Escolar Documentos
Profissional Documentos
Cultura Documentos
par
----------------------------------------------------------------------------------------------------------------------------------------------------------------
-ii---------------------------------------------------------------------------------------------------------------------------------------------------------------
Fentre adaptative
1) Les donnes considres sont celles de la population dArige et le package ncessaire
cette tude est le "Kernsmooth". Ainsi le programme suivant :
> pop99<-read.table("C:/Tunis/SNP/Ariege.txt")
> is.data.frame(pop99)
[1] TRUE
> ncol(pop99)
[1] 2
> nrow(pop99)
[1] 332
> popul <- pop99[,2]
> matri <- pop99[,1]
> summary (pop99)
matri
popul
Min.
:9001
Min.
:
7.0
1st Qu.:9086
1st Qu.:
64.0
Median :9170
Median : 143.5
Mean
:9171
Mean
: 411.4
3rd Qu.:9255
3rd Qu.: 319.5
Max.
:9342
Max.
:12972.0
permet de lire le fichier de la population de lArige et de constater que ledit fichier contient
deux (2) colonnes et donc variables danalyse savoir, la variable population (popul) et la
variable matricule (ou identification) (matri).
2) La reprsentation graphique de cette variable population est effective selon le programme
suivant :
> hist(popul,freq=FALSE,col=grey(0.6),xlim=range(popul),main="Frquences
de la Pop de l'Arige")
> points(popul,rep(0,332),pch=5,col="Green")
qui fait obtenir le Graphique 1 ci-aprs dont une analyse descriptive sommaire des sorties de
la procdure summary (pop99) ci-dessus permet de remarquer que la variable popul est trs
concentre vers la gauche et que les donnes de cette variables prsentent une tendue assez
difforme (7 12972). On note aussi un nombre important de donnes manquantes pouvant
se caractrises par des classes presque vide.
----------------------------------------------------------------------------------------------------------------------------------------------------------------
-iii---------------------------------------------------------------------------------------------------------------------------------------------------------------
4e-04
0e+00
2e-04
Density
6e-04
8e-04
2000
4000
6000
8000
10000
12000
popul
Selon les rsultats obtenus grce cet histogramme, les estimateurs par la mthode du
noyau amlioreront-elles cette tendance ?
permet de poser que pour le noyau Triweight un h optimal donn par la relation :
----------------------------------------------------------------------------------------------------------------------------------------------------------------
-iv---------------------------------------------------------------------------------------------------------------------------------------------------------------
8e-04
4e-04
0e+00
2e-04
La Densit
6e-04
5000
10000
popul
On peut donc, partir de ce graphique, affirmer que les ces deux estimateurs noyau
(Triweight et Gauss) pousent parfaitement les tendances et similitudes enregistres dans au
Graphique 1 reprsentant lhistogramme de la population dArige. Ainsi ces deux
estimateurs nont pas eu dimpacts substantiels sur la qualit des estimations attendues.
----------------------------------------------------------------------------------------------------------------------------------------------------------------
-v---------------------------------------------------------------------------------------------------------------------------------------------------------------
Ainsi une nouvelle valeur de , de h1 et h2 seront recalculer pour dterminer par la suite les
nouvelles valeurs de lf1 et lf2. Le programme suivant :
> logp <- log(popul)
> lgsig <- sd(logp)
> Lh1 <- 3.15*lgsig/(length(logp)^(0.2))
> Lh2 <- 1.06*lgsig/(length(logp)^(0.2))
> lf1 <-bkde(logp,kernel="triweight",bandwidth=Lh1)
> lf2 <-bkde(logp,kernel="normal",bandwidth=Lh2)
> hist(logp,freq=FALSE,col=grey(0.6),xlim=range(logp),main="Graphe 3 :
Estimations de Log Population de l'Arige")
> lines(lf1,col="red")
> lines(lf2,col="blue")
> rug(logp,col="violet")
> legend(mean(logp),max(lf1$y),c("Estimateur du noyau
Triweight","Estimateur du noyau de Gauss","valeur de la Log population")
+ ,bty="n",lwd="3", lty=2:2, col=c("red","blue","violet"))
summary(logp)
Min. 1st Qu. Median
Mean 3rd Qu.
Max.
1.946
4.159
4.966
5.017
5.767
9.471
Permet de gnrer le nouveau graphique suivant ci-dessous do il ressort nettement par rapport
----------------------------------------------------------------------------------------------------------------------------------------------------------------
-vi---------------------------------------------------------------------------------------------------------------------------------------------------------------
0.15
0.00
0.05
0.10
Density
0.20
0.25
0.30
logp
FY (y) = Prob(Y
y) = Prob(log(X)
y) = Prob(X
exp(y)) = FX(exp(y)).(1)
R. (2)
Les relations (1) et (2) appliqu la fonction bijective de log (X) permettent de dcuire pour tout X
positif :
Les commandes
> f1$x
> f1$y
----------------------------------------------------------------------------------------------------------------------------------------------------------------
-vii---------------------------------------------------------------------------------------------------------------------------------------------------------------
montrent une liste de 421 et 401 composantes et qui permettent alors de poser :
> y1 <-f1$y/exp(f1$x)
> y2 <-f2$y/exp(f2$x)
(exp(x)
1.0e+298
0.0e+00
5.0e+297
Densit
1.5e+298
2000
4000
6000
8000
10000
12000
Population
-viii---------------------------------------------------------------------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------------------------------------------------------------------
-ix---------------------------------------------------------------------------------------------------------------------------------------------------------------