Recherche

3. Modèles données 1

individuelles
Marketing et Stratégie

1. Modèles d’aide à la décisio

Master

2. Modèles données agrégées

3. Modèles données individuel

Modèles d’aide à la décision en

les

4. Modèles intégrés
MKG

5. Modèles de LTV

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche 2

Problématique générale
 Reconstituer les ventes pour les alternatives (produits)
Marketing et Stratégie

proposées en fonction des caractéristiques

Master

 Différentes problématiques
 Analyse des données comportementales (panel, BDD)
 Elaboration du lien entre les caractéristiques produit et les
Modèles d’aide à la décision en

préférences exprimées (Analyse conjointe) (déclaration,

enquête)
 Construction de l’univers des représentations perceptuelles

Des produits (analyse des similarités-proximités), holistique,
MKG

décomposition

Des attributs (positionnement ACP), composition

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche 3

Modèle conceptuel
Marketing et Stratégie

INDIVIDUEL
Achat
{Attributs} Référence
Master

(t-1)

Perceptions
des niveaux
sur les
attributs
Préférence Choix Achat
Modèles d’aide à la décision en

relative Intention d’achat Comportement

Valorisation des niveaux
- Estimée
- Déclarée

{ E de considération }
MKG

SEGMENT

MARCHE Elasticités Ventes

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche
Approche théorique du 4

Comportement du client
 Processus de décision
Marketing et Stratégie

 Décision individuelle ou collective

Master

 Information disponible, recherchée, prise en compte

 Composantes de la valeur : utilitaire, hédonique, sociale
 Sélection et Evaluation des alternatives (poids des critères)
 Préférence, intention d’achat, choix
Modèles d’aide à la décision en

 Segmentation
 Situation de consommation, implication
 Bénéfices recherchés (valorisation des attributs)
MKG

 Habitudes de consommation, caractéristiques individuelles

 Déterminants
 Situation et besoins, motivation
 Produits : Ensemble évoqué, de considération
 Attributs : considération, point de référence
Pierre Desmet < > MENU PRINCIPAL QUITTER
Recherche
Méthodes de projection en 5

marketing
 Méthodes de décomposition ou de composition
Marketing et Stratégie

 Décomposition : différences perçues entre les objets (dépliage –

Master

Unfolding)
 Composition : évaluation des objets sur des attributs
 Carte des Perceptions à partir
 Des (dis)similarités entre alternatives
Modèles d’aide à la décision en

 De l’évaluation alternatives x attributs

 Carte des préférences
 Point idéal
MKG

 Modèle vectoriel
 Cartes jointes Perception et préférence
 Ajout des préférences sur les perceptions
 Recherche d’une configuration commune perception-préférence

Pierre Desmet < > Positioning–8QUITTER

MENU PRINCIPAL
 6
1. Analyse des perceptions et
Recherche

similarités
 Approches de décomposition
Marketing et Stratégie

 identifier les proximités entre objets (marques) grâce à une

Master

représentation spatiale réductrice des distances qui les

séparent
 Postulats
 tout produit est un panier d'attributs
Modèles d’aide à la décision en

 un objet est représenté dans l'espace par un point dont les

coordonnées sont les évaluations de l'objet sur les attributs
 l'individu synthétise en quelques dimensions privilégiées
MKG

 Mesure : distances objet x objet

 Questions
 combien de dimensions ?
 quels sont les attributs privilégiés ?
 comment est organisée la représentation ?

Pierre Desmet < > MENU PRINCIPAL QUITTER

 7

Mesures des similarités

Recherche

 rangement par paire AB> AC > AD > ...

Marketing et Stratégie

 notation des paires (très -pas du tout semblables)

Master

AB 1--2--3--4--5
 tétrades : choisir la paire la plus semblable parmi 2
(AB, AC) => AB
 triades : l'objet le plus semblable à celui de gauche
Modèles d’aide à la décision en

A -- (B, C) => B
 triade de Kelly : parmi 3, la paire la plus semblable, la plus
différente (A,B,C) => +(A,C) - (C, B)
MKG

 point d'ancrage :
 rangement des objets à partir d'un produit tiré au sort

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche
Construction de la carte des 8

similarités
 SANS demander des perceptions sous forme quantitative
Marketing et Stratégie

 recherche de la configuration géométrique

Master

 La plus économe et la mieux adaptée

 en partant d'une dimension donnée de l’espace
 approximation
Modèles d’aide à la décision en

 d'un classement non métrique

 par une distance métrique
 minimisation du stress:
distance à ajouter aux distances métriques
MKG

 pour vérifier les classements

Pierre Desmet < > MENU PRINCIPAL QUITTER

 Exemple Dépliage multi-
Recherche
dimensionnel 9

Voitures
Marketing et Stratégie
Master

Saxo Citroën
Peugeot 206 Renault Twingo Renault Clio
Modèles d’aide à la décision en

Ford Ka Daewo Matiz Lancia Ypsilon

MKG

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche 10

Exemple Voitures
 [Link]
Marketing et Stratégie

 Entrez vos préférences, Entrez vos perceptions de similarité

Master

 ordre décroissant de proximité des couples

 Utiliser le solveur d’excel pour reconstituer
 L’espace perceptuel en deux dimensions avec le stress minimal
 l’ordre de vos préférences
Modèles d’aide à la décision en

[Link]
Desmet 2006 Graphique des perceptions et point idéal (similarités)

1,00

Exercice de compréhension du dépliage multidimensionel

(1) Entrez vos perceptions de la similarité entre les voitures (bleu) (classement des paires) 0,50
Saxo
(2) Entrez vos préférences (jaune) (rang décroissant)
MKG

-0,37
Clio
Matrice similarité -1,00
-0,04
Fiesta 1,00

Etiquette Ka Twingo Clio Saxo Fiesta Préférences -0,50

Twingo
Ka 5 9 8 4 1 0,30
Ka
Moi
-0,13
Twingo 1 10 3 2
Clio 7 2 3
-1,00
Saxo 6 4
Fiesta 5

(3) Notez sur un papier sur quels critères ces voitures se différencient
(4) Sur la feuille Calcul, utilisez le solveur en deux étapes
(5) Puis allez interprétez la représentation graphique obtenue
(utiliser les onglets en bas des feuilles)

Pierre Desmet < > MENU PRINCIPAL QUITTER

 11

Carte des préférences

Recherche

 Ordre des préférences sur les objets

Marketing et Stratégie

 2 types d'analyse
Master

 Interne (indépendant) : simultanément les perceptions et les

préférences
 Externe (deux étapes séparées)

Configuration sur les perceptions
Modèles d’aide à la décision en


Emplacement selon les préférences
 Détermination de l'ordre des préférences
 le point idéal (optimum fini) le vecteur idéal (optimum
infini) A I
MKG

B
C
A
I
C B

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche 12

En savoir plus
 Prefmap (logiciel) [Link]
Marketing et Stratégie

 En sas :
Master

[Link]
l
 PERMAP : Logiciel gratuit : [Link]
 Présentation technique précise [Link]
Modèles d’aide à la décision en
MKG

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche 13

2. Modèle d’utilité aléatoire

Un consommateur choisit l’alternative qui maximise son
Marketing et Stratégie

utilité avec un modèle à utilité aléatoire

Master

U ij V j   ij V j   k .X jk
k
Modèles d’aide à la décision en

avec: i= individu, j = alternative et k = attribut.

Uij =Utilité du produit j pour l ’individu i

Vj =Composante déterministe de l ’utilité qui dépend des
MKG

caractéristiques du produit et du fournisseur

ij =Terme d ’erreur représentant la composante non-
déterministe
bijk=valeur de l ’attribut k de l ’alternative j.

wk =pondération de l’attribut

Pierre Desmet < > MENU PRINCIPAL QUITTER

 14

Modèle Multinomial Logit (MNL)

Recherche

Le modèle LOGIT suppose que le terme d ’erreur (ij) suit une

Marketing et Stratégie

distribution spécifique (double exponentielle)

Master

Vj
e
Alors pj 
 eVl

avec:
pj =probabilité que l’individu choisisse l ’alternative j
Modèles d’aide à la décision en

Vj =utilité de l’alternative j
V
e j 1 p
p j  Vi Vl  ln( ) (V j  Vi )
e e 1  eVi  Vl 1 p
MKG

Binomial si 2 alternatives, multinomial logit (MNL) si plusieurs

alternatives
Le modèle PROBIT suppose que le terme d’erreur suit une loi normale
Son estimation est un peu plus complexe et peut limiter le nombre de
variables explicatives,
mais n’est pas soumise à l’hypothèse IIA
Pierre Desmet < > MENU PRINCIPAL QUITTER
Recherche
Implication : l’effet d’une 15

variable explicative n’est pas

constant
 Une mesure intervalle de l’utilité suffit
Marketing et Stratégie
Master

 L ’effet marginal d’un attribut est variable selon le

niveau actuel des attributs
dPil
wk Pil* (1  Pil* )
dbijk
Modèles d’aide à la décision en

 Il est maximal quand la probabilité de choix s’approche

de 0.5
MKG

Effet marginal d’un

attribut sur la probabilité
de choisir une alternative

0.5
Probabilité de choix d ’une alternative
Pierre Desmet < > MENU PRINCIPAL QUITTER
Recherche 16

Du tableau croisé au Logit

Marketing et Stratégie
Master

[Link]

Régression Logistique
X1 X2 ^Y
Non Effectifs
Genre (X1) Ancienneté (X2) Acheteurs acheteurs Effectifs % % Acheteurs p/(1-p) ln[p/(1-p)] 0,603 -0,513 -2,545 113
Femme (0) < 6 mois (0) 291 3 424 3 715 29,4% 7,83% 0,085 -2,47 0 0 -2,55 24
Femme (0) => 6 mois (1) 138 3 210 3 348 26,5% 4,12% 0,043 -3,15 0 1 -3,06 26
Modèles d’aide à la décision en

Homme (1) < 6 mois (0) 324 2 508 2 832 22,4% 11,44% 0,129 -2,05 1 0 -1,94 31
Homme (1) => 6 mois (1) 240 2 508 2 748 21,7% 8,73% 0,096 -2,35 1 1 -2,45 32
993 11 650 12 643 7,85%

Prévu
% réel et prévu
14%
Acheteurs % acheteurs 12%
10%
Genre (X1) Ancienneté (X2) réel prévu réel prévu Chi2
MKG

8%
Femme (0) < 6 mois (0) 291 270 7,83% 7,28% 1,76
Femme (0) => 6 mois (1) 138 150 4,12% 4,49% 1,00 6%
Homme (1) < 6 mois (0) 324 355 11,44% 12,55% 3,09 4%
Homme (1) => 6 mois (1) 240 217 8,73% 7,91% 2,65 2%
993 992 7,85% 7,85% 8,51 Réel
0%
Chi2 critique à 5% 9,49
0% 2% 4% 6% 8% 10% 12% 14%
le modèle peut être accepté

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche
Implication (hypothèse lourde 17

IIA)
 Hypothèse de l’indépendance des alternatives non
Marketing et Stratégie

pertinentes
Master

 IIA Independence of irrelevant alternatives

 Le rapport de deux probabilités de choix ne dépend pas des
autres alternatives
 Logit : Une marque « tire » sa part de marché
Modèles d’aide à la décision en

supplémentaire de la PdM des concurrents de manière

proportionnelle à leur PdM (proportional draw)
 Pas de « proximité » concurrentielle des marques
 Hypothèse simplificatrice très utile mais dont il faut tester
MKG

la validité
 Analyse des résidus

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche 18

Nombreuses variantes du logit

 La terminologie n’est pas standardisée
Marketing et Stratégie

 Selon les variables explicatives

Master

 Variables des alternatives (produit):


« Baseline » ou « multinomial logistic regression »
 Variables individuelles :

« Conditional logit model »
Modèles d’aide à la décision en

 Les deux catégories de variables en même temps


« Mixed logit model »
MKG

Pierre Desmet < > MENU PRINCIPAL QUITTER

 19
Utilisation du MNL
Recherche

dans les études de segmentation

 Idée fondamentale : segmenter la base des acheteurs selon
Marketing et Stratégie

la probabilité de choix de la marque

Master

 Fidèles à la marque
 Fidèles au concurrent
 Volages : à gagner à perdre
 Modélisation des préférences individuelles (Guadagni et
Modèles d’aide à la décision en

Little)
 Introduction d’une variable de fidélité (marque,
conditionnement)
Fidel(t) = (1-a).Fidel(t-1) + [Link] (quel lissage ?)
MKG

 Mais attention à la relation avec les variables explicatives

 Difficulté d’initialisation

Durée et forme de l’initialisation

conséquence sur la composition de l’échantillon

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche 20

Exemple
 [Link]
Marketing et Stratégie
Master

[Link]
© 2004 Desmet Pierre

Introduction à l'analyse des données individuelles longitudinales

Adaptation d'une idée originale de
Gary Lilien et Arvind Rangaswamy, Marketing Engineering
Modèles d’aide à la décision en

Données Actions : actions marketing des marques par périodes Solveur

Panel : achats des consommateurs coefficients
erreurs
Initialisation consommation moyenne
vecteur de fidélité
coefficient de fidélité
MKG

Estimation modèle de volume

modèle de choix

Analyse part de marché

relation fidélité & choix

Optimisation choix de la politique promotionnelle

Pierre Desmet < > MENU PRINCIPAL QUITTER

 21
Modélisation intégrée
Recherche

(ex Price Challenger © GFK)

Marketing et Stratégie

• Sur l’ensemble évoqué, 1

• prob (aij )  ß  uij  uik ( pk  p j ) 
Master

par simulation aléatoire (shopping game)

1   k j e
• Avec ajustement de l’élasticité sur celle
obtenue avec des données de panel 1
• y
1  e  ij kj j
équation de probabilité d’achat avec a b  u ( p  p )
effet de prix rond et
Modèles d’aide à la décision en

• équation de quantité achetée 35 Product A Product B

Competitor 1 Competitor 2
30
Competitor 3 Competitor 4

25
MKG

Competitor 5

20

15

10

0
0,85 0,9 0,95 1 1,05 1,1 1,15 1,2 1,25 1,3 1,35

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche 22

3. Analyse conjointe
 Objectif :
Marketing et Stratégie

 Déterminer les utilités partielles attribuées aux caractéristiques

Master

 Procédure
 Collecter des choix dans un cadre expérimental

Avec profil complet ou attributs 2 à 2 (trade off)
 Hypothèse
Modèles d’aide à la décision en

 Cadre du modèle de Lancaster : séparabilité des attributs

 À partir d’une utilité additive
MKG

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche
La base théorique : Modèle 23

d'attitude
 Composantes de l'attitude
Marketing et Stratégie

 COGNITIVE : les connaissances et croyances

Master

 AFFECTIVE : évaluation / préférences

 CONATIVE : intention d’achat
K
 Modèle multi-attributs (Fishbein) A    i . ai
Modèles d’aide à la décision en

i 1
MKG

 A = l’attitude vis-à-vis de l’objet présenté

 a i = l’évaluation de l’objet sur l’attribut i (i ={1, ...K})
 i = le poids accordé à l’attribut i.

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche 24

Etapes de la démarche
 Quels attributs et modalités ?
Marketing et Stratégie

 Objectif ou perçu ?
Master

 Quels stimuli ?
 Plan expérimental, plan adaptatif (papier ou ordinateur,
internet)
 Description verbale, dessin-image, objet réel
Modèles d’aide à la décision en

 Quel profil des objets ?

 Complet ou Trade-off
 Quelles réponses ?
MKG

 Préférence, classement, note, points alloués, choix

 Quel niveau d’analyse (agrégation) ?
 Quel modèle et quelle méthode d’estimation ?
 Quelle agrégation ?
 Part de l’utilité, premier choix, logit,…
Pierre Desmet < > MENU PRINCIPAL QUITTER
Recherche 25

Modèle de valeur
 Règle de composition :
Marketing et Stratégie

 Linéaire
Master

 Linéarisable
 Point à point, linéaire par partie (part-worth)
 Avec seuil
 Avec interaction
Modèles d’aide à la décision en

 Tous les attributs suivent-ils le même profil ?

 Effet selon la position relative / à la référence
 Effet si négativement perçu
MKG

 Effet si positivement perçu

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche 26

Méthodes d’analyse
 Réponse quantitative :
Marketing et Stratégie

 échelle d’intention d’achat, partage de 100 points,…

Master

 ANOVA
 Régression avec variables auxiliaires
 Réponse ordinale :
 Classement
Modèles d’aide à la décision en

 MONANOVA (Anova avec monotonicité)

 Programmation linéaire (LINMAP) et analyse de sensibilité
 Logit ordonné
 Choix parmi n options
MKG

 Logit multinomial
 Réponse binaire :
 Binaire : IA oui / Non
 Logit

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche 27

Evolution des méthodes

 Auto-expliqué (self explicated)
Marketing et Stratégie

 100 points entre les attributs

Master

 0 à 10 sur les modalités

 Approche simplifiée
 Marque contre prix (BPTO)
 Analyse conjointe simple
Modèles d’aide à la décision en

 Modèle mixte (CCA)

 Évaluation des modalités
 Réponses sur les alternatives
MKG

 Modèle adaptatif (ACA)

 Pilotage de la collecte en fonction des réponses précédentes
 Modèle hybride
 Prendre en compte des variables individuelles

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche 28

Agrégation et simulation
 Différentes règles de choix
Marketing et Stratégie

 Utilité maximale : premier choix = 1

Master

 Utilité pondérée (0.6;0.3;0.1)

 Part d’utilité : Ui / somme Uj
 Règle Logit : Exp(Ui)/ somme[Exp(Uj)]
Segmentation
Modèles d’aide à la décision en

 Non
 Oui

Préalable (sur des caractéristiques individuelles)
MKG


Concomitante (classes latentes)

Postérieure (sur le profil des utilités)
 Hétérogénéité

Modèle hiérarchique

Pierre Desmet < > MENU PRINCIPAL QUITTER

 29

Illustration Brand-price trade-off

Recherche

(BPTO)
Marketing et Stratégie

 [Link]
Master

Eaux minérales 1,5 Litres plastique

Evian Contrex St Amand Orée
Modèles d’aide à la décision en
MKG

Indiquez le rang de vos préférences ? (1 puis 2, 3 etc…)

Prix 1 Prix 2 Prix 3 Prix 4

Evian 1 2 3 4
Contrex 10 13 15 16
St Amand 5 6 9 12
Orée (Auchan) 7 8 11 14

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche 30

BPTO par Régression linéaire

Marketing et Stratégie
Master

Modèle linéaire sur les rangs (régression)

Utiliser le solveur pour estimer les coefficients et MINIMISER la case en rouge

30,1 -11 -10 -12 -24,37 9,95

A B C D px Classt Régression
117 0 0 0 0,52 1 16 17,4 2,03 -0,4 Indice de valeur des marques
1 0 0 0 0,60 2 15 15,5 0,23 1,516
16 0
Modèles d’aide à la décision en

1 0 0 0,68 3 14 13,5 0,23 3,5

140
115 0 0 0 0,76 4 13 11,6 2,03 5,4
114 1 0 0 0,54 10 7 6,4 0,33
1510,6
1 1 0 0 0,62 13 4 4,5 0,23 12,5 120
1
13 1 0 0 0,70 15 2 2,5 0,2813 14 14,5
112 1 0 0 0,78 16 1 0,6 0,18 16,4 100
Note de régression

111 0 1 0 0,32 5 12 11,9 11 120,01 5,1 100

1 0 1 0 0,40 6 11 10,010 1,05 7,0
10
1 0 1 0 0,48 9 8 8,0 0,00 9,0
19 0 1 0 0,56 12 85 9 6,1 1,16 10,9 80
MKG

18 0 0 1 0,34 7 10 9,9 0,01 7,1 65 66

1 0 0 1 0,42 8 9 8,0 1,05 9,0 61
7 6 7 60
1 0 0 1 0,50 11 6 6,0 0,00 11,0
16 0 0 1 0,58 14 3 4,1 1,16 12,9
Evian Contrex
St Amand 4 5
Orée (Auchan)
5 40
100 65,1 65,5 60,5
4
3
3 20
2
2
1
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Evian Contrex St Amand Orée (Auchan)
1 Classement

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche
BPTO par Programmation 31

linéaire
Marketing et Stratégie

Modèle par programmation linéaire (Min sous contraintes)

Master

initialisa Evian Contrex St Amand Orée Prix Que faire ?

tion (Auchan)
0,19 0,31 0,25 -2,00 Restitution de vos choix
(minimiser) BON : uniquement ascendant ; MAUVAIS : ligne brisée
0,00 -0,71 -0,74 -0,80 -1,50 100,00 Astuce !
1

Préférences (rang)
2
Produit Rang Rang
3
Prix préférence Utilité préférence Utilité Marque Prix
Modèles d’aide à la décision en

décroissante estimée décroissante estimée 4

1 1 1,00 1 1,00 Evian 0,52 5
2 2 0,89 2 0,89 Evian 0,60 6
3 3 0,78 3 0,78 Evian 0,68
7
4 4 0,67 4 0,67 Evian 0,76
8
5 10 0,33 5 0,60 St Amand 0,32
6 13 0,22 6 0,49 St Amand 0,40 9
MKG

7 15 0,11 7 0,52 Orée (Auchan) 0,34 * 10

8 16 0,00 8 0,41 Orée (Auchan) 0,42 11
9 5 0,60 9 0,38 St Amand 0,48
12
10 6 0,49 10 0,33 Contrex 0,54
13
11 9 0,38 11 0,30 Orée (Auchan) 0,50
12 12 0,27 12 0,27 St Amand 0,56 14
13 7 0,52 13 0,22 Contrex 0,62 15
14 8 0,41 14 0,19 Orée (Auchan) 0,58 16
15 11 0,30 15 0,11 Contrex 0,70 0,000 0,100 0,200 0,300 0,400 0,500 0,600 0,700 0,800 0,900 1,000

16 14 0,19 16 0,00 Contrex 0,78 Utilité

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche 32

Modèle auto-expliqué
 Le répondant alloue 100 ponts en fonction de l’importance
Marketing et Stratégie

perçue du critère
Master

 [Link]

Etude du problème (I) Modèle self-expliqué

Importance de la Préférence pour la
Modèles d’aide à la décision en

Définissez les caractéristiques du problème variable première modalité

Répartissez 100
oui / non
points
Variable 1 Classe Classe 30
modalités 1ère C 2ème C 1ère C -1
(138 €) (84 €)
Variable 2 Position Position 5
MKG

modalités Couloir Fenêtre Couloir oui 1

Variable 3 Fumeur Fumeur 50

modalités Fumeur Non Fumeur -1

Variable 4 Changement Changement 15

modalités Changt Non Changt -1
(6h19) (5h36 )
il reste : 0

Pierre Desmet < > MENU PRINCIPAL QUITTER

Recherche
Application analyse conjointe 33

simple
 Classement des préférences
Marketing et Stratégie

Détermination des utilités partielles par solveur Votre fonction d'utilité additive
Master

solution d'initialisation
0,56 0,00 1,00 0,33
Pour les produits décrits ci-dessous, Rang Utilisez le SOLVEUR === >>> 0,56 -0,12 1,31 0,33
Indiquez votre classement ===> préférence Utilité 0,0
Trains Classe Position Fumeur Changement décroissante estimée
1 1ère C Couloir Fumeur Changt 15 0,05 Classe Position Fumeur Changement
Modèles d’aide à la décision en

2 1ère C Couloir Fumeur Non 13 0,19 1ère C 2ème C Couloir Fenêtre Fumeur Non Changt Non
3 1ère C Couloir Non Changt 7 0,62 -0,56 0,56 0,12 -0,12 -1,31 1,31 -0,33 0,33
4 1ère C Couloir Non Non 5 0,76
1,50
5 1ère C Fenêtre Fumeur Changt 16 0,00
6 1ère C Fenêtre Fumeur Non 14 0,14 1,00
7 1ère C Fenêtre Non Changt 8 0,57
MKG

8 1ère C Fenêtre Non Non 6 0,71 0,50

9 2ème C Couloir Fumeur Changt 11 0,29
10 2ème C Couloir Fumeur Non 9 0,43 0,00

Fumeur
Couloir
1ère C

2ème C

Changt
Non

Non
3

Fenêtre
11 2ème C Couloir Non Changt 0,86
12 2ème C Couloir Non Non 1 1,00 -0,50

13 2ème C Fenêtre Fumeur Changt 12 0,24

-1,00
14 2ème C Fenêtre Fumeur Non 10 0,38
15 2ème C Fenêtre Non Changt 4 0,81
-1,50
16 2ème C Fenêtre Non Non 2 0,95

Pierre Desmet < > MENU PRINCIPAL QUITTER