Catalogue CEPE 2014

Groupe des Coles nationalesd'Conomie et statistique

2014

Centre deformation Continue

conomie, statistique, finance et actuariat

Co

no

mie

Panorama des mthodes d'analyse des donnes 2-3 oct. p.10Panorama des techniques de rgression 27-28 mars p.11Organiser une collecte d'information par enqute 25 juin p.12Panorama des mthodes de sondages 4-5 dc. p.13Panorama des mthodes d'analyse des sries temporelles 26 mars p.14Panorama des techniques de data mining 11-12 sept. p.15Panorama du Big Data 23 juin p.16

Statistique 1 : introduction la statistique 3-4-10-11 fv. p.1926-27 mai et 2-3 juin17-18-24-25 nov.

Statistique 2 : description et mesure de la liaison entre deux variables 20-21-27-28 janv. p.2031 mars et 1-7-8 avril8-9-15-16 sept.

Statistique descriptive avec SAS 9-10 oct. p.21Statistique descriptive et rgression avec R 26-27-28 mai p.22Statistique 3 : de l'chantillon la population, estimation et tests 12-13-19-20 mai p.23Statistique baysienne 6-7-8 oct. p.24Statistique des valeurs extrmes 2-3 juin p.25Les indices : construction et utilisation 8-9 dc. p.26

Analyse factorielle et classication 17-18-19-24-25 mars p.28Analyse des donnes avec SAS 10-11 avril p.29Analyse des donnes avec R 16-17 juin p.30Analyse discriminante et segmentation 16-17-23-24 juin p.31Text mining et Web mining 29-30 sept. - 1 oct. p.32

Rgression linaire et analyse de la variance 20-21-27-28 nov. p.34Mthodes de rgression sur donnes qualitatives 21-22-23 mai p.35Statistique non paramtrique 1-2-3 oct. p.36Statistique et mthodes de rgression pour donnes spatiales 24-25-26 sept. p.37

Conception d'enqute et laboration de questionnaire 3-4-5 dc. p.40Le secret statistique - Principes et pratiques 20-21 mars p.41Sondages 1 : chantillonnage 1-2-7-8 avril p.42

20-21-27-28 nov.Sondages avec SAS 21 mai p.43Sondages 2 : mthodes de redressement 5-6-12-13 juin p.44Sondages avec R 26-27 juin p.45Correction de la non-rponse dans les enqutes 20-21 mars p.46Enqutes rptes dans le temps et mthode de partage des poids 2-3 oct. p.47Bootstrap et rchantillonnage 15-16 mai p.48Estimation sur petits domaines : travailler sur les petits chantillons 8-9 dc. p.49

Introduction l'analyse des sries temporelles et mthodes de prvision court terme 19-20 mai p.52Dcomposition et dsaisonnalisation de sries temporelles 10-11-16-17 juin p.53Modles de prvision des sries chronologiques linaires 11-12-18-19 dc. p.54Analyse des sries temporelles avec R 19-20 juin p.55Introduction aux modles dynamiques facteurs 15-16-17 dc. p.56Racines unitaires, cointgration et modles correction derreur 31 mars, 1-2 avril p.57Modles de sries temporelles multivaries : modles VAR et VECM 24-25-26 nov. p.58

conomtrie 1 : introduction 8-9-10 oct. p.60conomtrie 2 : approfondissements 6-7 nov. p.61Identier et estimer une relation de cause effet 3-4 avril p.62valuation dimpact des politiques publiques 16-17-18 juin p.63conomtrie des panels 1-2-3 dc. p.64conomtrie des modles de dure 4-5-6 juin p.65conomtrie des modles multiniveaux 16-17 oct. p.66

Reporting avec Excel 10-11-12 mars p.68Excel : utilisation avance pour les statisticiens 14-15-16 mai p.69SAS Enterprise Guide 2-3 juin p.70Initiation SAS 27-28 mars p.71SAS niveau intermdiaire 22-23 mai p.72Le langage macro de SAS 26-27 juin p.73Introduction au logiciel R pour les statistiques 20 mars p.74Initiation Stata 31 mars et 1 avril p.75

Techniques de scoring 13-14-15 oct. p.78Mthodes avances de data mining 24-25 nov. p.79La conduite de projet en gomarketing 10 sept. p.80Mise en uvre d'un projet d'tudes locales et de gomarketing 5-6-7 nov. p.81Les donnes structures sur le web 5-6 juin p.82Web-Scraping : mthodes d'extraction de donnes sur le web 11-12-13 juin p.83Techniques et applications du mix marketing modelling 13-14-15 oct. p.84

fin

an

Ce

aC

tua

ria

t

de

la s

tati

stiq

uede

scri

ptiv

e

la s

tati

stiq

uein

fre

ntie

lle

ana

lyse

de

donn

es

mul

ti-

dim

enti

onne

lle

mt

ho

des

sta

tist

iqu

es

rgr

essi

onet

mod

lis

atio

nen

qut

es e

t son

dage

ss

ries

te

mpo

relle

sc

onom

tri

em

ar

ket

inG

qu

an

tita

tif

pan

or

am

as

loG

iCie

lsst

atis

tiq

ues

Cyc

lem

acro

-c

onom

ie

Cyc

lem

icro

-c

onom

ie

econ

omie

etpr

ospe

ctiv

e

inte

llige

nce

con

omiq

uea

naly

se d

esen

trep

rise

sC

onjo

nctu

rec

onom

ique

con

omie

app

liqu

ete

Ch

niq

ues

d

eC

om

mu

niC

atio

nMthodes mathmatiques appliques en nance de march 10-11 avril p.86Gestion de portefeuille 23-24 juin p.87Validation de pricers d'options 27-mars p.88conomtrie de la nance 27-28 nov. p.89Modlisation de courbe des taux, pricing et gestion de drivs taux 10-11 mars p.90Mthodes de Monte Carlo en nance 28-29 avril p.91Statistique haute frquence en nance 6-7 oct. p.92Comprhension du bilan d'une banque, de son compte de rsultat et liens avec les lignes d'activits bancaires 3-4 fv. p.93lments de macroconomie nancire 5 fv. p.94Gestion des risques structurels 1 : le risque de liquidit 4 mars p.95Gestion des risques structurels 2 : le risque de taux d'intrt 5-6 mars p.96Gestion des risques structurels 3 : le risque de change 6 mars p.97chancement et modlisation des postes du bilan 28-29 avril p.98Couverture des risques structurels et ingnierie bancaire 29-30 avril p.99Modlisation du capital conomique, taux de cession interne et tarication RAROC 15-16 mai p.100Comptabilit IFRS de la gestion nancire 2-3 juin p.101Introduction au pricing des produits de couverture 3-4 juin p.102

Mthodes de provisionnement 16-17 oct. p.104Tarication l'exprience en assurance IARD 22-23 mai p.105Les nouveaux modles de longvit 12-13 juin p.106

Techniques rdactionnelles 10-11-12 fv. p.10823-24-25 juin20-21-22 oct.

Une criture efficace 15-16 mai p.109Prsenter clairement des donnes, construire des graphiques intelligents 22-23 sept. p.110Cartographier ses donnes statistiques 19 nov. p.111Techniques de communication orale 7-8-9-10 oct. p.112Comment communiquer la presse des rsultats statistiques 27-28 mars p.113Les principes d'un diaporama efficace 17 sept. p.114Pour des runions (enn) efficaces 30 juin p.115

Comptabilit d'entreprise : lire et comprendre les documents comptables des entreprises 13-14-15 oct. p.119 Analyse nancire : analyser rapidement et efficacement la situation nancire des entreprises 17-18-19 nov. p.120Dcisions d'investissement et de nancement 24-25-26 sept. p.121Le contrle budgtaire et les outils de pilotage 3-4-5 nov. p.122

Les principes de base de l'conomie 13-14 fv. p.124Analyse conomique de l'emploi et du march du travail 15-16 sept. p.125 La politique budgtaire 17 nov. p.126L'conomie de la sant 3-4 avril p.127L'conomie de l'environnement 10-11 avril p.128La scalit environnementale, principes et mise en uvre 12-mai p.129Analyser son territoire par la dmographie 3-4 avril p.130Construire un bilan dmographique 19-20 juin p.131Analyse du territoire par la pratique 18-19 mars p.132Le recensement de la population : mthode et utilisation des donnes 12-13-14 nov. p.133Jeu de lle : une introduction aux mcanismes conomiques 12-13-14 mai p.134Jeu de march : conomie industrielle 13-14 mars p.135Jeu de march : permis d'missions de CO2 9 avril p.136

Comprendre et utiliser les comptes nationaux 24-25-26 mars p.138Analyse de la conjoncture conomique franaise 8-9 avril p.139Analyse conjoncturelle internationale 17 sep. p.140Analyse conjoncturelle du march du travail 15 oct. p.141

Fondements macroconomiques 24-25 mars p.144Modlisation en quilibre gnral calculable 3-4-5 nov. p.145Modlisation macroconomtrique 19-20-21 nov. p.146

Analyse microconomique : du modle standard la concurrence imparfaite 19-20-26-27 mai p.148conomie de l'information, conomie des contrats 25-26 sept. p.149Analyse conomique et politique de la concurrence 30 juin et 1er juillet p.150Analyse microconomique des politiques de l'emploi 18 nov. p.151

Panorama entreprises et dveloppement durable : lapproche prospective 12 fv. p.154La prospective : principes, mthodes et pratiques 13-14 et 26 mars p.155La prospective : utilit et limites dans les dmarches de territoire 13 mai p.156

L'intelligence conomique 17-18-19 mars p.158La veille pour mieux connaitre son march 17 mars - 9 avril p.159La veille documentaire et informationnelle 6 oct. p.160

fina

nce

de m

arch

a

ctua

riat

dito-rial

Dans le contexte conomique daujourdhui, les entreprisesconsidrent de plus en plus que les efforts de formation de leurscadres sont de relles opportunits dinvestissement. pour rpondre ces attentes, le Cepe enrichit son offre deformation en proposant des formations longues certifiantes.

deux certificats sont dj crs : le premier en gestion actif-passif en partenariat avec lAFGAP (Association Franaise desGestionnaires Actif-Passif), et le second sur le mtier de chargd'tudes statistiques. Les premires sessions dbutentrespectivement en octobre 2013 et janvier 2014. Deux autrescertificats ouvriront en 2014 ; lun en finance quantitative et lautreen valuation des politiques publiques. Ces programmes ont pourambition de permettre aux cadres dorganismes divers d'accrotreleur champ de connaissances, d'acqurir un vritable savoir-faireoprationnel et une trs bonne matrise des techniques dudomaine concern.

Lobjectif principal du Cepe est de maintenir la qualit de sesformations un haut niveau grce des formations au contenuscientifique innovant et au choix dintervenants, toujours expertsdans leur domaine dintervention. Tous nos enseignements sontdispenss, soit par des enseignants-chercheurs du Crest-Genes,soit par des universitaires ou des spcialistes reconnus exerant lInsee ou dans dautres organismes privs ou publics.

Dans un souci damlioration constante de la pdagogie etdu contenu, chaque formation du Cepe est value la fin de lasession par les stagiaires. Ces valuations permettent chaqueanne de faire voluer nos formations. En effet, le Cepe est enconstante coute des attentes des acteurs de la vie conomiquepour optimiser au maximum le retour sur linvestissement deformation. Ainsi, de nouvelles formations en prospective, enintelligence conomique, en techniques de communication et enanalyse financire intgrent notre catalogue 2014 tandis quedautres voient leur contenu modifi. Cest galement pour celaque ce catalogue ne peut, ni ne veut tre exhaustif et voluera encours danne sur notre site internet afin dtre le plus ractif auxattentes et besoins de nos stagiaires.

Cette dmarche de recherche et de veille permanente naquun seul objectif, vous donner entire satisfaction.

Franoise Courtois-MartignoniDirectrice du Cepe

SommaireCatalogue2014

Prsentation du Cepe P.2

Une offre diversie et adapte P.4

Panoramas P.9

Mthodes statistiques P.17

Logiciels statistiques P.67

Marketing quantitatif P.77

Finance et actuariat P.85

Techniques de communication P.107

conomie P.117

Les certicats P.161

Renseignements pratiques P.165

Mastre spcialis et certicat dtudes suprieures spcialises P.169

Auditeurs libres P.170

Les intervenants P.171

Bulletin d'inscription P.176

tab

lea

u r

Ca

pitu

lati

f

le Centre dtudes des programmes conomiques (Cepe),centre de formation continue, appartient au Groupe descoles nationales d'conomie et statistique (Genes). leCepe entretient ainsi des liens troits avec les deux colesdu Genes, lensae paristech malakoff et lensai rennes,le centre de recherche (Crest), le centre daccs scurisaux donnes (Casd), la cellule de cooprationinternationale et dappui aux coles de statistiquetrangres (Capesa), la filiale destine porter les actionsde valorisation de la recherche du Groupe, datastorm, etlunit mixte de recherche umr GreCsta.

Cette position au sein du Genes, permet ainsi une synergieentre formation continue et formation initiale. Les intervenants sont tous soit des professionnels issus dessecteurs public et priv experts dans leur secteur dactivit, soitdes professeurs du Genes ou dautres grandes coles etuniversits, soit des chercheurs, enseignants-chercheurs,chercheurs associs, issus du Crest ou dautres centres derecherche, ce qui permet de privilgier une pdagogie axesur le partage dexpriences.

Le Cepe est vigilant maintenir le contenu scientiqueinnovant de ses formations et sur le choix des formateurs, quisont tous des experts dans leur domaine dintervention. Les valuations ralises la n de chaque session permettent lquipe pdagogique du Cepe de faire voluer les formationstant sur leur contenu scientique que sur la forme. Il estaujourdhui impossible dignorer les attentes de chacun pouroptimiser le retour sur linvestissement dune formation.

Au sein de la sphre statistique et des tudes conomiques, leCepe met tout en uvre pour rester la hauteur de sarputation de comptence et de rigueur dont il ne se contentepas. Chaque anne, il diversie ses domaines dintervention ande rpondre au mieux aux proccupations du march et lvolution de lconomie et des besoins du monde desentreprises. Ainsi, de nouvelles formations sont proposes dans le domainedes techniques statistiques appliques la nance et enactuariat, au marketing quantitatif mais galement en conomieapplique, prospective, intelligence conomique et techniquesde communication loral et lcrit.

P.2

Cepe, Genes

60, rue tienne Dolet, 92240 MalakoffTl : 01 75 60 34 00 - Fax : 01 75 60 35 31 - Ml : [email protected] - www.lecepe.fr

leCepe

lquipe pdagogique du Cepe peut galement construiresur demande un dispositif souple et efficace de formation.Conues pour sadapter aux besoins de chacun, lesformations sur mesure permettent une utilisation optimaledu temps de formation et une meilleure rentabilit delinvestissement consenti en formation. de lanalyse desbesoins la mise en uvre du projet formation, lquipepdagogique du Cepe conseille et conoit avec lesorganismes le dispositif le plus adapt pour la meilleuresolution de formation en entreprise.

Le site Internet du Cepe, propose lensemble des formationsinter-entreprises, le programme des certicats, les curriculumvitae des formateurs ainsi que les dernires nouvelles duCepe. Linscription en ligne ainsi que la prise de contact pourtoute question complmentaire peuvent se faire directementsur le site.

l'quipe pdagogique du Cepe est compose de plusieurspermanents : la directrice, le directeur adjoint, deuxenseignants, une responsable formation et deux assistantesde gestion qui vous accompagnent tout au long de votreformation, du conseil lvaluation.les locaux du Cepe sont situs 60 rue tienne dolet malakoff (92), prs de la station de mtro malakoff ruetienne dolet (ligne 13). le Cepe dispose de 4 salles de formation, toutes quipesde matriel haut de gamme, de sorte que chaqueparticipant dispose d'un ordinateur.

le Cepe en quelques chiffres

Plus de 50 ans d'exprience

13 000 heures stagiaires par an

40% de l'activit consacr des formations sur mesure

Plus de 100 formateurs

P.3

Cepe, Genes


des formations pour tous

les formations du Cepe en statistique, pratique de logicielsstatistiques, marketing quantitatif, nance, actuariat,conomie, intelligence conomique, prospective et techniquesde communication rpondent aux besoins les plusfrquemment exprims par les professionnels. s'adressant des personnes en activit professionnelle, ces formations sontcourtes allant de 1 5 jours.

A l'coute des volutions dans tous ses domaines d'expertises etdes besoins qu'elles gnrent, de nouvelles formations intgrenttous les ans notre offre.

Nos formations sont des formations-actions qui laissent unelarge place aux questions ainsi qu' la mise en uvre desmthodes par les participants. Le nombre de stagiaires pourchaque session est limit 12 an de favoriser les changes avecle formateur.

Chacune des formations concerne un public spcique etclairement identi. Certaines s'adressent des statisticiens ouconomistes dbutants, d'autres des professionnels conrmsqui souhaitent approfondir un point particulier ou encore desexperts qui souhaitent se spcialiser.

Ainsi, pour vrier que votre prol et vos attentes correspondentau programme propos par la formation, le niveau de comptenceest indiqu sur chaque che-formation. "Initiation" pour lesdbutants, "avanc" pour ceux qui matrisent les fondamentaux,"expert" pour ceux qui souhaitent se spcialiser.

Certaines formations sadressent tout public . Elles nencessitent aucune comptence technique et permettentdapprhender un thme dactualit abord par un spcialiste dudomaine.

Enn, plusieurs formations font partie dun cursus permettantdobtenir un certicat mais peuvent tre suivies lunit si desplaces restent disponibles.

Des parcours individualiss peuvent tre mis en place an depermettre aux stagiaires d'acqurir au mieux des comptencesspciques recherches. Il est recommand de prendre contactavec les responsables du Cepe pour un conseil personnalis.

P.4

Cepe, Genes


Les formations courtesinter-entreprises

les formations sur mesure sont organises en rponse auxbesoins spcifiques d'entreprises ou d'administrations.

une quipe votre coute

le Cepe offre des formations adaptes aux attentes et auxenjeux des entreprises.

Chaque demande est traite par un membre de lquipepdagogique du Cepe. Il est le contact privilgi garant de lacontinuit des changes pour accompagner lorganisme dans cettedmarche. Il analyse la problmatique, assure lingnieriepdagogique adapte aux futurs stagiaires et lorganisation. Ilidentie les intervenants qui seront les mieux mme de mettreen uvre la formation. Il supervise galement les aspectsadministratifs et logistiques de la formation.Ces formations permettent une grande exibilit en termes dedate, de lieu et de contenu.Le contenu des formations sur mesure peut tre une adaptationd'une che prsente dans ce catalogue ou peut traiter un autredomaine d'expertise du Genes.

Ces formations se droulent dans les locaux de lentreprise ou auCepe.

quelle que soit votre demande, le Cepe s'efforcera dy apporterla rponse la plus adapte.

Le site internet :www.lecepe.fr

Ml : [email protected]

P.5

Des formationssur mesure pour rpondre des besoins spciques

Cepe, Genes


ils nous ont fait confiance : en france : AXA, Acoss, Afssaps, Arcep, Banque de France, Belambra, C.N.R.S,Caisse des Dpts et Consignations, Cemagref, Cereq, Cnaf, Cnamts, Conoga, Comptabilit publique,Cour des comptes, Finaref, France Tlcom, Gaz de France, Exxon, Indosuez, Institut de l'levage, Irdes,MACIF, Ministres de l'ducation nationale, de l'quipement, des affaires sociales, de l'industrie et du travail,Ple emploi, R.A.T.P, S.V.P, Unaf, Undic, etc. ; organismes trangers ou internationaux : Eurostat, O.C.D.E.,Banque Centrale Europenne, Instituts nationaux de statistique de pays europens, du Cameroun, deMadagascar, Ministre des nances du Maroc, etc.

les certificats du Cepe sont des programmes de formationintensifs d'une dure de 14 60 jours rpartis sur plusieursmois. pour tre compatibles avec une activit professionnelle,les sessions n'excdent pas 3 jours conscutifs par mois. Ces certificats permettent aux participants dacqurir denouvelles comptences professionnelles pour mieuxapprhender les enjeux de leur mtier et voluer dans leurentreprise ou leur institution.

L'obtention d'un certicat de formation continue du Genes valideles acquis des formations suivies et leur application dans le cadreprofessionnel.

En 2013, deux formations certiantes respectivement en gestionactif-passif et en charg dtudes statistiques ont t cres etdeux autres, lune en nance quantitative et lautre en valuationdes politiques publiques ouvriront en 2014.Ces certicats sont organiss en partenariat avec des coles oudes organismes ou associations professionnels.

Ainsi, lAFGAP sest associe avec le Genes pour crer le certicat,en gestion actif-passif terme largement europanise, avec lesmeilleurs professionnels de la Place. Cette formation de 80 heuresa dbut en octobre 2013. Une nouvelle promotion est prvue enfvrier 2014.

L'information statistique tant aujourd'hui un lment clef de touteprise de dcision, le Cepe a dcid de crer une formationcertiante de charg dtudes avec des professionnelsexpriments dans chaque matire. A lissue de cette formation,le stagiaire saura traiter efficacement de grands ensembles dedonnes numriques.

Le certicat de nance quantitative est un partenariat avec lasocit Brchen et lUniversit Paris-Dauphine.

Le certicat valuation des politiques publiques est proposen partenariat avec lInstitut des politiques publiques.

Les certicats ncessitent un haut niveau dimplication et departicipation pendant les formations. Il nexiste pas de conditionsen termes de diplme. Cependant, certains certicats ncessitentun pr-requis spcique, signal sur la page de prsentation.Le processus de slection pour intgrer les certicats du Genesdiffre dun certicat lautre. A minima, il vous sera demand decomplter un dossier de candidature spcique.

Compte-tenu du nombre important de demandes dinscriptions,les personnes intresses doivent nous faire parvenir le plus ttpossible leur dossier de candidature.

Pour le programme de ces certicats, merci de consulter le siteinternet du Cepe : www.lecepe.fr

P.6

Cepe, Genes


Les certicats

utiliser lconomie pour comprendre le mondeles dialogues de lconomie vous proposent de consacrerquelques heures, lors de rendez vous rguliers, pour participer des changes interactifs sur lactualit conomique et sur des sujetsprcis issus de thmatiques telles que la mondialisation, lacomptitivit, lEurope, la crise, la nance, les spcicitsfranaises

Ces confrences permettent aux cadres et dirigeants de bncierdes travaux et rexions de chercheurs, d'enseignants et deprofessionnels reconnus, sur des thmes dactualit.

Le Cepe-Genes sassocie Pergamon-Campus pour raliser desconfrences conomiques qui ont pour objectif de promouvoirlconomie, discipline indispensable pour se prparer dcider, ana-lyser et valuer les politiques publiques. Ces confrences sap-puyant sur les mthodes les plus rcentes de la recherche enconomie et autres sciences sociales offrent des analyses socio-conomiques et dmographiques innovantes permettant de seconfronter la ralit de lvolution conomique.

Ces confrences sont des outils daide la dcision pour tout acteurdu monde conomique. Elles favorisent galement lappropriationpar les citoyens des termes du dbat public. Elles doiventcontribuer orienter et valuer les politiques publiques, dans lecadre dune analyse partage avec lensemble des partenaires deces politiques.

Le programme de ces rendez-vous est rgulirement mis jour surle site internet du Cepe.

le Cepe est ouvert toutes suggestions de thmes et peutorganiser des cycles de confrences la demande, toujours avecdes experts des domaines traits.

Pergamon Campus est une Ecole dconomie, fonde par des dirigeants dentreprise,au service des dirigeants et des futurs dirigeants. Leurs enseignants sont des dirigeants ou des professeurs enseignant dans lesmeilleures institutions acadmiques (Ecole Polytechnique, ENSAE, Sciences Po,Universit de Paris X). Ils ont tous une exprience internationale et concrte des sujetstraits dans les sminaires. Pergamon Campus emploie des mthodes pdagogiquesqui valorisent le savoir et les proccupations des professionnels, au bnfice de latransmission de la ralit et du dbat dides.

P.7

Cepe, Genes


Les confrences :Les dialogues de lconomie

Notre catalogueest susceptible d'voluer au

cours de l'anne.

La rubrique dernires minutes

de notre site Internet www.lecepe.fr

prsente les ventuelles sessions

supplmentaires des formations.

Le catalogue peut tre tlcharg

au format PDF.

pa

no

ra

ma

s

Panoramasen un ou deux jours, les panoramas visent

donner une vision globale mais prcisedun domaine de la statistique.

Panorama des mthodes d'analyse des donnes

Panorama des techniques de rgression

Organiser une collecte dinformation par enqute

Panorama des mthodes de sondages

Panorama des mthodes danalyse des sries temporelles

Panorama des techniques de data mining

Panorama du Big Data

Nouvelle formation

P.9

NF

NF

P.10

2 jours 2, 3 octobre 2014

prix net (non soumis la TVA) 980

Objectifspouvoir dialoguer avec les spcialistes de ce domaine etcomprendre leurs conclusions.

pr-requisBonnes connaissances en statistique descriptive, matrise duformalisme mathmatique.

ContenuL'accent est mis sur les principes gnraux des mthodes danalysedes donnes, en fonction des problmatiques auxquelles ellespermettent de rpondre. De nombreux exemples illustrent cetteformation.

introduction gnrale Objectifs de lanalyse des donnes et panorama des mthodes

les mthodes usuelles danalyse dun tableau de donnesAnalyse en Composantes Principales Analyse Factorielle des Correspondances simplesAnalyse des Correspondances MultiplesClassification dindividusClassification de variables

les mthodes avances danalyse de donnesLanalyse factorielle discriminanteLanalyse en composantes principales par rapport des variablesinstrumentalesLe choix de variables en ACPLanalyse de tableaux multiples : lanalyse factorielle multiple ; lamthode STATIS

panorama des logiciels danalyse des donnes

panorama des mthodes danalyse des donnes

intervenantPierre-Louis Gonzalez

repres bibliographiquesEscofier, B. et J. Pags (2008), Analyses factorielles simples et multiples,Dunod

Bouroche, J.M., Saporta G. (2011),Lanalyse des donnes,que sais-je 1854, PUF

(panoramas

niveautout public

Cepe, Genes


P.11panorama des techniques de rgression

2 jours 27, 28 mars 2014


ObjectifsConnatre les diffrents types de rgressions (linaire,analyse de variance, modle linaire gnralis, modlemixte, modle de survie) et leur champ d'application. savoirlire et interprter les principales sorties logicielles de cesmodles.

pr-requisStatistique descriptive. Connaissance du mcanisme des testsdinfrence.

ContenuLes modles sont prsents la fois sous leur aspect de description(validation dhypothses, recherche de facteurs influant sur unphnomne) et de prdiction. Ce cours est une introduction lamodlisation, il ne requiert pas de niveau mathmatique lev etfait surtout appel au bon sens et lintuition. Chaque technique estprsente avec des exemples concrets et des sorties logiciellesdcortiques. Il pourra tre complt par dautres formations plusspcifiques sur chacune des techniques abordes ici.

rgression(s)Principe de base de la rgression : droite, ajustement dunemoyennePanorama des variantes selon les types de donnes analyses

rgression linaire, analyse de varianceCoefficients de rgression, diagnostics de qualitVariables explicatives qualitatives : comment les intgrer auxmodles ?Sommes des carrs de types I et IIIComparaisons de moyennes simples et multiplesIntroductions aux modles mixtes (donnes rptes)Variables multiples : slection, multicolinarit

modle linaire gnralis : tudier des variables non normalesQuantits positives : rgression log-linaire vs rgression GammaComptages : rgression de PoissonEvnements : rgression logistique

intervenantOlivier Decourt

logiciel utilisSAS

repres bibliographiquesTuffry, S. (2010),

data mining et Statistique Dcisionnelle, Broch (3me dition)

McCullagh, P. et Nelder, J.A. (1989),Generalized Linear Models,

Chapman & Hall/CRC (2me dition)

) panoramas

niveautout public

Cepe, Genes


P.12

1 jour 25 juin 2014


ObjectifsConnatre les diffrentes phases de la mise en place d'uneenqute statistique.

ContenuCette formation permet daborder lensemble des points quiconstituent le cahier des charges dune collecte dinformation parenqute : quelle technique dchantillonnage employer, commentvaluer le questionnaire, quel mode de collecte choisir, commentrestituer les rsultats de lenqute, quel est son budget. Elle permet,par exemple, de rdiger un appel d'offres destin aux instituts desondages. Un exemple denqute sert de fil directeur la formation.

objectifs de la collecte dinformationDe la demande dinformation llaboration des questions

slectionner les enqutsSondage alatoire ou sondage empiriqueTaille de lchantillonChoix du mode de collecteAssurer la confidentialit des rponses

lvaluation du questionnaireTester le questionnaireExemples derreurs viter

la restitution des rsultatsNon rponses et redressementsFormat de livraison des rsultats

organiser une collecte dinformation par enqute

intervenantSbastien Hallpe

repres bibliographiquesStatistique Canada (2010) : "Mthodes et pratiques d'enqutes",http://statcan.gc.ca/pub/12-587-x/12-587-x2003001-fra.pdf

(panoramas

niveautout public

Cepe, Genes


P.13panorama des mthodes de sondages

2 jours 4, 5 dcembre 2014


ObjectifsConnatre l'ensemble des concepts et mthodes intervenantlors des diffrentes phases d'une enqute par sondage :vocabulaire de la thorie des sondages, principales mthodesd'chantillonnage, de redressement et de traitement de lanon-rponse.

pr-requisBonnes connaissances en statistique descriptive, matrise duformalisme mathmatique.

ContenuLa formation prsente un panorama de la mthodologie utilisedans les diffrentes phases de la ralisation d'une enqute parsondage. L'accent est mis sur les principes gnraux des conceptset mthodes, et sur leur utilisation dans la pratique des enqutes.De nombreux exemples illustrent cette formation.

Gnralits sur les enqutes par sondageLes composantes d'une enqute par sondageLes bases de sondageLa notion d'estimation et de prcisionLes diffrents types d'erreur

les mthodes d'chantillonnageLe sondage alatoire simpleLe sondage probabilits ingalesLe sondage stratifiLes sondages plusieurs degrs (sondage en grappes, sondage deux degrs)Le sondage quilibrLes sondages empiriques : la mthode des quotas

les mthodes de redressementPost-stratificationEstimateur par le ratioCalage sur marges

les mthodes de correction de la non-rponseAnalyse des facteurs influenant la non-rponseMthodes de repondration (correction de la non-rponse totale)Mthodes dimputation (correction de la non-rponse partielle)

intervenantsMarc Christine,Olivier Sautory

repres bibliographiquesArdilly, P. (2006),

Les techniques de sondage,Technip (2me dition)

Dussaix A.-M. et J.-M. Grosbras (1996), Les sondages : principes et mthodes,

Que Sais-Je ?, PUF (2me dition)

) panoramas

niveautout public

Cepe, Genes


P.14

1 jour 26 mars 2014


Objectifsdisposer dune vision synthtique sur les diffrentesmthodes danalyse des sries temporelles.

pr-requisNotions statistiques de base.

ContenuLanalyse des sries temporelles est un domaine de la statistique,de lconomtrie et des sciences de l'ingnieur qui est trs employdans de nombreuses sciences et techniques. La spcificit de cesdonnes et la diversit des problmes quelles permettent de traiter(prvision, dsaisonnalisation, finance, macroconomie, ) ncessitentla mise en place de techniques spcifiques. La diffusion de logicielsspcialiss rend accessible au plus grand nombre des mthodescomplexes sans quil ne soit toujours vident didentifier quellessont les approches les plus adaptes aux observations dont ondispose. Ce panorama propose une synthse des approches pour analyserles sries temporelles selon la nature des phnomnes mesurs etdes objectifs assigns lanalyse. Les diffrentes tudes de casproposes pour illustrer la formation permettent, sans entrer dansdes considrations techniques, de faire le point sur ltat de lart dans ce domaine.

introduction : nature et spcificit dune srie temporelle

dfinitions, outils de base et reprsentations graphiques utilespour lanalyse exploratoire des sries temporelles

tendances, facteurs saisonniers et autres approches utiles pourla prvision dans un cadre simple

arima et sarima : des modles linaires univaris utiliss dansdes contextes varis de modlisation et de prvision

modliser la volatilit : les modles GarCh

prolongements

panorama des mthodes d'analyse des sries temporelles

intervenanteSalima Bouayad Agha

logiciels utilissEViews, SAS, STATA,R des fins dillustration

repres bibliographiquesBourbonnais, R. et Terraza, M. (2004), Analyse des sries temporelles Applications l'conomie et la gestion,Dunod

Lardic, S. et. Mignon, V (2002), conomtrie des sries temporelles macroconomiques et financires,Economica

(niveau

tout public

Cepe, Genes


pa

no

ra

ma

s

P.15panorama des techniques de data mining

2 jours 11, 12 septembre 2014


ObjectifsComprendre la dmarche du data mining et quand elle peuts'appliquer ou non. Connatre le fonctionnement et les rsultats attendre desprincipales techniques statistiques employes (scoring,typologies).

pr-requisNotions statistiques de base (moyenne, comptage).

ContenuLa formation prsente sans formalisme mathmatique lesprincipales techniques de la statistique dcisionnelle utilises sousle terme de data mining . Des dmonstrations pratiques sur descas concrets seront ralises par lintervenant. Les mthodes serontplus dcrites dans leur intuition et sur leurs consquencespratiques, logiciel, temps de calcul, performances, donnesncessaires, outils graphiques, etc.

prsentation du data miningDfinition, positionnement par rapport la statistiquePrincipales applicationsPanorama des techniques employesPrsentation de l'offre logicielleCycle dun projet

analyse descriptiveSlection de variables pertinentesAnalyse de donnes la Franaise et data miningCaractrisation

typologies et segmentationMthodes de classificationDescription des classesRaffectation des individus aux classes

modlisation de phnomnes binairesArbres de dcision : modle et outil descriptifAnalyse discriminanteRgression logistiqueComparaison de modles : courbes ROC, courbes de lift

intervenantOlivier Decourt

logiciels utilissDes exemples sous SAS, SPAD,et SAS Enterprise Miner serontmis en uvre par lintervenant

repres bibliographiquesTuffery, S. (2010),

Data mining et Statistique Dcisionnelle,

3me dition, Technip

Tuffery, S. (2010), Etude de cas en statistique

Dcisionnelle, Technip

) panoramas

niveautout public

Cepe, Genes


P.16

1 jour 23 juin 2014


Objectifsavoir une vision des diffrents aspects du big data.

pr-requisLa formation sera grand public mais sera plus facile suivre silon a une certaine sensibilit la question du traitement desdonnes, avec quelques notions de base en statistique.

ContenuLa formation dcrit les diffrents aspects du Big Data, en prsentantson origine, ses principales applications, ses outils technologiquesspcifiques et les mthodes statistiques et analytiques mises enuvre.

quest-ce que le big data ?Caractrisation par les 3VQuelques exemples dutilisations du Big DataApports pour les entreprises et nouveaux modles conomiquesOpen Data

outils informatiquesCalculs parallles, distribus, MapReduce, HadoopGestion des donnes multistructuresEnjeux technologiques de collecte et de stockage, de scurit, dequalit des donnesProtection de la vie priveLogiciels, Packages R pour le Big Data

mthodes statistiques et machine learningModlisation en grande dimension : machine learning, estimateursLasso, dtection des rgles dassociationProblmatiques dchantillonnage et dappariementsOptimisation des algorithmes sur gros volumesTraitement des donnes non standard : image, vido, texte, donnesfonctionnellesData visualisation

panorama du big data

intervenantStphane Tuffry

repres bibliographiquesP. Bhlmann, S. van de Geer (2011).Statistics for High-Dimensional Data, Springer

T. Hastie, J. Friedman and R. Tibshirani (2009).The elements of Statistical Learning: Data Mining, Inference and Prediction,Springer

N. Marz and J. Warren (2014). Big Data,Principles and best practices of scalable realtime data systems, Manning

Eric Siegel (2013). Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die, Wiley

(panoramas

niveautout public

nouvelleformation2014

Cepe, Genes


m

th

od

es

st

at

ist

iqu

es

Mthodesstatistiques

Ces formations approfondies sadressent aux chargs dtudes,

statisticiens ou non-statisticiens dsireux dacqurir

une professionnalisation dans ces mtiers.

De la statistique descriptive la statistique infrentielle

Analyse de donnes multidimensionnelle

Rgression et modlisation

Enqutes et sondages

Sries temporelles

conomtrie

P.17

m

th

od

es

st

at

ist

iqu

es

Mthodes statistiques :De la statistiquedescriptive la statistiqueinfrentielle

Statistique 1 : introduction la statistique (3 sessions)

Statistique 2 : description et mesure de la liaison entre deux variables (3 sessions)

Statistique descriptive avec SAS

Statistique descriptive et rgression avec R

Statistique 3 : de l'chantillon la population, estimation et tests

Statistique baysienne

Statistique des valeurs extrmes

Les indices

NF

Nouvelle formationNF

P.18

P.19statistique 1 : introduction la statistique

4 jours (2+2)(3 sessions)

3, 4, 10, 11 fvrier 201426, 27 mai et 2, 3 juin 2014

17, 18, 24, 25 novembre 2014

prix net (non soumis la TVA) 1 850

Objectifsmatriser les concepts de la statistique descriptive.savoir raliser des traitements simples sur des donnesunidimensionnelles et prsenter les rsultats obtenus l'aidede tableaux et de graphiques.

pr-requisNiveau de mathmatiques de l'enseignement secondaire etconnaissances de base d'Excel.

ContenuApprendre organiser, traiter, analyser et prsenter l'information,tel est l'objet de cette formation d'initiation la statistique,construite partir d'exemples pratiques. La formation a uneorientation pratique forte : les aprs-midis et la dernire journesont consacrs au traitement de donnes laide dExcel.

les concepts de la statistiqueDfinitions : population, unit statistique, variables, modalitsLes diffrents types de variables : variables qualitatives, variablesquantitatives

Construction de tableaux statistiques

les graphiquesVariables qualitatives : diagramme en tuyaux d'orgue, diagrammecirculaireVariables quantitatives : diagramme en btons, histogramme,courbe cumuleAutres reprsentations : notions d'chelle, diagramme triangulaire

rsumer l'information et choisir la caractristique la plus approprieCaractristiques de position : moyenne arithmtique, mdiane,mode, autres moyennes, quantilesCaractristiques de dispersion : variance et cart-type, coefficientde variation, cart absolu mdian, tendue, intervalles inter-quantilesBote moustaches (box-plot)

tude de la concentrationCourbe de Lorenz, indice de Gini

Cas de synthse (dernire journe)Mise en uvre sur micro-ordinateur des notions vues au coursdes trois premires journes

intervenanteVronique Brousse

logiciel utilisExcel

repres bibliographiquesGrais, B. (2003),

Statistique descriptive, Dunod, 3me dition

Py, B. (1996), Statistique descriptive,

Economica, 4me dition

)

m

th

od

es

st

at

ist

iqu

es

Cepe, Genes


niveauinitiation

***

P.20

4 jours (2+2)(3 sessions) 20, 21, 27, 28 janvier 2014 31 mars et 1, 7, 8 avril 2014 8, 9, 15, 16 septembre 2014


Objectifsraliser des traitements simples sur des donnesbidimensionnelles. Calculer des indicateurs permettant de mesurer la liaison entre deux variables.discerner la pertinence des outils employs comme leurs limites.

pr-requisNiveau de mathmatiques de l'enseignement secondaire etconnaissances de base d'Excel.

ContenuCette formation est un prolongement de la formation statistique 1et permet de raliser des traitements sur des donnes bi-dimensionnelles. La formation a une orientation pratique forte : les aprs-midis et ladernire journe sont consacrs au traitement de donnes laidedExcel.

Cas de deux variables qualitativesLes tableaux de contingence, distributions marginales etconditionnelles, reprsentation graphiqueLa statistique du khi-deux et ses drives

Cas d'une variable qualitative et d'une variable quantitativeLes moyennes conditionnellesLe rapport de corrlation, analyse de variance un facteur

Cas de deux variables quantitativesReprsentation graphiqueLe coefficient de corrlation linaire, l'ajustement linaire (droitede rgression)Cas o l'une des variables est discrte : la courbe de rgression

Cas de deux variables ordinalesCoefficients de corrlation des rangs de Spearman et de Kendall

Cas de synthse (dernire journe)Mise en uvre sur micro-ordinateur des notions vues au coursdes trois premires journes

statistique 2 : description et mesure de la liaison entre deux variables

intervenantsVronique Brousse,Gilles Luciani


repres bibliographiquesGrais, B. (1998), Mthodes statistiques,Dunod, 3me dition

Py, B. (1996), Statistique descriptive, Economica, 4me dition

(

Cepe, Genes


m

th

od

es

st

at

ist

iqu

es

niveauinitiation

***

P.21statistique descriptive avec sas

2 jours 9, 10 octobre 2014


Objectifsdonner au participant une matrise des principalesprocdures de statistique descriptive de sas : sur quels typesde donnes portent-elles ? quelles sont leurs principalesoptions ? comment lire les sorties ?

pr-requisConnaissance des bases thoriques de la statistique descriptive(formations statistique 1 et statistique 2) et connaissances debase du logiciel SAS (formation initiation sas).

ContenuLa formation est consacre la prsentation des principalesprocdures du logiciel SAS permettant de faire de la statistiquedescriptive, et la mise en uvre de ces procdures par lesstagiaires, sous la forme dexercices dapplication. Cette formation contient galement quelques rappels en statistiquedescriptive.

la statistique descriptive univariedition des observations d'une table SAS (procdure PRINT), et detotaux ou sous-totaux sur des variables numriquesReprsentation des distributions statistiques univaries par destableaux (procdure FREQ), par des diagrammes : histogrammes,graphiques circulaires, en toile ou en blocs (procdure CHART)dition des caractristiques de position (mode, moyenne, mdiane,quantiles, etc.) et de dispersion (variance, cart-type, tendue,intervalles inter-quantiles, etc.), box-plots (procdures MEANS,SUMMARY, UNIVARIATE, BOXPLOT)

liaison entre deux variablesReprsentation des distributions statistiques deux dimensions pardes tableaux (procdure FREQ), par des graphiques (procduresPLOT et CHART)dition dindicateurs de liaison entre variables nominales (statistiquedu khi-deux, V de Cramer, lambda, etc.), entre variables ordinales(coefficient de corrlation des rangs de Spearman, tau de Kendall,etc.), entre variables numriques (coefficient de corrlation linaire)(procdures FREQ et CORR)

intervenantBenot de Lapasse

logiciel utilisSAS base

repres bibliographiquesPy, B. (1996),

Statistique descriptive, Economica, 4me dition

Sautory, O. (1995),La statistique descriptive

avec le systme SAS, Insee Guides n1-2

)

Cepe, Genes


m

th

od

es

st

at

ist

iqu

es

niveauinitiation

***

P.22

3 jours 26, 27, 28 mai 2014


Objectifsprogrammer et calculer une succession de statistiquesdescriptives.raliser les graphiques les plus courants.excuter une rgression linaire multiple.Construire une rgression logistique binaire.

pr-requisConnaissance des bases thoriques de la statistique descriptiveet de rgression et connaissances de base du logiciel R.

ContenuLa formation est consacre la prsentation des principalesprocdures du logiciel R permettant de faire de la statistiquedescriptive et des rgressions linaires et logistiques. Grce plusieurs exercices d'applications, les stagiaires seront amens mettre en uvre ces procdures.

statistique descriptiveSlection et dition des observationsReprsentation des distributions statistiques univaries par destableaux (fonction table()) et par des diagrammes (fonction plot)Reprsentation des distributions sous forme de tableauxdition des caractristiques de position (moyenne, mdiane,quantiles..), de dispersion (variance, cart-type.)dition dindicateurs de liaison entre variables (statistique du khi-deux, V de Cramer, coefficient de corrlation linaire)

les graphiques avec rDiffrents types de graphiqueAjouts d'lments sur un graphiqueParamtres d'un graphiqueTracer plusieurs graphiques dans la mme fentreExporter un graphique

rgression linaire multiplePrsentation du modle (fonction lm) : estimation des paramtres,tests, tude de la qualit du modle. tude des rsidusLes mthodes de rgression pas pas (fonction step), choix du"meilleur" modle

rgression logistique binaire Prsentation du modle (fonction glm)Slection de modle (fonction step)Rsum des tests de validit gnraleCourbe de ROC (reprsentation de la capacit prdictive du modle)

rgression logistique pour variables rponses polytomiques

statistique descriptive et rgression avec r

intervenanteElisabeth Morand

logiciel utilisR

repres bibliographiquesEveritt, B.S et Hothorn, T. (2009), A handbook of Statistical analysis using R,2nd edition, CRC Press

Muenchen, R.A. (2008), R for SAS and SPSS users, Springer

(

Cepe, Genes


m

th

od

es

st

at

ist

iqu

es

niveauavanc

***

P.23

statistique 3 : de l'chantillon la population, estimation et tests

4 jours (2+2)12, 13, 19, 20 mai 2014


Objectifssavoir mettre en uvre les techniques usuelles d'estimation,les tests classiques de comparaison de moyennes et certainstests d'ajustement.

pr-requisConnaissances de base en statistique descriptive et matrise desformulations mathmatiques usuelles.

ContenuLa formation prsente les principaux concepts de la statistiqueinfrentielle, qui consiste induire les caractristiques inconnuesd'une population partir d'un chantillon issu de cette population.Elle insiste sur la mise en uvre de ces concepts, de nombreuxexemples sont traits sur logiciel statistique.

Cette formation constitue une tape pralable de nombreusestechniques statistiques, telles que la rgression, le traitement devariables qualitatives, l'analyse discriminante, l'conomtrie, lessondages, etc.

notions de probabilitsvnement ; variable alatoire (v.a.)V.a. discrte, v.a. continue. Esprance, variance, loi d'une v.a. Lois de probabilits usuelles : loi binomiale, loi de Poisson, loinormale, loi de Student, loi du Khi-deux, loi de Fisher Snedecor

chantillonnageFluctuations dchantillonnageCas de l'esprance d'une loi normale, d'une loi quelconqueLoi des grands nombres, thorme central-limite

estimation et validation des rsultats : intervalle de confianceDfinition d'un estimateur, prcision, qualit (estimateur sans biais,convergence)Dfinition d'un intervalle de confianceIntervalle de confiance pour une moyenne, une proportion

les tests : principe gnralPrincipe gnral d'un test : les deux hypothses ; les erreurs de 1reet de 2me espce ; la probabilit critiqueTests paramtriques usuels : esprance, proportionTests de comparaison entre deux chantillons : chantillonsindpendants, apparisTests d'ajustement une distribution : test du khi-deux et autrestests

applications pratiquesLes stagiaires utiliseront le logiciel STATGRAPHICS et le tableurExcel


logiciels utilissExcel, STATGRAPHICS

repres bibliographiquesDroesbeke, J.-J. (2002), lments de statistique,

Ellipses, 4me dition

Wonnacott, T. et Wonnacott, R. (1998),Statistique,

Economica 4me dition

)

Cepe, Genes


m

th

od

es

st

at

ist

iqu

es

niveauavanc

***

P.24

3 jours 6, 7, 8 octobre 2014


Objectifsdonner un point de vue critique entre l'approche baysienneet l'approche classique des statistiques. permettre le calcul d'un estimateur baysien, si besoin pardes mthodes de simulation de type monte Carlo par chanesde markov.

pr-requisBonne connaissance du formalisme des probabilits et delinfrence statistique (formation statistique 3).

ContenuLapproche baysienne de la statistique connat lheure actuelleun essor considrable notamment grce aux progrs delinformatique et des mthodes numriques de type MCMC.Lorsque lon ralise une tude, on a souvent des informations apriori provenant soit dtudes antrieures soit davis dexpert.

La statistique baysienne permet dutiliser ces connaissances apriori et de les combiner avec linformation apporte par lesdonnes pour obtenir une information a posteriori. La statistiquebaysienne est galement trs utilise dans les meta-analyses, c'est dire les analyses qui mettent ensemble plusieurs tudes ralisesdans des conditions parfois diffrentes pour en extraire del'information avec une meilleure prcision.Au cours de la formation nous nous efforcerons de comparer lesavantages et les inconvnients de lapproche baysienne parrapport lapproche classique (ou frquentiste).

le paradigme baysienExemple introductif La formule de Bayes Lois a priori, lois a posterioriChoix des lois a priori, lois informatives, lois non informatives, loisconjugues

lois a posteriori Ncessit de recourir aux mthodes computationnelles pourcalculer la loi a posterioriInitiation aux mthodes MCMC (chanes de Markov par Monte-Carlo)Mise en uvre avec le logiciel Winbugs

mthodes destimation baysiennesRappels de thorie de la dcision ; notions de prdicteursComparaison des estimateurs baysiens et frquentistesIntervalles de crdibilit Mise en oeuvre avec Winbugs

statistique baysienne

intervenantJulyan Arbel

logiciels utilissWINBUGS, R, SAS

(

modles de rgressions baysiensAnalyse baysienne des modles dergressions les plus courants (rgressionlinaire, logistique, poisson) Applications laide du logiciel Winbugs etSAS (procdures exprimentales)

tests baysiens Notions de tests baysiens, facteur de Bayes P-value versus Q-value

Cepe, Genes


m

th

od

es

st

at

ist

iqu

es

niveauexpert

***

P.25statistique des valeurs extrmes

2 jours 2, 3 juin 2014


Objectifsacqurir les mthodes de dtection des vnements rares etsurtout les techniques probabilistes de la thorie des valeursextrmes, ainsi que ses avances actuelles, qui sont de plus enplus ncessaires et touchent des domaines varis.

pr-requisBonnes connaissances en statistique descriptive et notions deprobabilits et de thorie de l'estimation.

ContenuLa prsence de valeurs extrmes (outliers) dans une distributiondtriore la prcision et la robustesse des estimations. A ct desmthodes dterministes de dtection des valeurs extrmes, lathorie des valeurs extrmes, dveloppe pour lestimation de laprobabilit doccurrence dvnements rares, permet dobtenir desseuils au-del desquels des valeurs sont considres commeextrmes, pour une probabilit donne. La thorie des valeursextrmes repose sur les convergences en loi des maxima ou desminima de variables alatoires indpendantes convenablement re-normalises.

prsentation des mthodes dterministes algbriques etgraphiques de dtection des valeurs extrmes et traitement decelles-ci

prsentation de la thorie des valeurs extrmes : Lois du maximum, Mthodes classiques (valeurs record, moyennedes excs, approximation par la loi de Pareto gnralise) pour ladtermination dun seuil au-del duquel un vnement estconsidr comme atypique. Elles permettent de prvoir desvnements graves (rares) pour une probabilit doccurrencedonne (trs faible) et un intervalle de confiance fix.

prsentation dune approche locale :En assurance, la prsence de sinistres graves vient perturberlhypothse de diffrenciation du risque collectif dune classe lautre et la stabilit temporelle de lindicateur de prime pure. Uneapproche locale (inliers) base sur une estimation de la variancede lindicateur de prime pure sera prsente.

les aspects pratiques, comme la mthode de monte Carlo :Simulation dun chantillon pour estimer un quantile extrme.

intervenantMichel Grun-Rehomme

logiciel utilisSAS

)

Cepe, Genes


m

th

od

es

st

at

ist

iqu

es

niveauexpert

***


P.26

2 jours 8, 9 dcembre 2014


Objectifssavoir bien utiliser des indices existants.savoir construire des indices correspondant aux besoinspropres de lutilisateur.

pr-requisUne connaissance gnrale des statistiques descriptives(formation statistique 1).

ContenuLes instituts de statistique diffusent rgulirement une batterieimportante dindices conomiques comme lindice des prix laconsommation ou lindice de la production industrielle. Par ailleurs,chacun peut tre amen construire des indices qui lui sontpropres de faon synthtiser une information foisonnante. Cetteformation fournit une vision densemble des principales questionsmthodologiques lies la construction des indices statistiques. Ellesappuie sur des exemples concrets pour montrer le type dequestions qui se posent, en les replaant dans une problmatiqueplus gnrale. Des applications simples sur tableur compltent laformation.

Pourquoi et pour qui construit-on des indices ?Quest-ce quun indice ? Des indices lmentaires aux indicessynthtiquesLes indices classiquesHomognit/htrognit : que veut-on mesurer ?Les proprits dagrgationSries temporelles et chanageLe partage volume - prixLe choix du type dindice : considrations thoriques et pratiquesBases et changements de baseLa construction dindices "lmentaires"Quelques problmes particuliers : donnes collectes, volutiondes produits, donnes manquantes, mthodes hdoniques,paniers variables, etc.Diversit des indices existants

les indices : construction et utilisation

intervenantPatrick Sillard


repres bibliographiquesCaillaud, A., (1998), Pour comprendre l'indice des prix, Insee Mthode n81-82,(http://www.insee.fr/fr/methodes/sources/pdf/Indice_des_prix.pdf)

Berthier, J.P., (2005), Introduction la pratique des indicesstatistiques,Insee Document de travail M0503http://www.insee.fr/fr/publications-et-services/docs_doc_travail/m0503.pdf

(

Cepe, Genes


m

th

od

es

st

at

ist

iqu

es

niveauinitiation

***

m

th

od

es

st

at

ist

iqu

es

Mthodes statistiques :Analyse de donnesmultidimentionnelle

Analyse factorielle et classification

Analyse des donnes avec SAS

Analyse des donnes avec R

Analyse discriminante et segmentation

Text mining et Web mining

P.27

P.28

5 jours (3+2)17, 18, 19, 24, 25 mars 2014


Objectifssavoir choisir la mthode adapte la construction d'unetypologie prcde d'une analyse factorielle, en fonction dela nature de ses donnes, et en interprter les rsultats.

pr-requisConnaissances de base en statistique descriptive, notions decalcul matriciel souhaitables.

ContenuLa formation prsente les mthodes modernes d'exploration, dedescription et de classification de donnes statistiquesmultidimensionnelles. Les mthodes factorielles (analyse encomposantes principales, analyse des correspondances) permettentau travers de techniques de visualisation, de rsumer, de structureret de synthtiser l'information contenue dans des massesvolumineuses de donnes (par exemple des enqutes). Lesmthodes de classification permettent, en sparant les individusdune population en groupes homognes, de crer une typologiedes individus utile la prise de dcisions.

traitements pralables une analyse factorielletude des variables : rappels concernant la corrlation et lacorrlation des rangsReprsentation des individus : diagramme de dispersion avectechniques de brossage, diagramme sous forme dicnes : toiles,rayons de soleil, profils

l'analyse en composantes principalesPrincipe, mesure de qualit des rsultats, techniquesd'interprtation, utilisation de variables illustratives

l'analyse des correspondances simplesPrsentation des donnes sous forme de tableau de contingenceTest du khi-deux dindpendance entre deux variables qualitativesVisualisation des profils lignes et des profils colonnes dans lesplans factorielsRgles dinterprtation des rsultats

l'analyse des correspondances multiplesPrincipes de mise en uvre et interprtation Application au dpouillement denqutes

les mthodes de classification automatiqueMthodes non hirarchiques : centres mobiles, nues dynamiquesMthodes hirarchiques : mthode de Ward, construction etlecture du dendrogramme

analyse factorielle et classification


logiciels utilissSPAD, STATGRAPHICS etUNIWIN

repres bibliographiquesTenenhaus, M. (2010), Statistique : Mthodes pourdcrire, expliquer et prvoir,Dunod

Saporta, G. (2011), Probabilits, analyse desdonnes et statistique,Technip, 3me dition

(

aspects pratiques de la classificationMthodes mixtes, interprtation d'unepartition : l'aide des variables initiales, enliaison avec une analyse factorielle

m

th

od

es

st

at

ist

iqu

es

Cepe, Genes


niveauavanc

***

P.29analyse des donnes avec sas

2 jours 10, 11 avril 2014


Objectifsraliser de faon autonome des analyses factorielles etclassifications avec le logiciel sas.

pr-requisConnaissance des mthodes danalyse des donnes (formationanalyse factorielle et classification) et du logiciel SAS (formationstatistique descriptive avec sas).

ContenuLa formation propose d'approfondir la connaissance du logiciel SASpour mettre en application les mthodes d'analyse de donnes,connues par ailleurs.

Les stagiaires seront amens mettre en uvre ces mthodes aumoyen de nombreux exercices pratiques avec le logiciel SAS(utilisation des macros SAS danalyse des donnes de lInsee).

analyse en composantes principales

analyse factorielle des correspondances

analyse des correspondances multiples

Classification hirarchique et non hirarchique

intervenanteBrigitte Gelein

logiciel utilisSAS

)

m

th

od

es

st

at

ist

iqu

es

Cepe, Genes


niveauavanc

***

P.30

2 Jours 16, 17 juin 2014


Objectifsraliser de faon autonome des analyses factorielles etclassifications avec le logiciel r.

pr-requisConnaissance des mthodes danalyse des donnes (formationanalyse factorielle et classification) et du logiciel R (formationintroduction au logiciel r pour les statistiques).

ContenuLa formation propose d'approfondir la connaissance du logiciel Rpour mettre en application les mthodes d'analyse de donnes,connues par ailleurs.

Les stagiaires seront amens mettre en uvre ces mthodes aumoyen de nombreux exercices pratiques notamment avec lepackage FactoMineR.

analyse en composantes principales

analyse factorielle des correspondances

analyse des correspondances multiples

Classification hirarchique et non hirarchique

analyse des donnes avec r

intervenanteBrigitte Gelein

logiciel utilisR (Package FactoMineR)

repres bibliographiquesHusson, F.,S. L et Pags, J. (2009),Analyse des donnes avec R, Presses Universitaire de Rennes

(

m

th

od

es

st

at

ist

iqu

es

Cepe, Genes


niveauavanc

***

P.31analyse discriminante et segmentation

4 jours (2+2)16, 17, 23, 24 juin 2014


ObjectifsConnatre l'ensemble des mthodes d'analyse discriminanteet de segmentation.savoir choisir la mthode adapte chaque problme, lamettre en uvre et en interprter les rsultats.

pr-requisBonnes connaissances de base en calcul des probabilits, enstatistique (tests, rgression) et en analyse des donnes (analyseen composantes principales et analyse des correspondances).

ContenuLanalyse discriminante couvre deux aspects : le premier aspect,descriptif et explicatif, consiste dterminer les caractresdiscriminants d'une population rpartie en groupes, le second estdcisionnel et aide affecter un nouvel individu un groupe. Destechniques alternatives, telles que la construction darbres dedcision (mthodes de segmentation), rpondent galement cesobjectifs dcisionnels.

aspects descriptifs de l'analyse discriminante : les mthodesgomtriquesL'analyse factorielle discriminanteLes rgles d'affectationLanalyse canonique discriminante

aspects dcisionnels de lanalyse discriminante : les mthodesprobabilistesLe modle baysienLes mthodes d'estimation paramtriques (hypothse demultinor-malit)La slection des variablesMesure de la qualit d'une rgle de dcisionLes mthodes non paramtriques (mthode des noyaux, mthodedes plus proches voisins)

l'analyse discriminante sur variables qualitatives La mthode Disqual : prsentation et mise en uvreApplication la construction dun score

mthodes de segmentationLa notion de dichotomiePrincipe de la mthode AIDMthodologie CART

Conclusion : comparaison de diffrentes approches dediscriminationAvantages et inconvnients des techniques danalysediscriminante, de discrimination logistique, et de segmentation. Aide au choix dune mthodologie


logiciels utilissSAS, SPAD, STATGRAPHICS

repres bibliographiquesBardos, M. (2001),

Analyse discriminante, Dunod

Confais, J. et Nakache, J.P. (2003), Statistique explicative applique,

Technip

)

m

th

od

es

st

at

ist

iqu

es

Cepe, Genes


niveauavanc

***

P.32

3 jours 29, 30 septembre, 1er octobre 2014La journe du 29 septembre consacreau web mining peut tre optionnelle

prix net (non soumis la TVA) 1 450 pour les 3 jours980 pour la formation text mining500 pour la formation web mining

ObjectifsConnatre la dmarche de la statistique textuelle (text mining)et celle de l'extraction de donnes du web (web mining) etsavoir les mettre en uvre sur diffrents corpus (questionsouvertes, entretiens, articles de presse, pages Web, etc.) laide de logiciels spcifiques.

pr-requisConnaissance de base en statistique descriptive (formationsstatistique 1 et statistique 2) et en analyse des donnes(formation analyse factorielle et classification).

ContenuWeb mining (en option)Origine du web mining et des mthodes numriquesExtraction des donnes issues du web : prsentation de plusieursoutils dextraction et de web scraping Limites thiques et lgales du web scrapingAnalyse des donnes web : outils d'analyse pour le web et de webmining ; mthodes numriques ; cartographie du webVisualisation des donnes web et des rsultats de lanalyse sousforme notamment graphes

text miningOrigine et dveloppement des mthodes de la statistique textuelleApports de la statistique textuelle et intrt par rapport deslogiciels daide la lecture de textes (NVivo, Sonal)Diffrents types de corpus de textes (questions ouvertes, entretiens,articles de presse, pages Web etc..), collecte et mise en formeLes diffrentes tapes de traitement dun corpus : rduction duvocabulaire et construction du lexique (lemmatisation), les tableauxlexicauxLes rsultats et leurs interprtations : le vocabulaire spcifique, lecontexte dutilisation des mots, les sorties des analyses multi variesou classificationsLa mise en uvre d'une analyse avec un logiciel

text mining et web mining

intervenantesBndicte GarnierFrance Gurin-PaceMarta Severo

logiciels utilissR, Iramuteq (mthode Alceste), Spad,Gephi

repres bibliographiques Lebart, L. et A. Salem (1994), Statistique textuelle Paris, Dunod, 342 p.

Garnier B., Gurin-Pace F. 2010. Appliquer les mthodes de la statistiquetextuelle. Paris, CEPED, 86 p. (Les Clefs pour)(Tlchargeable partir du site duCeped : http://www.ceped.org/?Appli-quer-les-methodes-de-la)

Brennetot A., Emsellem K., Gurin-PaceF., Garnier B. 2013. Dire lEurope tra-vers le monde.Les mots des tudiantsdans lenqute EuroBroadMap, Cyber-go http://cybergeo.revues.org/25684

Rogers, R. (2009). The End of the Virtual : Digital Methods.Amsterdam University Press. Tlchar-geable l'adresse suivante :http://govcom.org/publications/full_list/oratie_Rogers_2009_preprint.pdf

(panoramasm

t

ho

de

s s

ta

tis

tiq

ue

s

Cepe, Genes


niveauavanc

***

m

th

od

es

st

at

ist

iqu

es

Mthodes statistiques :Rgression et modlisation

Rgression linaire et analyse de la variance

Mthodes de rgression pour donnes qualitatives

Statistique non paramtrique

Statistique et mthodes de rgression pour donnes spatiales

P.33

Nouvelle formation

NF

NF

P.34

4 jours (2+2)20, 21, 27, 28 novembre 2014


Objectifstre en mesure de construire un modle de rgression pourexpliquer ou prvoir des phnomnes, et analyser l'influencede facteurs qualitatifs dans ce type de modles.

pr-requisConnaissances de base en statistique, en particulier les notionsd'estimation et de test (formation statistique 3 : de lchantillon la population, estimation et tests).

ContenuIl s'agit d'apprendre mettre en relation des variables partird'observations statistiques, matriser la construction et l'tude demodles de rgression entrant dans le cadre du modle linairegnral, pour expliquer ou prvoir des phnomnes, et savoiranalyser l'influence de facteurs qualitatifs. Cette formation estconseille ceux qui souhaitent suivre les formations analysediscriminante et segmentation et mthodes de rgression surdonnes qualitatives.

rgression simpleAspects descriptifs : mthode des moindres carrsAspects statistiques : validation du modle, tests concernant lescoefficients, tude des rsidus et des points influentsUtilisation du modle en prvision

rgression multipletudes pralables la construction d'un modle : reprsentationgraphique des individus et des variablesPrsentation du modle : estimation des paramtres, tests, tudede la qualit du modleLe problme de la slection des variables : les mthodes dergression pas pas, choix du "meilleur" modleL'introduction de variables qualitatives dans un modle dergression multiple

analyse de la variance un facteurLe modle effets fixes, tests de comparaisons multiples, analysede la variance non paramtrique

analyse de la variance deux facteurs et plusPrsentation au travers dexemples de la notion d'interactionsUtilisation de variables quantitatives et qualitatives dans le cadredu modle linaire gnral (analyse de la covariance)

applications informatiquesMise en uvre des mthodes de rgression et d'analyse de lavariance sous SAS et STATGRAPHICS

rgression linaire et analyse de la variance


logiciels utilissSTATGRAPHICS, SAS

repres bibliographiquesKleinbaum, D., Kupper, L. , Muller, K.and Nizam, A. (1998), Applied regressionanalysis and multivariable methods, Duxbury Press

Wonnacott, T. et Wonnacott , R. (1998), Statistique, Economica 4me dition

(

m

th

od

es

st

at

ist

iqu

es

Cepe, Genes


niveauavanc

***

P.35mthodes de rgression sur donnes qualitatives

3 jours 21, 22, 23 mai 2014


ObjectifsChoisir et mettre en uvre les mthodes de rgression lesplus adaptes pour des variables expliques qualitatives afinden prsenter les rsultats de manire intelligible etoriginale.

pr-requisConnaissances de base en conomtrie (formation conomtrie 1).

ContenuLa formation prsente les aspects thoriques et pratiques de largression logistique et plus largement des principaux modlesconomtriques propres aux variables dpendantes qualitatives(binaire ou catgorielle). Cette situation se rencontre dansdiffrents champs dapplication : choix financiers, notation durisque, segmentation de clientle, marketing, conomie du travail,conomie de lenvironnement, tude des comportements, etc . La rgression logistique permet de tenir compte de la naturediscrte de la variable dpendante qui peut prendre deux valeurs(variables binaires dpendantes). Celle-ci peut se gnraliser au caso la variable expliquer prend plus de deux modalits et lesmthodes mises en uvre ainsi que linterprtation des rsultatsdoivent tenir compte de leur nature ordonne ou pas. La formationaborde galement les modles variables discrtes positives(donnes de comptage).Chacune de ces situations est illustre par des exemples concretssur les mthodes mettre en uvre et sur la meilleure manire deprsenter les rsultats obtenus.

les modles variables qualitatives binaires : probit et logit Introduction : des exemples, formalisationEstimation et interprtation des paramtresInfrenceApplication

les modles polytomiquesIntroduction : des exemples, formalisationModles ordonnsModles non ordonns : logit multinomial, logit conditionnel,hypothse IIA, probit polytomiqueApplication

les modles pour donnes de comptageIntroduction : des exemples, formalisationLe modle de Poisson : estimation, interprtation, infrenceLe modle Binomial ngatif : estimation, interprtation, infrenceApplication


logiciels utilissSAS, STATA, R

repres bibliographiquesGreene, W. H., Azomahou, T.

et Couderc, N. (2009), conomtrie,

Pearson Education

Crepon, B. et Jacquemet, N. (2010),conomtrie : mthodes et

applications, de Boeck Universit

)

m

th

od

es

st

at

ist

iqu

es

Cepe, Genes


niveauavanc

***

P.36

3 jours 1, 2, 3 octobre 2014


ObjectifsComprendre la logique de la statistique non paramtrique etmettre en uvre des tests et des mthodes destimation nonparamtriques.

pr-requisConnaissances de base en statistique infrentielle (formationstatistique 3 : de lchantillon la population, estimation et tests).

ContenuLa statistique paramtrique est le cadre standard de la statistique.Les modles statistiques sont alors dcrits par un nombre fini deparamtres. En statistique non paramtrique, on ne fait aucunehypothse a priori sur la loi sous-jacente. On peut par exemple faire un test statistique sans spcifier de loi apriori sur la ou les variable(s) utilise(s). Il en est de mme si on veutexaminer une liaison entre variables sans hypothse sur les lois decelles-ci. On peut aussi estimer directement une densit ou unergression sans hypothse sur les distributions des variablesdintrt, ni sur la forme de la liaison entre elles (cas de la rgressionnon paramtrique).

tests non paramtriques : Petits chantillons, lois non gaussiennes

mesures de liaisons non paramtriques

bootstrap et applications : Estimation ponctuelle et calcul dintervalles de confiances sur petitchantillon

estimation fonctionnelle non paramtrique : Estimation de densits ou rgressions sans hypothses a priori surles lois sous-jacentesDiverses approches seront proposes

statistique non paramtrique

intervenanteCristina Butucea

logiciel utilisR

repres bibliographiques Capra, P. et Van Cutsem, B. (1988), Mthodes et modles en statistique nonparamtrique, Presse de lUniversit de Laval, Dunod

Bosq, D. et Lecoutre, J.P. (1987) Thorie de lestimation fonctionnelleEconomica

(

m

th

od

es

st

at

ist

iqu

es

Cepe, Genes


niveauexpert

***

P.37

statistique et mthodes de rgression pour donnes spatiales

3 jours 24, 25, 26 septembre 2014


ObjectifsComprendre les enjeux de la prise en compte des effetsspatiaux en statistique et en conomtrie, mettre en uvreles mthodes destimation adquates et interprter lesparamtres associs aux variables spatiales.

pr-requisConnaissances en conomtrie (formations conomtrie 1 etconomtrie 2 indispensables ; formation identifier et estimerune relation de cause effet souhaitable).

ContenuLanalyse de donnes spatiales exige la mise en uvre doutilsstatistiques spcifiques. Lun des plus classiques est la mesure delautocorrlation spatiale. Les mthodes de lconomtrie spatialeont t dveloppes pour tenir compte de cette dpendancespatiale dans les analyses statistiques classiques et viter que celle-ci nintroduise des biais dans lestimation des paramtres.La formation prsente les outils de base de la statistique spatiale quivont complter et enrichir lapproche strictement cartographique.Elle sattache ensuite prsenter les manires de formaliser leseffets spatiaux (effet de dbordement et de dpendance spatiale,htrognit) et les diffrentes spcifications conomtriquesspatiales ainsi que leur estimation par diffrentes mthodes. Lestests de spcifications les plus courants seront galement exposs.La formation est illustre par des exemples issus de la littraturercente dans ce domaine et des applications partir des logiciels Rou Stata.

introduction : pourquoi et comment utiliser les mthodes de lastatistique spatiale ?

introduction la statistique spatialeLa bote outils danalyse des donnes spatialesAnalyse exploratoire des donnes spatiales

ltude de lautocorrlation spatiale en conomtrieUne typologie des modles spatiauxEffet multiplicateur et effet de diffusion spatialModle spatialement autorgressifModle erreur spatialement autocorrleModle de Durbin spatialLes tests de spcification

ltude de lhtrognit spatiale en conomtrieInstabilit des paramtres et infrence statistique La rgression gographique pondreLes modles rgimes spatiauxInteractions entre autocorrlation et htrognit spatiale


logiciels utilissSTATA, R

repres bibliographiques Cressie, N. (1993)

Statistics for Spatial Data,Revised Edition,

John Wiley & Sons, New York.

Droesbeje, J.J., Lejeune,M. et Saporta, G. (2006),Analyse statistique des

donnes spatiales,ed. Technip

)


m

th

od

es

st

at

ist

iqu

es

Cepe, Genes


niveauavanc

***

Notre catalogueest susceptible d'voluer au

cours de l'anne.

La rubrique dernires minutes

de notre site Internet www.lecepe.fr

prsente les ventuelles sessions

supplmentaires des formations.

Le catalogue peut tre tlcharg

au format PDF.

m

th

od

es

st

at

ist

iqu

es

Mthodes statistiques :Enqutes et Sondages

Conception d'enqute et laboration de questionnaire

Le secret statistique - Principes et pratiques

Sondages 1 : chantillonnage (2 sessions)

Sondages avec SAS

Sondages 2 : mthodes de redressement

Sondages avec R

Correction de la non-rponse dans les enqutes

Enqutes rptes dans le temps et mthode de partage des poids

Bootstrap et rchantillonnage

Estimation sur petits domaines : travailler sur les petits chantillons

P.39

Nouvelle formation

NF

NF

NF

NF

P.40

3 jours 3, 4 ,5 dcembre 2014


Objectifssavoir mettre en place une enqute et rdiger un questionnaire.

ContenuCette formation propose danalyser les diffrentes phases de miseen place dune enqute statistique (hormis lchantillonnage et leredressement qui font lobjet des formations Sondages 1 et 2). Laphase de rdaction du questionnaire est dtaille ; les sourcesderreurs possibles sont abordes ainsi que les outils ou mthodespermettant de rduire ces erreurs. Une participation active desstagiaires est sollicite.

la conception denquteLenqute, une mthode particulire de recueil de linformationObjectifs, champ, unitsLes tapes de la conception d'enquteLes mthodes de collecte : en face face, par tlphone, parinternet, postaleReprsentativit et non-rponse

le questionnaireLa conception de questionnaireLes diffrents types de questionsLa rdaction des questions (importance de la formulation et del'ordre)Les erreurs de mesureLe lien questionnaire, base de donnes et traitement

applicationsExamen de questionnaires dj conus et utilissLes procdures de testCe qu'il faut savoir d'une enqute pour juger du questionnaireTravaux pratiques partir de projets de questionnaires exposs parles participants

Conception d'enqute et laboration de questionnaire

intervenantsCcile BrousseGal de PerettiThibaut de Saint Pol

repres bibliographiquesSingly F. de (1992), Lenqute et ses mthodes :le questionnaire, collection sociologie, ditions Nathan

Statistique Canada (2010) : mthodeset pratiques d'enqutes, http://stat-can.gc.ca/pub/12-587-x/12-587-x2003001-fra.pdf

(

Cepe, Genes


m

th

od

es

st

at

ist

iqu

es

niveauinitiation

***

P.41le secret statistique - principes et pratiques

1,5 jour 20, 21 (matin) mars 2014


Objectifsavoir les connaissances lgales en matire de gestion dusecret statistique. savoir prendre en compte le secret statistique lors dellaboration et lors de la diffusion de toutes les informationsstatistiques mises disposition sous forme de tableaux dedonnes agrges.

ContenuLa gestion du secret en matire de statistique est un souci de plusen plus prsent ces dernires annes. Dun ct, les organismesproducteurs de statistiques sont pousss publier des donnestoujours plus dtailles ; de lautre, ces mmes organismes ontlobligation lgale et morale de garantir la confidentialit desinformations qui leur ont t confies par les personnes ouentreprises. Cette confidentialit est vitale pour obtenir une bonnecoopration des rpondants et maintenir la meilleure qualitpossible des informations collectes.Par application de la loi de 1951 sur l'obligation, la coordination et lesecret en matire de statistiques, les organismes du SystmeStatistique Public franais ont notamment lobligation de contrlerla divulgation statistique dans les informations quils mettent disposition, en minimisant le risque que des informations sensiblessur des individus ou des entreprises puissent tre divulgues partir des donnes diffuses.

la loi du 7 juin 1951 : donnes sur les mnages et individus ; donnessur les entreprises

problmes et critres dansLes tableaux de frquence, aussi appels tableaux de comptageLes tableaux de volume : ventilation dune variable telle que lechiffre daffaires ou le revenuLes tableaux issus denqute : prise en compte des poidsLes tableaux lis par une des variables de ventilationLes tableaux hirarchiss : exemple de la NAF, variable possdantune structure embote

les mthodes de gestion du secret statistiqueLa restructuration des tableauxLa suppression des cases sous secretLarrondi contrl

Gestion du secret statistique via le logiciel -argusPrsentation du logicielMise en pratique

intervenantJulien Nicolas

logiciels utilissSAS, Tau-Argus

repres bibliographiquesWillenborg, L., de Waal, T.,

Elements of Statistical DisclosureControl,

Lecture Notes in Statistics, vol 155, Springer-Verlag, 2000.

Nicolas, J., Traitement de la confidentialitstatistique dans les tableaux :exprience de la Direction des

Statistiques dEntreprises, JMS 2012.

)

Cepe, Genes


m

th

od

es

st

at

ist

iqu

es

niveautout public

P.42

4 jours (2+2)(2 sessions)1, 2, 7, 8 avril 201420, 21, 27, 28 novembre 2014


Objectifsacqurir les notions thoriques et pratiques ncessaires lamise en uvre des principales mthodes d'chantillonnage.

pr-requisBonnes connaissances en statistique descriptive et notions deprobabilits et de thorie de l'estimation.

ContenuL'accent de la formation est mis sur les mthodes probabilistes detirage d'chantillon, mais la mthode des quotas est galementaborde. Chaque mthode fait l'objet d'une prsentation thoriqueet des exemples tirs de la pratique des sondages l'Insee ou dansdautres organismes permettent d'illustrer les proprits de lamthode.

Gnralits sur les enqutes par sondageLes composantes d'une enqute par sondage, les bases de sondage,la notion d'estimation et de prcision, les diffrents types d'erreur

les sondages empiriquesLa mthode des quotas

le sondage alatoire simpleEstimation d'une moyenne, d'une proportion, prcision, algorithmesde tirage, cas des panels

le sondage probabilits ingalesEstimation, prcision, choix des probabilits de tirage, tirage probabilits proportionnelles la taille, algorithmes de tirage, tirageen deux phases

le sondage stratifiEstimation, prcision, constitution des strates, allocation del'chantillon dans les strates

les sondages plusieurs degrs (sondage en grappes, sondage deux degrs)Diffrentes mthodes de tirage au premier degr, estimation,prcision, effet de grappe

chantillonnage quilibr, notions de sondages indirects

sondages 1 : chantillonnage

intervenantsPascal ArdillyVincent Loonis

repres bibliographiquesArdilly, P. (2006), Les techniques de sondage,Technip, 2me dition

Till, Y. (2001), Thorie des sondages, Dunod

(

Cepe, Genes


m

th

od

es

st

at

ist

iqu

es

niveauinitiation

***

P.43sondages avec sas

1 jour 21 mai 2014


Objectifssavoir utiliser le logiciel sas pour slectionner un chantillonselon un plan de sondage usuel (stratifi, probabilitsingales, plusieurs degrs), estimer la variance dun total,dune moyenne ou dun ratio estim dans un chantillonalatoire et apprcier la pertinence dune corrlation entredeux caractres dans un tableau de frquence.

pr-requisConnaissance des bases thoriques de lchantillonnage (formationsondages 1) et connaissance de base du logiciel SAS (formationinitiation sas).

ContenuDepuis la version 8, le logiciel SAS met

Documents

Catalogue CEPE 2014