Corrélation

graphique des variations saisonnières. 8/ A partir des valeurs de la tendance et des valeurs de la série désaisonnalisée, nous avons calculé le coefficient de corrélation linéaire en utilisant la fonction « COEFFICIENT DE CORRELATION ». [pic] Le coefficient de détermination est le carré du coefficient de corrélation. Le coefficient de corrélation et de détermination ne font pas penser à un ajustement affine, c'est-à-dire que les résultat ne peuvent pas être prévisible 9/ Stagiaires Le 18

.....................................................................12 2.4. Ajustement analytique par la méthode des moindres carrés........................................................................................12 2.4. Coefficient de corrélation linéaire...............................................................................................................................15 2.5. Autres ajustements...................................................................................

Smaili Coefficient de corrélation  Nombre entre –1 et +1 donnant une indication de l’interdépendance de deux variables observées ensemble (l’intensité de la relation)    Une valeur +1 signifie que les variables ont une relation linéaire directe parfaite ; Une valeur –1 signifie qu’il y a une relation linéaire inverse parfaite ; Une valeur 0 signifie qu’il n’y a pas de relation linéaire. Conception Nadia Smaili 16 Markowitz Coefficient de corrélation  Covxy = σxy =ρxy

pch=20) Calcul de la covariance et du coefficient de corrélation (rapport, total.sleep) Formule : cov(x,y) = (1/n * somme(xi * yi) – xmoy.ymoy) * cor(sleep$Total.sleep, rapport) * cov(sleep$Total.sleep, rapport) Tester si le coef de correlation est significativement différent de 0 * cor.test(rapport,sleep$Total.sleep, conf.level=0.95) ------------------------------------------------- Pearson's product-moment correlation -------------------------------------------------

L’objectif de l’ACP est de revenir à un espace de dimension réduite (plan 2D) en déformant le moins possible la réalité. Il s’agit de résumer de la manière la plus pertinente possible des données initiales : matrice des corrélations (analyse de la dispersion des données). Matrice de corrélation : - Extraction des facteurs (en petit nombre) - Interprétation des graphiques pour comprendre la structure des données analysées avec l’aide d’indicateurs numériques pouvant aider l’interprétation. ACP avec

permet de comparer les résultats obtenus de méthodes statistiques différentes. => coefficient de corrélation partielle => facilité de calcul et interprétation Détermination d’une grandeur d’effet moyenne * Il faut mesurer la grandeur globale de l’effet sur l’ensemble des résultats collectés * Agrégation des résultats, tendance générale ?=> calcul de la moyenne d coefficient e corrélation partielle. * Obtention d’un indicateur tendance centrale qui mesure l’effet +/- et son intensité

couverture σ S = écart type de δ S σ F = écart type de δ F ρ = Corrélation entre δ S et δ F h* = Ratio de couverture minimisant le risque de la position du hedgeur, en fait Le ratio de couverture optimale est la résultante de la corrélation des variations de prix et du ratio des écarts types de δ S et δ F. Relation entre la variance de la valeur de la position et le ratio de couverture Lorsque la corrélation est parfaite (=1), et que les variances sont égales, le ratio de couverture

| | Démarches mobilisées :- Fonctionnalités progiciel de gestion SAGE : module de paye; module de comptabilité.- Processus 2 : SOCIAL : élaboration de fiches de paye, passer les écritures comptables.- Fonctionnalités tableur : coefficient de corrélation ; droite d’ajustement ; tables de consultation ; recherche ; SI et SI imbriqués…- Processus 8 : Calcul des coûts préétablis, des budgets : démarches calcul des coûts complets, méthode ABC ; budget des ventes et des approvisionnements.- Processus

techniques, la représentation ne figure pas sur ce corrigé. 2. Coordonnées du point moyen G : XG = 1+ 2 + 3 + 4 + 5 + 6 + 7 =4 7 YG = 6,4 + 8 + 10,1 + 11,1 + 12,7 + 14,4 + 15 = 11,1 7 Conclusion : G( 4 ; 11,1 ) 3. Le coefficient de corrélation linéaire r est : r ≈ 0,994 4. Ce coefficient est très proche de 1 ; on peut donc dire qu’un ajustement linéaire est légitime. 5. L’équation de la droite d’ajustement fournie par la calculatrice est : y = 1,47 x + 5,21 6. Pour l’année 2010

2!3! • • • • • x Moyenne :  = 1 ∑x n i=1 i 1 x ∑  x −  ² n i=1 i 1 n x y=  x y ∑  x i −  y i − xy−  i =1 n n n Variance : var  x =σ²= Écart type : Covariance : σ = σ² Cov  x ; y=σ xy= σ xy Coefficient de corrélation : r = σxσy Loi Binomiale, ( si p constant, et seulement deux issues possibles) : P  X=k =C n p 1− p p k n−k Avec X le compteur de succès, k le nombre de succès et Moyenne : m=n× p Écart type : σ =  n p q p la probabilité de