?
ABS 2RM : quels effets observés sur la fréquence accident? Bertrand Nelva-Pasqual, Mutuelle des Motards Journées Scientifiques "Deux-roues motorisés" 15 et 16 octobre 2013, Lyon-Bron Groupe d Échanges
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailTRACER LE GRAPHE D'UNE FONCTION
TRACER LE GRAPHE D'UNE FONCTION Sommaire 1. Méthodologie : comment tracer le graphe d'une fonction... 1 En combinant les concepts de dérivée première et seconde, il est maintenant possible de tracer le
Plus en détailIntégrales doubles et triples - M
Intégrales s et - fournie@mip.ups-tlse.fr 1/27 - Intégrales (rappel) Rappels Approximation éfinition : Intégrale définie Soit f définie continue sur I = [a, b] telle que f (x) > 3 2.5 2 1.5 1.5.5 1 1.5
Plus en détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailSOMMAIRE OPÉRATIONS COURANTES OPÉRATIONS D INVENTAIRE
SOMMAIRE OPÉRATIONS COURANTES OPÉRATIONS D INVENTAIRE 1 Factures de doit p. 9 Processus 1 2 Réductions sur factures de doit p. 11 Processus 1 3 Frais accessoires sur factures p. 13 Processus 1 4 Comptabilisation
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailComplément d information concernant la fiche de concordance
Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailCorrection du baccalauréat STMG Polynésie 17 juin 2014
Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé
Plus en détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailTABLE 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 détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailUne comparaison de méthodes de discrimination des masses de véhicules automobiles
p.1/34 Une comparaison de méthodes de discrimination des masses de véhicules automobiles A. Rakotomamonjy, R. Le Riche et D. Gualandris INSA de Rouen / CNRS 1884 et SMS / PSA Enquêtes en clientèle dans
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
Plus en détailExemples d application
AgroParisTech Exemples d application du modèle linéaire E Lebarbier, S Robin Table des matières 1 Introduction 4 11 Avertissement 4 12 Notations 4 2 Régression linéaire simple 7 21 Présentation 7 211 Objectif
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailERRATA ET AJOUTS. ( t) 2 s2 dt (4.7) Chapitre 2, p. 64, l équation se lit comme suit : Taux effectif = 1+
ERRATA ET AJOUTS Chapitre, p. 64, l équation se lit comme suit : 008, Taux effectif = 1+ 0 0816 =, Chapitre 3, p. 84, l équation se lit comme suit : 0, 075 1 000 C = = 37, 50$ Chapitre 4, p. 108, note
Plus en détailAUTRES ASPECTS DU GPS. Partie I : tolérance de Battement Partie II : tolérancement par frontières
AUTRES ASPECTS DU GPS Partie I : tolérance de Battement Partie II : tolérancement par frontières 1 Partie I Tolérance de battement Défaut de Battement Défautconjuguéde forme, orientation et position, constatélorsde
Plus en détailOptimisation des ressources des produits automobile première
EURIA EURo Optimisation produits automobile première Pauline PERROT promotion 2011 EURIA EURo 1 ère partie : contexte MMA (FFSA) MAAF (GEMA) SGAM : COVEA (AFA) GMF (GEMA) MMA : Plus 3 millions clients
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailLa structure de la base de données et l utilisation de PAST. Musée Royal de l Afrique Centrale (MRAC Tervuren)
La structure de la base de données et l utilisation de PAST La structure de la base de données données originales SPÉCIMENS Code des spécimens: Identification des spécimens individuels. Dépend du but de
Plus en détailCours Informatique Master STEP
Cours Informatique Master STEP Bases de la programmation: Compilateurs/logiciels Algorithmique et structure d'un programme Programmation en langage structuré (Fortran 90) Variables, expressions, instructions
Plus en détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en détailLes coûts de la production. Microéconomie, chapitre 7
Les coûts de la production Microéconomie, chapitre 7 1 Sujets à aborder Quels coûts faut-il considérer? Coûts à court terme Coûts à long terme Courbes de coûts de court et de long terme Rendements d échelle
Plus en détailLa fumée de tabac secondaire (FTS) en Mauricie et au Centre-du- Québec, indicateurs du plan commun tirés de l ESCC de 2007-2008
La fumée de tabac secondaire (FTS) en Mauricie et au Centre-du- Québec, indicateurs du plan commun tirés de l ESCC de 2007-2008 Ce document se veut une analyse succincte des indicateurs se rapportant à
Plus en détailExemples de problèmes et d applications. INF6953 Exemples de problèmes 1
Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailChapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailThéorie des Graphes Cours 3: Forêts et Arbres II / Modélisation
IFIPS S7 - informatique Université Paris-Sud 11 1er semestre 2009/2010 Théorie des Graphes Cours 3: Forêts et Arbres II / 1 Forêts et arbres II Théorème 1.1. Les assertions suivantes sont équivalentes
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailChapitre VI - Méthodes de factorisation
Université Pierre et Marie Curie Cours de cryptographie MM067-2012/13 Alain Kraus Chapitre VI - Méthodes de factorisation Le problème de la factorisation des grands entiers est a priori très difficile.
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailFctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines
FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html
Plus en détailExercice 1 Trouver l équation du plan tangent pour chaque surface ci-dessous, au point (x 0,y 0,z 0 ) donné :
Enoncés : Stephan de Bièvre Corrections : Johannes Huebschmann Exo7 Plans tangents à un graphe, différentiabilité Exercice 1 Trouver l équation du plan tangent pour chaque surface ci-dessous, au point
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailISFA 2 année 2002-2003. Les questions sont en grande partie indépendantes. Merci d utiliser l espace imparti pour vos réponses.
On considère la matrice de données : ISFA 2 année 22-23 Les questions sont en grande partie indépendantes Merci d utiliser l espace imparti pour vos réponses > ele JCVGE FM1 GM JCRB FM2 JMLP Paris 61 29
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailExemples d utilisation de G2D à l oral de Centrale
Exemples d utilisation de G2D à l oral de Centrale 1 Table des matières Page 1 : Binaire liquide-vapeur isotherme et isobare Page 2 : Page 3 : Page 4 : Page 5 : Page 6 : intéressant facile facile sauf
Plus en détailTerminale STMG Lycée Jean Vilar 2014/2015. Terminale STMG. O. Lader
Terminale STMG O. Lader Table des matières Interrogation 1 : Indice et taux d évolution........................... 2 Devoir maison 1 : Taux d évolution................................ 4 Devoir maison 1
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailMathématiques appliquées à l'économie et à la Gestion
Mathématiques appliquées à l'économie et à la Gestion Mr Makrem Ben Jeddou Mme Hababou Hella Université Virtuelle de Tunis 2008 Continuité et dérivation1 1- La continuité Théorème : On considère un intervalle
Plus en détailLogistique, Transports
Baccalauréat Professionnel Logistique, Transports 1. France, juin 2006 1 2. Transport, France, juin 2005 2 3. Transport, France, juin 2004 4 4. Transport eploitation, France, juin 2003 6 5. Transport,
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailLe parcours professionnel des chômeurs de longue durée en Suisse
Le parcours professionnel des chômeurs de longue durée en Suisse Cet article présente les premiers résultats d un projet de recherche qui étudie le parcours professionnel de personnes confrontées au chômage
Plus en détail