• Aucun résultat trouvé

Détail du devoir n°1

N/A
N/A
Protected

Academic year: 2022

Partager "Détail du devoir n°1"

Copied!
1
0
0

Texte intégral

(1)

Détail du devoir n°1

Consignes

Le devoir 1 porte sur les questions 1 et 2 (analyses univariées et bivariées)

Analyse univariée

Elle comporte 5 points : 1. Type de variable 2. Effectif

3. Centralité 4. Dispersion

5. Représentation graphique

Analyse bivariée

Elle comporte :

1. Représentation graphique bivariée

2. Diagnostic (pour savoir si on doit utiliser le test paramétrique ou non paramétrique) 3. Test : Selon les cas, test paramétrique ou non paramétrique

4. Conclusions : deux conclusions, une statistique et une francaise.

5. Vérification : dans le cadre de ce devoir, faites également le deuxième test (si vous avez fait le paramétrique, faites aussi le non paramétrique et réciproquement)

6. Conclusion

Pour chaque question, vous devez présenter l'analyse SANS le code R. Puis, dans une deuxième partie, vous devez donner votre code R. Le code R doit être dans une police de taille de colonne fixe (par exemple, la police Courier New)

Au final, le devoir n°1 est à imprimer puis à rendre lors de votre TD le

Jeudi 4 novembre.

Références

Documents relatifs

On présente ici deux approches pour la modélisation probabiliste de la matrice d’impé- dance d’une fondation cylindrique rigide enterrée dans une couche de sol reposant sur

Nous avons comparé notre méthode,à l’aide du taux d’erreur TE estimé par validation croisée, à deux méthodes classiques : L’analyse discriminante classique et.

n’avons aucune information de caractère théorique sur la forme concrète de la fonction de répartition théorique inconnue Fq (x), nous sommes bien dans le cadre d’un

Quand une étape n'est pas possible avec les données que vous avez, vous devez QUAND MÊME mentionner que cette étape existe, puis expliquer (en une ligne) pourquoi vous

Par rapport à l’estimation paramétrique où l’on ne s’intéresse qu’à certaines caractéristiques fini-dimensionnelles de la loi P X , ou l’on fait une hypothèse a priori sur

Pour chaque question, comptez 0 point si l’affirmation ne s’applique pas à vous, 1 point si elle se verifie occasionnellement, et 2 points si cela vous

Notez qu’avec R vous avez déjà toute une structure d’algorithme d’apprentissage, de calcul et d’affichage de régions de déci- sion 2D dont vous pouvez vous inspirer et

The im- plementation presented is based on the many-body relativistic 4-component Dirac- Coulomb Hamiltonian and a Coupled Cluster wave function at arbitrary excitation rank..