Méthodes statistiques applicables aux petits échantillons
Par : ,Formats :
Disponible dans votre compte client Decitre ou Furet du Nord dès validation de votre commande. Le format PDF protégé est :
- Compatible avec une lecture sur My Vivlio (smartphone, tablette, ordinateur)
- Compatible avec une lecture sur liseuses Vivlio
- Pour les liseuses autres que Vivlio, vous devez utiliser le logiciel Adobe Digital Edition. Non compatible avec la lecture sur les liseuses Kindle, Remarkable et Sony
- Non compatible avec un achat hors France métropolitaine

Notre partenaire de plateforme de lecture numérique où vous retrouverez l'ensemble de vos ebooks gratuitement
Pour en savoir plus sur nos ebooks, consultez notre aide en ligne ici
- Nombre de pages318
- FormatPDF
- ISBN978-2-7056-7276-8
- EAN9782705672768
- Date de parution12/10/2010
- Protection num.Adobe DRM
- Taille104 Mo
- Infos supplémentairespdf
- ÉditeurHermann
Résumé
Valider une hypothèse dans le domaine de la recherche ou bien, dans un panel de décisions possibles et choisir la meilleure sont les préoccupations essentielles des chercheurs et autres praticiens de haut niveau. Lorsqu'ils disposent d'un grand nombre de données statistiques, les risques d'erreur de jugement sont faibles. Il en va tout autrement quand l'échantillon est de petite taille car des hypothèses sous-jacentes telles que la nature de la distribution, préalables à l'utilisation des tests usuels, ne peuvent être justifiées.
Cette lacune peut conduire à une conclusion non validée ou tout au moins contestable et rend l'utilisation des tests non paramétriques incontournable. Un des intérêts et non des moindres de certains tests non paramétriques, est de mettre en évidence l'existence de liens de concordance ou de discordance entre facteurs lorsque l'on ne peut dégager, aux aléas près, des relations fonctionnelles entre ces dits facteurs.
Dans la première partie de ce livre, sont présentées, pour chaque type d'analyse, la ou les méthodes qui peuvent être utilisées ainsi que des applications dont les supports thématiques sont extraits de travaux de recherche publiés. Le champ très varié de ces applications permet aux lecteurs (étudiants d'École de commerce, étudiants en Master d'économie, de Finance, de Marketing, de Psychologie, ...) de raisonner de façon inductive afin de résoudre rapidement les problèmes auxquels il est confronté.
La seconde partie de l'ouvrage concerne un public plus restreint de statisticiens issus de filières mathématiques (chercheurs, économètres).
Cette lacune peut conduire à une conclusion non validée ou tout au moins contestable et rend l'utilisation des tests non paramétriques incontournable. Un des intérêts et non des moindres de certains tests non paramétriques, est de mettre en évidence l'existence de liens de concordance ou de discordance entre facteurs lorsque l'on ne peut dégager, aux aléas près, des relations fonctionnelles entre ces dits facteurs.
Dans la première partie de ce livre, sont présentées, pour chaque type d'analyse, la ou les méthodes qui peuvent être utilisées ainsi que des applications dont les supports thématiques sont extraits de travaux de recherche publiés. Le champ très varié de ces applications permet aux lecteurs (étudiants d'École de commerce, étudiants en Master d'économie, de Finance, de Marketing, de Psychologie, ...) de raisonner de façon inductive afin de résoudre rapidement les problèmes auxquels il est confronté.
La seconde partie de l'ouvrage concerne un public plus restreint de statisticiens issus de filières mathématiques (chercheurs, économètres).
Valider une hypothèse dans le domaine de la recherche ou bien, dans un panel de décisions possibles et choisir la meilleure sont les préoccupations essentielles des chercheurs et autres praticiens de haut niveau. Lorsqu'ils disposent d'un grand nombre de données statistiques, les risques d'erreur de jugement sont faibles. Il en va tout autrement quand l'échantillon est de petite taille car des hypothèses sous-jacentes telles que la nature de la distribution, préalables à l'utilisation des tests usuels, ne peuvent être justifiées.
Cette lacune peut conduire à une conclusion non validée ou tout au moins contestable et rend l'utilisation des tests non paramétriques incontournable. Un des intérêts et non des moindres de certains tests non paramétriques, est de mettre en évidence l'existence de liens de concordance ou de discordance entre facteurs lorsque l'on ne peut dégager, aux aléas près, des relations fonctionnelles entre ces dits facteurs.
Dans la première partie de ce livre, sont présentées, pour chaque type d'analyse, la ou les méthodes qui peuvent être utilisées ainsi que des applications dont les supports thématiques sont extraits de travaux de recherche publiés. Le champ très varié de ces applications permet aux lecteurs (étudiants d'École de commerce, étudiants en Master d'économie, de Finance, de Marketing, de Psychologie, ...) de raisonner de façon inductive afin de résoudre rapidement les problèmes auxquels il est confronté.
La seconde partie de l'ouvrage concerne un public plus restreint de statisticiens issus de filières mathématiques (chercheurs, économètres).
Cette lacune peut conduire à une conclusion non validée ou tout au moins contestable et rend l'utilisation des tests non paramétriques incontournable. Un des intérêts et non des moindres de certains tests non paramétriques, est de mettre en évidence l'existence de liens de concordance ou de discordance entre facteurs lorsque l'on ne peut dégager, aux aléas près, des relations fonctionnelles entre ces dits facteurs.
Dans la première partie de ce livre, sont présentées, pour chaque type d'analyse, la ou les méthodes qui peuvent être utilisées ainsi que des applications dont les supports thématiques sont extraits de travaux de recherche publiés. Le champ très varié de ces applications permet aux lecteurs (étudiants d'École de commerce, étudiants en Master d'économie, de Finance, de Marketing, de Psychologie, ...) de raisonner de façon inductive afin de résoudre rapidement les problèmes auxquels il est confronté.
La seconde partie de l'ouvrage concerne un public plus restreint de statisticiens issus de filières mathématiques (chercheurs, économètres).