Matrice unitaire

. . . 19.6.2 Symétries vectorielles orthogonales . . . . . . . . . . . . 19.7 Matrices orthogonales . . . . . . . . . . . . . . . . . . . . 19.7.1 Matrices orthogonales . . . . . . . . . . . . . . . . . . . 19.7.2 Matrices orthogonales positives ou négatives . . . . . . . 19.7.3 Isométries positives, négatives . . . . . . . . . . . . . . . 19.8 Isométries en dimension 2 . . . . . . . . . . . . . . . . . 19.8.1 Matrices orthogonales de taille 2 . . . . . . . . . . . . . 19.8.2 Angle de rotations et

EXCEL ______________________________2 B. LA METHODE MERISE ____________________________________3 II. RECUEIL ET ORGANISATION DES INFORMATIONS ___ 4 A. CREER LE DICTIONNAIRE DE DONNEES__________________________5 B. PLACER LES INFORMATIONS DANS UNE MATRICE __________________6 III. LES SCHEMAS CONCEPTUELS _____________________ 9 A. LE MODELE CONCEPTUEL DE DONNEES ________________________10 B. LE MODELE LOGIQUE DE DONNEES ___________________________13 C. LES REQUETES _________________________________________14

24-Les matrices stratégiques Définition et principe Origine BCG, ADL McKinsey et limites Points communs : 1.  Analyse en termes de portefeuilles 2.  Fondé sur Cash-Flow 3.  Avantages / limites Les outils d’analyse de portefeuille •  A quoi servent-ils? •  A décrire quoi? •  A montrer des équilibres Entre quoi? •  A faire des choix Entre qui? •  Leur différence : complexité// opérationnel BCG •  3 points clés : courbe, PM relative et Cash Flow

Chap. V – Analyses Factorielles 1 Chapitre V ANALYSES FACTORIELLES _____ Définition et propriétés des analyses factorielles : On est en présence d'un tableau de données réelles sous forme de matrice X (n,p) de n lignes et p colonnes. Les n lignes de X représentent un nuage de n points dans un Espace Vectoriel Rp de dimension p. (respectivement, les p colonnes représentent p points dans l'E.V. Rn ) Une représentation graphique de ces points dans cet espace est bien entendu impossible

Modèle matriciel Entrée/Sortie (II) ˜ Y = T1 X + T2 X avec T1 une matrice dont la k ème ligne est donnée par − [0k −1 , h(0), h(1), · · · , h(L), 0N−L−k ] (si k ≤ N − L) − [0k −1 , h(0), h(1), · · · , h(N − k − 1)] (si k > N − L) T2 une matrice dont la k ème ligne est donnée par − 0L (si k ≤ N − L) − [h(L), h(L − 1), · · · , h(N − k + 1), 0N−k ] (si k > N − L) Remarque : T1 une matrice Toeplitz de taille N × N T2 une matrice Toeplitz de taille N × L Philippe Ciblat OFDM : principe et

d‛appui pour ranger des domaines d‛activité stratégiques au regard des facteurs supposés influencer la performance. Ces outils vont structurer d‛une certaine manière les jugements des décideurs et cela dans la mesure où un DAS bien classé dans la matrice sera perçu par les opérateurs comme « bon » et aura beaucoup de chance d‛être « maintenu » ; a contrario, un DAS mal classé dans cette même grille aura une moins bonne image et les dirigeants seront enclins à l‛abandonner à plus ou moins brève échéance

. . . . . . e 1.3.2 R´solution d’´quations du second degr´ dans le cas e e e 2 Syst`mes lin´aires e e 2.1 Quelques exemples ´l´mentaires . . . . . . . . . . . . . . . ee 2.2 D´finitions . . . . . . . . . . . . . . . . . . . . . . . . . . . e 2.3 Matrice associ´e a un syst`me lin´aire . . . . . . . . . . . e ` e e 2.4 R´solution des syst`mes ´chelonn´s . . . . . . . . . . . . . e e e e 2.4.1 Syst`mes triangulaires a diagonale non nulle . . . . e ` 2.4.2 Syst`mes ´chelonn´s . . . . . . . . . . . .

d’appui pour ranger des domaines d’activité stratégiques au regard des facteurs supposés influencer la performance. Ces outils vont structurer d’une certaine manière les jugements des décideurs et cela dans la mesure où un DAS bien classé dans la matrice sera perçu par les opérateurs comme « bon » et aura beaucoup de chance d’être « maintenu » ; a contrario, un DAS mal classé dans cette même grille aura une moins bonne image et les dirigeants seront enclins à l’abandonner à plus ou moins brève échéance

✓ La matrice du Boston Consulting Group (matrice BCG) ; ✓ La matrice McKinsey (mis au point pour General Electric) ; ✓ La matrice d’Arthur D.Little (ADL). Nous présenterons la matrice McKinsey. La méthode d’utilisation de ces quatre modèles est identique : ✓ Définir les activités stratégiques ou les lignes de produits ; ✓ Evaluer les activités stratégiques selon les 2 critères de base, attrait et compétitivité ; ✓ Représenter sur la matrice par des cercles

intéresse dans le cas de l’hétéroscédasticité. Il n’est donc pas nécessaire d’effectuer un test supplémentaire après la régression. Correction de l’hétéroscédasticité d’hétéroscédasticité : Il existe deux solutions au problème 1. paramétriser la matrice de variance-covariance des erreurs (MCG); 2. utiliser les MCO et corriger les écarts-types par la méthode d’Eicker-White. Seule la deuxième solution est discutée ici en raison de sa simplicité. En fait, dans Stata, il suffit d’ajouter l’option robust