Statistiques descriptives Répartition des communes par département Côtes dArmor Finistère Ile et Vilaine Morbihan Répartition de la population par département.

Slides:



Advertisements
Présentations similaires
Une méthode d'analyse de l'INFORMATION
Advertisements

Délégation à l’Emploi et aux Formations
Quelle est la date de ton anniversaire?
La régression logistique: fondements et conditions d’application
JXDVDTEK – Une DVDthèque en Java et XML
C1 Bio-statistiques F. KOHLER
Tests de comparaison de pourcentages
GENESIS 1 er Degré Gestion dENquêtes Et Suivi dIndicateurs Statistiques © DOS3 – Pôle Analyse & Développement Novembre 2010 – v
Séminaire des carrières 23 mars 2009
Analyse de la variance à un facteur
La régression simple Michel Tenenhaus
Un petit Tour avec nous …?
Christelle Scharff IFI 2004
Corrélation linéaire et la droite de régression
Trophées SIIC 2007 F S I F 1 Le Trophée SIIC du Meilleur Analyste Financier.
CALENDRIER PLAYBOY 2020 Cliquez pour avancer.
15. 1 MILLION $ $ $ $ $ $ $ $ $ $ 04.

OGC1 : Les outils danalyse de marché Les indices, les taux de variation et les représentations graphiques. Les prévisions des ventes par lajustement linéaire.
Régression linéaire simple
L’Analyse de Covariance
Corrélation et régression linéaire simple
Méthodes de prévision (STT-3220)
Introduction à léconométrie Mario Fortin Université de Sherbrooke Hiver 2009.
Modeles Lineaires.
La corrélation et la régression multiple
Les modèles linéaires (Generalized Linear Models, GLM)
Corrélation Principe fondamental d’une analyse de corrélation
Tournoi de Flyball Bouin-Plumoison 2008 Tournoi de Flyball
Compléter une équation chimique
Modélisation Nuage de points.
Le comportement des coûts Chapitre 3
Modélisation Nuage de points.
MATHÉMATIQUES FINANCIÈRES I
Régression linéaire (STT-2400)
Échantillonnage (STT-2000) Section 3 Utilisation de variables auxiliaires. Version: 8 septembre 2003.
Distributions de probabilité discrètes
Mesures dans le temps Claude Marois 2012.
Régression linéaire multiple : hypothèses & interprétation. Partie 2.
Régression linéaire multiple : hypothèses & interprétation
DESSINS SCHEMATIQUES DES FIGURES
Méthodes de Biostatistique
EVALUATION Où est la panne ?
NA-01 MAR 17 FEV 19H00 ST-PO NA-02 MER 18 FEV 18H30 ST-PO NA-03 SAM 21 FEV 12H ST-PO NA-05 DIM 22 FEV 12H00 SAL Predateur valleyfield 3 Seign soul 2 sens.
Joseph CHONG, Mauduit Pergent
une introduction pragmatique
Probabilités et Statistiques Année 2009/2010
Transformation de Helmert
ANALYSE DE DONNEES TESTS D’ASSOCIATION
La régression simple Michel Tenenhaus
Probabilités et Statistiques Année 2010/2011
Un exemple d’ANOVA Pour étudier l'influence du milieu sur la DL50 de daphnies (heure), on a mesuré cette durée de vie pour deux clones de daphnies en fonction.
Régression linéaire Jonathan Lenoir (MCU),
Un exemple de régression poissoniènne
On souhaite analyser les concentrations de mercure (ppm) dans les chaires de poissons carnivores des lacs de l'est de Etats- Unis. On espère trouver une.
Régréssion linéaire simple
Gestion budgétaire des ventes
Outils d’analyse: la méthode des moindres carrées
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :57 1.
Soyez les Bienvenus.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :46 1 Régression logistique.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :34 1 Les modèles linéaires (Generalized Linear.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :15 1 GLM Exemples.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :26 1 Régression multiple Quand et pourquoi on.
STATISTIQUES.
Statistiques à 2 variables
Tout comprendre au Taux de Croissance Annuel Moyen (TCAM)
Corrélation et causalité
Biostatistique pour le troisième cycle P. Leroy, F. Farnir 2013.
Transcription de la présentation:

Statistiques descriptives Répartition des communes par département Côtes dArmor Finistère Ile et Vilaine Morbihan Répartition de la population par département Analysis Variable: Taux dimposition à lannée 2007 Modèle de régression linéaire simple de th N sur th N-1 L a régression linéaire simple est une méthode statistique permettant de modéliser la relation linéaire entre deux variables explicatives dans un objectif explicatif et/ou prévisionnel. Ici nous nous intéressons aux liens entre les taux de taxe dhabitation aux années N et N-1 de lensemble des communes bretonnes en ayant préalablement agrégé les données en notre possession. Pour affiner notre modèle de prévision, nous nous occuperons uniquement des observations pour lesquelles les deux taux sont différents. Nous avons donc ainsi construit un modèle pour déterminer le taux de taxe dhabitation à lannée N en fonction de celui de lannée précédente et ceci dans le cas où la commune a la volonté de modifier ce taux: Taux N= Taux N-1* Graphique de prédiction sur lensemble des observations (1) et entre les premiers et troisièmes quartiles (2) (1)(2) Figure: Cette carte représente les communes bretonnes couplées avec leur taux de taxe dhabitation Modèle de régression multiple sur les différentes strates administratives En fiscalité locale, il existe différentes strates qui regroupent les communes selon leur nombre dhabitants. On décide ainsi de modéliser le phénomène de manière indépendante sur chacune des strates administratives. Exemple: sur la strate 250 à 500 habitants Régression: Call: lm(formula = TH____taux_vot__pour_N ~ FB_____taux_d_imposition_N_1 + base_popTHN + prodnet_popTH, data = tab2) Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) < 2e-16 *** FB_____taux_d_imposition_N_ e-06 *** base_popTHN < 2e-16 *** prodnet_popTH < 2e-16 *** --- Signif. codes: 0 *** ** 0.01 * Residual standard error: on 137 degrees of freedom Multiple R-squared: , Adjusted R-squared: F-statistic: 2944 on 3 and 137 DF, p-value: < 2.2e-16 Normalité des résidus: On obtient ainsi 6 modèles différents: Pour une commune ayant une population de 0 à 250 habitants : TH____taux_vot__pour_N = FB_____taux_d_imposition_N_1* base_popTHN* prodnet_popTH* Pour une commune ayant une population de 250 à 500 habitants : TH____taux_vot__pour_N = FB_____taux_d_imposition_N_1* base_popTHN* prodnet_popTH* Pour une commune ayant une population de 500 à 2000 habitants : Lnth= FB_____taux_d_imposition_N_1* base_popTHN* prodnet_popTH* Pour une commune ayant une population de 2000 à 3500 habitants : Lnth2= 6.452e-01 - FB_taux_d_imposition_N_1*1.424e-03 + base_popTHN*6.678e-05 - prodnet_popTH*5.754e-04 – CAF*9.527e-09 + population_globale*5.329e-06 Pour une commune ayant une population de 3500 à 5000 habitants : TH____taux_vot__pour_N = FB___taux_d_imposition_N_1*6.083e-02 - base_popTHN*1.175e-02 + prodnet_popTH*8.452e-02 - CAF *9.103e-07 Pour une commune ayant une population de 5000 à habitants : TH____taux_vot__pour_N = base_popTHN* prodnet_popTH*