Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Analyse De Données: Applications au Marketing Ecole des Hautes Etudes Commercia

Analyse De Données: Applications au Marketing Ecole des Hautes Etudes Commerciales 2 Objectifs du Module Les méthodes statistiques sont aujourd’hui utilisées dans presque tous les secteurs de l’activité humaine, notamment les sciences commerciales, et font partie des connaissances de base du gestionnaire et du chercheur en marketing… qui sont confrontés dans leurs travaux aux recueils de données statistiques unidimensionnelles ou multidimensionnelles et multivariées. Ces méthodes permettant d’explorer, de décrire et de synthétiser les grandes masses de données. Ecole des Hautes Etudes Commerciales 3 Compétences Recherchées Savoir interpréter les tables et graphiques issus de ces méthodes ; Comprendre les fondements des méthodes ; Être capable de mener soi-même une telle étude Ecole des Hautes Etudes Commerciales 4 Approche pédagogique • Elle repose sur un cours magistral et des travaux dirigés Le cours magistral est destiné principalement à présenter les concepts et à introduire les méthodes Les TD sont réservés aux séries d’exercices et aux études de cas Ecole des Hautes Etudes Commerciales 5 Système d’évaluation Examen Final Ecole des Hautes Etudes Commerciales 6 Programme Semestriel Aspects Introductifs Modèles de Régression Analyses Factorielles Classification Hiérarchique Ecole des Hautes Etudes Commerciales 7 Programme Semestriel Aspects Introductifs Modèles de Régression Analyses Factorielles Classification Hiérarchique Ecole des Hautes Etudes Commerciales 8 Chapitre premier: Les Fondamentaux Ecole des Hautes Etudes Commerciales 9 Plan du chapitre 1. Généralités 2. Analyses univariées 3. Statistiques Bivariées Ecole des Hautes Etudes Commerciales 10 1. Généralités Ecole des Hautes Etudes Commerciales 11 1. Définitions Etude statistique décrire et explorer les données avant d’en tirer de quelconques lois ou modèles prédictifs. Extraction de l’information pertinente dans des bases de données volumineuses synthèse ou simplification des structure de manière à rendre les données informatives. Les techniques d’ADD répondent à ce besoin. Synthétiser, structurer l'information contenue dans des données multidimensionnelles (n individus, p variables).   Ecole des Hautes Etudes Commerciales 12 ADD = ensemble de méthodes descriptives ayant pour objectif de résumer et visualiser l’information pertinente contenue dans un grand tableau de données Ecole des Hautes Etudes Commerciales 13 2. Les méthodes Deux grandes familles de méthodes: Objectif Variables quantitatives Variables qualitatives multiples entre variables et/ou ressemblances entre individus Analyse en composantes principales (ACP) Analyse factorielle des correspondances (AFC AFCM) Réalisation d’une typologie des individus Méthodes de classification (CAH,..) AFC ou AFCM et classification Ecole des Hautes Etudes Commerciales 14 Régression linéaire, Analyse en composantes principales (ACP) Analyse factorielle des correspondances AFC Classification Hiérarchique 15 Méthodes abordées dans ce cours Ecole des Hautes Etudes Commerciales • Algèbre linéaire: Les données sont vues de manière abstraites comme un nuage de points dans un espace vectoriel. On utilise • Des matrices qui permettent de manipuler un ensemble de variables comme un objet mathématique unique ; • Des valeurs et vecteurs propres qui permettent de décrire la structure d'une matrice. • Des métriques : permettent de définir la distance entre deux points de l'espace vectoriel ; • Théorie des probabilités nécessaire en statistique inférentielle (estimation, tests, modélisation et prévision,...). Ecole des Hautes Etudes Commerciales 16 3. Individus et variables Population groupe ou ensemble d'individus que l'on analyse. Recensement étude de tous les individus d'une population donnée. Sondage étude d'une partie seulement d'une population appelée échantillon. Variables Ensemble de caractéristiques d'une population. Ecole des Hautes Etudes Commerciales 17 Variables • Echelles Qualitatives: appartenance a une catégorie donnée; • elles peuvent être nominales (ex : sexe, CSP). Les chiffres n’y représentent que des repères pour identifier et classer les objets • ou ordinales quand les catégories sont ordonnées, classées. Elles indiquent une position relative et non l’ampleur des différences entre les objets (ex : classement des marques). Ecole des Hautes Etudes Commerciales 18 Variables • Echelles Quantitatives dites aussi métriques: nombres sur lesquels les opérations usuelles (somme, moyenne,...) ont un sens ; elles peuvent être d’intervalles (attitudes ou opinions) ou de proportions (ex: CA, Dépenses) ; Ecole des Hautes Etudes Commerciales 19 Récapitulatif Echelle Caractéristiques Exemples marketing Traitements statistiques Nominale Objets identifiés et classés par des nombres Sexe, Région Mode Fréquence Chi-deux Ordinale Nombres indiquent la position relative des objets Classement des marques Médiane Corrélation des rangs Ecole des Hautes Etudes Commerciales 20 Récapitulatif Echelle Caractéristiques Exemples marketing Traitements statistiques D’intervalle Les différences entre les objets peuvent être comparés Attitudes Opinions Moyenne Ecart type Corrélations Analyse Factorielle De proportion Permet de calculer les proportions des valeurs des échelles Age, Part de marché + Régressions Ecole des Hautes Etudes Commerciales 21 Exemple Magasin Ordre de préférence Niveau de préférence de 1-7 Montant dépensé par visite (DA) 1 5 1 0 2 2 5 2 000 3 4 3 800 4 1 7 2 200 5 3 4 1 300 Ecole des Hautes Etudes Commerciales 22 4.Classification des techniques univariées Techniques univariées Données métriques Echantillon Unique Deux échantillons ou plus Données non métrique Echantillon unique Deux échantillons ou plus Ecole des Hautes Etudes Commerciales 23 5. Classification des techniques multivariées Techniques multivariées Méthodes explicatives Variable dépendante unique Plusieurs Variables dépendantes Méthodes descriptives Structuration des variables Similarités entre objets Ecole des Hautes Etudes Commerciales 24 6. Variable dépendante Vs Variable indépendante •« La variable dépendante est celle dont le chercheur essaye d'expliquer les variations (...) La variable indépendante est celle dont on essaie de mesurer et de comprendre l'influence sur la variable dépendante... » •En d'autres termes, la variable indépendante, objet de l'expérimentation, est une cause présumée de la variable dépendante, laquelle constitue la mesure de l'expérience. Ecole des Hautes Etudes Commerciales 25 •Exemple : •Si on compare les hommes et les femmes quant à leur satisfaction de la qualité d’un produit? •La variable indépendante c’est le Sexe •La variable dépendante est la satisfaction de la qualité d’un produit •Toujours se référer à la question de recherche… Ecole des Hautes Etudes Commerciales 26 •Exemple : •Est-ce qu’il existe une relation entre le volume des ventes et la taille de la force de vente? •Hypothèse : •VD : •VI : Ecole des Hautes Etudes Commerciales 27 •Exemple : •La publicité télévisuelle des marques de sportwear pendant les matchs de foot fait augmenter leurs CA ? •Hypothèse : •VD : •VI : Ecole des Hautes Etudes Commerciales 28 2. Analyses Univariées Ecole des Hautes Etudes Commerciales 29 Mesures de position centrale • Définition On note ou pour des données pondérées Propriétés la moyenne arithmétique est une mesure de tendance centrale qui dépend de toutes les observations et est sensible aux valeurs extrêmes. Elle est très utilisée a cause de ses bonnes propriétés mathématiques.       n i i i n i i x p x x n x 1 1 1 Ecole des Hautes Etudes Commerciales 30 Mesures de dispersion • Définition la variance de x est définie par L'écart type sx est la racine carrée de la variance. La variance est « la moyenne des carrés moins le carre de la moyenne ». L’écart-type, qui a la même unité que x, est une mesure de dispersion.     n i i x x x n s 1 2 2 ) ( 1 Ecole des Hautes Etudes Commerciales 31 3. Analyse Bivariées Ecole des Hautes Etudes Commerciales 32 1. La Notion de tableau de contingence 2. Tests associés aux tableaux croisés (Khi deux) 3. La corrélation linéaire Ecole des Hautes Etudes Commerciales 33 1. La Notion de tableau de contingence Permet d’étudier plusieurs variables simultanément Facilite la compréhension des relations entre deux variables Combien compte-t-on d’hommes parmi les fidèles à la marque? La connaissance d’un nouveau produit est-elle liée à l’âge et au niveau d’études? Résultats sous formes de tableaux dits tableaux de contingence Ecole des Hautes Etudes Commerciales 34 Exemple de tableau de contingence: Genre et utilisation d’Internet Hommes Femmes Total Ligne Faible 5 10 15 Importante 10 5 15 Total Colonne 15 15 Ecole des Hautes Etudes Commerciales 35 2. Statistiques associées aux tris croisés : Test Khi-deux Sert à tester la signification statistique d’une association Moyen de vérifier l’existence d’une association systématique entre les deux variables Comment calculer le χ2: Calcul de l’effectif théorique (effectif attendu pour chaque cellule si les variables ne présentent aucune association ft) Comparer à l’effectif observé (effectif réel de chaque cellule du tableau de contingence) Ecole des Hautes Etudes Commerciales 36 •ft = (nl*nc)/n •Ou nl = total de la ligne • nc = total de la colonne n= Taille de l’échantillon Soit fr les effectifs réels de chaque cellule    n cases toutesles r ft ft f 2 2 ) (  Ecole des Hautes Etudes Commerciales 37 Reprenez l’exemple précédent et calculer la valeur du χ2 χ2= Que représente cette valeur?? Comment l’interpréter?? Ecole des Hautes Etudes Commerciales 38 Deux Informations complémentaires: ddl = (nombre de lignes – 1) * (nombre de colonnes -1) ou bien (nombre de modalités de la variable X -1)* (nombre de modalités de la variable Y -1) Ensuite, nous devons choisir la probabilité de fiabilité du test : 5% de chances de se tromper, 1% ou 1 pour 1000. Nous allons choisir 5%, soit P = 0,05 (la norme dans uploads/Geographie/cours-1-add.pdf