Un coefficient de variation , souvent abrégé CV , est un moyen de mesurer l’étalement des valeurs dans un ensemble de données par rapport à la moyenne. Il est calculé comme suit : CV = σ / μ où: σ : l’écart type de...
En statistiques, il existe trois tests t couramment utilisés : Test t sur un échantillon : utilisé pour comparer la moyenne d’une population à une certaine valeur. Test t indépendant à deux échantillons : utilisé pour comparer deux moyennes de population. Test t pour...
L’asymétrie est une façon de décrire la symétrie d’une distribution. Une distribution est positivement asymétrique si elle a une « queue » sur le côté droit de la distribution : Remarque : Parfois, les distributions positivement asymétriques sont également appelées distributions « à droite »....
L’asymétrie est une façon de décrire la symétrie d’une distribution. Une distribution est asymétrique négativement si elle a une « queue » sur le côté gauche de la distribution : Remarque : Parfois, les distributions asymétriques négativement sont également appelées distributions «...
Le Cp de Mallows est une métrique utilisée pour sélectionner le meilleur modèle de régression parmi plusieurs modèles différents. Il est calculé comme suit : Cp = RSS p /S 2 – N + 2(P+1) où: RSS p : La somme des...
Dans l’analyse de régression, le Cp de Mallows est une métrique utilisée pour sélectionner le meilleur modèle de régression parmi plusieurs modèles potentiels. Nous pouvons identifier le « meilleur » modèle de régression en identifiant le modèle avec la valeur Cp...
Le critère d’information d’Akaike (AIC) est une métrique utilisée pour comparer l’ajustement de plusieurs modèles de régression. Il est calculé comme suit : AIC = 2K – 2 ln (L) où: K : Le nombre de paramètres du modèle. La valeur par défaut...
Le critère d’information d’Akaike (AIC) est une métrique utilisée pour comparer l’ajustement de différents modèles de régression. Il est calculé comme suit : AIC = 2K – 2 ln (L) où: K : Le nombre de paramètres du modèle. La valeur par défaut...
Le critère d’information d’Akaike (AIC) est une métrique utilisée pour comparer l’ajustement de différents modèles de régression. Il est calculé comme suit : AIC = 2K – 2 ln (L) où: K : Le nombre de paramètres du modèle. ln (L) : La...
Le critère d’information d’Akaike (AIC) est une métrique utilisée pour comparer l’ajustement de différents modèles de régression. Il est calculé comme suit : AIC = 2K – 2 ln (L) où: K : Le nombre de paramètres du modèle. ln (L) : La...