Introduction Type

Introduction Les caract´ristiques de tendance centrale e Dispersion et concentration Les caract´ristiques de forme e Chapitre III: R´duction des donn´es e e ´ Fili`re: Economie et Gestion S1 e Professeur: Zakaria El Allali December 13, 2013 Z. El Allali Chapitre III: R´duction des donn´es e e Introduction Les caract´ristiques de tendance centrale e Dispersion et concentration Les caract´ristiques de forme e Sommaire I 1 Introduction 2 Les caract´ristiques

Sondages : Traitement et analyse des questionnaires Introduction 1ère tache : vérification simple 2ème tache : codage des questions ouvertes 3ème tache : saisie informatique 4ème tache : traitement des données = lire et donner du sens aux données collectées 5ème tache : interpréter les traitements effectués I. Les analyses univariées Méthodes de statistiques descriptives Choix d’un type d’analyse dépend de la nature de l’échelle de mesure Type d’échelle de mesure Statistiques descriptives Nominal

Rapport Sujet : La régression multiple avec SPSS Réalisé par : * El Otmany Hammou * Baali Hassan Année universitaire : 2009/2010 Sommaire INTRODUCTION I. Problème II. Analyse des données Introduction La régression est une méthode statistique très utilisée pour analyser la relation d'une variable par rapport à une ou plusieurs autres. On recourt à une estimation des

Le Data Mining: Méthodologie Introduction et définition L ’objectif du Data Mining (DM) Le processus KDD Pratique du DM Méthodologie du DM 1 Introduction  Par analogie à la recherche des pépites d ’or dans un gisement, la fouille de données vise :   à extraire des informations cachées par analyse globale à découvrir des modèles (“patterns”) difficiles à percevoir 2 Définition  Data mining  ensemble de techniques d'exploration de données afin d'en tirer des connaissances

Introduction aux calculs de probabilités Souvent ont est appelé a créer des sous ensembles a partir d’une population donnée. La population de départ est nommé n, la population d’arriver est appelée p. Il y a deux cas de figures possible * les sous ensemble p sont ordonnés et dans ce cas on a à faire à des arrangements * les sous ensemble p ne sont pas ordonnés et dans ce cas on à a faire a des combinaisons p A n = n ( n – 1 )( n - 2 )…( n – p + 1 ) P C n

Master1 INTRODUCTION A L'ECONOMETRIE Février 2010 I L'ECONOMETRIE L'économétrie est souvent décrite comme la partie de l'économie qui s'occupe de la mesure, du quantitatif. Elle applique les méthodes statistiques aux données empiriques issues de l'économie. Héritière à la fois des mathématiques, de l'économie et des statistiques, elle se fonde sur des modèles économiques qu'elle vient confronter à un ensemble de données observées (données de panel, série temporelle, etc.). L'économétrie

une enquête dans le cadre d’une étude de marché : Il faut avoir les bonnes données, qui donneront de bonnes statistiques. Ces statistiques sont ensuite collectées par des études de marché. On peut expliquer les statistiques sans les maths. Introduction Méthode de recherche de l’information Etudes sur terrain                   Etudes quantitatives 1 Etudes qualitatives                 Etudes de motivation Etudes

WEBER – LA METHODE : UN POINT DE VUE CONSTRUIT Introduction Il s’agit de définir deux concepts traduisant la méthode de Max Weber : la neutralité axiologique et l’idéal-type. ( Neutralité axiologique = Qualité exigible du savant, qui doit prendre de la distance par rapport à ses valeurs. Il le fait non pas lorsqu’il choisit son objet d’étude, mais lorsqu’il observe, analyse et explique les phénomènes étudiés. ( Idéal-type = Modèle obtenu par l’analyse de situations historiques

Stock de sécurité Plan Introduction Causes de rupture de stock Procédure de mise en place d’un stock de sécurité I. II. III. i. ii. iii. Définition du stock de sécurité Choix des critères Analyse de Pareto et classification ABC Calcul du stock de sécurité IV. i. ii. iii. iv. v. Un exemple de la notion de stock de sécurité Niveau de service Calcul du stock de sécurité  Avec variation de la demande seulement  Avec variation du délai seulement  Avec

∂L(p|X ) = 0 → pi = ˆ ∂pi t t xi N , i = 1, . . . , K GIF-4101 / GIF-7005 (U. Laval) M´thodes param´triques e e C. Gagn´ e 6 / 32 Exemple : loi normale Loi normale : distribution param´tr´e par une moyenne µ et un e e ´cart-type σ e p(x) = √ 1 (x − µ)2 exp − , −∞ < x < ∞ 2σ 2 2πσ Vraisemblance selon un ´chantillonage X = {x t }N avec e t=1 x t ∼ N (µ, σ 2 ) L(µ, σ|X ) = − N log(2π) − N log σ − 2 ∂L(µ,σ|X ) ∂µ t t (x − µ)2 2σ 2 =0 t Maximum de vraisemblance