Statistique descriptive

. . . . . . . . . . . La population fran¸aise . . . . . . . . . . . . . . . . . c 2.2 Le niveau du lac Huron . . . . . . . . . . . . . . . . . . . . . . . . . 2.3 Annexe : commandes SAS du chapitre. . . . . . . . . . . . . . . . . 3 Rappels de statistique math´matique e 3.1 Matrice des covariances d’un vecteur al´atoire e 3.2 Lois de probabilit´s d’un vecteur al´atoire . . e e 3.2.1 Loi normale . . . . . . . . . . . . . . . Loi normale bivari´e . . . . . . . . . . e Loi normale conditionnelle .

. . . . . . 1.2 Notions de probabilit et de statistique . . . . . . . . . . . e 1.2.1 Les variables al atoires . . . . . . . . . . . . . . . . e 1.2.2 Le concept de distribution de probabilit . . . . . . e 1.2.3 Les paramtres d'une distribution de probabilit . . e e 1.2.4 Ind pendance d' v nements, de variables al atoires e ee e 1.2.5 Quelques distributions de probabilit . . . . . . . . e 1.2.6 Quelques concepts li s  la statistique . . . . . . . . e a 1.3 Echantillonnage . . .

. . . . . . . . . . . 70 . . . . . . . . . . . . . . . . . . . . . . . . . . 71 . . . . . . . . . . . . . . . . . . . . . . . . . . 73 14 Statistiques 1/ Généralités . . . . . . . . . . . . . . 2/ Paramètres de position . . . . . . . . 3/ Paramètres de dispersion . . . . . . 4/ Influence d’une transformation affine 5/ Résumé d’une série statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

travail. Qu’il trouve en ce document une marque de profonde gratitude. A M. Ardjouma SANOU, Cadre macroéconomiste et fondé de pouvoir à la BCEAOOuagadougou ainsi qu’à M. Adama OUATTARA, Ingénieur statisticien, Chef du département des études et de la statistique de la BCEAO- Ouagadougou, pour leurs orientations dans la recherche des données et dans les aspects méthodologiques. Nous disons merci à Mrs. Issiaka TINGRUI, Inoussa TRAORE, Doctorants à l’UFR-SEG de Ouaga II, pour avoir sacrifié de leur temps

envoie sur le réseau et qui ramène l’information. Il peut aussi remplir d’autres fonctions, par exemple contenir un porte-monnaie qui lui permet de payer les fournisseurs, etc. Analyse des données Data Analysis Ensemble de méthodes de statistique descriptive facilitant l’interprétation de gros corpus de données et très utilisées dans le Datamining*. Il comporte : - des techniques d’analyse factorielle (analyse en composantes principales, analyse des correspondances, analyse discriminante etc

outil permettant d’appréhender le contenu de tableaux de taille importante à l’aide de représentations accessibles par l’utilisateur », Edwin Diday. L’analyse des données c’est aujourd’hui l’expression consacrée pour désigner les analyses statistiques descriptives multidimensionnelles L’analyse des données rassemble un groupe de techniques aux fondements mathématiques qui permet d’appréhender la structure de l’information contenue dans un espace à plusieurs dimensions. L’information, c’est la position

formaliser. Cette formalisation faite, la prise de décision proprement dite utilisera un ou plusieurs critères. Les plus couramment utilisés sont présentés au chapitre IV. Historiquement, ces critères ont été trouvés de manière pragmatique, en statistique et en calcul économique notamment. Nombreux sont ceux qui n’ont toujours pas trouvé de théorie qui en justifie l’usage. C’est pourquoi la théorie de l’utilité espérée mérite d’être présentée en détail (chapitre V) comme le premier exemple achevé

CP114 et Institut de Recherche en Statistique Université Libre de Bruxelles Avenue Franklin Roosevelt 50 B-1050 Bruxelles e-mail : gmelard@ulb.ac.be Résumé Nous présentons l’analyse des séries temporelles qui est employée dans de nombreuses sciences et techniques. Nous mettons notamment l’accent sur les méthodes de prévision telles qu’elles sont utilisées, en particulier pour la prévision des ventes dans les entreprises. Nous insistons sur les aspects statistiques et économétriques de ces méthodes

difficile à compenser, nécessite un étalonnage précis de la chaîne de mesure. - Les erreurs statistiques - C’est une variation aléatoire de la valeur mesurée autour de la valeur la plus probable. Cette erreur suit une loi statistique particulière. (nécessite de connaître le modèle probabiliste du système mesuré) •CMI 2009-2010 P. NAYMAN 20 Les erreurs statistiques La présence de fluctuations statistiques nécessitent de répéter la mesure un certain nombre de fois : Soit un ensemble de mesures

PLAN *-*-*-*-*-*-*-*-*-*-*-*-*-* INSTITUT NATIONAL DE STATISTIQUE ET D’ECONOMIE APPLIQUEE Projet de Fin d’Etudes ***** Gestion prévisionnelle des effectifs au Ministère des Finances et de la Privatisation Préparé par: Mr. Mohammed ADDI Mr. Mohamed NETTAH Sous la direction de : Mme F. BAKASS (INSEA) Mr. M. CHAOUI (DAAG) Soutenu publiquement comme exigence partielle en vue de l’obtention du Diplôme d'Ingénieur d’Etat Option : Statistique Devant le jury composé de : • • Mme F. BAKASS (INSEA)