Vous cherchez un diplôme pour vous spécialiser dans la Statistiques Appliquée à l’Économie et vous n'avez pas le temps de suivre des cours en présentiel: C'est l'opportunitle idéale pour le réaliser 100% en ligne!"

La révolution numérique et le développement de la technologie, en particulier en ce qui concerne le web, ont favorisé la création d'un environnement dans lequel pratiquement tous les comportements des utilisateurs sont mesurables. Grâce au stockage massif d'informations extraites de sites web et d'applications, il est désormais possible de déterminer des tendances sociales, politiques et économiques avec un très haut niveau de prévision, à partir d'indicateurs d'enregistrement et de données créées lors d'une action spécifique (clic sur une publicité, achat d'un produit, désinscription d'un service, etc.) Grâce à l'application des statistiques en tant que discipline d'analyse et de gestion, l'information est organisée et décrite afin de pouvoir l'appliquer à des estimations futures en réduisant au maximum la marge d'erreur.

Cependant, il s'agit d'une science qui a considérablement progressé ces dernières années grâce à la mise en place d'outils de plus en plus complexes, sophistiqués et spécialisés pour le traitement massif des références. C'est pourquoi TECH a estimé qu'il était nécessaire de développer un programme permettant aux diplômés de se spécialiser dans ce domaine grâce à une expérience académique, adaptée à leurs besoins, mais aussi aux exigences du secteur de l'emploi actuel. Le Mastère spécialisé en Statistiques Appliquée à l’Économie est une qualification complète et pluridisciplinaire qui vous permettra d'approfondir les derniers développements dans cette discipline.

À travers 1 500 heures de contenu théorique et pratique et de contenu complémentaire, le professionnel pourra apprendre en détail les concepts de base liés aux indices statistiques et à leurs propriétés, ainsi que les principales sources et techniques de collecte d'informations sociales et de marché utilisées dans l'environnement économique actuel. Vous apprendrez également à connaître les principales bases de données, leur conception et les stratégies d'étude et de débogage les plus efficaces pour leur gestion et leur manipulation. Par ailleurs, vous pourrez travailler à l'acquisition des compétences nécessaires pour maîtriser les principaux logiciels statistiques pour la recherche commerciale et financière. Tout cela 100% en ligne et en 12 mois, avec un programme accesible sur le Campus Virtuel, où et quand vous le souhaitez et sans limite de connexion. C'est donc une opportunité unique de se spécialiser dans un domaine en pleine expansion à travers un parcours académique de pointe, sans emploi du temps ni de cours en présentiel.

Un programme de pointe en TECH qui comprend 1 500 h de contenu divers: le meilleur contenu, des cas pratiques et du matériel additionnel multidisciplinaire"

Ce Mastère spécialisé en Statistiques Appliquée à l’Économie contient le programme académique le plus complet et le plus actuel du marché. Les principales caractéristiques sont les suivantes:

• Le développement de cas pratiques présentés par des experts en Statistiques Appliquées
• Les contenus graphiques, schématiques et éminemment pratiques avec lesquels il est conçu, fournissent des informations pratiques sur les disciplines essentielles à la pratique professionnelle
• Les exercices pratiques d’auto-évaluation pour améliorer l’apprentissage
• Les méthodologies innovantes
• Des cours théoriques, des questions à l'expert, des forums de discussion sur des sujets controversés et un travail de réflexion individuel
• La possibilité d'accéder aux contenus depuis tout appareil fixe ou portable doté d'une simple connexion à internet

Vous souhaitez apprendre le HTML et les expressions régulières pour la programmation web? Ce programme vous permettra d'acquérir les connaissances nécessaires pour manier parfaitement les attributs CSS et leurs codes"

Le corps enseignant du programme comprend des une équipe de professionnels du secteur qui apportent à cette formation l'expérience de leur travail, ainsi que des spécialistes reconnus de grandes sociétés et d'universités prestigieuses.

Grâce à son contenu multimédia développé avec les dernières technologies éducatives, les spécialistes bénéficieront d’un apprentissage situé et contextuel. Ainsi, ils se formeront dans un environnement simulé qui leur permettra d’apprendre en immersion et de s’entrainer dans des situations réelles.

La conception de ce programme est basée sur l'Apprentissage par les Problèmes, grâce auquel le professionnel devra essayer de résoudre les différentes situations de pratique professionnelle qui se présentent tout au long de la formation. Pour ce faire, il sera assisté d'un système vidéo interactif innovant créé par des experts reconnus.

Un Mastère spécialisé qui vous permettra de maîtriser les principales techniques de collecte et de stockage de données à partir de pages web"

Vous serez informé sur les bases de données actuelles, ainsi que sur les stratégies de conception et de gestion de bases de données les plus efficaces et les plus sophistiquées"

Pour développer la structure et le contenu de ce programme, TECH a pris en compte les critères professionnels d'un groupe d'experts en économie et en statistiques, qui ont été chargés de collecter toutes les informations qui composent le programme d'études, ainsi que le matériel supplémentaire varié qui l'accompagne. Ainsi, vous aurez accès à un contenu théorique, pratique et multidisciplinaire de la plus haute qualité, garantissant une spécialisation rigoureuse en seulement 12 mois. De plus, la principale caractéristique de ce Mastère spécialisé est son format en ligne pratique et flexible, grâce auquel vous pourrez accéder au plus haut niveau de formation, sans contraintes horaires ni de cours en présentiel.

Un programme flexible et de pointe qui vous donne la possibilité de vous connecter d'où vous voulez et quand vous voulez, à travers n'importe quel appareil doté d'une connexion internet, qu'il s'agisse d'un PC, d'une tablette ou d'un téléphone portable"

Module 1. Statistiques économiques

1.1. Introduction

1.1.1. Définition des indices de variation
1.1.2. Utilité des indices de variation

1.2. Classification des indices

1.2.1. Indices simples
1.2.2. Indices composites

1.3. Indices simples

1.3.1. Taux de variation

1.4. Indices composites non pondérés

1.4.1. Définition
1.4.2. Propriétés

1.5. Indices composites pondérés

1.5.1. Indices de Laspeyres
1.5.2. Indices de Paasche
1.5.3. Indices d'Edgeworth
1.5.4. Indices de Fisher

1.6. Indices de valeur

1.6.1. Définition
1.6.2. Propriétés

1.7. Propriétés de l'index

1.7.1. Propriétés principales
1.7.2. Applications

1.8. Opérations d'indexation

1.8.1. Renouvellement
1.8.2. Lien
1.8.3. Changement de base

1.9. Indicateurs en chaîne

1.9.1. Indice de volume en chaîne de Laspeyres

1.10. Évaluation des séries

1.10.1. Déflation des séries économiques

Module 2. Sources et techniques de collecte d'informations sociales et de marché

2.1. Concept d'étude sociale et d'étude de marché

2.1.1. Définition
2.1.2. Qualités
2.1.3. Rôle des études sociales et de marché

2.2. Études sociales et de marché

2.2.1. Objectifs
2.2.2. Portée
2.2.3. Planification
2.2.4. Conception

2.3. Sources d'information

2.3.1. Concept
2.3.2. Types de sources d'information
2.3.3. Sources secondaires
2.3.4. Sources primaires

2.4. Stratégies de recherche, mesure des sources d'information et évaluation

2.4.1. Types de stratégies
2.4.2. Sélection des informations
2.4.3. Évaluation des informations

2.5. Méthodes et techniques de collecte de données

2.5.1. Processus méthodologiques

2.5.1.1. Approche initiale
2.5.1.2. Planification de la recherche
2.5.1.3. Collecte des données
2.5.1.4. Analyse des résultats
2.5.1.5. Élaboration du rapport

2.5.2. Techniques projectives
2.5.3. Observation
2.5.4. Pseudo-achat ou Mystery Shopper

2.6. L'impact des nouvelles techniques de collecte de données et leurs supports spécifiques

2.6.1. L'enquête
2.6.2. Tableau de bord
2.6.3. Observation
2.6.4. Questionnaire et protocoles de collecte

2.7. Méthodes qualitatives d'obtention d'informations

2.7.1. Caractéristiques de l'enquête
2.7.2. Types d'enquêtes
2.7.3. Conception du questionnaire
2.7.4. Structure et séquence du questionnaire

2.8. Travail sur le terrain

2.8.1. Planification du travail sur le terrain
2.8.2. Processus séquentiel de collecte des données
2.8.3. Méthodologies

2.8.3.1. Quantitatives
2.8.3.2. Non quantitatives

2.8.4. Évaluation du travail sur le terrain

2.9. L'échantillonnage dans les études sociales et de marché

2.9.1. Le processus d'échantillonnage dans les études
2.9.2. Méthodes d'échantillonnage
2.9.3. Déterminer la taille de l'échantillon
2.9.4. Erreur d'échantillonnage

2.10. Systèmes de l’information Marketing

2.10.1. Concept
2.10.2. Analyse des opportunités et des menaces
2.10.3. Objectifs
2.10.4. Stratégies de marketing
2.10.5. Actions, résultats et contrôle

Module 3. Bases de Données: conception et gestion

3.1. Introduction aux Bases de Données

3.1.1. Qu'est-ce qu'une base de données?
3.1.2. Histoire des systèmes de Bases de Données

3.2. Systèmes d'information et Bases de Données

3.2.1. Concepts
3.2.2. Caractéristiques
3.2.3. Évolution des Bases de Données

3.3. Définition et caractéristiques d'un système de gestion de Bases de Données

3.3.1. Définition
3.3.2. Caractéristiques

3.4. Architecture des systèmes gestionnaires de Bases de Données

3.4.1. Architecture centralisées client-serveur
3.4.2. Architectures de systèmes serveurs
3.4.3. Systèmes parallèles
3.4.4. Systèmes distribués
3.4.5. Types de réseaux

3.5. Principaux systèmes gestionnaires des Bases de Données

3.5.1. Types de SGBD

3.6. Développement d'applications des Bases de Données

3.6.1. Interfaces web pour les Bases de Données
3.6.2. Optimisation des performances
3.6.3. Tests de performance
3.6.4. Normalisation
3.6.5. Commerce électronique
3.6.6. Ancien système

3.7. Étapes de la conception des Bases de Données

3.7.1. Design conceptuel
3.7.2. Conception logique
3.7.3. Conception des applications

3.8. Implémentation de la Base de Données

3.8.1. Langage de requête structuré (SQL)
3.8.2. Traitement des données
3.8.3. Consultation des données
3.8.4. Gestion de la Base de Données avec SQL
3.8.5. Travailler avec des Base de Données SQLite

3.9. Notions de HTML et d'expressions régulières

3.9.1. Structure et code d'une page web
3.9.2. Balises et attributs HTML et CSS
3.9.3. Recherche de texte à l'aide d'expressions régulières
3.9.4. Caractères spéciaux, ensembles, groupes et répétitions

3.10. Collecte et stockage de données à partir de pages web

3.10.1. Introduction aux outils de web Scraping
3.10.2. Programmation d'outils de web Scraping sur Python
3.10.3. Recherche et obtention d'informations avec des expressions régulières
3.10.4. Recherche et obtention d'informations avec Beautiful Soup
3.10.5. Stockage dans des bases de données
3.10.6. Exporter les résultats dans des fichiers de valeurs séparées par des virgules

Module 4. Analyse et nettoyage des données

4.1. Fichiers de données : codage et transformation

4.1.1. Codage des données
4.1.2. Transformations de données

4.2. Contrôle de l'intégrité des données : enquête univariée

4.2.1. Modèle
4.2.2. Propriétés

4.3. Contrôle de l'intégrité des données : étude bivariée

4.3.1. Modèle
4.3.2. Propriétés

4.4. Contrôle de l'intégrité des données : étude multivariée

4.4.1. Modèle
4.4.2. Propriétés

4.5. Détection des valeurs manquantes

4.5.1. Problèmes des données manquantes

4.6. Traitement des valeurs manquantes

4.6.1. Analyse des valeurs manquantes

4.7. Imputation des valeurs manquantes

4.7.1. Imputation des valeurs manquantes pour les variables unidimensionnelles
4.7.2. Méthodes d'imputation multiple

4.8. Tests de normalité pour l'évaluation des hypothèses de départ pour l'analyse des données

4.8.1. Types de tests
4.8.2. Exemples

4.9. Tests d'homocedasticité pour l'évaluation des hypothèses de départ pour l'analyse des données

4.9.1. Types de tests
4.9.2. Exemples

4.10. Tests d'indépendance pour l'évaluation des hypothèses de base pour l'analyse des données

4.10.1. Types de tests
4.10.2. Exemples

Module 5. Système statistique et indicateurs économiques

5.1. Introduction

5.1.1. Le domaine de l'Économie
5.1.2. Les trois principes de l'Économie: optimisation, équilibre et empirisme
5.1.3. Méthodes et enjeux économiques

5.2. Demande, offre et équilibre

5.2.1. Les marchés
5.2.2. Comment les acheteurs se comportent-ils?
5.2.3. Comment se comportent les vendeurs?
5.2.4. Offre et demande d'équilibre

5.3. Consommateurs, vendeurs et incitations

5.3.1. Le problème de l'acheteur
5.3.2. Du problème de l'acheteur à la courbe de demande
5.3.3. Elasticités de la demande et indices du coût de la vie
5.3.4. Le surplus du consommateur
5.3.5. Le problème du vendeur
5.3.6. Du problème du vendeur (sur un marché concurrentiel) à la courbe  de l’offre
5.3.7. Le surplus du producteur

5.4. La concurrence parfaite et la main invisible

5.4.1. Concurrence parfaite et efficacité
5.4.2. Les prix sont le moteur de la main invisible
5.4.3. Équité et efficacité

5.5. La macroéconomie et son évolution

5.5.1. PIB réel et nominal Indices de prix
5.5.2. Questions macroéconomiques
5.5.3. Ce que le PIB ne mesure pas
5.5.4. Comptes nationaux: le PIB, sa mesure et ses limites

5.6. Analyse des différences de niveau de vie entre pays

5.6.1. Le revenu comme élément de mesure
5.6.2. La fonction de production agrégée et la productivité
5.6.3. Technologie

5.7. Croissance économique

5.7.1. L'importance de la croissance économique
5.7.2. Les sources de la croissance économique
5.7.3. Introduction à la comptabilité de la croissance
5.7.4. Croissance, inégalité et pauvreté

5.8. Analyse économique à court terme

5.8.1. Cycles économiques
5.8.2. Équilibre macroéconomique et cycles
5.8.3. Multiplicateurs et équilibre à court et moyen terme

5.9. Politiques de stabilisation

5.9.1. La politique monétaire
5.9.2. La politique monétaire

5.10. Macroéconomie et commerce international

5.10.1. Les avantages du commerce international
5.10.2. Comptabilisation du commerce international
5.10.3. Commerce international et croissance économique

Module 6. Logiciel statistique

6.1. Introduction à l'environnement R

6.1.1.  Comment fonctionne R?
6.1.2. Créer, répertorier et supprimer des objets en mémoire

6.2. Console en R

6.2.1. Environnement console en R
6.2.2. Principaux côntroles

6.3. Mode Script en R

6.3.1. Environnement console en R
6.3.2. Commandes principales

6.4. Objets en R

6.4.1. Objets
6.4.2. Lire les données d'un fichier
6.4.3. Sauvegarde des données
6.4.4. Génération de données

6.5. Structures de contrôle du flux d'exécution

6.5.1. Structures conditionnelles
6.5.2. Structures répétitives/itératives
6.5.3. Vecteurs et tableaux

6.6. Opérations avec des objets

6.6.1. Création d'objets
6.6.2. Conversion d'objets
6.6.3. Opérateurs
6.6.4.  Comment accéder aux valeurs d'un objet : le système d'indexation?
6.6.5. Accéder aux valeurs d'un objet avec des noms
6.6.6. L'éditeur de données
6.6.7. Fonctions arithmétiques simples
6.6.8. Calculs matriciels

6.7. Fonctions en R

6.7.1. Boucles et vectorisation
6.7.2. Écrire un programme en R
6.7.3. Créer ses propres fonctions

6.8. Graphiques en R

6.8.1. Traitement des graphiques

6.8.1.1. Ouverture de plusieurs périphériques graphiques
6.8.1.2. Disposition d'un graphique

6.8.2. Fonctions graphiques
6.8.3. Commandes graphiques de bas niveau
6.8.4. Paramètres graphiques
6.8.5. Les paquets de Grid et Lattice

6.9. Paquets de R

6.9.1. Bibliothèque R
6.9.2. Paquets R

6.10. Statistiques en RStatistiques et R

6.10.1. Un exemple simple d'analyse de la variation
6.10.2. Formules
6.10.3. Fonctions génériques

Module 7. Études de marché et analyses de marché : procédures et applications

7.1. Principes fondamentaux des études de marché

7.1.1. Concept de marketing et de recherche en marketing
7.1.2. Utilité de la recherche sur les marchés
7.1.3. Principes à l'éthique des études de marché

7.2. Applications de la recherche sur les marchés

7.2.1. La valeur de la recherche pour les dirigeants
7.2.2. Facteurs influençant la décision de réaliser une étude de marché
7.2.3. Principaux objectifs des études de marché

7.3. Types d'études de marché

7.3.1. L'étude exploratoire
7.3.2. L'étude descriptive
7.3.3. Recherches causales

7.4. Types d'informations

7.4.1. Élaboration: primaire et secondaire
7.4.2. Caractère qualitatif
7.4.3. Caractère quantitatif

7.5. Organisation de l'étude de marché

7.5.1. Le service interne d'études de marché
7.5.2. L'externalisation des études
7.5.3. Facteurs de décision : Interne vs. Externe

7.6. Gestion de projets de recherche

7.6.1. L'étude de marché en tant que procédure
7.6.2. Étapes de planification de l'étude de marché
7.6.3. Les étapes d'exécution de l'étude de marché
7.6.4. Gestion d'un projet de recherche

7.7. Études documentaires

7.7.1. Objectifs des études documentaires
7.7.2. Sources d'informations secondaires
7.7.3. Résultats des études documentaires

7.8. Travail sur le terrain

7.8.1. Collecte d'informations primaires
7.8.2. Organisation de la collecte d'informations
7.8.3. Contrôle des enquêteurs

7.9. Étude de marché en ligne

7.9.1. Outils de recherche quantitative sur les marchés en ligne
7.9.2. Outils d'étude qualitative dynamique de la clientèle

7.10. La proposition d'étude de marché

7.10.1. Objectifs et méthodologie
7.10.2. Délai de mise en œuvre
7.10.3. Budget

Module 8. Techniques statistiques multivariées

8.1. Introduction
8.2. Échelle nominale

8.2.1. Mesures d'association pour les tableaux 2x2

8.2.1.1. Coefficient Phi
8.2.1.2. Risque relatif
8.2.1.3. Ratio de produits croisés (Odds Ratio)

8.2.2. Mesures d'association pour les tableaux 2x2

8.2.2.1. Ratio de contingence
8.2.2.2. V de Cramer
8.2.2.3. Lambdas
8.2.2.4. Tau de Goodman et de Kruskal
8.2.2.5. Coefficient d'incertitude

8.2.3. Coefficient de Kappa

8.3. Échelle ordinale

8.3.1. Coefficients Gamma
8.3.2. Tau-b et Tau-c de Kendall
8.3.3. D de Somers

8.4. Échelle d'intervalles ou de rapports

8.4.1. Coefficient Eta
8.4.2. Coefficients de corrélation de Pearson et de Spearman

8.5. Analyse stratifiée dans les tableaux 2x2

8.5.1. Analyse stratifiée
8.5.2. Analyse stratifiée dans les tableaux 2x2

8.6. Formulation de problèmes dans les modèles loglinéaires

8.6.1. Le modèle saturé pour deux variables
8.6.2. Le modèle saturé général
8.6.3. Autres types de modèles

8.7. Le modèle saturé

8.7.1. Calcul des effets
8.7.2. Qualité de l'ajustement
8.7.3. Essai des effets k
8.7.4. Test d'association partielle

8.8. Le modèle hiérarchique

8.8.1. La méthode Backward

8.9. Modèles de réponse Probit

8.9.1. Formulation du problème
8.9.2. Estimation des paramètres
8.9.3. Test d'adéquation du chi-carré
8.9.4. Test de parallélisme pour les groupes
8.9.5. Estimation de la dose nécessaire pour obtenir un proportion de réponse

8.10. Régression logistique binaire

8.10.1. Formulation du problème
8.10.2. Variables qualitatives dans la régression logistique
8.10.3. Sélection des variables
8.10.4. Estimation des paramètres
8.10.5. Qualité de l'ajustement
8.10.6. Classification des individus
8.10.7. Pronostic

Module 9. Méthodes économétriques en Économie et Finance

9.1. Introduction à l'utilisation de R

9.1.1. Commandes principales
9.1.2. Paquets nécessaires

9.2. Introduction à l'économétrie

9.2.1. Nature et contenu de l'économétrie
9.2.2. Modélisation économique

9.3. Régression linéaire

9.3.1. Le Modèle Linéaire Général (MLG)
9.3.2. Hypothèses du modèle
9.3.3. Estimation par les Moindres Carrés Ordinaires (MCO)
9.3.4. Inférence et prédiction dans les MLG
9.3.5. Contrastes de changement structurel
9.3.6. Multicollinéarité et erreurs de mesure

9.4. Modèles avec des données transversales

9.4.1. Causes de l'hétéroscédasticité
9.4.2. Contrastes d'hétéroscédasticité
9.4.3. L'estimateur des moindres carrés généralisés
9.4.4. L'estimateur des moindres carrés pondérés réalisables

9.5. Modèles avec des données de séries temporelles

9.5.1. Le "potage" magique ou les régressions fallacieuses
9.5.2. Stationnarité et racines unitaires
9.5.3. Non-stationnarité et cointégration
9.5.4. Cointégration et Mécanismes de Correction d'Erreurs (MCE)
9.5.5. Modèles de régression avec séries temporelles stationnaires : autocorrélation
9.5.6. L'estimateur des Moindres Carrés Généralisés (MCG)
9.5.7. Indicateurs avancés : causalité de Granger et corrélation contemporaine

9.6. Modèles dynamiques stationnaires

9.6.1. Modèles dynamiques stationnaires

9.6.1.1. ARIMA
9.6.1.2. ARIMAX

9.6.2. Estimation des modèles ARIMA
9.6.3. Diagnostic des modèles ARIMA

9.7. Endogénéité, variables instrumentales et MC2E

9.7.1. Qu'est-ce que le problème de l'endogénéité, quels sont les problèmes qu'il pose?
9.7.2. Origines de l'endogénéité

9.7.2.1. Omission d'une variable pertinente (parce qu'elle n'est pas observable) qui est corrélée avec une autre variable explicative
9.7.2.2. Erreurs de mesure
9.7.2.3. Modèle de régression avec retards et autocorrélation des erreurs

9.7.3. Variables instrumentales et estimateur des moindres carrés en deux étapes (MC2E)
9.7.4. Tests d'endogénéité et restrictions de surestimation

9.8. Modèles de régression en panel

9.8.1. Spécification des modèles de données de panel
9.8.2. Estimation des modèles à effets fixes
9.8.3. Estimation de modèles à effets aléatoires
9.8.4. Système d'équations apparemment non liées

9.9. Modèles économétriques spatiaux

9.9.1. Introduction aux statistiques et aux mesures d'association spatiale
9.9.2. Construction de la matrice de distance pour la mesure des dépendances spatiales
9.9.3. Spécifications de modèles avec dépendance spatiale

9.9.3.1. Le modèle d'erreur avec les retards spatiaux
9.9.3.2. Le modèle avec des erreurs spatialement autorégressives

9.9.4. Problèmes des moindres carrés ordinaires pour l'estimation de modèles spatialement retardés et l'estimateur des moindres carrés à deux étapes

9.10. Modèles de régression quantile

9.10.1. Régression sur la moyenne et régression sur les quantiles
9.10.2. Estimation de la régression inter-quantile
9.10.3. Représentation graphique de la solution

Module 10. Techniques de segmentation et traitement des enquêtes

10.1. Enquête par sondage

10.1.1. Objectif d'une enquête par sondage Méthodes de collecte de données les plus courantes Sources d'erreur dans les enquêtes
10.1.2. Sélection de l'échantillon : échantillonnage et taille Sources secondaires
10.1.3. Enquêtes officielles: Office Statistique
10.1.4. Certaines enquêtes officielles: enquête européenne sur la santé

10.2. Validité et fiabilité des questionnaires

10.2.1. Validité factorielle
10.2.2. Cohérence interne: Alpha de Cronbach

10.3. Analyse statistique des données des tableaux de contingence bidimensionnels

10.3.1. Analyses possibles sur un tableau de contingence bidimensionnel
10.3.2. La logique de l'analyse logarithmique-linéaire : décomposition d'un tableau de contingence bidimensionnel Éléments de base de l'analyse log-linéaire Effets et paramètres
10.3.3. Calcul et interprétation des paramètres
10.3.4. Modèles loglinéaires pour un tableau à deux voies
10.3.5. Modèles hiérarchiques Relation entre les hypothèses d'indépendance et les modèles log-linéaires hiérarchiques Tests de signification des paramètres
10.3.6. Contrastes pour la signification des effets Contrastes pour la qualité de l'ajustement d'un modèle

10.4. Étude d'un tableau de contingence au moyen de l'analyse des correspondances

10.4.1. Profils et distance du chi-deux
10.4.2. Absorption de l'inertie
10.4.3. Qualité de la représentation
10.4.4. Contribution de l'élément au facteur
10.4.5. Contribution du facteur à l'élément Principe d'équivalence de répartition

10.5. Analyse de la segmentation: algorithme CHAID

10.5.1. Méthodes de détection automatique des interactions
10.5.2. Algorithme CHAID: étapes du processus, types de prédicteurs, méthodes d'arrêt de l'algorithme
10.5.3. Comportement de CHAID en présence du paradoxe de Simpson

10.6. Analyse statistique des données des tableaux contingence tridimensionnels

10.6.1. Concepts d'association et d'interaction Paradoxe de Simpson
10.6.2. Composantes influençant l'ampleur des fréquences d'un tableau à trois facteurs

10.6.2.1. Indépendance totale
10.6.2.2. Indépendance multiple et indépendance conditionnelle
10.6.2.3. Modèle saturé pour un tableau à trois entrées

10.6.3. Modèles loglinéaires hiérarchiques pour un tableau à trois entrées

10.6.3.1. Degrés de liberté des modèles
10.6.3.2. Relation entre les hypothèses d'indépendance et les modèles loglinéaires hiérarchiques

10.6.4. Évaluation des modèles Test de signification pour la qualité de l'ajustement d'un modèle Test de signification pour les effets

10.7. Modèles de choix discret et de préférence multidimensionnelle

10.7.1. Modèles de choix discrets
10.7.2. Préférences multidimensionnelles

10.8. Arbres de classification et de régression et forêts aléatoires

10.8.1. Arbres de classification et de régression
10.8.2. Forêts aléatoires

10.9. Mise à l'échelle multidimensionnelle

10.9.1. Introduction
10.9.2. Distance et similitude
10.9.3. Solution classique
10.9.4. Similitudes

10.10. Analyse du panier de la ménagère

10.10.1. Analyse du panier de la ménagère
10.10.2. Exemples d'application

Saisissez cette opportunité et optez pour un diplôme qui vous permettra de vous rapprocher des principales hypothèses basées sur les théories économiques et l'élaboration de prédictions comportementales fiables à 100%"