Cas Spartoo

Initiation a la recherche:

Techniques quantitatives de gestion M1

__________________________________________________________________

Evaluation

 - Examen final : 70% (devoir de 2 heures sur table)

 - Devoir à rendre en TD : 30%

1. Introduction

A. L’inférence statistique

a la base statistique = donnée que devait avoir un homme politique pour gouverner.

études et procédés par lequel on va analyser les gens et le comportement.

statistique descriptive=dénombrer et décrire une population de manière exhaustive (ex: taux de réussite au bac)

- statistique inférentielle= s’applique au cas ou il est difficile ou impossible de

généraliser a partir d’un échantillon (estimer)

principe de l’inférence statistique: dans quelle mesure a t-on le droit......

..... de généraliser une information observée sur un échantillon

- but est de tester les hypotheses:

hypothèse nulle: on énonce une hypothèse sur la population

Test statistique: puis on test cette hypothèse

hypothèse = énoncé quantitatif

H0= hypothèse nulle a tester (absence de différence de relation entre les paramètres

H1= Hypotheses alternative

ex: on se demande si la taille des entreprises a un effet sur le salaire d’embauche des diplômes d’université: H0= pas d’effet ; H1= un effet

le choix entre les 2 hypothèses se fait via un test statistique.

- soit au regard du test, H0 est plausible: on dit qu’on rejette pas H0

-soit H0 est peu probable au regard des résultats de l’enquête.

>pour décider de rejeter ou non H0:

- P est la plausibilité de H0

- P = probabilité de tirer au sort dans la population un échantillon présentant les caractéristiques observées si H0 est vraie

- P= probabilité de se tromper en rejetant H0

-P est la probabilité que la relation, l'écart, la différence, l’effet..... observe dans l’échantillon soit du au hasard du sondage, il qu’il n’existe pas réellement dans la population.

-selon le risque que le chercheur est prêt a prendre, celui-ci fixe p entre 1 et 10%

- 5% le seuil communément utilisé => p<0,05

Ex: si p=0,04

- si p< 5%= résultat significatif. il a du sens pour la population étudiée, on peut extrapoler.

B. Les niveaux de mesure

notion de variable= grandeur indéterminée (valeur qui varie en fonction de l’individu, par opposition avec la constante)

- 4 niveaux de mesure de variables :

2 niveaux de mesure qualitatifs (nominal, ordinal)

2 niveaux de mesure quantitatifs (intervalles, ratio)

- échelle de likert= quantitative

variable= permet de mesurer, identifier un individu (personne, objet, entreprise, ville)

-écart avec des intervalles négatifs et positif = variable qualitative

- chiffre pur= variable quantitative.

D. Prise en main du logiciel R

• a la fois langage informatique et environnement de travail
• logiciel gratuit et open source

• installation du logiciel R: cran.univ-paris1.fr
• faire attention aux majuscules/minuscules

E. Analyse préliminaires et gestion des variables

• moyenne, ecart type et distribution:

• 2 éléments permettent d’évaluer la répartition des données dans l’espace ou le temps:

• la tendance centrale (moyenne, médiane, mode)
• la dispersion (variance, écart-type, étendue, fractiles)

a chaque fois qu’on manipule des chiffres il faut réfléchir a ce qui se passe réellement.

la mediane et le mode

• la médiane (mesure ordinale et métrique)
• le mode (tout niveau de mesure)

la variance et l’écart-type (mesure ratio ou intervalle). l’écart-type= racine carrée de la variance.

2. Rappel sur l’analyse univariée

Rappels sur l’intervalle de confiance

• encadrement dans lequel se situe très probablement la , celle qu’on cherche à estimer dans la population.

L’analyse univariée

• comparaison d’une moyenne à une norme donnée
• comparer la moyenne de mon échantillon à un chiffre connu, que l’on aura défini.
• on que la visite moyenne du Louvre est de 3 heures
• le temps de visite des visiteurs français diffère-t-il significativement de cette norme?

• H0: le temps de visite des visiteurs français est égal à 3h
• H1: le temps de visite des visiteurs français est différent de 3h

* test t (test student): comparé une moyenne à une valeur connu.

Les tests paramétriques

• test de comparaison d’une moyenne à une norme est un test paramétrique.
• A chaque test paramétrique correspond un test non-paramétrique

Conditions d’analyse

• le test t est un test paramétrique, qui suppose:

• Distribution normale sur la variable métrique
• N>30

• Conclusion interprétation des résultats
• on a 1,3% de se tromper en rejetant l’hypothèse H0 valeur ℗

3. Analyse bivariée

Introduction

* principe: examiner les relations entre deux variables

. il s’agit de :

. Mettre en évidence l’existence d’une relation ou association

. mesurer sa force

. étudier son signe

• Choix de la méthode d’analyse

depend du niveau de mesure des variables:

• principe

. Objectif: verifier s’il existe une relation ou association (symetrique) entre deux variables (nominales ou ordinales)

. Le test de khi-deux est non paramétrique

ex: y’a-t-il un lien entre l’âge (classes d’ages) et la notoriété de l’association Aides?

• Le tableau croisé

. pour analyser et décrire les liens statistiques entre deux variables qualitatives on produit un tableau croisé.

• le principe du khi2

indicateur de distance entre les objectifs théoriques et les objectifs observées.

...