STATISTIQUE HEC – FORMATION FONDAMENTALE 2008/2009 Michel Tenenhaus

Présentation au sujet: "STATISTIQUE HEC – FORMATION FONDAMENTALE 2008/2009 Michel Tenenhaus"— Transcription de la présentation:

1 STATISTIQUE HEC – FORMATION FONDAMENTALE 2008/2009 Michel Tenenhaus

2 STATISTIQUE ? Extraire des connaissances à partir de données pour décrire, expliquer, ou prévoir. Simplifier une réalité complexe à l’aide de graphiques. Simplifier une réalité complexe à l’aide de modèles mathématiques. Outils de manipulation de grosses bases de données pour identifier et segmenter la clientèle d’une entreprise (data mining).

3 Décrire ?

4 Exemple 1 Enquête FT sur les MBA 2001
12 caractéristiques de l’école : Women Faculty, Women Students, Women board, International Faculty, Int. Stud., Int. Board, Int. Mobility, Int. Course content, Languages, Faculty with PhD, PhD grad. Rating, Research rating 2 caractéristiques des diplômés : Salary today (weighted), Salary % increase

5 Extrait des données de l’enquête FT sur les MBA 2001

6 . Analyse factorielle des MBA HEC  * 2 Harvard   *    *  1 
X14 = Salary increase . HEC  * 2 Harvard   *    *  1    X2 = Women Student    Warwick X1 = Women Faculty

7 Analyse Factorielle des MBA : Carte des MBA
Analyse réalisée sur les 67 premiers MBA

8 Analyse Factorielle des MBA Carte des caractéristiques utilisées pour l’analyse
Les variables fléchées en pointillés sont illustratives.

9 Conclusion : HEC troisième MBA non anglo-saxon

10 Exemple 2 : les races canines

11 Le tableau disjonctif complet
xijl = si l’individu i possède la modalité l de la variable j = sinon

12 Analyse factorielle du tableau disjonctif complet Modalité au barycentre des chiens la possédant

13 Classification ascendante hiérarchique des chiens (sur le tableau disjonctif complet)
C A S E Label Num bull-dog òûòø teckel ò÷ ùòø chihuahua òûò÷ ùòø pékinois ò÷ ó ùòòòòòòòòòòòòòø caniche òòòòò÷ ó ó cocker òòòûòòò÷ ùòòòòòòòòòòòòòòòòòòòòòòòòòòòø fox-terrier òòò÷ ó ó epagneul breton òûòòòø ó ó labrador ò÷ ùòòòòòòòòòòòòòòò÷ ó boxer òûòòò÷ ó dalmatien ò÷ ó dogue allemand òûòòòø ó mastiff ò÷ ùòòòòòòòòòòòòòòòø ó saint-bernard òûòø ó ó ó terre-neuve ò÷ ùò÷ ó ó bull-mastiff òòò÷ ó ó berger allemand òûòø ùòòòòòòòòòòòòòòòòòòòòòòòòòòò÷ dobermann ò÷ ùòòòòòòòòòø ó beauceron òòò÷ ó ó pointer òø ó ó setter òôòø ùòòòòòòò÷ levrier ò÷ ùòø ó epagneul français òòò÷ ùòòòòòø ó colley òòòòò÷ ùò÷ fox-hound òûòòòø ó grd bleu de gasc ò÷ ùòòòòò÷ basset òòòòò÷

14 Visualisation de la classification des chiens en 4 groupes
epagneul breton 3 labrador dalmatien epagneul français setter pointer 2 boxer colley levrier grd bleu de gasc 1 fox-hound berger allemand dobermann beauceron caniche fox-terrier -1 cocker teckel bull-dog terre-neuve dogue allemand -2 pékinois chihuahua basset saint-bernard bull-mastiff mastiff Facteur 2 -3 -4 -4 -2 2 4 Facteur 1

15 Les signes de ponctuation chez Zola (Brunet, 1985)

16 Analyse Factorielle des Correspondances

17 Expliquer ?

18 Salaire des professeurs du Groupe HEC

19 Salaire en fonction de l’age

20 Pédagogie et HEC

21 Recherche et HEC

22 Modèle de salaire des professeurs

23 Estimation du modèle par la méthode des moindres carrés
Un paramètre est significativement différent de 0 si son intervalle de confiance ne contient pas 0.

24 Estimation du modèle par la méthode des moindres carrés

25 Qualité du modèle

26 Référendum sur la constitution européenne

27 Arbre de segmentation avec Answer Tree

28 Prévoir ?

29 La méthode de Winters Exemple : Ventes de Champagne On exclut les douze derniers mois pour valider la méthode.

30 Ventes de Champagne On exclut les douze derniers mois pour valider la méthode.

31 Résultats sur l’historique utilisé (prévision à l’horizon 1)

32 Résultats sur la période test (prévision sur l’horizon 1 à 12)

33 Contenu du cours Présentation de méthodes statistiques permettant de décrire, d’expliquer et prévoir un phénomène étudié. Utilisation du logiciel SPSS sous Windows Version 16. Pour installer SPSS : Voir les moyens informatiques

34 Le site web du cours Tous les documents et tous les fichiers de
données utilisés dans le cours sont disponibles sur le site

35 Cours Tout ce qui est fait en classe doit être connu : ni plus ni moins. Maximum de cas et d’exercices pendant les séances de cours et les séances de soutien. Savoir faire les exercices du cours est une garantie de succès.

36 PLAN de COURS

37 Contrôle des connaissances
Rédaction d’un projet statistique par groupe de 5 étudiants au plus (30%) : Cas Easton Un test individuel (70 %) Des notes au moins égales à 10/20 sont exigées pour le projet de groupe et pour le test individuel.

38 GALTON, 1908 Some people hate the very name of Statistics, but I
find them full of beauty and interest. Whenever they are not brutalized, but delicately handled by the higher methods, and are warily interpreted, their power of dealing with complicated phenomena is extraordinary. They are the only tools by which an opening can be cut through the formidable thicket of difficulties that bars the path of those who pursue the Science of man.

39 Proverbe chinois J ’entends et j ’oublie. Je vois et je me souviens.
Je fais et je comprends.

40 Mark Rothko (1903 - 1970) Le travail évolue à mesure qu’il avance
vers plus de clarté, vers l’élimination de tous les obstacles entre le peintre et l’idée, et entre l’idée et le spectateur.

41 1949

42 1952

43 1956

44 1960

45

46 1968

47

48

49

50 Références M. Tenenhaus :
Statistique : Méthodes pour décrire, expliquer et prévoir, Dunod, 2007 P. Kinnear & C. Gray : SPSS 16, Psychology Press, 2008

51

52

53 Panorama des méthodes statistiques en gestion
Recueil des données - Sondage - Plan d’expériences Méthodes explicatives Y = f(X1,…,Xk) Méthodes descriptives - Visualisation - Classification Méthodes de prévision Xt = f(Xt-1, Xt-2,…)

54 Méthodes explicatives
Variables explicatives Variable à expliquer

55 Méthodes descriptives
Méthodes de visualisation Méthodes de classification - Classification ascendante hiérarchique (observations ou variables) - Méthode des centres mobiles

56 Méthodes de prévision Analyse d’une série chronologique
- Recherche d’une tendance et de facteurs saisonniers - Identification de valeurs atypiques Prévision - Méthodes de lissage (série courte) - Méthode de Box-Jenkins (série longue)

57