EtudiantEco

Comme mon pseudo l'indique, je suis étudiant en économie politique. Je suis intéressé par la statistique, l'économétrie. Plus particulièrement par l'étude des séries temporelles (modèles VECM, Threshold VECM). Je suis aussi utilisateur de R.

Je suis également très intéressé par la problématique de l'environnement et travaille actuellement sur l'écologie industrielle

Bienvenue ! Ceci est ta page utilisateur, EtudiantEco.

N’hésite pas à la modifier pour t’y présenter, et expliquer ce que ce que tu veux faire sur Wikipédia !

Pour avoir des conseils pour l'utilisation de cette page, tu peux lire les recommandations.

Pour tes essais ou préparer un article, utilise ton espace de brouillon (ou un autre espace) plutôt que cette page. --Sire de Hephgé 19 août 2006 à 14:21 (CEST)

Un peu de chenit qui m'est utile

• Aide:Comment modifier une page

• le thé Projet:Mathématiques/Le_Thé

Les pages que je consulte souvent:

• Estimateur (statistique) [[Estimateur (statistique)|estimateur]]

• Biais (statistique) [[Biais (statistique)|estimateur biaisé]]

• Estimateur (statistique)#Convergence [[Estimateur (statistique)#Convergence|estimateur convergent]]

• • Convergence de variables aléatoires

• Moment (mathématiques) [[Moment (mathématiques)|moment]]

• Espérance mathématique [[Espérance mathématique|espérance]]

• Variance (statistiques et probabilités) [[Variance (statistiques et probabilités)|variance]] ,

• Test d'hypothèse, moment (mathématiques),
• Stationnarité d'une série temporelle [[Stationnarité d'une série temporelle|stationnaire]]

• Variable indépendante et identiquement distribuée [[Variable indépendante et identiquement distribuée]]
• Aide:Formules TeX

Théorème

{{Théorème|Définition|blabla}}

Définition — Une fonction $f$ d’un intervalle $I$ de $\mathbb {R}$ vers $\mathbb {R}$ est dite convexe lorsque, pour tous $x_{1}$ et $x_{2}$ de $I$ et tout $\lambda$ dans $[0,1]$ on a :

$f(\lambda \,x_{1}+(1-\lambda )\,x_{2})\leq \lambda \,f(x_{1})+(1-\lambda )\,f(x_{2})$

Démonstration

Modèle:Démonstration

{{démonstration|On peut montrer l'équivalence entre ces postulats à l'aide des [[Multiplicateur de Lagrange|multiplicateurs de Lagrange]]. Dans l'[[ensemble microcanonique]], l'énergie est fixée à une valeur <math>E</math>, et on a donc : :<math>p_i = 0 \qquad E_i \not = 0 </math> }}

Démonstration

On peut montrer l'équivalence entre ces postulats à l'aide des multiplicateurs de Lagrange. Dans l'ensemble microcanonique, l'énergie est fixée à une valeur $E$, et on a donc :

$p_{i}=0\qquad E_{i}\not =0$

• {{Résumé introductif trop long}}

lien anglais

• {{Lien|Test de Dickey Fuller|en|trad=Dickey-Fuller test}}:

Test de Dickey Fuller (en)

Artcile détaillée

• {{article détaillé|1884 au Canada}}

Périodique

• {{Article| auteur = Philips P.C.B| titre = Understanding Spurious Regression in econometrics | journal = Journal of econometrics | vol = 33 | date= 1986 | pages = 311-340}}

Philips P.C.B, « Understanding Spurious Regression in econometrics », Journal of econometrics, vol. 33,‎ 1986, p. 311-340

Tableau R et boite déroulante

Régression de deux bruits blancs générés aléatoirement

Résultat affiché

Code R

Call: lm(formula = x ~ y) Residuals Min 1Q Median 3Q Max -2.776e+00 -6.140e-01 -1.208e-03 6.279e-01 3.205e+00 Coefficients Estimate Std. Error t value Pr(>|t|) (Intercept) 0.03447376 0.04348857 0.79270862 0.42832508 y -0.04997771 0.04306249 -1.16058589 0.24636639 Residual standard error: 0.972 on 498 degrees of freedom Multiple R-squared: 0.0027, Adjusted R-squared: 0.000695 F-statistic: 1.35 on 1 and 498 DF,p-value: 0.246

set.seed(123) #Conditionnement du compteur aléatoire pour obtenir les mêmes valeurs que l'exemple x<-rnorm(500) #Simulation d'un bruit blanc y<-rnorm(500) #Simulation d'un bruit blanc summary(lm(x~y)) #Régression linéaire

 

Résultat affiché

Code R

Call: lm(formula = x ~ y) Residuals Min 1Q Median 3Q Max -2.776e+00 -6.140e-01 -1.208e-03 6.279e-01 3.205e+00 Coefficients Estimate Std. Error t value Pr(>|t|) (Intercept) 0.03447376 0.04348857 0.79270862 0.42832508 y -0.04997771 0.04306249 -1.16058589 0.24636639 Residual standard error: 0.972 on 498 degrees of freedom Multiple R-squared: 0.0027, Adjusted R-squared: 0.000695 F-statistic: 1.35 on 1 and 498 DF,p-value: 0.246

x<-cumsum(rnorm(100)) #x: simulation d'une variable intégrée d'ordre 1 y<-cumsum(rnorm(100)) #y: simulation d'une variable intégrée d'ordre 1 summary(lm(y~x)) #Régression linéaire

réf nécessaire

• {{Référence nécessaire|En outre le PET des bouteilles d'[[eau gazeuse]] résiste à des pressions élevées (10 bars).}}

En outre le PET des bouteilles d'eau gazeuse résiste à des pressions élevées (10 bars).^{[réf. nécessaire]}

Chenit

• Texte utile?

Robinson, Joan. 1953–54. “The Production Function and the Theory of Capital.” Review of Economic Studies. 21:2, pp. 81–106

Even in the first case, in a time series generated from a stochastic process, we cannot say that the time series is stationary or nonstationary unless we know the generating process. In fact, any short time series (theoretically, any time series with finite length) can be generated by infinite stochastic processes, stationary and nonstationary.