[PDF] Statistique Descriptive Multidimensionnelle (pour les nuls)





Previous PDF Next PDF



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

2

Tabledesmatieres

1AnalyseenComposantesPrincipales5

2AnalyseFactorielledesCorrespondances15

3AnalysedesCorrespondancesMultiple27

3

4TABLEDESMATIERES

Avant-propos

grandeslignesdecestechniques.

Chapitre1

AnalyseenComposantes

Principales

lysesdesCorrespondances). tion). 5

Ongeneraliseennal'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 evel9.009.5012.5012.00

1.2.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 -1.0-0.50.00.51.0

Axe 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 -5-4-3-2-101234567

Axe 1-10-8-6-4-20246810

Fig.1.2{Representationdesindividus

loin.

Interpretation

Var(C1)=1

99
X i=1(c1 i)2

1=8:61;sacontributionestdonc:

1

9(8:61)2

28:23100=29:19%:

1.3.PRESENTATIONGENERALEDELAMETHODE11

individuslesonta100%.

1.3Presentationgeneraledelamethode

noussemblenecessaire. appropries(q1.3.1Lesprincipes

Lesdonneesaanalyser

noteexj

X1XjXp

1x1 1xj 1xp 1. ix1 ixj ixp i. nx1 nxj nxp n

Leproblemeatraiter

Lecritereutilise

convenablementlesfacteurs.

Lamethode

C 1=a1

1X1+a2

1X2++ap

1Xp C 2=a1

2X1+a2

2X2++ap

2Xp tellesque: C doitrajouterlacontraintePp j=1(aj

1)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|Sum

ARIE|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|Sum

ARIE|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

|INF05S0510S1020S2035S3550SUP50

ColumnProfiles

|INF05S0510S1020S2035S3550SUP50

TOTAL|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

|Dim1Dim2

ARIE|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

|Dim1Dim2

INF05|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 sup50

Dim. 2

-0.25-0.15-0.050.050.150.25

Dim. 1-0.5-0.4-0.3-0.2-0.10.00.10.20.30.40.5

|Dim1Dim2

ARIE|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 |Dim1Dim2

INF05|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: I

1=0:05501.Celuidescoordonneesfournit:c1

2=0:236684.Enn,latabledecontingence

initialepermetd'ecrire:n2+

2.2.EXEMPLEILLUSTRATIF23

nuagedesdepartementsselonl'axe1vaut: 13

73(0:236684)2

0:05501'0:1813;

valeurdonneedansletableauci-dessus. interpreterlesaxesdesgraphiques. desassezgrandes(S3550).

Lescosinuscarres

estmauvaise. (proprietegeometriqueclassique).

SquaredCosinesfortheRowPoints

|Dim1Dim2

ARIE|0.0462790.404245

AVER|0.5637390.427291

H.G.|0.0201860.882916

quotesdbs_dbs50.pdfusesText_50
[PDF] cours de statistique descriptive bernard py

[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