Introduction aux tests statistiques
|
|
- Roland St-Pierre
- il y a 6 ans
- Total affichages :
Transcription
1 Introduction aux tests statistiques Illustrée avec XLSTAT Jean Paul Maalouf 8 novembre
2 PLAN XLSTAT : qui sommes-nous? Statistiques : catégories Statistiques descriptives / exploratoires : rappel Tests statistiques : principe, démarche et application sur XLSTAT Comment interpréter p-value > alpha? Tests paramétriques et tests non-paramétriques Tests sur échantillons indépendants et sur échantillons appariés Tests de comparaison et tests d association Application sur XLSTAT : test d association de 2 variables qualitatives Toutes les données de cette formation ont été inventées sauf mention contraire 2
3 Logiciel XLSTAT XLSTAT est un logiciel d analyse de données convivial qui s intègre à Excel 3
4 XLSTAT, Historique Un logiciel en pleine croissance, une équipe grandissante Première vente sur internet Nouvelle version, Interface : VBA, Calculs : C++ 7 langues Nouveaux produits Nouveau site Equipe grandissante Thierry Fahmy développe une alternative userfriendly pour l analyse de données : Naissance d XLSTAT 1996 Création de la société Addinsoft 2006 Nouvelles offres modulaires 2015 XLSTAT 365 Version Cloud pour Excel 365 XLSTAT-Free Version gratuite 4
5 XLSTAT en quelques chiffres 200+ fonctionnalités statistiques Réparties dans des solutions généralistes ou orientées-métier 50k utilisateurs A travers le monde. Secteurs privé, éducation, recherche 16 salariés A l écoute des utilisateurs 130k visites/mois sur le site web Tutoriels didactiques en 5 langues 7 langues 400 téléchargements/jour 5
6 Statistiques : 4 catégories 6
7 Statistiques : 4 catégories Enregistrement Enregistrement 29 / 11 / 2016 Description Exploration Tests Modélisation Je veux résumer Je veux plonger Je veux accepter / Je cherche à des données (1-3 facilement dans un rejeter une hypothèse comprendre comment variables) grâce à gros jeu de données bien précise en évolue un phénomène des calculs ou des sans forcément avoir assumant des risques en fonction d un graphiques simples une question précise d erreur (test t, ANOVA, ensemble de (moyenne, écart derrière la tête (ACP, khi², corrélation...) paramètres (régression, type, box plot ) CAH...) ANCOVA, ANOVA) 7
8 Statistiques descriptives / exploratoires : rappel 8
9 Individus Tableau de données : plateforme de vente de chaussures en ligne Variables 9
10 Statistiques descriptives : nuage de point coloré - Montant facture diminue avec temps passé sur le site - Clients plutoniens passent moins de temps sur le site que les autres - Martiens et terriens forment un groupe relativement homogène
11 Le même raisonnement sur un nombre plus élevé de variables... Statistiques exploratoires 11
12 Analyse en Composantes Principales Graphique 1 : cercle des corrélations ; graphique 2 : observations 12
13 ACP : explorations... Hypothèses qui en découlent Le poids total augmente avec la taille Les plutoniens sont plus gros et plus lourds que les autres Le temps passé sur le site diminue avec le poids et la taille Derrick a de très gros pieds La pointure n est pas liée au poids / à la taille Et ainsi de suite... 13
14 L exploration de jeux de données nous inspire un bon nombre d hypothèses... Sont-elles valides? Place aux tests statistiques 14
15 Une autre manière de faire la transition... Questions auxquelles peuvent répondre les Stats descriptives / Exploratoires : Quelle-est la moyenne de pointure pour chaque origine? A quelles autres variables le montant de la facture est-il lié?... Questions auxquelles peuvent répondre les tests statistiques Les moyennes de taille des plutoniens et martiens sont-elles significativement différentes? La couleur des cheveux est-elle significativement liée à la couleur des yeux?... (réponse oui / non) 15
16 Tests statistiques Permettent d accepter / rejeter une hypothèse bien précise (en assumant des risques d erreur) 16
17 Tests statistiques : démarche Formulation de la Question (rép. oui / non) Formulation hypothèse nulle et hypothèse alternative Choix du test statistique approprié et du seuil de risque alpha Récolte des données On rajoutera des trucs ici plus tard Exécution du test Réponse à la question : si p-value < seuil alpha, alors on rejette H0 avec un risque proportionnel à p-value de se tromper 17
18 Etape 1 : Question : les engrais A & B induisent-ils une différence de taux moyen de sucre chez la banane? formulation de la question 18
19 Etape 2 : H0 VS Ha formulation des hypothèses 19
20 Formulation des hypothèses? Question les engrais A & B induisent-ils une différence de taux moyen de sucre chez la banane? H0 Hypothèse nulle En général absence de différence ou de relation. H0 : moyenne de sucre bananes A = moyenne de sucre bananes B Ha Hypothèse alternative En général existence de différence ou de relation Ha : moyenne de sucre bananes A moyenne de sucre bananes B 20
21 Tests statistiques : démarche on en est là Formulation de la Question (rép. oui / non) Formulation hypothèse nulle et hypothèse alternative Choix du test statistique approprié et du seuil de risque alpha Récolte des données Exécution du test Réponse à la question : si p-value < seuil alpha, alors on rejette H0 avec un risque proportionnel à p-value de se tromper 21
22 Comparaison de moyennes? Si oui, combien? Comparaison de proportions? Si oui, combien? Comparaison de variances? Si oui, combien? Testons-nous une association?... Etape 3a : Choix du test statistique approprié Dans notre cas, on cherche à comparer 2 moyennes test t de Student pour deux échantillons indépendants Lien : choisir un test statistique approprié en fonction de votre situation 22
23 Le seuil de risque alpha (compris entre 0 et 1) sera un seuil de décision de rejet de H0 Plus on veut limiter les risques de prendre une mauvaise décision, plus on doit diminuer alpha Souvent, les gens placent alpha à 0,05. Ce n est pas une raison pour en faire une règle systématique (mais c est ce qu on va faire pour notre exemple : on prend alpha = 0,05) Etape 3b : Choix du seuil de risque alpha 23
24 Expérience : plantation de 30 bananiers soumis à l engrais A et de 30 autres bananiers soumis à l engrais B. Mesure du taux de sucre en fin d expérience Etape 4 : Récolte des données 24
25 Etape 5 : Exécution du test dans XLSTAT 25
26 Etape 6 : p-value VSalpha Interprétation du résultat et réponse à la question 26
27 Interprétation du résultat? Question les engrais A & B induisent-ils une différence de taux moyen de sucre chez la banane? Le test renvoie une p-value. 0 < p-value < 1 H0 Ha Hypothèse nulle En général absence de différence ou de relation. H0 : moyenne de sucre bananes A = moyenne de sucre bananes B Hypothèse alternative En général existence de différence ou de relation Ha : moyenne de sucre bananes A moyenne de sucre bananes B Décision : Si p-value < alpha, on rejette H0 et on accepte Ha en prenant un risque p-value de se tromper 27
28 Interprétation du résultat Décision : p-value < alpha. on rejette H0 et on accepte Ha Réponse : Les deux moyennes (engrais A vs engrais B) sont significativement différentes 28
29 Comment interpréter p-value > alpha? 29
30 Tests statistiques : Comment interpréter p > alpha? Si p-value < alpha, on rejette H0 et on accepte H1 en prenant un risque p-value de se tromper Si p-value > alpha, deux possibilités se présentent : Si la puissance statistique est élevée (>0,95) On accepte H0 en prenant un risque Bêta (=1-puissance) de se tromper. Si la puissance statistique est faible (<0,95) Le risque de se tromper en acceptant H0 est trop élevé (puissance faible) Le risque de se tromper en rejetant H0 est trop élevé (p-value élevée) On ne peut pas prendre de décision. Game over. (La puissance d un test est sa capacité à aboutir à un rejet de H0 lorsqu elle est fausse) 30
31 Tests puissance VS robustesse paramétriques et tests nonparamétriques 31
32 Tests statistiques paramétriques & nonparamétriques Différences sur le principe Un test statistique peut être paramétrique ou non-paramétrique Les tests paramétriques sont valables uniquement sous certaines conditions à vérifier (liées aux distributions des populations). Les tests non-paramétriques n assument pas de distribution dans les populations. 32
33 Tests statistiques paramétriques vs nonparamétriques Comparatif intérêts Un test statistique peut être paramétrique ou non-paramétrique Tests non-paramétriques : valables dans un plus grand nombre de situations que les tests paramétriques. plus robustes Tests paramétriques : plus aptes à rejeter H0 si elle est fausse, et si les conditions le permettent. plus puissants Proposition de démarche pour choisir entre les 2 : Partir sur un test statistique paramétrique approprié Récolter les données Les données respectent-elles les conditions d application du test? Oui Non Transformation (exemple : log) Les données transformées respectent-elles les conditions d application du test? Oui Non Remplacement par un test non-paramétrique, moins puissant mais plus robuste Exécution du test 33
34 Tests sur Echantillons indépendants et sur échantillons appariés 34
35 Tests statistiques : échantillons indépendants vs appariés Echantillons indépendants Deux ou plusieurs populations distinctes Exemples : comparer un groupe exposé à un groupe témoin ; comparer femmes et hommes ; bananiers traités et bananiers non-traités Echantillons appariés Une seule population d individus Exemples : prise de mesures sur des patients avant/après un traitement ; suivis de personnes sondées ou d entreprises à différentes dates ; suivi de l évolution de la capacité photosynthétique des mêmes bananiers 35
36 Tests de comparaison vs tests d association 36
37 Tests statistiques : comparaison et association Tests de comparaison De moyennes (test de Student / ANOVA) De variances (tests de Fisher / de Levene) De proportions (tests pour les proportions) Tests d association de variables Tester l association de deux variables qualitatives (tests sur tableaux de contingence ou tris croisés : khi-2 / test exact de Fisher) Tester l association de deux variables quantitatives (coefficient de Pearson, de Spearman etc.) 37
38 Tests statistiques courants Tests paramétriques et leurs équivalents non-paramétriques Problématique Comparaison 2 moyennes Ech. Indépendants / Appariés Indépendants Appariés Tests paramétriques Test de Student (échantillons indépendants) Test de Student (échantillons appariés) Equivalents nonparamétriques Test de Mann- Whitney Test de Wilcoxon Test de Kruskal- Indépendants ANOVA Comparaison de k moyennes Wallis Appariés ANOVA à mesures répétées Test de Friedman Comparaison de 2 variances Test de Fisher Indépendants Comparaison de k variances Test de Levene Indépendants Test du khi-2 Test exact de Fisher Association (var. quali) Appariés Test Q de Cochran Corrélation de Association (var. quanti) Indépendants Corrélation de Pearson Spearman Lien : choisir un test statistique approprié en fonction de votre situation 38
39 Test d association : cas de deux variables qualitatives 39
40 Test statistique d association (variables quali) EXEMPLE : sondage d opinion, sortie de garage 40
41 Lancer le test (XLSTAT) EXEMPLE : sondage d opinion, sortie de garage 41
42 Test statistique d association EXEMPLE : sondage d opinion, sortie de garage p-value > seuil. On ne rejette pas H0 H0 : les proportions des catégories a et b ne changent pas en fonction des catégories NSP-Non-Oui Ha : les proportions des catégories a et b changent en fonction des catégories NSP-Non-Oui 42
43 Tests statistiques : démarche revisitée, conclusion Formulation de la Question (rép. oui / non) Formulation hypothèse nulle et hypothèse alternative Choix du test statistique paramétrique approprié (comparaison / association) et du seuil de risque alpha Récolte des données Les données respectent-elles les conditions d application du test? Oui Non Transformation (exemple : log) Les données transformées respectent-elles les conditions d application du test? Oui Non Remplacement par un test non-paramétrique, moins puissant mais plus robuste Exécution du test Réponse à la question : si p-value < seuil alpha, alors on rejette H0 avec un risque proportionnel à p-value de se tromper 43
44 Statistiques : 4 catégories Enregistrement Enregistrement 29 / 11 / 2016 Description Exploration Tests Modélisation Je veux résumer Je veux plonger Je veux accepter / Je cherche à des données grâce facilement dans un rejeter une hypothèse comprendre comment à des calculs ou gros jeu de données bien précise en évolue un phénomène des graphiques sans forcément avoir assumant des risques en fonction d un simples (moyenne, une question précise d erreur (test t, ANOVA, ensemble de écart type, box derrière la tête (ACP, khi², corrélation...) paramètres (régression, plot ) CAH...) ANCOVA, ANOVA) 44
45 Futurs Webinars 29 novembre 2016 : modélisation statistique (cliquer ici) 45
46 Merci pour votre attention! Tous les outils vus sont disponibles dans toutes les solutions XLSTAT (sauf la Free) Survey time 46
47 Puissance statistique La puissance d un test est sa capacité à aboutir à un rejet de H0 lorsqu elle est fausse La puissance d un test augmente avec : Le nombre de mesures La précision des mesures La taille de l effet Le seuil alpha La nature du test 47
TABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailBiostatistiques : 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 détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailLire ; 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 détailLocalisation des fonctions
MODALISA 7 Localisation des fonctions Vous trouverez dans ce document la position des principales fonctions ventilées selon l organisation de Modalisa en onglets. Sommaire A. Fonctions communes à tous
Plus en détailLe risque Idiosyncrasique
Le risque Idiosyncrasique -Pierre CADESTIN -Magali DRIGHES -Raphael MINATO -Mathieu SELLES 1 Introduction Risque idiosyncrasique : risque non pris en compte dans le risque de marché (indépendant des phénomènes
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
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 détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailFACEBOOK MARKETING Comment mieux tirer profit du ROI des médias sociaux
FACEBOOK MARKETING Comment mieux tirer profit du ROI des médias sociaux Agenda de l atelier 1. Intro Comprendre Facebook 2. Contenus organiques et tactiques pour augmenter la performance de votre page
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 détailTests 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 détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en 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 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 détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailTests 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 détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailLa place de SAS dans l'informatique décisionnelle
La place de SAS dans l'informatique décisionnelle Olivier Decourt ABS Technologies - Educasoft Formations La place de SAS dans l'informatique décisionnelle! L'historique de SAS! La mécanique! La carrosserie
Plus en détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détailLa structure de la base de données et l utilisation de PAST. Musée Royal de l Afrique Centrale (MRAC Tervuren)
La structure de la base de données et l utilisation de PAST La structure de la base de données données originales SPÉCIMENS Code des spécimens: Identification des spécimens individuels. Dépend du but de
Plus en détailLa pratique du coaching en France. Baromètre 2010
SFCoach : crée du lien entre le monde du travail et les professionnels de l accompagnement La pratique du coaching en France Baromètre 2010 Fondée en 1996 22, Bd Sébastopol 75004 Paris Association 1901
Plus en détailEXCEL et base de données
EXCEL et base de données 1. Variables et données 2. Saisie de données: quelques règles 3. EXCEL et saisie des données 4. Exemple de tableau EXCEL 5. Éviter d éventuels problèmes 1 1.1 Variables et données
Plus en détailEvaluation de la variabilité d'un système de mesure
Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les
Plus en 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 détailExtraction d informations stratégiques par Analyse en Composantes Principales
Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailIntroduction à Business Objects. J. Akoka I. Wattiau
Introduction à Business Objects J. Akoka I. Wattiau Introduction Un outil d'aide à la décision accès aux informations stockées dans les bases de données et les progiciels interrogation génération d'états
Plus en détailRésultats d Etude. L étude de marché. Résultats d Etude N 1889 : Conciergerie privée. Testez la fiabilité de votre projet.
Résultats d Etude L étude de marché Testez la fiabilité de votre projet 1 Sommaire : Introduction... 4 Synthèse... 6 PAGE 1 :... 7 Question 1/13... 7 Vous vivez :... 7 PAGE 2 :...10 Question 2/13...10
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailRégression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr
Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailSPHINX Logiciel de dépouillement d enquêtes
SPHINX Logiciel de dépouillement d enquêtes sphinx50frversion4.doc 1 Les trois stades du SPHINX sont ceux que comporte habituellement toute enquête d opinion: Elaboration du questionnaire (fiche outil
Plus en détailLES MODELES DE SCORE
LES MODELES DE SCORE Stéphane TUFFERY CONFERENCE GENDER DIRECTIVE 31 mai 2012 31/05/2012 ActuariaCnam Conférence Gender Directive Stéphane Tufféry 1 Plan Le scoring et ses applications L élaboration d
Plus en détailIBM 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 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 détailPeut-on imiter le hasard?
168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard
Plus en détailLecture 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 détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailHistorique. Architecture. Contribution. Conclusion. Définitions et buts La veille stratégique Le multidimensionnel Les classifications
L intelligence économique outil stratégique pour l entreprise Professeur Bernard DOUSSET dousset@irit.fr http://atlas.irit.fr Institut de Recherche en Informatique de Toulouse (IRIT) Equipe Systèmes d
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 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 détailSolution logicielle pour le pilotage et l ERM. Journées d études IARD 26 mars 2010 2 mars 2010
Présentation d ERMS Solution logicielle pour le pilotage et l ERM Journées d études IARD 26 mars 2010 2 mars 2010 Sommaire 1 Présentation d ACTUARIS 2 Les problématiques rencontrées 3 Présentation d ERMS
Plus en détailLecture 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 détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailCOMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES
J. sci. pharm. biol., Vol.9, n - 00, pp. 9-0 EDUCI 00 9 VALLEE POLNEAU S.* DIAINE C. COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES Notre étude visait à comparer les résultats obtenus
Plus en détailStatistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année 2010-2011
Master 1 Biologie et technologie du végétal Année 010-011 Statistiques Rappels de cours et travaux dirigés (Seul ce document sera autorisé en examen) auteur : Jean-Marc Labatte jean-marc.labatte@univ-angers.fr
Plus en détailScénario: Données bancaires et segmentation de clientèle
Résumé Scénario: Données bancaires et segmentation de clientèle Exploration de données bancaires par des méthodes uni, bi et multidimensionnelles : ACP, AFCM k-means, CAH. 1 Présentation Le travail proposé
Plus en détailTUTORIEL Qualit Eval. Introduction :
TUTORIEL Qualit Eval Introduction : Qualit Eval est à la fois un logiciel et un référentiel d évaluation de la qualité des prestations en établissements pour Personnes Agées. Notre outil a été spécifiquement
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailNouveau Barème W.B.F. de points de victoire 4 à 48 donnes
Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes Pages 4 à 48 barèmes 4 à 48 donnes Condensé en une page: Page 2 barèmes 4 à 32 ( nombre pair de donnes ) Page 3 Tous les autres barèmes ( PV de
Plus en détailExercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015
Exercices M1 SES 214-215 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 215 Les exemples numériques présentés dans ce document d exercices ont été traités sur le logiciel R, téléchargeable par
Plus en détailà 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 détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détailQuelques précisions concernant les commandes de Ticket Restaurant électronique par fichier Excel
Quelques précisions concernant les commandes de Ticket Restaurant électronique par fichier Excel. Commande de cartes Afin de faciliter votre compréhension, les champs obligatoires sont surlignés en jaune
Plus en détailQu est-ce qu un outil de travail collaboratif Google Drive?
Qu est-ce qu un outil de travail collaboratif Google Drive? Google a créé un ensemble d outils de travail collaboratif en ligne dans le domaine de la bureautique qui concurrencent les traitements de texte,
Plus en détailSondage sur le climat. scolaire. Guide d utilisation à l attention des administratrices et des administrateurs
Sondage sur le climat scolaire Guide d utilisation à l attention des administratrices et des administrateurs SONDAGE EN LIGNE Table des matières Introduction...2 Instructions étape par étape à l intention
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 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 détailObjectif. Cette formation doit permettre au client d être autonome dans la création de ses rapports avancés en utilisant la fonctionnalité Excel +.
Excel + Objectif Cette formation doit permettre au client d être autonome dans la création de ses rapports avancés en utilisant la fonctionnalité Excel +. 2 Ordre du jour 1. Présentation générale d Excel
Plus en détailComment les Québécois cherchent-ils sur le Web? Cette étude a été réalisée par Skooiz.com et Mastodonte Communication
Comment les Québécois cherchent-ils sur le Web? Cette étude a été réalisée par Skooiz.com et Mastodonte Communication Introduction Il se dit beaucoup de choses sur les habitudes de recherche des internautes
Plus en détailRestaurer la confiance? Etudes Empiriques Conclusion et ouverture
Restaurer la confiance des investisseurs : une exploration expérimentale systématique de l effet des politiques d investissement socialement responsable. Marco Heimann Sous la direction de Jean-François
Plus en détailProbabilité et Statistique pour le DEA de Biosciences. Avner Bar-Hen
Probabilité et Statistique pour le DEA de Biosciences Avner Bar-Hen Université Aix-Marseille III 2000 2001 Table des matières 1 Introduction 3 2 Introduction à l analyse statistique 5 1 Introduction.................................
Plus en détailTP Service HTTP Serveur Apache Linux Debian
Compte rendu de Raphaël Boublil TP Service HTTP Serveur Apache Linux Debian Tout au long du tp, nous redémarrons le service apache constamment pour que les fi de configuration se remettent à jour - /etc/init.d/apache2
Plus en détailChapitre 15. La vie au camp
Chapitre 15. La vie au camp Chapitre 15. La vie au camp 227 1. Intensité de la vie du camp 230 2. Loin de la maison 230 A. Sentiment de sécurité 230 B. Les coups de cafard de l enfant 231 227 Un camp,
Plus en détailArbres binaires de décision
1 Arbres binaires de décision Résumé Arbres binaires de décision Méthodes de construction d arbres binaires de décision, modélisant une discrimination (classification trees) ou une régression (regression
Plus en détailAnalyse 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 détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailL EQUIPE ÉTUDES ENQUÊTES: Georgeta BOARESCU psychologue coordonateur études enquêtes Florin CIOTEA sociologue
L EQUIPE ÉTUDES ENQUÊTES: Georgeta BOARESCU psychologue coordonateur études enquêtes Florin CIOTEA sociologue EuPA EDUCATION EUROPÉENNE EN ADMINISTRATION PUBLIQUE EuPA EDUCATION EUROPÉENNE EN ADMINISTRATION
Plus en détailLa simulation probabiliste avec Excel
La simulation probabiliste avec Ecel (2 e version) Emmanuel Grenier emmanuel.grenier@isab.fr Relu par Kathy Chapelain et Henry P. Aubert Incontournable lorsqu il s agit de gérer des phénomènes aléatoires
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailLA GESTION DU DEVELOPPEMENT INDIVIDUEL. Hôtesse Standardiste
LA GESTION DU DEVELOPPEMENT INDIVIDUEL Hôtesse Standardiste EVALUATION GDI DU SALARIE Hôtesse Standardiste NOM : PRENOM : Période d'activité : Matricule : Date de l'entretien : Préambule à l'entretien
Plus en détailEvaluation de la typicité des vins liés au terroir : proposition de méthodes pour les professionnels de la filière
Evaluation de la typicité des vins liés au terroir : proposition de méthodes pour les professionnels de la filière Ronan SYMONEAUX, Isabelle MAITRE, Frédérique JOURJON UMT VINITERA- Laboratoire GRAPPE
Plus en détailAide-mémoire de statistique appliquée à la biologie
Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela
Plus en détailFONCTION DE DEMANDE : REVENU ET PRIX
FONCTION DE DEMANDE : REVENU ET PRIX 1. L effet d une variation du revenu. Les lois d Engel a. Conditions du raisonnement : prix et goûts inchangés, variation du revenu (statique comparative) b. Partie
Plus en détailMicrosoft Excel : tables de données
UNIVERSITE DE LA SORBONNE NOUVELLE - PARIS 3 Année universitaire 2000-2001 2ème SESSION SLMD2 Informatique Les explications sur la réalisation des exercices seront fournies sous forme de fichiers informatiques.
Plus en 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 détailComment bien régresser: La statistique peut-elle se passer d artefacts?
Comment bien régresser: La statistique peut-elle se passer d artefacts? Jean-Bernard Chatelain To cite this version: Jean-Bernard Chatelain. Comment bien régresser: La statistique peut-elle se passer d
Plus en détailTESTS D HYPOTHÈSE FONDÉS SUR LE χ². http://fr.wikipedia.org/wiki/eugénisme
TESTS D HYPOTHÈSE FONDÉS SUR LE χ² http://fr.wikipedia.org/wiki/eugénisme Logo du Second International Congress of Eugenics 1921. «Comme un arbre, l eugénisme tire ses constituants de nombreuses sources
Plus en détail1 Modélisation d être mauvais payeur
1 Modélisation d être mauvais payeur 1.1 Description Cet exercice est très largement inspiré d un document que M. Grégoire de Lassence de la société SAS m a transmis. Il est intitulé Guide de démarrage
Plus en détail5. Excel 2010, le tableur collaboratif. a. Concevez des tableaux lisibles
5. Excel 2010, le tableur collaboratif Avec Excel 2010, modéliser sa pensée avec des chiffres et prendre les décisions qui s imposent devient plus simple quel que soit le nombre de données que vous manipulez
Plus en détailEXCEL 2007. Les tableaux croisés dynamiques
EXCEL 2007 Les tableaux croisés dynamiques 1 La Fonction VPM... 3 La Valeur Cible... 4 Les Tableaux Croisés Dynamiques (T.C.D.)... 6 2 Fonction VPM Cette fonction d EXCEL permet de calculer le remboursement
Plus en détailREQUEA. v 1.0.0 PD 20 mars 2008. Mouvements d arrivée / départ de personnels Description produit
v 1.0.0 PD 20 mars 2008 Mouvements d arrivée / départ de personnels Description produit Fonctionnalités L application Gestion des mouvements d arrivée / départ de Requea permet la gestion collaborative
Plus en détailFormations Qlikview et Infini Conseil. Business Intelligence
et Infini Conseil Filière Déveloper BIQVDEVV11 : Qlikview Developer v11 BIQVDEAV11 : Qlikview Developer Avancé v11 2 jours 1 jour Filière Déveloper BIQVQBI : QBI 2 jours Filière Design BIQVDESV11 : Qlikview
Plus en détailBest Styles ou comment capturer au mieux les primes de risque sur les marchés d actions
Stratégie Best Styles ou comment capturer au mieux les primes de risque sur les marchés d actions La recherche des primes de risque constitue une stratégie relativement courante sur les marchés obligataires
Plus en détailLes Français, le Made in France et le fait main
Les Français, le Made in France et le fait main Septembre 2011 Résultats A Méthodologie page 2 Méthodologie Étude réalisée auprès d un échantillon de 1028 personnes, représentatif de la population française
Plus en détailWILOG ERP Terroir. Gestion commerciale. Solution Cloud Solution Réseau Solution Monoposte. 136 boulevard de Finlande - 54340 Pompey - France
Wilog ERP Terroir v1.2 25 Février 2014 WILOG ERP Terroir Gestion commerciale Solution Cloud Solution Réseau Solution Monoposte 136 boulevard de Finlande - 54340 Pompey - France Téléphone : +33 (0)3 83
Plus en détailIntroduction. Les obstacles à l analyse web. Le marquage
Introduction L analyse web ou Web Analytics est une discipline récente dont on commence à entendre parler au milieu des années 2000. La Web Analytics Association 1 le définit comme la mesure, la collecte,
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 détailCycle de formation certifiante Sphinx
Cycle de formation certifiante Sphinx 28, 29, 30 Mai 2015 Initiation, Approfondissement et Maîtrise Etudes qualitatives / quantitatives Initiation, approfondissement et maîtrise des études qualitatives
Plus en détailFiche d animation n 1 : Pêle-mêle
Fiche d animation n 1 : Pêle-mêle Cette animation permet au participants de découvrir les différents pièges du crédit à la consommation et plus particulièrement des ouvertures de crédit. Elle suscite également
Plus en détailLa crise économique vue par les salariés français
La crise économique vue par les salariés français Étude du lien entre la performance sociale et le contexte socioéconomique Baggio, S. et Sutter, P.-E. La présente étude s intéresse au lien entre cette
Plus en détailSAS de base : gestion des données et procédures élémentaires
1 SAS de base : gestion des données et procédures élémentaires SAS de base : gestion des données et procédures élémentaires Résumé Description des commandes (module SAS de base) les plus utiles de l étape
Plus en détailTROUSSE D INFORMATION SUR LE TIRAGE AU SORT PUBLIC
BAILS FONCIERS POUR LES TERRAINS DE CHALETS SITUÉS LE LONG DE LA ROUTE INGRAHAM TRAIL TROUSSE D INFORMATION SUR LE TIRAGE AU SORT PUBLIC 1 er MAI 2015 Gouvernement des Territoires du Nord-Ouest Ministère
Plus en détail