Corrélation

variables normales centrées réduites (moyennes nulles et variances unitaires) X1 et X 2 . Figure 1 : Nuage de données hypothétiques dans un espace à 2 dimensions Chaque point représente un individu mesuré par rapport à X1 et X 2 , on voit bien une corrélation positive entre les 2 variables . La variance totale, V( X1 )+V( X 2 )=2, est partagée à peu près également entre X1 et X 2 . Analyse des données. L’analyse en composantes effectue une rotation rigide des axes pour obtenir deux nouveaux axes

135,13 Cette méthode pour dessaisonaliser n’est pas la seule, il existe aussi la méthode des moyennes mobiles. III. La corrélation Une entreprise va essayer très souvent de déterminer à partir d’un événement le comportement de ses ventes, de ses consommations, de ses achats. Elle va rechercher l’existence d’une possible corrélation. Pour déterminer cette corrélation, on va utiliser un dérivé des moindres carrés. r = Vaxa’ -1<r<1 a = (xi-x)(yi-y)

de la série conditionnelle : Y/X = xi. On obtient ainsi la série double (X, M) définie par le tableau ci-dessous. Les calculs se feront à deux chiffres après la virgule. X M 2 80 6 113 10 170 14 189 18 199 22 185 a) Calculer le coefficient de corrélation de X et M puis interpréter le résultat. (01,75 pt) b) Déterminer l’équation de la droite de régression de M en X. (0,5 pt) c) Quelle serait le salaire moyen d’un ouvrier de l’entreprise si son ancienneté était 30 ans, si cette tendance se poursuit

saisonnière Total mobile 1 = total CAn-1 + 1erCAn – 1erCAn-1 Total mobile 2 = total mobile 1 + 2èmeCAn - 2èmeCAn-1 3 Les méthodes de précisions basées sur la corrélation Le principe est de montrer une dépendance linéaire entre les deux variable x et y Calcul du coefficient R= Plus R est proche de 1, plus il y à de corrélation. Si R est positif, les variables varient dans le même sens Si R est négatif, les variables varient dans le sens contraire Puis méthode des moindres carrés

considération. Plusieurs cas sont possibles: 1. Lorsque les deux caractères sont qualitatifs, on est conduit à une analyse des tableaux de contingence croisant les deux variables statistiques; Exemple: TRI croisés, la 29/05/2012 ANALYSE DES DONNEES corrélations, anova, … matrice 12 des 3 2. Rappels sur l’analyse bidimensionnelle 2. Rappels sur l’analyse bidimensionnelle Exemple des TRI croisés Tableau croisé NAISENTR * RIS QUE RISQUE non NAIS ENTR oui Effectif % dans NA ISENTR % dans

nom au fichier, les données sont maintenant sauvegardées. Pour modifier/éditer les donnés d’une ou plusieurs séries Sélectionner la ou les séries puis double cliquer puis . Si la série est en représentation graphique ou sur d’autres fonctions (corrélation, statistiques, etc.) sélectionner puis puis . Faire un graphique Dans la barre d’outil de la base de données cliquer sur puis . Pour modifier les options du graphique, double cliquer sur la zone du graphique et faire Graph option. Créer un

calculer les coefficients de corrélation entre le δ18O et température pour ces stations. Faire Vérifier votre calcul En vous limitant à ces stations, construire un tableau pour présenter les données permettant de répondre à la recherche du (1-). Calculer le coefficient de corrélation entre les δ18O moyens et les moyennes pluriannuelles de température pour “ différents lieux ”. Noter, sous le tableau, le résultat obtenu. Comparer ce coefficient de corrélation à ceux précédemment calculés

page 2 * Taux d’erreur et quotas pages3-5 * Le pré-test pages6-8 * Le questionnaire final page 8 * Les résultats pages 9-19 a. -Tri simple b. -Tri croisé * Le coefficient de corrélation page 20 * Le test du chi-deux page 21 * Conclusion page 22 Introduction * Définition du thème et objectif : Dans le but de nos études en ERC, nous avons choisi de s’intéresser à l’opinion des Mayennais

compte de la hausse des prix 2- La prévision des ventes • la méthode des moindres carrés • la méthode de calcul des coefficients saisonniers • le coefficient de corrélation linéaire Mots clés : mode, médiane, moyenne, variance, écart-type, méthode des moindres carrés, coefficient de corrélation 1-L’analyse des ventes • Les paramètres de position Ils permettent d’analyser une série de données (ex : connaître la moyenne du chiffre d’affaires sur une année

EXPLORATOIRE. PROCESSUS Un processus classique de l'AFE est comme suit : 1. Identifiez les indicateurs / variables qui entrent dans l'AFE. 2. Calculez une matrice de corrélation (coefficient de corrélation de Bravais-Pearson). 3. Examinez la matrice de corrélation a sont utilisé pour un AFE (niveau d'importance, inverse de la matrice de corrélation, Test de Bartlett, matrice anti-image de covariance, Critères KMO de Kaiser-Meyer-Olkin) 4. Choisissez une méthode d'extraction de facteur (analyse des principaux