Mesures dans le temps Claude Marois 2012.

Slides:



Advertisements
Présentations similaires
Corrélation Position du problème Définition covariance (X,Y) r =
Advertisements

Test statistique : principe
Inférence statistique
Régression ou corrélation
1. Les caractéristiques de dispersion. 11. Utilité.
Analyse de la variance à un facteur
Le progrès technique, ennemi de l’emploi ?
Une mesure de l ’évolution dans le temps
Notions et mesures dans le temps Claude Marois © 2012.
Cours de physique générale I Ph 11
Cours Corporate finance Eléments de théorie du portefeuille Le Medaf
Montage préparé par : André Ross Professeur de mathématiques Cégep de Lévis-Lauzon André Ross Professeur de mathématiques Cégep de Lévis-Lauzon Modélisation.
Régression linéaire simple
Mathématiques des Décibels Matériel de formation pour les formateurs du sans fil.
La droite dans R2 Montage préparé par : André Ross
Systèmes d’équations du premier degré à deux variables
Équations Différentielles
Représentation des systèmes dynamiques dans l’espace d’état
Représentation des systèmes dynamiques dans l’espace d’état
Représentation des systèmes dynamiques dans l’espace d’état
Révision de math pour ECO 2012
Le test t.
Université dOttawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :47 1 Concepts fondamentaux: statistiques et distributions.
Les modèles linéaires (Generalized Linear Models, GLM)
Corrélation Principe fondamental d’une analyse de corrélation
Quelques fonctions de base
Les maths 8 3,3 Estimer des racines carrés. Notre but est dêtre capable destimer la racine carrée à un dixième de la réponse exacte. Notre but est dêtre.
Les familles de fonctions
La régression multiple
Coefficient de corrélation linéaire
CHAPITRE 2 LES SITUATIONS FONCTIONNELLES
Régression linéaire (STT-2400)
Échantillonnage (STT-2000) Section 3 Utilisation de variables auxiliaires. Version: 8 septembre 2003.
Les données construites Nombre absolu Ex: 18 personnes n’ont pas aimé le concert. Est-ce que c’est 18 sur 20 ou 18 sur 20,000 ?
Chapitre 5 Prévisions.
Lectures Volume du cours: Sections 12.1 à 12.6 inclusivement
Exemple: coefficient allométrique
Régression linéaire.
Question 1  38% des sénégalaises sont illettrées.  Il y a 52% de femmes parmi la population sénégalaise.  La proportion de femmes illettrées parmi.
GOL503 Spécificités sectorielles
Présentation de la méthode des Eléments Finis
Physique 3 Vibrations linéaires et ondes mécaniques
Régression linéaire multiple : hypothèses & interprétation
Equation différentielle de 2ème ordre
Méthodes de Biostatistique
Conférence de presse du 21 août 2014 Perspectives démographiques à horizon 2040 Le Valais et ses régions Maurice Tornay Chef du Département des finances.
Ch 5 Changement de couleur et réaction chimique
Chapitre 3-B : AUTOMATIQUE : LES S.L.C.I.
T8.1 Organisation du chapitre
Séquence FONCTION DE VARIABLE(S) REELLE(S) :
l’économie de Robinson et de vendredi
Forces centrales et mouvement des planètes:
Chapitre 3 :Algèbre de Boole
Rappels de statistiques descriptives
Les fonctions Les propriétés.
Valeur ou Volume. Prix courants ou Prix constants
Modélisation de systèmes ayant des réactions chimiques
Gestion budgétaire des ventes
Outils d’analyse: la méthode des moindres carrées
Rappels Variables nominales :
Annexe Concepts mathématiques utilisés dans le cours.
STATISTIQUES.
Le modèle de régression linéaire Claude Marois © 2010.
Analyse des données. Plan Lien entre les statistiques et l’analyse des données Propagation des erreurs Ajustement de fonctions.
Statistiques à 2 variables
Tout comprendre au Taux de Croissance Annuel Moyen (TCAM)
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Approximation linéaire –Méthode du moindre carré u Exemple.
FICHE METHODOLOGIQUE n°3
CHAPITRE 2 LES SITUATIONS FONCTIONNELLES
Chapitre 4: Variation dans le temps  Les données : audience totale en milliers (tableau 4.1, p. 47, extrait) o Origine : enquête sur les habitudes d’écoute.
Transcription de la présentation:

Mesures dans le temps Claude Marois 2012

Mesures de changements: Changement absolu : c’est le changement de la population entre deux périodes intercensitaires : ∆ =(Pt+i-Pt)

Mesures de changements Changement relatif : c’est le changement de la population sous forme entre deux périodes intercensitaires; ce rapport est généralement en % ∆ = (Pt+i -Pt) * 100 Pt

Calcul du taux annuel de la croissance de la population Comment calculer du taux de croissance moyen annuel de la population par l’équation suivante:

Calcul du taux annuel de la croissance de la population Calcul du taux annuel de croissance de la population: On peut calculer un taux de croissance moyen annuel de la population par l’équation suivante: Pt + i = population au temps “t+i” Pt = population du recensement précédent = taux de croissance moyen annuel en % t = nombre d’années ou de périodes

Un exemple: La population du Québec était de 6 234 455 en 1976 et de 6 438 413 personnes en 1981 : quel est le taux moyen de croissance annuel ? ou

Modèle du doublement de la population Un indicateur permettant d’évaluer le rythme de croissance d’une population sur une période donnée; Donne des indications prospectives sur le mouvement global d’une population d’un pays compte tenu de sa croissance observée dans le passé; Le modèle du doublement d’une population comporte une équation estimant le nombre d’années requis pour qu’une population double sa taille à partir d’une hypothèse de croissance moyenne;

Modèle du doublement de la population. si Pt = population d’un pays au temps “t” = taux de croissance moyen annuel ainsi, la population au moment “t + 1” sera égale à la population au moment “t + 2” sera égale à etc... alors, la population au moment “t + i” sera égale à d’où i = nombre de périodes

Modèle de doublement de la population: Page 8 Modèle de doublement de la population: au moment “t + i”, on veut calculer le nombre requis d’années pour qu’il y ait un doublement de la population : si le nombre d’années requis est égal à “X” l’équation pour calculer “X” années est: d’où 2 = deux fois la taille de Pt par la transformation logarithmique, on obtient log 2 = X log pour calculer “X” : log2 = 0.3010 log log

si le taux de croissance moyen annuel est égal à 5% :. = 5% x= 0 si le taux de croissance moyen annuel est égal à 5% : = 5% x= 0.3010 = 0.3010 log (1 + 0.05) log (1.05) x= 0.3010 = 14.21 années 0.0212 si = 1% x= 0.3010 = 0.3010 = 70 années log 1.01 0.0043

Taux annuel de croissance % Doublement: « x » années Type de croissance Taux annuel de croissance % Doublement: « x » années Population stationnaire - Croissance lente -0.5 139 ans Croissance modérée 0.5 - 1 139 – 70 ans Croissance rapide 1.0 – 1.5 70 ans – 47 ans Croissance très rapide 1.5 – 2.0 47 – 35 ans Croissance explosive 2.0 – 2.5 35 ans – 28 ans 2.5 – 3.0 28 ans -23 ans 3.0 – 3.5 23 ans – 20 ans 3.5 – 4.0 20 ans – 18 ans Bogue “Principles of demography”. p.36

Projection linéaire On peut calculer la taille de la population basée sur une hypothèse de croissance à partir de l’équation i = 10 années Pt = 1000 habitants

Projection linéaire i.e. quelle sera la population d’un village de 1 000 habitants dans dix années compte tenu d’un taux de croissance moyen annuel de 1% Pt + 10 = Pt (1 + 0.01) 10 Alors Pt + 10 = 1 000 (1.01) 10 Pt + 10 = (1000) (1.1046) Pt + 10 = 1 105 habitants i = 5 ans Pt = 500000 habitants Pt + 5 = Pt (1.02) 5 Pt + 5 = Pt (1.1041) Pt + 5 = (500,000) (1.1041) Pt + 5 = 552,050 habitants

Allométrie: Le modèle allométrique : - le concept allométrique : c’est un des concepts les plus utiles à l’intérieur de la théorie générale des systèmes; la croissance allométrique est l’étude des changements de proportion d’un sous-système en relation avec les variations de taille d’un système (soit sa totalité ou une partie du système); le postulat du modèle allométrique est que le taux de croissance d’un élément “Y” est en rapport constant avec le taux de croissance d’un autre élément ou de la totalité du système. Le modèle mesure la croissance différentielle i.e. que la croissance d’un élément est mesurée par rapport à une “référence” au lieu d’être mesurée dans le temps par rapport à lui-même, c’est une mesure de croissance d’un élément par rapport à son système.

Allométrie: Cette comparaison est mesurée à l’aide d’une fonction puissance i.e. : Y=aX ɑ d’où X et Y : deux variables exprimant la taille des systèmes dont on veut mesurer la croissance relative a : ordonnée à l’origine ɑ : coefficient allométrique mesurant le degré de la croissance différentielle Les paramètres « a » et «  ɑ  » sont calculés à partir de la méthode des moindres carrés. Le coefficient allométrique est un coefficient de régression ou la pente du modèle de régression; le paramètre « a » est le rapport entre les augmentations spécifiques des valeurs de « X » et de « Y »

Allométrie: Le coefficient allométrique peut être interprété de 3 façons: si ɑ > 1 Y croît plus rapidement que X : c’est une allométrie positive si ɑ < 1 Y croît moins vite que X : c’est une allométrie négative si ɑ = 1 Y croît au même rythme que X : on parle d’isométrie Quand « ɑ »  = 1, ceci veut dire que l’augmentation relative de la proportion d’une zone est quasi proportionnelle à celle de la région.

Allométrie: Pour calculer les paramètres de l’équation, il est nécessaire de linéariser la fonction puissance à l’aide des logarithmes: log Y =log a + α log X y = aXɑ transformation logarithmique: log Y = log a + α log X

Allométrie: pour calculer « ɑ », on utilise la méthode des moindres carrés : on calcule les résidus: