Variable globale

représentant l’information globale disponible sur le marché aux instants t = 0 et t = 1. En t = 0, on ne dispose d’aucune information: F0 = {∅, Ω}. En t = 1, on sait si l’actif est monté ou descendu: F1 = P(Ω) = {∅, Ω, {ωu }, {ωd }}. Cette tribu représente l’ensemble des parties de Ω dont je puisse dire à l’instant t = 1 si elles sont réalisées ou non. 8 Remarque: Bien sûr, on a F0 ⊂ F1 , en effet plus le temps avance plus l’on acquiert de l’information. Remarque: Une variable aléatoire est F1 -mesurable

. . . . . 1.3.2 La régression log-linéaire . . . . . . . . . . . . . . . . . 1.3.3 Généralisation : GLM . . . . . . . . . . . . . . . . . . 2 Analyse discriminante logistique 2.1 le modèle logistique . . . . . . . . . . . . . . . . . . . . 2.1.1 Variable explicative continue . . . . . . . . . . . 2.1.2 Facteurs . . . . . . . . . . . . . . . . . . . . . . 2.1.3 Définition générale . . . . . . . . . . . . . . . . 2.1.4 Interprétation des coefficients β . . . . . . . . . 2.2 Rappels sur la méthode du maximum

. . . 22 6 Les variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 6.1 Dénition d'une variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 Probabilité d'une variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3 Les diérents types de variables aléatoire . . . . . . . .

(a mod b = a ! b la / bm) effectif de lot effectif d’échantillon effectif du ie échantillon variable aléatoire réelle distribuée uniformément sur un intervalle ouvert (0, 1) Catégorie : MÉTHODES STATISTIQUES Norme : S-S-01 (rév. 1) 2008-11-10 Page : 4 de 13 2008-11-10 Document(s) : Date de diffusion : Remplace : Entrée en vigueur : S-S-01 xi la ie valeur de la variable x fonction partie entière de z (retourne la partie entière de la valeur réelle z) Algorithmes

P003-008R-9782100549412.fm Page III Jeudi, 18. novembre 2010 11:59 11 Table des matières Avant-propos IX 1. Distributions statistiques à un caractère © Dunod. La photocopie non autorisée est un délit. I. 1 Définitions 1 A. Population, individu, échantillon B. Variables 2 1 II. Représentations graphiques A. Distributions statistiqueset représentations graphiques B. Le diagramme « branche et feuille » 3 4 10 III. Les indicateurs statistiques A. Conditions de Yule B. Les indicateurs de tendance centrale et de

Chapitre 2 : Les études quantitatives 1 Plan de la séance  Définition  Méthodologie globale d’une enquête quantitative  Plan d’étude quantitative  Représentativité de l’échantillon  Taille de l’échantillon  Méthode d’administration  Phase terrain  Traitement des données, analyse et présentation des résultats  Exemples  Comment élaborer et rédiger un questionnaire ? 2 Définition  L’enquête par questionnaire ou sondage est généralement une enquête ponctuelle qui consiste :  À extraire

NOTION DE VARIABLES ALEATOIRES I. DEFINITION Une variable aléatoire X est une variable associée à une expérience ou à un groupe d'expériences aléatoires et servant à caractériser le résultat de cette expérience ou de ce groupe d'expériences. On distingue les variables aléatoires discontinues ou discrètes et les variables aléatoires continues. II. VARIABLE ALEATOIRE DISCONTINUE 2.1. Définition Une variable aléatoire est discrète si elle varie de façon discontinue, la variable ne peut prendre

données numériques relatives à tel ou tel phénomène aléatoire et d’exploiter cette information pour établir toutes relations de causalité par l’analyse et l’interprétation. Un phénomène aléatoire est un phénomène comportant des variables aléatoires, c’est à dire des variables liées au hasard et dont les valeurs ne peuvent en conséquence être connues d’avance. (Exemple : le nombre de points marqué par un dé) On distingue : • La statistique descriptive ou statistique de constatation, qui concerne les

1.2 Applications en probabilité . . . . . . . . . . . . . . 1.2.1 Espérance de variables aléatoires . . . . . . 1.2.2 Fonction de répartition et quantiles d’une loi 1.2.3 Indépendance . . . . . . . . . . . . . . . . . 1.2.4 Principales lois de probabilités . . . . . . . . 1.2.5 Vecteurs aléatoires . . . . . . . . . . . . . . 1.2.6 Fonctions caractéristiques . . . . . . . . . . 1.2.7 Convergence de suites de variables aléatoires 1.2.8 Espérance conditionnelle . . . . . . . . . . . 2 Échantillonnage

l’espérance de l’utilité  Le problème est celui de la détermination de la décision optimale parmi des alternatives conduisant à différents gains (ou pertes) aléatoires w͂.  Les variables aléatoires w͂ prennent un nombre fini de valeurs (w1 …. wN) avec des probabilités respectivement égales à (p 1 …. pN)  La variable aléatoire w͂ est interprétée comme la valeur algébrique du gain généré par une loterie L’utilité et les courbes d’indifférence L’utilité espérée se calcule donc de la manière