Variable catégorielle

comportement sans intervenir. Consiste à interroger les gens sur des aspects d’eux-mêmes qu’ils sont en mesure de décrire. Variable Toute caractéristique d’une personne ou de son entourage ne pouvant être observée, mais pouvant faire l’objet d’une description par le sujet lui-même. OBSERVÉE/DÉCRITE Tout phénomène qui varie et qui peut faire l’objet d’une observation. OBSERVÉE La variable décrite DÉCRITE Outils observation, test, questionnaire, entrevue grille d’observation questionnaire, entrevue

Traitement statistique des variables médiatrices Objectifs du TD  A la fin du TD l’étudiant doit être capable d’identifier une variable médiatrice, et de tester l’effet médiateur d’une variable Z au niveau de la relation entre deux autres variables X et Y. Selon Baron et Kenny (1986), « une variable médiatrice explique comment des évènements externes à l’individu prennent une signification psychologique chez celui ci. Alors que les variables modératrices spécifient quand certains effets arrivent

hauteur en mètre de : 1. L’oratoire St-Joseph et 2. L’école d’optométrie en nous servant du sexant, de distance et quelques formules de trigonométrie. Identification des variables Notre variable dépendante est la hauteur du bâtiment à mesurer et la variable indépendante est l’angle à laquelle où on ne voit plus le bâtiment. La variable à contrôler est la distance qui nous sépare de l’oratoire/école d’optométrie. Schéma des édifices (de l’oratoire St-Joseph)   Cadre Théorique En nous basant

projection : approche géométrique . . . . . . . . . . . . . . . . . . . 3.3 Représentations graphiques et aide à l’interprétation . . . . . . . . . . . . . . 3.3.1 Les individus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3.2 Les variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.4 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5 Propriétés asymptotiques des estimateurs de composantes principales . . . . . 3.6 ACP par

d’intensité lumineuse donc l’intensité lumineuse sera moins grande. Identification des variables : Variable indépendante et ses valeurs : La variable indépendante est la distance, en cm, entre la source de lumière et le capteur d’intensité lumineuse. Les distances entre la source de lumière et le luxmètre seront : 10cm, 20cm, 30cm, 40cm, 50cm, 60cm, 70cm, 80cm, 90cm. Variable dépendante : La variable dépendante est l’intensité de lumière en W/m2.. Élaboration d’un protocole : Matériel :

bouchon de caoutchouc. En utilisant la formule Fc= , on a trouvé que v=. En utilisant les mesures de la force moyenne trouvé a l`aide de Data Logger Pro et le rayon et la masse, nous avons pu calculer la vitesse. Variables : variable dépendante; la force centripète; ±0,001 Variable indépendante; le temps; ±0,01 Tableau des résultats : Force centripète (N) Rayon (m) Masse du bouchon (g) Vitesse (m/s) ±0,001N ±0,0005m ±0,01g 0,001m/s 1 0,767 0,300 19,70 0,109 2 1,329 0,300

b1x1 +b2x2 + b3x3+ … + bnxn + e Variable « y » à expliquer : la part de marché de SEI-Canada pour les logiciels de jeux au Canada (en %) ŷ = 102,046 + 0,236(pmlc) – 0,195(âge) – 0,866(prix) + 0,155(pub) + e Interprétation des paramètres de la régression : • b0 = 102,046. Il s’agit de la constante. C’est l’ordonnée à l’origine. Représente la part de marché de SEI-Canada pour les logiciels de jeux au Canada (en%) si l’ensemble des variables du modèle est mis à zéro. bo > 0 donc

0,50 0,30 0,10 0,01 R : Le coefficient de corrélation mesure la force de la relation entre deux variables. R2 ou R-Deux : Mesure la part expliquée de la variable dépendante par la variance de la variable indépendante. Exemple : Variable dépendante : Rendement Variable indépendante : Motivation. Si R2 est égale à 0,76 veut dire que 76% de la variance du rendement est expliquée par la variance de la motivation.     R R R R R R      = 0,70 0,69 0,49 0,29 0,09 0,00 Relation très forte

deux événements Chapitre 5 : 5.1 5.2 5.2.1 5.2.2 5.2.3 5.2.4 5.2.5 5.2.6 5.3 5.4 Variables aléatoires Définition d’une variable aléatoire Variables aléatoires finies Représentation d’une loi de probabilité finie Espérance mathématique d’une loi finie Variance et écart-type Loi de probabilité produit Variables aléatoires indépendantes Fonction de répartition Variables infinies dénombrables Variables aléatoires continues Chapitre 6 : Exemples de distributions 6.1 Lois discrètes 6

Productions réalisées : Dossier I : P7. Coûts. Objectif : évaluer les coûts et la rentabilité des produits (coûts complets, marges sur coûts variables et marges sur coûts spécifiques ; seuil de rentabilité et SR probabilisé). Outils : travaux sur tableur Excel : graphiques ; coefficient de corrélation ; droite d’ajustement ; tables de consultation ; recherche ; valeur cible, gestionnaire de scénarios…Présentation d’un rapport (traitement de textes). Dossier II : P3. Gestion fiscale et P5 : Gestion