Corrélation

d’éligibilité non limité). On peut appliquer une strate pour tous les traitements possibles. 14) Quelles sont les trois façons de mettre en relations deux variables ? Quali x quali = croisés Quanti x quali = moyenne Quanti x quanti = corrélation 15) Que représente le Chi 2 calculé par Sphinx lors de l’analyse d’un tableau croisé ? Les effectifs observés ? les effectifs théoriques ? Le Chi 2 représente un écart à l’indépendance (écarts en tre effectifs observés dans l’enquête et effectifs

du test et la mesure obtenue de façon concomitante avec le critère, qui est généralement un autre test reconnu comme mesurant des phénomènes plus ou moins proches. Selon le degré de parenté des outils, des hypothèses concernant l’intensité des corrélations attendues peuvent être émises. La validité prédictive définit la valeur pronostique d’une mesure. Elle qualifie la précision avec laquelle la performance sur une variable, le prédicteur, permet d’estimer la performance sur une autre variable, le

l’évolution des ventes en fonction du temps (série chronologique) pour dégager une tendance. Il convient de calculer l’équation de la droite d’ajustement. La méthode la plus utilisée est la méthode des moindres carrés (MMC) Coefficient de corrélation Corrélation Négative Positive Faible -0,5 à 0,0 0,0 à 0,5 Forte -1 à -0,5 0,5 à 1 Deuxième étape : Elaboration du budget des ventes Le budget des ventes peut faire l’objet de plusieurs représentations adaptées aux besoins de l’entreprise.

colonnes. Pour chaque point représentatif des lignes ou des colonnes du tableau de données, nouvel axe par nouvel axe, on s'intéresse à ses nouvelles coordonnées, au cosinus carré de l'angle avec l'axe (ce qui est équivalent à un coefficient de corrélation), ainsi qu'à sa contribution à l'inertie expliquée par l'axe (c'est-à-dire à sa contribution à la création de l'axe). Deux contraintes particulières sur les données sont à signaler : d'une part, les tableaux ne peuvent comporter de cases vides

à calculer les corrélations entre les lignes de ce tableau. On obtient ainsi une matrice de corrélation R1. Soit Ri une matrice de corrélation produite à l'étape i du calcul, l'algorithme calcule Ri+1, comme étant la matrice des corrélations entre les lignes de Ri. Cet algorithme converge vers une matrice qui ne comporte que des 0 et des 1 et dont on peut réorganiser les lignes et les colonnes de manière à faire apparaître deux blocs. À l'intérieur d'un bloc, toutes les corrélations valent 1 et entre

Espérance mathématique du produit de deux variables aléatoires discrètes : E(XY) = ∑ xiyipij = E(X)*E(Y) Réciproque fausse Covariance : Cov(XY) = E(XY)-E(X)*E(Y) Cov(XY) = Cov(YX) Indique le degré de corrélation entre les deux variables. Corrélation Linéaire : Coefficient de corrélation linéaire : ρ= Cov(XY) / σ(X)* σ (Y) Si X et Y indep. Alors Cov(XY)=0 et ρ=0 Var(X-Y)=Var(X)+Var(Y)-2Cov(XY) ; réciproque fausse. Espérance conditionnelle : EY=yi(X) = ∑ xi*PY=yi(X=xi) Variance conditionnelle :

. . . . . . II Ajustements II.1 Ajustement à la règle . . . . . II.2 Méthode de Mayer . . . . . . II.3 Méthode des moindres carrés II.4 Ajustement exponentiel . . . II.5 Comparaison . . . . . . . . . . . . . . . . . . . III Coefficient de corrélation linéaire http://nathalie.daval.free.fr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

position 2.2.2 – Paramètres de dispersion 2.2.3 – Paramètres de forme 3. Statistique descriptive bivariée. 3.1. Définitions. 3.2. Représentation graphique. 3.3. Caractéristiques marginales et conditionnelles. 3.4. Régression et corrélation. 3.4.1 Régression et corrélation. 3.4.2 Méthode des moindres carrés. 4. Régression orthogonale dans R². 4.1. Notion d'espace vectoriel euclidien. 4.1.1. Espace vectoriel R n. 4.1.2. Produit scalaire dans R n. 4.2. Approche euclidienne de la régression. 4.3

position 2.2.2 – Paramètres de dispersion 2.2.3 – Paramètres de forme 3. Statistique descriptive bivariée. 3.1. Définitions. 3.2. Représentation graphique. 3.3. Caractéristiques marginales et conditionnelles. 3.4. Régression et corrélation. 3.4.1 Régression et corrélation. 3.4.2 Méthode des moindres carrés. 4. Régression orthogonale dans R². 4.1. Notion d'espace vectoriel euclidien. 4.1.1. Espace vectoriel R n. 4.1.2. Produit scalaire dans R n. 4.2. Approche euclidienne de la régression. 4.3. Régression

banque n’est pas égal à la somme des CAR de ses différentes activités. Du fait que la corrélation imparfaite entre les différentes activités (la corrélation entre les risques est faible pour les banques généralistes TOLLA [1996]), le CAR de la banque est inférieur à la somme des CAR. Plus précisément, la relation est :   = ∑∑ CARi CAR j cij   i j  1/ 2 CARBque [5] cij : coefficient de corrélation entre l’activité i et l’activité j. La relation [5] peut être écrite de manière à faire