Chaines de Markov et modèles de transition : applications aux sciences sociales Coll. Interdisciplinarité et nouveaux outils

Cet ouvrage est consacré à l'étude des chaînes de Markov et des modèles de transition. Il présente de façon claire et précise un ensemble de méthodes d'analyse novatrices ayant un très large champ d'application en sciences sociales et dans tous les domaines travaillant avec des données catégorielles. Prenant comme point de départ l'analyse des tables de contingence, l'auteur les transforme de façon à exploiter au maximum l'information qu'elles renferment. Des mesures de qualité et de pouvoir prédictif des données sont présentées, ainsi que des méthodes permettant une analyse dynamique des relations entre variables. Dans un souci pédagogique, de très nombreux exemples viennent illustrer chacun des concepts proposés, faisant de cet ouvrage un véritable manuel d'analyse de données et rendant son contenu immédiatement utilisable.

Partie I. - Les chaînes de Markov 1. Les chaînes de Markov 2. Les matrices de transition 3. Stabilité des matrices de transition 4. Qualité informative des matrices de transition Partie II. - Modélisation des processus de transition 5. Pourquoi modéliser ? 6. Le modèle de Raftery et ses dérivés 7. Modélisation générale des chaînes de Markov 8. Le théorème limite 9. Le modèle général de transition 10. Structure en réseau du modèle 11. Estimation des modèles de transition 12. Simulations numériques Partie III. - Applications 13. Applications théoriques 14. Applications empiriques 15. Le système suisse d'assurance-maladie Annexes A. - Notation - B. - Notions de calcul matriciel - C. - La série géométrique - D. - Les processus autorégressifs Références - Index

Cet ouvrage offre un ensemble d'outils statistiques, permettant d'analyser et de valider différents types de tableaux croisés. Il inclut des outils très récents parus que dans les revues statistiques et contient également de nombreux exemples et applications rendant très aisée la mise en oeuvre pratique des concepts dans tous les domaines travaillant avec des données catégorielles.