Analyse du cout de revient du sciage en aquitaine comparativement a ses principaux concurrents etrangers

Disponible uniquement sur Etudier
  • Pages : 9 (2187 mots )
  • Téléchargement(s) : 0
  • Publié le : 24 mars 2011
Lire le document complet
Aperçu du document
DARRICAU SYLVAIN.

EXERCICE AVEC R

Dans cet exercice nous allons utiliser le test de Fisher d’égalité des moyennes qui est un test statistique qui compare les variances de deux échantillons statistiques afin de déterminer si suivant si nos moyennes sont identiques ou différentes il existe une relation avec la population d’origine. Pour cela on prendra des échantillons de 10 , 50, 100, et1000 individus.

1 / Echantillons avec des moyennes identiques.

> X1<-rep("X1",3000)
> X2<-rep("X2",5000)
> X3<-rep("X3",2000)
> X<-matrix(c(X1,X2,X3),ncol=1)
> X<-factor(X)
> Y1<-runif(2999,300,500)
> S1<-sum(Y1)
> Y1[3000]<-400*3000-S1
> Y2<-runif(4999,300,500)
> S2<-sum(Y2)
> Y2[5000]<-400*5000-S2
>Y3<-runif(1999,300,500)
> S3<-sum(Y3)
> Y3[2000]<-400*2000-S3
> Y<-matrix(c(Y1,Y2,Y3),ncol=1)
> ind<-1:10000

Pour 10 individus :
> s1<-sample(ind,10)
> echX1<-X[s1]
> echY1<-Y[s1]
> plot(echY1~echX1)
> mean(echY1[echX1=="X1"])
[1] 407.1908
> mean(echY1[echX1=="X2"])
[1] 383.8409
> mean(echY1[echX1=="X3"])
[1]380.1486
>anov1<-anova(lm(echY1~echX1))
> anov1
Analysis of Variance Table

Response: echY1
Df Sum Sq Mean Sq F value Pr(>F)
echX1 2 1544.1 772.0 0.1794 0.8395
Residuals 7 30121.0 4303.0

Boxplot 1 : Moyennes pour 10 individus.

-Ici notre F Value = 0.1794 , et la valeur seuil F* pour anov1=4,74 , donc F Value<F* , on rejette donc Ho.

Pour 50individus :
> ind<-1:10000
> s2<-sample(ind,50)
> echX2<-X[s2]
> echY2<-Y[s2]
> plot(echY2~echX2)
> mean(echY2[echX2=="X1"])
[1] 400.6217
> mean(echY2[echX2=="X2"])
[1] 433.407
> mean(echY2[echX2=="X3"])
[1] 394.1064
> anov2<-anova(lm(echY2~echX2))
> anov2
Analysis of Variance Table

Response: echY2
Df Sum Sq Mean Sq F valuePr(>F)
echX2 2 14260 7130 2.6853 0.07866 .
Residuals 47 124796 2655

Boxplot 2 : Moyenne pour 50 individus.

-Ici notre F Value = 2,6853 , et la valeur seuil F* pour anov2=3,23 , donc F Value<F* , on rejette donc Ho.

Pour 100 individus :
> ind<-1:10000
> s3<-sample(ind,100)
> echX3<-X[s3]
> echY3<-Y[s3]
> plot(echY3~echX3)> mean(echY3[echX3=="X1"])
[1] 389.0979
> mean(echY3[echX3=="X2"])
[1] 392.5992
> mean(echY3[echX3=="X3"])
[1] 398.9936
> anov3<-anova(lm(echY3~echX3))
> anov3
Analysis of Variance Table

Response: echY3
Df Sum Sq Mean Sq F value Pr(>F)
echX3 2 1423 711 0.2017 0.8177
Residuals 97 342069 3526

Boxplot 3 : Moyenne pour 100individus.

-Ici notre F Value = 0.2017 , et la valeur seuil F* pour anov3=3,07 , donc F Value<F* , on rejette donc Ho.

Pour 1000 individus :
> ind<-1:10000
> s4<-sample(ind,1000)
> echX4<-X[s4]
> echY4<-Y[s4]
> plot(echY4~echX4)
> mean(echY4[echX4=="X1"])
[1] 395.1633
> mean(echY4[echX4=="X2"])
[1] 399.9561
> mean(echY4[echX4=="X3"])
[1]396.7447
> anov4<-anova(lm(echY4~echX4))
> anov4
Analysis of Variance Table

Response: echY4
Df Sum Sq Mean Sq F value Pr(>F)
echX4 2 4548 2274 0.6963 0.4987
Residuals 997 3256538 3266

Boxplot 4 : Moyenne pour 1000 individus.

-Ici notre F Value = 0.6963 , et la valeur seuil F* pour anov4=3 , donc F Value<F* , on rejette donc Ho.Maintenant nous allons utiliser n échantillons pour n = 10 , 50 , 100 , 1000 , et ainsi voir s’il il existe une convergence de ces courbe avec la courbe de Fisher.

X1<-rep("X1",3000)
X2<-rep("X2",5000)
X3<-rep("X3",2000)
X<-matrix(c(X1,X2,X3),ncol=1)
X<-factor(X)
# Il faut se débrouiller pour avoir 3 distrib avec la même moyenne
Y1<-runif(2999,300,500)
S1<-sum(Y1)...
tracking img