Articles

𝑭𝒐𝒓𝒎𝒖𝒍𝒆𝒔 𝑺𝒕𝒂𝒕𝒊𝒔𝒕𝒊𝒒𝒖𝒆𝒔 : 𝒍𝒆𝒔 𝒃𝒂𝒔𝒆𝒔 𝒂̀ 𝒎𝒂𝒊̂𝒕𝒓𝒊𝒔𝒆𝒓 𝒑𝒐𝒖𝒓 𝒃𝒊𝒆𝒏 𝒂𝒏𝒂𝒍𝒚𝒔𝒆𝒓 𝒍𝒆𝒔 𝒅𝒐𝒏𝒏𝒆́𝒆𝒔

Image
En statistique, les formules ne sont pas seulement des calculs. Elles permettent de 𝒓𝒆́𝒔𝒖𝒎𝒆𝒓, 𝒄𝒐𝒎𝒑𝒂𝒓𝒆𝒓 et 𝒊𝒏𝒕𝒆𝒓𝒑𝒓𝒆́𝒕𝒆𝒓 les données avec précision. 𝟏. 𝑳𝒂 𝒎𝒐𝒚𝒆𝒏𝒏𝒆 Elle indique la valeur centrale d’un ensemble de données. 𝒙̄ = 𝚺𝒙 / 𝒏 Elle répond à la question : quelle est la valeur moyenne observée ? 𝟐. 𝑳𝒂 𝒎𝒆́𝒅𝒊𝒂𝒏𝒆 Elle représente la valeur située au milieu lorsque les données sont classées. Elle est très utile lorsque les données contiennent des valeurs extrêmes. 𝟑. 𝑳𝒂 𝒗𝒂𝒓𝒊𝒂𝒏𝒄𝒆 Elle mesure à quel point les observations s’éloignent de la moyenne. Plus la variance est élevée, plus les données sont dispersées. 𝟒. 𝑳’𝒆́𝒄𝒂𝒓𝒕-𝒕𝒚𝒑𝒆 C’est la racine carrée de la variance. Il permet de comprendre la dispersion des données dans la même unité que la variable étudiée. Un faible écart-type signifie que les valeurs sont proches de la moyenne. 𝟓. 𝑳𝒆 𝒔𝒄𝒐𝒓𝒆 𝒁 Le score Z indique la position d’une observation par rappor...

𝑺𝒆́𝒓𝒊𝒆𝒔 𝑻𝒆𝒎𝒑𝒐𝒓𝒆𝒍𝒍𝒆𝒔 : 𝒄𝒐𝒎𝒑𝒓𝒆𝒏𝒅𝒓𝒆 𝒍𝒆𝒔 𝟒 𝒄𝒐𝒎𝒑𝒐𝒔𝒂𝒏𝒕𝒆𝒔 𝒒𝒖𝒊 𝒆𝒙𝒑𝒍𝒊𝒒𝒖𝒆𝒏𝒕 𝒍’𝒆́𝒗𝒐𝒍𝒖𝒕𝒊𝒐𝒏 𝒅𝒆𝒔 𝒅𝒐𝒏𝒏𝒆́𝒆𝒔

Image
En analyse des données, une série temporelle ne se limite pas à une simple succession de valeurs dans le temps. Elle cache souvent plusieurs mouvements qu’il faut savoir identifier pour mieux comprendre, modéliser et prévoir. Une série temporelle peut généralement être décomposée en quatre grandes composantes : 𝟏. 𝑳𝒂 𝒕𝒆𝒏𝒅𝒂𝒏𝒄𝒆 La tendance représente l’évolution générale de la série sur le long terme. Elle indique si les données suivent une trajectoire de croissance, de baisse ou de stabilité. Exemple : l’augmentation progressive du chiffre d’affaires d’une entreprise sur plusieurs années. 𝟐. 𝑳𝒂 𝒔𝒂𝒊𝒔𝒐𝒏𝒏𝒂𝒍𝒊𝒕𝒆́ La saisonnalité correspond aux variations qui se répètent à intervalles réguliers : jour, semaine, mois, trimestre ou année. Elle est très utile pour comprendre les comportements récurrents. Exemple : la hausse des ventes pendant les fêtes ou les vacances. 𝟑. 𝑳𝒂 𝒄𝒐𝒎𝒑𝒐𝒔𝒂𝒏𝒕𝒆 𝒄𝒚𝒄𝒍𝒊𝒒𝒖𝒆 La composante cyclique traduit des fluctuations de l...

𝑴𝒖𝒍𝒕𝒊𝒄𝒐𝒍𝒊𝒏𝒆́𝒂𝒓𝒊𝒕𝒆́ 𝒆𝒏 𝑬́𝒄𝒐𝒏𝒐𝒎𝒆́𝒕𝒓𝒊𝒆 : 𝒄𝒐𝒎𝒎𝒆𝒏𝒕 𝒍𝒂 𝒅𝒆́𝒕𝒆𝒄𝒕𝒆𝒓 𝒆𝒕 𝒍𝒂 𝒄𝒐𝒓𝒓𝒊𝒈𝒆𝒓 ?

Image
En économétrie, il arrive que plusieurs variables explicatives évoluent presque ensemble. C’est ce qu’on appelle la multicolinéarité. Le problème ? Même si le modèle peut sembler correct, les résultats deviennent souvent moins fiables et plus difficiles à interpréter. Conséquences principales • Erreurs standards élevées → les coefficients deviennent moins significatifs. • Coefficients instables → de petites variations dans les données peuvent changer fortement les estimations. • Mauvaise inférence → il devient difficile d’identifier l’effet propre de chaque variable. • Interprétation réduite → certains signes ou résultats peuvent paraître incohérents. Comment la détecter ? • Matrice de corrélation : des corrélations élevées entre variables peuvent alerter. • VIF (Variance Inflation Factor) : VIF = 1 → pas de problème 1 < VIF < 5 → multicolinéarité modérée VIF ≥ 10 → problème sérieux • Condition Index / valeurs propres : utile pour repérer les colinéarités plus complexes. Quel...