Le projet de recherche intitulé « Projet CAP RECHERCHE » vise à mieux comprendre les mécanismes qui favorisent la progression des projets entrepreneuriaux portés par les étudiants-entrepreneurs du site universitaire clermontois. À travers des méthodes statistiques et multidimensionnelles, cette étude cherche à identifier les principaux facteurs liés au profil de personnalité professionnelle, à la créativité, à l’incertitude, à l’auto-efficacité ou encore aux dynamiques de construction des projets entrepreneuriaux. Ce travail de recherche est porté par une équipe pluridisciplinaire rattachée au CleRMa et impliquée dans le dispositif PEPITE Clermont Auvergne. Alexandre CABAGNOLS et Yassine LOUZZANI travaillent sur le processus entrepreneurial, les réseaux d’affaires et les transitions vertes. Evelyne Bernard s’intéresse aux profils de personnalité des entrepreneurs et aux questions de vocation entrepreneuriale. Dieter Hillairet mène des travaux sur la créativité, l’innovation ouverte et les méthodes pédagogiques innovantes telles que Lego Serious Play. Dans le cadre de ce projet, Boubacar GUIDA intervient en tant qu’ingénieur d’études statistiques pour la mise en œuvre des analyses statistiques, économétriques et multidimensionnelles des données recueillies.

Workshop 1 - Time Series Models Alberto Dorantes D., Ph.D. Tec de Monterrey

A Data Analytics study analyzing 102 tender records from an oil and gas engineering services firm in Nigeria, using EDA, visualization, hypothesis testing, correlation analysis, and logistic regression to identify drivers of bid success.

ECON 465 - Stage 1: Data Proposal & Probability Analysis

DFA

Los resultados obtenidos permiten comprobar empíricamente la Ley de los Grandes Números (LGN) aplicadas a variables relevantes en la operación de un call center. Tanto la distribución de Poisson, utilizada para modelar el número de llamadas recibidas por hora, como la distribución Gamma, empleada para representar los tiempos de atención, evidencian un comportamiento convergente conforme aumenta el tamaño muestral. En términos aplicados, los hallazgos demuestran la importancia de trabajar con grandes volúmenes de datos en sistemas operativos reales, ya que las decisiones basadas en muestras pequeñas pueden conducir a interpretaciones erróneas. Por ello, la simulación probabilística y los métodos Monte Carlo representan herramientas fundamentales para la planificación, optimización y predicción en entornos de atención masiva como los call centers.

Linear Correlation and Regression