La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Master MARKETING / Pierre Desmet 1 Cas R&W Pierre DESMET Source : John Castelloe & Randy Tobias SAS Institute Inc. Cary, NC www2.sas.com/proceedings/sugi31/208-31.pdf.

Présentations similaires


Présentation au sujet: "Master MARKETING / Pierre Desmet 1 Cas R&W Pierre DESMET Source : John Castelloe & Randy Tobias SAS Institute Inc. Cary, NC www2.sas.com/proceedings/sugi31/208-31.pdf."— Transcription de la présentation:

1 Master MARKETING / Pierre Desmet 1 Cas R&W Pierre DESMET Source : John Castelloe & Randy Tobias SAS Institute Inc. Cary, NC www2.sas.com/proceedings/sugi31/ pdf

2 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 2 Apéritif Problématique marketing : Loffre « carafe de vin gratuite » doit-elle être généralisée ? Scénarii : Oui – Non Critères évaluation : CA restaurant / Ticket / Temps passé / ? Hypothèses validées Temps + -> ticket + Temps + ne diminue pas le nombre de tickets … Hypothèse à valider Est- ce que temps (avec) > temps (sans)

3 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 3 Code ***************************************************************; * Wine 1 *; * analyse d'un traitement *; ***************************************************************; * Pierre Desmet 21/11/2010 ; goptions devmap=winansi keymap=winansi ; /* prise en compte des caractères accentués */ Title1 H=2 j=L "Master Marketing" J=R "Universite Paris-Dauphine"; Title2 H=1 j=L "Tests et Experimentation" ; Title3H=2 j=c "Cas R&W (1)" ; Footnote1 h=1 j=L "(c)2010, Pierre DESMET" ; Data in ; input temps_restau Label temps_restau="Temps passé dans le restaurant" ; cards ; ; run ; proc print data=in (obs=10); run ; proc tabulate data=in ; var temps_restau ; table N temps_restau*(mean std); run ;

4 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 4 Normalité proc univariate data=in normal; var temps_restau ; run ; proc ttest data=in ; var temps_restau ; run ;

5 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 5 Résultat du test Base = 88 Hors de lIC à 5%

6 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 6 Test égalité à 88 H0 : la moyenne est de 88 Rejet de Ho ***************************************************************; * test égalité à 88 ; ***************************************************************; Title3 "Test égalité à 88 "; proc ttest data=in h0=88 ; var temps_restau ; run ;

7 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 7 Test unilatéral ***************************************************************; * test unilatéral ; ***************************************************************; Title3 "Test en unilatéral "; proc ttest data=in h0=88 alpha=0.10; var temps_restau ; run ; proc ttest data=in h0=88 sides= U ; var temps_restau ; run ; Avec 10% Avec Sides = U

8 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 8 Lecture code goptions devmap=winansi keymap=winansi ; /* caractères accentués */ Title1 H=2 j=L "Master Marketing" J=R "Universite Paris-Dauphine"; Title2 H=1 j=L "Tests et Experimentation" ; Title3H=2 j=c "Cas R&W (5 lecture)" ; Footnote1 h=1 j=L "(c)2010, Pierre DESMET" ; Data in ; input trait_1 trait_2 nb ; do i=1 to nb ; input temps_1 temps_2 output ; end ; Label temps1="Temps passé dans le restaurant" ; cards ; … … ; run ; proc print data=in ; run ; proc format ; value traitfmt 0="Controle" 1="Carafe" ; run;

9 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 9 Rouge ou Blanc ? Test de différence Etude descriptive des résultats Normalité ? Rouge Blanc

10 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 10 Suite : égalité des variances Egalité des variances

11 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 11 Fin : Egalité des Moyennes Hypothèses (au risque x%) H0 : les deux moyennes sont égales (Moy1 =Moy2) H1 : les deux moyennes sont significativement « différentes » Les variances sont égales Lire « POOLED » Lintervalle de confiance Comprend 0 On accepte H0 Pas de différence

12 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 12 Test déquivalence Pour un test de différence entre deux moyennes, le résultat dépend de la taille de léchantillon Trop faible, une différence réelle peut ne pas être observée Trop grand, une différence peut être constatée sans quelle ait une importance réelle Un test déquivalence conduit à conclure que la différence des moyennes (d) est inférieure à (non significative) si on rejette simultanément 2 tests unilatéraux Ha : H0a d ; H1a d Hb : H0b d ; H1b d Dans la Proc TTEST, test TOST Two One-Sided Test (Schuirmann, 1987) Fixer un intervalle en valeur absolue La probabilité retenue est la plus grande des probabilités des deux tests En français : title3 "Test TOST de l'équivalence" ; proc ttest data=in tost (-20, 20) ; class trait; var temps_restau ; run ;

13 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 13 TOST intervalle 20 Les deux tests sont significatifs L IC se trouve à lintérieur de la zone critique choisie Pas de différence entre les vins La plus grande

14 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 14 TOST Intervalle 10 Ce nest plus le cas pour une équivalence à +/-10 près On accepte H0 Les deux traitements ne sont pas équivalents

15 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 15 GLM (2 et +) versus TTEST (2 groupes) F t

16 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 16 Design expérimental croisé Design croisé (Cross-over design) Inverser les traitements pour éviter leffet dordre (AB / BA) Si pas de différence, regrouper les résultats (pooled)

17 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 17 Graphiques Title3H=2 j=c "Cas R&W (cross over)" ; ods graphics on ; proc ttest data=in ; var temps_1 temps_2 / crossover= (trait_1 trait_2) ; run ; ods graphics off ;

18 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 18 Normalités

19 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 19 Egalité des variances / des moyennes Effet significatif Du traitement Pas deffet « Période » Pool de A/B et B/A Variances égales

20 Sommaire © Pierre DESMET Master Marketing de Paris-Dauphine 20 data in_double ; set in ; trait=trait_1 ; temps=temps_1 ; time=1 ; output ; trait=trait_2 ; temps=temps_2 ; time=2 ; output ; run;proc glm data=in_double ; class time trait ; model temps = time trait time*trait / SS3 ; contrast "Effet de la carafe sur le temps passé" trait ;run ; GLM Créer 2 lignes pour chaque observation Utiliser la nouvelle variable comme variable explicative Faire un test de contraste


Télécharger ppt "Master MARKETING / Pierre Desmet 1 Cas R&W Pierre DESMET Source : John Castelloe & Randy Tobias SAS Institute Inc. Cary, NC www2.sas.com/proceedings/sugi31/208-31.pdf."

Présentations similaires


Annonces Google