PARAMETRES DE REDUCTION. Cours préparé et présenté par Dr DALI ALI.A Maître assistant en Epidémiologie et Médecine Préventive SEMEP de l EHUO

Dimension: px
Commencer à balayer dès la page:

Download "PARAMETRES DE REDUCTION. Cours préparé et présenté par Dr DALI ALI.A Maître assistant en Epidémiologie et Médecine Préventive SEMEP de l EHUO"

Transcription

1 PARAMETRES DE REDUCTION Cours préparé et présenté par Dr DALI ALI.A Maître assistant en Epidémiologie et Médecine Préventive SEMEP de l EHUO

2 Paramètres de réduction = statistiques de réduction Valeurs numériques Résumer Caractère quantitatif

3 PARAMETRES DE REDUCTION I.- PARAMETRES DE TENDANCE CENTRALE II.- PARAMETRES DE POSITION III.- PARAMETRES DE DISPERSION

4 PARAMETRES DE REDUCTION I.- PARAMETRES DE TENDANCE CENTRALE II.- PARAMETRES DE POSITION III.- PARAMETRES DE DISPERSION

5 I.- PARAMETRES DE TENDANCE CENTRALE Mesures qui localisent le centre d une distribution: 1.- Moyenne 2.- Mode 3.- Médiane

6 1.- MOYENNE ARITHMETIQUE MOYENNE ARITHMETIQUE SIMPLE M = (somme des xi) / N M = ( xi) / N

7 m = ( xi) / N Variables Effectif total

8 Exemple Calculez la moyenne arithmétique de la série statistique suivante: 3, 3, 3, 3, 4, 4, 5, 5, 5, 5, 7, 9

9 Moyenne arithmétique simple m = ( ) /12 = 56/12 = 4,7.

10 1.- MOYENNE ARITHMETIQUE MOYENNE ARITHMETIQUE PONDEREE Effectif Variable Effectif total

11 Exemple Calculez la moyenne arithmétique pondérée de la série statistique suivante: 3, 3, 3, 3, 4, 4, 5, 5, 5, 5, 7, 9

12 1.- MOYENNE ARITHMETIQUE MOYENNE ARITHMETIQUE PONDEREE M = [ (4*3) + (2*4) + (4*5) ] / 12

13 1.- MOYENNE ARITHMETIQUE MOYENNE ARITHMETIQUE PONDEREE M = [ (4*3) + (2*4) + (4*5) ] / 12 M = 56 / 12 = 4,7

14 Exemple On a relevé le poids de 19 étudiants. L unité de poids retenue est le kilogramme et les résultats sont les suivants: - 76,340-60,400-68,280-57,740-64,990-83,450-79,650-64,100-72,880-69,120-59,790-61,820-61,820-76,360-66,330-52,990-70,560-70,130-65,450 Calculez la moyenne arithmétique simple?

15 la moyenne arithmétique simple = kg

16 Tableau 1. Répartition du poids de 19 étudiants Poids (xi) Centre de classe (xi) Effectif (ni) % [50 55 [ [55 60 [ [60 65 [ [65 70 [ [70 75 [ [75 80 [ [80 85 [ 52,5 57,5 62,5 67,5 72,5 77,5 82, ,3 10,5 26,3 21,1 15,8 15,8 5,3 Total Total Total N Total = ,0 Total

17 Calculez la moyenne arithmétique pondérée du poids de 19 étudiants sur la base des données groupées en classes?

18 Tableau 1. Répartition du poids de 19 étudiants Poids (xi) Centre de classe (xi) Effectif (ni) % [50 55 [ [55 60 [ [60 65 [ [65 70 [ [70 75 [ [75 80 [ [80 85 [ 52,5 57,5 62,5 67,5 72,5 77,5 82, ,3 10,5 26,3 21,1 15,8 15,8 5,3 Total Total Total N Total = ,0 Total

19 Moyenne arithmétique pondérée M = [ (1*52,5) + (2*57,5) + (5*67,5 ) + (3 * 72,5) + ( 3*77,5) + (1*82,5 ) ] / 19 M = 67,5 kg

20 2.- Mode Appelé également la valeur modale ou dominante est la valeur de la variable (x i ) qui a l effectif (n i ) le plus élevé.

21 2.- Mode Dans la distribution du nombre d épisodes de syndrome grippal parmi 19 personnes, le mode est égal à..

22 Tableau 2. Distribution de 19 malades selon le nombre de syndrome grippal Nombre d épisodes (xi) Effectif (ni) % ,8 Mode , , , ,3 Total ,0

23 2.- Mode Mode peut ne pas exister C est la cas de la série statistique suivante: 4, 12, 20, 34, 80, 112. Lorsque les valeurs de la variable sont réparties en classes Classe modale.

24 Tableau 1. Répartition du poids de 19 étudiants Poids (xi) Centre de classe (xi) Effectif (ni) % [50 55 [ [55 60 [ [60 [ 65[ [ [65 70 [ [70 75 [ [75 80 [ [80 85 [ Total Total Total 52,5 57,5 62,5 67,5 72,5 77,5 82,5 62, N Total = 19 5,3 10,5 26,3 21,1 15,8 15,8 5,3 100,0 Total

25 3.- Médiane C est la valeur de la variable qui se trouve au milieu de la série quand les données observées sont rangées par ordre croissant ou décroissant.

26 Exemple Reprenons la série du poids de 19 étudiants: - 76,340-60,400-68,280-87,740-64,990-83,450-79,650-64,100-72,880-69,120-59,790-61,820-61,820-76,360-66,330-52,990-70,560-70,130-65,450 Déterminez la médiane?

27 Si le nombre des valeurs est impair: la médiane correspond (N+1)/2.

28 Classement par ordre hiérarchique Rangeons les valeurs par ordre croissant: - 52,990-61,820-65,450-70,130-76,360-57,740-61,820-66,330-70,560-79,650-59,790-64,100-68,280-72,880-83,450-60,400-64,990-69,120-76,340

29 Si le nombre des valeurs est pair: la médiane correspond à l une des valeurs comprises entre les deux valeurs centrales observées. On choisit généralement leur demi-somme. Il est plus judicieux de parler d intervalle médian.

30 Classement par ordre hiérarchique du poids de 18 étudiants Rangeons les valeurs par ordre croissant: - 52,990-61,820-65,450-70,130-76,360-57,740-61,820-66,330-70,560-79,650-59,790-64,100-68,280-72,880-60,400-64,990-69,120-76,340

31 PARAMETRES DE REDUCTION I.- PARAMETRES DE TENDANCE CENTRALE II.- PARAMETRES DE POSITION III.- PARAMETRES DE DISPERSION

32 II.- PARAMETRES DE POSITION

33 QUANTILES 1.- QUARTILES 2.- DECILES 3.- PERCENTILES

34 1.- QUARTILES Les quartiles divisent la série statistique en quatre parties égales comprenant le même nombre de sujets. Deuxième quartile Médiane

35 1.- QUARTILES Si à titre d exemple notre série statistique est composée de 100 sujets. Le 1 er quartile (quartile inférieur) est la valeur de la variable du 25 ème sujet sur 100. Le 2 ème quartile (médiane) est la valeur de la variable du 50 ème sujet sur 100. Le 3 ème quartile (quartile supérieur) est la valeur de la variable du 75 ème sujet sur 100.

36 1.- QUARTILES

37 1.- QUARTILES - Dans une série de 60 cas: Le rang du 1 er quartile sera: 15 Le rang du 2 ème quartile sera: 30 Le rang du 3 ème quartile sera :45 - Une fois le rang déterminé, on recherche la valeur correspondante de la variable.

38 2.- DECILES Les déciles divisent la série statistique en 10 parties égales comprenant le même nombre de sujets. Ils sont au nombre de 9.

39 2.- DECILES

40 2.- DECILES Le 1 er décile est la valeur de la variable du 10 ème sujet sur 100. Le 2 ème décile est la valeur de la variable du 20 ème sujet sur 100,etc. Le 5 ème décile se confond avec le 2 ème quartile et la médiane.

41 3.- PERCENTILES=CENTILES Ils sont au nombre de 99. Divisent la série statistique en 100 parties. Le 30 ème percentile est la valeur de la variable du 30 ème sujet sur les 100 sujets.

42 PARAMETRES DE REDUCTION I.- PARAMETRES DE TENDANCE CENTRALE II.- PARAMETRES DE POSITION III.- PARAMETRES DE DISPERSION

43 III.- PARAMETRES DE DISPERSION

44 Considérons les deux séries suivantes: - Série 1: 15, 20, 25, 30, 35 - Série 2: 5, 15, 25, 35, 45 m = 25 m = 25

45 Les valeurs de la série 2 sont plus dispersées autour de la moyenne

46 1.- VARIANCE En cas de données individuelles, la variance s écrit: S 2 = [somme des (x i - m) 2 ] / (N 1)

47 1.- VARIANCE En cas de données groupées, la variance s écrit: S 2 = [somme des n i (x i - m) 2 ] / (N 1)

48 2.- Ecart type L écart type est tout simplement la racine carré de la variance : S = S 2

49 Calculez les deux variances des deux séries précédentes S 2 (Série1) = [(15-25) 2 + (20-25) 2 + (25-25) 2 + (30-25) 2 + (35-25) 2 ] / (5-1) = 62,5. S 2 (série 2) = [(5-25) 2 + (15-25) 2 + (25-25) 2 + (35-25) 2 + (45-25) 2 ] / (5-1) = 250,0.

50 Les écarts types correspondants sont: S (série 1) = 62,5 = 7,9 S (série 2) = 250,0 = 15.8 La série 2 est bien évidemment plus dispersée autour de la moyenne. Le calcul de la variance et de l écart type permet de quantifier cette dispersion

51 LA LOI NORMALE

52 Exercice Soit la série statistique suivante relative à la distribution de l âge d un groupe de 21 patients hospitalisés au niveau du service de pédiatrie: 2, 2, 3, 4, 4, 4, 5, 5, 7, 7, 7, 7, 8, 8, 9, 9, 10, 10, 11, 12, 14 ans.

53 Questions 1.- Déterminez le type de la variable étudiée ainsi que son échelle de classification? 2.- Déterminez les principaux paramètres de tendance centrale: Mode, moyenne, médiane? 3. Déterminez la variance et l écart type? 4.- Représentez graphiquement la variable étudiée?

54 Paramètres de tendance centrale Mode = 7 Médiane = 7 Moyenne = 7,048 Paramètres de dispersion Variance = 10,948 Ecart type = 3,309 Représentation graphique Histogramme

55 Tableau : Distribution des patients hospitalisés au niveau du service de pédiatrie selon l âge Tranche d âge Xi ni % [ 0 4 [ % [ 4 8 [ % [8-12[ % [12-16[ % Total %

56 Histogramme: Répartition des patients hospitalisés au niveau du service de pédiatrie selon l âge Effectif 9 7 Polygone de fréquence Age

57 Bibliographie Bezzaoucha. A: Epidémiologie et Biostatistique à l usage des étudiants en sciences médicales. Office des Publications Universitaire. Alger, 1996.

58 Merci

Séries Statistiques Simples

Séries Statistiques Simples 1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &

Plus en détail

Représentation d une distribution

Représentation 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 détail

Statistiques Descriptives à une dimension

Statistiques Descriptives à une dimension I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des

Plus en détail

Statistiques 0,14 0,11

Statistiques 0,14 0,11 Statistiques Rappels de vocabulaire : "Je suis pêcheur et je désire avoir des informations sur la taille des truites d'une rivière. Je décide de mesurer les truites obtenues au cours des trois dernières

Plus en détail

3. Caractéristiques et fonctions d une v.a.

3. Caractéristiques et fonctions d une v.a. 3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions

Plus en détail

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

Annexe commune aux séries ES, L et S : boîtes et quantiles Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans

Plus en détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre : Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant

Plus en détail

STATISTIQUES DESCRIPTIVES

STATISTIQUES DESCRIPTIVES 1 sur 7 STATISTIQUES DESCRIPTIVES En italien, «stato» désigne l état. Ce mot à donné «statista» pour «homme d état». En 1670, le mot est devenu en latin «statisticus» pour signifier ce qui est relatif

Plus en détail

1. Vocabulaire : Introduction au tableau élémentaire

1. 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 détail

Statistique : Résumé de cours et méthodes

Statistique : 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 détail

23. Interprétation clinique des mesures de l effet traitement

23. Interprétation clinique des mesures de l effet traitement 23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d

Plus en détail

Statistiques avec la graph 35+

Statistiques avec la graph 35+ Statistiques avec la graph 35+ Enoncé : Dans une entreprise, on a dénombré 59 femmes et 130 hommes fumeurs. L entreprise souhaite proposer à ses employés plusieurs méthodes pour diminuer, voire arrêter,

Plus en détail

Logiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS

Logiciel 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 détail

Statistiques - Cours. 1. Gén éralités. 2. Statistique descriptive univari ée. 3. Statistique descriptive bivariée. 4. Régression orthogonale dans R².

Statistiques - Cours. 1. Gén éralités. 2. Statistique descriptive univari ée. 3. Statistique descriptive bivariée. 4. Régression orthogonale dans R². Statistiques - Cours Page 1 L I C E N C E S c i e n t i f i q u e Cours Henri IMMEDIATO S t a t i s t i q u e s 1 Gén éralités Statistique descriptive univari ée 1 Repr é s e n t a t i o n g r a p h i

Plus en détail

Statistique Descriptive Élémentaire

Statistique 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 détail

IBM SPSS Statistics Base 20

IBM SPSS Statistics Base 20 IBM SPSS Statistics Base 20 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 316. Cette version s applique à IBM SPSS

Plus en détail

INFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X.

INFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X. INFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X. Année scolaire 009-010 TABLE DES MATIERES CHAPITRE 1: Eléments de statistiques descriptives...

Plus en détail

FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 1

FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 1 INTRODUCTION ça L'INFçERENCE STATISTIQUE 1. Introduction 2. Notion de variable alçeatoire íprçesentation ívariables alçeatoires discrçetes ívariables alçeatoires continues 3. Reprçesentations d'une distribution

Plus en détail

Statistiques à une variable

Statistiques à une variable Statistiques à une variable Calcul des paramètres statistiques TI-82stats.fr? Déterminer les paramètres de la série statistique : Valeurs 0 2 3 5 8 Effectifs 16 12 28 32 21? Accès au mode statistique Touche

Plus en détail

Note de service À : De :

Note de service À : De : Note de service À : De : Tous les Fellows, affiliés, associés et correspondants de l Institut canadien des actuaires et autres parties intéressées Jim Christie, président Conseil des normes actuarielles

Plus en détail

La nouvelle planification de l échantillonnage

La 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 détail

Résumé du Cours de Statistique Descriptive. Yves Tillé

Résumé du Cours de Statistique Descriptive. Yves Tillé Résumé du Cours de Statistique Descriptive Yves Tillé 15 décembre 2010 2 Objectif et moyens Objectifs du cours Apprendre les principales techniques de statistique descriptive univariée et bivariée. Être

Plus en détail

Études. Coût de la chirurgie d une hernie discale

Études. Coût de la chirurgie d une hernie discale Études Coût de la chirurgie d une hernie discale 1 Table des matières 03 Objectif 04 Introduction 05 Données et méthodologie 06 Caractéristiques des hospitalisations 09 Profil de la population hospitalisée

Plus en détail

Classe de première L

Classe de première L Classe de première L Orientations générales Pour bon nombre d élèves qui s orientent en série L, la classe de première sera une fin d étude en mathématiques au lycée. On a donc voulu ici assurer à tous

Plus en détail

Principe d un test statistique

Principe 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 détail

Statistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier

Statistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................

Plus en détail

UNE 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 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 détail

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ

L 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 détail

PRÉSENTATION DE L OFFRE

PRÉSENTATION DE L OFFRE PRÉSENTATION DE L OFFRE CMS 5.x CONTRÔLE DE LA MASSE SALARIALE Les informations contenues dans ce document font partie intégrante de la solution CMS et sont protégées en France par le code de la propriété

Plus en détail

Lire ; Compter ; Tester... avec R

Lire ; Compter ; Tester... avec R Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................

Plus en détail

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences

Plus en détail

Séquence 4. Statistiques. Sommaire. Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement

Séquence 4. Statistiques. Sommaire. Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement Séquence 4 Statistiques Sommaire Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement 1 Introduction «Etude méthodique des faits sociaux par des

Plus en détail

Cabinet d avocat Leduc-Novi. Indemnisation du préjudice corporel des. personnes victimes d un accident de la route

Cabinet d avocat Leduc-Novi. Indemnisation du préjudice corporel des. personnes victimes d un accident de la route Cabinet d avocat Leduc-Novi Indemnisation du préjudice corporel des personnes victimes d un accident de la route Aout 2013 1. Avant-propos Permettre à tout justiciable de connaitre clairement et facilement

Plus en détail

MÉTHODOLOGIE PROJET SYSTÈME D INFORMATION DÉCISIONNEL BI - BUSINESS INTELLIGENCE. En résumé :

MÉTHODOLOGIE PROJET SYSTÈME D INFORMATION DÉCISIONNEL BI - BUSINESS INTELLIGENCE. En résumé : En résumé : Phase I : collecte des besoins I - Expression des besoins II - Étude de faisabilité III - Définition des priorités IV - Rédaction puis validation du cahier des charges Phase II : implémentation

Plus en détail

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes

STA108 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 détail

Statistiques descriptives

Statistiques descriptives Statistiques descriptives L3 Maths-Eco Université de Nantes Frédéric Lavancier F. Lavancier (Univ. Nantes) Statistiques descriptives 1 1 Vocabulaire de base F. Lavancier (Univ. Nantes) Statistiques descriptives

Plus en détail

Table des matières. Avant-propos. Chapitre 2 L actualisation... 21. Chapitre 1 L intérêt... 1. Chapitre 3 Les annuités... 33 III. Entraînement...

Table 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 détail

Étude sur les taux de revalorisation des contrats individuels d assurance vie au titre de 2013 n 26 mai 2014

Étude 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 détail

Statistique descriptive. Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne. Notes de cours

Statistique descriptive. Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne. Notes de cours Statistique descriptive Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne Notes de cours Dernière mise à jour le mercredi 25 février 2009 1 ère année de Licence Aix & Marseille

Plus en détail

MATHÉMATIQUES. Mat-4104

MATHÉMATIQUES. Mat-4104 MATHÉMATIQUES Pré-test D Mat-404 Questionnaire e pas écrire sur le questionnaire Préparé par : M. GHELLACHE Mai 009 Questionnaire Page / 0 Exercice ) En justifiant votre réponse, dites quel type d étude

Plus en détail

Lecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888

Lecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques

Plus en détail

L exclusion mutuelle distribuée

L exclusion mutuelle distribuée L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué

Plus en détail

Inégalités de salaires et de revenus, la stabilité dans l hétérogénéité

Inégalités de salaires et de revenus, la stabilité dans l hétérogénéité Inégalités de salaires et de revenus, la stabilité dans l hétérogénéité Gérard Cornilleau Des inégalités contenues, des classes moyennes fragiles Le débat sur les salaires n est plus aujourd hui dominé

Plus en détail

Élément 424b Introduction à la statistique descriptive

Élément 424b Introduction à la statistique descriptive CTU Master AGPS De la donnée à la connaissance : traitement, analyse et transmission Élément 44b Introduction à la statistique descriptive Prof. Marie-Hélène de Sède-Marceau Année / Statistique Introduction

Plus en détail

Utilisation du Logiciel de statistique SPSS 8.0

Utilisation du Logiciel de statistique SPSS 8.0 Utilisation du Logiciel de statistique SPSS 8.0 1 Introduction Etude épidémiologique transversale en population générale dans 4 pays d Afrique pour comprendre les différences de prévalence du VIH. 2000

Plus en détail

Typologie des contrats les plus souscrits auprès des complémentaires santé en 2006

Typologie des contrats les plus souscrits auprès des complémentaires santé en 2006 études résultats et N 663 octobre 2008 Typologie des contrats les plus souscrits auprès des complémentaires santé en 2006 L enquête annuelle de la DREES auprès des mutuelles, des institutions de prévoyance

Plus en détail

SOMMAIRE I. INTRODUCTION 4 II. SOURCES D INFORMATION 5

SOMMAIRE I. INTRODUCTION 4 II. SOURCES D INFORMATION 5 SOMMAIRE I. INTRODUCTION 4 II. SOURCES D INFORMATION 5 2.1. ETUDES REALISEES PAR LES SERVICES DES CAISSES D ASSURANCE MALADIE 5 2.2. ANALYSE DE LA LITTERATURE 5 2.3. ANALYSE DES VENTES 6 2.4. COMPARAISONS

Plus en détail

Table des matières. I Mise à niveau 11. Préface

Table des matières. I Mise à niveau 11. Préface Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3

Plus en détail

INFORMATIQUE : LOGICIELS TABLEUR ET GESTIONNAIRE DE BASES DE DONNEES

INFORMATIQUE : LOGICIELS TABLEUR ET GESTIONNAIRE DE BASES DE DONNEES MINISTERE DE LA COMMUNAUTE FRANCAISE ADMINISTRATION GENRALE DE L ENSEIGNEMENT ET DE LA RECHERCHE SCIENTIFIQUE ENSEIGNEMENT DE PROMOTION SOCIALE DE REGIME 1 DOSSIER PEDAGOGIQUE UNITE DE FORMATION INFORMATIQUE

Plus en détail

Application des courbes ROC à l analyse des facteurs pronostiques binaires

Application des courbes ROC à l analyse des facteurs pronostiques binaires Application des courbes ROC à l analyse des facteurs pronostiques binaires Combescure C (1), Perneger TV (1), Weber DC (2), Daurès J P (3), Foucher Y (4) (1) Service d épidémiologie clinique et Centre

Plus en détail

LES SALAIRES DES CADRES EN POSTE

LES SALAIRES DES CADRES EN POSTE LES SALAIRES DES CADRES EN POSTE les étus l emploi cadre - octobre 2007 PHOTOGRAPHIE DES SALAIRES DES CADRES QUELS PROFILS POUR QUELS SALAIRES? ÉLÉMENTS DÉTERMINANTS DU SALAIRE DES CADRES Enquête auprès

Plus en détail

à moyen Risque moyen Risq à élevé Risque élevé Risq e Risque faible à moyen Risq Risque moyen à élevé Risq

à moyen Risque moyen Risq à élevé Risque élevé Risq e Risque faible à moyen Risq Risque moyen à élevé Risq e élevé Risque faible Risq à moyen Risque moyen Risq à élevé Risque élevé Risq e Risque faible à moyen Risq Risque moyen à élevé Risq L e s I n d i c e s F u n d a t a é Risque Les Indices de faible risque

Plus en détail

INDICATIONS DE L AMYGDALECTOMIE CHEZ L ENFANT

INDICATIONS DE L AMYGDALECTOMIE CHEZ L ENFANT INDICATIONS DE L AMYGDALECTOMIE CHEZ L ENFANT I. PROMOTEUR Agence nationale d accréditation et d évaluation en santé. II. SOURCE Recommandations de pratique clinique de 1997 sur les «Indications de l adénoïdectomie

Plus en détail

Lambotte J.-M. Géographe-Urbaniste. Chercheur au Lepur ULg. Semaine Universitaire Luxembourgeoise de l'environnement - Libramont - 15-11-2011

Lambotte J.-M. Géographe-Urbaniste. Chercheur au Lepur ULg. Semaine Universitaire Luxembourgeoise de l'environnement - Libramont - 15-11-2011 Aménagement rural et développement durable Dépendance à la voiture en milieu rural : le cas de la Province du Luxembourg Constats, enjeux et pistes de solutions à moyen-long terme via l aménagement du

Plus en détail

Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie

Comment 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 détail

données en connaissance et en actions?

données 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 détail

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.

Plus en détail

Qui épargne? Qui désépargne?

Qui épargne? Qui désépargne? Dossier Qui épargne? Qui désépargne? Bertrand Garbinti et Pierre Lamarche* En 2009, la moitié des ménages français ont épargné plus de 13 % de leurs revenus. Les comportements d épargne sont cependant

Plus en détail

Le quizz des stats. Xavier Paoletti. Sce de biostatistiques / Inserm U900 Institut Curie

Le quizz des stats. Xavier Paoletti. Sce de biostatistiques / Inserm U900 Institut Curie Le quizz des stats Xavier Paoletti Sce de biostatistiques / Inserm U900 Institut Curie Qques questions pour entamer les hostilités 1. Description de la population Pourquoi parler d'âge médian et non moyen?

Plus en détail

La survie nette actuelle à long terme Qualités de sept méthodes d estimation

La survie nette actuelle à long terme Qualités de sept méthodes d estimation La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg

Plus en détail

résultats Les contrats les plus souscrits auprès des complémentaires santé en 2009 N 789 février 2012

résultats Les contrats les plus souscrits auprès des complémentaires santé en 2009 N 789 février 2012 études résultats et N 789 février 2012 Les contrats les plus souscrits auprès des complémentaires santé en 2009 L enquête annuelle de la DREES auprès des mutuelles, institutions de prévoyance et sociétés

Plus en détail

Biostatistiques : Petits effectifs

Biostatistiques : Petits effectifs Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l

Plus en détail

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques

Plus en détail

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

Chapitre 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 détail

glossaire Appellation commerciale Voir nom de marque.

glossaire Appellation commerciale Voir nom de marque. glossaire Accessibilité financière Le coût d un traitement par rapport au revenu de la population. dans cette enquête, le salaire journalier minimum d un employé non-qualifié du secteur public est comparé

Plus en détail

Cours d algorithmique pour la classe de 2nde

Cours d algorithmique pour la classe de 2nde Cours d algorithmique pour la classe de 2nde F.Gaudon 10 août 2009 Table des matières 1 Avant la programmation 2 1.1 Qu est ce qu un algorithme?................................. 2 1.2 Qu est ce qu un langage

Plus en détail

Lecture critique et pratique de la médecine

Lecture critique et pratique de la médecine 1-00.qxp 24/04/2006 11:23 Page 13 Lecture critique appliquée à la médecine vasculaireecture critique et pratique de la médecine Lecture critique et pratique de la médecine Introduction Si la médecine ne

Plus en détail

Combien coûtent vos soins dentaires?

Combien coûtent vos soins dentaires? Combien coûtent vos soins dentaires? Enquête nationale MC sur les soins dentaires Alliance nationale des Mutualités chrétiennes 03-04-2014 Research & Development Bram Peters et Pauline van Cutsem Table

Plus en détail

EXERCICES - ANALYSE GÉNÉRALE

EXERCICES - ANALYSE GÉNÉRALE EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par

Plus en détail

Établissement des taux d actualisation fondés sur la meilleure estimation aux fins des évaluations de provisionnement sur base de continuité

Établissement des taux d actualisation fondés sur la meilleure estimation aux fins des évaluations de provisionnement sur base de continuité Ébauche de note éducative Établissement des taux d actualisation fondés sur la meilleure estimation aux fins des évaluations de provisionnement sur base de continuité Commission des rapports financiers

Plus en détail

d évaluation de la toux chez l enfant

d évaluation de la toux chez l enfant Validation d un questionnaire d évaluation de la toux chez l enfant Mémoire présenté par Caroline TROCCY Pour l obtention du diplôme de master(e) en kinésithérapie Promoteur: Monsieur G. Reychler Année

Plus en détail

Où investir en 2014? Grand colloque sur la gestion des actifs des caisses de retraite

Où investir en 2014? Grand colloque sur la gestion des actifs des caisses de retraite Où investir en 2014? Grand colloque sur la gestion des actifs des caisses de retraite Optimisation de la politique de placement : vers quelles classes d actifs se tourner? Stéphan Lazure Conseiller principal

Plus en détail

Leçon N 4 : Statistiques à deux variables

Leçon N 4 : Statistiques à deux variables Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d

Plus en détail

La prise en compte des revenus du patrimoine dans la mesure des inégalités

La prise en compte des revenus du patrimoine dans la mesure des inégalités REVENUS / NIVEAUX DE VIE La prise en compte des revenus du patrimoine dans la mesure des inégalités Alexandre Baclet* et Émilie Raynaud** En France, la mesure de référence des inégalités de revenus s appuie

Plus en détail

Croissance et vieillissement cellulaires Docteur COSSON Pierre Nb réponses = 81 sur 87. Résultats des questions prédéfinies

Croissance et vieillissement cellulaires Docteur COSSON Pierre Nb réponses = 81 sur 87. Résultats des questions prédéfinies Docteur COSSON Pierre Nb réponses = 8 sur 87 A00 8/87 Indicateurs globaux Index global m.= m.=,9 s.=0,. Evaluation générale de cette unité m.=. Sciences médicales de base m.=,. Compétences cliniques m.=,7.

Plus en détail

Développements récents de la méthode des scores de la Banque de France

Développements récents de la méthode des scores de la Banque de France Développements récents de la méthode des scores de la Banque de France Au cours de la décennie quatre-vingt et au début des années quatre-vingt-dix, devant la multiplication des défaillances d entreprises,

Plus en détail

Introduction à l approche bootstrap

Introduction à l approche bootstrap Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?

Plus en détail

SINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases

SINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout

Plus en détail

LA MESURE EN PSYCHOLOGIE Didier Delignières Université Montpellier I

LA MESURE EN PSYCHOLOGIE Didier Delignières Université Montpellier I LA MESURE EN PSYCHOLOGIE Didier Delignières Université Montpellier I 1. THEORIE DE LA MESURE. Puisque les statistiques servent à traiter des données numériques, se pose dans un premier temps le problème

Plus en détail

- Ressources pour les classes

- Ressources pour les classes Mathématiques Collège - Ressources pour les classes de 6 e, 5 e, 4 e, et 3 e du collège - - Organisation et gestion de données au collège - Ce document peut être utilisé librement dans le cadre des enseignements

Plus en détail

Les devoirs en Première STMG

Les devoirs en Première STMG Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................

Plus en détail

METHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES

METHODOLOGIE 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 détail

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3

Plus en détail

Le point de vue d une administration hospitalière Inka Moritz, Secrétaire générale

Le point de vue d une administration hospitalière Inka Moritz, Secrétaire générale Spécialistes en santé publique? Le point de vue d une administration hospitalière Inka Moritz, Secrétaire générale Le CHUV est l employeur de 10 000 personnes Budget 1,4 milliard de frs 2 1 des 5 Hôpitaux

Plus en détail

Variables Aléatoires. Chapitre 2

Variables Aléatoires. Chapitre 2 Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,

Plus en détail

1 Importer et modifier des données avec R Commander

1 Importer et modifier des données avec R Commander Université de Nantes 2015/2016 UFR des Sciences et Techniques Département de Mathématiques TP1 STATISTIQUE DESCRIPTIVE Frédéric Lavancier Avant propos Ouvrir l application R Saisir dans la console library(rcmdr)

Plus en détail

Analyse et interprétation des données

Analyse et interprétation des données 8 Analyse et interprétation des données Les données de l enquête peuvent être utilisées pour différents types d analyses aussi bien au niveau national qu au niveau international. Ce chapitre explique comment

Plus en détail

Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...

Probabilité. 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 détail

Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de

Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr

Plus en détail

ÉTUDE. SECTEUR Santé PHARMACIES D OFFICINE. Portrait de branche

ÉTUDE. SECTEUR Santé PHARMACIES D OFFICINE. Portrait de branche ÉTUDE SECTEUR Santé PHARMACIES D OFFICINE Portrait de branche 02 ÉTUDE - mars 2012 Sommaire 03 LES PRINCIPAUX ENSEIGNEMENTS 04 LES SOURCES DE DONNÉES EXPLOITÉES 05 LES PHARMACIES D OFFICINES ET LEURS SALARIÉS

Plus en détail

Les très hauts revenus : des différences de plus en plus marquées entre 2004 et 2007

Les très hauts revenus : des différences de plus en plus marquées entre 2004 et 2007 Les très hauts revenus : des différences de plus en plus marquées entre 2004 et 2007 Julie Solard* En 2007, c est à partir de 84 500 euros de revenu déclaré annuel par unité de consommation qu une personne

Plus en détail

Utilisation du module «Geostatistical Analyst» d ARCVIEW dans le cadre de la qualité de l air

Utilisation du module «Geostatistical Analyst» d ARCVIEW dans le cadre de la qualité de l air Etude n 10 Assistance en modélisation (Rapport 3/3) Utilisation du module «Geostatistical Analyst» d ARCVIEW dans le cadre de la qualité de l air Novembre 2004 Convention : 04000087 Giovanni CARDENAS Utilisation

Plus en détail

Evaluation de différentes mesures de l inégalité

Evaluation de différentes mesures de l inégalité Département fédéral de l'intérieur DFI Office fédéral de la statistique OFS 20 Situation économique et sociale 2005 Observatoire Universitaire de l Emploi Laboratoire d économie appliquée Evaluation de

Plus en détail

Qui fait quoi sur internet?

Qui fait quoi sur internet? Ans Note d éducation permanente de l ASBL Fondation Travail-Université (FTU) N 2015 8, avril 2015 www.ftu.be/ep Qui fait quoi sur internet? Analyse des inégalités sociales dans l utilisation d internet

Plus en détail

4 Statistiques. Les notions abordées dans ce chapitre CHAPITRE

4 Statistiques. Les notions abordées dans ce chapitre CHAPITRE CHAPITRE Statistiques Population (en milliers) 63 6 6 6 Évolution de la population en France 9 998 999 3 Année Le graphique ci-contre indique l évolution de la population française de 998 à. On constate

Plus en détail

QUESTIONNAIRE DE DIAGNOSTIC RAPIDE DES NIVEAUX DE CPO ET TMS EN ETABLISSEMENTS DE SOIN

QUESTIONNAIRE DE DIAGNOSTIC RAPIDE DES NIVEAUX DE CPO ET TMS EN ETABLISSEMENTS DE SOIN NOTE EXPLICATIVE ORSOSA QUESTIONNAIRE DE DIAGNOSTIC RAPIDE DES NIVEAUX DE CPO ET TMS EN ETABLISSEMENTS DE SOIN Ce document détaille le contenu des questionnaires établis lors de la cohorte ORSOSA 1 et

Plus en détail

Chapitre 6 Test de comparaison de pourcentages χ². José LABARERE

Chapitre 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 détail

Bulletin d information statistique

Bulletin d information statistique INFOSTAT JUSTICE Divorces : une procédure à deux vitesses Zakia Belmokhtar * Mai 2012 Numéro 117 En visant à permettre un règlement plus rapide et plus complet des demandes en divorce, la loi du 26 mai

Plus en détail

La main au travail : exemple du syndrome du canal carpien

La main au travail : exemple du syndrome du canal carpien La main au travail : exemple du syndrome du canal carpien 27 Mars 2015 Dr Emilie Chazelle, coordonnateur du programme TMS Institut de veille sanitaire Journées d étude de la Société de Réadaptation du

Plus en détail

La révision des indices du cours du franc suisse, nominaux et réels, pondérés par les exportations

La révision des indices du cours du franc suisse, nominaux et réels, pondérés par les exportations La révision des indices du cours du franc suisse, nominaux et réels, pondérés par les exportations par Robert Fluri et Robert Müller, Direction de la statistique, Banque nationale suisse, Zurich BNS 42

Plus en détail