Drogues

Description

• An:   Année
• Lieu: CA1 : northeastern California,
      CA2 : San Francisco and thenorthern coastal region,
      CA3 : central coast,
      CA4 : east central California,
      CA5 : coastal counties from San Luis Obispo to Los Angeles,
      CA6 : San Bernadino, Orange, and Riverside counties
      CA7 : San Diego and Imperial counties.
      AK : Alaska
      HI : Hawai
      OR : Oregon
      WA : Washington
  
• Drogue: Coc, Crack, Meth, HerB, HerW, HerT, HerO, MJImp, MJDom, MJSin, Hash
       Pour: Cocaine, Crack, Methamphetamine, Heroin (Brown, White, Tar,?),
              Marijuana (Imported, Domestic, Sinsemilla), Hashish.
• Poids: Poids de de la drogue vendue lors de la transaction (grammes)
• Prix: en dollars
• Purete: Pureté de la drogue (en %).

Analyse

• Hétérogénéité des données:
  • Après avoir étudié les variables, on séparera l'ensemble en deux (ou trois) sous-ensembles sur chacun desquel on fera une étude séparée (On peut également faire une étude globale en introduisant la variable d'ensemble et en la mettant l'interaction mais c'est plus lourd).
• Bien choisir les échelles.

• Un peu de commerce: On suppose que chaque intermédiaire revend des quantités R fois moindres avec un prix unitaire multiplié par M, et que le premier intermédiaire vend des quantités q₀ au prix unitaire p₀. Le j-ième intermédiaire vend donc des quantités d'ordre q₀R^1-j au prix unitaire p₀M^j-1.
  Un acheteur d'une quantité q aura donc affaire au j-ième intermédiaire avec j tel que q~q₀R^1-j, soit j-1=log(q_0/q)/log(R), et il payera un prix unitaire p₀M^j-1=p₀ (q₀/q)^{log(M)/log(R)}. Il payera donc q^{1-log(M)/log(R)} fois une constante.
  On suppose que chaque intermédiaire fait un bénéfice de 30%, à combien le modèle de régression (bien choisi) estime-t-il R?

Source