[00:01] Après avoir vu les principaux tests d associations dans le cas où on croise deux variables, on va s intéresser au modèle d ANOVA et de
|
|
- Angèline Gauvin
- il y a 6 ans
- Total affichages :
Transcription
1 [00:01] Après avoir vu les principaux tests d associations dans le cas où on croise deux variables, on va s intéresser au modèle d ANOVA et de régression linéaire et logistique. 1
2 [00:10] On va charger de nouveau notre fichier de données, cette fois-ci on voit qu on peut très bien cliquer dessus 2
3 [00:15] plutôt que de taper la commande load() et on va s intéresser à considérer un sousensemble de notre data-frame smp. En particulier on va regarder pour la variable profession les individus qui sont soit sans-emploi soit qui ont profession intermédiaire soit qui sont cadre et on va regarder simplement les variables age, nombre enfant (n.enfant). Donc on avait vu la commande subset(). On lui donne le nom du data-frame et un filtre pour sélectionner les lignes. Ici on va dire que prof vaut soit «sans emploi» OU (c est le OU logique : ) prof vaut «prof.intermediaire» OU (c est toujours le OU logique) prof vaut «cadre» et on sélectionnera les variables : age, n.enfant et la profession. On peut regarder les premières observations de ce data-frame là (head(subset(smp, prof == "sans emploi" prof == "prof.intermediaire" prof == "cadre", c(age, n.enfant, prof)))) donc ça ce sont les six premières observations c est pas le tableau complet. On a bien la variable "age", "nombre d enfant" et "profession". Parmi les professions on a que des professions intermédiaires, les sans-emploi et ce qui n apparaît pas ici : les cadres. 3
4 [01:33] En fait, on peut sauvegarder ce data-frame-là dans une variable qu on va appeler smpb (smpb <- subset(smp, prof %in% c("sans emploi", "prof.intermediaire", "cadre"), c(age, n.enfant, prof))). Donc si on regarde maintenant notre espace de travail, on a un nouveau data frame qui est un sous-ensemble du data-frame de départ dans lequel on a seulement 304 observations, donc ce sont les observations qui remplissent ce critère-là donc la profession est parmi ces modalités-là et on a simplement trois variables. Si on regarde en fait un résumé de ce tableau (summary(smpb)), on s aperçoit qu on a bien notre variable «age» qui est résumée avec le minimum, le maximum, etc., le nombre d enfants de la même manière (on a 11 valeurs manquantes). Par contre ce dont on s aperçoit, c est que pour la variable «prof», R a conservé les anciens niveaux qui n ont plus lieu d être ici puisque de toute façon ils ne sont plus vérifiés. 4
5 [02:28] Donc ce qu on va faire c est simplement réappliquer la commande factor() (smpb$prof <- factor(smpb$prof, labels=c("cadre", "intermédiaire", "sans emploi"))) sur notre variable «profession» et dans ce cas-là R va recalculer automatiquement les niveaux de notre variable de sorte que cette foisci on aura bien les trois modalités qui sont listées. On peut faire un tableau également pour vérifier (table(smp$prof)) ça c est notre variable d origine ; (table(smpb$prof)) ça c est notre variable dans le tableau restreint. On retrouve bien les mêmes effectifs mais on n a plus que ces modalités-là. 5
6 [03:05] Alors si maintenant on souhaite résumer le nombre d enfants moyen (c est la variable «n.enfant») en fonction de la profession dans ce data-frame-là, on utilisera la commande par exemple aggregate() (aggregate(n.enfant ~ prof, data=smpb, mean)) avec une formule donc on décrit le nombre d enfants par la variable profession en utilisant le tilde (~) pour indiquer la relation entre les deux variables. [03 :29] On peut éventuellement faire un graphique en utilisant exactement la même expression et avec boxplot() (boxplot(n.enfant ~ prof, data=smpb, xlab="profession", ylab="nombre d'enfants", col="cornflowerblue", border="cornflowerblue")) donc on a pour chacune des modalités la distribution du nombre d enfants, ici en ordonnée. 6
7 [03:47] Que se passe-t-il si on souhaite réaliser une ANOVA, alors la commande pour réaliser les ANOVA ou les modèles de régression linéaire s appelle lm(). On peut regarder dans l aide en ligne (help(lm)) donc c est une commande très générale pour ce qu on appelle les modèles linéaires. Ça inclut la régression linéaire et puis la régression sur variables indicatrices ou variables catégorielles qui est le cas particulier de l ANOVA. Donc on va utiliser la formule qu on a utilisée juste précédemment : le nombre d enfants décrit par la profession dans le data-frame smpb et puis on va stocker ce résultat-là dans une variable qu on appellera «m» (m <- lm(n.enfant ~ prof, data=smpb)). Ici on a en fait stocké le résultat de notre analyse de régression dans la variable «m» ; on peut regarder à quoi correspond "m", en fait ça nous rappelle l instruction qu on a tapée c.à.d. la commande lm(), la formule et le data-frame dans lequel on trouve les variables et puis des coefficients. Dans un cadre d ANOVA en fait on utilisera la commande drop1() (drop1(m, test="f")) qui nous permet en donnant le nom d une variable et en spécifiant un test de Fisher Snedecor de fournir un tableau d analyse de variance, avec ici la variable explicative «profession» à deux degrés de liberté, la somme des carrés correspondante et la valeur de «F» correspondant au test de l analyse de variance. Donc ici la statistique de test 3.83 et ici le degré de significativité
8 [05:19] En fait on peut regarder aussi par exemple dans le cas de deux variables numériques : la variable nombre d enfant et l âge par exemple. Donc c est toujours avec le même dataframe et puis on peut utiliser, stocker ça dans une variable «m» (m <- lm(n.enfant ~ age, data=smpb)), cette fois-ci on va avoir l intercept qui représente le terme d ordonnée à l origine et «age» qui va représenter la pente. 8
9 [05:52] Pour avoir les tests associés on tapera simplement summary(m) et on aura un tableau avec les coefficients de régression et les tests t associés ici pour la pente et le degré de significativité. 9
10 [06:11] En fait on a toujours travaillé sur notre data-frame smpb mais la commande lm() permet d utiliser directement une option subset qui revient globalement au subset qu on a effectué ici donc ce test-là. On va recopier simplement cette expression (prof == "sans emploi" prof == "prof.intermediaire" prof == "cadre") 10
11 [06:29] et on va refaire exactement le même modèle. La seule différence c est que on va travailler avec le tableau d origine donc smp et on va rajouter la commande subset= et on va indiquer ici les options du filtre qu on souhaite réaliser sur notre tableau (m <- lm(n.enfant ~ age, data=smp, subset= prof == "sans emploi" prof == "prof.intermediaire" prof == "cadre")). Si on produit le résumé du modèle de régression, on vérifie qu on a bien le même résultat. Donc l intérêt ici, c est que l on peut utiliser à la fois une notation par formule, on décrit la relation entre le nombre d enfants qui est la variable de réponse et l âge qui est la variable explicative, ces variables se trouvent dans le data-frame qui s appelle smp. Par contre ce data-frame-là va être filtré selon les critères qui sont indiqués (dans la commande) dans l option subset. Donc en particulier on ne va s intéresser qu aux individus qui remplissent les conditions profession égal soit sans emploi, soit profession intermédiaire, soit cadre. 11
12 [07:29] Lorsqu on a un modèle de régression, on peut utiliser la commande coef() pour afficher les coefficients du modèle de régression et on peut éventuellement indexer ces coefficients par le numéro de position donc coef du modèle entre crochets 2 (coef(m)[2]), c est le deuxième élément renvoyé par la commande coef(). Ça correspond donc à la pente. Ici on s aperçoit que la pente, on pourrait directement l appeler «age» comme on avait fait pour indexer des variables dans un data-frame (coef(m)["age"]) et on obtient le coefficient de régression associé à la variable «age» dans le modèle de régression simple présenté précédemment. 12
13 [08:06] On peut utiliser pour obtenir les intervalles de confiance en utilisant la commande confint() donc toujours sur la variable dans laquelle on a stocké notre modèle de régression, donc ici les intervalles de confiance à 95% par défaut pour la pente sont indiqués sur la deuxième ligne et on peut également obtenir un tableau d analyse de variance associé à la régression à l aide de la commande anova(). 13
14 [08:32] Lorsque l on souhaite réaliser des prédictions sur des valeurs non nécessairement observées on peut utiliser la commande predict(). Dans ces cas-là on va lui donner le nom de la variable dans laquelle on a stocké notre modèle de régression et un data-frame dans lequel on va indiquer pour la variable qui sert de variable explicative les valeurs pour lesquelles on souhaite effectuer la prédiction. Si on souhaite avoir des intervalles de confiance pour la prédiction on rajoutera l option interval="confidence" (predict(m, data.frame(age=c(20, 30, 40)), interval="confidence")). On a dans ces cas-là sous la colonne «fit» les valeurs prédites et «lwr», «upr» représentent les bornes inférieures et supérieures des intervalles de confiance à 95% pour la prévision. 14
15 [09:18] En dehors de la régression linéaire, on peut s intéresser à la régression logistique. Dans ces cas-là on prendra par exemple une variable binaire. On va en construire une à partir de nombre d enfants. On va s intéresser au nombre d enfants supérieur à 2. Dans ces cas-là on codera 1 sinon on code 0 et là j ai juste oublié qu il faut rajouter l instruction ifelse() qui permet de construire la variable binaire (smp$n.enfant.bin <- factor(ifelse(smp$n.enfant > 2, 1, 0))), donc la commande ifelse() prend une variable sur laquelle on réalise un test logique donc «est-ce-que le nombre d enfants est supérieur à deux?» Dans ces cas-là on associe la valeur 1 sinon on associe la valeur 0. On a maintenant un moyen de comparer très rapidement qu on s est pas trompé. Il suffit simplement d afficher les deux tableaux (table(smp$n.enfant) table(smp$n.enfant.bin)). Donc en fait les individus pour lesquels le nombre d enfants n est pas supérieur à 2 sont ici et le reste se trouve ici. Donc ça ce sont les individus pour lesquels on a associé la valeur 1, donc il y en a
16 [10:25] On a vu la commande lm(), en fait pour la régression logistique c est la commande glm() qu on utilisera avec toujours une notation par formule. La seule différence c est qu il faudra indiquer le type de régression qu on souhaite effectuer. Donc on va utiliser un modèle pareil «m» et on va dire que notre formule ça va être le nombre d enfants en fonction de l âge comme dans le cas de la régression linéaire sauf qu ici on a dichotomisé la variable. On prendra les données dans notre data-frame smp. Cette foisci on va prendre tout le data-frame et ce qu on va indiquer c est qu on veut faire de la régression logistique donc on indiquera dans la famille «binomiale» avec comme échelle de lien le «logit» (m <- glm(n.enfant.bin ~ age, data=smp, family=binomial("logit"))). 16
17 [11:11] On peut afficher un résumé des coefficients de régression avec la commande summary() et cette fois-ci on a la variable explicative avec la valeur du coefficient de régression sur l échelle du log odds. 17
Un exemple de régression logistique sous
Fiche TD avec le logiciel : tdr341 Un exemple de régression logistique sous A.B. Dufour & A. Viallefont Etude de l apparition ou non d une maladie cardiaque des coronaires 1 Présentation des données Les
Plus en détailGestion des données avec R
Gestion des données avec R Christophe Lalanne & Bruno Falissard Table des matières 1 Introduction 1 2 Importation de fichiers CSV 1 2.1 Structure du fichier de données...................................
Plus en détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
Plus en détailLe Logiciel de Facturation ultra simplifié spécial Auto-Entrepreneur
Le Logiciel de Facturation ultra simplifié spécial Auto-Entrepreneur La Facturation Le Livre chronologique des Recettes Le Registre des Achats Le Suivi du Chiffre d Affaires en temps réel Site internet
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en détailCONFIGURATION FIREWALL
Diffusion : Libre Expert en Réseaux & Télécoms Restreinte Interne CONFIGURATION FIREWALL Version : 2.0 Date : 29/08/2009 RESIX - 8, rue germain Soufflot - Immeuble le sésame - 78180 Montigny le Bretonneux
Plus en détailTests statistiques et régressions logistiques sous R, avec prise en compte des plans d échantillonnage complexes
, avec prise en compte des plans d échantillonnage complexes par Joseph LARMARANGE version du 29 mars 2007 Ce cours a été développé pour une formation niveau M2 et Doctorat des étudiants du laboratoire
Plus en détailAide-mémoire de statistique appliquée à la biologie
Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela
Plus en détailArbres binaires de décision
1 Arbres binaires de décision Résumé Arbres binaires de décision Méthodes de construction d arbres binaires de décision, modélisant une discrimination (classification trees) ou une régression (regression
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailComment installer le gestionnaire de licence avec une nouvelle version de Arche / Effel / Melody?
Comment installer le gestionnaire de licence avec une nouvelle version de Arche / Effel / Melody? Cette question ne concerne que les utilisateurs des versions réseaux des logiciels. Nous vous invitons
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailDonnées longitudinales et modèles de survie
ANALYSE DU Données longitudinales et modèles de survie 5. Modèles de régression en temps discret André Berchtold Département des sciences économiques, Université de Genève Cours de Master ANALYSE DU Plan
Plus en détailPARAMETRAGE DU STOCKAGE/DESTOCKAGE DES ARTICLES & MOUVEMENTS DE STOCKS
PARAMETRAGE DU STOCKAGE/DESTOCKAGE DES ARTICLES & MOUVEMENTS DE STOCKS Ce document ne concerne que les changements survenus dans la version 2.1 au plus. D'importants changements ont été entrepris dans
Plus en détailJérôme Mathieu janvier 2007. Débuter avec R. Ce document est disponible sur le site web : http://www.jerome.mathieu.freesurf.
Jérôme Mathieu janvier 2007 Débuter avec R Ce document est disponible sur le site web : http://www.jerome.mathieu.freesurf.fr - 1 - Sommaire 1 Principes de base pour utiliser R... 3 $$$ Démarrer R pour
Plus en détailUniversité de Picardie - Jules Verne UFR d'economie et de Gestion
Université de Picardie - Jules Verne UFR d'economie et de Gestion 23/09/2014 Excel 2003 - Tableau Croisé Dynamique L information mise à disposition de l utilisateur est fréquemment une information de détail
Plus en détail«Cours Statistique et logiciel R»
«Cours Statistique et logiciel R» Rémy Drouilhet (1), Adeline Leclercq-Samson (1), Frédérique Letué (1), Laurence Viry (2) (1) Laboratoire Jean Kuntzmann, Dép. Probabilites et Statistique, (2) Laboratoire
Plus en détailSUGARCRM MODULE RAPPORTS
SUGARCRM MODULE RAPPORTS Référence document : SYNOLIA_Support_SugarCRM_Module_Rapports_v1.0.docx Version document : 1.0 Date version : 2 octobre 2012 Etat du document : En cours de rédaction Emetteur/Rédacteur
Plus en détailTrier les ventes (sales order) avec Vtiger CRM
Trier les ventes (sales order) avec Vtiger CRM Dans l'activité d'une entreprise, on peut avoir besoin d'un outil pour trier les ventes, ce afin de réaliser un certain nombre de statistiques sur ces ventes,
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailL adresse électronique professionnelle : Mode d emploi
L adresse électronique professionnelle : Mode d emploi Sommaire Pour accéder directement aux pages, cliquer en gardant la touche Ctrl de votre clavier enfoncée QUELQUES RAPPELS... 2 CREER UN COMPTE A PARTIR
Plus en détailLes Tutoriaux Utilisez Foxmail comme client de messagerie
NERISS Productions Webmastering & com. sur le net Nouvelle Economie Recherches Sites & Services http://www.neriss.com info@neriss.com - tél : 09.54.61.01.79 -------------------------------------------------------------------------
Plus en détailGROOBAX. cliquer sur le «G» Cliquer sur «options» Sélectionner le dossier qui contiendra les paramètres => Cliquer A chercher le dossier créé en 2/
GROOBAX Sauvegarde miroir La source est le dossier d origine, la cible est la sauvegarde La sauvegarde miroi rend la cible (ou Destination) identique à la source ; du dossier sélectionné : - transfère
Plus en détailSOFI Gestion+ Version 5.4. Echanges de données informatiques Spicers Sofi gestion+ Groupements. SOFI Informatique. Actualisé le 10.09.
SOFI Gestion+ SOFI Informatique Version 5.4 Echanges de données informatiques Spicers Sofi gestion+ Groupements Actualisé le 10.09.2004 Table des matières 1. Catalogue et tarifs... 4 1.1 Définition EDI...
Plus en détailExercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015
Exercices M1 SES 214-215 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 215 Les exemples numériques présentés dans ce document d exercices ont été traités sur le logiciel R, téléchargeable par
Plus en détailLes Différents types de Requêtes dans Access
Les Différents types de Requêtes dans Access Il existe six types de requêtes. Les Requêtes «Sélection», qui sont le mode par défaut et correspondent à des «vues» des tables originelles. Cela signifie que
Plus en détailLa place de SAS dans l'informatique décisionnelle
La place de SAS dans l'informatique décisionnelle Olivier Decourt ABS Technologies - Educasoft Formations La place de SAS dans l'informatique décisionnelle! L'historique de SAS! La mécanique! La carrosserie
Plus en détailDate M.P Libellé Catégorie S.Catégorie Crédit Débit Solde S.B
Excel : Réalisation d un classeur Compta Saisir les étiquettes Renommer la première feuille Compta Laisser la première ligne vide et sur la deuxième ligne saisir les étiquettes Se placer sur A2 et saisir
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailFctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines
FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html
Plus en détailGUIDE ISAN: 7 Création d un ISAN In-Dev 1
GUIDE ISAN: 7 Création d un ISAN In-Dev 1 ISAN In-Dev : Un ISAN In-Dev, ou ISAN pour œuvre en Développement, est un ISAN alloué à un déclarant avant que l œuvre puisse être complètement décrite. Il n est
Plus en détailDE LA CAMÉRA SOMMAIRE
PARAMÉTRAGE DE LA CAMÉRA HIKVISION ISION DS-2CD2732F-IS SOMMAIRE 1 : CONFIGURATION POUR DE L ENREGISTREMENT PERMANENT... 2 1.1Configuration de la caméra... 2 1.1.1 Paramétrage de l adresse IP de la caméra...
Plus en détailUtilisation du Logiciel de statistique SPSS 8.0
Utilisation du Logiciel de statistique SPSS 8.0 1 Introduction Etude épidémiologique transversale en population générale dans 4 pays d Afrique pour comprendre les différences de prévalence du VIH. 2000
Plus en détailEXCEL TUTORIEL 2012/2013
EXCEL TUTORIEL 2012/2013 Excel est un tableur, c est-à-dire un logiciel de gestion de tableaux. Il permet de réaliser des calculs avec des valeurs numériques, mais aussi avec des dates et des textes. Ainsi
Plus en détailAdministration du site (Back Office)
Administration du site (Back Office) A quoi sert une interface d'administration? Une interface d'administration est une composante essentielle de l'infrastructure d'un site internet. Il s'agit d'une interface
Plus en détailEXCEL PERFECTIONNEMENT SERVICE INFORMATIQUE. Version 1.0 30/11/05
EXCEL PERFECTIONNEMENT Version 1.0 30/11/05 SERVICE INFORMATIQUE TABLE DES MATIERES 1RAPPELS...3 1.1RACCOURCIS CLAVIER & SOURIS... 3 1.2NAVIGUER DANS UNE FEUILLE ET UN CLASSEUR... 3 1.3PERSONNALISER LA
Plus en détailMES PREMIERS PAS SUR DITES «CHEESE»
MES PREMIERS PAS SUR DITES «CHEESE» CrÉER VOTRE COMPTE Pour débuter une campagne de collecte de fonds, vous devez d abord créer votre compte afin que nous puissions valider vos informations. Pour procéder,
Plus en détailInitiation à LabView : Les exemples d applications :
Initiation à LabView : Les exemples d applications : c) Type de variables : Créer un programme : Exemple 1 : Calcul de c= 2(a+b)(a-3b) ou a, b et c seront des réels. «Exemple1» nom du programme : «Exemple
Plus en détailBases de données documentaires et distribuées Cours NFE04
Bases de données documentaires et distribuées Cours NFE04 Introduction a la recherche d information Auteurs : Raphaël Fournier-S niehotta, Philippe Rigaux, Nicolas Travers prénom.nom@cnam.fr Département
Plus en détailIntroduction :... 3. L accès à Estra et à votre propre espace... 4. Connexion... 4. Votre espace personnel... 5
ESTRA SOMMAIRE Introduction :... 3 L accès à Estra et à votre propre espace... 4 Connexion... 4 Votre espace personnel... 5 Home d Estra et Fonctions generales... 7 Home... 7 Rechercher un document...
Plus en détailTrépier avec règle, ressort à boudin, chronomètre, 5 masses de 50 g.
PHYSQ 130: Hooke 1 LOI DE HOOKE: CAS DU RESSORT 1 Introduction La loi de Hooke est fondamentale dans l étude du mouvement oscillatoire. Elle est utilisée, entre autres, dans les théories décrivant les
Plus en détailSite web de Support : Manuel utilisateur
Site web de Support : Manuel utilisateur 1. URL http://helpdesk.audaxis.com/ 2. Se connecter Entrez votre login et votre mot de passe : Une fois connecté, vous vous trouverez sur votre page d'accueil 3.
Plus en détailMise en place d un routeur en Load Balancing
Mise en place d un routeur en Load Balancing Introduction Schéma du réseau voulu : Il y a deux lignes ADSL : La ligne de D La ligne de M Matérielles : Modem M (Netgear N150) Modem D (D-link DSL-2750B)
Plus en détailRÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3
RÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3 Pour construire un graphique : On lance l assistant graphique à l aide du menu Insérer è Diagramme en ayant sélectionné au préalable une cellule vide dans
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détail1. Introduction...2. 2. Création d'une requête...2
1. Introduction...2 2. Création d'une requête...2 3. Définition des critères de sélection...5 3.1 Opérateurs...5 3.2 Les Fonctions...6 3.3 Plusieurs critères portant sur des champs différents...7 3.4 Requête
Plus en détailOrganiser le disque dur Dossiers Fichiers
Ce document contient des éléments empruntés aux pages d aide de Microsoft Organiser le disque dur Dossiers Fichiers Généralités La connaissance de la logique d organisation des données sur le disque dur
Plus en détailUtilisation du site de retours Lexibook
1 Utilisation du site de retours Lexibook Se connecter au site 2 Remplir une demande de retour 3 Soumettre une demande de retour 4 Sauvegarder une demande de retour 4 Vérifier la validation d une demande
Plus en détailCRÉER DES LEÇONS AVEC L'ÉDITEUR DU LOGICIEL 1000 MOTS POUR APPRENDRE À LIRE EN FRANÇAIS, ANGLAIS ET ALLEMAND
93 CRÉER DES LEÇONS AVEC L'ÉDITEUR DU LOGICIEL 1000 MOTS POUR APPRENDRE À LIRE EN FRANÇAIS, ANGLAIS ET ALLEMAND 1 - LE LOGICIEL 1000 MOTS 1000 mots est un logiciel destiné aux classes du cycle II en France
Plus en détailF7n COUP DE BOURSE, NOMBRE DÉRIVÉ
Auteur : S.& S. Etienne F7n COUP DE BOURSE, NOMBRE DÉRIVÉ TI-Nspire CAS Mots-clés : représentation graphique, fonction dérivée, nombre dérivé, pente, tableau de valeurs, maximum, minimum. Fichiers associés
Plus en détailNOTICE D INSTALLATION DE LA BASCULE STAGE VERSION 4.30 NOTICE D INSTALLATION DE LA BASCULE STAGE VERSION 4.30
NOTICE D INSTALLATION DE LA BASCULE STAGE VERSION 4.30 CAPTI - Micro Diffusion Nationale Janvier 2008 Sommaire SOMMAIRE... 3 I. INSTALLATION DE LA BASCULE 2007-2008... 4 I.1. INSTALLATION DE LA BASCULE
Plus en détailRégression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr
Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détailSRAL Saint Raphaël. Maison des associations 213, rue de la Soleillette 83700 Saint Raphaël. : 06 26 56 41 85 - : dromain.jean-pierre@neuf.
SRAL Saint Raphaël Maison des associations 213, rue de la Soleillette 83700 Saint Raphaël : 06 26 56 41 85 - : dromain.jean-pierre@neuf.fr Document réalisé par Jean Pierre DROMAIN Pour servir de support
Plus en détailGuide d utilisation IPAB-ASSOCIATION v5.0 GUIDE D UTILISATION. à destination des associations et organismes sans but lucratif.
GUIDE D UTILISATION à destination des associations et organismes sans but lucratif Page 1 Table des matières I. Activation du compte Ipab-Association et première connexion... 4 1. L email d activation...
Plus en détailSPHINX Logiciel de dépouillement d enquêtes
SPHINX Logiciel de dépouillement d enquêtes sphinx50frversion4.doc 1 Les trois stades du SPHINX sont ceux que comporte habituellement toute enquête d opinion: Elaboration du questionnaire (fiche outil
Plus en détailAnalyse discriminante et régression logistique: application au cas de l innovation pour les entreprises du Canton du Tessin
Analyse discriminante et régression logistique: application au cas de l innovation pour les entreprises du Canton du Tessin Sandro Petrillo Université de Neuchâtel - Diplôme Postgrade en Statistique Projet
Plus en détailComment créer un nouveau compte? 1/2- Pour le consommateur
Comment créer un nouveau compte? 1/2- Pour le consommateur Cette procédure va vous permettre de créer un compte. Tous les logiciels Photo & Book que vous allez créer, que ce soit pour un consommateur ou
Plus en détailEXERCICE N 9. Base Centrale de pilotage. Notions abordées : Création d objets personnels. Utilisation de fonctions numériques
Base Centrale de pilotage EXERCICE N 9 Notions abordées : Création d objets personnels Utilisation de fonctions numériques Utilisation de fonctions logiques Viviane Demay/DEP-CISAD - novembre 2005 N.B.
Plus en détailDirection des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Plus en détailComment créer un nouveau compte? Pour une Borne en local on via Internet
Comment créer un nouveau compte? Pour une Borne en local on via Internet Cette procédure va vous permettre de créer un logiciel pour une borne. Tous les logiciels Photo & Book que vous allez créer vont
Plus en détailPetit guide d utilisation Prezi
Petit guide d utilisation Prezi Étape 1 : Rendez-vous à www.prezi.com. Étape 2 : De la page d accueil, cliquez sur Sign Up. Étape 3 : Après avoir cliqué sur Sign Up, cliquez sur Get dans le bas de la colonne
Plus en détailINSTALLATION DE CEGID BUSINESS VERSION 2008 Edition 4 (CD-Rom du 16/07/2009) SUR UN POSTE AUTONOME SOMMAIRE
INSTALLATION DE CEGID BUSINESS VERSION 2008 Edition 4 (CD-Rom du 16/07/2009) SUR UN POSTE AUTONOME D'après un document de Francis VANDERMOERE et Serge VIAL membres du CRCF de Grenoble. Mis à jour version
Plus en détailManuel Utilisateur. Module CAISSE
Manuel Utilisateur Module CAISSE Table des matières 1 Démarrer la caisse... 1 2 Recherche, favoris, raccourcis... 3 2.1 Recherche générale et recherche par IMEI... 3 2.2 Raccourcis famille... 7 2.3 Favoris...
Plus en détailConventions d écriture et outils de mise au point
Logiciel de base Première année par alternance Responsable : Christophe Rippert Christophe.Rippert@Grenoble-INP.fr Introduction Conventions d écriture et outils de mise au point On va utiliser dans cette
Plus en détailUtilisation de l outil lié à MBKSTR 9
Utilisation de l outil lié à MBKSTR 9 Avec MBKSTR, vous disposez d un outil fonctionnant sous Excel (version 97 au minimum) et permettant de faire les études financières suivantes : Aide à la vente avec
Plus en détailIntroduction à la présentation graphique avec xmgrace
Chapitre 6 Introduction à la présentation graphique avec xmgrace Contenu 6.1 Avant-propos....................... 71 6.2 Faire un simple graphe................. 72 6.3 Un graphe avec plusieurs courbes...........
Plus en détailInstallation et lancement d ETHNOS... 5. Configuration requise... 5 Installation... 5 Lancement... 6. Les modules d ETHNOS... 7
Memento Ethnos 6 Sommaire Installation et lancement d ETHNOS... 5 Configuration requise... 5 Installation... 5 Lancement... 6 Les modules d ETHNOS... 7 Le module PARAMETRAGE... 7 Le module SAISIE... 7
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailFoire aux Questions Note: Les réponses aux questions correspondent à la version 3.73.2212 Mise en route
Foire aux Questions Note: Les réponses aux questions correspondent à la version 3.73.2212 Mise en route Q. Je crois que le logiciel du SISA serait un bon choix pour mon organisation. Quels sont les étapes
Plus en détailDE LA CAMÉRA SOMMAIRE
PARAMÉTRAGE DE LA CAMÉRA HIKVISION ISION DS-2DF1-715-B SOMMAIRE 1 : CONFIGURATION POUR DE L ENREGISTREMENT PERMANENT... 2 1.1Configuration de la caméra... 2 1.1.1 Paramétrage de l adresse IP de la caméra...
Plus en détailQuelques éléments de compilation en C et makefiles
Quelques éléments de compilation en C et makefiles Guillaume Feuillade 1 Compiler un programme C Le principe de la compilation consiste à passer d un ensemble de fichiers de code à un programme exécutable
Plus en détail1. Installation de COMPTINE
3-5 Rue de Metz 75010 PARIS SA à capital variable RCS Paris B 344 671 490 Tél. : 01 40 22 12 12 Fax : 01 40 22 12 00 E-mail : contact@arete.fr SIRET : 34467149000029 Guide démo SOMMAIRE 1. Installation
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailLa structure de la base de données et l utilisation de PAST. Musée Royal de l Afrique Centrale (MRAC Tervuren)
La structure de la base de données et l utilisation de PAST La structure de la base de données données originales SPÉCIMENS Code des spécimens: Identification des spécimens individuels. Dépend du but de
Plus en détailPlanifier et contrôler un projet avec Microsoft Project
Planifier et contrôler un projet avec Microsoft Project Martin Schmidt Anteo-consulting.fr 27/02/2009 Principes de base Copyright Anteo-Consulting Page 2 Saisir des tâches Tout nouveau projet commence
Plus en détailAvertissement : Nos logiciels évoluent rendant parfois les nouvelles versions incompatibles avec les anciennes.
ENVOI EN NOMBRE DE SMS La version SMS de Ditel vous permet d'envoyer vos SMS de façon automatique. L'importation de vos données se fait directement au format Excel Avertissement : Nos logiciels évoluent
Plus en détailTravaux pratiques avec RapidMiner
Travaux pratiques avec RapidMiner Master Informatique de Paris 6 Spécialité IAD Parcours EDOW Module Algorithmes pour la Fouille de Données Janvier 2012 Prise en main Généralités RapidMiner est un logiciel
Plus en détailGUIDE Excel (version débutante) Version 2013
Table des matières GUIDE Excel (version débutante) Version 2013 1. Créer un nouveau document Excel... 3 2. Modifier un document Excel... 3 3. La fenêtre Excel... 4 4. Les rubans... 4 5. Saisir du texte
Plus en détailNombre de marches Nombre de facons de les monter 3 3 11 144 4 5 12 233 5 8 13 377 6 13 14 610 7 21 15 987 8 34 16 1597 9 55 17 2584 10 89
Soit un escalier à n marches. On note u_n le nombre de façons de monter ces n marches. Par exemple d'après l'énoncé, u_3=3. Pour monter n marches, il faut d'abord monter la première. Soit on la monte seule,
Plus en détailGuide d utilisation 2012
Guide d utilisation 2012 Tout ce dont vous avez besoin pour bien démarrer REACOM La performance marketing SOMMAIRE Démarrez avec reagiciel Accédez à votre console d administration 4 Gestion internet Aperçu
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailFÉDÉRATION MAROCAINE DES SOCIÉTÉS D'ASSURANCES ET DE RÉASSURANCE FICHIER CENTRAL CRM. MANUEL D UTILISATION Version 1.0
FÉDÉRATION MAROCAINE DES SOCIÉTÉS D'ASSURANCES ET DE RÉASSURANCE FICHIER CENTRAL CRM MANUEL D UTILISATION Version 1.0 Juin 2006 Avant propos Ce manuel décrit les fonctionnalités de la consultation du fichier
Plus en détailLECON 2 : PROPRIETES DE L'AFFICHAGE Version aout 2011
LECON 2 : PROPRIETES DE L'AFFICHAGE Version aout 2011 COPIER LE FICHIER LECON 1_02 DU DISQUE D : VERS LA CLE USB Cliquez gauche deux fois sur l'icône POSTE DE TRAVAIL Cliquez gauche deux fois sur DONNEES
Plus en détailVAMT 3. Activation de produits Microsoft
VAMT 3 Activation de produits Microsoft Rédacteurs : Stéphan CAMMARATA Objet : Cette documentation n a pas pour vocation d expliquer le concept VAMT en détail, mais de faciliter la migration vers VAMT3
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailMANUEL 3A Online. 2013/2014 Manuel 3A Online 1
MANUEL 3A Online 2013/2014 Manuel 3A Online 1 Utilisation 3A ONLINE Année Scolaire 2013-2014 De nouveaux outils de gestion pour votre association : Nouveaux outils de recherche (par établissement, par
Plus en détailGUIDE D UTILISATION 1
GUIDE D UTILISATION 1 SOMMAIRE 1) Comment accédez à mon compte? 2) Comment faire un envoi simple? 3) Comment faire un envoi Groupé? a) Faire un envoi depuis un fichier EXCEL b) Faire un envoi depuis votre
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailDiigo : fonctions avancées
+ Diigo : fonctions avancées Créer, éditer et partager des listes, utiliser les flux RSS et associer Google Reader à Diigo + Les listes n Les listes sur Diigo servent à regrouper un ensemble cohérent de
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailGuide Enseignant de l application OpenERP
Guide Enseignant de l application OpenERP PARTIE I : Accès à l application PGI Open Erp Pour accéder à l application «OpenERP» depuis le web. 1. Ouvrez votre navigateur Internet. 2. Une fois ouvert, cliquez
Plus en détailBOSS : Bourses régionale du Sanitaire et du Social http://boss.region-alsace.eu GUIDE UTILISATEUR ETUDIANT
BOSS : Bourses régionale du Sanitaire et du Social http://boss.region-alsace.eu GUIDE UTILISATEUR ETUDIANT 1. Recherche d'informations p 2 (conditions générales, règlement, FAQ, contacts, mot du président)
Plus en détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détail(Mis à jour : 7 déc. 12)
(Mis à jour : 7 déc. ) TABLE DES MATIÈRES. Étapes d une inscription en ligne (IEL)... 3. Page d accueil / Choisir le réseau... 4 3. Choix du tournoi... 5 4. Détails et tarifs d un tournoi... 6 5. Informations
Plus en détail