MODULE 1 : Concepts de la théorie de l échantillonnage
|
|
- Gilbert Beaudet
- il y a 7 ans
- Total affichages :
Transcription
1 MODULE : Concepts de la théorie de l échantillonnage Objectif du module : Présentation de l échantillonnage Auteur : Hugues Fournel Leçon : EchM Contenu du module Ce module contient 5 leçons Leçon : Notion de population et d échantillon Leçon 2 : Les différentes étapes d une enquête Leçon 3 : Méthodes de prélèvement d un échantillon Leçon 4 : Caractéristiques de population et d échantillon 2
2 Leçon : Notion de population et d échantillon Objectif de la leçon : Poser les notions de population, d échantillon, d inférence statistique Auteur : Hugues Fournel Leçon : EchM 3 Notion de population et d échantillon Population: l'ensemble complet des unités qu'on désire étudier Échantillon: tout sous-ensemble de la population Paramètre: mesure utilisée pour décrire la population Statistique (paramètre de l échantillon): mesure utilisée pour décrire un échantillon 4 Remarque: un même ensemble d'unités d'observation peut être considéré, selon la question à l'étude, comme un échantillon ou une population. Exemple: considérons la classe des étudiants de L3 MV. Si on étudie les résultats de la promotion actuelle des L3 MV l'ensemble des personnes inscrites à ce cours forme une population; la moyenne des notes des étudiants est alors un paramètre (ou paramètre de la population) Si, par contre, on s'intéresse aux résultats des étudiants de l ISEM, la classe L3MV forme un échantillon; la note moyenne de la classe est alors un indice statistique ou paramètre de l échantillon 2
3 Objectif de l inférence statistique Le but de l'inférence est de généraliser les résultats obtenus auprès d'un échantillon pour décrire la population. Plus précisément, les paramètres de l échantillon sont utilisés pour estimer les paramètres de la population. Notations Pour distinguer entre les paramètres de la population et ceux de(s) l échantillon(s), on utilisera les notations suivantes : Caractéristique Population Échantillon Moyenne m x Écart type σ S Nombre d'unités N n Pourcentage p F ou f Notion d échantillon théorique et empirique 5 Importance de l échantillonnage L'échantillonnage est courant dans la vie de tout les jours exemple : on goûte le vin avant de le servir, etc. Le but de l'échantillonnage est de fournir suffisamment d'informations pour que des inférences concernant la population puissent être faites. En fait, dans nombre de cas, il s'avère tout simplement impossible d'étudier toute la population, parce que ce serait risqué, paradoxal ou trop exigeant. Lors de l'échantillonnage, on tente de choisir un sous-ensemble de la population qui représente le plus fidèlement possible les caractéristiques (à l'étude) de la population 6 3
4 Importance de l échantillonnage Mais il est impossible de choisir un échantillon qui soit parfaitement représentatif de la population. Il est rare que le paramètre obtenu pour un échantillon prenne exactement la même valeur que le paramètre de la population que l'on désire estimer. Exemple: la moyenne du revenu des gens de cette classe est possiblement proche de la valeur moyenne pour tous les étudiants de l ISEM, mais pas nécessairement identique Il est donc impossible d'éliminer l'erreur d'échantillonnage Mais le principe de l échantillonnage est de tenir compte de ce type d'erreur. Remarque : la seule façon d'éliminer complètement cette erreur serait d'étudier l'ensemble de la population. 7 Avantages de l échantillonnage Le coût et la complexité Il s'avère souvent moins coûteux et moins complexe de prendre un échantillon que d étudier l ensemble de la population Exemple: mise sur le marché d'un nouveau produit Précision des résultats échantillonnaux Les résultats de petits échantillons fournissent parfois toute l'information nécessaire Exemple: une prise de sang Situations paradoxales Lorsque la mesure a un impact sur l'unité d'observation, il peut être paradoxal de tester toutes les unités Exemple: tester la durée de fonctionnement des ampoules Population fluctuante La population peut changer le temps que se déroule l'observation Exemple: recensement global de la population 8 4
5 Leçon 2 : Les différentes étapes d une enquête Objectif de la leçon : Découvrir les étapes d une enquête Replacer l échantillonnage dans le contexte d une enquête Auteur : Hugues Fournel Leçon : EchM_L2 9 Rappels : L'information n'existe pas ou n'est pas disponible Le sondage est le seul moyen pour obtenir l'information L'information sera collectée sur le terrain Le public concerné par l'étude de marché va être interrogé Le sondage : une définition Un sondage est une enquête ponctuelle qui consiste à construire un échantillon à partir d'une population de base déterminée. Les personnes faisant partie de l'échantillon sont interrogées à l'aide d'un questionnaire et les réponses obtenues sont ensuite extrapolées à la population de base. (inférence) 0 5
6 Les étapes d une étude par enquête Elaboration du Questionnaire Objectifs et contraintes Base de sondage Echantillonnage Collecte des données Codification, saisie Contrôles Estimation, redressements Analyse des données Publication, évaluation Objectifs et contraintes : Définition des variables d intérêt Champ de l enquête (population) Précisions souhaitées Les contraintes (coût, organisationnelle) 2 Recherche d une base de sondage : ex fichier client,annuaire Dépend de l existant, du mode d administration En cas d absence de base de sondage on peut : envisager un sondage empirique (méthode des quotas, choix raisonnés ) rechercher des bases de niveau intermédiaire (ex foyer d accueil) rechercher des bases de population intermédiaire 3 Tirer l échantillon : sélectionner les individus dans la base de sondage Plusieurs plan de sondages sont possibles (Cf leçon suivante) 6
7 4 Le questionnaire 4. Quatre thèmes sont généralement abordés dans les enquêtes marketing : Identité Comportement (notoriété, possession, achat, usage du produit) Motifs : découvrir les raisons de son comportement Besoins et attentes Motivations et freins Attitudes, critères, intentions Opinions et valeurs Préférences Satisfaction / Insatisfaction Image Valeurs Style de vie 4.2 L art du questionnaire Introduire le questionnaire Structurer le questionnaire en thèmes Utiliser un langage clair, adapté à l enquêté Commencer par une question facile Vérifier que tous les objectifs de départ seront atteints Anticiper les traitements futurs Ne pas partir avec des a priori Ne pas oublier le signalétique 7
8 5 La collecte des données (ou mode d administration de l enquête) Différents mode de collecte : observation directe interview directe (face à face) enquête par téléphone enquête postale enquête par internet ( ou sur Formulaire) prise de rendez-vous par téléphone puis mode de collecte direct système de saisie CAPI et CATI (Computed Assisted Téléphone Interview) Mode de collecte, questionnaire et plan de sondage ne sont pas interchangeables Prévoir des relances et des contrôles pour tester la conformité du comportement des enquêteurs aux instructions 6 Codification, saisie des réponses 6. les différents types de variables Variables qualitatives nominales (3 types): Réponses dichotomiques (Oui/Non) Réponses à plusieurs modalités : ex : couleur des yeux (Bleu/Vert/Noisette/...) Réponses à choix multiples Variable qualitatives ordinales variables dont les modalités sont ordonnées selon une gradation ex : Très important / important / peu important / très peu important Variables quantitatives : Les réponses se présentent sous la forme d un nombre ex : le revenu, l âge 8
9 6.2 exemple dans Sphinx Question fermée unique toutes les modalités possibles sont proposées, une seule réponse est enregistrée Question fermée multiple toutes les modalités possibles sont proposées, Plusieurs réponses sont possibles Question fermée échelle toutes les modalités possibles sont proposées, Les modalités sont ordonnées Question ouverte numérique Correspond aux variables quantitatives Question ouverte textuelle Texte transcrivant la réponse de l enquêté. Autres types Code, date, images, Ex : Sexe de l individu Homme / Femme Ex : Quelle radio écoutez-vous? Ex : Pour ce produit, êtes vous? Satisfait,Moyennement satisfait Pas du tout satisfait Ex : Quel âge avez-vous? Ex : Avez-vous d autres Commentaires? 7 Contrôle et redressements Avant les premiers résultats Vérification des quotas Vérification des filtres et renvois Contrôle du taux de réponse Tris par enquêteur Le cas échéant, envisager des redressements : Calcul des poids Réaffectation aux individus 9
10 8 : l analyse ou dépouillement. Les analyses descriptives simples. le tris à plat On appelle tableau à plat, la répartition des observations pour une variable (question) Pour les variables quantitatives il est possible : de calculer la moyenne (et son écart type) sur l ensemble de la population, de créer à partir de cette variable une variable qualitative (la mettre en classe). Exemple pour une variable qualitative : Nb. cit. Fréq. SEXE Homme Femme TOTAL OBS. AGE Moins de 20 De 20 à 30 De 30 à 40 De 40 à 50 De 50 à 60 De 60 à 70 Plus de 70 TOTAL OBS ,0% 02 5,0% % Nb. cit. Fréq. 7 3,5% 4 20,5% 56 28,0% 67 33,5% 3 6,5% 3 6,5% 3,5% % Minimum = 7, Maximum = 8 Moyenne = 38,79 L édition des tris à plat de l ensemble des questions pour tous les individus est utilisé : Pour avoir une vue globale des réponses des individus Pour vérifier les quotas et éventuellement envisager un redressement Pour permettre, par une simple lecture de détecter des anomalies de saisies, des réponses aberrantes. (Exemple des filtres non respectés). Pour recoder certaines variables. (Exemple de la modalité de réponses autres ayant une fréquence trop élevée. -> on va recodifier ces réponses autres en créant de nouvelles modalités.) Pour envisager la transformation ou la création de nouvelles variables. (par exemple convertir un âge en classe d âge, ou encore regrouper des modalités ayant une fréquence d apparition trop faible). 0
11 .2 les tris croisés On appelle tris croisés ou tableaux croisés ou encore tableau de contingence la répartition des observations selon deux questions Tris croisés entre variables qualitatives : exemple tris entre la question possédez-vous une voiture et le sexe Effectifs Pourcentages colonnes POSSESSION SEXE Homme Femme TOTAL Oui Non TOTAL POSSESSION SEXE Homme Femme TOTAL Oui Non TOTAL 52,0% 28,0% 49,0% 48,0% 72,0% 5,0% 00% 00% 00% Pourcentages lignes POSSESSION SEXE Homme Femme TOTAL Oui Non TOTAL 92,9% 7,% 00% 82,4% 7,6% 00% 87,5% 2,5% 00% Pourcentages par rapport au total POSSESSION SEXE Homme Femme TOTAL Oui Non TOTAL 45,5% 3,5% 49,0% 42,0% 9,0% 5,0% 87,5% 2,5% Tableau de moyennes Pour le croisement d une variable qualitative avec une variable quantitative il est possible de calculer des moyennes selon les modalités de la variable qualitative. Note d appréciation moyenne du véhicule en fonction de la catégorie socio professionnelle (CSP) Les valeurs encadrées correspondent à des moyennes par catégories différentes de l ensemble de l échantillon CSP Non réponse Agriculteur Commerçant, artisan Cadre Employé Ouvrier Chomeur Etudiant Inactif Autre TOTAL NOTE 3,74 0,7 4,33 4,97 3,42,27,08 2,78 3,8 3,3 3,23
12 Pour les tris croisés, on peut distinguer : les tris croisés avec les variables signalétiques Ils permettent de caractériser les réponses à une question, autrement dit d expliquer les réponses par un caractère de l individu (par exemple sa CSP) les tris croisés entre les variables du questionnaire Définis préalablement ou pendant l analyse, ces tris permettent d infirmer ou de confirmer certaines hypothèses.3 les strates de population Une strate est un sous-ensemble des observations qui répondent à tel ou tel critères. L utilisation de strate permet d analyser les réponses d une certaine catégorie d individus. On parle ici de tris filtrés. 2. Les analyses multidimentionnelles Elles permettent de prendre en compte simultanément les réponses à un ensemble de questions Les analyses Factorielles Leur but est de représenter un grand nombre de variables dans un espace de faible dimension grâce à l existence de corrélation entre certaines variables. L analyse d un ensemble de variables numériques : l analyse en composantes principales Analyse d un tris croisés : l analyse factorielle des correspondances L analyse d un ensemble de variables qualitatives : l analyse factorielle des correspondances multiples Les classifications et typologies Elles permettent de regrouper au sein de classes des individus ayant un comportement proche. Ces classes seront par la suite caractérisées par les variables signalétiques par exemple 2
13 9 La présentation des résultats 2 ou 3 questions du demandeur Problème de la présentation Sélectionner les 5 ou 6 tableaux Questionnaire de 30 questions d où on tire 4 ou 5 graphiques 00 tableaux (tris à plats, croisés, ) pour argumenter à l aide de 3 ou 4 chiffres + de 000 chiffres les 2 ou 3 réponses que le demandeur attend Conclusion Leçon C est après un effort de synthèse et de simplification que l étude peut déboucher sur l aide à la décision Il faut donc sélectionner les informations les plus sûres au regard de la méthode et les plus utiles pour l action. 3
14 Leçon 3 : Méthodes de prélèvement d un échantillon Objectif de la leçon : Présentation des différents types de sondage Auteur : Hugues Fournel Leçon : EchM_L2 27 Échantillonnage aléatoire Définition: un échantillon est dit aléatoire lorsque la probabilité de sélection de chaque individu de la population est connue et non nulle Avantage: permet de juger objectivement de la valeur des estimations Plusieurs types de sondage: aléatoire simple, stratifié par grappes Dans certains cas, l équiprobabilité n est pas respectée volontairement (cas de l aléatoire pondéré, stratifié avec allocation non proportionnelle) 28 4
15 29 Tirage aléatoire simple Tirage aléatoire simple Définition: le tirage aléatoire simple est une méthode pour laquelle : - tous les échantillons possibles (de même taille) ont la même probabilité d'être choisis - tous les éléments de la population ont une chance égale de faire partie de l'échantillon Pour choisir les unités, on peut utiliser la «technique du chapeau», une table de nombres aléatoires, un tirage aléatoire de numéro de téléphone Exemple : dans une classe de 20 personnes, on désire choisir un échantillon aléatoire simple de 5 individus. Le nombre de combinaisons possibles est donné par : 20! C 5 20 = = !! ( 20 5) Par conséquent, chaque tirage ar une probabilité de /5504 d'être choisie et chaque personne doit avoir une probabilité de 5/20 = /4 de se retrouver dans l'échantillon. Tirage stratifié Définition du cas général: l'échantillonnage stratifié est une méthode qui consiste d'abord à subdiviser la population en groupes homogènes (strates) pour ensuite extraire un échantillon aléatoire de chaque strate Cette méthode suppose la connaissance de la structure de la population Pour estimer les paramètres, les résultats doivent être pondérés par l'importance relative de chaque strate dans la population Exemple: Pour estimer les revenus moyens des étudiants/es de l ISEM, on prend un échantillon aléatoire de 0 individus dans chaque formation. Ainsi on est sûr que l ensemble des formations sera couvert, mais il y a-til vraiment un rapport entre le revenu et la formation suivie? Plusieurs mode de tirage stratifié : Avec allocation proportionnelle Avec allocation non proportionnelle 30 5
16 3 Tirage stratifié avec allocation proportionnelle Définition: l'échantillonnage stratifié avec allocation proportionnelle consiste à subdiviser la population en groupes homogènes (strates) pour ensuite extraire un échantillon aléatoire de chaque strate en utilisant le même taux de sondage dans chaque strate. Avantage : l échantillon respectera la répartition de la population Exemple: on souhaite étudier la consommation d eau pour l année N des clients d une compagnie de distribution d eau. On effectue des strate selon le type de client et l analyse du fichier client nous en donne la répartition particulier résidant en appartement, (30% des clients) particulier résident en maison individuelle, (35%) professionnels, (25%) collectivité territoriale (commune) (0%) Le nombre total de client étant de 00000, si on utilise un taux de sondage de 0,% on interrogera : 30 particuliers résidant en appartement, 35 particulier résident en maison individuelle, 25 professionnels, 0 communes Tirage stratifié avec allocation non proportionnelle Définition: l'échantillonnage stratifié avec allocation non proportionnelle est un tirage stratifié dans lequel le taux de sondage est différent d une strate à l autre. Dans l exemple précédent, comme les commune et les professionnels ont des consommations plus élevés et surtout plus variables que les particuliers on pourrait appliquer le tirage suivant : 0 particuliers résidant en appartement, (soit un taux de 0,03%) 5 particulier résident en maison individuelle, (soit un taux de 0,04%) 35 professionnels, (soit un taux de 0,4%) 40 communes (soit un taux de 0,40%) Avantage : en donnant plus de poids aux catégories ayant des consommations plus élevées l erreur commise sera moindre Il sera nécessaire de redresser les résultats totaux pour estimer la consommation globale 32 6
17 Tirage stratifié avec allocation optimale Définition: l'échantillonnage stratifié avec allocation optimale consiste à calculer un taux de sondage de chaque grappe en fonction de la variance du paramètre. Dans l exemple précédent, on pourrait utiliser la consommation en N- et calculer les variances et consommations moyennes en N- de chaque strate et utiliser ces résultats pour minimiser l erreur commise 33 Echantillonnage par grappe Définition: l'échantillonnage par grappes est une méthode qui consiste à choisir un échantillon aléatoire d'unités qui sont ellesmêmes des sous-ensembles de la population («grappes») Cette méthode suppose que les unités de chaque grappe sont représentatives Elle possède l'avantage d'être souvent plus économique Exemple: la compagnie aérienne «Aircool» souhaite étudier la satisfaction de ses passagers au cours de leur voyage. Un questionnaire papier doit être administré afin de recueillir les impressions sur le vol (embarquement, temps d attentes, amabilités, respect des horaires ) Un sondage aléatoire simple conduirait a interroger : 2 passagers du vol n Paris/New York du 6/0 passager du vol n Londres/Moscou du 7/0 passager du vol n 5224 Paris/Tokyo du 7/0. L administration de ce questionnaire aura dans ce cas un coût considérable (et sera même certainement impossible à réaliser) 34 7
18 Echantillonnage par grappe Le principe du sondage en grappe consistera à : tirer aléatoirement des vols parmi l ensemble des vols de la compagnie Dans ces vols, interroger aléatoirement un grand nombre de passagers (voir tous) L avantage sera une réduction du coût d administration de l enquête Inconvénient : que se passe-t-il si un au cours d un des vols sélectionnés il y a un incident (par exemple un retard). On ne peut par remonter à l unité statistique primaire (par exemple comparer les différentes destinations entre elles) 35 Les méthodes de sondages empiriques On classe ici les méthodes de sondages non aléatoires Avantages : Coût d administration moins important Utilisées quand il n y a pas de base de sondage Inconvénients : Validité des échantillons est subjective Les échantillons sont souvent biaisés La variance des estimateurs n est pas calculable Plusieurs méthodes : Échantillonnage dans la rue Méthode des unités types (Echantillonnage sur la base du jugement) Méthode des itinéraires Méthode des quotas 36 8
19 Échantillonnage sur le base du jugement Définition: un échantillon formé sur la base du jugement est un échantillon formé à partir de l'opinion d'une ou de plusieurs personnes (unités types) suffisamment éclairées pour identifier les unités qui représentent adéquatement la population. Exemple: une commune française est réputée pour donner les même résultats aux élections qu au niveau national Avantage: constitue un net avantage lorsque des individus compétents ont une expérience pertinente Inconvénient: il est difficile d'évaluer objectivement jusqu'à quel point l'échantillon est représentatif 37 La méthode des quotas Elle consiste à s assurer de la représentativité de l échantillon en lui affectant une structure similaire à celle de la population de base. On fixe donc quelques caractéristiques dont on connaît la répartition dans la population (souvent le sexe, la tranche d âge, la CSP, ). Leur choix dépend de : De ce qu on connait dans la population (statistiques disponibles) Doivent être identifiables par les enquêteur Doivent en rapport avec le thème de l enquête Ne doivent pas être trop nombreux On distinguera Quotas Simples et Quotas croisés : Quotas simples : le nombre d individus à interroger est fixé selon la répartition des individus de la population dans chacune des variables (dans le tris à plat). Quotas croisés : le nombre d individus à interroger est fixé selon la répartition des individus de la population dans le tableau croisés des variables. 38 9
20 Exemple de quota simple : Sexe Total Homme Femme Population % 54% 46% Echantillon Tranche Age moins 25 De 25 à 45 De 45 à 65 ans et Total ans ans 65 ans plus Population % 28% 32% 20% Echantillon Exemple de quota croisé : Population Effectifs moins 25 ans De 25 à 45 ans De 45 à 65 ans 65 ans et plus Total Homme Femme Total %/total moins 25 ans De 25 à 45 ans De 45 à 65 ans 65 ans et plus Total Homme 8% 6% 20% 0% 54% Femme 2% 2% 2% 0% 46% Total 20% 28% 32% 20% 00% Taille de l'échantillon : 200 Echantillon Effectifs moins 25 ans De 25 à 45 ans De 45 à 65 ans 65 ans et plus Total Homme Femme Total Voir le fichier excel (Quotas) 20
21 Leçon 4 : Caractéristiques de population et d échantillon Objectif de la leçon : Rappels des calculs des différentes caratéristiques Auteur : Hugues Fournel Leçon : EchM_L4 4 Caractéristiques de l échantillon théorique moyenne empirique notée : variance empirique notée : moment non centré empirique d ordre r : moment centré empirique d ordre r: Proportion : X F = n X = X = m n i ' 2 2 ' S = (Xi X) = µ 2 n n = r = r mr X f i ix n i i= n n ' r r µ r = (Xi X) = fi ( Xi X) n i= i= C est le nombre d unités possédant la caractéristique étudiée divisé par l effectif de l échantillon. Elle est souvent exprimée en pourcentage 42 2
22 Caractéristiques de la population (caractéristiques théoriques) 43 moment non centré d ordre r moment non centré d ordre (moyenne) La variance p : proportion dans la population m Cas continu χ Cas discret = E X r = x r r f( x) dx r k mr = E[ X ] = x p m = E[ X] = xf ( x) dx m = E[ X] = µ χ x χ x χ xp x = V[X] = E[ X E(X) ] µ = V[X] = E [ X E(X) ] = ( x m ) 2 2 f(x)dx = ( x m) px χ X p = N m = E X [ ] = x χ V[X] = N N N x χ X p = N x ( x i m) i= 2 x 2 Synthèse des notations La moyenne Caractéristiques de la population m Caractéristiques correspondantes dans l échantillon théorique X La variance 2 = 2 2 σ V[X] S ou Ŝ Moment non centré d ordre r m r m r La proportion p F 44 22
23 Exercice EchML3_Ex0 Une population de 30 étudiants a obtenu les notes suivantes à un examen : Calculer l espérance et la variance de cette variable N Note/00 N Note/ m = E X N [ ] = 30 x χ x 987 m = x = [X] = N i= i = 66,2333 N 2 N 2 2 V ( x i m) V[X] = x i m i= N i= 6083,37 V [X] = = 202, V[X] = 66, = 202,78 45 Exercice EchML3_Ex Les statistiques du recensement d une région donne le nombre de familles ayant 0,, 2 enfants de moins de 25 ans. Calculer l espérance et la variance de cette variable. Espérance mathématique : Nb d'enfants Nb Familles pi 46,89% 22,25% 20,09% 7,37% 2,47% 0,7% 0,22% xipi 0,0000 0,2225 0,408 0,22 0,0989 0,0355 0,034 0,993 [ ] = xp = 0,993 m = E X x χ x 46 23
24 Variance V(X) = ( x ) x χ m 2 p x x i n i p i x i p i x i -m (x i -m)² (x i -m)²p i x i ²p i ,89% 0, ,25% 0, ,09% 0, ,37% 0, ,47% 0, ,7% 0, ,22% 0,034-0,993 0,0069,0069 2,0069 3,0069 4,0069 5,0069 0,9863 0,0000,038 4,0275 9,042 6, ,0687 0,4625 0,0000 0,2037 0,2968 0,2235 0,39 0,0559 0,0000 0,2225 0,8036 0,6633 0,3955 0,774 0, ,993,3563 2, V(X) V(X) 2 = ( x m) px =, 3563 x χ 2 2 = x p x m x χ = 2,3426 0,993 2 =,3563 Exercice EchML3_Ex2 Une entreprise répartit ses commerciaux selon le nombre de clients de leur portefeuille. Elle Calculer l espérance et la variance du tableau suivant : Nb Clients ni De [0 à 20[ 9 De [20 à 30[ 28 De [30 à 40[ 35 De [40 à 50[ 42 De [50 à 60[ 3 De [60 à 70[ 24 De [70 à 80[ 6 De [80 à 00[ 5 Solutions : E[X]=44,6 V[X]=375,
25 Exercice à faire pour le prochain cours (Question de l exercice 2 du sujet de 203) Un directeur financier étudie l évolution du chiffre d affaires d un échantillon de 00 entreprises du secteur commercial. On note X la variable aléatoire suivante : «le chiffre d affaires en million d euros». Le directeur a vérifié que X obéissait à une loi Normale. Il obtient la répartition suivante pour l année t. Chiffre d affaires Nombre d entreprises [0 20[ 5 [20 40[ 0 [40 50[ 5 [50 70[ 37 [70 80[ 8 [80 00[ 2 [00 20[ 3 Calculer la moyenne et la variance de cet échantillon 49 Fin du module 50 25
Traitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en 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 détailSTA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes
STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités
Plus en détailLogiciel Le Sphinx Plus 2 version 5. Le Sphinx Développement 74650 Chavanod
Logiciel Le Sphinx Plus 2 version 5 Le Sphinx Développement 74650 Chavanod 2005-2006 Plan Présentation générale du logiciel Stade Élaboration du questionnaire Stade Collecte des réponses Stade Traitements
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailSPHINX Logiciel de dépouillement d enquêtes
SPHINX Logiciel de dépouillement d enquêtes sphinx50frversion4.doc 1 Les trois stades du SPHINX sont ceux que comporte habituellement toute enquête d opinion: Elaboration du questionnaire (fiche outil
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailLa définition La méthode. Les échelles de mesure L ENQUETE PAR SONDAGE : LA METHODE
L ENQUETE PAR SONDAGE : LA METHODE La définition La méthode Le questionnaire Les biais La passation du questionnaire La validité des réponses Les échelles de mesure Les échelles d évaluation Les échelles
Plus en détail1. Les types d enquêtes
La conduite d une enquête par questionnaire La conception d un questionnaire ne doit pas être réalisée de façon hasardeuse. Elle suit une méthodologie stricte qui permet d atteindre des résultats utilisables
Plus en détailPanel MBAweb 2014-10-12. MBA Recherche
1 Présentation du panel MBAweb La ressource incontournable de l'opinion au Québec 2 34 000 consommateurs attentifs et engagés Travailler vite et bien à la fois, c'est possible lorsqu'on a l'expérience.
Plus en détailCALCUL D UN SCORE ( SCORING) Application de techniques de discrimination LES OBJECTIFS DU SCORING
CALCUL D UN SCORE ( SCORING) Application de techniques de discrimination LES OBJECTIFS DU SCORING SÉLECTION DES RISQUES PRÉVISION DES DÉFAUTS SUIVI ET CONTRÔLE Pierre-Louis GONZALEZ Différents types de
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 détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane
Plus en détailChapitre 1 : La consommation et l épargne
Chapitre 1 : La consommation et l épargne - 7 - Dans ce chapitre vous allez : - Distinguer les différents types de consommation. - Découvrir de quels facteurs dépend la consommation. - Étudier ce qu est
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailChapitre 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 détailPourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
Plus en détailLES DIFFERENTS TYPES DE MESURE
LES DIFFERENTS TYPES DE MESURE Licence - Statistiques 2004/2005 REALITE ET DONNEES CHIFFREES Recherche = - mesure. - traduction d une réalité en chiffre - abouti à des tableaux, des calculs 1) Qu est-ce
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailUtilisation des médicaments au niveau des soins primaires dans les pays en développement et en transition
09-0749 1 WHO/EMP/MAR/2009.3 Utilisation des médicaments au niveau des soins primaires dans les pays en développement et en transition Synthèse des résultats des études publiées entre 1990 et 2006 Organisation
Plus en détailLe Sphinx Millenium Modes opératoires Préparer, administrer, Dépouiller les enquêtes
Le Sphinx Millenium Modes opératoires Préparer, administrer, Dépouiller les enquêtes Le Sphinx Développement Parc Altaïs 74650 CHAVANOD Tél : 33 / 4.50.69.82.98. Fax : 33 / 4.50.69.82.78. Web : http://www.lesphinx-developpement.fr
Plus en détailhttp://www.surveystore.info/nsarticleimp/enquete-par-questionnaire-i...
1 sur 10 02/06/2010 15:42 2 sur 10 02/06/2010 15:42 L'enquête par questionnaire Pour obtenir des réponses, rien n est plus naturel que de poser des questions. L enquête par questionnaires est, à ce titre,
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 détailChristophe CANDILLIER Cours de DataMining mars 2004 Page 1
Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe
Plus en détailÉvaluations aléatoires : Comment tirer au sort?
Évaluations aléatoires : Comment tirer au sort? William Parienté Université Catholique de Louvain J-PAL Europe povertyactionlab.org Plan de la semaine 1. Pourquoi évaluer? 2. Comment mesurer l impact?
Plus en détailMATHÉMATIQUES ET SCIENCES HUMAINES
MATHÉMATIQUES ET SCIENCES HUMAINES LOUISANDRÉ VALLET TRAITENQ. Logiciel de dépouillement et de traitement d enquêtes sur microordinateur compatible Mathématiques et sciences humaines, tome 104 (1988),
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en 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 détailObservatoire Economique et Statistique d Afrique Subsaharienne
Observatoire Economique et Statistique d Afrique Subsaharienne Termes de référence pour le recrutement de quatre (4) consultants dans le cadre du Projet «Modules d initiation à la statistique à l attention
Plus en détailStructure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données
Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données et le Data Mining Nous suivons le plan suivant : Fonctionnement de Spad Catalogue des méthodes (statistiques
Plus en détailBaccalauréat professionnel vente (prospection - négociation - suivi de clientèle) RÉFÉRENTIEL DE CERTIFICATION
RÉFÉRENTIEL DE CERTIFICATION 16 I. COMPÉTENCES C1. PROSPECTER C11. Élaborer un projet de prospection C12. Organiser une opération de prospection C13. Réaliser une opération de prospection C14. Analyser
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailExploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.
Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Etudes et traitements statistiques des données : le cas illustratif de la démarche par sondage INTRODUCTION
Plus en détailLocalisation des fonctions
MODALISA 7 Localisation des fonctions Vous trouverez dans ce document la position des principales fonctions ventilées selon l organisation de Modalisa en onglets. Sommaire A. Fonctions communes à tous
Plus en détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détailPRXSENTATION D UN GESTIONNAIRE DE DONNEES NUMERIQUES HIERARCHISEES DESTINE AU DE- -POUILLEMENT D ENQUETES
97 PRXSENTATION D UN GESTIONNAIRE DE DONNEES NUMERIQUES HIERARCHISEES DESTINE AU DE- -POUILLEMENT D ENQUETES Jacques Vaugelade & Marie Piron (Demographie et Statistique) (UR 702) Centre ORSTOM de Ouagadougou
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailUNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand
UNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand Service méthodes statistiques Institut National d Etudes Démographiques (Ined)
Plus en détailLES DECIMALES DE π BERNARD EGGER
LES DECIMALES DE π BERNARD EGGER La génération de suites de nombres pseudo aléatoires est un enjeu essentiel pour la simulation. Si comme le dit B Ycard dans le cours écrit pour le logiciel SEL, «Paradoxalement,
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailRésultats d Etude. L étude de marché. Résultats d Etude N 1889 : Conciergerie privée. Testez la fiabilité de votre projet.
Résultats d Etude L étude de marché Testez la fiabilité de votre projet 1 Sommaire : Introduction... 4 Synthèse... 6 PAGE 1 :... 7 Question 1/13... 7 Vous vivez :... 7 PAGE 2 :...10 Question 2/13...10
Plus en détailSoutien technique en informatique
Service de formation aux adultes Soutien technique en informatique PLAN DE COURS Utilisation et création de bases de données 420-B64-GR 2-2-2 75 heures Session automne 2010 NOM DE L ENSEIGNANT : JIE YANG
Plus en détailChapitre 1. La démarche statistique appliquée au management. Minicas. Questions :
Chapitre 1 La démarche statistique appliquée au management Minicas Comment estimer les dégâts d une catastrophe naturelle (tempêtes, ouragans, etc.)? Aux États-Unis, la FEMA (Federal Emergency Management
Plus en détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en 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 détailSERIE 1 Statistique descriptive - Graphiques
Exercices de math ECG J.P. 2 ème A & B SERIE Statistique descriptive - Graphiques Collecte de l'information, dépouillement de l'information et vocabulaire La collecte de l information peut être : directe:
Plus en détailAnticiper pour avoir une innovation d'avance : le leitmotiv de Pierre Jouniaux, entrepreneur du big data!
Anticiper pour avoir une innovation d'avance : le leitmotiv de Pierre Jouniaux, entrepreneur du big data! Pierre Jouniaux http://www.safety line.fr CV : Pierre Jouniaux, ingénieur aéronautique, pilote
Plus en détailLa culture financière des Français
C entr e de Recher c h e po u r l E t u d e et l Obser va t i o n des Co n d it io n s de V ie Département Conditions de vie et aspirations La culture financière des Français Etude réalisée à la demande
Plus en détailLa fonction d audit interne garantit la correcte application des procédures en vigueur et la fiabilité des informations remontées par les filiales.
Chapitre 11 LA FONCTION CONTRÔLE DE GESTION REPORTING AUDIT INTERNE Un système de reporting homogène dans toutes les filiales permet un contrôle de gestion efficace et la production d un tableau de bord
Plus en détailIBM SPSS Direct Marketing 21
IBM SPSS Direct Marketing 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 109. Cette version s applique à IBM SPSS
Plus en détailPrincipe d optimisation. Optimisation technico-économique. Coût. Isolation thermique. Isolation optimale
Optimisation technico-économique Objectif : obtenir une certaine prestation à moindre coût Dans le domaine du bâtiment, cette optimisation peut s appliquer à trois niveaux différents : choix des composants
Plus en détailRédiger et administrer un questionnaire
Rédiger et administrer un questionnaire Ce document constitue une adaptation, en traduction libre, de deux brochures distinctes : l une produite par l American Statistical Association (Designing a Questionnaire),
Plus en détailEXERCICES UML. Modéliser cette situation par un diagramme de cas d utilisation. Consulter planning
EXERCICES UML 1 ) Dans un établissement scolaire, on désire gérer la réservation des salles de cours ainsi que du matériel pédagogique (ordinateur portable ou/et Vidéo projecteur). Seuls les enseignants
Plus en détailÉtude sur les taux de revalorisation des contrats individuels d assurance vie au titre de 2013 n 26 mai 2014
n 26 mai 2014 Étude sur les taux de revalorisation des contrats individuels d assurance vie au titre de 2013 Sommaire 1.INTRODUCTION 4 2.LE MARCHÉ DE L ASSURANCE VIE INDIVIDUELLE 6 2.1.La bancassurance
Plus en détailGUIDE D UTILISATION OCTOBRE 2013
GUIDE D UTILISATION OCTOBRE 2013 La Poste Société Anonyme au capital de 3.400.000.000euros 356 000 000 RCS PARIS Siège social : 44 BOULEVARD DE VAUGIRARD 75757 PARIS CEDEX 15 ColiPoste : 62 RUE CAMILLE
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailExcel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur
Excel Avancé Plan Outils de résolution La valeur cible Le solveur Interactivité dans les feuilles Fonctions de recherche (ex: RechercheV) Utilisation de la barre d outils «Formulaires» Outils de simulation
Plus en détailGuide méthodologique de mise en place d une enquête de satisfaction
Guide méthodologique de mise en place d une enquête de satisfaction Dans ce guide, vous trouverez 4 étapes qui vous permettront de réaliser, pas à pas, votre enquête de satisfaction. Ce guide : Contient
Plus en détail1. Introduction...2. 2. Création d'une requête...2
1. Introduction...2 2. Création d'une requête...2 3. Définition des critères de sélection...5 3.1 Opérateurs...5 3.2 Les Fonctions...6 3.3 Plusieurs critères portant sur des champs différents...7 3.4 Requête
Plus en détailCOMMUNICATEUR BLISS COMMANDE PAR UN SENSEUR DE POSITION DE L'OEIL
COMMUNICATEUR BLISS COMMANDE PAR UN SENSEUR DE POSITION DE L'OEIL J. TICHON(1) (2), J.-M. TOULOTTE(1), G. TREHOU (1), H. DE ROP (2) 1. INTRODUCTION Notre objectif est de réaliser des systèmes de communication
Plus en détailANALYSE GLOBALE DES PROGRAMMES DE LA SHQ. SQEP 18 novembre 2011
ANALYSE GLOBALE DES PROGRAMMES DE LA SHQ SQEP 18 novembre 2011 Contexte Problématiques Objectifs Cadre conceptuel Étude comparative des programmes - Modèle matriciel de comparaison (indice ICP) - Grille
Plus en détailCONCEPTION ET TIRAGE DE L ÉCHANTILLON
CHAPITRE 4 CONCEPTION ET TIRAGE DE L ÉCHANTILLON Ce chapitre technique 1 s adresse principalement aux spécialistes de sondage, mais aussi au coordinateur et aux autres responsables techniques de l enquête.
Plus en détailSéance 4. Gestion de la capacité. Gestion des opérations et de la logistique 4-530-03
Gestion des opérations et de la logistique Séance 4 4-530-03 Gestion de la capacité Points importants présentés au dernier cours Les principaux types d aménagement Étude du travail et l amélioration des
Plus en détailLe modèle de données
Le modèle de données Introduction : Une fois que l étude des besoins est complétée, deux points importants sont à retenir : Les données du système étudié Les traitements effectués par le système documentaire.
Plus en détailBTS ASSISTANT DE GESTION PME À RÉFÉRENTIEL EUROPÉEN
BTS ASSISTANT DE GESTION PME À RÉFÉRENTIEL EUROPÉEN Parc Tecnosud 283, rue James Watt 66100 Perpignan tél. 04 68 35 76 76 fax 04 68 35 76 77 contact@neosup.fr www.facebook.com/neosup.perpignan Parc Tecnosud
Plus en détailExtraction d informations stratégiques par Analyse en Composantes Principales
Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction
Plus en détailTests statistiques et régressions logistiques sous R, avec prise en compte des plans d échantillonnage complexes
, avec prise en compte des plans d échantillonnage complexes par Joseph LARMARANGE version du 29 mars 2007 Ce cours a été développé pour une formation niveau M2 et Doctorat des étudiants du laboratoire
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en 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 détailEcole Préparatoire SNV Université d Oran Semestre 02 2014/2015 Matière : Travaux d Initiative Personnelle Encadrés (TIPE) Prof. M. Z.
Ecole Préparatoire SNV Université d Oran Semestre 02 2014/2015 Matière : Travaux d Initiative Personnelle Encadrés (TIPE) Prof. M. Z. TALEB Avec quel outil? Comment? Trouvez-vous facilement l information?
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 détailLes Français et les nuisances sonores. Ifop pour Ministère de l Ecologie, du Développement Durable et de l Energie
Les Français et les nuisances sonores Ifop pour Ministère de l Ecologie, du Développement Durable et de l Energie RB/MCP N 112427 Contacts Ifop : Romain Bendavid / Marion Chasles-Parot Département Opinion
Plus en détailExercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible»
Exercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible» Quand la trésorerie d une entreprise est positive, le trésorier cherche le meilleur placement pour placer les excédents.
Plus en détailCrédit à la consommation, un bon outil pour la rentrée?
Crédit à la consommation, un bon outil pour la rentrée? Contexte Empruntis intervient sur le crédit depuis 15 ans 370 000 ménages nous sollicitent chaque année pour leur besoin en crédit à la consommation
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 détailIntroduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.
Introduction L'objectif de mon TIPE est la reconnaissance de sons ou de notes de musique à l'aide d'un réseau de neurones. Ce réseau doit être capable d'apprendre à distinguer les exemples présentés puis
Plus en détailPrésentation de lʼoutil Diagnostic Egalité sur le logiciel Excel!
Présentation de lʼoutil Diagnostic Egalité sur le logiciel Excel! Une aide à la réalisation! du diagnostic de situation comparée! femme-homme! sur www.ega-pro.fr! Objectifs de lʼoutil Diagnostic Egalité
Plus en détailComplexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation
Complexité Objectifs des calculs de complexité : - pouvoir prévoir le temps d'exécution d'un algorithme - pouvoir comparer deux algorithmes réalisant le même traitement Exemples : - si on lance le calcul
Plus en détailMesures de Risque Multipériodes Cohérentes Appliquées au Compte à Terme
TFE Ingénieur Civil Mathématiques Appliquées 24 juin 2010 Mesures de Risque Multipériodes Cohérentes Appliquées au Compte à Terme Auteur Christophe Pochet Promoteur Pierre Devolder Comment garantir la
Plus en détailLes critères de segmentation Critères Variables retenues Description Exemple Pays, région, ville, Chauffage,
SYNTHÈSE DU CHAPITRE 11 : LA SEGMENTATION DE LA DEMANDE. La segmentation. La segmentation de la demande consiste à définir des groupes de clients (des segments de clientèle) ayant des comportements homogènes
Plus en détailActivité : Élaboration, mise en forme et renseignement de documents
ACTIVITÉS ADMINISTRATIVES À CARACTÈRE TECHNIQUE Activité : Élaboration, mise en forme et renseignement de documents Tâche : Rédaction de messages et de courriers professionnels simples liés à l activité
Plus en détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
Plus en détailMETHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES
Enseignement du Deuxième Cycle des Etudes Médicales Faculté de Médecine de Toulouse Purpan et Toulouse Rangueil Module I «Apprentissage de l exercice médical» Coordonnateurs Pr Alain Grand Pr Daniel Rougé
Plus en détailEvaluation de la variabilité d'un système de mesure
Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les
Plus en détailMicrosoft Excel : tables de données
UNIVERSITE DE LA SORBONNE NOUVELLE - PARIS 3 Année universitaire 2000-2001 2ème SESSION SLMD2 Informatique Les explications sur la réalisation des exercices seront fournies sous forme de fichiers informatiques.
Plus en détailSe Perfectionner à Excel 2003-2007
Se Perfectionner à Excel 2003-2007 Nos formations sur notre site web Les formations Excel Se Perfectionner permettent d'acquérir un usage professionnel du plus réputé des tableurs. Le stagiaire doit maîtriser
Plus en détailFiabilité et simplicité d'utilisation sont garanties
Solution la plus complète pour la gestion intégrale d'une entreprise qui fabrique ses produits touristiques et qui les distribuent sur tous les canaux. CRM LS Master Fiabilité et simplicité d'utilisation
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailLes Français et les complémentaires santé
Les Français et les complémentaires santé Sondage Ifop pour Lecomparateurassurance.com Contact Ifop : Romain Bendavid Directeur de clientèle Département Opinion et Stratégies d Entreprise 01 45 84 14 44
Plus en détailFormation PME Etude de marché
Formation PME Etude de marché Fit for Business (PME)? Pour plus de détails sur les cycles de formation PME et sur les business-tools, aller sous www.banquecoop.ch/business L étude de marché ou étude marketing
Plus en détail