Feuille de note pour Examen Analytique d'affaires

Feuille de note Examen Final Analytique

Types de variables

Qualitatives nominal : N’implique pas un ordre. (Graphique à bâtonnets pour répartition, Pointe en tarte pour fréquence,

Qualitative ordinale : Ordre défini (Graphique à bâtonnets pour répartition

Quantitative discrète : Petite valeurs distinctes est > 0 (Graphique en bâtonnets,

Quantitative continue : Valeur couvre un intervalle ou plusieurs intervalles (Histogramme pour la distribution (découpé en intervalle),

Moyenne, Médiane (indique le centre des données ordonnées), Mode pour donnés qualitatives
[pic 1]

[pic 2][pic 3]

Mesure de géométrie (se trouvent dans statistiques descriptives) : 

Coefficient d’asymétrie : COEFFICIENT.ASYMETRIE (Plage de données).

Coefficient d’aplatissement : KURTOSIS (Plage de données). [pic 4]

Règles d’association :[pic 5][pic 6]

Probabilité conjointe :    ou bien        [pic 7][pic 8]

A et B deux évènements ex, A=tarte citron, B=Jus

Règles d’association :

Fréquence de l’item (X) : Nb de fois

Support de l’item (X) :     Interprétation : % des transactions contiennent du croissant au fromage.[pic 9]

Fréquence (X => Y) : Nb de transactions dans la base de données qui contiennent tous les items de X et Y.

Support (X=> Y) :  =c’est aussi la probabilité conjointe P (X et Y) (SUPPORT EST SYMETRIQUE)[pic 10]

Interprétation support (X => Y) : des transactions qui contiennent X et Y.

Confiance (X = >Y) =  (NON SYMETRIQUE).    Lift (X => Y) =   Interprétation : Probabilité que Y soit présent si X est présent (LE LIFT EST SYMÉTRIQUE) ** Ne pas se limiter qu’au règles qui ont des lifts élevés pour prendre une décision, si l’item n’est pas populaire (fréquence) c’est moins intéressant. [pic 11][pic 12]

Modélisation : Modèle prédictif : analyse de tendance: [pic 13]

Pour comparer l’adéquation de plusieurs courbes de tendance, on compare le coefficient R2.

Plus R2 est proche de 1, plus l’adéquation est bonne. On peut aussi faire une analyse de phénomène : croissant, décroissant, convexe, concave.

Exemples :  Salaire annuel en fonction de l’expérience: continu, croissant. Profit selon le prix de vente: concave. Quantité demandée selon le prix: décroissante et convexe. Demande selon la publicité: croissante et concave. Ventes de bière selon la température: croissante, ni concave, ni convexe.

[pic 14]

Optimisation : Quelle décision prendre, quelle mesure de performance optimisé, est ce qu’il y a des contraintes?

Variables continue : Valeurs réelles fractionnaires sont acceptée. Variables entières : Seul variables entières accepté; cas particulier : binaire.

S’il n’y a pas de contrainte, pour une fonction convexe, le minimum global est facile à trouver car tout minimum local est global. Même chose pour maximum d’une fonction concave qui est tournée vers le bas. Minimiser une fonction-objectif convexe sous une région admissible convexe (ensemble convexe) est facile : minimum local est global. Maximiser une fonction-objectif concave sous une région admissible convexe est facile : maximum local est global.  Si la fonction-objectif n’est ni convexe, ni concave et/ou si la région admissible est non convexe, il peut alors y avoir plusieurs optimums locaux pas nécessairement optimums globaux.

Base du calcul en probabilités :

Valeur espérée (Espérance) (  : Valeur moyenne obtenue si on observe un très grand nombre (en fait infini) de fois. [pic 15]

Écart-type : Écart-moyen entre les observations et leur moyenne. C’est la racine carrée de la variance. 

La loi Binomiale : Épreuve de Bernoulli à répétition. LOI.BINOMIALE. N (n ,p ). X ~ Bin

Les paramètres : n = nombre de personnes, nb de fois, p= probabilité d’obtenir un « succès ».

X ~ Bin (n ; p) P( X=10) =  LOI BINOMIALE N(10; N; P; 0)[pic 16][pic 17]

X ~ Bin (n ; p) P(X < = 10) =  LOI BINOMIALE N(10; N; P; 1)

X ~ Bin (n ; p)  P( X < 10) =  LOI BINOMIALE N(9 ; N; P; 1)

X ~ Bin (n ; p)   P( X > 10) =  1- LOI BINOMIALE N(10; N; P; 1)

X ~ Bin (n ; p)   P(X >= 10) = 1- LOI BINOMIALE N( 9; N; P; 1)

Moyenne dans la loi binomiale c’est la valeur espérée de X (C’est )[pic 18]

L’écart-type de X est  [pic 20][pic 19]

La loi normale : Cloche symétrique  (si on nous donne une moyenne et un écart-type c’est une loi normale.

Les paramètres :  La moyenne , : moyenne des observation, centre de la cloche. L’écart-type , indiquant la dispersion. .[pic 21][pic 22]

...