ACP Voitures 1- Méthode
|
|
- Grégoire Mongeau
- il y a 8 ans
- Total affichages :
Transcription
1 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 variables and 24 observations.
2 ACP Voitures 1- Méthode summary(acp) Importance of components: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Standard deviation Proportion of Variance Cumulative Proportion Comp.6 Standard deviation Proportion of Variance Cumulative Proportion Rq : sum(acp$sdev^2)=6
3 ACP Voitures 2- Choix du nombre d axes Critère de Kaiser : (acp$sdev)^2 Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp On ne retient que la première composante qui retient 77,6% de l inertie totale
4 ACP Voitures 2- Choix du nombre d axes Critère du coude : plot(acp) On sélectionne deux axes, représentant 92,8% de l inertie totale.
5 ACP Voitures 2- Choix du nombre d axes Scree-test de Catell list(acp$sdev^2,diff(acp$sdev^2),diff(diff(acp$sdev^2))) [[1]] Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp [[2]] Comp.2 Comp.3 Comp.4 Comp.5 Comp [[3]] Comp.3 Comp.4 Comp.5 Comp Conduit à retenir 3 composantes
6 ACP Voitures 2- Choix du nombre d axes Conclusion : Un bon compromis est de considérer deux composantes, représentant à peu près 93% de l inertie totale.
7 ACP Voitures 3- Etude de l axe 1 Individus : Contribuent essentiellement les individus dont les coordonnées sur l axe 1 (composantes principales) sont > en valeur absolue à la racine de la valeur propre d ordre 1, égale à , sous réserve qu ils soient bien représentés sur l axe.
8 ACP Voitures 3- Etude de l axe 1 qlt=(acp$scores^2/apply(acp$scores^2,1, sum))[,1] tab=cbind(contrib=acp$scores[,1],qlt) tab1=tab[tab[,1]<0,] tab2=tab[tab[,1]>0,] contrib qlt Renault_ Bmw_530i Rover_827i Renault_ Opel_Omega Peugeot_405_Break Ford_Sierra Bmw_325iX Audi_90_Quattro Ford_Scorpio Renault_Espace VW_Caravelle contrib qlt Honda_Civic Renault_ Fiat_Tipo Peugeot_ Citroen_BX Nissan_Vanette Ford_Fiesta Fiat_Uno Peugeot_ Peugeot_205_Rallye Seat_Ibiza_SX_I Citroen-ax-sport
9 ACP Voitures 3- Etude de l axe 1 L'axe 1 oppose la Bmw 530i, la Rover 827i, la Renault 25 et la Ford Scorpio à la Fiat Uno, la Ford Fiesta, la Citroen-ax-sport, la Peugeot 205 Rallye et la Peugeot 205 et éventuellement Seat Ibiza SX I et le Honda Civic, c est à dire les grosses berlines aux citadines. Tous les modèles sont assez bien représentés sur l'axe 1, à part la Nissan Vanette, la Peugeot_405 et la Renault 21.
10 Vitesse Bmw_325iX Peugeot_205_Rallye Citroen-ax-sport Audi_90_Quattro Comp Puissance Bmw_530i Rover_827i Cylindre Poids Longueur Largeur Renault_25 Ford_Scorpio Seat_Ibiza_SX_I Peugeot_205 Honda_Civic Peugeot_405_Break Fiat_Uno Renault_19 Citroen_BX Ford_Sierra Peugeot_405 Fiat_Tipo Renault_21 Opel_Omega Renault_Espace Ford_Fiesta Nissan_Vanette VW_Caravelle Comp.1
11 ACP Voitures 3- Etude de l axe 1 Variables : On retient les variables telles que la coordonnée de u1 (premier vecteur propre) est supérieur en valeur absolue à 1/racine(nombre de variables)= Il n y a pas de problème de représentativité car ce sont les variables qui contribuent le plus qui sont le mieux représentées. loadings(acp)[,1] Cylindre Puissance Vitesse Poids Longueur Largeur [1,] L axe1 isole les modèles ayant de fortes valeurs de toutes leurs caractéristiques aux autres (effet taille)
12 ACP Voitures 3- Etude de l axe 1 Conclusion pour l axe 1: l axe 1 est un axe de «taille». Il oppose les grosses berlines puissantes et de grande dimension aux citadines de faible dimension et peu puissantes.
13 ACP Voitures 4- Etude de l axe 2 Individus : Contribuent essentiellement les individus dont les coordonnées sur l axe 2 (composantes principales) sont > en valeur absolue à la racine de la valeur propre d ordre 2, égale à , sous réserve qu ils soient bien représentés sur l axe.
14 ACP Voitures 4- Etude de l axe 2 qlt=(acp$scores^2/apply(acp$scores^2,1,su m))[,2] tab=cbind(contrib=acp$scores[,2],qlt) tab1=tab[tab[,1]<0,] contrib qlt Renault_ e-02 Fiat_Tipo e-02 Peugeot_ e-01 Renault_ e-01 Citroen_BX e-02 Opel_Omega e-01 Ford_Sierra e-01 Ford_Scorpio e-03 Renault_Espace e-01 Nissan_Vanette e-01 VW_Caravelle e-01 Ford_Fiesta e-02 Fiat_Uno e-05 tab2=tab[tab[,1]>0,] contrib qlt Honda_Civic Bmw_530i Rover_827i Renault_ Peugeot_405_Break Bmw_325iX Audi_90_Quattro Peugeot_ Peugeot_205_Rallye Seat_Ibiza_SX_I Citroen-ax-sport
15 ACP Voitures 4- Etude de l axe 2 L axe 2 oppose les voitures familiales (vans ou volumineuses) - VW caravelle, Nissan caravelles et accessoirement ford fiesta et renault espace-, aux sportives (et accessoirement routières) - Bmw_325iX, Audi_90_Quattro Peugeot_205_Rallye, Seat_Ibiza_SX_I et Citroen-axsport -
16 Vitesse Bmw_325iX Peugeot_205_Rallye Citroen-ax-sport Audi_90_Quattro Comp Puissance Bmw_530i Rover_827i Cylindre Poids Longueur Largeur Renault_25 Ford_Scorpio Seat_Ibiza_SX_I Peugeot_205 Honda_Civic Peugeot_405_Break Fiat_Uno Renault_19 Citroen_BX Ford_Sierra Peugeot_405 Fiat_Tipo Renault_21 Opel_Omega Renault_Espace Ford_Fiesta Nissan_Vanette VW_Caravelle Comp.1
17 ACP Voitures 4- Etude de l axe 2 Variables : On retient les variables telles que la coordonnée de u2 (deuxième vecteur propre) est supérieur en valeur absolue à 1/racine(nombre de variables)= Il n y a pas de problème de représentativité car ce sont les variables qui contribuent le plus qui sont le mieux représentées.
18 ACP Voitures 4- Etude de l axe 2 tab1=loadings(acp)[loadings(acp)[, 2]<0,2] tab2=loadings(acp)[loadings(acp)[,2]> 0,2] Poids Longueur Largeur Cylindre Puissance Vitesse
19 ACP Voitures 4- Etude de l axe 2 Conclusion : L axe 2 oppose les voitures familiales (VW caravelle, Nissan caravelles et accessoirement ford fiesta et renault espace), imposantes mais lentes aux sportives (Bmw_325iX,Audi_90_Quattro Peugeot_205_Rallye, Seat_Ibiza_SX_I et Citroen-axsport), de petit gabarit (moins larges que la moyenne et aussi accessoirement moins longues et moins lourdes) mais roulant vite et puissantes.
20 Classification 1- Méthode Ici, il y a peu d individus et n-p est raisonnable. La méthode la plus appropriée est la CAH. On va utiliser la métrique inverse des écartstypes (tableau centré réduit, puis utilisation de la métrique Euclidienne), et la distance de Ward comme stratégie d agrégation. >voi=scale(voit)*sqrt(24/23) On peut vérifier que l inertie du nuage de points individus=nombre de variables (car le tableau est centré réduit ): > sum(voi^2)/24 [1] 6
21 Classification 1- Méthode > cl=hclust(dist(voi)^2, method="ward") Perte d inertie inter-classes (distance d agrégation) à chaque agrégation : >dib=cl$height/48 [1] [7] [13] [19]
22 Classification on vérifie: >sum(dib) [1] 6 Ainsi, l inertie interclasses passe de 6 (=inertie totale) à 6- sum(dib)=0.
23 Classification 2- Choix du nombre de classes Pourcentage d inertie inter conservé à chaque itération > r2=(6-cumsum(dib))/6;r2 [1] e e e e e-01 [6] e e e e e-01 [11] e e e e e-01 [16] e e e e e-01 [21] e e e-16 >r2=r2[24-1:24] > plot(r2,type="b", main="r² : % de variance inter expliquée", cex=0.5, xlab=«nombre de classes")
24 Classification 2- Choix du nombre de classes Pourcentage de variation perdu à chaque itération > sprs2=dib/6;sprs2 [1] [6] [11] [16] [21] >sprs=sprs2[24-1:24] > plot(sprs2,type="b", cex=0.5, main="r² semi-partiel",xlab=«nombre de classes")
25 Classification 2- Choix du nombre de classes
26 Dendogramme
27 Classification 2- Choix du nombre de classes Conclusion : Avec le R2 : La première chute notable du % de variance interclasses eu lieu au passage de 7 à 6 classes, où l on passe de 91% à 87% de l inertie totale. Un deuxième décrochement du % de variance interclasses a lieu lorsque l on passe à deux classes. Jusqu à 3 classes, la perte d inertie inter est tolérable 3 classes restituent encore 75% de l inertie totale (ie, de l information contenue dans les données). Il semble que le bon choix soit 7 classes, mais si cela fait trop ou qu elles ne sont pas interprétables, on peut en choisir 3. Avec le R2 semi-partiel : le pic suivi d un creux dans le graphe se fait au passage de 6 à 7 classes, ensuite la perte est beaucoup trop importante, ce qui conduit par ce critère à choisir 7 classes. On retrouve un saut sur le dendogramme au passage de 7 à 6 classes.
28 Classification 3- Identification des classes >plot(cl,hang=-1,cex=0.7); rect.hclust(cl, k=7, border="red"); rect.hclust(cl, k=7, border=«blue")
29 Classification 3- Identification des classes Vérification de la stabilité des classes par partitionnement km=kmeans(voi,7) ; sort(km$cluster) Renault_19 Fiat_Tipo Peugeot_405 Renault_ Citroen_BX Bmw_325iX Audi_90_Quattro Opel_Omega Peugeot_405_Break Ford_Sierra Renault_Espace Honda_Civic Peugeot_205_Rallye Seat_Ibiza_SX_I Citroen-ax-sport Bmw_530i Rover_827i Renault_25 Ford_Scorpio Ford_Fiesta Fiat_Uno Peugeot_205 Nissan_Vanette VW_Caravelle
30 Classification 3- Identification des classes
31 Classification 3- Identification des classes C1(n=4) C4 C2(n=5) C1 C3(n=4) C5 C4(n=4) C3 C5(n=2) C2 C6(n=2) C7 C7(n=3) Petites Berlines Grandes volumin routières vans petites sportives moyennes routières euses Honda_Civic Peugeot_205 _Rallye Seat_Ibiza_S X_I Citroen-axsport Renault_19 Fiat_Tipo Peugeot_405 Renault_21 Citroen_BX Bmw_530i Rover_827i Renault_25 Ford_Scorpio Opel_Omega Peugeot_405 _Break Ford_Sierra Renault_Esp ace Bmw_325iX Audi_90_Qu attro Nissan_Vane tte VW_Caravell e C6 Ford_Fiesta Fiat_Uno Peugeot_205
32 Classification 4- Caractérisation Calcul des moyennes par classes sur le tableau centré réduit > km$center (classes de la k-means) Cylindre Puissance Vitesse Poids Longueur Largeur On compare les moyennes à 0.
33 Classification 4- Caractérisation Calcul de l excentricité des classes= distance renormalisée du centre de gravité de la classe au centre de gravité du nuage= distance du centre de gravité du tableau centré réduit à 0 apply(km$centers^2,1,sum) Calcul des moyennes par classes du tableau brut tab= cbind(voit,class=cutree(cl,k=7)) t=matrix(rep(0,49),7,7) for(i in 1:7){t[i,]= apply(tab[which(tab[,7]==i),],2,mean)}
34 Classification 4- Caractérisation Moyennes brutes (avec classes de la CAH) C1 C2 C3 C4 C5 C6 C7 total Cylindre Puissance Vitesse Poids Longueur Largeur excentricité
35 Classification 4- Caractérisation
36 Classification 5- Représentation dans les axes factoriels de l ACP (programme n 3 du cours modifié cl=hclust(dist(voi), method="ward") p = princomp(voi) u = p$loadings x = (t(u) %*% t(voi))[1:2,] x = t(x) plot(x, col=cutree(cl, k=7), pch=3, lwd=3, xlab="caractéristiques fortes--- faibles", ylab="volumineuses---puissantes") text( x[,1], x[,2], attr(x, "dimnames")[[1]],col=cutree(cl, k=7),cex=0.7 )
37
38 Classification
39 Discrimination >tab= cbind(voit,class=cutree(cl,k=7)) >library(mass) >a=lda(class~cylindre+puissance+vitesse+poids+longueur+largeur,dat a=tab) Call: lda(class ~ Cylindre + Puissance + Vitesse + Poids + Longueur + Largeur, data = tab) Prior probabilities of groups:
40 Discrimination Group means: Cylindre Puissance Vitesse Poids Longueur Largeur
41 Discrimination Coefficients of linear discriminants: LD1 LD2 LD3 LD4 LD5 Cylindre Puissance Vitesse Poids Longueur Largeur
42 Discrimination Proportion of trace: LD1 LD2 LD3 LD4 LD5 LD Deux axes conservent à peu près 87% de l information donc on n interprètera que les deux premiers axes.
43 Discrimination > rbind(a$mean,mean(voi)) Cylindre Puissance Vitesse Poids Longueur Largeur
44 Discrimination > D=matvoi%*%a$scaling > cor(voi,d[,1:2]) LD1 LD2 Cylindre Puissance Vitesse Poids Longueur Largeur L axe 1 oppose les voitures dont les caractéristiques sont faibles à celles dont toutes les caractéristiques sont fortes. L axe 2 oppose les voitures lourdes et peu rapides aux autres.
45 Discrimination >plot(a, col = as.numeric(tab[,7]),dimen=2,xlab="faible-----forte",ylab=" lourdes et lentes")
46 Discrimination
La 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 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 détailPLAN. Ricco Rakotomalala Tutoriels Tanagra - http://tutoriels-data-mining.blogspot.fr/ 2
Apprentissage non-supervisé ou apprentissage multi-supervisé? Ricco RAKOTOMALALA Tutoriels Tanagra - http://tutoriels-data-mining.blogspot.fr/ PLAN. Classification automatique, typologie, etc.. Interprétation
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 détail2 nd semestre. Synthèse de l étude D3 Parcours Analyse de la fidélité des clients par marque. En partenariat avec
2 nd semestre 2014 Synthèse de l étude D3 Parcours Analyse de la fidélité des clients par marque En partenariat avec Note de synthèse 1 +33 6 87 70 31 12 1. Cadre général L étude D3 Parcours est réalisée
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 détail"Étude TOPÉO" Le Concept de la voiture low cost en France => Cas concret : la NANO de TATA
"Étude TOPÉO" Le Concept de la voiture low cost en France => Cas concret : la NANO de TATA Étude en Ligne, réalisée par CEGMA TOPO, du 0 au 06 avril 009 Auprès de 360 individus : titulaires du permis de
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 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 détailStéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE. 04/04/2008 Stéphane Tufféry - Data Mining - http://data.mining.free.fr
Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE 1 Plan du cours Qu est-ce que le data mining? A quoi sert le data mining? Les 2 grandes familles de techniques Le déroulement d un projet de data
Plus en détailConsommation de flotte (1989 2012)
Bases et méthodologie de comparaison L Association des importateurs suisses d automobiles «auto-suisse» établit chaque année la consommation moyenne des voitures de tourisme vendues appelée consommation
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 détailCOURS DE DATA MINING 4 : MODELISATION NON-SUPERVISEE CLASSIFICATIONS AUTOMATIQUES
COURS DE DATA MINING 4 : MODELISATION NON-SUPERVISEE CLASSIFICATIONS AUTOMATIQUES EPF 4/ 5 ème année - Option Ingénierie d Affaires et de Projets - Finance Bertrand LIAUDET 4 : Modélisation non-supervisée
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 détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
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 détaildocument proposé sur le site «Sciences Physiques en BTS» : http://nicole.cortial.net BTS AVA 2015
BT V 2015 (envoyé par Frédéric COTTI - Professeur d Electrotechnique au Lycée Régional La Floride Marseille) Document 1 - Etiquette énergie Partie 1 : Voiture à faible consommation - Une étiquette pour
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 détailISFA 2 année 2002-2003. Les questions sont en grande partie indépendantes. Merci d utiliser l espace imparti pour vos réponses.
On considère la matrice de données : ISFA 2 année 22-23 Les questions sont en grande partie indépendantes Merci d utiliser l espace imparti pour vos réponses > ele JCVGE FM1 GM JCRB FM2 JMLP Paris 61 29
Plus en détail01-2014 Brochure ALD ELECTRIC PART OF ALD NEWMOBILITY
01-2014 Brochure ALD ELECTRIC PART OF ALD NEWMOBILITY 1 Brochure ALD electric INTRODUCTION Notre offre ALD electric se compose d une gamme très complète de véhicules électriques comprenant des hybrides
Plus en détailEnjeux mathématiques et Statistiques du Big Data
Enjeux mathématiques et Statistiques du Big Data Mathilde Mougeot LPMA/Université Paris Diderot, mathilde.mougeot@univ-paris-diderot.fr Mathématique en Mouvements, Paris, IHP, 6 Juin 2015 M. Mougeot (Paris
Plus en détailMarché de l'automobile - Automobile - Type de carrosserie - Modèle d'automobile
Le marché automobile est fréquemment analysé sous forme de segments ou catégories de voitures, qui indiquent le positionnement de chaque modèle sur le marché. Catégories : Marché de l'automobile - Automobile
Plus en détailClassification non supervisée
AgroParisTech Classification non supervisée E. Lebarbier, T. Mary-Huard Table des matières 1 Introduction 4 2 Méthodes de partitionnement 5 2.1 Mesures de similarité et de dissimilarité, distances.................
Plus en détailChaîne de valeur de l industrie automobile: une opportunité pour les équipementiers
Automobile Chaîne de valeur de l industrie automobile: une opportunité pour les équipementiers Jacques aschenbroich Directeur général de Valeo Un équilibre nouveau s annonce dans l industrie automobile.
Plus en détailCalcul des pertes de pression et dimensionnement des conduits de ventilation
Calcul des pertes de pression et dimensionnement des conduits de ventilation Applications résidentielles Christophe Delmotte, ir Laboratoire Qualité de l Air et Ventilation CSTC - Centre Scientifique et
Plus en détailLa Nissan Leaf 2.0 est élue Grand Prix Auto Environnement
INFORMATION PRESSE Le 22 mai 2013 PRIX AUTO ENVIRONNEMENT MAAF 2013 La Nissan Leaf 2.0 est élue Grand Prix Auto Environnement MAAF Assurances récompense 5 véhicules pour la nouvelle édition du Prix Auto
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
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 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 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 détailLa Création de Valeur Durable des Constructeurs Automobiles
La Création de Valeur Durable des Constructeurs Automobiles Une analyse des performances durables des constructeurs automobiles au niveau mondial RÉSUMÉ ET RÉSULTATS CLÉS www.sustainablevalue.com Auteurs
Plus en détailAC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Plus en détailRicco.Rakotomalala http://eric.univ-lyon2.fr/~ricco/cours
Ricco.Rakotomalala http://eric.univ-lyon2.fr/~ricco/cours Références : 1. G. Saporta, «Probabilités, Analyse de données et Statistique», Dunod, 2006 ; partie théorique, pages 155 à 177 ; partie pratique,
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
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 détailAssurer notre développement malgréles vents contraires. 12 septembre 2011
Assurer notre développement malgréles vents contraires 12 septembre 2011 Une période contrastée I. Des développements majeurs II. dans un contexte européen difficile III. Nos plans d action pour assurer
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 détailAkka Technologies au service de la voiture électrique - Cartech.fr
1 sur 5 30/08/2010 12:40 508 peugeot Accueil News & blogs Produits Shopping Telecharger forum Cartech Inscription CNET France Forums Infotrafic Environnement Technologies embarquées Concept-car Accessoires
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 détailATELIER SOLUTION. Acheter ou louer? Réforme 2006 de la fiscalité applicable aux véhicules. Avec la collaboration de P.1
ATELIER SOLUTION Acheter ou louer? Réforme 2006 de la fiscalité applicable aux véhicules Avec la collaboration de P.1 Le marché du véhicule d entreprise P.2 La proportion d'entreprises qui financent au
Plus en détailSillage Météo. Notion de sillage
Sillage Météo Les représentations météorologiques sous forme d animation satellites image par image sont intéressantes. Il est dommage que les données ainsi visualisées ne soient pas utilisées pour une
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 détailStructure financière et performance économique des PME : Étude empirique sur les entreprises belges
Structure financière et performance économique des PME : Étude empirique sur les entreprises belges Tarek MILOUD (UCL) * Résumé : Notre But est de caractériser la propriété financière des petites et moyennes
Plus en détailLOW COST TOUT INCLUS FIAT PANDA. Moteur: Essence A/C Radio CD Assurance tous risques sans franchise Réservoir plein PRIX / SEMAINE
LOW COST TOUT INCLUS FIAT PANDA Assurance tous risques sans franchise Réservoir plein 01.01.15-30.06.15 20.09.15 30.06.15 01.07.15-31.07.15 01.08.15-23.08.15 23.08.15-20.09.15 190 240 315 240 LOW COST
Plus en détailEXERCICES DE REVISIONS MATHEMATIQUES CM2
EXERCICES DE REVISIONS MATHEMATIQUES CM2 NOMBRES ET CALCUL Exercices FRACTIONS Nommer les fractions simples et décimales en utilisant le vocabulaire : 3 R1 demi, tiers, quart, dixième, centième. Utiliser
Plus en détailWWW.ATD-FRANCE.COM BOÎTES DE VITESSES MANUELLES AUTOMATIQUES FRANCE 05 57 68 17 68 PARIS 0 820 250 200
WWW.ATD-FRANCE.COM 2013 BOÎTES DE VITESSES MANUELLES AUTOMATIQUES FRANCE 05 57 68 17 68 PARIS 0 820 250 200 1 CHOISIR LE LEADER DU RECONDITIONNEMENT DE BOÎTES DE VITESSES EN FRANCE C'EST S'ASSURER : LA
Plus en détailLe baromètre BforBank - Vague 5 - Présentation globale des résultats Thème abordé : L automobile
Le baromètre BforBank - Vague 5 - Présentation globale des résultats Thème abordé : L automobile Présentation du 22 juin 2011 N Projet : BJ7418 A : BforBank & L Express De : OpinionWay OpinionWay, 06/07/2011
Plus en détailPRIX AUTO ENVIRONNEMENT MAAF 2014
INFORMATION PRESSE Le 4 juin 2014 PRIX AUTO ENVIRONNEMENT MAAF 2014 La PEUGEOT 308 1,2L PURETECH STOP&START élue Grand Prix Auto Environnement Attribution d un Prix Spécial 10 ans pour Toyota pour sa gamme
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailESIEA PARIS 2011-2012
ESIEA PARIS 2011-2012 Examen MAT 5201 DATA MINING Mardi 08 Novembre 2011 Première Partie : 15 minutes (7 points) Enseignant responsable : Frédéric Bertrand Remarque importante : les questions de ce questionnaire
Plus en détailLa systématique de la statistique TCS 2009 des pannes de voitures
Annexe au communiqué de presse Statistique TCS 2009 des pannes de voitures La systématique de la statistique TCS 2009 des pannes de voitures 1. Sont prises en considération toutes les pannes qui ont été
Plus en détailDans ce chapitre : Sommaire 93
Dans ce chapitre : Les différents types de contractions musculaires 78 Contraction statique 78 Contraction dynamique 80 Contraction isométrique 80 Contraction auxotonique 80 Contraction isotonique 82 Contraction
Plus en détail1 - PRESENTATION GENERALE...
Contenu PREAMBULE... 2 INTRODUCTION... 2 1 - PRESENTATION GENERALE... 4 Qualité et optimalité... 8 2 - AGREGATION AUTOUR DE CENTRES MOBILES... 9 2.1 LES BASES DE L'ALGORITHME... 10 2.2 TECHNIQUES CONNEXES...
Plus en détailAgrégation des portefeuilles de contrats d assurance vie
Agrégation des portefeuilles de contrats d assurance vie Est-il optimal de regrouper les contrats en fonction de l âge, du genre, et de l ancienneté des assurés? Pierre-O. Goffard Université d été de l
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 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 détailHistorique. Architecture. Contribution. Conclusion. Définitions et buts La veille stratégique Le multidimensionnel Les classifications
L intelligence économique outil stratégique pour l entreprise Professeur Bernard DOUSSET dousset@irit.fr http://atlas.irit.fr Institut de Recherche en Informatique de Toulouse (IRIT) Equipe Systèmes d
Plus en détailINNOVATION. HAUTE PERFORMANCE. SÉCURITÉ. HIER. AUJOURD HUI. DEMAIN. www.textar.com
INNOVATION. HAUTE PERFORMANCE. SÉCURITÉ. HIER. AUJOURD HUI. DEMAIN. www.textar.com TOUT. SAUF DES COMPROMIS. Quand il s agit de technologie de freinage Premium, vous pouvez compter sur Textar. Nous n acceptons
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 détailQuelles sont les principales formules utiles pour l étude de cas de vente?
Quelles sont les principales formules utiles pour l étude de cas de vente? Approvisionnement et gestion des stocks : des quantités vendues dans un Du stock initial, final et des livraisons, des commandes
Plus en détailVéhicules électriques
Véhicules électriques Marc Béranger Véhicules électriques Marc Béranger 15 juin 2012 1 Plan de la présentation Histoire de l automobile Puissance et énergie Stockage d énergie Moteur électrique Vehicle-to-grid
Plus en détailLA PUISSANCE DES MOTEURS. Avez-vous déjà feuilleté le catalogue d un grand constructeur automobile?
LA PUISSANCE DES MOTEURS Avez-vous déjà feuilleté le catalogue d un grand constructeur automobile? Chaque modèle y est décliné en plusieurs versions, les différences portant essentiellement sur la puissance
Plus en détailExtraction 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 détailPETITES FAMILIALES ET CABRIOLETS
PETITES FAMILIALES ET CABRIOLETS A ciel ouvert P. Louyet et S. Mestdagh Avec notre premier test de cabriolets, qui vient compléter le test de petites familiales, c'est déjà un avant-goût de vacances. Pour
Plus en détail1- Résultats généraux Consommations moyennes pour l ensemble des voitures particulières * Unité : litre/100 km
CONSOMMATIONS DE CARBURANTS DES VOITURES PARTICULIERES EN FRANCE 1988-2005 Direction Générale de l'énergie et des Matières Premières Observatoire de l économie de l énergie et des matières premières Observatoire
Plus en détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
Plus en détailCours 9 : Plans à plusieurs facteurs
Cours 9 : Plans à plusieurs facteurs Table des matières Section 1. Diviser pour regner, rassembler pour saisir... 3 Section 2. Définitions et notations... 3 2.1. Définitions... 3 2.2. Notations... 4 Section
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailT2- COMMENT PASSER DE LA VITESSE DES ROUES A CELLE DE LA VOITURE? L E T U N I N G
T2- COMMENT PASSER DE LA VITESSE DES ROUES A CELLE DE LA VOITURE? D É M A R C H E D I N V E S T I G A T I O N : L E T U N I N G Programme de seconde professionnelle Situation introductive problématique
Plus en détailHonda se place en tête de la satisfaction des propriétaires français de nouveaux véhicules pour la troisième année consécutive
Etude de J.D. Power and Associates en partenariat avec L Automobile Magazine : La satisfaction des propriétaires de véhicules en France diminue considérablement par rapport à 2010 Honda se place en tête
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailHuiles moteurs pour véhicules légers
Contact: Huiles moteurs pour véhicules légers FUCHS LUBRIFIANT FRANCE DIVISION AUTO MOTO 81, RUE DE L'INDUSTRIE 92500 RUEIL-MALMAISON TEL. : 01.41.37.42.00 FAX : 01.41.37.42.01 www.fuchs-oil.fr Des huiles
Plus en détail5KNA Productions 2013
Une Histoire de l Automobile 5KNA Productions 2013 1769 Le Fardier de Cugnot Chariot propulsé par une chaudière à vapeur. Vitesse: 4 km/h. Autonomie: 15 minutes 1770 Le premier accident Le Fardier, sans
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailToutes les unités de moyeu de rechange ne se valent pas. L ignorer peut vous coûter cher en temps, argent et clients perdus.
Toutes les unités de moyeu de rechange ne se valent pas. L ignorer peut vous coûter cher en temps, argent et clients perdus. Les moyeux des première qualité SKF Construits pour égaler ou dépasser les spécifications
Plus en détailSdem50. Projet de déploiement d infrastructures de recharge sur le département de la Manche. Communauté de communes de Sèves-Taute le 7 octobre 2014
Sdem50 Projet de déploiement d infrastructures de recharge sur le département de la Manche Communauté de communes de Sèves-Taute le 7 octobre 2014 Un peu d histoire Les prémices du véhicule électrique
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 détail1 - Salaires nets tous secteurs confondus
N 627 Résultats l enquête annuelle sur les s auprès s entreprises - Mai 2011 - L enquête annuelle sur les s auprès s entreprises, réalisée par voie postale par l ONS a donné les résultats présentés ci-ssous.
Plus en détailCours d électricité. Circuits électriques en courant constant. Mathieu Bardoux. 1 re année
Cours d électricité Circuits électriques en courant constant Mathieu Bardoux mathieu.bardoux@univ-littoral.fr IUT Saint-Omer / Dunkerque Département Génie Thermique et Énergie 1 re année Objectifs du chapitre
Plus en détailLES LOIS PHYSIQUES APPLIQUÉES AUX DEUX-ROUES : 1. LA FORCE DE GUIDAGE
LES LOIS PHYSIQUES APPLIQUÉES AUX DEUX-ROUES : 1. LA FORCE DE GUIDAGE 2. L EFFET GYROSCOPIQUE Les lois physiques qui régissent le mouvement des véhicules terrestres sont des lois universelles qui s appliquent
Plus en détailCHAPITRE 5. Stratégies Mixtes
CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,
Plus en détailAdaptez-vous aux nouvelles tendances de la distribution automobile
Adaptez-vous aux nouvelles tendances de la distribution automobile Les nouvelles tendances de la distribution automobile Le comportement du client Le client est exigeant Le client a conscience de sa valeur
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 détailLigue contre la Violence Routière
Ligue contre la Violence Routière La Ligue contre la violence routière, notre confrère français, vient de lancer la voiture citoyenne. Elle tient compte aussi bien de la protection de l environnement que
Plus en détailEPREUVES AU CHOIX DU CANDIDAT. Durée : De 09 h 00 à 12 h 00 (Heure de Yaoundé, TU + 1)
1 CYCLE MST-A 30 JUIN 2010 10 ème Promotion 2010 / 2012 CONCOURS D ENTREE A L IIA DROIT EPREUVES AU CHOIX DU CANDIDAT Durée : De 09 h 00 à 12 h 00 (Heure de Yaoundé, TU + 1) Le candidat traitera au choix
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 détail(51) Int Cl.: B23P 19/00 (2006.01) B23P 19/04 (2006.01) F01L 1/053 (2006.01)
(19) (12) DEMANDE DE BREVET EUROPEEN (11) EP 1 886 760 A1 (43) Date de publication: 13.02.2008 Bulletin 2008/07 (21) Numéro de dépôt: 0711197.6 (1) Int Cl.: B23P 19/00 (2006.01) B23P 19/04 (2006.01) F01L
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailLa peur de la sanction, principale raison du changement de comportement des conducteurs La vitesse, un danger encore sous-estimé
Filiale du COMMUNIQUE DE PRESSE Paris, le 16 novembre 2009 La peur de la sanction, principale raison du changement de comportement des conducteurs La vitesse, un danger encore sous-estimé Alors que le
Plus en détailMesurage de la qualité acoustique de revêtements. acoustique de revêtements
Monitoring de la performance acoustique d un d revêtement phonoabsorbant en milieu urbain François Aballéa, Pierre-Jean René a Olivier Schalbetter, Lucien Pignat b Daniel Vaucher de la Croix, Fabien Lassablière
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 détailBaromètre Responsabilité Sociale et Environnementale du Secteur Automobile
Baromètre Responsabilité Sociale et Environnementale du Secteur Automobile TNS Automotive PRINCIPAUX RESULTATS Contacts TNS Sofres: Muriel GOFFARD 01 40 92 27 47 muriel.goffard@tns-sofres.com Définir la
Plus en détailCOURS EULER: PROGRAMME DE LA PREMIÈRE ANNÉE
COURS EULER: PROGRAMME DE LA PREMIÈRE ANNÉE Le cours de la première année concerne les sujets de 9ème et 10ème années scolaires. Il y a bien sûr des différences puisque nous commençons par exemple par
Plus en détailQuantité de mouvement et moment cinétique
6 Quantité de mouvement et moment cinétique v7 p = mv L = r p 1 Impulsion et quantité de mouvement Une force F agit sur un corps de masse m, pendant un temps Δt. La vitesse du corps varie de Δv = v f -
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 détail24 ème salon TECHNO-CLASSICA ESSEN 2012 le salon mondial des passionnés de l automobile
24 ème salon TECHNO-CLASSICA ESSEN 2012 le salon mondial des passionnés de l automobile Le plus grand salon international de voitures classiques se tient du 21* au 25 mars 2012 * 21 mars 2012 : Pré-salon,
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 détailGE Capital. Principaux faits nouveaux. Perspectives sectorielles. Survol des tendances de l industrie : Automobile
Principal indicateur de la rentabilité du secteur Survol des tendances de l industrie : Automobile Principaux faits nouveaux En février, les ventes de véhicules légers au Canada ont été fortes, soit 18
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 détail