10.1 Inférence dans la régression linéaire

Dimension: px
Commencer à balayer dès la page:

Download "10.1 Inférence dans la régression linéaire"

Transcription

1 0. Inférence dans la régresson lnéare La régresson lnéare tente de modeler le rapport entre deux varables en adaptant une équaton lnéare avec des données observées. Chaque valeur de la varable ndépendante x est assocée à une valeur de la varable dépendante (appelée auss varable de réponse). On suppose que la varable est normalement dstrbuée avec une moenneµ et un écart tpeσ. La drote de régresson des mondres carrés = b0 + b x est une estmaton de la vértable drote de régresson de populatonµ = β + β x. o Cette drote décrt comment la réponse moenne de la varableµ change avec x. Les valeurs observées pour varent autour de leur moenneµ et on suppose qu elles ont le même écart tpeσ. Les valeurs ajustées b 0 et b estment respectvement l'ntercepte et la pente de la drote de régresson de la populaton. Pusque les valeurs observées pour varent autour de leurs moennesµ, le modèle statstque nclut un terme pour cette varaton. Tradut en mots, le modèle est exprmé par Données observées = Données ajustées + Données résduelles où le terme «données ajustées» représente l'expressonβ o + βx. Le terme «données résduelles» représente les dévatons des valeurs observées de leurs moennesµ qu sont normalement dstrbués avec une moenne 0 et un écart tpeσ. La notaton pour les dévatons des modèles estε. En termes formels, le modèle pour la régresson lnéare est le suvant : Étant données n pares d'observatons ( x, ),( x, ),..., ( x n, n), la varable observée de réponse est : = β + β x + ε. ε ~ N(0, ). =,,,n., o σ Dans le modèle des mondres carrés, la drote la plus précse pour les données observées est calculée (vor chaptre ) en rédusant au mnmum la somme des carrés des dévatons vertcales de chaque pont de repère à la drote (s un pont se trouve

2 exactement sur la drote ajustée, sa dévaton vertcale est 0.) Pusque les dévatons sont d'abord mses au carré pus addtonnées, l n' a aucune annulaton entre les valeurs postves et négatves. Les estmateurs des mondres carrés b 0 et b sont généralement calculés par des logcels statstques. Ils sont exprmés par les équatons suvantes: Les valeurs calculées pour b 0 et b sont les estmateurs sans bas deβ et de o β et ls sont normalement dstrbués avec des écarts tpes qu peuvent être estmés à partr des données observées. ŷ et les résduels e Les valeurs ajustées par l'équaton b 0 + b x sont dénotées par égalent ˆ, sot la dfférence entre les valeurs observées et ajustées. La somme des résduels est égale à zéro. Le varance σ peut être estmée par s² = e /(n-), également connu sous le nom de erreur quadratque moenne (MSE). Exemple L'ensemble de données «Health Breakfast» ssu d un rapport de consommateur content, parm d'autres varables, la varable «Ratng» portant sur l évaluaton de 77 céréales ans que la varable «Sugar» représentant le nombre de grammes de sucre contenus dans chaque porton. (Source de données: ensemble de données dsponbles dans «Data and Stor Lbrar (DASL)» ). La corrélaton entre les deux varables est -0,760, ndquant une assocaton négatve forte. Un scatterplot des deux varables ndque un rapport lnéare:

3 En utlsant la commande de «MINITAB» Stat > Regresson > Regresson avec «Sugar» comme varable explcatve et «Ratng» comme varable dépendante, nous obtenons le résultat Ratng = Sugars Le graphque des données avec la drote de régresson est montré à gauche. Après l ajustement de la drote de régresson, l est mportant d examner les résduels pour détermner s ls semblent correspondre à notre supposton d une dstrbuton normale. Un graphque des résduels ˆ sur l'axe vertcal avec les valeurs explcatves correspondantes sur l'axe horzontal est montré à drote. Les résduels ne semblent pas déver de façon sstématque d'un échantllon aléatore d'une dstrbuton normale c est pourquo nous pouvons mantenr l'acceptaton de la normalté. La sorte de «MINITAB» (sélectonner «Regresson equaton, table of coeffcents, s, R-squared, and basc analss of varance» après la commande «Stat > Regresson > Regresson >Results» ) nous donne : Predctor Coef StDev T P Constant Sugars S = 9.96 R-Sq = 57.7% R-Sq(adj) = 57.% 3

4 Cette sorte nous fournt de nombreuses d'nformatons. Elle fournt l estmaton par la méthode des mondres carrés de la constante b 0 et de la pente b. Pusque b est le coeffcent de la varable explcatve de «sucres», l est dentfé sous ce nom. Les écarts tpes calculés pour l'ntercepte et la pente sont ndqués dans la deuxème colonne. Test d hpothèse pour la pente de régresson La trosème colonne de sorte «T» de «MINITAB» fournt des statstques de tests. Dans la régresson lnéare, on souhate tester la sgnfcaton de la pente de la drote. L'hpothèse nulle ndque que le coeffcent de la pente de la droteβ est égal à 0. S c'est vra, alors l n aucun rapport lnéare entre les varables explcatves et dépendantes. Ans l'équaton = β + β x + ε devent smplement β + ε. o = o L'hpothèse alternatve peut être unlatérale ou blatérale, énonçant queβ est plus pett ou plus grand que 0 ou smplement non égal à 0. La statstque de test t est égale à b / s b, l'estmaton du paramètre de pente de la drote dvsée par son écart tpe. Ce rapport sut la lo de Student avec (n-) degrés de lberté, à savor t(n-). Dans l'exemple c-dessus, l'évaluaton du paramètre de pente est -,4008 avec un écart tpe de 0,373. La statstque de test est t = -,4008/0,373 = -0,, fourne dans la colonne " T " de la sorte de «MINITAB». Pour un test blatéral, la P-valeur est P(T > -0. ) pour la dstrbuton T=t(77-), ce qu est une valeur extrêmement pette. La colonne " P " de la sorte de «MINITAB» fournt la P-valeur lée au test blatéral. Les ntervalles de confance pour la pente et l ntercepte de la drote de régresson Un ntervalle de confance de nveau C pour les paramètresβ et o β peut être calculé à partr des estmatons de b 0 et b en utlsant les écarts tpes calculés par ordnateur et la valeur crtque approprée t * à partr de la dstrbuton. t(n-). β prend la forme b o 0 + t * s b0 et l'ntervalle de confance β est donné par b + t * s b. L'ntervalle de confance pour pour 4

5 Dans l'exemple c-dessus, un ntervalle de confance de 95% pour le paramètre de pente β est calculé ans : (-, *0.373) = (-,4008-0,4746, -, ,4746) = (-,8754, -,96). La valeur pour «S» ndquée dans la sorte de «MINITAB» fournt l'estmaton pour l'écart tpe σ. La valeur " «R-Carré»" est le carré de la corrélaton r écrt comme une valeur en pourcentage. Cec ndque que les 57,7% de la varablté dans les évaluatons des céréales peuvent être explqués par la varable «sucre». Intervalles de confance pour la réponse moenne La moenne de réponse pour toute valeur spécfque de x, dsons x*, est donnée par µ = βo + βx*. La substtuton des valeurs estmées b 0 et b donne l'équaton ˆ µ = bx*. b o + Un ntervalle de confance pour la réponse moenne est calculé comme étant µ ˆ ± t * s où la valeur ajustée µˆ µ ˆ est l'estmaton de la réponse moenne. La valeur t * est la valeur crtque de (-C)/ d erreur à drote pour la dstrbuton t(n - ). La commande secondare «In addton, the full table of fts and resduals» de «MINITAB» sute à la commande «Stat > Regresson > Regresson» afn d'nclure les valeurs observées de x (Sugers) et de (Ratng), les valeurs ajustées µˆ (Ft) l'écart tpe des valeurs ajustées (StDev Ft), les valeurs résduelles (Resdual)et les valeurs résduelles normalsées (St Resd) La table c-dessous montre cette sorte pour les 0 premères observatons. Obs Sugars Ratng Ft StDev Ft Resdual St Resd R R Pour calculer à partr de «MINITAB» un ntervalle de confance pour la réponse moenne d'une observaton, chosssons d'abord une valeur crtque à partr de la dstrbuton approprée de t. Pour un ntervalle de confance de 95%, la valeur crtque de t(75) est approxmatvement égale à,000. Pour la deuxème observaton dans la table 5

6 c-dessus, un ntervalle de confance de 95% pour la réponse moenne est calculée comme étant (40, *.08) = (40,08 +,6) = (37,9, 4,4). Intervalles de prévson Une fos qu'une drote de régresson a été ajustée à un ensemble de données, l est fréquent d utlser les valeurs estmées de la pente et de l ntercepte pour prévor la réponse pour une valeur spécfque de x, dsons x *, qu n'a pas été ncluse dans l ensemble d'observatons de départ. L'estmaton pour la réponse ŷ est dentque à l estmaton pour la moenne de la réponse: ŷ = b 0 + b x *. L'ntervalle de confance pour la valeur prévue est ndqué par t * s où ˆ ŷ est la valeur ajustée correspondant à x *. La valeur t* est la valeur crtque de (-C)/ d erreur à drote pour la dstrbuton t(n - ). Note : L'erreur tpe assocé à un ntervalle de prévson est plus grande que l'écart tpe pour la réponse moenne pusque l'erreur tpe pour une valeur prévue dot explquer une varablté supplémentare. La commande Stat > Regresson > Regresson > Optons de «MINITAB» peut prévor la varable de réponse et fournr les bornes de l ntervalle de confance à 95%. Supposons que nous sommes ntéressés à prévor l'évaluaton pour une céréale avec un nveau de sucre de 5,5 «MINITAB» produt la sorte suvante: ˆ ± Ft StDev Ft 95.0% CI 95.0% PI ( 43.89, 48.7) ( 7.63, 64.53) La valeur ajustée 46,08 est smplement la valeur calculée lorsque 5,5 est substtué dans l'équaton de la drote de régresson: 59,8 - (5.5*.40) = 59,8-3,0 = 46,08. La valeur ndquée dans la colonne de 95,0% CI est l'ntervalle de confance pour la réponse moenne alors que la valeur ndquée dans la colonne de 95,0% PI est l'ntervalle de prévson pour une future observaton. 0. ANOVA pour la régresson lnéare L'analse de la varance (ANOVA) comporte des calculs qu fournssent des nformatons au sujet des nveaux de la varablté dans un modèle de régresson et qu forment la base pour la sgnfcaton des tests. Le concept de base de la drote de régresson Données observées = Données ajustées + Données résduelles est réécrt comme sut ( ) = (ˆ ) + ( ) ˆ Le premer terme est la varaton totale de la varable réponse, le deuxème représente la varaton de la réponse moenne et le trosème est la valeur résduelle. En mettant au 6

7 carré chacun de ces termes et en addtonnant l ensemble de n observaton, nous obtenons l équaton ( ) = ( ˆ ) + ( ˆ) Cette équaton peut également être écrte comme SST = SSM + SSE où SS (sum of squares) est la notaton pour la somme des carrés et T (total), M (model) et E (error) sont respectvement les notatons pour totale, modèle et erreur. Le carré de la corrélaton d échantllonnage est égal au rapport obtenu par la somme des carrés du modèle dvsé par la somme des carrés du total SSM r = SST Cec formalse l'nterprétaton de r ² en explquant la fracton de la varablté dans les données explquées par le modèle de régresson. La varance d échantllon est égale à la somme des carrés totale dvsée par le total des degrés de lberté DFT ( total degrees of freedom) SSD s = ( ) = n DFT Pour la régresson lnéare smple, la moenne des carrés de modèle MSM (mean square model) SSM ( ˆ ) MSM = = DFM pusque le modèle smple de régresson lnéare a une seule varable explcatve x. L erreur quadratque moenne MSE (mean square error) correspondant à SSE ( ˆ) = = MSE DFE n l'estmateur de la varance de la drote de la régresson de la populaton Les calculs d'anova sont montrés dans une table d analse de la varance qu, pour la régresson lnéare smple, a le format suvant : Source DF Sum of squares Mean Square F SSM/DFM MSM/MSE Model ( ˆ ) Error n- ( ˆ) σ SSE/DFE Total n- ( ) SST/DFT β La colonne «F»fournt une statstque pour tester l'hpothèse 0contre l'hpothèse nulle β 0. La statstque de test est le rapport = 7

8 MSM F = MSE la moenne des carrés du modèle dvsé par le terme de l erreur quadratque moenne. Quand le terme MSM est grand par rapport à celu du MSE, alors le rapport est grand et l a évdence contre l'hpothèse nulle. Pour la régresson lnéare smple, la statstque MSM/MSE a une dstrbuton F avec des degrés de lberté (DFM, DFE) = (, n - ). La dstrbuton de Fsher, dénotée par F(n, d) est défne pour toutes les valeurs postves dont les probabltés assocées à chaque valeur sont données par la table E dans Moore et McCabe et Mntab. Elle est caractérsée par n et d degrés de lberté. Comme exemple d utlsaton de la table Pr( F(0,4)>5.96 ) = 0.05 Exemple Reprenons l exemple c-dessus «Health Breakfast» La deuxème parte de l'analse de la varance de la sorte de MINITAB est montrée c-dessous. Les degrés de lberté sont ndqués dans la colonne «DF», les termes des sommes des carrés sont ndqués dans la colonne «SS», et les termes des mondres carrés sont ndqués dans la colonne «MS». Analss of Varance Source DF SS MS F P Regresson Error Total la statstque «F» est égale à 8654,7/84,6 = 0,35. La dstrbuton est F (, 75) et P-valeur, la probablté d'observer une valeur supéreure ou égale à 0,35, est mons que 0,00. Il a donc une forte évdence que β n'est pas égal à zéro. 8

Corrélation et régression linéaire

Corrélation et régression linéaire Corrélaton et régresson lnéare 1. Concept de corrélaton. Analyse de régresson lnéare 3. Dfférences entre valeurs prédtes et observées d une varable 1. Concept de corrélaton L objectf est d analyser un

Plus en détail

Modélisations du risque en assurance automobile. Michel Grun-Rehomme Université Paris 2 et Ensae Email: grun@ensae.fr

Modélisations du risque en assurance automobile. Michel Grun-Rehomme Université Paris 2 et Ensae Email: grun@ensae.fr Modélsatons du rsque en assurance automoble Mchel Grun-Rehomme Unversté Pars 2 et Ensae Emal: grun@ensae.fr 1 Modélsatons du rsque en assurance automoble La snstralté est mesurée en terme de fréquence

Plus en détail

Solution : 1. Soit y = α + βt, l équation de la droite considérée. Le problème de régression linéaire s écrit. i=1 2(α + βt i b i )t i

Solution : 1. Soit y = α + βt, l équation de la droite considérée. Le problème de régression linéaire s écrit. i=1 2(α + βt i b i )t i Exercces avec corrgé succnct du chaptre 3 (Remarque : les références ne sont pas gérées dans ce document, par contre les quelques?? qu apparassent dans ce texte sont ben défns dans la verson écran complète

Plus en détail

Chapitre 5. Menu de SUPPORT

Chapitre 5. Menu de SUPPORT 155 Chaptre 5. Menu de SUPPORT Ce que vous apprendrez dans ce chaptre Ce chaptre vous présentera des routnes supplémentares susceptbles de vous ader dans les analyses de données présentées dans le chaptre

Plus en détail

GENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)

GENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation) GENESS - Generalzed System for mputaton Smulatons (Système généralsé pour smuler l mputaton) GENESS est un système qu permet d exécuter des smulatons en présence d mputaton. L utlsateur fournt un ensemble

Plus en détail

Cours Corporate finance

Cours Corporate finance Cours Corporate fnance Eléments de théore du portefeulle Le edaf Franços Longn www.longn.fr lan Notons de rentablté Défnton odélsaton Eléments de théore du portefeulle ortefeulle Dversfcaton Le edaf Le

Plus en détail

éléments d'analyse statistique

éléments d'analyse statistique éléments danalse statstque applcaton à lhdrologe deuxème édton D. Ther octobre 989 R 30 73 EAU 4S 89 BUREAU DE RECHERCHES GEOLOGIQUES ET MINIERES SERVICES SOL ET SOUS-SOL Département Eau B.P. 6009-45060

Plus en détail

Banque d exercices pour le cours de "mise à niveau" de statistique de M1 AgroParisTech

Banque d exercices pour le cours de mise à niveau de statistique de M1 AgroParisTech Banque d exercces pour le cours de "mse à nveau" de statstque de M1 AgroParsTech Instructons pour les exercces 1. Lorsque ren n est précsé, on suppose que la dstrbuton étudée est gaussenne. Pour les exercces

Plus en détail

) = n. ) = 2n. D - Inférence Statistique - Estimation et Tests d hypothèses 5. Tests du Khi-deux (non paramétrique) Loi du Chi-deux (χ 2 n

) = n. ) = 2n. D - Inférence Statistique - Estimation et Tests d hypothèses 5. Tests du Khi-deux (non paramétrique) Loi du Chi-deux (χ 2 n 5. Tests du Kh-deux (non paramétrque) Lo du Ch-deux (χ n ) à n degrés de lberté (ddl) S X 1, X,..., X n, sont n varables ndépendantes, suvant toutes une lo normale N (0,1), la varable χ n = X 1 + X + +

Plus en détail

L ANOVA (complements)

L ANOVA (complements) L ANOVA (complements) On utlse le t de Student pour comparer deux moyennes. Cependant s on veut comparer tros moyennes ou plus l devent nécessare d utlser l Analyse de Varance smple ou l ANOVA 1. L applcaton

Plus en détail

Ajustement affine par les moindres carrés

Ajustement affine par les moindres carrés 1. Nveau Termnales STG et ES Ajustement affne par les mondres carrés 2. Stuaton-problème proposée Introducton à la méthode des mondres carrés. 3. Support utlsé Tableur et calculatrce. 4. Contenu mathématque

Plus en détail

Mesure avec une règle

Mesure avec une règle Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système

Plus en détail

Généralités sur les fonctions 1ES

Généralités sur les fonctions 1ES Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :

Plus en détail

CHAPITRE 2. La prévision des ventes

CHAPITRE 2. La prévision des ventes CHAPITRE La prévson des ventes C est en foncton des prévsons de ventes que l entreprse détermne la producton, les achats et les nvestssements nécessares. La prévson des ventes condtonne l ensemble de la

Plus en détail

STATISTIQUE AVEC EXCEL

STATISTIQUE AVEC EXCEL STATISTIQUE AVEC EXCEL Excel offre d nnombrables possbltés de recuellr des données statstques, de les classer, de les analyser et de les représenter graphquement. Ce sont prncpalement les tros éléments

Plus en détail

Analyse Numérique - Projet A rendre au plus tard le jour de l examen final, en Janvier 2010.

Analyse Numérique - Projet A rendre au plus tard le jour de l examen final, en Janvier 2010. Master 1ère année de Mathématques Analyse Numérque - Projet A rendre au plus tard le jour de l examen fnal, en Janver 2010. CMI, Unversté de Provence Année 2009-2010 Ce qu vous est demandé : Rédger les

Plus en détail

CUEEP Département Mathématiques T902 : Méthode des moindres carrés p1/16

CUEEP Département Mathématiques T902 : Méthode des moindres carrés p1/16 Méthode des mondres carrés Stuaton Le lancer de pods Dx adolescents droters s exercent à lancer le pods, du bras drot pus du bras gauche. Les résultats (dstances en mètres) obtenus sont les suvants : Adolescent

Plus en détail

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 ECO - SESSION 1 - Correction - Minimum Moyenne Ecart-type

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 ECO - SESSION 1 - Correction - Minimum Moyenne Ecart-type EAME FIAL DE STATISTIQUES DESCRIPTIVES L1 ECO - SESSIO 1 - Correcton - Exercce 1 : 1) Questons à Chox Multples (QCM). Cochez la bonne réponse Classer ces statstques selon leur nature (ndcateur de poston

Plus en détail

PREMIERS PAS en REGRESSION LINEAIRE avec SAS. Josiane Confais (UPMC-ISUP) - Monique Le Guen (CNRS-CES-MATISSE- UMR8174)

PREMIERS PAS en REGRESSION LINEAIRE avec SAS. Josiane Confais (UPMC-ISUP) - Monique Le Guen (CNRS-CES-MATISSE- UMR8174) PREMIERS PAS en REGRESSION LINEAIRE avec SAS Josane Confas (UPMC-ISUP) - Monque Le Guen (CNRS-CES-MATISSE- UMR874) e-mal : confas@ccr.jusseu.fr e-mal : monque.leguen@unv-pars.fr Résumé Ce tutorel accessble

Plus en détail

Notes de cours. Échantillonnage STT-2000. David Haziza Département de mathématiques et de statistique Université de Montréal

Notes de cours. Échantillonnage STT-2000. David Haziza Département de mathématiques et de statistique Université de Montréal otes de cours Échantllonnage STT-000 Davd Hazza Département de mathématques et de statstque nversté de Montréal Automne 008 PRÉFACE Ces notes de cours ont été rédgées pour le cours STT-000 (Échantllonnage)

Plus en détail

Valeur absolue et fonction valeur absolue Cours

Valeur absolue et fonction valeur absolue Cours Valeur absolue foncton valeur absolue Cours CHAPITRE 1 : Dstance entre deu réels 1) Eemples prélmnares 2) Défnton 3) Proprétés CHAPITRE 2 : Valeur absolue d un réel 1) Défnton 2) Proprétés CHAPITRE 3 :

Plus en détail

Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amiens.fr/pedagogie/maths/new/ue2007/synthese_atelier_annette_alain.

Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amiens.fr/pedagogie/maths/new/ue2007/synthese_atelier_annette_alain. Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amens.fr/pedagoge/maths/new/ue2007/synthese_ateler_annette_alan.pdf 1 La règle du jeu Un drecteur de casno se propose d nstaller le

Plus en détail

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks Plan Geston des stocks Abdellah El Fallah Ensa de Tétouan 2011 Les opératons de gestons des stocks Les coûts assocés à la geston des stocks Le rôle des stocks Modèle de la quantté économque Geston calendare

Plus en détail

I. Fonctionnalités du tableur

I. Fonctionnalités du tableur Olver Coma Macro MRP pour Excel Decembre 1999 I. Fonctonnaltés du tableur I.1. Feulle «Nomenclature «Le tableur propose pluseurs optons à l ouverture du fcher. Cnq boutons apparassent à drote de la feulle

Plus en détail

Exercice 1. Enoncé 1. Nombre de jours d absences. Nombre d étudiants. 1 ) Représenter graphiquement cette distribution.

Exercice 1. Enoncé 1. Nombre de jours d absences. Nombre d étudiants. 1 ) Représenter graphiquement cette distribution. Républque Tunsenne Présdence du Gouvernement Ecole Natonale d Admnstraton 4, Avenue du Dr Calmette Mutuelle-vlle 08 Tuns Tél. (+6) 848 00 Fa (+6) 794 88 www.ena.nat.tn STATISTIQUE ET CALCUL DE PROBABILITE

Plus en détail

Introduction à l économétrie II. Modèle de régression linéaire simple

Introduction à l économétrie II. Modèle de régression linéaire simple 4/09/03 Introducton à l économétre II. Modèle de régresson lnéare smple Claudo Araujo CERDI, Unversté d Auvergne Clermont-Ferrand, France www.cerd.org http://www.cerd.org/claudo-araujo/perso/. Défnton

Plus en détail

T.P. 5 Exercice 1 Distribution normale

T.P. 5 Exercice 1 Distribution normale T.P. 5 Exercce 1 Dstrbuton normale Corrgé Connassances préalables : Buts spécfques : Outls nécessares : Noton de moyenne, varance et écart type. Acquérr la noton de dstrbuton normale et ses caractérstques.

Plus en détail

MASTER ECONOMETRIE ET STATISTIQUE APPLIQUEE (ESA)

MASTER ECONOMETRIE ET STATISTIQUE APPLIQUEE (ESA) MASTER ECONOMETRIE ET STATISTIQUE APPLIQUEE (ESA) Unversté d Orléans Econométre des Varables Qualtatves Chaptre 3 Modèles à Varable Dépendante Lmtée Modèles Tobt Smples et Tobt Généralsés Chrstophe Hurln

Plus en détail

Corrélation et régression linéaire

Corrélation et régression linéaire Chaptre 9 Corrélaton et régresson lnéare 1. La corrélaton lnéare Chap 9. 1. La corrélaton lnéare. La régresson lnéare 1.1) Défntons L étude statstque d'une populaton peut porter smultanément sur pluseurs

Plus en détail

Exercices d algorithmique

Exercices d algorithmique Exercces d algorthmque Les algorthmes proposés ne sont pas classés par ordre de dffculté Nombres Ecrre un algorthme qu renvoe la somme des nombre entre 0 et n passé en paramètre Ecrre un algorthme qu renvoe

Plus en détail

Virga. itunes 4. sous Mac et Windows. Éditions OEM (Groupe Eyrolles),2004, ISBN 2-7464-0503-2

Virga. itunes 4. sous Mac et Windows. Éditions OEM (Groupe Eyrolles),2004, ISBN 2-7464-0503-2 Vrga Tunes 4 et Pod sous Mac et Wndows Édtons OEM (Groupe Eyrolles),2004, ISBN 2-7464-0503-2 Synchronser l Pod avec l ordnateur L Pod connaît deux types de synchronsaton. L a synchronsaton de la musque

Plus en détail

Économétrie. Annexes : exercices et corrigés. 5 e édition. William Greene New York University

Économétrie. Annexes : exercices et corrigés. 5 e édition. William Greene New York University Économétre 5 e édton Annexes : exercces et corrgés Wllam Greene New York Unversty Édton françase drgée par Dder Schlacther, IEP Pars, unversté Pars II Traducton : Stéphane Monjon, unversté Pars I Panthéon-Sorbonne

Plus en détail

Note méthodologique. Traitements hebdomadaires Quiestlemoinscher.com. Quelle méthode de collecte de prix? Qui a collecté les prix?

Note méthodologique. Traitements hebdomadaires Quiestlemoinscher.com. Quelle méthode de collecte de prix? Qui a collecté les prix? Note méthodologque Tratements hebdomadares Questlemonscher.com Quelle méthode de collecte de prx? Les éléments méthodologques ont été défns par le cabnet FaE onsel, socété d études et d analyses statstques

Plus en détail

DEA de physique subatomique Corrigé de l examen d analyse statistique des données et de modélisation session de février - année 2002-2003

DEA de physique subatomique Corrigé de l examen d analyse statistique des données et de modélisation session de février - année 2002-2003 DEA d physqu subatomqu Corrgé d l xamn d analys statstqu ds donnés t d modélsaton ssson d févrr - anné 22-23 Jérôm Baudot sur 45 ponts I- Errur sur la msur d un asymétr avant-arrèr ponts I-a La formul

Plus en détail

INSTITUT NATIONAL DE LA STATISTIQUE ET DES ETUDES ECONOMIQUES Série des Documents de Travail 'Méthodologie Statistique

INSTITUT NATIONAL DE LA STATISTIQUE ET DES ETUDES ECONOMIQUES Série des Documents de Travail 'Méthodologie Statistique INSTITUT NATIONAL DE LA STATISTIQUE ET DES ETUDES ECONOMIQUES Sére des Documents de Traval 'Méthodologe Statstque N 9702 MODELES UNIVARIES ET MODELES DE DUREE sur données ndvduelles S. LOLLIVIER Cette

Plus en détail

Dynamique des salaires dans une cohorte

Dynamique des salaires dans une cohorte Dynamque des salares dans une cohorte Therry Magnac Sébasten Roux x Révson : 5 mars 2007 Résumé Dans cet artcle, nous examnons les données de salares annuels, de 1976 à 1998, d une cohorte d hommes, entrés

Plus en détail

Utilisation du symbole

Utilisation du symbole HKBL / 7 symbole sgma Utlsaton du symbole Notaton : Pour parler de la somme des termes successfs d une sute, on peut ou ben utlser les pontllés ou ben utlser le symbole «sgma» majuscule noté Par exemple,

Plus en détail

Définition des tâches

Définition des tâches Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf du projet. Elles représentent de ce fat, les éléments

Plus en détail

Résumé : I- Introduction :

Résumé : I- Introduction : Applcaton de l analyse de frontère stochastque à l estmaton de l effcence technque des entreprses algérennes: effet de la forme de proprété Résumé : Nabl, Al BELOUARD Doctorant à l École Natonale Supéreure

Plus en détail

Cours de Calcul numérique MATH 031

Cours de Calcul numérique MATH 031 Cours de Calcul numérque MATH 03 G. Bontemp, A. da Slva Soares, M. De Wulf Département d'informatque Boulevard du Tromphe - CP22 http://www.ulb.ac.be/d Valeurs propres en pratque. Localsaton. Méthode de

Plus en détail

est minimale pour 1 a = et b = 0.

est minimale pour 1 a = et b = 0. EXERCICE. On consdère la sére chronologque suvante : x 3 4 5 0 5 33 4 5 0 Pour chacune des deux affrmatons suvantes, dre s elle est vrae ou s elle est fausse en justfant la réponse fourne. a. Le pont moen

Plus en détail

Pratique de la statistique avec SPSS

Pratique de la statistique avec SPSS Pratque de la statstque avec SPSS SUPPORT Transparents ultéreurement amélorés et ms à jour sur le ste du SMCS LIENS UTILES Ste du SMCS (Support en Méthodologe et Calcul Statstque) : http://www.stat.ucl.ac.be/smcs/

Plus en détail

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 1. Quadrimestre 1-2. Pondération 5. Nombre de crédits 5

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 1. Quadrimestre 1-2. Pondération 5. Nombre de crédits 5 Informatons de l'unté d'ensegnement Implantaton ECAM Cursus de Bacheler en Scences ndustrelles Informatque et communcaton B1030 Cycle 1 Bloc 1 Quadrmestre 1-2 Pondératon 5 Nombre de crédts 5 Nombre d heures

Plus en détail

- Equilibre simultané IS/LM : Pour déterminer le couple d équilibre général, il convient de résoudre l équation IS = LM.

- Equilibre simultané IS/LM : Pour déterminer le couple d équilibre général, il convient de résoudre l équation IS = LM. Exercce n 1 Cet exercce propose de détermner l équlbre IS/LM sur la base d une économe dépourvue de présence étatque. Pour ce fare l convent, dans un premer temps de détermner la relaton (IS) marquant

Plus en détail

RAPPORT DE RECHERCHE

RAPPORT DE RECHERCHE RAPPORT DE RECHERCHE N 2014-03 Le non-recours au RSA «socle seul» : l hypothèse du patrmone SYLVAIN CHAREYRON www.tepp.eu TEPP - Traval, Emplo et Poltques Publques - FR CNRS 3435 Le non-recours au RSA

Plus en détail

T.P. 5 Exercice 1 Distribution normale

T.P. 5 Exercice 1 Distribution normale T.P. 5 Exercce 1 Dstrbuton normale Connassances préalables : Buts spécfques : Outls nécessares : Noton de moyenne, varance et écart type. Acquérr la noton de dstrbuton normale et ses caractérstques. Paper,

Plus en détail

classification non supervisée : pas de classes prédéfinies Applications typiques

classification non supervisée : pas de classes prédéfinies Applications typiques Qu est ce que le clusterng? analyse de clusterng regroupement des obets en clusters un cluster : une collecton d obets smlares au sen d un même cluster dssmlares au obets appartenant à d autres clusters

Plus en détail

Contrôle du lundi 19 novembre 2012 (45 minutes) 1 ère S1

Contrôle du lundi 19 novembre 2012 (45 minutes) 1 ère S1 1 ère S1 Contrôle du lund 19 novembre 01 (45 mnutes) Compléter le tableau c-dessous donnant la dstrbuton de fréquences pour cet échantllon (calculs au broullon, fréquences sous forme décmale) : Prénom

Plus en détail

Chapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3.

Chapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3. Chaptre 3 : Incerttudes CHAPITRE 3 INCERTITUDES Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.1 Volume 1 : Orentatons générales et établssement des rapports Auteurs

Plus en détail

MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES

MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES Émle Garca, Maron Le Cam et Therry Rocher MENESR-DEPP, bureau de l évaluaton des élèves Cet artcle porte sur les méthodes de

Plus en détail

Représentation de l'information

Représentation de l'information 1. L nformaton 1-1 Dualté état et temps Représentaton de l'nformaton La noton d'nformaton correspond à la connassance d'un état donné parm pluseurs possbles à un nstant donné. La Fgure 1 llustre cette

Plus en détail

UNIVERSITÉ DU QUÉBEC À MONTRÉAL L EFFET DES ENFANTS SUR L OFFRE DU TRAVAIL DES MÈRES : CAS DU CANADA MÉMOIRE PRÉSENTÉ

UNIVERSITÉ DU QUÉBEC À MONTRÉAL L EFFET DES ENFANTS SUR L OFFRE DU TRAVAIL DES MÈRES : CAS DU CANADA MÉMOIRE PRÉSENTÉ UNIVERSITÉ DU QUÉBEC À MONTRÉAL L EFFET DES ENFANTS SUR L OFFRE DU TRAVAIL DES MÈRES : CAS DU CANADA MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN ÉCONOMIQUE PAR EZZAOUALI WALID Septembre

Plus en détail

5- Analyse discriminante

5- Analyse discriminante 5. ANALYSE DISCRIMINANTE... 5. NOTATION ET FORMULATION DU PROBLÈME... 5. ASPECT DESCRIPTIF...3 5.. RECHERCHE DU VECTEUR SÉPARANT LE MIEUX POSSIBLE LES GROUPES...4 5.. Cas partculer de deu groupes...7 5.3

Plus en détail

Remboursement d un emprunt par annuités constantes

Remboursement d un emprunt par annuités constantes Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)

Plus en détail

ÉCHANTILLON REPRÉSENTATIF (D UNE POPULATION FINIE) : DÉFINITION STATISTIQUE

ÉCHANTILLON REPRÉSENTATIF (D UNE POPULATION FINIE) : DÉFINITION STATISTIQUE ÉCHANTILLON REPRÉSENTATIF (D UNE POPULATION FINIE) : DÉFINITION STATISTIQUE ET PROPRIÉTÉS Léo Gervlle-Réache, Vncent Coualler To cte ths verson: Léo Gervlle-Réache, Vncent Coualler. ÉCHANTILLON REPRÉSENTATIF

Plus en détail

La fourniture de biens et facteurs publics en présence de ménages et d entreprises mobiles

La fourniture de biens et facteurs publics en présence de ménages et d entreprises mobiles La fournture de bens et facteurs publcs en présence de ménages et d entreprses mobles Pascale Duran-Vgneron évrer 007 Le modèle On suppose un pays drgé par un gouvernement central ayant compétence sur

Plus en détail

TES - Accompagnement: Probabilités conditionnelles,, variable aléatoire et loi binomiale

TES - Accompagnement: Probabilités conditionnelles,, variable aléatoire et loi binomiale TS - ccompagnement: Probabltés condtonnelles,, varable aléatore et lo bnomale xercce 1 'asthme est une malade nflammatore chronque des voes respratores en constante augmentaton. n France, les statstques

Plus en détail

19. Critères de jugement binaires

19. Critères de jugement binaires 19. Crtères de jugement bnares Les crtères de jugement bnares (auss appelés dchotomques) ne prennent que deux modaltés, par exemple, succès/échec du tratement, décès/surve ou survenue/nonsurvenue d un

Plus en détail

TD 1. Statistiques à une variable.

TD 1. Statistiques à une variable. Danel Abécasss. Année unverstare 2010/2011 Prépa-L1 TD de bostatstques. Exercce 1. On consdère la sére suvante : TD 1. Statstques à une varable. 1. Calculer la moyenne et l écart type. 2. Calculer la médane

Plus en détail

1 ère S. «Thème 3 / L énergie et ses transferts» Livret 1 / Les TP

1 ère S. «Thème 3 / L énergie et ses transferts» Livret 1 / Les TP 1 ère S «Thème 3 / L énerge et ses transferts» Lvret 1 / Les TP Sommare Page 3 : Page 5 : Page 6 : Page 7 : Page 8 : Page 9 : TP/ Chaleur latente de fuson de la glace TP/ Détermnaton d une énerge de combuston

Plus en détail

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 AES - SESSION 1 - Correction -

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 AES - SESSION 1 - Correction - EXAME FIAL DE STATISTIQUES DESCRIPTIVES L1 AES - SESSIO 1 - Correcton - Exercce 1 : 1) Consdérons une entreprse E comportant deux établssements : E1 et E2 qu emploent chacun 200 salarés. Au sen de l'établssement

Plus en détail

C.P.G.E-TSI-SAFI Redressement non commandé 2006/2007

C.P.G.E-TSI-SAFI Redressement non commandé 2006/2007 C.P.G.E-TSI-SAFI edressement non commandé 2006/2007 edressement non commandé Introducton : es réseaux et les récepteurs électrques absorbent de l énerge sous deux formes, en contnus ou en alternatfs. Pour

Plus en détail

Assurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire

Assurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire Assurance malade et aléa de moralté ex-ante : L ncdence de l hétérogénété de la perte santare Davd Alary 1 et Franck Ben 2 Cet artcle examne l ncdence de l hétérogénété de la perte santare sur les contrats

Plus en détail

MGA802. Analyse fonctionnelle. Chapitre 1. S. Antoine Tahan, ing. Ph.D. Département de génie mécanique

MGA802. Analyse fonctionnelle. Chapitre 1. S. Antoine Tahan, ing. Ph.D. Département de génie mécanique Analyse fonctonnelle Chaptre S. Antone Tahan, ng. Ph.D. Département de géne mécanque Ma 009 Manuel : Métrologe MEC66 Auteur : Antone Tahan, ng., Ph.D. atahan@mec.etsmtl.ca ère édton : novembre 004 ème

Plus en détail

MODELISATION DES PROCESSUS LINEAIRES

MODELISATION DES PROCESSUS LINEAIRES MDELISATIN DES PRCESSUS LINEAIRES Dans un premer temps, nous ne consdérons que des processus partculers, supposés notamment statonnare. Cec permet de présenter un certan nombre d'outls dans un cadre relatvement

Plus en détail

Traitement des valeurs manquantes et des valeurs aberrantes

Traitement des valeurs manquantes et des valeurs aberrantes Etudes Statstques 2 (1/10) Tratement des valeurs manquantes et des valeurs aberrantes Avant de trater les données, vérfer la qualté des données : Les données peuvent être : manquantes aberrantes : la valeur

Plus en détail

Courant alternatif. Dr F. Raemy La tension alternative et le courant alternatif ont la représentation mathématique : U t. cos (!

Courant alternatif. Dr F. Raemy La tension alternative et le courant alternatif ont la représentation mathématique : U t. cos (! Courant alternatf Dr F. Raemy La tenson alternatve et le courant alternatf ont la représentaton mathématque : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Une résstance dans un crcut à courant

Plus en détail

UNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS

UNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS BRUSSELS ECONOMIC REVIEW - CAHIERS ECONOMIQUES DE BRUXELLES VOL. 49 - N 2 SUMMER 2006 UNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS DANS LE SECTEUR DE L ASSURANCE AUTOMOBILE* MARÍA DEL CARMEN MELGAR**

Plus en détail

Les prix quotidiens de clôture des échanges de quotas EUA et de crédits CER sont fournis par ICE Futures Europe

Les prix quotidiens de clôture des échanges de quotas EUA et de crédits CER sont fournis par ICE Futures Europe Méthodologe CDC Clmat Recherche puble chaque mos, en collaboraton avec Clmpact Metnext, Tendances Carbone, le bulletn mensuel d nformaton sur le marché européen du carbone (EU ETS). L obectf de cette publcaton

Plus en détail

LES DIMENSIONS DANS LA PERCEPTION DES INTERVALLES MUSICAUX *

LES DIMENSIONS DANS LA PERCEPTION DES INTERVALLES MUSICAUX * LES DIMENSIONS DANS LA PERCEPTION DES INTERVALLES MUSICAUX * "W.J.M. LEVELT et R. PLOMP (Insttute for Percepton R.V.O.-T.N.O., SOESTERBERG, PAYS-BAS) Introducton Il est ntéressant de savor de quelle manère

Plus en détail

Mesures en tension continue & alternative

Mesures en tension continue & alternative Manp. Elec.1' Mesures en tenson contnue & alternatve E1.1 BUT DE LA MANIPULATION Cette manpulaton vse prncpalement à vous famlarser avec les apparels & nstruments de mesure utlsés en électrcté. Vous apprendrez

Plus en détail

Synthèse de cours PanaMaths (Terminale S) Les nombres complexes

Synthèse de cours PanaMaths (Terminale S) Les nombres complexes Snthèse de cours PanaMaths (Termnale S) L ensemble des nombres complees Défntons n pose tel que = 1 { } L ensemble des nombres complees, noté, est l ensemble : z /(, ) = + Le réel est appelé «parte réelle

Plus en détail

Les jeunes économistes

Les jeunes économistes Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque

Plus en détail

Activité Intitulé de l'activité Volume horaire

Activité Intitulé de l'activité Volume horaire Informatons de l'unté d'ensegnement Implantaton Cursus de ECAM Insttut Supéreur Industrel Bacheler en Scences ndustrelles Electronque applquée B2150 Cycle 1 Bloc 2 Quadrmestre 2 Pondératon 4 Nombre de

Plus en détail

Montage émetteur commun

Montage émetteur commun tour au menu ontage émetteur commun Polarsaton d un transstor. ôle de la polarsaton La polarsaton a pour rôle de placer le pont de fonctonnement du transstor dans une zone où ses caractérstques sont lnéares.

Plus en détail

Calcul de structure en fatigue vibratoire. Fascicule u2.05 : Mécanique de la rupture et de l'endommagement

Calcul de structure en fatigue vibratoire. Fascicule u2.05 : Mécanique de la rupture et de l'endommagement Ttre : Calcul de structure en fatgue vbratore Date : 14/11/2012 Page : 1/9 Calcul de structure en fatgue vbratore 1 But Ce document a pour but de décrre la mse en œuvre d'un calcul de structure en fatgue

Plus en détail

Chapitre 2 UNE ESTIMATION DYNAMIQUE DE LA LIQUIDITÉ. La Liquidité - De la Microstructure à la Gestion du Risque de Liquidité

Chapitre 2 UNE ESTIMATION DYNAMIQUE DE LA LIQUIDITÉ. La Liquidité - De la Microstructure à la Gestion du Risque de Liquidité La Lqudté - De la Mcrostructure à la Geston du Rsque de Lqudté Chaptre 2 UNE ESTIMATION DYNAMIQUE DE LA LIQUIDITÉ Erwan Le Saout - Novembre 2000. 97 La Lqudté - De la Mcrostructure à la Geston du Rsque

Plus en détail

Editions ENI. Excel 2010. Collection Référence Bureautique. Extrait

Editions ENI. Excel 2010. Collection Référence Bureautique. Extrait Edtons ENI Excel 2010 Collecton Référence Bureautque Extrat Tableau crosé dynamque Tableau crosé dynamque Excel 2010 Créer un tableau crosé dynamque Un tableau crosé dynamque permet de résumer, d analyser,

Plus en détail

3- Réseau Neurologique (NN) 3-1- Réseau classique

3- Réseau Neurologique (NN) 3-1- Réseau classique OUTILS DE PREVISION DE LA VITESSE DE VENT : APPLICATION A LA CARACTERISATION ET A L OPTIMISATION DES CENTRALES EOLIENNES POUR L'INTEGRATION DANS LES RESEAUX ELECTRIQUES A MADAGASCAR. Andramahtasoa Bernard

Plus en détail

À partir de la demi-période comprise entre les points C et D de la figure 2, mesurer u L, de la bobine. calculer et en déduire la valeur de L.

À partir de la demi-période comprise entre les points C et D de la figure 2, mesurer u L, de la bobine. calculer et en déduire la valeur de L. se 2004 ÉTUD XPÉIMNTL D'UN BOBIN (6 ponts) 1.5. On néglge dans la sute le terme fasant ntervenr r dans l'expresson de u L ans que les arronds des crêtes de l'ntensté. 1 - Détermnaton expérmentale de l'nductance

Plus en détail

Activité Intitulé de l'activité Volume horaire

Activité Intitulé de l'activité Volume horaire Informatons de l'unté d'ensegnement Implantaton Cursus de Inttulé ECAM Insttut Supéreur Industrel Bacheler en Scences ndustrelles fnalté électromécanque Concepton et producton M3050 Cycle 1 Bloc 3 Quadrmestre

Plus en détail

Ch 4 Séries statistiques à une dimension Définitions et représentation graphique

Ch 4 Séries statistiques à une dimension Définitions et représentation graphique Ch 4 Séres statstques à une dmenson Défntons et représentaton graphque Termnologe Ensemble étudé = populaton Eléments de cet ensemble = ndvdus ou untés Attrbut consdéré = caractère qu peut être qualtatf

Plus en détail

Première partie. Proportionnalité. 1 Reconnaître des situations de proportionnalité... 7

Première partie. Proportionnalité. 1 Reconnaître des situations de proportionnalité... 7 Premère parte Proportonnalté 1 Reconnaître des stuatons de proportonnalté....... 7 2 Trater des stuatons de proportonnalté en utlsant un rapport de lnéarté........................ 8 3 Trater des stuatons

Plus en détail

I. Présentation générale des méthodes d estimation des projets de type «unité industrielle»

I. Présentation générale des méthodes d estimation des projets de type «unité industrielle» Evaluaton des projets et estmaton des coûts Le budget d un projet est un élément mportant dans l étude d un projet pusque les résultats économques auront un mpact sur la réalsaton ou non et sur la concepton

Plus en détail

GEA I Mathématiques nancières Poly. de révision. Lionel Darondeau

GEA I Mathématiques nancières Poly. de révision. Lionel Darondeau GEA I Mathématques nancères Poly de révson Lonel Darondeau Intérêts smples et composés Voc la lste des exercces à révser, corrgés en cours : Exercce 2 Exercce 3 Exercce 5 Exercce 6 Exercce 7 Exercce 8

Plus en détail

Editions ENI. Excel 2013. Collection Référence Bureautique. Extrait

Editions ENI. Excel 2013. Collection Référence Bureautique. Extrait Edtons ENI Collecton Référence Bureautque Extrat Tableaux de données Tableaux de données Créer un tableau de données Un tableau de données, auss appelé lste de données (dans les ancennes versons d Excel),

Plus en détail

Partie I: Différences finies avec centrage partiel

Partie I: Différences finies avec centrage partiel U. PARIS VI et ÉCOLE POLYTECHNIQUE 7 anver 04 Spécalté Probablté et Fnance du Master de Scences et Technologe EXAMEN DU COURS ANALYSE NUMÉRIQUE DES ÉQUATIONS AUX DÉRIVÉES PARTIELLES EN FINANCE verson 03/0/04

Plus en détail

Combinaison de dires d'experts en élicitation de lois a priori. pour Listeria chez la souris. Exposé AppliBugs

Combinaison de dires d'experts en élicitation de lois a priori. pour Listeria chez la souris. Exposé AppliBugs Combnason de dres d'experts en élctaton de los a pror. Applcaton à un modèle doseréponse pour Lstera chez la sours. Exposé ApplBugs ISABELLE ALBERT 8 / / 03 INTRODUCTION Cet exposé présente une parte du

Plus en détail

Indicateurs de compétitivité- prix et de performances à l exportation

Indicateurs de compétitivité- prix et de performances à l exportation Décembre 2009 Indcateurs de compéttvté- prx et de performances à Méthodologe Les ndcateurs présentés dans ce document vsent à mesurer en temps réel l évoluton des parts de marché des prncpaux exportateurs

Plus en détail

D 4 ε BENEFICES ECONOMIQUES DE LA PROTECTION CONTRE LE RISQUE D INONDATION SERIE ETUDES 06 E05 PATRICK DERONZIER SÉBASTIEN TERRA

D 4 ε BENEFICES ECONOMIQUES DE LA PROTECTION CONTRE LE RISQUE D INONDATION SERIE ETUDES 06 E05 PATRICK DERONZIER SÉBASTIEN TERRA Document de traval ETUDES METHODES SYNTHESES D 4 ε BENEFICES ECONOMIQUES DE LA PROTECTION CONTRE LE RISQUE D INONDATION SERIE ETUDES 06 E05 PATRICK DERONZIER SÉBASTIEN TERRA Ste nternet : http://www.ecologe.gouv.fr

Plus en détail

Les déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises

Les déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune Marc Bourreau Abel Franços Jun 2006 Département Scences Economques et

Plus en détail

LA RENOVATION DE LA MESURE DU PRIX DES TERRES ET PRES AGRICOLES : UNE OPERATION QUALITE MENEE EN PARTENARIAT AVEC LA STATISTIQUE PUBLIQUE

LA RENOVATION DE LA MESURE DU PRIX DES TERRES ET PRES AGRICOLES : UNE OPERATION QUALITE MENEE EN PARTENARIAT AVEC LA STATISTIQUE PUBLIQUE LA RENOVATION DE LA MESURE DU PRIX DES TERRES ET PRES AGRICOLES : UNE OPERATION QUALITE MENEE EN PARTENARIAT AVEC LA STATISTIQUE PUBLIQUE De 2007 à 200, a été menée une rénovaton méthodologque de la méthode

Plus en détail

ANNEXE : Rappels sur les notions de dérivée et différentielle

ANNEXE : Rappels sur les notions de dérivée et différentielle NNEXE : Rappels sur les notons de dérvée et dfférentelle Pente d une drote Eamnons géométrquement les drotes dans le plan cartésen La prncpale caractérstque qu dstngue une drote d une autre est son nclnason,

Plus en détail

TRANSFERT DE CARGAISON CALCULS ET ARRONDIS

TRANSFERT DE CARGAISON CALCULS ET ARRONDIS TRANSFERT DE CARGAISON CALCULS ET ARRONDIS SOMMAIRE 1. Méthode de détermnaton de l énerge transférée lors du transfert d une cargason de. Calcul de l énerge transférée.1 Calcul de l énerge brute transférée.1.1

Plus en détail

Université d El Oued Cours Circuits Electriques 3 LMD-EM

Université d El Oued Cours Circuits Electriques 3 LMD-EM ère parte : Electrocnétque Chaptre ntroducton L Electrocnétque est la parte de l Electrcté qu étude les courants électrques. - Courant électrque -- Défntons Défnton : un courant électrque est un mouvement

Plus en détail

Fiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage

Fiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage Fche n 7 : Vérfcaton du débt et de la vtesse par la méthode de traçage 1. PRINCIPE La méthode de traçage permet de calculer le débt d un écoulement ndépendamment des mesurages de hauteur et de vtesse.

Plus en détail

Net.Doc. Cela vaut-il la peine de faire une prépa? . 7. Une réponse à partir de l insertion des ingénieurs. Noël Adangnikou.

Net.Doc. Cela vaut-il la peine de faire une prépa? . 7. Une réponse à partir de l insertion des ingénieurs. Noël Adangnikou. Net.Doc. 7 Cela vaut-l la pene de fare une prépa? Une réponse à partr de l nserton des ngéneurs Noël Adangnkou Insttut de recherche sur l éducaton (IREDU), CNRS-Unversté de Bourgogne, Pôle AAFE, Esplanade

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2015 2016. Statistiques Descriptives

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2015 2016. Statistiques Descriptives UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année unverstare 215 216 L1 Économe Cours de B. Desgraupes Statstques Descrptves Séance 7: Indces synthétques Table des matères 1 Introducton 1 1.1

Plus en détail

Mailing. Les étapes de conception d un mailing. Créer un mailing

Mailing. Les étapes de conception d un mailing. Créer un mailing Malng Malng Word 2011 pour Mac Les étapes de concepton d un malng Le malng ou publpostage permet l envo en nombre de documents à des destnatares répertorés dans un fcher de données. Cette technque sous-entend

Plus en détail

Les déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises

Les déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune a, Marc Bourreau a,b et Abel Franços a,c a Télécom ParsTech, Département

Plus en détail