M2 MASS. TP5 : Introduction au logiciel SAS Classification supervisée : Analyses Discriminantes et Régression Logistique
|
|
- Florine Roussy
- il y a 7 ans
- Total affichages :
Transcription
1 Université de Montpellier 2 M2 MASS TP5 : Introduction au logiciel SAS Classification supervisée : Analyses Discriminantes et Régression Logistique 1 Les données On étudie les données du fichier entreprises.txt qui présentent 46 entreprises dont certaines ont fait faillite (valeur 1) et d autres ont gardé une situation financière stable (valeur 2). On dispose de 4 variables quantitatives X 1, X 2, X 3 et X 4 qui décrivent la situation des entreprises : X 1 : Flux de trésorerie/dette totale X 2 : Revenu Net/ Total des actifs au bilan X 3 : Actif réalisable et disponible/passif courant X 4 : Actif réalisable/ventes nettes Le passif représente ce que l entreprise doit. Le passif courant regroupe les dettes des fournisseurs, les provisions, les emprunts. Ce sont des dettes dont l échéance est inférieure à 12 mois (court terme). L actif désigne l ensemble du patrimoine de l entreprise. La variable X 1 est un indicateur de la bonne santé de l entreprise. Le Flux de trésorerie est la différence entre les recettes et les dépenses. Si X 1 est négative, c est que le flux de trésorerie est négatif : les dépenses de l entreprise sont supérieures aux recettes. La variable X 2 mesure la performance de production de l entreprise : c est un indicateur de la rentabilité globale de l entreprise. La variable X 3 exprime la capacité de l entreprise à rembourser ses dettes à court terme. Deux ans après le recueil de ces données, on sait que 21 de ces entreprises ont fait faillite et que 25 ont conservé une situation financière stable. On cherche à mettre en œuvre des méthodes de classification supervisée afin de prédire à 2 ans la situation financière des entreprises. Première Analyse des données La procédure DISCRIM de SAS permet de faire une analyse discriminante des données. 1. Créer la table SAS des données à partir du fichier entreprise.txt disponible sur l ENT. Ajouter une variable qualitative situation dont les modalités sont "Faillite" ou "Stable" selon l état de l entreprise (1 ou 2). 2. Réaliser une PROC MEANS de la table créée pour visualiser l étendue de chacune des variables. 3. Représenter les couples de variables (X 1, X 2 ) (X 1, X 3 ) (X 1, X 4 ) et (X 2, X 3 ) en utilisant un style différent pour les entreprises ayant fait faillite et les autres. Pour cela on définit un style de graphique à l aide de la PROC TEMPLATE et on utilise la procédure SGRENDER. Cette procédure permet de faire des graphiques à partir de modèles qui ont été définis par la procédure TEMPLATE.
2 define statgraph scatter; begingraph; entrytitle Données de Faillites des entreprises ; layout overlayequated / equatetype=fit; /* pour la légende */ scatterplot x=x1 y=x3 / group=situation name="malegende"; layout gridded / autoalign=(topleft); discretelegend "malegende" /border=false opaque=false; endlayout; endlayout; endgraph; end; proc sgrender data=entreprise template=scatter; 2 Régression Logistique Nous allons utiliser la PROC LOGISTIC de SAS dans le cas d une variable de classification binaire (2 groupes). 1. Modèle complet. Nous commençons d abord par le modèle avec toutes les variables pour examiner les sorties fournies par la proc LOGISTIC : ˆπ = (P (Y = 1 X 1, X 2, X 3, X 4 ) = exp(â 0 + â 1 X 1 + â 2 X 2 + â 3 X 3 + â 4 X 4 ) 1 + exp(â 0 + â 1 X 1 + â 2 X 2 + â 3 X 3 + â 4 X 4 ) model Y=X1 X2 X3 X4; On obtient différents tableaux en sortie. Notamment, des tests globaux de la nullité des paramètres, les estimations des paramètres avec tests de Wald (significativité). On peut voir que seule la variable X 3 a une influence significative (p-value inférieure à 0.05). Enfin, on a le tableau des Odd-ratios ou rapports des cotes. Ainsi, on observe que l Odd-ratio pour la variable X 1 est égal à 0.16 ou que celui de la variable X 3 est de Cela signifie que exp(â 3 ) = exp( ) = On l interprète de la façon suivante : si la variable X 3 augmente d 1 unité, les autres variables du modèles restant constantes, alors les chances de faire faillite sont 1/0.043=23 fois plus faibles pour l entreprise. En revanche, pour la variable X 4, l Odd-ratio est de 18.8 donc les chances de faire faillite sont 18 fois plus élevées. Mais comme la variable X 4 n est pas significative dans ce modèle, on n interprète pas son Odd-ratio. Le dernier tableau fournit des mesures d associations entre les probabilités calculées et les valeurs de Y observées : Pourcentage concordant : n c /T 100 = 94.1 en % avec T nombre total de paires, ici T = = 525. n c est le nombre de paires concordantes telles que : (Y i < Y j ) et ˆπ i < ˆπ j. Ce sont les paires bien prédites. Pourcentage disconcordant : n d /T 100 = 5.9 en % Ce sont les paires bien mal prédites. Pourcentage lié : (T n c n d )/T 100 = 0 car n c + n d = T dans notre exemple (pas de paires avec ˆπ i = ˆπ j. D de Somers : (n c n d )/T = Gamma : n c n d = n c + n d Tau-a : n c n d 0.5N(N 1)
3 c : n c + 0.5(T n c n d ) ici n c /T = T il représente l aire sous la courbe ROC, c est une mesure du pouvoir prédictif du modèle. Les indices D de Somers et Gamma sont égaux ici car n c + n d = T, plus le nombre de paires concordantes est proche du nombre total de paires, plus le pouvoir prédictif du modèle est bon. Ici, est proche de Sélection de variables : Comme pour la régression linéaire avec la procédure REG, nous allons procéder à la recherche du meilleur modèle. Comparer les différentes méthodes à l aide de l option selection= (backward, forward et score). model Y=X1 X2 X3 X4/selection=score best=2; L option selection=score choisit le modèle qui maximise la log-vraisemblance (le score) pour chaque sous-modèle. Ici, le meilleur modèle à 2 variables, au sens du score de la log-vraisemblance est le modèle estimé avce les variables X 2 et X 3 ce qui correspond à une log-vraisemblance de Les procédures de selections backward et forward choisissent plutôt les variables X 1 et X Représentation graphique : On représente ensuite les entreprises dans les plans (1, 3) avec une droite frontière dont on trouve l équation qui correspond à la probabilité de faire faillite égale à 0.5 : P (Y = 1 X 1, X 3 ) = exp( X X 3 ) 1 + exp( X X 3 ) exp( X X 3 ) = X X 3 = 0
4 Cette droite est appelée droite d isoprobabilité. Créer une table entreprise2 qui contient la variable X 5 = (6.1501/3.0322) (6.5887/3.0322) X 1. Représenter sur le même graphique les entreprises à l aide des points (X 1, X 3 ) et la droite d isoprobabilité pour la classification. 4. Table de Classification, probabilités estimées et résidus : model Y=X2 X3 /ctable pprob=(0 to 0.48 by 0.04, 0.5, 0.52 to 1 by 0.04); output out=result predicted=predicted xbeta=xbeta lower=lower upper=upper reschi=reschi resdev=resdev; Faire l analyse des résidus. Examiner la table de classification. 5. Courbes ROC Représenter la courbe ROC de la sensibilité en fonction de (1-spécificité) à l aide de l option plots=roc. 3 Analyse discriminante La procédure DISCRIM de SAS permet de faire une analyse discriminante des données. 1. On extrait un échantillon d apprentissage (ou de calibration) et un échantillon de test : /* échantillon test */ /* échantillon calibration */ data plotdata; data entreprise1; set entreprise; set entreprise; where (num<6 or num>40); where (num>5 and num<41);
5 On peut regarder les fréquences de la variables X 3 qui apparaissait comme la plus prédictive de la situation financière dans la régression logistique : proc freq data=entreprise noprint; tables X3 * situation / out=freqout; proc sgplot data=freqout; vbar X3 / response=count group=situation; keylegend / location=inside; 2. On fait l analyse discriminante linéaire (option pool=yes) sur la table entreprise1 qui contient l échantillon d apprentissage (n = 35) title2 Densités gaussiennes avec variance égales dans les groupes ; proc discrim data=entreprise1 method=normal pool=yes /* pool=yes : pour l analyse discriminante linéaire */ /* pool=no : pour l analyse discriminante quadratique */ testdata=plotdata testout=plotp testoutd=plotd short noclassify crosslisterr ; class situation; var X1 X3; Indiquer ce que produisent les différentes options short, noclassify, crosslisterr. Dire ce que contiennent les tables plotdata, plotp et plotd. Donner la matrice de confusion.
Analyse statistique de données qualitatives et quantitatives en sciences sociales : TP RÉGRESSION LOGISTIQUE (MODÈLES CHAPITRE 1)
Analyse statistique de données qualitatives et quantitatives en sciences sociales : TP RÉGRESSION LOGISTIQUE (MODÈLES CHAPITRE 1) Modèles de régression logistique à réaliser Une explicative catégorielle
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 détailÉtude de cas Assurance (d après une étude de Philippe Périé, CISIA)
Étude de cas Assurance (d après une étude de Philippe Périé, CISIA) I.1.Les données L échantillon est constitué de 1106 assurés Belges observés en 1992 et répartis en 2 groupes. - les assurés qui n ont
Plus en détail«Cours Statistique et logiciel R»
«Cours Statistique et logiciel R» Rémy Drouilhet (1), Adeline Leclercq-Samson (1), Frédérique Letué (1), Laurence Viry (2) (1) Laboratoire Jean Kuntzmann, Dép. Probabilites et Statistique, (2) Laboratoire
Plus en détailCrédit Scoring. Master 2 SRO. Année scolaire 2009/2010. Professeur : RICHARD EMILION. Réalisé par : MAHAMAT OUMAR ALHABO et OULD EL HADDAD CHEIKH
Master 2 SRO Année scolaire 2009/2010 Crédit Scoring Professeur : RICHARD EMILION Réalisé par : MAHAMAT OUMAR ALHABO et OULD EL HADDAD CHEIKH Master_2_SRO_Data-Mining 1 Table des matières PARTIE 1 1. Résumé
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 détailScénario: Score d appétence de la carte visa premier
Scénario: Score d appétence de la carte visa premier Résumé Cette aventure reprend rapidement l exploration des données bancaires avant d aborder systématiquement la construction de modèles de prévision
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 détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
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 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 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 détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailINITIATION AU LOGICIEL SAS
INITIATION AU LOGICIEL SAS (version 9.1.3 sous Windows) Hélène HAMISULTANE Bibliographie : Initiation au logiciel SAS(9) pour Windows, Coqué N. (juin 2006). www.agroparistech.fr/img/pdf/polysas.pdf SAS
Plus en détailIBM SPSS Regression 21
IBM SPSS Regression 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 46. Cette version s applique à IBM SPSS Statistics
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
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 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 détailDonnées longitudinales et modèles de survie
ANALYSE DU Données longitudinales et modèles de survie 5. Modèles de régression en temps discret André Berchtold Département des sciences économiques, Université de Genève Cours de Master ANALYSE DU Plan
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailLa place de SAS dans l'informatique décisionnelle
La place de SAS dans l'informatique décisionnelle Olivier Decourt ABS Technologies - Educasoft Formations La place de SAS dans l'informatique décisionnelle! L'historique de SAS! La mécanique! La carrosserie
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 détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détailStéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE. 06/12/2009 Stéphane Tufféry - Data Mining - http://data.mining.free.fr
Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE 1 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 détailODS : organiser et diffuser des sorties
1 ODS : organiser et diffuser des sorties Objectifs Depuis l éphémère version 7 de SAS, l ODS (Output Delivery System) permet de produire des sorties de tous formats : tables SAS, pages HTML, documents
Plus en détailElectricité : caractéristiques et point de fonctionnement d un circuit
Electricité : caractéristiques et point de fonctionnement d un circuit ENONCE : Une lampe à incandescence de 6 V 0,1 A est branchée aux bornes d une pile de force électromotrice E = 6 V et de résistance
Plus en détailExemple PLS avec SAS
Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that
Plus en détailRecueil de formules. Franck Nicolas
Recueil de formules Nous avons répertorié dans cette section, les différentes formules expliquées tout au long de cet ouvrage, afin de vous permettre de trouver rapidement l opération que vous souhaitez
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 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 détailhttp://cermics.enpc.fr/scilab
scilab à l École des Ponts ParisTech http://cermics.enpc.fr/scilab Introduction à Scilab Graphiques, fonctions Scilab, programmation, saisie de données Jean-Philippe Chancelier & Michel De Lara cermics,
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 détailProjet SINF2275 «Data mining and decision making» Projet classification et credit scoring
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems
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 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 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 détailAnalyse discriminante et régression logistique: application au cas de l innovation pour les entreprises du Canton du Tessin
Analyse discriminante et régression logistique: application au cas de l innovation pour les entreprises du Canton du Tessin Sandro Petrillo Université de Neuchâtel - Diplôme Postgrade en Statistique Projet
Plus en détailL export de SAS vers Excel expliqué à ma fille
L export de SAS vers Excel expliqué à ma fille SAS est un logiciel merveilleux, mais tous n y ont pas accès. Pour contenter la soif de données de vos collègues qui n auraient pas d autre outil à disposition,
Plus en détailLes techniques des marchés financiers
Les techniques des marchés financiers Corrigé des exercices supplémentaires Christine Lambert éditions Ellipses Exercice 1 : le suivi d une position de change... 2 Exercice 2 : les titres de taux... 3
Plus en détailGnuplot. Chapitre 3. 3.1 Lancer Gnuplot. 3.2 Options des graphes
Chapitre 3 Gnuplot Le langage C ne permet pas directement de dessiner des courbes et de tracer des plots. Il faut pour cela stocker résultats dans des fichier, et, dans un deuxième temps utiliser un autre
Plus en détailDérivés Financiers Contrats à terme
Dérivés Financiers Contrats à terme Mécanique des marchés à terme 1) Supposons que vous prenez une position courte sur un contrat à terme, pour vendre de l argent en juillet à 10,20 par once, sur le New
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 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 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 détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailBAX MC Contrats à terme sur acceptations bancaires canadiennes de trois mois
BAX MC Contrats à terme sur acceptations bancaires canadiennes de trois mois Groupe TMX Actions Bourse de Toronto Bourse de croissance TSX Equicom Produits dérivés Bourse de Montréal CDCC Marché climatique
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 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 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 détailENTREPRENEURS «À VOS AFFAIRES»
ENTREPRENEURS «À VOS AFFAIRES» 15 novembre 2012 Christine Brosseau, CPA, CA, Associée Costandino Muro, CPA, CA, Directeur principal Pourquoi incorporer mon entreprise Au Québec 3 modes d exploitation L
Plus en détailPrésentation des indicateurs techniques du Budget Général
Présentation des indicateurs techniques du Budget Général Thomas Duquesne Février 2015 Pourquoi utiliser des indicateurs techniques? Notre compte administratif (bilan comptable annuel) est contrôlé par
Plus en détailInterest Rate for Customs Purposes Regulations. Règlement sur le taux d intérêt aux fins des douanes CONSOLIDATION CODIFICATION
CANADA CONSOLIDATION CODIFICATION Interest Rate for Customs Purposes Regulations Règlement sur le taux d intérêt aux fins des douanes SOR/86-1121 DORS/86-1121 Current to August 4, 2015 À jour au 4 août
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 détailL olivier Assurances Licence 3 Econométrie Lyon II
15 novembre 2013 L olivier Assurances Licence 3 Econométrie Lyon II Pascal Gonzalvez 1 L olivier Assurances et le Groupe Admiral Segmentation et tarification en assurance auto Autres applications de la
Plus en détailhttp://mondomaine.com/dossier : seul le dossier dossier sera cherché, tous les sousdomaines
Principales fonctionnalités de l outil Le coeur du service suivre les variations de position d un mot-clé associé à une URL sur un moteur de recherche (Google - Bing - Yahoo) dans une locale (association
Plus en détail4 Exemples de problèmes MapReduce incrémentaux
4 Exemples de problèmes MapReduce incrémentaux 1 / 32 Calcul des plus courtes distances à un noeud d un graphe Calcul des plus courts chemins entre toutes les paires de noeuds d un graphe Algorithme PageRank
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailPrésentation des indicateurs techniques du Budget Général
Présentation des indicateurs techniques du Budget Général Thomas Duquesne conseil du 17 octobre 2014 Pourquoi utiliser des indicateurs techniques? Notre compte administratif (bilan comptable annuel) est
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 détailTransactions de l agriculteur 1.5 /kilo 2.0 /kilo 2.5 /kilo Vente de la récolte 187 500 250 000 312 500. l agriculteur
Chapitre 11, assurance et diversification Réponses aux Questions et problèmes 1. Transactions de 1.5 /kilo 2.0 /kilo 2.5 /kilo Vente de la récolte 187 500 250 000 312 500 62 500 payés à 0 62 500 payés
Plus en détailDétection de la défaillance des entreprises tunisiennes par la régression logistique semi paramétrique et les réseaux de neurones
Détection de la défaillance des entreprises tunisiennes par la régression logistique semi paramétrique et les réseaux de neurones Abdeljelil Farhat Unité de recherche EAS-Mahdia Faculté des sciences économiques
Plus en détailVILLE d Aix-en-Provence - Analyse 2014
VILLE d Aix-en-Provence - Analyse 2014 ACCUEIL La Direction des Finances de la ville d Aix-en-Provence s est montrée coopérative. Le service financier de la commune a su encourager la démarche d ODIS,
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 endettement privé des ménages début 2010
Dossier L endettement privé des ménages début 2010 Pierre Lamarche, Laurianne Salembier* Début 2010, 46 % des ménages sont endettés pour un motif privé, c est-à-dire sans lien avec l activité professionnelle,
Plus en détailPRIVOR Plus prévoyance optimisée. Sécurité élevée et chances attractives de rendement
PRIVOR Plus prévoyance optimisée Sécurité élevée et chances attractives de rendement Qu est-ce que PRIVOR Plus? Vous accordez la priorité à la sécurité financière et vous souhaitez dans un même temps profiter
Plus en détailTable des matières. Avant-propos. Chapitre 2 L actualisation... 21. Chapitre 1 L intérêt... 1. Chapitre 3 Les annuités... 33 III. Entraînement...
III Table des matières Avant-propos Remerciements................................. Les auteurs..................................... Chapitre 1 L intérêt............................. 1 1. Mise en situation...........................
Plus en détailEvaluation des performances de programmes parallèles haut niveau à base de squelettes
Evaluation des performances de programmes parallèles haut niveau à base de squelettes Enhancing the Performance Predictability of Grid Applications with Patterns and Process Algebras A. Benoit, M. Cole,
Plus en détailChapitre 7. Circuits Magnétiques et Inductance. 7.1 Introduction. 7.1.1 Production d un champ magnétique
Chapitre 7 Circuits Magnétiques et Inductance 7.1 Introduction 7.1.1 Production d un champ magnétique Si on considère un conducteur cylindrique droit dans lequel circule un courant I (figure 7.1). Ce courant
Plus en détailComptes rendus d Activités Techniques et Financières du Service de l Eau Potable Année 2004
Service de l Eau Potable Année 2004 1 Ville de VENELLES Comptes rendus d activités Techniques et financières du Service de l Eau Potable Destinataire : Monsieur le Maire de la commune de VENELLES (13770)
Plus en détailNordion Europe S.A. Incorporation Authorization Order. Décret autorisant la constitution de Nordion Europe S.A. CONSOLIDATION CODIFICATION
CANADA CONSOLIDATION CODIFICATION Nordion Europe S.A. Incorporation Authorization Order Décret autorisant la constitution de Nordion Europe S.A. SOR/90-162 DORS/90-162 Current to June 9, 2015 À jour au
Plus en détailMonia Amami Franck Brulhart Raymond Gambini Pierre-Xavier Meschi
Version 4.7 Simulation d Entreprise «Artemis» Monia Amami Franck Brulhart Raymond Gambini Pierre-Xavier Meschi p. 1 1. Objectifs et Contexte Général L objectif de la simulation d entreprise «Artemis» est
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailTable des matières PRESENTATION DU LANGAGE DS2 ET DE SES APPLICATIONS. Introduction
PRESENTATION DU LANGAGE DS2 ET DE SES APPLICATIONS Depuis SAS 9.2 TS2M3, SAS propose un nouveau langage de programmation permettant de créer et gérer des tables SAS : le DS2 («Data Step 2»). Ces nouveautés
Plus en détailValidation probabiliste d un Système de Prévision d Ensemble
Validation probabiliste d un Système de Prévision d Ensemble Guillem Candille, janvier 2006 Système de Prévision d Ensemble (EPS) (ECMWF Newsletter 90, 2001) Plan 1 Critères de validation probabiliste
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 détailChapitre 4 : cas Transversaux. Cas d Emprunts
Chapitre 4 : cas Transversaux Cas d Emprunts Échéanciers, capital restant dû, renégociation d un emprunt - Cas E1 Afin de financer l achat de son appartement, un particulier souscrit un prêt auprès de
Plus en détailManuel de l agent de crédit Banco Solidario
Manuel de l agent de crédit Banco Solidario Extraits sur la prévention du surendettement des clients texte original en espagnol La philosophie «Vivre la solidarité» peut s appliquer à toute notre vie.
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 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 détailMesure du surendettement en Europe
Mesure du surendettement en Europe Conférence du 24 juin 2008 Didier Davydoff, Directeur de l OEE 0EE - Observatoire de l'épargne européenne 1 Introduction: l augmentation des encours de crédit aux ménages
Plus en détailSéance 11 : Typologies
Séance 11 : Typologies Sommaire Proc CLUSTER : Typologie hiérarchique... 3 Proc FASTCLUS : Typologie nodale... 8 Proc MODECLUS : Typologie non paramétrique... 11 - Les phénomènes observés (attitudes, comportements,
Plus en détail1 Modélisation d une base de données pour une société de bourse
IN306 : Corrigé SID Christophe Garion 18 octobre 2010 Ce document est un corrigé succinct de l examen du module IN306. 1 Modélisation d une base de données pour une société de bourse Une
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 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 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 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 détailSAS ENTERPRISE MINER POUR L'ACTUAIRE
SAS ENTERPRISE MINER POUR L'ACTUAIRE Conférence de l Association des Actuaires I.A.R.D. 07 JUIN 2013 Sylvain Tremblay Spécialiste en formation statistique SAS Canada AGENDA Survol d Enterprise Miner de
Plus en détailTP Blender n 2 : Importation d un modèle SketchUp et animation
TP Blender n 2 : Importation d un modèle SketchUp et animation Service de Conception Géométrique Université de Liège Aérospatiale et Mécanique Conçu avec Blender 2.66 et SketchUp 8 De SketchUp à Blender
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailMettez vos bénéfices non répartis à l œuvre
SERVICE FISCALITÉ, RETRAITE ET PLANIFICATION SUCCESSORALE STRATÉGIE PLACEMENTS ET FISCALITÉ N O 11 Mettez vos bénéfices non répartis à l œuvre De nombreux propriétaires d entreprise ont accumulé des sommes
Plus en détailTESTIMONIAUX STAGIAIRES DESU PRATIQUES DU COACHING, UNIVERSITE PARIS 8
STAGIAIRES DESU PRATIQUES DU COACHING, UNIVERSITE PARIS 8 Gilles ARDITTI DESU Pratiques du coaching», promotion 2009 2010 Directeur de la Communication Financière ATOS Tout au long de cette formation,
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
Plus en détailRèglement relatif à l examen fait conformément à la Déclaration canadienne des droits. Canadian Bill of Rights Examination Regulations CODIFICATION
CANADA CONSOLIDATION CODIFICATION Canadian Bill of Rights Examination Regulations Règlement relatif à l examen fait conformément à la Déclaration canadienne des droits C.R.C., c. 394 C.R.C., ch. 394 Current
Plus en détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
Plus en détailTS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S
FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences
Plus en détailL OFFRE EDUCASOFT-FORMATIONS
INFORMATIQUE DECISIONNELLE la formation sur mesure L OFFRE EDUCASOFT-FORMATIONS 2015 Sommaire Qui sommes nous?... 5 Tarifs des cours... 6 Calendrier 2015 des cours Inter Entreprises... 7 s détaillés des
Plus en détail