Régression non linéaire

7 La notion de relation ou de dépendance entre deux variables s’exprime en termes de distributions conditionnelles. Définition : Une distribution conditionnelle de Y est la distribution de Y par rapport à une tranche de la population et non pas par rapport à toute la population, cette tranche étant définie par une valeur possible de X. Par exemple, la distribution conditionnelle de Y (Temps pour se rendre au travail) étant donné que X égale " niveau de stress élevé " et la distribution

économique. Partie I: Analyse de régression avec des données “cross-section”. Chapitre 2. Le modèle de régression simple. Chapitre 3. Le modèle de régression multiple: estimation. Chapitre 4. Le modèle de régression multiple: inférence. Chapitre 5. Le modèle de régression multiple: MCO asymptotiques. ` ´ Introduction a l’Econometrie – p. 3/? Plan du cours (Partie Économétrie) Chapitre 1. Nature de l’économétrie et des données économique. Partie I: Analyse de régression avec des données “cross-section”

d’inflation b) Présentation graphique et analyse de l’évolution du taux de croissance de la masse monétaire 4èmepartie : Analyse I. Analyse de corrélation et de régression linéaire simple entre le taux de croissance de la masse monétaire et l’inflation a) Présentation de nuage de point b) Présentation de l’ajustement a une droite : régression linéaire c) conclusion II. Les autres causes de l’inflation a) Inflation par les coûts b) Inflation par la demande 5ème partie : projection I. Prévisions de Bank

probabilistes  Chaque individus de la population concernées à une probabilité connue d’appartenir à l’échantillon et permet d’obtenir des échantillons représentatifs. Deux techniques : * Tirage au hasard * Echantillonnage stratifié * Echantillons non probabilistes * Méthodes des quotas : la plus utilisé, quotas par rapport à quelques caractéristiques (sexe, âge, CSP) dont on connaît la distribution statistique. * Méthode des itinéraires : dans une agglo on impose à l’enquêteur un point de

Historique Historique Après-guerre Après-guerre • Succès des applications militaires. • Intérêt marqué des entreprises pour la RO. • Applications civiles, d’abord dans les grandes entreprises industrielles : – Ex: industrie pétrolière - programmation linéaire pour la gestion de la production • Plus tard, resultats utilisés (à moindre coût) par des organisations plus petites. • Facteur clé : développement de l’informatique. 2008/2009 15 Prise de Décision Prise de Décision Réalité •Sociale •Politique

la tendance commerciale).  La prévision soit fiable, il faut que les paramètres qui décrivent la demande restent stables.  Les techniques les plus utilisées :  Moyenne mobile simple ou pondérée.  Lissage exponentiel simple ou double.  Régression linéaire ou exponentielle.  Décomposition de la demande pour mettre en évidence la saisonnalité, la tendance et la variable aléatoire. 5 Formation Yomar 2007 Prévision de la demande Méthodes explicatives : A partir des données du

3 Moindres carrés / Least squares (régression non linéair, calage de modèle /pb. Inverse) 3.1 Question de cours, partie préliminaire On définit fi comme l'écart entre yobs et ymod, c'est à dire : Pour tout tn : Yobs(tn) = ymod(tn) - fi(tn) ou encore fi(tn) = ymod(tn) – yobs(tn) On définit alors ɛ comme la norme quadratique de fi(tn) à savoir : ɛ² = (yobs – ymod)T(yobs – ymod) Ce qui peut également s'écrire : ɛ² = (yobs – Ep)T (yobs – Ep) 1 | Exp( -t1) | 1 | Exp( -t2) | 1 | Exp( -t3)

Introduction à l’Econométrie Ecole Centrale de Paris Année 2006-2007 Pauline Givord 3 novembre 2006 Table des matières 1 Le modèle linéaire : les MCO 1.1 Introduction : le modèle linéaire simple . . . . . . . . . . . . . . . . . . . . . . 1.2 l’estimateur des moindres carrés ordinaires . . . . . . . . . . . . . . . . . . . . 1.2.1 le modèle linéaire général : écriture matricielle . . . . . . . . . . . . . 1.2.2 définition de l’estimateur des moindres carrés ordinaires . . . . . . . . 1

1. a) Les jeunes de 12 à 19 ans des 10 provinces canadiennes. b) La consommation de fruits et de légumes. c) Quantitatif discret. d) Non, parce que le tableau ne donne pas d’infor- mation sur la population des différentes provinces. Manuel • p. 187 2. a) Moyenne : 3,6 jours Médiane : 5 jours b) Oui. Plus de la moitié des participants ont atteint l’objectif. c) Non, parce que le sondage a été limité à des élèves de la 4e année du secondaire d’une seule école. 3. a) Le taux a baissé de 1,8 sur 100

peines prévues par la loi, du 11 mars 1957 et du 3 juillet 1995, sur la protection des droits d’auteur. Sommaire L’auteur Introduction Chapitre 1 • Modélisation en économie et gestion Chapitre 2 • Modèle linéaire en univers stationnaire Chapitre 3 • Compléments sur les modèles linéaires Chapitre 4 • Équations multiples en univers stationnaire Chapitre 5 • Tests de racine unitaire et modèles ARIMA Chapitre 6 • Variables intégrées, modèles VAR et cointégration Chapitre 7 • Variables dépendantes