Asymétrie

Econometric Analysis Marcelo Fernandes Queen Mary, University of London Topic 1: Matrix Algebra reference: Greene (1993) Econometric Analysis, chapter 2 Road map 1.1 1. terminology 2. algebraic manipulation 3. geometry of matrices 4. matrix partitioning 5. matrix calculus Terminology 1.2 matrix rectangular array of numbers a11  a A = [ank ] =  21  . .  . aN 1  a12 a22 . . . aN 2 ··· ··· ... ··· a1K  a2K   .  .  . aN K  dimension number

Mod`les ARCH/GARCH e Limites des mod`les ARIMA et pratique des mod`les e e ARCH/GARCH HORMA Boucha¨ & BOUKHNIF Mouhsine ıb 23 f´vrier 2010 e Table des mati`res e 1 Pr´sentation e 2 Limites des mod`les ARIM A e 3 La mod´lisation ARCH/GARCH e 3.1 D´finition des mod`les ARCH . e e 3.2 Propri´t´s des mod`les ARCH . ee e 3.3 D´finition des mod`les GARCH e e 3.4 Propri´t´s des mod`les GARCH ee e 2 2 6 6 7 7 8 8 9 11 13 13 14 16 . . . . . . . . . . . . . . . . . . . . . . . . .

PLAN Test de normalité de distribution : Test de Jarque-Bera ; Test de Shapiro - Wilks ; Test d'adéquation du Chi² ; Test de Kolmogorov – Smirnov. Mouvement brownien : Principe de l’homoscédasticité et l’hétéroscédasticité : Test student : Transformation du Cornish Fisher : Test de normalité de distribution L'étude de la normalité (au sens de la loi normale, de la loi de Gauss) est un problème ancien et important en statistique. Il est assez légitime de le voir

Analyser et enregistrer une communication téléphonique G711 Limitations : Il est nécessaire d'utiliser le protocole G.711 (le G.729 n'est pas libre de droits et Wirteshark ne sait pas le décoder) Jitter ou gigue Dans le domaine des réseaux informatiques, la gigue (en anglais jitter) est la variation de la latence au fil du temps. Plus précisément, la gigue est la différence de délai de transmission de bout en bout entre des paquets choisis dans un même flux de paquets, sans prendre en compte

 PREMIER PROBLÈME  [30 points] Question 1 La variable « montant de l’achat » a un caractère quantitatif. La variable « nombre de tentatives de contact » a un caractère quantitatif. La variable « période de la journée » a un caractère qualitatif. La variable « statut de la cliente » a un caractère qualitatif. La variable « âge de la cliente » a un caractère qualitatif. La variable « nombre d’enfants de la cliente » a un caractère qualitatif. Question 2 La variable « montant de l’achat

dans lequel on trouve 50 % des sujets de la distribution (25 % au-dessus de la médiane et 25 % sous la médiane). Cette statistique est donc moins affectée par les valeurs extrêmes. L’intervalle est toujours affecté par les valeurs extrêmes. Asymétrie : Indice de symétrie (position du pic de distribution) variant au-dessus et audessous de zéro. Plus la valeur positive de l’indice est élevée, plus le pic est déplacé vers les valeurs basses (symétrie positive, voir Section B dans la figure suivante)

Econométrie Appliquée avec EViews Université Paris-Est Créteil Chapitre 1 : Le logiciel EViews: le modèle linéaire simple • • • • EVIEWS = Econometric Views version 7. Logiciel performant et simple d’utilisation (menus). Fonctionne sous Windows 98/2000/XP/Vista. Le logiciel et sa documentation sont en anglais. Nombreux ouvrages et guides d’utilisation sur Internet. • Il existe une version 4.1 « étudiant ». • Nombreuses méthodes d’estimation (MCO, MCQG, ) et procédures de tests. • Langage

 Table des matières : INTRODUCTION : Cette étude a pour objectif d’examiner la relation entre l’intégration financière et la croissance économique en se basant sur des données financières de nombreux pays du monde. En effet l’intégration des économies en développement dans les marchés financiers internationaux est un fait fréquent des trois dernières décennies. Nous assistons, durant les trois dernières décennies, à un accroissement très important des flux financiers transfrontaliers

Luke Stein Stanford graduate economics core (2006–7) Reference and review (last updated September 29, 2009) Contents 1 Econometrics . . . . . . . . . . . . . . 1.1 Probability foundations . . . . . . . . Basic set theory Disjointness Partition Sigma algebra Probability function Probability space Counting Conditional probability Bayes’ Rule Independence of events Mutual independence of events Random variables . . . . . . . . . . . Random variable Random vector Measurability Smallest σ-field Independence

´ ´ Resume du Cours de Statistique Descriptive Yves Till´ e 15 d´cembre 2010 e 2 Objectif et moyens Objectifs du cours – Apprendre les principales techniques de statistique descriptive univari´e e et bivari´e. e ˆ – Etre capable de mettre en oeuvre ces techniques de mani`re appropri´e e e dans un contexte donn´. e ˆ – Etre capable d’utiliser les commandes de base du Language R. Pouvoir appliquer les techniques de statistiques descriptives au moyen du language R. – R´f´rences ee Dodge Y