Analyse de la variance

ZERKI YASSIN PlanIntroductionI- Présentation du modèle 1- Hypothèses 2- Relation du portefeuille avec le doute 2-1 Espérance de rentabilité 2-2 Variance de la rentabilité 3- Corrélation des actifs financiers.II- Le choix du portefeuille 1- Structuration du modèle de gestion 2-La frontière

Un parallèle sera fait avec les canes auto-organisatñc— de Kohonen, également utilisées dans les analyses non linéaires de données. Analyse en composantes principales L'analyse en composantes principales est une des plus anciennes techniques d'analyse statistique. Elle a été développée pour l'étude d'échantillons d'inthvidus caractérisés par plusieurs facteurs. La méthode est done adaptée à l' analyse de données multidimensionnelles : en effet, l'étude séparée de chaque facteur ne soffit pas en général

Projet statistique Excel : Analyse de la relation entre les dépenses alimentaires et le revenu GROUPE 1 -1- Plan INTRODUCTION QUESTIONS page 3 Définition de la population, des unités statistiques et du type des variables : page 3 Tableau des fréquences absolues et relatives ainsi que leur représentation graphique : page 3-8 Calcul des statistiques : page 5 Construction de l’échantillon : page 9-14 Estimations et test sur la moyenne page 13-17 Distributions

et leviers de l’AFC Partie 2 : Aperçu sur la démarche de l’AFC I-Analyse et astuces d’Interprétations des résultats II-Appréciation critique de l’Analyse Factorielle des Correspondances III-Exemple illustratif de la méthode Conclusion Bibliographie Introduction L'analyse factorielle des correspondances (AFC), ou analyse des correspondances simples, est une méthode exploratoire d'analyse des tableaux de contingence

(X1) pet_length v s . (X2) pet_w idth by (Y ) ty pe µk Σk 2 µ3 Centre de gravité conditionnelle Matrice de variance co-variance conditionnelle 1 µ2 µ1 1 2 3 Iris -s etos a 4 Iris -v ers ic olor 5 Iris -v irginic a 6 Equipe de recherche en Ingénierie des Connaissances Laboratoire ERIC 3 [2] Homoscédasticité Égalité des matrices de variance co-variance conditionnelles Σ = Σ k , k = 1, K , K ( X 1 ) p e t_ le n g th v s . ( X 2 ) p e t_ w id th b y ( Y ) ty p e 2

INTRODUCTION : DEFINITIONS ♦ QU’EST-CE-QUE LA MSP ? MSP = ensemble actions pour évaluer, régler et maintenir processus de production en état de fabriquer produits conformes aux spécifications et avec caractéristiques stables dans le temps. MSP = suite analyses qui comprennent : réflexion sur processus, caractéristiques significatives de ce processus, du produit, des tolérances nécessaires ; validation outil de production et de son aptitude à fournir ce que l’on attend de lui et enfin mise en place de cartes

prévision, et l’évaluation d’une politique ou d’un phénomène économique. * L’analyse structurelle : fait référence au modèle explicatif, c'est-à-dire que l’on utilise le modèle économétrique estimé pour quantifier les relations économiques. Cette analyse facilite également la comparaison de théories économiques concurrentes portant sur le même phénomène. Il s’agit en quelques sortes d’une expérimentation d’une théorie économique. * La prévision : fait référence au modèle prévisionnel. On utilise

et Roberts, 1998 ; Patrick, 1997). L ’étude de Hampton et Wellman2 suggère 2. Cette enquête, effectuée du mois d’octobre 1997 au mois d’août 1999, a eu recours à quatre instruments de recherche : observation, questionnaire, groupes de discussion, analyse documentaire. Les auteurs indiquent que Netville regroupait environ 120 domiciles, mais ne précisent pas le nombre de personnes qui auraient participé à l’étude. 99 07-Lafortune et Laflamme.qxd 06/02/2006 09:37 Page 100 SYLVIE LAFORTUNE

canc´reuses) dont une des care e act´ristiques ` analyser est le diam`tre, c’est-`-dire la plus grande distance entre deux e a e a points de la tumeur. On note X cette quantit´ apr`s un an sans traitement, et e e on supopse que c’est une variable gaussienne de moyenne µ et de variance σ 2 . Un ´chantillon de 24 observations a donn´ une moyenne empirique de x = 3.2 cm. e e 1. (1 point) Dans les questions 1., 2. et 3. de cet exercice on supposera la variance σ 2 connue et ´gale a 2 (cm2 ). Donnez un intervalle

Cette étape peut servir de fondement, d’une part, à des analyses plus poussées, dont l’objectif est de simplifier les données (analyses factorielles par exemple), de les classer (typologies), d’autre part, à des méthodes plus sophistiquées, de nature explicative (régressions, analyses de variance, analyse conjointe, etc.). Ce chapitre a pour objectif de présenter les principales méthodes de description des données afin de produire une première analyse de ces données collectées lors d’une enquête. Après