Résumé du Cours de Statistique Descriptive
15 déc. 2010 2 Statistique descriptive univariée. 27. 2.1 Param`etres de position ... 5.6.4 Indépendance de deux variables aléatoires . . . . . . . . .
Statistique descriptive à deux variables
STATISTIQUE DESCRIPTIVE À DEUX VARIABLES. 1. LES DISTRIBUTION STATISTIQUE À obtenu au cours des cinq derniers mois les données suivantes : X. 10. 15. 20. 30.
STATISTIQUES À DEUX VARIABLES
d'une société au cours des 6 dernières années : Budget publicitaire en L'objectif est à partir des valeurs d'une série statistique à deux variables
Statistiques descriptives et exercices
Les séries statistiques à deux variables peuvent être présentées de deux façons. Calot Cours de statistique descriptive
STATISTIQUE DESCRIPTIVE BIVARIEE
Les caractères étudiés peuvent être aussi bien qualitatifs que quantitatifs1. 1.1 Distributions statistiques W deux variables. On considère une population de N
Cours de statistique descriptive
2 août 2016 Une variable statistique est dite de nature ... Il existe deux types de variables quantitatives : les variables discrètes et les variables.
Chapitre 3 Etude de la liaison entre deux variables Analyse
Le test du khi-deux d'indépendance qui est rappelé ci-dessous a été traité dans le cours de statistique de 3e année de licence. Exemple 3 : On utilise les
Statistique DescriptiveÉlémentaire
2 Statistique descriptive unidimensionnelle. 9. 2.1 Cas d'une variable quantitative discr`ete . . . . . . . . . . . . . . . . . . . . . . . . 9. 2.1.1
Statistique descriptive
13 fév. 2017 Variables statistiques discrètes (V.S.D.) /. Variables statistiques continues (V.S.C.). On distingue deux sortes de variables quantitatives : ...
Statistiques descriptives et exercices
Rappels de cours et exercices corrigés sur la statistique descriptive 4.1 Représentation des séries statistiques à deux variables .
Résumé du Cours de Statistique Descriptive
15 déc. 2010 Le tableau statistique d'une variable qualitative nominale peut être représenté par deux types de graphique. Les effectifs sont représentés ...
Cours de Statistique Descriptive
On distingue deux types de variables qualitatives : les variables qualitatives ordinales et les variables qualitatives nominales. Plus précisément une variable
Cours de statistique descriptive - Archive ouverte HAL
2 août 2016 catégories socioprofessionnelles (PCS-2003). Les modalités d'une variable qualitative peuvent être classées sur deux types d'échelle : nominale ...
Statistique Descriptive Multidimensionnelle (pour les nuls)
D'autre part un autre cours sur la statistique multidimensionnelle
Statistique descriptive Notes de cours
Notes de cours Statistique descriptive - L1 sciences éco 2010-2011 - Hélène Boistard ... 3.1 Liaison linéaire entre deux variables quantitatives .
Notes de cours - Statistique Descriptive
Variables quantitatives continues : deux approches possibles. Première approche : On peut considérer un échantillon d'un caractère continu comme celui d'un.
Cours de Statistiques niveau L1-L2
7 mai 2018 Statistique descriptive : elle a pour but de résumer l'information ... les variables étudiées peuvent être le sexe la taille
Chapitre 3 Etude de la liaison entre deux variables Analyse
PMP STA 21 Méthodes statistiques pour l'analyse des données en psychologie. Chapitre 3. Etude de la liaison entre deux variables. Analyse descriptive des
STATISTIQUE
On considère deux variables statistiques et observées sur une même population de individus. d'une société au cours des 6 dernières années :.
Publicationsde
l'InstitutdeMath ematiques deToulouse (pourlesnuls) (versiondemai2010)AlainBaccini
2Tabledesmatieres
1AnalyseenComposantesPrincipales5
2AnalyseFactorielledesCorrespondances15
3AnalysedesCorrespondancesMultiple27
34TABLEDESMATIERES
Avant-propos
grandeslignesdecestechniques.Chapitre1
AnalyseenComposantes
Principales
lysesdesCorrespondances). tion). 5Ongeneraliseennal'A.C.M.
1.2Exempleillustratifpourl'A.C.P.
parlesfacteurs). laplusobjectivepossible. disciplines.1.2.1Presentation
physique,francais,anglais):MATHPHYSFRANANGL
jean6.006.005.005.50 alan8.008.008.008.00 anni6.007.0011.009.50 moni14.5014.5015.5015.00 didi14.0014.0012.0012.50 andr11.0010.005.507.00 pier5.507.0014.0011.50 brig13.0012.508.509.50 evel9.009.5012.5012.001.2.EXEMPLEILLUSTRATIFPOURL'A.C.P.7
coupd'ilduphotographe...1.2.2Resultatspreliminaires
Statistiqueselementaires
VariableMoyenneEcart-typeMinimumMaximum
MATH9.673.375.5014.50
PHYS9.832.996.0014.50
FRAN10.223.475.0015.50
ANGL10.062.815.5015.00
unpremierpasversl'analysemultivariee.Coefficientsdecorrelation
MATHPHYSFRANANGL
MATH1.000.980.230.51
PHYS0.981.000.400.65
FRAN0.230.401.000.95
ANGL0.510.650.951.00
1.2.3Resultatsgeneraux
d'unevariablequantitative).Matricedesvariances-covariances
MATHPHYSFRANANGL
MATH11.399.922.664.82
PHYS9.928.944.125.48
FRAN2.664.1212.069.29
ANGL4.825.489.297.91
Valeurspropres;variancesexpliquees
FACTEURVAL.PR.PCT.VAR.PCT.CUM.
128.230.700.70
212.030.301.00
30.030.001.00
40.010.001.00
40.301.00
Interpretation
1.2.4Resultatssurlesvariables
Correlationsvariables-facteurs
FACTEURS-->F1F2F3F4
MATH0.81-0.580.01-0.02
PHYS0.90-0.43-0.030.02
FRAN0.750.66-0.02-0.01
ANGL0.910.400.050.01
desvariablesdonneparlaFig.1.1. auxaxesdesgraphiques).1.2.EXEMPLEILLUSTRATIFPOURL'A.C.P.9
A x e 2 -1.0-0.50.00.51.0Axe 1-1.0-0.50.00.51.0
Fig.1.1{Representationdesvariables
dimensionspourinterpreterl'analyse.Interpretation
lespresentonsmaintenant.1.2.5Resultatssurlesindividus
jean0.11-8.61-1.4120.9929.191.830.970.03 alan0.11-3.88-0.504.225.920.230.980.02 anni0.11-3.213.476.174.0611.110.460.54 moni0.119.850.6026.8638.190.331.000.00 didi0.116.41-2.0512.4816.153.870.910.09 andr0.11-3.03-4.929.223.6222.370.280.72 pier0.11-1.036.3811.510.4137.560.030.97 brig0.111.95-4.205.931.5016.290.180.82 evel0.111.552.632.630.956.410.250.73 A x e 2 -5-4-3-2-101234567Axe 1-10-8-6-4-20246810
Fig.1.2{Representationdesindividus
loin.Interpretation
Var(C1)=1
99X i=1(c1 i)2
1=8:61;sacontributionestdonc:
19(8:61)2
28:23100=29:19%:
1.3.PRESENTATIONGENERALEDELAMETHODE11
individuslesonta100%.1.3Presentationgeneraledelamethode
noussemblenecessaire. appropries(q1.3.1Lesprincipes
Lesdonneesaanalyser
noteexjX1XjXp
1x1 1xj 1xp 1. ix1 ixj ixp i. nx1 nxj nxp nLeproblemeatraiter
Lecritereutilise
convenablementlesfacteurs.Lamethode
C 1=a11X1+a2
1X2++ap
1Xp C 2=a12X1+a2
2X2++ap
2Xp tellesque: C doitrajouterlacontraintePp j=1(aj1)2=1.
contenuedansC1).1.3.PRESENTATIONGENERALEDELAMETHODE13
Etainsidesuite:::
facilesalireetainterpreter.Centrageoureductiondesdonnees?
propresorthonormesdelamatriceR.Commentaires
1.3.2Lesresultats
Resultatsgeneraux
variables.Resultatssurlesvariables
interpretation. q=3.Resultatssurlesindividus
commelesautressontassociesauxfacteurs. 1).Chapitre2
AnalyseFactorielledes
Correspondances
descriptive.2.1Principegeneraldel'A.F.C.
2.1.1Lesdonnees
toirementtouslem^emepoids1 15 y1yhycsommes x1n11n1hn1cn1+ x`n`1n`hn`cn`+ xrnr1nrhnrcnr+ sommesn+1n+hn+cn (lesn`+etlesn+h).2.1.2Leprobleme
liaison. du`iemeprol-ligne f n`1 n`+;:::;n`hn`+;:::;n`cn`+g; etcelleduhiemeprol-colonne f n1h n+h;:::;n`hn+h;:::;nrhn+hg: particulieres.2.1.3Lamethode
danslecascontraire. etcellesdeY. methode.2.2.EXEMPLEILLUSTRATIF17
2.2Exempleillustratif
arrondisaladizainepres).2.2.1Lesdonnees
Ellessontreproduitesci-dessous.
mentetlaS.A.U.(en1993).INF05S0510S1020S2035S3550SUP50
ARIE870330730680470890
AVER82012602460333021702960
H.G.229010701420183012602330
GERS16508901350254020903230
LOT19401130175016607701140
H.P.2110117016401500550430
TARN17708201260201016802090
T.G.1740920156022109901240
encolonnes,6classes).SUP50=plusde50hectares.
d'uneautre,retrouvee.Letableauinitial
ContingencyTable
|INF05S0510S1020S2035S3550SUP50|SumARIE|870330730680470890|3970
AVER|82012602460333021702960|13000
H.G.|229010701420183012602330|10200
GERS|16508901350254020903230|11750
LOT|19401130175016607701140|8390
H.P.|2110117016401500550430|7400
TARN|17708201260201016802090|9630
T.G.|1740920156022109901240|8660
Sum|1319075901217015760998014310|73000
Lescontributionsaukhi-deux
(n`hn`+n+h n)2n`+n+h n (voirlechapitre3ducoursSDE). |INF05S0510S1020S2035S3550SUP50|SumARIE|32.5016.607.0236.599.7516.05|118.51
[870(397013190)=73000]2 (397013190)=73000'32:50: [820(1300013190)=73000]2 (1300013190)=73000'995:17:2.2.EXEMPLEILLUSTRATIF19
Lestableauxdeprols
RowProfiles
|INF05S0510S1020S2035S3550SUP50ColumnProfiles
|INF05S0510S1020S2035S3550SUP50TOTAL|111111
Lanotiond'inertieenA.F.C.
tique. dernieralinea. tousdepartementsconfondus.S.A.U.
cellesdeslignes(dansIRr). conserveseulementdeuxoutroisdimensions.InertiaandChi-SquareDecomposition
SingularPrincipalChi-
ValuesInertiasSquaresPercents1530456075
0.122100.014911088.2920.25*******
0.048940.00239174.833.25*
0.027920.0007856.901.06
0.023280.0005439.550.74
0.073645375.49
restitueaussilemaximum;etainsidesuite. importantepourl'axe1etainsidesuite.2.2.EXEMPLEILLUSTRATIF21
peuttoujourssededuiredesprecedents.Lescoordonneesdeslignesetdescolonnes
principequ'enA.C.P. 1.RowCoordinates
|Dim1Dim2ARIE|0.037168-.109849
AVER|-.2366840.206059
H.G.|0.023759-.157132
GERS|-.261525-.089482
LOT|0.2551870.032261
H.P.|0.4782280.052226
TARN|-.102814-.087061
T.G.|0.1235680.068447
ColumnCoordinates
|Dim1Dim2INF05|0.322690-.183979
S0510|0.2156880.069874
S1020|0.1470200.149383
S2035|-.0476930.106435
S3550|-.257888-.011834
SUP50|-.304488-.103492
Lescontributionsal'inertieselonchaqueaxe
ARIEAVER
H.G.GERSLOTH.P.
TARNT.G.
inf05s0510s1020 s2035 s3550 sup50Dim. 2
-0.25-0.15-0.050.050.150.25Dim. 1-0.5-0.4-0.3-0.2-0.10.00.10.20.30.40.5
|Dim1Dim2ARIE|0.0013660.044019
AVER|0.1813410.507201
H.G.|0.0014340.231410
GERS|0.2001150.086450
LOT|0.1360490.008024
H.P.|0.4214210.018546
TARN|0.0253480.067070
T.G.|0.0329270.037281
|11 |Dim1Dim2INF05|0.3420030.410237
S0510|0.0879250.034051
S1020|0.0655030.249544
S2035|0.0089260.164051
S3550|0.1652760.001284
SUP50|0.3303670.140833
|11 `lacoordonneedudepartement I k=rX `=1n n(ck `)2:Lapartdudepartement`vautdonc:n`+
n(ck `)2Ik: I1=0:05501.Celuidescoordonneesfournit:c1
2=0:236684.Enn,latabledecontingence
initialepermetd'ecrire:n2+2.2.EXEMPLEILLUSTRATIF23
nuagedesdepartementsselonl'axe1vaut: 1373(0:236684)2
0:05501'0:1813;
valeurdonneedansletableauci-dessus. interpreterlesaxesdesgraphiques. desassezgrandes(S3550).Lescosinuscarres
estmauvaise. (proprietegeometriqueclassique).SquaredCosinesfortheRowPoints
|Dim1Dim2ARIE|0.0462790.404245
AVER|0.5637390.427291
H.G.|0.0201860.882916
quotesdbs_dbs50.pdfusesText_50[PDF] cours de statistique descriptive et exercices corrigés
[PDF] cours de statistique descriptive s1
[PDF] cours de statistique descriptive s1 pdf
[PDF] cours de statistique descriptive semestre 1 pdf
[PDF] cours de statistique pour debutant pdf
[PDF] cours de statistiques pdf simple
[PDF] cours de stockage transport et distribution des hydrocarbures
[PDF] cours de stratégie d'entreprise
[PDF] cours de stratégie d'entreprise gratuit
[PDF] cours de stylisme pdf gratuit
[PDF] cours de svt 5ème pdf
[PDF] cours de svt seconde nouveau programme pdf
[PDF] cours de systeme national de sante au maroc pdf
[PDF] cours de technique de communication et d'animation pdf