Modérateur : Groupe des modérateurs
Benoît Lamy a écrit :Bon bon, je vais me lancer dans les tableaux croisés dynamiques.
D'après moi, ce n'est pas possible d'utiliser la covariance (puisque ce sont des facteurs codés arbitrairement), j'ai raison?
Benoît Lamy a écrit :La commande "table" est parfaite pour faire des tableaux croisés dynamiques. Elle nous produit de jolis tableaux qu'il suffit de copier coller dans Excel (pas besoin d'importation compliquée) pour pouvoir les analyser ensuite.
Renaud Lancelot a écrit :La covariance de quoi ? Si vous voulez dire que vous ne pouvez pas utiliser l'analyse de covariance, c'est une erreur.
Renaud
Euh... Là, vous êtes optimistes: la fct table produit des tableaux multidimensionnel (si il y a plus de deux variables croisées) et ça me fait mal à la tête rien que d'imaginer ce qu'Excel pourrait faire avec ça ;-)
Benoît Lamy a écrit :Renaud Lancelot a écrit :La covariance de quoi ? Si vous voulez dire que vous ne pouvez pas utiliser l'analyse de covariance, c'est une erreur.
Renaud
Bein, pour moi, étant donné que ce sont des facteurs codés arbitrairement, la corrélation n'a aucun sens.
Par exemple, si vous vous intéressez à la puissance du véhicule que vous codez par un chiffre pour avoir plusieurs classes, vous aurez1, 2, 3,... comme numéro de classe mais cela est totalement arbitraire, puisque vous eussiez pu diviser la deuxième classe en 2, fusionner la troisième et la quatrième, etc. Mais je peux me tromper;
quand vous parlez de l'analyse de la covariance, c'est aov, anova (je m'aperçois d'ailleurs ne pas avoir exploré cette voie-là), une simple var, autre chose?
Code : Tout sélectionner
> set.seed(123)
> x <- sample(letters[1:10], replace = TRUE, size = 1e6)
> y <- sample(LETTERS[1:10], replace = TRUE, size = 1e6)
> tab <- table(x, y)
> chisq.test(tab)
Pearson's Chi-squared test
data: tab
X-squared = 64.9184, df = 81, p-value = 0.904
Code : Tout sélectionner
> vecto1 <- c(100, 80, 60, 40, 20, 10)
> vecto3 <- c(99.9, 80.1, 60, 40.1, 19.9, 10.1)
> chisq.test(vecto1, vecto3)
Pearson's Chi-squared test
data: vecto1 and vecto3
X-squared = 30, df = 25, p-value = 0.2243
Warning message:
In chisq.test(vecto1, vecto3) :
l'approximation du Chi-2 est peut-être incorrecte
> chisq.test(vecto1, vecto3, simulate.p.value = TRUE)
Pearson's Chi-squared test with simulated p-value (based on 2000 replicates)
data: vecto1 and vecto3
X-squared = 30, df = NA, p-value = 1
> vectoc <- c(10, 20, 40, 60, 80, 100)
> chisq.test(vecto1, vectoc)
Pearson's Chi-squared test
data: vecto1 and vectoc
X-squared = 30, df = 25, p-value = 0.2243
Warning message:
In chisq.test(vecto1, vectoc) :
l'approximation du Chi-2 est peut-être incorrecte
> chisq.test(vecto1, vectoc, simulate.p.value = TRUE)
Pearson's Chi-squared test with simulated p-value (based on 2000 replicates)
data: vecto1 and vectoc
X-squared = 30, df = NA, p-value = 1
Code : Tout sélectionner
> vecta <- c(62, 62, 60, 64, 62, 62)
> chisq.test(vecto1, vecta)
Pearson's Chi-squared test
data: vecto1 and vecta
X-squared = 12, df = 10, p-value = 0.2851
Warning message:
In chisq.test(vecto1, vecta) :
l'approximation du Chi-2 est peut-être incorrecte
> chisq.test(vecto1, vecta, simulate.p.value = TRUE)
Pearson's Chi-squared test with simulated p-value (based on 2000 replicates)
data: vecto1 and vecta
X-squared = 12, df = NA, p-value = 1
Code : Tout sélectionner
> chisq.test(vecto1, vecto1)
Pearson's Chi-squared test
data: vecto1 and vecto1
X-squared = 30, df = 25, p-value = 0.2243
Warning message:
In chisq.test(vecto1, vecto1) :
l'approximation du Chi-2 est peut-être incorrecte
Code : Tout sélectionner
> vecto1 <- c(100, 80, 60, 40, 20, 10)
> vecto3 <- c(99.9, 80.1, 60, 40.1, 19.9, 10.1)
> chisq.test(cbind(vecto1,vecto3))
Pearson's Chi-squared test
data: cbind(vecto1, vecto3)
X-squared = 0.001, df = 5, p-value = 1
Code : Tout sélectionner
vecto3 <- c(70, 8, 68, 45.1, 23.9, 15.1)
chisq.test(cbind(vecto1,vecto3))
Pearson's Chi-squared test
data: cbind(vecto1, vecto3)
X-squared = 55.79, df = 5, p-value = 8.967e-11
Code : Tout sélectionner
chisq.test(vecto1,vecto3)
Pearson's Chi-squared test
data: vecto1 and vecto3
X-squared = 30, df = 25, p-value = 0.2243
Warning message:
In chisq.test(vecto1, vecto3) : Chi-squared approximation may be incorrect
Code : Tout sélectionner
glm(sinistres ~ facteur1 + facteur2 + offset(log(nbjours)),
family = poisson(log), data = myData)
Code : Tout sélectionner
# dans la formule :
glm(y~offset(log(x))+...,family=poisson())
# dans les arguments :
glm(y~...,offset=log(x),family=poisson())
Retourner vers « Questions en cours »
Utilisateurs parcourant ce forum : Aucun utilisateur enregistré et 1 invité