Nous utilisons des cookies pour améliorer votre expérience de navigation, diffuser des publicités ou du contenu personnalisés et analyser notre trafic. En cliquant sur "Tout accepter", vous consentez à notre utilisation des cookies.
Personnaliser les préférences
Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.
Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site....
Toujours actif
Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.
Aucun cookie à afficher.
Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.
Aucun cookie à afficher.
Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.
Aucun cookie à afficher.
Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.
Aucun cookie à afficher.
Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.
L’une des mesures les plus couramment utilisées pour mesurer la précision des prévisions d’un modèle est MAPE , qui signifie erreur de pourcentage absolue moyenne . La formule pour calculer le MAPE est la suivante : MAPE = (1/n) * Σ(|réel –...
L’une des mesures les plus couramment utilisées pour mesurer la précision des prévisions d’un modèle est MSE , qui signifie erreur quadratique moyenne . Il est calculé comme suit : MSE = (1/n) * Σ(réel – prévision) 2 où: Σ – un...
Un résumé à cinq chiffres est un moyen de résumer un ensemble de données en utilisant les cinq valeurs suivantes : Le minimum Le premier quartile La médiane Le troisième quartile Le maximum Le résumé en cinq chiffres est utile car il...
Une correction de continuité est appliquée lorsque vous souhaitez utiliser une distribution continue pour approximer une distribution discrète. Généralement, il est utilisé lorsque vous souhaitez utiliser une distribution normale pour approximer une distribution binomiale . Rappelons que la distribution binomiale nous...
Une correction de continuité est utilisée lorsque vous souhaitez utiliser une distribution normale pour approximer une distribution binomiale. Cette calculatrice vous permet d’appliquer une correction de continuité à une distribution normale pour trouver des probabilités approximatives pour une distribution binomiale. Entrez...
Le lissage exponentiel est une technique permettant de « lisser » les données de séries chronologiques et est souvent utilisé pour les prévisions à court terme. L’idée de base est que les données de séries chronologiques sont souvent associées à un...
En statistiques, la probabilité fait référence aux chances qu’un événement se produise. Il est calculé comme suit : PROBABILITÉ: P(événement) = (# résultats souhaitables) / (# résultats possibles) Par exemple, supposons que nous ayons quatre boules rouges et une boule verte dans...
Un tableau de distribution de fréquences est un tableau qui affiche les fréquences de différentes classes de données. Par exemple, le tableau de distribution de fréquence suivant montre la fréquence pour cinq classes différentes : Classe Fréquence 1 – 10 20 11...
Un score Brier est une mesure que nous utilisons dans les statistiques pour mesurer l’exactitude des prévisions probabilistes. Il est généralement utilisé lorsque le résultat d’une prévision est binaire : soit le résultat se produit, soit il ne se produit pas....
Une moyenne mobile pondérée est une technique qui peut être utilisée pour lisser les données de séries chronologiques afin de réduire le « bruit » dans les données et d’identifier plus facilement les modèles et les tendances. L’idée derrière une moyenne...