Mean squared error

Covariance Variable Coefficient Std. Error t-Statistic Prob. C 0.026052 0.029662 0.878282 0.3813 ANALPHA -0.001500 0.000396 -3.789457 0.0002 TO 0.000492 0.000118 4.165894 0.0001 VAMANUF 0.003679 0.001542 2.385196 0.0184 URBRUR 0.001077 0.000385 2.793941 0.0059 TCCE 1.613283 0.001593 1.613880 0.1088 SALAIRES -0.022643 0.000378 -3.212705 0.0018 R-squared 0.161171 Mean dependent var 0.067410 Adjusted R-squared 0.131213 S.D. dependent

loans were originated to extract cash, by refinancing an existing mortgage loan into a larger new mortgage loan. The share of loans originated in order to refinance with no cash extraction was relatively small. In the final block of Table 1, we report the mean values for the loan and borrower characteristics that we will use in the statistical analysis (see Table 2 for a definition of these variables). The average FICO credit score rose 20 points between 2001 and 2005. The combined loan-to-value (CLTV) ratio

_GAB--C _GUI--C _RCA--C _TCH--C R-squared Adjusted R-squared S.E. of regression Log likelihood Durbin-Watson stat Coefficien t -0.006470 -0.712670 0.272853 -0.211789 -0.537224 -0.571774 -0.004073 0.057544 -0.319128 -0.129179 -0.047844 -2.004701 -0.019043 0.632967 2.298070 -8.666829 0.165224 -0.060130 -2.415805 -0.639843 -38.28466 -32.18892 -2.774991 25.21020 -22.27600 -23.52798 0.973965 0.927475 5.343941 -98.00349 3.070654 Mean dependent var S.D. dependent var Sum squared resid F-statistic Prob(F-statistic)

qualitatives et quantitatives les résultats sont présentés dans le tableau ci-dessous : Dépendent Variable: Y_VAL | | | Method: ML - Binary Probit | | | | | | | | | | | Variable | Coefficient | Std. Error | z-Statistic | Prob.   | | | | | | | | | | | C | -1.104281 | 2.935471 | -0.376185 | 0.7068 | V1 | 0.331759 | 2.572537 | 0.128962 | 0.8974 | V2 | 0.256438 | 0.610342 | 0.420155 | 0.6744 | V3 | 0.717797 | 0.876815

distribution et l'ordre de présentation des informations. Dispersion • • • • • • • • Mean : moyenne des observations Sum : somme de toutes les observations Std. deviation : écart-type de la distribution Variance : variance de la distribution Range : intervalle, indique l'écart entre la plus petite et la plus grande valeur Minimum : plus petite valeur de la variable Maximum : plus grande valeur de la variable S.E. mean : erreur-type de la moyenne Distribution • • Kurtosis : indice d’aplatissement

Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob. C 0.026052 0.029662 0.878282 0.3813 ANALPHA -0.001500 0.000396 -3.789457 0.0002 TO 0.000492 0.000118 4.165894 0.0001 VAMANUF 0.003679 0.001542 2.385196 0.0184 URBRUR 0.001077 0.000385 2.793941 0.0059 TCCE 1.613283 0.001593 1.613880 0.1088 SALAIRES -0.022643 0.000378 -3.212705 0.0018 R-squared 0.161171 Mean dependent var 0.067410 Adjusted R-squared 0.131213 S.D. dependent var 0.126292 S.E

moyenne des observations. e e e ` 2.3.1.1. La moyenne empirique La moyenne empirique de l’´chantillon est la moyenne arithm´tique des observations, e e 1 n xi . Son interpr´tation est ´vidente. La commande R correspondante est e e not´e xn = e ¯ n i=1 mean(x). Pour l’exemple des ampoules, x10 = 83.15, donc on dira que la dur´e de vie moyenne ¯ e d’une ampoule est de 83.15 h. Les repr´sentations graphiques nous ont amen´s a admettre e e ` que la dur´e de vie d’une ampoule ´tait une variable al´atoire

factors that encourage it. The core idea in this study is to analyze the private investment determinants both in the long and short terms in Morocco, using the annual data available from 1970 to 2007. By using JOHANSEN cointégration technique and error correction modeling, the study reveals that in the long term, the gross national product, the terms of trade, the public investment, the business climate index positively and significantly affect private investment, when the shifting interest rates

moyenne (ou Mean Squared Error (MSE) en anglais) qui est calcul´e comme suit e 1 MSEα = N N i=1 (ϕi − ϕi )2 . ˆ (3.9) La valeur optimale du param`tre α peut donc ˆtre obtenue en minimisant le crit`re e e e MSEα . L’id´e serait donc de tester un certain nombre de valeurs dans l’intervalle [0, 1] e pour la constante α, et ensuite s´lectionner celle qui minimise le MSE. Notons que e d’autres crit`res peuvent ˆtre utilis´s, notamment l’erreur absolue moyenne (ou Mean e e e Absolute Error (MAE) en

. . . . . . . 129 The Black-Scholes benchmark . . . . . . . . . . . . . . . . . . . . . 131 5.5 Numerical results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132 5.5.1 5.5.2 5.5.3 Parameters estimation and sources of error . . . . . . . . . . . . . 132 Numerical validation . . . . . . . . . . . . . . . . . . . . . . . . . . 135 Comparison for a call option with simulations . . . . . . . . . . . . 137 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .