Interpréter la distance de Mahalonobis

[Stéphane Laurent]

J'insère les figures produites par ton code:

[Stéphane Laurent]

=> Une corrélation entre les deux variables diminue le poids conjoint des variables : par exemple, s'il y a une corrélation positive, la distance entre (5,5) et la moyenne (0,0) sera bien plus petite que la distance entre (-5,5) et la moyenne (0,0) (alors qu'en euclidienne, c'est la meme chose).

Il n'y a pas un souci de cohérence entre ce que tu dis là et tes figures ? Je ne vois aucune ellipse centrée en (0,0).

[Christophe Genolini]

Il n'y a pas un souci de cohérence entre ce que tu dis là et tes figures ? Je ne vois aucune ellipse centrée en (0,0).

Nein captain, c'est juste que j'ai (pour simplifier) supposé dans mon exemple (5,5) et (-5,5) que la moyenne était en (0,0). Or, dans mes exemple tracé, les moyennes ne sont pas en (0,0) :

Code : Tout sélectionner

> mean(I)
 V1  V2
3.5 3.5
> mean(J)
  V1   V2
35.0  3.5
> mean(K)
 V1  V2
3.5 3.5
> mean(L)
  V1   V2
35.0  3.5


Christophe

[Stéphane Laurent]

Euh ben ok c'est ce que je dis, tes figures ne correspondent pas à ce que tu as écrit.... un peu déroutant.

[Christophe Genolini]

Euh ben ok c'est ce que je dis, tes figures ne correspondent pas à ce que tu as écrit.... un peu déroutant.

T'as raison, c'est pas une bonne idée. J'ai corrigé. Si tu veux changer ton image...

[Stéphane Laurent]

Voilà les figures sont corrigées. Maintenant on voit bien ceci sur la figure en bas à gauche :

=> Une corrélation entre les deux variables diminue le poids conjoint des variables : par exemple, s'il y a une corrélation positive, la distance entre (5,5) et la moyenne (0,0) sera bien plus petite que la distance entre (-5,5) et la moyenne (0,0) (alors qu'en euclidienne, c'est la meme chose).