Statistiques COURS 2. Salle 125. L3 Géographie UE Méthodologie. Intervenants :
|
|
- Brigitte Beauchemin
- il y a 6 ans
- Total affichages :
Transcription
1 L3 Géographie UE Méthodologie Statistiques COURS 2 Salle 125 Intervenants : Nadège Martiny & Julien Crétat UFR Sciences Humaines (Département de Géographie) UMR Centre de Recherches de Climatologie (CRC)
2 Plan du cours I. Introduction à l analyse multivariée II. III. IV. Analyses factorielles : présentation générale L Analyse en Composantes Principales (ACP) L Analyse Factorielle des Correspondances (AFC) V. La classification automatique
3 Généralités ACP Il s agit d une des méthodes fondamentales de la grande famille des analyses factorielles Cette méthode est particulièrement adaptée à l étude de caractères quantitatifs continus Elle suppose avant tout une étude séparée des variables et des observations
4 Rappels ACP L ACP permet d obtenir un résumé descriptif (sous forme graphique) d un tableau de données (n, p) L ACP permet de décrire des données quantitatives Un nuage de points, où chacun des points e i correspond à un individu projeté sur un plan factoriel, est construit dans un espace de dimension p (=nombre de variables) : c est l espace des variables. Un nuage de points, où chacun des points f i correspond à une variable projetée sur le même plan factoriel, est construit dans un espace de dimension n (=nombre d individus) : c est l espace des individus.
5 Objectifs ACP Décrire séparément la forme des nuages de points projetés : (i) agencement entre les individus e i, leurs proximités, dans un sous-espace de dimension p (car il y a p variables) (ii) agencement entre les variables f i, leurs proximités, dans un sous-espace de dimension n (car il y a n individus) Confronter les espaces d individus et de variables afin d enrichir les interprétations Décrire un maximum d information provenant du nuage de points initial à partir d un nombre q d axes le plus réduit possibles
6 Les données Tableau de données quantitatives (n, p), composés de n individus (points-lignes), p variables (pointscolonnes) Les variables peuvent éventuellement être hétérogènes : unités (kg, nb. Hab., %), moyennes En effet, une ACP est en général normée Rmq 1 : dans une ACP, on considère généralement p < n Rmq 2 : si p > n, transposer le tableau la condition nécessaire étant que les nouvelles variables aient un sens (considérer la moyenne de ces variables)
7 Exemple OBS PAYS CROIPNB PNBH95 URBA95 CROIURB POP1995 CROIPOP EVCALO ACTAGR90 ACTSER90 ACTIND90 CROIACTA CROIACTS 1 Argentina 1, ,10 1,34 34,80 1,13-0,07 12,15 32,37 55,48-3,86 5,78 2 Bolivia 1, ,50 3,11 7,40 2,09 0,09 46,84 17,52 35,64-8,21 10,71 3 Brazil 3, ,40 1,64 159,00 1,14 0,18 23,27 22,95 53,77-23,97 20,98 4 Chile 2, ,90 1,34 14,20 1,16 0,04 18,78 25,38 55,84-5,30 9,19 5 Colombia 2, ,60 1,92 35,80 1,43 0,35 26,62 22,94 50,44-18,52 14,87 6 CostaRica 1, ,30 2,84 3,40 1,81 0,19 26,03 26,77 47,20-16,57 9,79 7 R,Dominic, 2, ,90 2,18 7,80 1,36 0,16 24,83 29,13 46,04-22,71 7,93 8 Ecuador 2, ,90 2,59 11,50 1,66 0,11 33,26 19,11 47,63-18,23 19,16 9 ElSalvador 1, ,10 2,72 5,70 1,83 0,41 36,30 20,70 42,99-20,51 14,11 10 Guatemala 1, ,90 3,72 10,60 2,60 0,09 52,41 17,46 30,13-8,66 7,81 11 Guyana 0, ,40 2,58 0,80 1,03 0,07 21,84 24,71 53,45-10,07 13,88 12 Haiti 0, ,80 3,65 7,10 1,89 0,05 67,80 8,78 23,42-6,61 4,95 13 Honduras 1, ,80 3,65 5,70 2,38 0,08 41,40 19,62 38,98-26,01 17,78 14 Jamaica 1, ,70 1,90 2,50 1,05 0,05 24,76 23,29 51,95-8,30 2,93 15 Mexico 1, ,40 1,65 91,10 1,35 0,15 27,82 23,73 48,45-16,00 16,49 16 Panama 3, ,60 2,15 2,60 1,37 0,10 26,18 16,06 57,77-15,44 16,93 17 Paraguay 1, ,40 3,51 4,80 2,41-0,02 38,91 22,03 39,06-10,82 7,63 18 Peru 0, ,90 2,01 23,50 1,53-0,03 35,58 17,82 46,61-12,69 12,37 19 Surinam 1, ,20 2,27 0,40 1,19 0,16 21,27 17,76 60,97-5,45 9,56 20 Uruguay 0, ,30 0,68 3,20 0,52-0,07 14,25 27,17 58,58-4,43 6,32 21 Venezuela 1, ,80 2,01 21,80 1,75 0,00 12,02 27,31 60,67-13,99 11,52 Unité : % Unité : $ 12 variables 21 individus p < n
8 Exemple OBS PAYS DCR_CROIPNB DCR_PNBH95 DCR_URBA95 DCR_CROIURB DCR_POP1995 DCR_CROIPOP DCR_EVCALO 1 Argentina -0,03 1,57 1,55-1,24 0,36-0,84-1,44 2 Bolivia -0,31-1,05-0,03 0,92-0,39 1,05-0,08 3 Brazil 2,18 0,43 1,00-0,87 3,76-0,82 0,68 4 Chile 0,82 2,21 1,31-1,24-0,20-0,78-0,50 5 Colombia 1,11 0,61 0,67-0,53 0,39-0,25 2,12 6 CostaRica 0,29 0,45-0,67 0,59-0,50 0,50 0,77 7 R,Dominic, 0,86-0,47 0,05-0,21-0,38-0,38 0,51 8 Ecuador 0,80-0,16-0,12 0,29-0,28 0,20 0,09 9 ElSalvador -0,69-1,05-0,91 0,44-0,44 0,54 2,63 10 Guatemala -0,42-0,57-1,26 1,66-0,30 2,05-0,08 11 Guyana -0,72-0,79-1,46 0,27-0,57-1,03-0,25 12 Haiti -1,97-1,80-1,67 1,58-0,40 0,65-0,42 13 Honduras -0,44-1,33-0,98 1,58-0,44 1,61-0,17 14 Jamaica -0,58-0,52-0,42-0,55-0,52-0,99-0,42 15 Mexico -0,22 0,80 0,71-0,86 1,90-0,40 0,43 16 Panama 1,99 0,57-0,31-0,25-0,52-0,36 0,00 17 Paraguay 0,53-0,62-0,49 1,41-0,46 1,67-1,01 18 Peru -0,88-0,46 0,57-0,42 0,05-0,05-1,10 19 Surinam -0,45-0,05-0,67-0,10-0,58-0,72 0,51 20 Uruguay -1,25 0,84 1,68-2,04-0,50-2,03-1,44 21 Venezuela -0,60 1,39 1,42-0,42 0,01 0,38-0,84 DCR_Moy 0,00 0,00 0,00 0,00 0,00 0,00 0,00 DCR_Ecart-type Les données ont été centrées et réduites l ACP est normée La moyenne des individus centrés/réduits est égale à 0. L écart-type des individus centrés/réduits est égal à 1.
9 Recherche du1 er axe factoriel Il est tel qu il maximise l inertie (ou la variance) des points projetés sur cet axe I 1 n 2 axe1 = d i n i= 1 Inertie du nuage de points attachée à l axe 1 I 1 O centre de gravité du nuage de points n = 2 axe1 d ( O, i axe 1) n i= 1 i axe1 projection du point (i) sur l axe considéré
10 Recherche du1 er axe factoriel Ce principe similaire à celui de la méthode des moindres-carrés utilisée pour les régressions simples et multiples On ne considère plus la distance entre les points et une droite (=résidus) mais la distance entre les projections des points sur un axe (=axe factoriel) et le centre de gravité des points Maximiser la variance (=dispersion maximale des points sur l axe factoriel) revient à différencier de manière optimale les projections des points sur l axe considéré
11 Recherche du 1 er axe factoriel Le 1 er axe factoriel est aussi nommé 1 er axe principal ou 1 ère composante principale On le note aussi CP1 La CP1 est caractérisée par : La variance qu elle explique = sa valeur propre, notée λ 1 Sa direction dans le nuage de points = son vecteur propre, noté V 1 Le nuage de point s allonge maintenant dans (p-1) directions orthogonales à celle de la CP1
12 Recherche du 2 er axe factoriel Il maximise l inertie (ou la variance) des points projetés sur cet axe. Il différencie de manière optimale les projections des points sur cet axe. I O centre de gravité = 1 n 2 axe2 d ( O, i axe 2) du nuage de points n i= 1 i axe2 projection du point (i) sur l axe 2 Avec une contrainte supplémentaire, celle de l orthogonalité avec l axe 1, soit : V1. V2 = 0 2 V : vecteur propre de l axe 2
13 Recherche du 2 er axe factoriel Le 2 ème axe factoriel est aussi nommé 2 ème axe principal ou 2 ème composante principale ou CP2 Avec l axe 1, il constitue le plan principal La CP2 est caractérisée par : La variance qu elle explique = sa valeur propre, notée λ 2 avec λ 2 < λ 1 Sa direction dans le nuage de points = son vecteur propre, noté Le nuage de point s allonge maintenant dans (p-2) directions orthogonales à celle de la CP1 et de la CP2 V 2
14 Exemple Source : J. Riss & A. Marache T_Max T_Min 4,00 3,00 α Var_1 Var_2 4,00 3,00 Y 2,00 2,00 1,00 0,00-4,00-3,00-2,00-1,00 0,00 1,00 2,00 3,00 4,00-1,00-2,00-3,00 X Y -4,00 Données centrées dans l ancien système X : CP1 Y : CP2 1,00 0,00-2,00-3,00-4,00 X -4,00-3,00-2,00-1,00 0,00 1,00 2,00 3,00 4,00-1,00 Données dans le nouveau système PLAN PRINCIPAL (X, Y ) ROTATION D UN ANGLE α TEL QUE LA COVARIANCE S ANNULE
15 Recherche des autres axes factoriels On détermine ensuite l ensemble des axes factoriels (il y en a autant que de variables, soit p), Rmq : en général seuls les 1 ers axes présentent un intérêt pour l interprétation: ils expliquent à eux seuls la majorité de l inertie totale La détermination de ces axes passent par le calcul de la matrice décrivant les relations entre toutes les variables (=matrice d inertie). Cette matrice est carrée (p lignes et p colonnes, cad autant que de variables), et symétrique par rapport à la diagonale Ils sont aussi nommés composantes principales ou CP
16 Les matrices d inertie Matrice de variances/covariances : VCOV V11 V12... V21 V V p1 Vp2... V V V 1p 2 p pp Matrice de corrélations : CORR 1 r12... r1 r r r r 1 p p p p V ii : variance ii V ij : covariance ij r ii : coefficient de corrélation ii (=1) r ij : coefficient de corrélation ij ( 1) Il s agit d une métrique
17 Quelles matrices d inertie utiliser? Matrice de variances/covariances (VCOV) Elle privilégie les variables les plus dispersées, cad celles pour lesquelles les différences entre les individus sont les plus fortes, dans l unité qui est celle de la variable Utilisation de la matrice de corrélation (CORR) Permet de donner le même poids (=importance) à toutes les variables. Toutes les variables ont une variance de 1 donc l inertie totale du nuages est égale à p (=nombre de variables) La solution la plus logique si les variables sont exprimées en des unités différentes est d utiliser CORR
18 Calculer VCOV et CORR sous Excel En un seul clic : = PRODUITMAT ( TRANSPOSE ( DC ) ; DC ) / N = PRODUITMAT ( TRANSPOSE ( DCR ); DCR ) / N Dans ce cas, VCOV = CORR
19 Les étapes du traitement 1/ On part d un tableau de données TAB comprenant p caractères (colonnes) décrivant n individus (lignes) 2/ On choisit une métrique Cela revient à transformer les données selon qu on désire ou non affecter à chaque variable une importance (poids) plus ou moins grande Cela revient à centrer les données, ou les centrer/réduire 3/ On calcule la(les) matrice(s) d inertie, notée VCOV et CORR Elle constitue une expression des relations liant les différentes variables entre elles (covariance ou corrélation) 4/ On diagonalise la matrice d inertie choisie Cette opération permet d obtenir les axes factoriels du nuage, chacun étant caractérisé par : - l inertie qu il explique, donnée par la valeur propre λ - sa direction, donnée par le vecteur propre (u) 5/ On calcule les projections des points du nuage sur chacun des axes
Extraction d informations stratégiques par Analyse en Composantes Principales
Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
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 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 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 détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailAnalyse des correspondances avec colonne de référence
ADE-4 Analyse des correspondances avec colonne de référence Résumé Quand une table de contingence contient une colonne de poids très élevé, cette colonne peut servir de point de référence. La distribution
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
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 des données à l usage des non mathématiciens
Montpellier L'analyse des données à l usage des non mathématiciens 2 ème Partie: L'analyse en composantes principales AGRO.M - INRA - Formation Permanente Janvier 2006 André Bouchier Analyses multivariés.
Plus en détailIntroduction. Préambule. Le contexte
Préambule... INTRODUCTION... BREF HISTORIQUE DE L ACP... 4 DOMAINE D'APPLICATION... 5 INTERPRETATIONS GEOMETRIQUES... 6 a - Pour les n individus... 6 b - Pour les p variables... 7 c - Notion d éléments
Plus en détailStatistique Descriptive Multidimensionnelle. (pour les nuls)
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Multidimensionnelle (pour les nuls) (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailMémo d utilisation de ADE-4
Mémo d utilisation de ADE-4 Jérôme Mathieu http://www.jerome.mathieu.freesurf.fr 2003 ADE-4 est un logiciel d analyses des communautés écologiques créé par l équipe de biostatistiques de Lyon. Il propose
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailIndividus et informations supplémentaires
ADE-4 Individus et informations supplémentaires Résumé La fiche décrit l usage des individus supplémentaires dans des circonstances variées. En particulier, cette pratique est étendue aux analyses inter
Plus en détailACP Voitures 1- Méthode
acp=princomp(voit,cor=t) ACP Voitures 1- Méthode Call: princomp(x = voit, cor = T) Standard deviations: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 2.1577815 0.9566721 0.4903373 0.3204833 0.2542759 0.1447788
Plus en détailAnalyses multivariées avec R Commander (via le package FactoMineR) Qu est ce que R? Introduction à R Qu est ce que R?
Analyses multivariées avec R Commander Analyses multivariées avec R Commander (via le package FactoMineR) Plate-forme de Support en Méthodologie et Calcul Statistique (SMCS) - UCL 1 Introduction à R 2
Plus en détailUNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand
UNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand Service méthodes statistiques Institut National d Etudes Démographiques (Ined)
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 détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
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 détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailL indice de SEN, outil de mesure de l équité des systèmes éducatifs. Une comparaison à l échelle européenne
L indice de SEN, outil de mesure de l équité des systèmes éducatifs. Une comparaison à l échelle européenne Sophie Morlaix To cite this version: Sophie Morlaix. L indice de SEN, outil de mesure de l équité
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détailLocalisation des fonctions
MODALISA 7 Localisation des fonctions Vous trouverez dans ce document la position des principales fonctions ventilées selon l organisation de Modalisa en onglets. Sommaire A. Fonctions communes à tous
Plus en détailStatistiques descriptives sous Excel. Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel
Statistiques descriptives sous Excel Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel Un cours, deux objectifs Approfondir vos connaissances et vos outils de calculs dans le domaine de
Plus en détailL ANALYSE DU «PARC SOCIAL DE FAIT» PARISIEN EN 2003 : UNE ANALYSE TERRITORIALISÉE DES PROFILS D OCCUPATION DES PARCS ET DES QUARTIERS
ATELIER PARISIEN D URBANISME - 17, BD MORLAND 75004 PARIS TÉL : 01 42 71 28 14 FAX : 01 42 76 24 05 http://www.apur.org Observatoire de l'habitat de Paris L ANALYSE DU «PARC SOCIAL DE FAIT» PARISIEN EN
Plus en détailInitiation à l analyse en composantes principales
Fiche TD avec le logiciel : tdr601 Initiation à l analyse en composantes principales A.B. Dufour & J.R. Lobry Une première approche très intuitive et interactive de l ACP. Centrage et réduction des données.
Plus en détailAvant-après, amont-aval : les couples de tableaux totalement appariés
ADE-4 Avant-après, amont-aval : les couples de tableaux totalement appariés Résumé La fiche décrit les méthodes d analyse des couples de tableaux complètement appariés (mêmes individus, mêmes variables).
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailLe suivi de la qualité. Méthode MSP : généralités
Le suivi de la qualité La politique qualité d une entreprise impose que celle maîtrise sa fabrication. Pour cela, elle doit être capable d évaluer la «qualité» de son processus de production et ceci parfois
Plus en détailCaroline Hurault-Delarue 1, Cécile Chouquet 2, Nicolas Savy 2, Isabelle Lacroix 1, Christine Damase- Michel 1
Trajectoires individuelles d'exposition aux psychotropes au cours de la grossesse et partitionnement en fonction du profil d'exposition : utilisation des K-means pour données longitudinales Caroline Hurault-Delarue
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 détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailObjectifs : piloter l organisation à travers des indicateurs (regroupés dans un tableau de bord), et informer des résultats la hiérarchie.
C HAPI TRE 8 Tableau de bord et reporting Objectifs : piloter l organisation à travers des indicateurs (regroupés dans un tableau de bord), et informer des résultats la hiérarchie. 1 Principes A Le tableau
Plus en détailReproductibilité des expériences de l article "Analyse et réduction du chemin critique dans l exécution d une application"
Reproductibilité des expériences de l article "Analyse et réduction du chemin critique dans l exécution d une application" Katarzyna Porada and David Parello and Bernard Goossens Univ. Perpignan Via Domitia,
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détailQuelques éléments de statistique multidimensionnelle
ANNEXE 1 Quelques éléments de statistique multidimensionnelle Les méthodes d analyse statistique exploratoire utilisées au cours des chapitres précédents visent à mettre en forme de vastes ensembles de
Plus en détailDimensionnement d une roue autonome pour une implantation sur un fauteuil roulant
Dimensionnement d une roue autonome pour une implantation sur un fauteuil roulant I Présentation I.1 La roue autonome Ez-Wheel SAS est une entreprise française de technologie innovante fondée en 2009.
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détailMMA - Projet Capacity Planning LOUVEL Cédric. Annexe 1
Annexe 1 Résumé Gestion Capacity Planning Alternance réalisée du 08 Septembre 2014 au 19 juin 2015 aux MMA Résumé : Ma collaboration au sein de la production informatique MMA s est traduite par une intégration
Plus en détailLes Français et les nuisances sonores. Ifop pour Ministère de l Ecologie, du Développement Durable et de l Energie
Les Français et les nuisances sonores Ifop pour Ministère de l Ecologie, du Développement Durable et de l Energie RB/MCP N 112427 Contacts Ifop : Romain Bendavid / Marion Chasles-Parot Département Opinion
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 détailLe risque Idiosyncrasique
Le risque Idiosyncrasique -Pierre CADESTIN -Magali DRIGHES -Raphael MINATO -Mathieu SELLES 1 Introduction Risque idiosyncrasique : risque non pris en compte dans le risque de marché (indépendant des phénomènes
Plus en détailConcept-Informatique 2007
Page 1 sur 8 Le logiciel XTC (extension Comptabilité) est un utilitaire permettant récupérer sur votre poste de travail les éditions du logiciel de comptabilité CI-Compta. Les éditions sont transférées
Plus en détailUne comparaison de méthodes de discrimination des masses de véhicules automobiles
p.1/34 Une comparaison de méthodes de discrimination des masses de véhicules automobiles A. Rakotomamonjy, R. Le Riche et D. Gualandris INSA de Rouen / CNRS 1884 et SMS / PSA Enquêtes en clientèle dans
Plus en détailL i c e n c e. www.univ-paris13.fr. Mention «Économie et de gestion» Diplôme Bac + 3. Parcours. Contacts. contact :
Diplôme Bac + 3 Parcours - - Contacts UFR des Sciences Economiques et de Gestion contact : Contact formation continue (Adultes en reprise d'études, Financement / VAE): tél.:01 49 40 37 64 acc-cfc@univ-paris13.fr
Plus en détailSUPPORT DE COURS LOGICIEL SAGE SAARI COMPTABILITE 100
SUPPORT DE COURS LOGICIEL SAGE SAARI COMPTABILITE 100 SOMMAIRE Page INTRODUCTION Schéma descriptif des étapes du paramétrage du fichier comptable I CREATION DE FICHIER COMPTABLE I 1 Création du fichier
Plus en détailConcurrence imparfaite
Concurrence imparfaite 1. Le monopole 2. Concurrence monopolistique 3. Hotelling et Salop 4. Concurrence à la Cournot 5. Concurrence à la Bertrand 6. Concurrence à la Stackelberg Monopole Un monopole,
Plus en détailRECOMMANDATION. N 2015-01 du 7 janvier 2015
AUTORITE DES NORMES COMPTABLES RECOMMANDATION N 2015-01 du 7 janvier 2015 Relative au traitement comptable des titres, parts, actions et avances en comptes courants dans les Sociétés civiles de placement
Plus en détailLecture critique et pratique de la médecine
1-00.qxp 24/04/2006 11:23 Page 13 Lecture critique appliquée à la médecine vasculaireecture critique et pratique de la médecine Lecture critique et pratique de la médecine Introduction Si la médecine ne
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 détailActivité 11 : Nuage de points ou diagramme de dispersion
Activité 11 : Nuage de points ou diagramme de dispersion Un nuage de points, ou diagramme de dispersion, représente des coordonnées dans un plan cartésien. Chaque point dans le plan représente deux quantités.
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailCase study Méthodologie d enquête et développement d une Great Place To Work
Case study Méthodologie d enquête et développement d une Great Place To Work Histoire 1991 2002 1998 2011 Réseau Global 3 NORTH AMERICA United States Canada LATIN AMERICA Argentina Bolivia Brazil Central
Plus en détailCycle de formation certifiante Sphinx
Cycle de formation certifiante Sphinx 28, 29, 30 Mai 2015 Initiation, Approfondissement et Maîtrise Etudes qualitatives / quantitatives Initiation, approfondissement et maîtrise des études qualitatives
Plus en détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailL a d é m a r c h e e t l e s o u t i l s p r o p o s é s
Guide méthodologique pour la construction d un bilan quantitatif et qualitatif des contrats de territoire. L a d é m a r c h e e t l e s o u t i l s p r o p o s é s Il est proposé de bâtir le bilan avec
Plus en détailScénario: Données bancaires et segmentation de clientèle
Résumé Scénario: Données bancaires et segmentation de clientèle Exploration de données bancaires par des méthodes uni, bi et multidimensionnelles : ACP, AFCM k-means, CAH. 1 Présentation Le travail proposé
Plus en détailValidation probabiliste d un Système de Prévision d Ensemble
Validation probabiliste d un Système de Prévision d Ensemble Guillem Candille, janvier 2006 Système de Prévision d Ensemble (EPS) (ECMWF Newsletter 90, 2001) Plan 1 Critères de validation probabiliste
Plus en détailFORMATION ECLAIRAGE PUBLIC
FORMATION ECLAIRAGE PUBLIC DIR Centre Est Mâcon 22/10/07 1 La norme éclairage NF EN 13 201 Avant : Recommandations AFE : référence pour la profession Février 2005: Application de la norme Éclairage NF
Plus en détailFONCTION DE DEMANDE : REVENU ET PRIX
FONCTION DE DEMANDE : REVENU ET PRIX 1. L effet d une variation du revenu. Les lois d Engel a. Conditions du raisonnement : prix et goûts inchangés, variation du revenu (statique comparative) b. Partie
Plus en détailManuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques
Titre : TTLV100 - Choc thermique dans un tuyau avec condit[...] Date : 02/03/2010 Page : 1/10 Manuel de Validation Fascicule V4.25 : Thermique transitoire des structures volumiques Document : V4.25.100
Plus en détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en détailManuel de recherche en sciences sociales
Résumé de QUIVY R; VAN CAMPENHOUDT L. 95, "Manuel de recherches en sciences sociales", Dunod Cours de TC5 du DEA GSI de l intergroupe des écoles Centrales 11/2002 Manuel de recherche en sciences sociales
Plus en détailMASTER 2 SCIENCES HUMAINES ET SOCIALES Mention Psychologie. Spécialité : Recherches en psychologie
S3 Spécialité : Recherches en psychologie UE OBLIGATOIRES UE 1 : Epistémologie et méthodes de recherche en psychologie Ce séminaire aborde plusieurs aspects de la recherche en psychologie. Il présente
Plus en détailCours pratique Excel. Dans chacune des feuilles, les donnés sont déjà entrées afin de gagner du temps.
Cours pratique Excel Présentation du classeur cours.xls C est un classeur qui contient 7 feuilles Liste de personnes Calculs simples Solde Listes Auto Relatif Absolu Formats Paye Cours AFM Dans chacune
Plus en détailLe Modèle Linéaire par l exemple :
Publications du Laboratoire de Statistique et Probabilités Le Modèle Linéaire par l exemple : Régression, Analyse de la Variance,... Jean-Marc Azaïs et Jean-Marc Bardet Laboratoire de Statistique et Probabilités
Plus en détailVITICULTURE 2012 V 12 / PACA 02 STRATEGIE D APPLICATION DU CUIVRE EN VITICULTURE
VITICULTURE 212 V 12 / PACA 2 STRATEGIE D APPLICATION DU CUIVRE EN VITICULTURE Silvère DEVEZE Chambre d Agriculture de Vaucluse 1- Identification de l action a. Responsables techniques et partenaires :
Plus en détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détailDIOGENE. Un logiciel de Génétique & Amélioration des Plantes
DIOGENE Un logiciel de Génétique & Amélioration des Plantes Utilisateurs Etudiants (DEA, thèse) Chercheurs confirmés (INRA, CIRAD, Universités Laval et Lyon 1) Gestionnaires de programmes d Amélioration,
Plus en détailEmploi et Formation Secteur Publicité
Rapport statistique Emploi et Formation Secteur Publicité 2009-2010 AFDAS / R&D - Septembre 2012 Sommaire 1. DONNEES SUR L EMPLOI 3 1.1. POINT METHODOLOGIQUE ET PRECAUTIONS D USAGE 4 1.2. LES ENTREPRISES
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
Plus en détailObjectif. Cette formation doit permettre au client d être autonome dans la création de ses rapports avancés en utilisant la fonctionnalité Excel +.
Excel + Objectif Cette formation doit permettre au client d être autonome dans la création de ses rapports avancés en utilisant la fonctionnalité Excel +. 2 Ordre du jour 1. Présentation générale d Excel
Plus en détailOUTILS EN INFORMATIQUE
OUTILS EN INFORMATIQUE Brice Mayag brice.mayag@dauphine.fr LAMSADE, Université Paris-Dauphine R.O. Excel brice.mayag@dauphine.fr (LAMSADE) OUTILS EN INFORMATIQUE R.O. Excel 1 / 35 Plan Présentation générale
Plus en détailles + produit Et si vous travailliez auj ourd hui avec les outils de demain?
Maîtrisez Optimisez E t si vous travai lli ez auj ourd hui avec les outi ls de demai n? FICHE PRODUIT Outils de Révision Intégrés La Révision par excellence les + produit RÉVISION ASSISTÉE PAR ORDINATEUR
Plus en détailUFR d Informatique. FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018
UFR d Informatique FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018 Objectif L UFR d informatique propose au niveau du master, deux spécialités sous la mention informatique
Plus en détailEvaluation de la variabilité d'un système de mesure
Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les
Plus en détailTRAITEMENT DES DONNEES MANQUANTES AU MOYEN DE L ALGORITHME DE KOHONEN
TRAITEMENT DES DONNEES MANQUANTES AU MOYEN DE L ALGORITHME DE KOHONEN Marie Cottrell, Smaïl Ibbou, Patrick Letrémy SAMOS-MATISSE UMR 8595 90, rue de Tolbiac 75634 Paris Cedex 13 Résumé : Nous montrons
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 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 détail2013-2014 Dr. Prosper Bernard Tel: 514-987-4250 // portable 514-910-2085 Bernard.prosper@uqam.ca prosper@universityconsortium.com
Département de management et technologie École de Sciences de la gestion Université du Québec à Montréal Dr Prosper M Bernard 514-987-4250 MBA 8400 + MBA 8401 STATISTIQUES et THÉORIE DE LA DÉCISION 2013-2014
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailApports thermiques avec collecteurs solaires pour de l eau chaude sanitaire dans la Maison de retraite Korian Pontlieue
Projet de recherche EPA-F4 éhabilitations des Etablissements pour Personnes Agées et Facteur 4 Apports thermiques avec collecteurs solaires pour de l eau chaude sanitaire dans la Maison de retraite Korian
Plus en détailConsolidation de jeux de données pour la prospective : la génération d une population synthétique pour les communes de Belgique
Consolidation de jeux de données pour la prospective : la génération d une population synthétique pour les communes de Belgique Philippe Toint (with J. Barthélemy) Centre de Recherche en Systèmes Complexes
Plus en détailL'analyse de données. Polycopié de cours ENSIETA - Réf. : 1463. Arnaud MARTIN
L'analyse de données Polycopié de cours ENSIETA - Réf : 1463 Arnaud MARTIN Septembre 2004 Table des matières 1 Introduction 1 11 Domaines d'application 2 12 Les données 2 13 Les objectifs 3 14 Les méthodes
Plus en détailContribution à la conception par la simulation en électronique de puissance : application à l onduleur basse tension
Contribution à la conception par la simulation en électronique de puissance : application à l onduleur basse tension Cyril BUTTAY CEGELY VALEO 30 novembre 2004 Cyril BUTTAY Contribution à la conception
Plus en détailFOCUS Evolution. Lisez-Moi. Version FE 7.0.t
Lisez-Moi Version FE 7.0.t SOMMAIRE 1. PARAMETRAGE... 5 1.1. Banque... 5 1.1.1. Code Banque... 6 1.1.2. Comptes bancaires... 7 1.1.3. Edition... 8 2. FICHE CLIENTS... 9 2.1. Renseignements Comptables...
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
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 détailTP 7 : oscillateur de torsion
TP 7 : oscillateur de torsion Objectif : étude des oscillations libres et forcées d un pendule de torsion 1 Principe général 1.1 Définition Un pendule de torsion est constitué par un fil large (métallique)
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 détail