Le test de McNemar est utilisé pour déterminer s’il existe une différence statistiquement significative dans les proportions entre les données appariées. Ce didacticiel explique comment effectuer le test de McNemar dans R. Exemple : test de McNemar dans R Supposons que les...
Un test de Breusch-Pagan est utilisé pour déterminer si l’hétéroscédasticité est présente dans une analyse de régression. Ce tutoriel explique comment effectuer un test de Breusch-Pagan dans R. Exemple : test de Breusch-Pagan dans R Dans cet exemple, nous allons ajuster un...
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 –...
Chaque fois que vous effectuez un test d’hypothèse, vous obtenez une statistique de test. Pour déterminer si les résultats du test d’hypothèse sont statistiquement significatifs, vous pouvez comparer la statistique du test à une valeur critique Z . Si la valeur...
Les tracés des résidus sont souvent utilisés pour évaluer si les résidus d’une analyse de régression sont normalement distribués et s’ils présentent ou non une hétéroscédasticité . Ce didacticiel explique comment créer des tracés résiduels pour un modèle de régression dans...
Un histogramme de fréquence relative est un graphique qui affiche les fréquences relatives des valeurs dans un ensemble de données. Ce tutoriel explique comment créer un histogramme de fréquence relative dans R en utilisant la fonction histogram() du lattice , qui...
Ce tutoriel explique comment travailler avec la distribution de Poisson dans R à l’aide des fonctions suivantes dpois : renvoie la valeur de la fonction de densité de probabilité de Poisson. ppois : renvoie la valeur de la fonction de densité...
L’ erreur quadratique moyenne (RMSE) est une mesure qui nous indique à quel point nos valeurs prédites sont éloignées de nos valeurs observées dans une analyse de régression, en moyenne. Il est calculé comme suit : RMSE = √[ Σ(P i –...
L’une des mesures les plus couramment utilisées pour mesurer la précision de prédiction d’un modèle est MSE , qui signifie erreur quadratique moyenne . Il est calculé comme suit : MSE = (1/n) * Σ(réel – prédiction) 2 où: Σ – un...
L’ erreur quadratique moyenne (RMSE) est une mesure qui nous indique à quel point nos valeurs prédites sont éloignées de nos valeurs observées dans une analyse de régression, en moyenne. Il est calculé comme suit : RMSE = √[ Σ(P i –...
