STAT Statistique descriptive. Transparents Philippe Lambert.
|
|
- Edgar Dupuis
- il y a 6 ans
- Total affichages :
Transcription
1 STAT Statistique descriptive Transparents Philippe Lambert Faculté des Sciences Sociales Université de Liège
2 Avertissement - Droits d auteur Les supports de cours mis sur Internet ont pour seule vocation d être utilisés par les étudiants dans le cadre de leur cursus au sein de l Université de Liège. Aucun autre usage ni diffusion ne sont autorisés, sous peine de constituer une violation de la Loi du 30 juin 1994 relative aux droits d auteurs. Les supports de cours mis sur Internet ne représentent pas l entièreté de la matière, mais constituent les notes de base indispensables et minimales à la bonne connaissance de celle-ci. P. Lambert c - Faculté des Sciences Sociales
3 Ch 4: Les sondages (partie 2): les sondages probabilistes Préambule Le fait de disposer d un base de sondage de qualité permet au sondeur de maîtriser la probabilité qu un individu donné soit questionné durant l enquête. Cette maîtrise permet d élaborer des mesures de précision pour les estimateurs retenus pour les paramètres de population, et ainsi, en plus d intervalles de valeurs plausibles pour ces derniers, de tester des hypothèses concernant cette population. Nous limiterons notre intérêt aux paramètres de population suivants: N i=1 Y i ; Ȳ = N i=1 1 N Y i ; et plus généralement, θ = N Les estimateurs étudiés auront généralement la même forme: ˆθ(s) = W i (s)y i i s où W i (s) est poids de sondage associé à l observation i. i=1 α i Y i. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 1
4 Si θ impliquait, par ex, des carrés de Y i, cette propriété serait également retenue pour l estimateur correspondant. La stratégie de sondage déterminera les poids de sondage W i (s). Définition P i : c est la probabilité que l individu i fasse partie de l échantillon. De cette définition, on déduit que P i = s: i s p(s) somme des probs. des sondages impliquant l individu i Si l échantillon est de taille fixe n, alors N i=1 P i = n où, pour rappel, n est la taille d échantillon et N la taille de la population. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 2
5 Ex Reprenons l exemple du chapitre précédent avec une population notée symboliquement par {1, 2, 3, 4}. Les K = 6 échantillons possibles de taille n = 2 sont s 1 = {1, 2}, s 2 = {1, 3}, s 3 = {1, 4}, s 4 = {2, 3}, s 5 = {2, 4} et s 6 = {3, 4}. Cas 1 : le sondeur choisit au hasard un des 6 échantillons avec, chacun, la même probabilité 1/6 d être sélectionné: P 1 = p(s 1 ) + p(s 2 ) + p(s 3 ) = 3/6 ;... ; P 4 = p(s 3 ) + p(s 5 ) + p(s 6 ) = 3/6 N i=1 P i = N 3 6 = 2 = n Cas 2 : nous avions imposé p(s 1 ) = p(s 2 ) = p(s 4 ) = 3/15 et p(s 3 ) = p(s 5 ) = p(s 6 ) = 2/15. Cela implique que P 1 = p(s 1 ) + p(s 2 ) + p(s 3 ) = 8/15 ; P 2 = p(s 1 ) + p(s 4 ) + p(s 5 ) = 8/15 P 3 = p(s 2 ) + p(s 4 ) + p(s 6 ) = 8/15 ; P 4 = p(s 3 ) + p(s 5 ) + p(s 6 ) = 6/15 N i=1 P i = = 2 = n P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 3
6 Sondage aléatoire simple Définition N = taille de la population ; n= taille de l échantillon. Un sondage aléatoire simple est un échantillonnage sans remise où chaque individu a la même probabilité d inclusion. Aucune information auxiliaire n est utilisée. Donc P 1 =... = P N et comme N i=1 P i = n, on a P i = n N = f = taux de sondage Ex Considérons une population de N = 20 personnes dont les salaires (inconnus du sondeurs) respectifs sont 1775, 1850, 1801, 1912, 1982, 1917, 2022, 1992, 2127, 1963, 1880, 1976, 2058, 2104, 2078, 1898, 2150, 2040, 1985 et 1819 euros. Si un échantillon de n = 5 personnes est constitué, alors P 1 =... = P 20 = n N = 0.25 = f Chaque individu a 1 chance sur 4 d être questionné. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 4
7 Estimation du total Estimation sans biais du total T = N En effet, on peut réécrire ˆT comme ˆT = i s Y i P i = N E( ˆT ) = E i=1 N i=1 i=1 Y i : ˆT = Y i 1 P i Y i n P in = i s Y i P i I i (s) avec I i (s) = Y i P i I i (s) = N i=1 Y i P i 1 si i s avec prob. P i 0 sinon avec prob. (1 P i ) Y i E(I i (s)) Bernoulli = P i N i=1 Y i P i = N Y i = T P i i=1 On voit que le poids de sondage associé à l individu i dans l estimation de T est W i (s) = 1/P i = N/n Tout fonctionne donc comme si chaque individu représentait N/n personnes de la population. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 5
8 Ex (suite) Intéressons-nous à l estimation du revenu total (inconnu du sondeur) de ces 20 personnes, soit T = 20 Y i = = euros. i=1 Si les n = 5 personnes à questionner sont choisies par sondage aléatoire simple, alors P 1 =... = P 20 = n/n = 0.25 = f. Imaginons que les personnes échantillonnées portent les étiquettes s = {6, 13, 5, 2, 19}, càd i 1 = 6, i 2 = 13, i 3 = 5, i 4 = 2 et i 5 = 19. La théorie qui précède nous dit qu un estimateur non biaisé de T est donné par ˆT = Y i Y i n = 1917 P i1 P in On peut réécrire la formule précédente avec les poids de sondages: = euros. ˆT = W i1 Y i W in Y in = mettant en évidence que chaque personne sondée est la porte-parole de 4 personnes de la population. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 6
9 Estimation de la moyenne Comme Ȳ = T, on déduit qu un estimateur sans biais de la moyenne est donné N par ˆȲ = ȳ En effet, comme P i = n/n en aléatoire simple, ˆȲ = ˆT N = i s Y i 1 P i N = Y i i s n = ȳ Autrement dit, pour estimer (sans bias) la moyenne d une variable dans une population à l aide d un échantillon aléatoire simple, on prend simplement la moyenne arithmétique des données recueillies. Ex (suite) La moyenne inconnue vaut Ȳ = et est estimée (sans biais) par ȳ = n = = =... = ˆT N = P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 7
10 Variance de ȳ On peut démontrer que V(ȳ) = (1 f) σ2 n où σ 2 est la variance de Y dans la population. Pour améliorer la précision dans l estimation de augmenter la taille d échantillon n, augmenter le taux de sondage f = n N. Ȳ, on peut donc La variance σ 2 est un aspect sur lequel on ne peut pas agir. Plus la population est homogène en Y, plus l estimation de Ȳ sera précise. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 8
11 Remarques Le taux de sondage, f, apparaît dans la formule car on échantillonne sans remise (puisque qu une même personne ne peut pas être comptabilisée plus d une fois!). Lorsque n N, on a f 0 et donc V(ȳ) σ 2 /n. La taille de la population n a alors plus vraiment d importance. La variance de l estimateur ˆT du total T est V( ˆT ) = N 2 (1 f) σ2 n On estime σ 2 par s 2 = 1 n 1 Cela permet d estimer V(ȳ) par i s (Y i ȳ) 2 ˆV(ȳ) = (1 f) s2 n P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 9
12 Intervalle de confiance pour la moyenne Sous certaines conditions (... notamment n 20, N suffisamment grand par rapport à n... ), un intervalle de confiance (approximatif) 95% pour Ȳ est donné par IC(Ȳ ) = ȳ ± 2 (1 f) s2 n Par définition, si on répète la procédure d échantillonnage un grand nombre de fois, 95% des intervalles ainsi construits contiendront la valeur inconnue de la moyenne, Ȳ. Il s agit donc d une ensemble de valeurs plausibles pour Ȳ. Remarque L IC(Ȳ ) associé à un sondage donné contient ou ne contient pas Ȳ. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 10
13 Ex Le ministère de l agriculture souhaite estimer la surface totale cultivée par 2100 fermes d une région rurale. A cette fin, un sondage aléatoire simple est réalisé auprès de 100 fermes pour lesquelles la surface totale cultivée est évaluée. Les résultats obtenus pour les 100 fermes sont: somme des surfaces cultivées: 2907 ha (=hectares). somme des carrés des surfaces cultivées: ha 2. Sur base de ces informations, (a) estimons la surface cultivée en moyenne par une ferme de la région d intérêt ; (b) donnons un ensemble de valeurs plausibles pour cette quantité. Les données sont donc N = 2100, n = 100, Y i = 2907, i s i s Y 2 i = (a) ˆȲ = ȳ = 1 n i s Y i = = ha. (b) Ces valeurs sont données par l intervalle de confiance ȳ ± 2 (1 f) s2 n. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 11
14 Or Donc ˆσ 2 = i s Y 2 i n ȳ2 = = s 2 = n n 1 ˆσ2 = Comme le taux de sondage vaut f = n N = = 0.047, l ensemble des valeurs plausibles demandé est ± 2 ( ) = (23.9, 34.3) 100 P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 12
15 Intervalle de confiance pour une proportion Un cas particulier de la théorie précédente survient lorsque Y i est simplement un indicateur 0 1 pour l individu i. Dans ce cas, Ȳ = N i=1 Y i N est la proportion π d individus présentant la caractéristique d intérêt dans la population cible. L estimateur non-biaisé vaut p = 1 n La variance de p vaut V(p) = (1 f) σ2 n i s Bernoulli = (1 f) Y i proportion de 1 dans l échantillon. π(1 π) n (1 f) p(1 p) n Sous certaines conditions (... ), un intervalle de confiance 95% pour π est IC(π) = p ± 2 (1 f) p(1 p) n La marge d erreur est la demi largeur de l intervalle, soit 2 (1 f) p(1 p) n. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 13
16 Ex Un sondage aléatoire simple est réalisé auprès de 150 étudiants d une Faculté qui en compte 1500 pour déterminer s ils sont satisfaits de l orientation qu ils ont choisie à l université. Quelles sont les valeurs plausibles pour le taux de satisfaction sachant que 114 étudiants se sont dits satisfaits par leur choix? Nous avons n = 150, N = 1500 et i s Y i = 114. Le taux de sondage est f = n/n = 150/1500 = 0.1 = P i : chaque étudiant a donc 1 chance sur 10 d être interrogé. Une estimation (non biaisée) de la proportion π d étudiants satisfaits de l orientation choise parmi les 1500 de la population étudiée est p = i s Y i n = = 0.76 = 76% Un ensemble de valeur plausible pour π est donné par IC(π) = p±2 (1 f) p(1 p) n = 0.76 ± 2 (1 0.1) 0.76(1 0.76) 150 Il est donc raisonnable de penser qu une majorité est satisfaite de son choix. = (0.69, 0.83) P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 14
17 Marge d erreur et taille d échantillon Lorsque le taux de sondage f = n/n est proche de 0, la marge d erreur vaut approximativement 2 p(1 p) n. Elle est maximum lorsque p = 0.50, et vaut alors (1 0.50) n = 1 n Par conséquent, si l on souhaite estimer p par sondage aléatoire simple avec une marge d erreur d au plus 100 x%, il suffit de prendre n 1 x 2 Voici le résultat de ce calcul pour quelques marges d erreur: Marge d erreur x 1% 2% 3% 4% 5% 10% Taille d échantillon n P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 15
18 Sondage stratifié Motivation Rappel: dans les sondages aléatoires simples, aucune information auxiliaire n est utilisée durant le tirage de l échantillon ou durant l estimation. Si la population d intérêt est très hétérogène au niveau du Y d intérêt (σy 2 grand), alors l estimation de Ȳ peut être très imprécise. Idée fondamentale des sondages stratifiés: effectuer un sondage aléatoire simple au sein de groupes (a priori) homogènes (en matière de Y ). Ex Estimation de la durée moyenne de travail domestique hebdomadaire: stratifier par sexe s impose a priori. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 16
19 Estimation de la moyenne Soient: H le nombre de groupes (=strates), N h le nombre d individus dans la strate h, Ȳh la moyenne de Y dans la strate h. n h le nombre d individus sondés dans la strate h. Y i La moyenne Ȳh = est estimée sans biais par ȳ h = Y i, càd la moyenne i G h N h i s h n h des données collectées dans la strate. On sait que Ȳ = H h=1 N h N Ȳh On en déduit un estimateur sans biais de Ȳ : ˆȲ st = H h=1 N h N ȳh. C est simplement la moyenne pondérée (par le poids de la strate h dans la population) des estimations obtenues dans chacune des strates. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 17
20 Ex On s intéresse au nombre moyen d employés dans 1060 entreprises. A l aide de documents fiscaux, on dispose d une variable auxiliaire donnant un ordre de grandeur pour ce nombre d employés dans chacune des entreprises. Sur cette base les 1060 entreprises ont été classées en 5 groupes: celles avec de 0 à 9 (500 entreprises), 10 à 19 (300), 20 à 49 (150), 50 à 499 (100) ou plus de 500 (10 entreprises) employés. Un sondage aléatoire simple a été réalisé dans chacun de ces groupes auprès de, respectivement, 130, 80, 60, 25 et 5 entreprises, soit 300 au total. Dans chacune des entreprises sondées, les employés ont été comptés. Les moyennes (variances) suivantes ont alors été calculées dans chaque groupe: 5 (1.5), 12 (4), 30 (8), 150 (100) et 600 (2500) respectivement. Sur base de ces informations, donnons une estimation sans biais du nombre moyen d employés dans les 1060 entreprises. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 18
21 Nous pouvons résumer les informations communiquées par Strate (# employés) N h n h ȳ h s 2 h > Total On en déduit l estimation non-biaisée de la moyenne: ˆȲ st = H h=1 N h N ȳh = = 29.8 employés. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 19
22 Variance de la moyenne V( ˆȲ st ) = V H N h h=1 N ȳh = H h=1 N h N 2 V(ȳ h ) = H h=1 N h N 2 (1 f h ) σ2 h n h où f h = n h /N h est le taux de sondage dans la strate h et σ 2 h la variance de Y dans cette strate. Elle peut être estimée par ˆV( ˆȲ st ) = H Remarques h=1 N h N 2 (1 f h ) s2 h n h La variance est donc d autant plus petite que les variances σ 2 h le sont. Cela est d autant plus vrai que la variable auxiliaire utilisée pour construire les strates est corrélée avec la variable d intérêt Y. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 20
23 Intervalle de confiance pour la moyenne Sous certaines conditions (... ), un intervalle de confiance (approximatif) 95% est donné par IC(Ȳ ) = ˆȲ st ± 2 ˆV( ˆȲ st ) Ex (suite) Construisons un ensemble de valeurs plausibles pour le nombre moyen d employés dans les 1060 entreprises. ˆV( ˆȲ st ) = H h=1 N 2 h N = = = (1 f h ) s2 h n h L intervalle recherché est donc 29.8 ± = (29.3, 30.3) employés. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 21
24 Choix de n h : l allocation proportionnelle C est la méthode de détermination de n h la plus fréquemment utilisée car, pour beaucoup, c est la plus naturelle et la plus facile à mettre en oeuvre: n h n = N h N Ex Le pourcentage d habitants par région en Belgique est 58%(= N 1 /N) en Flandre, 32%(= N 2 /N) en Wallonie et 10%(= N 3 /N) à Bruxelles. Si on stratifie par région, n = 500 individus sondés pourraient se répartir selon la même clé, càd 290, 160 et 50 respectivement (n h = n N h /N). La taille d échantillon par strate est proportionnelle au poids de la strate dans la population: l échantillon est un modèle réduit de la population vis-à-vis de l auxiliaire. Comme le sondage est aléatoire simple dans chaque strate, on déduit que la probabilité qu un individu i, appartenant à la strate h, soit choisi vaut P i = Pr(Etre choisi strate h) = f h = n h N h = n N = f L allocation proportionnelle assure donc que tous les individus ont la même probabilité d étre sondé: le taux de sondage est le même dans toutes les strates. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 22
25 Il existe des alternatives à l allocation proportionnelle qui intègrent une dimension de coût dans la procédure d échantillonnage. Choix de n h en allocation proportionnelle avec un budget C Supposons, par ex, que le nombre H de strates soit fixé, une allocation proportionnelle soit considérée, le budget disponible soit C avec un coût c h par unité dans la strate h.? Combien d individus va-t-on interroger dans chacune des strates? Ex Enquête réalisée en Wallonnie et à Bruxelles avec un coût moyen HTVA de, respectivement, 11 et de 9 euros par personne interrogée: Combien de personnes va-t-on interroger dans chacune des régions avec un budget global de euros? Pour rappel, les wallons représentent 76% de la population en Wallonie-BXL. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 23
26 Les tailles d échantillons par strate doivent vérifier l égalité C = H h=1 n h c h Comme l allocation est proportionnelle, nous avons: n h = N h N n Par conséquent, C = H h=1 N h N n c h n = H h=1 C N h N c h Ex (suite): = n n 2 9 = 0.76n n 9 En conclusion, n = > 950 n 1 = = 722 ; n 2 = = 228 avec un coût total de = 9994 euros. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 24
27 Choix de n h : allocation optimale de Neyman pour un budget C Tout en contrôlant le coût total de collecte C, on peut déterminer n h de façon à minimiser la variance de l estimateur, V( ˆȲ st ). On peut démontrer (multiplicateurs de Lagrange... ) que l allocation optimale est n h = N h S h ch l C N h S h N l S l cl ch Cette allocation de Neyman prévilégie donc les strates comprenant un nombre important d invidus ; avec une grande variabilité pour la réponse: c est là qu il y a le plus d information à collecter par personne interrogée ; avec un plus faible coût de collecte par unité. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 25
28 Ex (suite) Supposons que la variabilité de Y soit la même en Wallonie qu à Bruxelles, càd que S 1 = S 2 = S. En se rappelant que N 1 = 0.76N et N 2 = 0.24N, et la formule de Neyman, on a n h = N h S h ch l C N h S h N l S l cl ch n 1 = 0.76N S N S N S 9 n 2 = 0.24N S N S N S 9 = > 707 = > 246 On interrogera donc un total de 953 (= ) personnes pour un coût de = 9991 euros Une plus grande précision est attendue dans l estimation de la moyenne qu avec l allocation proportionnelle (à coût identique). P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 26
29 Ex (suite) Reprenons l exemple précédent en supposant cette fois que des sondages antérieurs suggèrent que la variabilité de Y soit 20% supérieure en Wallonie, càd que S 1 = 1.20S 2. La formule de Neyman suggère n 1 = 0.76N 1.20S 2 11 = > N 1.20S N S 2 9 n 2 = 0.24N S N 1.20S N S 2 9 = > 213 On interrogera donc un total de 947 (= ) personnes pour un coût total de = 9991 euros La variabilité de Y étant supérieure en Wallonie, il est suggéré d y interroger plus de personnes que dans le cas précédent (cf. 734 au lieu de 707). P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 27
30 Remarques L allocation de Neyman requiert une estimation de σ 2 h. Une mauvaise estimation de σ 2 h n induit pas de biais dans l estimation de Ȳ. Si σ 2 h est correctement estimé, on a V opt ( ˆȲ st ) V prop ( ˆȲ st ) V( ˆȲ aleat.simple ) Le gain en précision en passant du proportionnel à l optimal n est important que si les σ 2 h sont très différents. La recherche d optimalité concerne la précision dans l estimation de Ȳ. Les moyennes par strate, Ȳ h, pourraient être estimées imprécisément, en particulier dans les petites strates (puisque n h est proportionnel à N h ). P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 28
31 Choix des strates La stratification se fait à l aide des variables auxiliaires de la base de sondage les plus corrélées avec la réponse Y. En théorie, le nombre de strates doit être aussi élevé que possible. Cependant, au-delà d un certain nombre, le gain en précision escompté devient marginal ; les σh 2 deviennent difficiles à estimer dans les strates à faibles effectifs. Ces estimations peuvent également induire des coûts non négligeables si elles nécessitent une étude pilote. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 29
32 Estimation d une proportion A chaque individu i de la population est associée un variable 0-1 (binaire) Y i, la valeur 1 indiquant que la caractéristique d intérêt est présente. Dans ce cas particulier, Ȳ = π où π est la proportion (à estimer) d individus dans la population avec la caractéristique d intérêt. Le rôle de Ȳh sera joué par π h qui est la proportion précédente au niveau de la sous-population correspondant à la strate h. Le rôle de l estimateur ȳ h de Ȳh sera joué par p h qui estime π h. Lorsque l échantillon dans chaque strate est aléatoire simple, on a simplement f h = n h /N h. Sous cette condition, la variance de p h est V(p h ) = (1 f h ) π h(1 π h ) n h où f h = n h /N h est le taux de sondage dans la strate h. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 30
33 La théorie précédente concernant Ȳ s applique sans modification à π. Nous avons donc, avec les mêmes notations que précédemment: Estimation sans biais de π p st = ˆπ st = H h=1 N h N p h Variance de l estimateur V(p st ) = H Cette variance est estimée par h=1 ˆV(p st ) = H Intervalle de confiance 95% h=1 N h N N h N 2 2 (1 f h ) π h(1 π h ) n h (1 f h ) p h(1 p h ) n h IC(π) = p st ± 2 ˆV(pst ) P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 31
34 Ex Une enquête menée dans une entreprise employant 7500 personnes a pour objectif de déterminer la proportion d employés disposant d une voiture personnelle. Une variable auxiliaire suggérée est le revenu de ces personnes: elles sont classées en 3 groupes: -1- revenus bas (3500 employés) ; -2- revenus moyens (2000 employés) ; -3- revenus élevés (2000 employés). Un sondage aléatoire simple a été mené dans chacun de ces groupes auprès de, respectivement, 500, 300 et 200 personnes. Parmi elles, 65, 135 et 100 ont déclaré disposer d une voiture personnelle. Nous avons donc N 1 = 3500, N 2 = 2000 et N 3 = 2000 ; n 1 = 500, n 2 = 300 et n 3 = 200 ; p 1 = 65 n 1 = 0.13, p 2 = 135 n 2 = 0.45 et p 3 = 100 n 3 = Estimons la proportion recherchée: p st = ˆπ st = H h=1 N h N p h = = Dérivons également un ensemble de valeurs plausibles pour cette proportion: IC(π) = p st ± 2 ˆV(pst ) P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 32
35 Or ˆV(p st ) = = + + H N 2 h h=1 N (1 f h ) p h(1 p h ) n h Un ensemble de valeurs plausibles pour π est donc 0.13 (1 0.13) (1 0.45) (1 0.50) 200 = ± = (0.29, 0.34). P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 33
36 Sondage à plusieurs degrés Principes de base Parmi les désavantages des sondages aléatoires simple et stratifié, citons: la nécessité de disposer d une base de sondage complète ; les coûts de déplacement lorsque la présence physique d un enquêteur auprès de chaque interviewé est nécessaire. Le sondage à plusieurs degrés permet de limiter ces inconvénients. L idée est d effectuer l échantillonnage en plusieurs phases ou degrés. Degré 1: sélection d unités primaires (UPs) Les UPs correspondent, la plupart du temps, à des entités (ex: géographiques) disjointes qui partitionnent le territoire qui doit être sondé (ex: les communes ; des bureaux de vote ; des caisses de produits manufacturés ; des médecins). Un échantillon d UPs est sélectionné à l aide d une procédure adéquate (ex: par sondage aléatoire simple ou à l aide d un sondage avec probabilités de sélection proportionnelles au nombre d unités dans chaque entité). P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 34
37 Degré 2: sondage à l intérieur de chaque UP Un sondage aléatoire simple ou stratifié pourrait être envisagé. Le 1er degré permet de réduire les coûts (ex: par la concentration des interviews à réaliser sur des poches du territoire ; par des sondages à la sortie des bureaux de vote sélectionnés ; par l ouverture des caisses désignées par le 1er degré du sondage ; par l examen approfondi des prescriptions faites aux patients des médecins sélectionnés). Dans le 1er exemple, il est alors envisageable de former des équipes d enquêteurs pour chacune des UPs et de les resolliciter à l occasion d autres sondages. Il n est pas nécessaire de disposer d une base de sondage dans les UPs non retenues si la sélection des UPs se fait par sondage aléatoire simple. Si on souhaite sélectionner les UPs par sondage avec probabilités de sélection proportionnelles au nombre d individus dans chaque UP, il faut au minimum connaître les effectifs dans chacune des UPs. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 35
38 Estimation du total Si on numérote les M unités primaires avec un indice i, alors la probabilité P ij que le jème individu de l UP i soit sélectionné vaut P ij = P(j selectionné j UP i ) P(UP i selectionnée) Si m UPs sont sélectionnées parmi les M par sondage aléatoire simple, alors P(UP i selectionnée) = m M Si n i individus sont sélectionnés par sondage aléatoire simple parmi les N i personnes de la ième UP, alors P(j selectionné j UP i ) = n i N i Par conséquent, avec un sondage aléatoire simple à chaque degré: P ij = n i N i m M La probabilité de sélection n est donc pas nécessairement la même pour tout le monde!! (sauf si le taux de sondage n i /N i est le même dans chaque UP). P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 36
39 Notations s est l ensemble des UP sélectionnées. s i est l ensemble des individus sélectionnés dans la ième UP. La formule générale de l estimateur sans biais du total T reste d actualité: ˆT = i:i s Y ij j:j s i P ij Si les 2 phases du sondages sont aléatoire simples, alors ˆT = M m i:i s N i n i Y ij j:j s i La connaissance de la taille totale N de la population n est pas requise! P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 37
40 Variance de ˆT On peut calculer (expression non fournie) la variance V( ˆT ) de ˆT. Elle fait intervenir un terme lié au 1er degré (tirage des UPs) et un terme lié au 2ème degré (tirage des individus dans chaque UP). Le 1er terme est le plus grand en pratique. Afin d avoir une variance de taille raisonnable, on conseille de prendre des UPs de tailles N i sembables, de petites tailles, avec des comportements moyens Ȳi = T i /N i semblables. Ex Sondage auprès de n = 1000 ménages. Les 3 stratégies suivantes sont possibles: UPs avec 4 ménages par UP, UPs avec 2 ménages par UP, UPs avec 1 ménage par UP. En terme de précision, -1- < -2- < -3-. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 38
41 Remarques Les estimations obtenues avec un sondage à plusieurs degrés sont généralement moins précises qu en travaillant avec un seul degré par sondage aléatoire simple. Il est en effet très fréquent qu un effet grappe soit présent: les réponses enregistrées dans une même UP sont plus homogènes que dans la population totale. L information accumulée est alors moins importante que dans un seul échantillon aléatoire simple de même taille. Plus le nombre de degrés du sondage est élevé, moins grande est la précision des estimations. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 39
42 Autres sondages probabilistes Il existe d autres sondages probabilistes que ceux exposés jusqu ici. Leur étude est post-posée à un cours plus avancé. Citons parmi ces sondages: les sondages en grappes: c est un sondage à plusieurs degrés où tous les individus du dernier degré sont interrogés.... P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 40
43 Les sondages empiriques Les sondages probabilistes sont de loin les plus recommendables car ils permettent un contrôle du bais et une évaluation des précisions obtenues. Cependant, les sondages empiriques sont fréquemment utilisés en pratique. C est notamment le cas lorsqu on ne dispose pas d une base de sondage ou lorsqu un sondage probaliste est trop coûteux ou trop long à mettre en oeuvre. Ce type de sondage est très fréquemment utilisé par les instituts de sondage privés. Ce type de sondage doit être évité si cela est possible. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 41
44 La méthode des quotas Le but de cette approche est de construire un échantillon dont la structure est la même que celle de la population. Ex Même proportion d hommes dans l échantillon que dans la population ; même répartition au niveau des âges... Pour la qème catégorie, la méthode des quotas impose que n q n = N q N. Un enquêteur doit alors réunir un quota de n q personnes de la qème catégorie dans l échantillon (exemple de feuille de quotas à la page suivante). La plupart du temps, pour des raisons pratiques, les quotas imposés sur le terrain sont marginaux. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 42
45 P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 43
46 Estimation de la moyenne Hypothèse de travail: on peut tranposer les conclusions recueillies sur l échantillon à la population entière. Par définition de la moyenne, on sait que Ȳ = Q q=1 N q N Ȳq Si un quota est imposé sur Q catégories de population, on estime Ȳ par: ˆȲ = Q q=1 n q n ȳq Remarques La variance de ˆȲ ne peut pas être évaluée. Le sondage probabiliste le plus sembable est le stratifié à allocation proportionnelle. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 44
47 La méthode des quotas: biais La qualité de l estimation repose sur l homogénéité des groupes définis par les quotas. Il est donc souhaitable d avoir un maximum de variables auxiliaires pour constituer les groupes. En pratique, pour les sondages d opinion, on se limite souvent au sexe, à l âge et à la catégorie socio-professionnelle. Un biais apparaît s il existe un lien entre la probabilité de sélection et la variable réponse Y pour une catégorie q donnée. Afin de limiter ce biais, il est conseillé à chaque enquêteur d étaler ses interviews sur l ensemble de la journée, de couvrir l ensemble du territoire qui lui est attribué, etc. Un sondage stratifié à allocation proportionnelle est d autant plus précis que la taille d échantillon n est grande: ce n est pas le cas avec la méthode des quotas!! P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 45
48 La méthode des quotas: remarques finales Il est fréquent de privilégier la méthode des quotas pour les petits sondages (par ex. n 1000). Les quotas sont souvent utilisés lors d enquêtes pilotes (préliminaires à un sondage probabiliste de taille conséquente). La méthode des quotas est souvent combinée avec plusieurs degrés d échantillonnage. Ex 1er degré: province ; 2ème degré: communes avec un quota par commune retenue ; 3ème degré: quartier. Le problème de non-réponse existe également avec les quotas: certaines parties de la population ne sont jamais atteintes. Il est pratiquement impossible de vérifier la qualité du travail des enquêteurs (sauf si les coordonnées complètes des sondés sont disponibles). P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 46
49 Il existe d autres méthodes empiriques: la méthode des itinéraires: c est la méthode des quotas avec un itinéraire imposé à chaque enquêteur. la méthode des unités-types: des individus sont pré-désignés pour représenter des sous-groupes de la population. Ex Calcul de l audimat. l échantillonnage de volontaires: les sondés sont recrutés sur base volontaire par courrier, par des magazines auprès de leur lectorat, via des sites internet... Cette méthode est à proscrire car elle induit des biais très importants. P. Lambert c - Faculté des Sciences Sociales Les sondages probabilistes - 47
Théorie 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 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 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 détailExploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.
Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Etudes et traitements statistiques des données : le cas illustratif de la démarche par sondage INTRODUCTION
Plus en détailChapitre 11 METHODOLOGIE D ENQUÊTES
Chapitre 11 METHODOLOGIE D ENQUÊTES PLAN DU CHAPITRE 11 11.1 LE QUESTIONNAIRE 11.1.1 Qu est-ce qu un questionnaire? 11.1.2 Etapes de la construction d un questionnaire 11.1.3 Règles de base pour l élaboration
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 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 détailReprésentation des Nombres
Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...
Plus en détailPOINTS DE VUE DES CANADIENS SUR LA COUVERTURE DES MÉDICAMENTS D ORDONNANCE
www.ekos.com POINTS DE VUE DES CANADIENS SUR LA COUVERTURE DES MÉDICAMENTS D ORDONNANCE [Ottawa 22 mai 2013] Selon un nouveau sondage commandé par la Coalition canadienne de la santé (CCS) et la Fédération
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 détailMODÈLE CROP DE CALIBRATION DES PANELS WEB
MODÈLE CROP DE CALIBRATION DES PANELS WEB 550, RUE SHERBROOKE OUEST MONTRÉAL (QUÉBEC) H3A 1B9 BUREAU 900 TOUR EST T 514 849-8086, POSTE 3064 WWW.CROP.CA Le Protocole CROP de calibration des panels en ligne
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
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 détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détailCONCEPTION ET TIRAGE DE L ÉCHANTILLON
CHAPITRE 4 CONCEPTION ET TIRAGE DE L ÉCHANTILLON Ce chapitre technique 1 s adresse principalement aux spécialistes de sondage, mais aussi au coordinateur et aux autres responsables techniques de l enquête.
Plus en 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 détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailBulletin de service Bureaux d agents, de courtiers en immeubles et d évaluateurs de biens immobiliersetdes autres activités liées à l immobilier
N o 63-238-X au catalogue. Bulletin de service Bureaux d agents, de courtiers en immeubles et d évaluateurs de biens immobiliersetdes autres activités liées à l immobilier 2012. Faits saillants Le revenu
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 détailFOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS
FOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS 550, RUE SHERBROOKE OUEST MONTRÉAL (QUÉBEC) H3A 1B9 BUREAU 900 TOUR EST T 514 849-8086, POSTE 3064 Réflexions méthodologiques Depuis des années,
Plus en détailPrincipe d optimisation. Optimisation technico-économique. Coût. Isolation thermique. Isolation optimale
Optimisation technico-économique Objectif : obtenir une certaine prestation à moindre coût Dans le domaine du bâtiment, cette optimisation peut s appliquer à trois niveaux différents : choix des composants
Plus en détailNote méthodologique. Les principales différences avec les TES sont mentionnées dans l encadré 1.
Version intégrale Note méthodologique 1. Les tableaux des ressources et des emplois dans les comptes nationaux L élaboration des comptes nationaux de la Belgique s effectue conformément à la méthodologie
Plus en détailLa culture financière des Français
C entr e de Recher c h e po u r l E t u d e et l Obser va t i o n des Co n d it io n s de V ie Département Conditions de vie et aspirations La culture financière des Français Etude réalisée à la demande
Plus en détailTable des matières: Guidelines Fonds de Pensions
Table des matières: Guidelines Fonds de Pensions TABLE DES MATIERES... 1 INTRODUCTION... 2 1 FINANCEMENT ET FINANCEMENT MINIMUM... 3 1.1 FINANCEMENT... 3 1.2 FINANCEMENT DE PLAN... 3 1.3 FINANCEMENT MÉTHODE
Plus en détailPROJET D ELECTRIFICATION RURALE PAR RESEAU SBEE <<MESURES D ACCOMPAGNEMENT>> (MISSION D INTERMEDIATION SOCIALE)
1 PROJET D ELECTRIFICATION RURALE PAR RESEAU SBEE (MISSION D INTERMEDIATION SOCIALE) STRATEGIE DE DISTRIBUTION DES CARTES PREPAYEES 2 TABLE DES MATIERES INTRODUCTION... 3 1.
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 détailELEMENTS DE COMPTABILITE NATIONALE
ELEMENTS DE COMPTABILITE NATIONALE Cours de M. Di Roberto Université Victor Segalen Bordeaux 2 Bibliographie Ce cours s inspire largement des ouvrages essentiels suivants. Merci à leurs auteurs. BOSSERELLE
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailBaromètre sur le financement et l accès au crédit des PME
Baromètre sur le financement et l accès au crédit des PME - Vague 24 - Sondage Ifop pour KPMG et CGPME Contact Ifop : Flore Aline Colmet Daâge Directrice d Etudes Département Opinion et Stratégies d Entreprise
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en 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 détailDÉCISIONS À PRENDRE AVANT DE COMMENCER
CHAPITRE 2 DÉCISIONS À PRENDRE AVANT DE COMMENCER Ce chapitre s adresse aux directeurs de programme, à leurs partenaires nationaux, aux coordinateurs d enquête et au personnel technique. Il vous aidera
Plus en détailModèles et Méthodes de Réservation
Modèles et Méthodes de Réservation Petit Cours donné à l Université de Strasbourg en Mai 2003 par Klaus D Schmidt Lehrstuhl für Versicherungsmathematik Technische Universität Dresden D 01062 Dresden E
Plus en détailI. Cas de l équiprobabilité
I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus
Plus en détailInstitut Informatique de gestion. Communication en situation de crise
Institut Informatique de gestion Communication en situation de crise 1 Contexte Je ne suis pas un professionnel de la communication Méthode empirique, basée sur l(es) expérience(s) Je suis actif dans un
Plus en détailBaromètre sur le financement et l accès au crédit des PME
Baromètre sur le financement et l accès au crédit des PME - Vague 25 - Sondage Ifop pour KPMG et CGPME Mai 2015 Sommaire 1 - La méthodologie 2 - Les résultats de l étude A B C - L impact du contexte économique
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 détailPROGRAMME INTERNATIONAL POUR LE SUIVI DES ACQUIS DES ÉLÈVES QUESTIONS ET RÉPONSES DE L ÉVALUATION PISA 2012 DE LA CULTURE FINANCIÈRE
PROGRAMME INTERNATIONAL POUR LE SUIVI DES ACQUIS DES ÉLÈVES QUESTIONS ET RÉPONSES DE L ÉVALUATION PISA 2012 DE LA CULTURE FINANCIÈRE TABLE DES MATIÈRES INTRODUCTION... 3 QUESTION NIVEAU 1: FACTURE... 4
Plus en détailLa 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 détailINITIATION AUX METHODES DE SONDAGE
Annie FOURRIER-REGLAT Marthe-Aline JUTAND avec la participation d Anne-Marie DUSSAIX INITIATION AUX METHODES DE SONDAGE APPLICATION A LA PHARMACO-EPIDEMIOLOGIE ARME-Pharmacovigilance Editions - Bordeaux
Plus en détailConsolidation de fondamentaux
Consolidation de fondamentaux Point de vue communicationnel sur le réel Consolidation - Stéphanie MARTY - 2009/2010 1 Question 31 31. Que signifie «avoir un point de vue communicationnel sur le réel»?
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 détailInstitut économique de Montréal. Rapport d un sondage omnibus. Juin 2005
Institut économique de Montréal Rapport d un sondage omnibus Juin 2005 Opinion des Québécois à l égard du jugement de la Cour suprême du Canada relatif à l interdiction aux citoyens de payer pour des soins
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 détailRéseaux sociaux et recrutement : Quand, Pourquoi, Comment? présentation : Patrick Debray tél 079 212 27 80 info@dmd.ch
Réseaux sociaux et recrutement : Quand, Pourquoi, Comment? présentation : Patrick Debray tél 079 212 27 80 info@dmd.ch Les réseaux sociaux 2003 leur apparition 2010 leur essor quelques chiffres Réseaux
Plus en détailI. Une nouvelle loi anti-discrimination
Extrait du Bulletin de Liaison Le Défi n 17, LHFB, Juillet 2004 Discriminations et assurances ; les apports de la Loi du 25 février 2003 et le rôle du Centre pour l'égalité des chances et la lutte contre
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
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 détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en détailGestion des stocks et des approvisionnements
Les stocks représentent dans le bilan des entreprises de 20 à 80% du total de l actifs. Engendrent un important besoin de financement. Les stocks remplissent d importantes fonctions. Bien gérer les stocks
Plus en détailBaromètre des professions 2015. Février 2015
Baromètre des professions 2015 Février 2015 Approche méthodologique 3 Résultats détaillés 5 1. Confiance 6 2. Encouragement à devenir 9 2 Méthodologie Collecte des données La présente étude a été réalisée
Plus en détailGuide méthodologique : Enquêtes en ligne
Guide méthodologique : Enquêtes en ligne Une enquête est une «méthode systématique de collecte d'informations à partir d un échantillon possédant des caractéristiques représentatives de l'ensemble de la
Plus en détailLa valeur présente (ou actuelle) d une annuité, si elle est constante, est donc aussi calculable par cette fonction : VA = A [(1-1/(1+k) T )/k]
Evaluation de la rentabilité d un projet d investissement La décision d investir dans un quelconque projet se base principalement sur l évaluation de son intérêt économique et par conséquent, du calcul
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailCrédit à la consommation, un bon outil pour la rentrée?
Crédit à la consommation, un bon outil pour la rentrée? Contexte Empruntis intervient sur le crédit depuis 15 ans 370 000 ménages nous sollicitent chaque année pour leur besoin en crédit à la consommation
Plus en détailQu est-ce que l effet de levier?
EMPRUNTER POUR INVESTIR : CE N EST PAS POUR TOUT LE MONDE Qu est-ce que l effet de levier? L effet de levier consiste à investir en empruntant une partie ou la totalité des sommes. De cette façon, vous
Plus en détailEchantillonnage INTRODUCTION. Module 1
INTRODUCTION Pour évaluer les programmes de, et en premier lieu pour cibler les populations vulnérables auprès desquelles venir en aide, il convient de mener différentes enquêtes sur le terrain, auprès
Plus en détailComment valoriser une entreprise et sur quels critères? ISEC 22 novembre 2011 Evaluation d entreprises
1 Comment valoriser une entreprise et sur quels critères? ISEC 22 novembre 2011 Evaluation d entreprises Sommaire Préambule Comment bien évaluer une entreprise? Le diagnostic Le business plan L approche
Plus en détailAnalyse des coûts. 1 ère année DUT GEA, 2005/2006 Analyse des coûts
Analyse des coûts Les techniques de calcul et d analyse des coûts portent le nom de comptabilité analytique ou comptabilité de gestion. Ces deux termes seront utilisés indifféremment dans ce cours. Contrairement
Plus en détailPanel MBAweb 2014-10-12. MBA Recherche
1 Présentation du panel MBAweb La ressource incontournable de l'opinion au Québec 2 34 000 consommateurs attentifs et engagés Travailler vite et bien à la fois, c'est possible lorsqu'on a l'expérience.
Plus en détailPour diffusion immédiate. Nouveau sondage CROP : LES AIRES PROTÉGÉES, UNE PRIORITÉ SELON LES QUÉBÉCOIS
COMMUNIQUÉ Pour diffusion immédiate Nouveau sondage CROP : LES AIRES PROTÉGÉES, UNE PRIORITÉ SELON LES QUÉBÉCOIS Montréal, le 6 mars 2007 Un sondage réalisé du 28 février au 4 mars 2007 par la maison CROP
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailLignes directrices de 2004 pour des sondages sur la satisfaction des demandeurs dans le cadre de l assurance-automobile
Financial Services Commission of Ontario Commission des services financiers de l Ontario Lignes directrices de 2004 pour des sondages sur la satisfaction des demandeurs dans le cadre de l assurance-automobile
Plus en détailLes salariés du secteur privé face à la généralisation de la complémentaire santé collective
Les salariés du secteur privé face à la généralisation de la santé collective Etude réalisée pour Swiss Life France Contact Ifop : Frédéric Dabi / François KRAUS Directeur d études d opinion 01 72 34 94
Plus en détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
Plus en détailBecca Distribution Inc
Becca Distribution Inc 12-31-2008-12-31-2009 Becca Distribution Inc - Becca_2008.opt Page 3 Mesures clés du rendement de l'entreprise Seuil de rentabilité Valeur cible % Rentabilité % Rentabilité = 0 Période
Plus en détailC R É D I T A G R I C O L E A S S U R A N C E S. Des attitudes des Européens face aux risques
C R É D I T A G R I C O L E A S S U R A N C E S Observatoire Ipsos-LogicaBusiness Consulting/Crédit Agricole Assurances Des attitudes des Européens face aux risques Fiche technique Ensemble : 7245 répondants
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 détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailVotre capital le plus précieux: Les collaborateurs de votre entreprise.
Votre capital le plus précieux: Les collaborateurs de votre entreprise. Guide de la prévoyance professionnelle (2 e pilier): Assurance accidents obligatoire selon la LAA Complément à l assurance accidents
Plus en détailEVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO
EVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO Auteur Baguinébié Bazongo 1 Ingénieur Statisticien Economiste Chef de l Unité de recherche à l Institut national
Plus en détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailCHAPITRE 2 : L'INVESTISSEMENT ET SES DETERMINANTS
CHAPITRE 2 : L'INVESTISSEMENT ET SES DETERMINANTS Notions à connaître: Taux de rentabilité, taux d'intérêt, demande anticipée, investissement matériel, investissement immatériel, investissement public,
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 détail1. QU'EST CE QUE LE TABLEAU DE BORD D UN PROJET?
1. QU'EST CE QUE LE TABLEAU DE BORD D UN PROJET?... 1 2. LES TABLEAUX DE BORD, OUTILS DE PILOTAGE... 2 3. LES TABLEAUX DE BORD : OUTILS DE DIALOGUE A L'INTERIEUR DE L'ORGANISATION... 3 4. LA PRESENTATION
Plus en détailSondage d opinion auprès des Canadiens Perception à l égard des couples de même sexe PROJET 12717-014
Sondage d opinion auprès des Canadiens Perception à l égard des couples de même sexe PROJET 12717-014 Table des matières Contexte et objectifs... 6 Méthodologie... 8 Résultats détaillés 1. Perception
Plus en détailVoici la plus récente édition de notre bulletin fiscal. Nous vous proposerons des idées de planification et un suivi de l actualité fiscale.
Voici la plus récente édition de notre bulletin fiscal. Nous vous proposerons des idées de planification et un suivi de l actualité fiscale. 1) Nouveau régime d imposition des dividendes Désignation tardive
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailGUIDE PRATIQUE. Du provisionnement des emprunts à risques
Ministère de l Égalité des territoires et du Logement Ministère de l Économie et des Finances GUIDE PRATIQUE Du provisionnement des emprunts à risques Application aux Offices Publics de l Habitat à comptabilité
Plus en détailL 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 détail23. 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 détailDate de diffusion publique : lundi 15 décembre 2008, 6h00 heure normale de l Est
Suite à la récente crise constitutionnelle, un nouveau sondage démontre que les Canadiens manquent de connaissances élémentaires sur le système parlementaire canadien La moitié des Canadiens (51%) croient
Plus en détailBiostatistiques 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 détailASR1 TD7 : Un microprocesseur RISC 16 bits
{Â Ö Ñ º ØÖ Ý,È ØÖ ºÄÓ Ù,Æ ÓÐ ºÎ ÝÖ Ø¹ ÖÚ ÐÐÓÒ} Ò ¹ÐÝÓÒº Ö ØØÔ»»Ô Ö Óº Ò ¹ÐÝÓÒº Ö» Ö Ñ º ØÖ Ý»¼ Ö½» ASR1 TD7 : Un microprocesseur RISC 16 bits 13, 20 et 27 novembre 2006 Présentation générale On choisit
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailObservatoire Economique et Statistique d Afrique Subsaharienne
Observatoire Economique et Statistique d Afrique Subsaharienne Termes de référence pour le recrutement de quatre (4) consultants dans le cadre du Projet «Modules d initiation à la statistique à l attention
Plus en détailActions Propres et Consolidation
Actions Propres et Consolidation igmaconso Allen White Les actions propres d une société sont des actions émises et ultérieurement détenues par celle ci, en vue soit de les annuler soit de les revendre.
Plus en détailÉtablissement 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 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 détailLes 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 détailOBSERVATOIRE DE L EPARGNE EUROPEENNE
Conférence de presse du 22 juin 2001 Fiscalité des produits d épargne: une comparaison internationale Il n existe pas de véritable point de vue européen en matière de fiscalité des produits d épargne.
Plus en détailAlgorithmes d'apprentissage
Algorithmes d'apprentissage 1 Agents qui apprennent à partir d'exemples La problématique : prise de décision automatisée à partir d'un ensemble d'exemples Diagnostic médical Réponse à une demande de prêt
Plus en détailI. Accord obtenu sur un certain nombre de principes de base = note de synthèse.
I. Accord obtenu sur un certain nombre de principes de base = note de synthèse. 1) Le citoyen a droit à l aide adéquate la plus rapide (tant en ce qui conceme le service d incendie qu en ce qui conceme
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailDocument de réflexion - RACHETER OU NE PAS RACHETER?
Document de réflexion - RACHETER OU NE PAS RACHETER? Version fin mai 2012 Ce document est destiné aux personnes participantes du Régime et vise à les aider à déterminer si le rachat d une rente pour service
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 détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailÀ besoins particuliers, solutions particulières. Prévoyance complémentaire
À besoins particuliers, solutions particulières Prévoyance complémentaire Table des matières À besoins particuliers, solutions particulières 3 Identifier et combler les lacunes de prévoyance 4 Prévoyance
Plus en détailRégime à cotisation déterminée. On sait ce qu on met dedans; ce qu on retirera à la retraite dépend du rendement.
Le Régime volontaire d épargne retraite (RVER) face au défi de la sécurité du revenu à la retraite des personnes salariées des groupes communautaires et de femmes et des entreprises d économie sociale
Plus en détail