The evaluation of European criminal law
The example of the Framework Decision on combating trafficking in human beings
Première édition
The role of evaluation has become increasingly important in the context of EU policies in the field of judicial cooperation in criminal matters. This evolution is the result of an increasing number of legally binding instruments adopted in the framework of the third pillar of the European Union and of their growing impact on national legal systems. Lire la suite
Evaluation represents an essential tool to appreciate the legislative and practical implementation of existing European criminal law and to assess and measure in greater detail the effects and impact of EU legislation. Therefore, it plays a significant role in the establishment and strengthening of mutual trust in the EU area of freedom, security and justice.This book aims at developing a methodology for the assessment of the implementation and impact of European criminal law.
The main purpose of this exercise is to test this methodology on the Framework Decision of 19 July 2002 on combating trafficking in human beings. The choice of this legal instrument is particularly appropriate since it is aimed at harmonising the Member States’ national laws as regards a most serious and specific offence which is related to modern slavery and exploitation of human beings.The book starts with a general analysis of evaluation. This is followed by a series of country chapters, analysing the transposition and implementation as well as the impact of the Framework Decision on trafficking in human beings in 12 selected Member States of the European Union. These contributions served as the basis for more general conclusions drawn up in the final part of the book.
This book is the result of a team work performed by academics and researchers who are members of ECLAN (European Criminal Law Academic Network).
Acheter cet ouvrage sur le site de notre partenaire
Spécifications
- Éditeur
- Éditions de l'Université de Bruxelles
- Édité par
- Anne Weyembergh, Veronica Santamaria,
- Introduction de
- Anne Weyembergh, Veronica Santamaria,
- Contributions de
- Matjaž Ambrož, Laura C. Bosch, Martin Böse, Nikolaos Chatzinikolaou, Paul De Hert, Francisco Javier de León, Giulietta Gamberini, Athina Giannakoula, Giovanni Grasso, Maria Kaiafa-Gbandi, Adam Łazowski, Katalin Ligeti, Annalisa Lucifora, Manuel Maroto, Jürgen Millen, Theodor Papakyriakou, Mojca M. Plesničar, Maitena Poelemans, Miguel Ángel Rodríguez, Robert Roth, Veronica Santamaria,
- Collection
- Études européennes | n° 45
- ISSN
- 13780352
- Langue
- français
- Site web ressource
- Oapen.org
- Catégorie (éditeur)
- > Droit
- BISAC Subject Heading
- LAW026000 LAW / Criminal Law
- Code publique Onix
- 06 Professionnel et académique
- CLIL (Version 2013-2019 )
- 3259 DROIT
- Subject Scheme Identifier Code
- Classification thématique Thema: Droit international public : droit pénal
Livre broché
- Date de publication
- 21 janvier 2008
- ISBN-13
- 978-2-8004-1408-9
- Ampleur
- Nombre de pages de contenu principal : 544
- Code interne
- 1408
- Format
- 160 x 240 x 25 cm
- Poids
- 942 grammes
- ONIX XML
- Version 2.1, Version 3
Google Livres Aperçu
Sommaire
- Préface
- Remerciements
- Introduction
- CHAPITRE 1 - Concepts et définitions
- 1.1 Horizon de prévision
1.2 Types de prévision
1.3 Prévisions de séries chronologiques
1.4 Ensemble d'information
1.5 Fonctions de coût
1.6 Critères usuels
1.7 Critères additionnels
1.8 Prévision probabiliste
Présentation
Exercices interactifs
Exercices supplémentaires
- CHAPITRE 2 - Régression linéaire simple
- 2.1 Introduction
2.2 Approche intuitive du problème d’ajustement
2.3 La méthode des moindres carrés
2.4 Aspects pratiques des calculs
2.5 Qualité de l’ajustement réalisé
2.6 Coefficient de corrélation et coefficient de détermination
2.7 Liens entre les concepts de régression et de corrélation
2.8 Moindres carrés, une méthode de confiance ?
2.9 Méthodes résistantes
2.10 Compléments
Présentation
Exercices interactifs
Exercices supplémentaires
- CHAPITRE 3 - Courbes de croissance
- 3.1 Introduction
3.2 Tendance linéaire
3.3 Tendance exponentielle
3.4 Tendance quadratique
3.5 Tendance exponentielle modifiée
3.6 Courbe de Gompertz
3.7 Courbe logistique
3.8 La méthode des trois points
3.9 Exemple : évolution du produit intérieur brut
3.10 Compléments
Présentation
Exercices interactifs
Exercices supplémentaires
- CHAPITRE 4 - Lissage par moyenne mobile
- 4.1 Introduction
4.2 Moyenne mobile simple
4.3 Choix de l’ordre
4.4 Moyenne mobile centrée
4.5 Moyenne mobile pondérée
4.6 Composition de moyennes mobiles
4.7 Prévision par moyenne mobile
4.8 Compléments
Présentation
Exercices interactifs
Exercices supplémentaires
- CHAPITRE 5 - Méthodes de décomposition saisonnière
- 5.1 Principe de décomposition
5.2 Modèles additifs, multiplicatifs et mixtes
5.3 Méthodes de décomposition saisonnière élémentaires
5.4 Exemple : une série artificielle
5.5 Données corrigées des variations saisonnières
5.6 Prévision par décomposition
5.7 Exemple : les ventes de champagne en France
5.8 Compléments
Présentation
Exercices interactifs
Exercices supplémentaires
- CHAPITRE 6 - Méthodes de lissage exponentiel
- 6.1 Introduction
6.2 Lissage exponentiel simple
6.3 Lissage exponentiel double
6.4 Lissage exponentiel de Holt
6.5 Lissage exponentiel de Winters
6.6 Méthodes de lissage exponentiel amorti
6.7 Compléments
Présentation
Exercices interactifs
Exercices supplémentaires
- CHAPITRE 7 - Régression linéiare multiple
- 7.1 Introduction
7.2 Estimation des paramètres
7.3 Variance résiduelle et coefficient de détermination
7.4 Sensibilité des coefficients de régression
7.5 Coefficient de détermination corrigé
7.6 Significativité d’un coefficient de régression
7.7 Problèmes numériques dans l’estimation des paramètres
7.8 Conditions d’utilisation de la méthode des moindres carrés
7.9 Détection des cas où les conditions ne sont pas satisfaites
7.10 L’exemple du prix de vente d’habitations
7.11 Sélection des variables explicatives
7.12 Sélection de l’échantillon
7.13 Régression multiple sur des séries chronologiques
7.14 Détermination d’un intervalle de prévision
7.15 Compléments
Présentation
Exercices interactifs
Exercices supplémentaires
- CHAPITRE 8 - Autocorrélation et erreurs de prévision
- 8.1 Introduction
8.2 Expression des besoins
8.3 Analyse de la moyenne des résidus
8.4 Notion d’autocorrélation
8.5 Corrélogramme
8.6 Concept de processus aléatoire et de bruit blanc
8.7 Séries chronologiques stationnaires
8.8 Test individuel de bruit blanc
8.9 Test global de bruit blanc
8.10 Recommandations relatives aux tests de bruit blanc
8.11 Conclusions
8.12 Compléments
Présentation
Exercices interactifs
Exercices supplémentaires
- CHAPITRE 9 - Modèles ARIMA
- 9.1 Introduction
9.2 Méthodes de prévision et formes ARIMA
9.3 Introduction aux processus ARMA
9.4 Étude des processus moyenne mobile
9.5 Étude des processus autorégressifs
9.6 Étude des processus ARMA
9.7 Modèles non stationnaires ARIMA, SARIMA et autres
9.8 Compléments
Présentation
Exercices interactifs
Exercices supplémentaires
- CHAPITRE 10 - Méthode de Box et Jenkins
- 10.1 Introduction
10.2 La familiarisation avec les données
10.3 L’analyse préliminaire
10.4 La spécification du modèle (ou identification)
10.5 L’estimation des paramètres
10.6 L’adéquation du modèle (ou validation)
10.7 La prévision
10.8 L’interprétation des résultats
10.9 Conclusions
Présentation
Exercices interactifs
Exercices supplémentaires
- CHAPITRE 11 - Régression à erreurs autocorrélées
- 11.1 Introduction
11.2 Corrélation croisée et processus aléatoire bivarié
11.3 Modèle de régression à erreurs ARIMA
11.4 Modèle de fonction de transfert
11.5 Modèle d’analyse d’interventions
11.6 Conclusions générales
Présentation
Exercices interactifs
Exercices supplémentaires
- CHAPITRE 12 - Méthode X-12-ARIMA
- Présentation
Exercices interactifs
- CHAPITRE 13 - Méthode TRAMO/SEATS
- Présentation
Exercices interactifs
- Bibliographie
- Index