Construire la courbe LIFT. Ricco RAKOTOMALALA. Ricco Rakotomalala Tutoriels Tanagra - 1
|
|
- César Leroux
- il y a 8 ans
- Total affichages :
Transcription
1 Construire la courbe LIFT Ricco RAKOTOMALALA Tutoriels Tanagra - 1
2 L exemple du publipostage pour la promotion d un produit Objectif : promouvoir un produit Rôle du ciblage : solliciter les clients les plus réceptifs optimiser un budget limité ne pas agacer les clients «hostiles» Outils : base de données clientèle une variable supplémentaire : clients appétents (+) et non-appétents (-) [totalement inconnue au départ] construire un «score» pour trier la base selon l appétence du client envoyer le courrier en priorité aux clients appétents (la cible) 2 critères (la référence est d envoyer le courrier au hasard) le taux de retour (proportion de + parmi les ciblés) : rendement le rappel (la part des + retrouvés) : part de marché Remarque : la démarche peut être reproduite dans d autres domaines (campagne de dépistage, ) Tutoriels Tanagra - 2
3 Schéma général Title Insurance ChildrenWages Mrs No Mr No Mrs No Mrs Yes 18 Mr No Mr No Mrs Yes Mrs Yes Mrs No Mrs No Mrs Yes Mrs No 862 Mr Yes Mrs No Mrs No Mrs No 892 Mr No Mrs No Mr No Mrs No 1863 Mrs No 1318 Mr Yes 1 18 Mrs No Mrs No 2 29 Mr No 54 Base de données clientèle (22. clients) 2 clients sollicités au hasard 1 clients ont répondu positivement = 1/2 5% 2 clients Title Insurance ChildrenWages Retour Mrs No Mr No Mrs No Mrs Yes 18 + Mr No Mr No Mrs Yes test Title Insurance Children Wages SCORE Mr No Mrs No Mrs No Mr No Mrs No Mrs No Mr No Mrs No Mrs Yes Mr No Mrs No Mrs No Mr No Mrs No Mrs No Mrs No Mrs No Mrs No apprentissage Potentiel de + : 5% de 2 = 1 clients + Courbe LIFT Évaluer la performance du ciblage S ( R ) = Φ ( X ) Fonction score : permet de classer les clients selon l appétence (1) Appliquer la fonction score sur le reste de la base (2) Trier la base selon le score (3) Cibler en priorité les clients à fort score (4) Prévoir les performances à partir de la courbe LIFT Tutoriels Tanagra - 3
4 La démarche de ciblage Construire la courbe LIFT sur un fichier de données Trier les données selon les scores décroissants i Retour Score Taille Cible Rappel (TVP).. 1 positif positif positif positif positif positif négatif positif positif positif positif positif positif positif négatif positif négatif négatif négatif négatif positif négatif négatif Taille (relative) de la cible 24 négatif négatif négatif négatif négatif négatif négatif N 3 N(positif) 15 Taux de vrais positifs (Rappel) Taille relative de la cible cumulée = i / N TVP = N(positifs parmi les i premiers) / N(positifs) Tutoriels Tanagra - 4
5 Lecture de la courbe LIFT sur l échantillon test 1 individus dans l échantillon test 5 (5%) sont positifs Le fichier est trié par score décroissant! >> les plus appétents en premier >> les moins appétents en dernier 1 % des + = 5 individus Proportion de + retrouvés en % Taille de la cible en % Ciblage, envoi en priorité aux appétents [base triée] 5% de ciblés (5 premiers ind. de la base) 8% de + (4 ind. +) Pas de ciblage, envoi au hasard [base non triée] 5% de ciblés (5 premiers ind. de la base) 5% de + (25 ind. +) 1 % de la cible = 1 individus Tutoriels Tanagra - 5
6 Transposer la courbe lift dans la base clientèle 2 individus dans la base 5% de positifs potentiels i.e. 1 ind. Le fichier est trié par score décroissant! >> les plus appétents en premier >> les moins appétents en dernier 1 % des + = 1 individus Proportion de + retrouvés en % Taille de la cible en % Ciblage, envoi en priorité aux appétents (base triée) 5% de ciblés (1 ind.) 8% de + (8 ind. + atteints) Pas de ciblage, envoi au hasard (base non triée) 5% de ciblés (1 ind.) 5% de + (5 ind. + atteints) 1 % de la cible = 2 individus Tutoriels Tanagra - 6
7 Lire la courbe LIFT Budget fixé On fixe un budget de campagne ex. 4 courriers On a gagné 1 8 clients supplémentaires 38% des positifs seront atteints i.e..38 x 1 = 3 8 client + Si envoi au hasard, 2% de + atteints i.e..2 x 1 = 2 client Budget : 4 courriers (2% de la base) Bilan : Taux de retour : 3 8 / 4 = 9,5% à comparer avec le 5% trivial Part de marché : 3 8 / 1 = 38% il reste encore 6 2 clients potentiels dans la nature Tutoriels Tanagra - 7
8 Lire la courbe LIFT Objectif de part de marché On fixe un objectif de campagne ex. récupérer 5 nouveaux clients clients i.e. 5% des clients potentiels = 5 / Il faut envoyer un courrier aux 27% premiers individus de la base i.e..27 x 2 = 54 personnes Sans ciblage, il faudrait envoyer 1 courriers au hasard pour espérer obtenir 5 nouveaux clients Économie de 46 lettres à envoyer Bilan : Taux de retour : 5 / 54 = 9,25% à comparer avec le 5% trivial Part de marché : 5 / 1 = 5% il reste encore 5 clients potentiels dans la nature Tutoriels Tanagra - 8
9 Conclusion Pas de ciblage et ciblage optimal Ciblage parfait i.e. les premiers individus de la base sont tous positifs Ordonnée = 1 Abscisse = N(Positifs)/N 1.9 Taux de vrais positifs (Rappel) Taille (relative) de la cible Pas de ciblage : envoi au hasard i.e. les individus sont triés selon un ordre qui n a rien à voir avec l appétence Tutoriels Tanagra - 9
Spécificités, Applications et Outils
Spécificités, Applications et Outils Ricco Rakotomalala Université Lumière Lyon 2 Laboratoire ERIC Laboratoire ERIC 1 Ricco Rakotomalala ricco.rakotomalala@univ-lyon2.fr http://chirouble.univ-lyon2.fr/~ricco/data-mining
Plus en détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
Plus en détailENSEIGNEMENT ET MONDE PROFESSIONNEL. Illustration d un lien fort au travers d un cours de scoring. Jean-Philippe KIENNER 7 novembre 2013
ENSEIGNEMENT ET MONDE PROFESSIONNEL Illustration d un lien fort au travers d un cours de scoring Jean-Philippe KIENNER 7 novembre 2013 CONTEXTE Une bonne insertion professionnelle des étudiants passe par
Plus en 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 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 détailOptimisation du ciblage des opérations de fidélisation
Optimisation du ciblage des opérations de fidélisation Fondements de la méthode Uplift avec applications au domaine de la distribution Nicholas J. Radcliffe Adaptation française Paul Archambault, d après
Plus en détailBuild Your Island 2014 Annexe TFR 1
Build Your Island 2014 Annexe TFR 1 1 2 1 L importance du TFR... 3 2 Complexité du protocole de calcul... 3 2.1 Les indicateurs... 3 2.2 Les Dynamiques... 4 2.3 Le Taux de Fréquentation Espéré, une hypothèse
Plus en détailmatthieumarce.com - Fiches pratiques - Emailing Emailing
Emailing Cette fiche pratique tente de répondre aux questions suivantes : - Qu est-ce qu un emailing? - Comment réaliser une campagne emailing auprès de mes contacts? - Comment fidéliser mes clients? L
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 détailManipulation de données avec SAS Enterprise Guide et modélisation prédictive avec SAS Enterprise Miner
Le cas Orion Star Manipulation de données avec SAS Enterprise Guide et modélisation prédictive avec SAS Enterprise Miner Le cas Orion Star... 1 Manipulation de données avec SAS Enterprise Guide et modélisation
Plus en détailChanger la source d'une requête dans SAS Enterprise Guide. Ce document explique comment changer la table source de la tâche Filtre et requêtes.
SAS, Cognos, Stata, Eviews, conseil, expertise, formation, mining, datamining, statistique, connaissance Changer la source d'une requête dans SAS Enterprise Guide client, valeur client, CRM, fidélisation,
Plus en détailSYNTHÈSE DOSSIER 1 Introduction à la prospection
SYNTHÈSE DOSSIER 1 Introduction à la prospection La prospection est une activité indispensable pour développer le nombre de clients, mais aussi pour contrecarrer la perte de clients actuels. Elle coûte
Plus en 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 détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailMaster Exploration Informatique des données Data Mining & Business Intelligence. Evelyne CHARIFOU Priscillia CASSANDRA
Master Exploration Informatique des données Data Mining & Business Intelligence Groupe 5 Piotr BENSALEM Ahmed BENSI Evelyne CHARIFOU Priscillia CASSANDRA Enseignant Françoise FOGELMAN Nicolas DULIAN SOMMAIRE
Plus en détailE-mail marketing, scoring comportemental & analyse prédictive
E-mail marketing, scoring comportemental & analyse prédictive Formation Dolist - Score MD Les 25 & 26 juin 2013 Dolist.net - Tous droits réservés 26/04/2013 Formation E-mail Marketing, scoring & analyse
Plus en détailricco.rakotomalala@univ-lyon2.fr http://chirouble.univ-lyon2.fr/~ricco/cours/ Publications, ressources, liens, logiciels,
Université Lumière Lyon 2 Tutoriels Tanagra - http://tutoriels-data-mining.blogspot.fr/ 1 ricco.rakotomalala@univ-lyon2.fr http://chirouble.univ-lyon2.fr/~ricco/cours/ Publications, ressources, liens,
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 détailLE PETIT RELATION CLIENT. Les pratiques clés en 15 fiches. Nathalie Houver
LE PETIT 2014 RELATION CLIENT Les pratiques clés en 15 fiches Nathalie Houver Dunod, Paris, 2014 ISBN 978-2-10-070826-0 Table des matières LA PRÉPARATION DE LA RELATION COMMERCIALE FICHE 1 Acquérir la
Plus en détailStéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE. 24/12/2006 Stéphane Tufféry - Data Mining - http://data.mining.free.fr
1 Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE 2 Plan du cours Qu est-ce que le data mining? A quoi sert le data mining? Les 2 grandes familles de techniques Le déroulement d un projet de data
Plus en détailBAROMETRE DE CONJONCTURE DE L HEBERGEMENT D ENTREPRISES
1 er et 2 ème trimestres 2010 Note semestrielle N 1 BAROMETRE DE CONJONCTURE DE L HEBERGEMENT D ENTREPRISES 1. CHIFFRE D AFFAIRES TOTAL DES CENTRES D AFFAIRES Chiffre d affaires total / surface totale
Plus en détailTECH TE MARKETING Rapidité Eff Ef ic i a c c a i c t i é t Puissance 1
TECH MARKETING Rapidité Efficacité Puissance 1 Concevoir un e mailing efficace Qui a déjà tenté l expérience? 2 Historique de le l e mailing Reprise du mailing (substitution de la boîte physique) Apparition
Plus en détailVue d'ensemble de la formation
Vue d'ensemble de la formation Thème 1 : Les notions de marketing Le marketing d études, stratégique et opérationnel Thème 2 : La communication vente L Accueil, la découverte des besoins, l argumentation
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 détailSuivi statistique des scores - Document descriptif des solutions retenues
Rapport de mission Suivi statistique des scores - Document descriptif des solutions retenues Mathurin Aché Statisticien cellule Scores TGPF/OPF/DPF/DBIGP/SCORES Suivi statistique des scores Titre Résumé
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
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 détailDidacticiel Études de cas. Description succincte de Pentaho Data Integration Community Edition (Kettle).
1 Objectif Description succincte de Pentaho Data Integration Community Edition (Kettle). L informatique décisionnelle («Business Intelligence BI» en anglais, ça fait tout de suite plus glamour) fait référence
Plus en détailL'intelligence d'affaires: la statistique dans nos vies de consommateurs
L'intelligence d'affaires: la statistique dans nos vies de consommateurs Jean-François Plante, HEC Montréal Marc Fredette, HEC Montréal Congrès de l ACFAS, Université Laval, 6 mai 2013 Intelligence d affaires
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 détailCCRRA. Québec, le 4 juillet 2002
CCRRA Canadian Council of Insurance Regulators Conseil canadien des responsables de la réglementation d assurance Copie à: Mr. Michael Grist Chair, CCIR Committee on Streamlining and Harmonization Québec,
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailIntroduction aux outils BI de SQL Server 2014. Fouille de données avec SQL Server Analysis Services (SSAS)
MIT820: Entrepôts de données et intelligence artificielle Introduction aux outils BI de SQL Server 2014 Fouille de données avec SQL Server Analysis Services (SSAS) Description générale Ce tutoriel a pour
Plus en détailTANAGRA : un logiciel gratuit pour l enseignement et la recherche
TANAGRA : un logiciel gratuit pour l enseignement et la recherche Ricco Rakotomalala ERIC Université Lumière Lyon 2 5, av Mendès France 69676 Bron rakotoma@univ-lyon2.fr http://eric.univ-lyon2.fr/~ricco
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 détailConsolidation de jeux de données pour la prospective : la génération d une population synthétique pour les communes de Belgique
Consolidation de jeux de données pour la prospective : la génération d une population synthétique pour les communes de Belgique Philippe Toint (with J. Barthélemy) Centre de Recherche en Systèmes Complexes
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 détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailApllication au calcul financier
Apllication au calcul financier Hervé Hocquard Université de Bordeaux, France 1 er novembre 2011 Intérêts Généralités L intérêt est la rémunération du placement d argent. Il dépend : du taux d intérêts
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailPratique des options Grecs et stratégies de trading. F. Wellers
Pratique des options Grecs et stratégies de trading F. Wellers Plan de la conférence 0 Philosophie et structure du cours 1 Définitions des grecs 2 Propriétés des grecs 3 Qu est ce que la volatilité? 4
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 détailUn outil développé par
Un outil développé par 1 SOMMAIRE Calendrier de campagne... 3 Identification... 4 Paramétrage... 5 Page d accueil... 5 Tableau de bord de la campagne... 6 Ciblage des clients... 7 Choix du format... 13
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailLa collaboration avec les prestataires de soins non réglementés
DIRECTIVE PROFESSIONNELLE La collaboration avec les prestataires de soins non réglementés Mise à jour : 2013 Table des matières Introduction 3 Responsabilités générales des infirmières qui collaborent
Plus en détailOUTLOOK GÉRER EFFICACEMENT SON BUSINESS D INGÉNIERIE OU DE CONSEIL AVEC OUTLOOK
GÉRER EFFICACEMENT SON BUSINESS D INGÉNIERIE OU DE CONSEIL AVEC OUTLOOK OBJECTIF GENERAL Mettre à profit les qualités d Outlook pour gérer efficacement l information, la communication, la gestion du temps,
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 détailImpression Données Variables. www.variodata.com
à Donner de la VALEUR aux imprimés Impression Données Variables www.variodata.com CROSS MEDIA & Impression à Données Variables VarioData est une marque du Groupe CAR regroupant toutes les activités liées
Plus en détailComme cet outil est un des outils majeurs professionnels, Facebook vous propose également une Aide.
Gérer les publicités Il est possible de réaliser des campagnes de publicité sur Facebook. Que ce soit pour un groupe, une page ou un site internet, vous pouvez faire une publicité très ciblée qui paraîtra
Plus en détailEBOW DESCRIPTION APPLICATIVE
EBOW GESTION COMMERCIALE DEDIEE A LA VPC/VAD ET A L E COMMERCE DESCRIPTION APPLICATIVE Pour toute question, contactez Jean François HOLLNER au 03.88.77.76.00 ou par mail sur jhollner@itl.fr GESTION DES
Plus en détailPOLITIQUE DE DONS DE LA VILLE D AMQUI
POLITIQUE DE DONS DE LA VILLE D AMQUI 1. OBJET La présente politique a pour but de définir clairement et d encadrer tout le processus d évaluation des demandes de dons adressées au conseil municipal en
Plus en détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
Plus en détailLa CRM, outil indispensable de votre performance commerciale. Conférence CCI de Saint Etienne 04/06/13
La CRM, outil indispensable de votre performance commerciale Conférence CCI de Saint Etienne 04/06/13 La CRM Gestion de la Relation Client, outil indispensable de votre performance commerciale Points clés
Plus en détailBigData : la connaissance clients au service de votre conversion E-Commerce. Marc Schillaci #ECP14 TOUTES LES FORMULES DU COMMERCE CONNECTÉ
BigData : la connaissance clients au service de votre conversion E- Marc Schillaci TOUTES LES FORMULES DU COMMERCE CONNECTÉ 23 > 25 SEPTEMBRE 2014 I PARIS I PORTE DE VERSAILLES I PAVILLON 7-3 #ECP14 LE
Plus en détailLIVRE BLANC AMÉLIOREZ VOS PERFORMANCES MARKETING ET COMMERCIALES GRÂCE À UNE GESTION DE LEADS OPTIMISÉE
AMÉLIOREZ VOS PERFORMANCES MARKETING ET COMMERCIALES GRÂCE À UNE GESTION DE LEADS OPTIMISÉE 2 A PROPOS Pourquoi la gestion des leads (lead management) est-elle devenue si importante de nos jours pour les
Plus en détailSeconde Généralités sur les fonctions Exercices. Notion de fonction.
Seconde Généralités sur les fonctions Exercices Notion de fonction. Exercice. Une fonction définie par une formule. On considère la fonction f définie sur R par = x + x. a) Calculer les images de, 0 et
Plus en détailL unité commerciale X&Y «Fidéliser la clientèle»
Exemple de dossier de PDUC L unité commerciale X&Y «Fidéliser la clientèle» NB1 : Le dossier doit comporter 10 pages : passer en annexes les documents qui prennent trop de place dans le dossier (ex : Etude
Plus en détailI. Définition des objectifs :
Pour réaliser une bonne enquête de satisfaction, il faut une bonne méthodologie. Pour se faire, je vais, à travers différents points, poser le travail de réflexion qui me permettra de bien conduire l enquête.
Plus en détailFonction inverse Fonctions homographiques
Fonction inverse Fonctions homographiques Année scolaire 203/204 Table des matières Fonction inverse 2. Définition Parité............................................ 2.2 Variations Courbe représentative...................................
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 détailIntroduction à la Fouille de Données (Data Mining) (8)
Introduction à la Fouille de Données (Data Mining) (8) Bernard ESPINASSE Professeur à Aix-Marseille Université (AMU) Ecole Polytechnique Universitaire de Marseille Septembre 2008 Introduction à la fouille
Plus en détailLeçon 3. Les principaux outils de gestion des stocks
CANEGE Leçon 3 Les principaux outils de gestion des stocks Objectif : A l'issue de la leçon l'étudiant doit être capable de : s initier à la pratique des outils fondamentaux de gestion des stocks : de
Plus en détailMarketing comportemental. Guide méthodologique de mise en œuvre
Marketing comportemental Guide méthodologique de mise en œuvre Sommaire Présentation...3 Les limites du marketing de masse ou du marketing «produit»...5 L idéal marketing : délivrer le bon message au bon
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 détailMARKETING MIX. Politique Produit. Les composantes d un produit POLITIQUE PRODUIT
MARKETING MIX POLITIQUE PRODUIT Sandrine Monfort Politique Produit! Les composantes d un produit! Les classifications produit! Lancement produit! Politique de gamme! Politique de marque Les composantes
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 détailREFORME DU CREDIT A LA CONSOMMATION DECRET SUR LE REMBOURSEMENT MINIMAL DU CAPITAL POUR LES CREDITS RENOUVELABLES
REFORME DU CREDIT A LA CONSOMMATION DECRET SUR LE REMBOURSEMENT MINIMAL DU CAPITAL POUR LES CREDITS RENOUVELABLES DOSSIER DE PRESSE FICHE 1 Une réforme pour réduire le coût des crédits renouvelables et
Plus en détailDate de diffusion publique : 4 septembre, 2012
En règle générale, les Canadiens sont confiants de pouvoir reconnaître les signes d une urgence médicale, mais ils sont moins certains d avoir les compétences nécessaires pour intervenir. Quatre Canadiens
Plus en détailESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring
ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring Les méthodes d évaluation du risque de crédit pour les PME et les ménages Caractéristiques Comme les montants des crédits et des
Plus en détailEvolution des risques sur les crédits à l habitat
Evolution des risques sur les crédits à l habitat n 5 février 2012 1/17 SOMMAIRE 1. PRINCIPALES CARACTÉRISTIQUES DE LA PRODUCTION... 4 2. ANALYSE DÉTAILLÉE DES INDICATEURS DE RISQUE... 8 2.1 Montant moyen
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en 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 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 détailL analyse boursière avec Scilab
L analyse boursière avec Scilab Introduction La Bourse est le marché sur lequel se traitent les valeurs mobilières. Afin de protéger leurs investissements et optimiser leurs résultats, les investisseurs
Plus en détailS8 - INFORMATIQUE COMMERCIALE
S8 - INFORMATIQUE COMMERCIALE Les savoirs de l Informatique Commerciale doivent être abordés en relation avec les autres savoirs (S4 à S7). Les objectifs généraux sont : o de sensibiliser les étudiants
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailÉtude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France
Étude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France Le 13 octobre 2014 Autorité des marchés financiers 17, place de la Bourse 75082 Paris cedex 02 Tél. : 01 53
Plus en détailFONCTION DE DEMANDE : REVENU ET PRIX
FONCTION DE DEMANDE : REVENU ET PRIX 1. L effet d une variation du revenu. Les lois d Engel a. Conditions du raisonnement : prix et goûts inchangés, variation du revenu (statique comparative) b. Partie
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 détailKaspersky Lab France Retour d expérience, intégration Marketo
Kaspersky Lab France Retour d expérience, intégration Marketo Cécile Feroldi Head of Marketing Kaspersky Lab France 16 juin 2015 Agenda 1. Le projet 2. L état des lieux 3. Les outils aux service d une
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 détailBACCALAUREAT GENERAL MATHÉMATIQUES
BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la
Plus en détailProbabilités (méthodes et objectifs)
Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d
Plus en détailUne solution personnalisée. Et économique. Guide d introduction aux solutions d informations variables proposées par Xerox.
Une solution personnalisée. Et économique. Guide d introduction aux solutions d informations variables proposées par Xerox. Pourquoi personnaliser vos documents? Pour augmenter vos bénéfices et votre taux
Plus en détailDivision Moyennes et Grande Entreprises Les éditions de Sage trésorerie. Sommaire
Les éditions de Sage trésorerie Sommaire 1. Préambule... 4 2. Trésorerie... 6 Paramétrage... 6 Edition des sociétés... 6 Edition des banques.... 7 Edition des natures.... 8 Edition des affectations des
Plus en détailLa salle de classe en ligne de l Apprentissage en ligne :
La salle de classe en ligne de l Apprentissage en ligne : 5 les cinq meilleurs outils pour l engagement des apprenantes et apprenants L importance de motiver les étudiantes et étudiants envers leurs cours
Plus en détailVoIP, Mobile Office & M2M Equipements et projets d équipements
VoIP, Mobile Office & M2M Equipements et projets d équipements Etude de marché réalisée par Novatris/Harris Interactive pour le compte de Tarsus Développement et diffusée sur le salon IP Convergence Expo
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 détailThe brand is a story. But it's a story about you, not about the brand.
The brand is a story. But it's a story about you, not about the brand. Seth Godin MARKETING RELATIONNEL NOTRE CONVICTION La marque ne doit pas raconter son histoire mais s inscrire durablement dans l histoire
Plus en détailSorties définitives de l emploi. Quels liens avec la santé, le parcours professionnel et les conditions de travail? Nicolas de Riccardis
Sorties définitives de l emploi avant60ans. Quels liens avec la santé, le parcours professionnel et les conditions de travail? Nicolas de Riccardis Plan I Problématique et champ de l étude II - Les caractéristiques
Plus en détailIntérêt de l outil. La plateforme dédiée aux Etudes. Etudes Marketing par téléphone, Qualité avant tout, les règles. Michel SOUFIR
La plateforme dédiée aux Etudes Marketing par téléphone Intérêt de l outil Michel SOUFIR Directeur général datascopie France et Tunisie Il n'est point besoin de légitimer l'utilisation du téléphone en
Plus en détail1 Modélisation d être mauvais payeur
1 Modélisation d être mauvais payeur 1.1 Description Cet exercice est très largement inspiré d un document que M. Grégoire de Lassence de la société SAS m a transmis. Il est intitulé Guide de démarrage
Plus en détail«L impression à données potentiel de croissance?»
«L impression à données variables, un marché à fort potentiel de croissance?» «Francois Gouverneur Directeur Marketing Xerox France» Page 1 2 2 Des Français attachés au media papierp Si l équipement et
Plus en détailEtude de cas. Spécialiste du courtage en assurances depuis 45 ans et conseiller en plan média fichiers
Etude de cas Spécialiste du courtage en assurances depuis 45 ans et conseiller en plan média fichiers «L avantage de LaMég@baseB2B? Des critères de sélection plus nombreux et plus précis, qui nous permettent
Plus en détailOffices de tourisme et bonnes pratiques Internet. Evaluation comparative de sites Internet
Offices de tourisme et bonnes pratiques Internet Evaluation comparative de sites Internet Quoi? Ce document est un résumé des résultats de l étude menée sur une quinzaine de sites Internet dans le domaine
Plus en détailREGLEMENT INTERIEUR DE LA CAISSE AUTONOME DES RETRAITES
REGLEMENT INTERIEUR DE LA CAISSE AUTONOME DES RETRAITES REGLEMENT INTERIEUR DE LA CAISSE AUTONOME DES RETRAITES ARTICLE 1 er : AFFILIATION DES EMPLOYEURS - IMMATRICULATION DES SALARIÉS - OBLIGATIONS RESPECTIVES
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 détailPHILIPPE PAR JEAN-P EN PARTENARIAT AVEC ACCESS. (détails pages suivantes) -
Faire de vos outils informatique les alliés de votre développement site http://jphd-conseil.com blog www.efficacitic.fr PAR JEAN-P PHILIPPE DÉRANLOT EN PARTENARIAT AVEC ACCESS ETOILEE Formation sur 2 x
Plus en détailConnaissance Client et Digital : quels enjeux pour quelles valeurs? Non à la personnalisation bidon! Vente Privée Orange Gan Assurances
Connaissance Client et Digital : quels enjeux pour quelles valeurs? Non à la personnalisation bidon! WIDE COFFEE Vente Privée Orange Gan Assurances 1 Serge Hauser Nathalie Patrat Chrystel Galissié A G
Plus en détail