Exam Janvier 2013

Bon alors, en gros, de ce que je me souviens:

1) Régression linéaire et Anova à 1 facteur:

***Hypothèses d'application
***Calcul de la statistique F
***Quand rejeter Ho? (avec petit graphique explicatif)

2) Wilcoxon-Man-Whitney:

***Qu'est-ce qui différencie ce test de son équivalent paramétrique?
***expérience: Des étudiants ont déterminé le nombre de coliformes dans de l'eau à 6 stations différentes. Ils ont fait une mesure avant et une après la station.

On a donc un tableau: pour chacune des 6 stations on a les deux mesures avec le nombre de coliformes.
On veut voir si les mesures après et avant la station sont les mêmes donc si les "populations" sont les mêmes


Puis il nous donne plusieurs valeurs de la statistiques W et les proba associées ce qui permet de déterminer si on est < alpha ou non => si on rejete Ho ou non

3) On a recensé 5 types de volaille en Inde et appliqué une ACP sur les données:

On a le résultat de l'ACP: un tableau avec Standard error, portion of variance, cumulated variance (c'était +/- ça) pour les 5 composantes ==> expliquer chacun de ces termes

En plus on a deux graphes de projection du nuage de points: 1 dans le plan "composante 1 et 2", le second dans le plan "composante 2 et 3" avec les orientations des variables

*** Y-a-t-il des variables indépendantes/redondantes?
*** Quelles espèces pourrait-on éviter de recenser pour faire des économies?
*** Y-a-t-il des observations suspectes?

4) Etude de Régression multiple sur des populations de Canards et de Poulets en Inde:

Les modèles de régression multiple sont basés sur 3 variables explicatives: la densité de population, la proximité d'une route, le nombre de récoltes par an.

On a donc un modèle de régression pour les canards et un autre pour les poulets.

***Ces modèles sont-ils comparables? Pourquoi?
***Quels tests pourrait-on faire pour s'assurer de la fiabilité de ces modèles?

Voilà voilà en gros c'était ça, peu de choses près...

Je dirais même:

1) Test de Fisher de: la régression linéaire et de l'ANOVA à 1 facteur: