Analyse d’aptitude pour des attributs<\/strong><\/p>\nLa Statlet\u00a0Analyse d’aptitude pour des attributs\u00a0met en oeuvre une analyse d’aptitude pour des attributs. Les donn\u00e9es peuvent \u00eatre des proportions d’items non conformes ou des taux de non conformit\u00e9s par unit\u00e9. L’analyse est bas\u00e9e sur la loi binomiale ou la loi de Poisson. La Statlet calcule des estimations des param\u00e8tres du proc\u00e9d\u00e9, des limites de confiance ou des bornes sup\u00e9rieures de confiance, des indices d’aptitude (pour la meilleure estimation ou la borne sup\u00e9rieure) et les DPM (d\u00e9fauts par million). Cette analyse peut \u00eatre bas\u00e9e sur une approche classique ou bay\u00e9sienne.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4582″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1688371960097{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Big Data<\/strong><\/p>\nPour g\u00e9rer de grands volumes de donn\u00e9es, un nouveau type de fichier appel\u00e9\u00a0Statgraphics Big Data file<\/em>\u00a0a \u00e9t\u00e9 developp\u00e9. Ces fichiers ont pour extension\u00a0.sgb<\/em>\u00a0plut\u00f4t que\u00a0.sgd<\/em>. Ils diff\u00e8rent de deux fa\u00e7ons importantes des fichiers classiques de donn\u00e9es de Statgraphics :<\/p>\n\n- Ils stockent les donn\u00e9es num\u00e9riques dans un format binaire et non texte. Cela \u00e9vite l’\u00e9tape de conversion de chaque donn\u00e9es en un nombre lors de sa lecture par le logiciel.<\/li>\n
- Les donn\u00e9es sont stock\u00e9es en colonnes et non en lignes. Cela r\u00e9duit de fa\u00e7on importante le temps de lecture de colonnes individuelles en m\u00e9moire.<\/li>\n<\/ul>\n
En utilisant les fichiers SGB, Statgraphics peut analyser des jeux de donn\u00e9es contenant plusieurs millions d’enregistrements et des milliers de lignes. Les fichiers SGB ne sont disponibles que dans la version 64 bits de Statgraphics Centurion 18.<\/p>\n
[\/vc_column_text][vc_single_image image=\u00a0\u00bb4584″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388636917{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Densit\u00e9 bivari\u00e9e<\/strong><\/p>\nLa Statlet\u00a0Densit\u00e9 bivari\u00e9e\u00a0affiche la fonction de densit\u00e9 estim\u00e9e pour deux colonnes de donn\u00e9es num\u00e9riques. Elle le fait soit sous la forme d’un graphique 2D des iso-contours, soit sous la forme d’un histogramme 3D des comptages. La distribution jointe des deux variables est suppos\u00e9e \u00eatre une loi normale multivari\u00e9e ou elle est estim\u00e9e par une approche non param\u00e9trique.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4586″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643387412801{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Graphique tornade \/ papillon<\/strong><\/p>\nLe graphique tornade \/ papillon compare deux \u00e9chantillons de donn\u00e9es cat\u00e9gorielles. Il est constitu\u00e9 de deux ensembles de b\u00e2tons illustrant les distributions des fr\u00e9quences dans les deux \u00e9chantillons pour l’ensemble des cat\u00e9gories.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4587″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643387486220{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Cartes de contr\u00f4le d’aptitude<\/strong><\/p>\nCette proc\u00e9dure construit des cartes de contr\u00f4le de phase II pour contr\u00f4ler des indices d’aptitude comme le Cpk. En supposant un proc\u00e9d\u00e9 apte \u00e0 satisfaire les exigences d\u00e9finies bas\u00e9es sur l’analyse de mesures, ces cartes assurent la conformit\u00e9 continue \u00e0 ces exigences.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4589″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643387514069{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
D\u00e9finition de la carte de contr\u00f4le d’aptitude<\/strong><\/p>\nCette nouvelle Statlet aide les analystes \u00e0 d\u00e9terminer les tailles n\u00e9cessaires d’\u00e9chantillons pour construire des cartes de contr\u00f4le d’aptitude. Les cartes de contr\u00f4le d’aptitude permettent de piloter des proc\u00e9d\u00e9s stables et aptes \u00e0 produire des r\u00e9sultats qui comptent de faibles nombres de non conformit\u00e9s.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4590″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388666355{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Arbres de d\u00e9cision et de r\u00e9gression<\/strong><\/p>\nLa proc\u00e9dure\u00a0Arbres de d\u00e9cision et de r\u00e9gression impl\u00e9mente une technique de \u00ab\u00a0machine learning\u00a0\u00bb permettant de pr\u00e9voir les valeurs d’une variable qualitative ou quantitative \u00e0 partir des donn\u00e9es. Elle cr\u00e9e des mod\u00e8les de deux formes : mod\u00e8les de d\u00e9cision (classement) et mod\u00e8les de r\u00e9gression. Les mod\u00e8les sont construits en \u00e9laborant un arbre dans lequel chaque noeud correspond \u00e0 une d\u00e9cision binaire. A partir d’une observation particuli\u00e8re, il suffit de parcourir l’arbre vers le bas jusqu’\u00e0 atteindre une feuille terminale. Chaque feuille de l’arbre est associ\u00e9e \u00e0 une valeur pr\u00e9vue de la variable qualitative (classe) ou \u00e0 une valeur de la variable qualitative.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4592″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643387593451{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Plans de criblage d\u00e9finitifs<\/strong><\/p>\nUn nouveau type de plans d’exp\u00e9riences a \u00e9t\u00e9 ajout\u00e9 dans l’assistant pour les plans d’exp\u00e9riences. Appel\u00e9s plans d’exp\u00e9riences d\u00e9finitifs, ces plans sont des plans de faibles tailles permettant d’estimer des mod\u00e8les comportant \u00e0 la fois des effets lin\u00e9aires et des effets quadratiques, m\u00eame si les interactions d’ordre deux sont partiellement confondues entre elles et avec les effets quadratiques. De plus, les plans \u00e0 six facteurs ou plus sont des plans pouvant estimer des mod\u00e8les complets du second ordre (incluant les interactions) pour chaque sous ensemble de trois facteurs.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4593″ img_size=\u00a0\u00bblarge\u00a0\u00bb alignment=\u00a0\u00bbcenter\u00a0\u00bb css=\u00a0\u00bb.vc_custom_1643193571916{background-color: #f4f4f4 !important;}\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643387627363{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Visualiseur de cartes d\u00e9mographiques<\/strong><\/p>\nCette nouvelle Statlet est con\u00e7ue pour visualiser les \u00e9volutions de statistiques spatiales dans le temps. A partir de donn\u00e9es collect\u00e9es en k positions pendant p p\u00e9riodes, le logiciel g\u00e9n\u00e8re un affichage dynamique montrant comment ces donn\u00e9es se sont modifi\u00e9es au cours du temps en chaque position. Les donn\u00e9es des diverses positions sont affich\u00e9es sous la forme de bulles dont les tailles sont proportionnelles aux valeurs observ\u00e9es des donn\u00e9es. Les fichiers au format SHP peuvent maintenant \u00e9galement \u00eatre utilis\u00e9s pour afficher les contours g\u00e9ographiques[\/vc_column_text][vc_single_image image=\u00a0\u00bb4595″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388686443{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Graphique en diamants<\/strong><\/p>\nLa proc\u00e9dure\u00a0Graphique en diamants\u00a0cr\u00e9e un graphique pour plusieurs variables quantitatives affichant les observations des \u00e9chantillons et les intervalles de confiance pour les moyennes des populations. Une proc\u00e9dure sp\u00e9cifique est \u00e9galement propos\u00e9e pour une unique variable.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4596″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643387682203{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Ajustement de lois pour des donn\u00e9es censur\u00e9es arbitrairement<\/strong><\/p>\nCette proc\u00e9dure analyse des donn\u00e9es dans lesquelles une ou plusieurs observations ne sont pas connues exactement. En particulier, les observations peuvent \u00eatre censur\u00e9es \u00e0 droite, \u00e0 gauche, par intervalle ou par une combinaison de ces trois types. Cette proc\u00e9dure calcule des statistiques r\u00e9sum\u00e9es, ajuste des lois, cr\u00e9e des graphiques et calcule une estimation non param\u00e9trique de la fonction de survie.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4598″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643387708954{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Diagramme en anneau<\/strong><\/p>\nLe diagramme en anneau est une alternative au diagramme circulaire. Il est similaire au diagramme circulaires mais sa partie centrale n’est pas affich\u00e9e.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4599″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643387739050{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Tests d’\u00e9quivalence et de non inf\u00e9riorit\u00e9<\/strong><\/p>\nQuatre nouvelles proc\u00e9dures ont \u00e9t\u00e9 ajout\u00e9es pour d\u00e9montrer l’\u00e9quivalence (bilat\u00e9ral) ou la non inf\u00e9riorit\u00e9 (unilat\u00e9ral). Elles sont utilis\u00e9es pour comparer deux moyennes ind\u00e9pendantes, deux moyennes appari\u00e9es ou une moyenne par rapport \u00e0 une valeur cible ainsi que pour analyser les r\u00e9sultats d’essais crois\u00e9s 2×2.\u00a0A la diff\u00e9rence des tests d’hypoth\u00e8ses classiques qui sont \u00e9labor\u00e9s pour prouver la sup\u00e9riorit\u00e9 d’une m\u00e9thode sur une autre m\u00e9thode, les tests d’\u00e9quivalence sont con\u00e7us pour prouver que deux m\u00e9thodes ont essentiellement la m\u00eame moyenne.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4600″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643387774299{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Carte thermique<\/strong><\/p>\nCette proc\u00e9dure affiche la distribution d’une variable quantitative par rapport \u00e0 toutes les combinaisons de deux facteurs cat\u00e9goriels. Si un de deux facteurs repr\u00e9sente le temps, alors l’\u00e9volution temporelle de la variable peut \u00eatre ais\u00e9ment visualis\u00e9e dans cette carte. Un gradient de couleurs est utilis\u00e9 pour illustrer les valeurs de la variable quantitative.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4601″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1688371030116{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Graphique de Likert<\/strong><\/p>\nLa proc\u00e9dure Graphique de Likert analyse des donn\u00e9es enregistr\u00e9es sur une \u00e9chelle de jugement de Likert. Les \u00e9chelles de Likert sont couramment utilis\u00e9es dans des enqu\u00eates pour enregistrer les r\u00e9ponses de personnes \u00e0 des \u00e9nonc\u00e9s. Une \u00e9chelle standard \u00e0 cinq niveaux peut coder les r\u00e9ponses de pas du tout d’accord \u00e0 tout \u00e0 fait d’accord. L’analyse calcule des statistiques r\u00e9sum\u00e9es et affiche les r\u00e9sultats sous la forme d’un diagramme en b\u00e2tons empil\u00e9s exprim\u00e9s en pourcentages et centr\u00e9s sur 0.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4603″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643387915548{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Simulation Monte-Carlo – Graphique tornade de sensibilit\u00e9<\/strong><\/p>\nCe graphique affiche l’effet de chaque variable en entr\u00e9e sur la r\u00e9ponse lorsque celle-ci \u00e9volue autour d’une plage donn\u00e9e de sa distribution, toutes les autres variables \u00e9tant maintenues aux valeurs m\u00e9dianes respectives. Les variables sont ordonn\u00e9es de haut en bas en fonction de l’importance de l’effet sur la r\u00e9ponse.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4604″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388961349{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Positionnement multidimensionnel<\/strong><\/p>\nLa proc\u00e9dure\u00a0Positionnement multidimensionnel\u00a0est con\u00e7ue pour afficher des donn\u00e9es multivari\u00e9es dans un espace de faible dimension. A partir d’une matrice n x n de distances entre chaque paire de n observations multivari\u00e9es, la proc\u00e9dure recherche une repr\u00e9sentation de faible dimension de ces observations qui pr\u00e9serve les distances entre ces observations le mieux possible. Le r\u00e9sultat principal de cette proc\u00e9dure est une carte des points dans cet espace de faible dimension (habituellement 2 ou 3 dimensions). Les calculs sont effectu\u00e9s avec R en utilisant les fonctions ‘cmdscale’ et ‘isoMDS’.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4605″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643387995275{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Nombres al\u00e9atoires pour une loi normale multivari\u00e9e<\/strong><\/p>\nCette proc\u00e9dure g\u00e9n\u00e8re des nombres al\u00e9atoires pour une loi normale multivari\u00e9e utilisant jusqu’\u00e0 12 variables. L’utilisateur doit entrer les moyennes et \u00e9carts-types des variables ainsi que la matrice des corr\u00e9lations. Les \u00e9chantillons al\u00e9atoires g\u00e9n\u00e9r\u00e9s peuvent \u00eatre enregistr\u00e9s dans le classeur de donn\u00e9es de Statgraphics.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4606″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388025547{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Test de normalit\u00e9 multivari\u00e9e<\/strong><\/p>\nCette proc\u00e9dure teste si un ensemble de variables al\u00e9atoires peut raisonnablement provenir d’une loi normale multivari\u00e9e. Elle inclut le test H de Royston et des tests bas\u00e9s sur un graphique du khi-carr\u00e9 des distances quadratiques de chaque observation au centro\u00efde de l’\u00e9chantillon.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4607″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388071716{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Limites de tol\u00e9rances multivari\u00e9es<\/strong><\/p>\nLa proc\u00e9dure\u00a0Limites de tol\u00e9rances multivari\u00e9es\u00a0calcule des limites statistiques de tol\u00e9rances pour de donn\u00e9es constitu\u00e9es de plus d’une variable. Elle affiche la r\u00e9gion des tol\u00e9rances incluant un pourcentage donn\u00e9 de la population avec une confiance de 100*(1-alpha)%. Elle affiche \u00e9galement les limites des tol\u00e9rances simultan\u00e9es pour chacune des variables en utilisant l’approche de Bonferroni. Les donn\u00e9es sont suppos\u00e9es provenir d’un \u00e9chantillon al\u00e9atoire d’une loi normale multivari\u00e9e. Les limites de tol\u00e9rances multivari\u00e9es sont fr\u00e9quemment compar\u00e9es aux sp\u00e9cifications pour un ensemble de variables pour d\u00e9terminer si la plus grande partie ou non de la population est dans les sp\u00e9cifications.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4609″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388099443{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
R\u00e9gression orthogonale<\/strong><\/p>\nCette proc\u00e9dure est con\u00e7ue pour construire un mod\u00e8le statistique d\u00e9crivant l’impact d’un unique facteur quantitatif X sur une variable \u00e0 expliquer Y, lorsque \u00e0 la fois X et Y sont observ\u00e9s avec des incertitudes. Vingt-sept mod\u00e8les lin\u00e9aires et non lin\u00e9aires peuvent \u00eatre ajut\u00e9s.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4610″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388135315{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Pyramide des \u00e2ges<\/strong><\/p>\nLa Statlet\u00a0Pyramide des \u00e2ges\u00a0est con\u00e7ue pour comparer\u00a0des distributions de comptages de populations (ou de donn\u00e9es similaires) de deux groupes. Elle peut \u00eatre utilis\u00e9e pour afficher les distributions \u00e0 un instant donn\u00e9 ou montrer les \u00e9volutions temporelles des distributions de fa\u00e7on dynamique.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4612″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388171562{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Graphique en rubans<\/strong><\/p>\nCette nouvelle m\u00e9thode pour afficher les surfaces de r\u00e9ponse a \u00e9t\u00e9 ajout\u00e9e dans plusieurs proc\u00e9dures dont l’assistant pour les plans d’exp\u00e9riences.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4613″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388205115{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Graphique en tournesols<\/strong><\/p>\nLa Statlet\u00a0Graphique en tournesols\u00a0est utilis\u00e9e pour afficher un nuage de points X-Y quand le nombre d’observations est important. Pour \u00e9viter le probl\u00e8me de superposition des symboles des points, des glyphes sous la forme de tournesols sont utilis\u00e9s pour afficher les nombres d’observations dans de petites r\u00e9gions de l’espace X-Y.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4614″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388232843{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Fouille de textes<\/strong><\/p>\nUne nouvelle bo\u00eete de dialogue permet d’utiliser l’interface entre Statgraphics et R pour mettre en oeuvre la fouille de textes en utilisant le package tm. Il est possible d’extraire de l’information de documents de type texte ou d’analyser des colonnes de type caract\u00e8re pr\u00e9sentes dans le classeur de Statgraphics.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4615″ img_size=\u00a0\u00bblarge\u00a0\u00bb alignment=\u00a0\u00bbcenter\u00a0\u00bb css=\u00a0\u00bb.vc_custom_1643388902851{background-color: #ffffff !important;}\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388264070{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Graphique avec ligne de base<\/strong><\/p>\nCette proc\u00e9dure affiche un graphique d’une s\u00e9rie temporelle dans un ordre s\u00e9quentiel, permet d’identifier les points qui sont au-del\u00e0 de la limite inf\u00e9rieure ou de la limite sup\u00e9rieure. Il est souvent utilis\u00e9 pour afficher des donn\u00e9es mensuelles comme l’indice oc\u00e9anique El Ni\u00f1o.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4616″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388922174{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Graphique tornade \/ papillon<\/strong><\/p>\nLa proc\u00e9dure\u00a0Graphiques tornade \/ papillon\u00a0cr\u00e9e deux graphiques similaires pour comparer deux \u00e9chantillons de donn\u00e9es de type attribut. Chaque graphique est constitu\u00e9 de deux ensembles de b\u00e2tons qui permettent de visualiser les distributions de chaque \u00e9chantillon dans diverses cat\u00e9gories.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4617″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388360723{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Densit\u00e9 trivari\u00e9e<\/strong><\/p>\nLa proc\u00e9dure Statlet – Densit\u00e9 trivari\u00e9e\u00a0affiche la fonction de densit\u00e9 estim\u00e9e pour 3 colonnes de donn\u00e9es num\u00e9riques. Elle le fait soit sous la forme d’un graphique de contours \u00e0 3 dimensions soit sous la forme d’un graphique maill\u00e9 \u00e0 3 dimensions. La distribution jointe des 3 variables peut \u00eatre suppos\u00e9e \u00eatre une loi normale multivari\u00e9e ou estim\u00e9e en utilisant une approche non param\u00e9trique.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4618″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388397667{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Graphique en violon<\/strong><\/p>\nLa proc\u00e9dure\u00a0Statlet – Graphique en violon\u00a0affiche les donn\u00e9es quantitatives d’un unique \u00e9chantillon en combinant une bo\u00eete \u00e0 moustaches et une estimation non param\u00e9trique de la densit\u00e9. C’est un graphique tr\u00e8s utile pour visualiser la forme de la fonction de densit\u00e9 de la population dont proviennent les donn\u00e9es de l’\u00e9chantillon.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4620″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388438242{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
Diagramme en rose des vents<\/strong><\/p>\nLa proc\u00e9dure Statlet – Diagramme en rose des vents affiche des donn\u00e9es dans un graphique circulaire permettant de visualiser la distribution des fr\u00e9quences de variables telles que la vitesse du vent et sa direction. Elle peut \u00eatre utilis\u00e9e pour visualiser la distribution \u00e0 un instant donn\u00e9 ou pour en afficher les \u00e9volutions temporelles de fa\u00e7on dynamique.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4621″ img_size=\u00a0\u00bblarge\u00a0\u00bb][vc_column_text css=\u00a0\u00bb.vc_custom_1643388483098{background-color: #f4f4f4 !important;}\u00a0\u00bb]<\/p>\n
X-13ARIMA-SEATS<\/strong><\/p>\nLa proc\u00e9dure\u00a0X-13ARIMA-SEATS\u00a0effectue un ajustement saisonnier d’une s\u00e9rie de donn\u00e9es temporelles en utilisant la technique actuellement utilis\u00e9e par le \u00ab\u00a0United States Census Bureau\u00a0\u00bb. Dans cette proc\u00e9dure, la s\u00e9rie temporelle est d\u00e9compos\u00e9e en 3 composantes :\u00a0une composante cyclique de tendance, une composante saisonni\u00e8re et une composante irr\u00e9guli\u00e8re. Chaque composante, ainsi que la s\u00e9rie des donn\u00e9es ajust\u00e9es pour la saisonnalit\u00e9, peut \u00eatre affich\u00e9e de fa\u00e7on s\u00e9par\u00e9e ou enregistr\u00e9e. Les calculs pour l’ajustement saisonnier sont effectu\u00e9s en utilisant le package R \u00ab\u00a0seasonal\u00a0\u00bb.[\/vc_column_text][vc_single_image image=\u00a0\u00bb4622″ img_size=\u00a0\u00bblarge\u00a0\u00bb][\/vc_column][\/vc_row]<\/p>\n","protected":false},"excerpt":{"rendered":"
[vc_row][vc_column width=\u00a0\u00bb1\/4″][vc_column_text][\/vc_column_text][\/vc_column][vc_column width=\u00a0\u00bb3\/4″][vc_empty_space][\/vc_column][\/vc_row][vc_row][vc_column width=\u00a0\u00bb1\/4″][vc_empty_space][vc_btn title=\u00a0\u00bbAjouts et am\u00e9liorations de la version 18 (pdf)\u00a0\u00bb size=\u00a0\u00bbsm\u00a0\u00bb align=\u00a0\u00bbcenter\u00a0\u00bb link=\u00a0\u00bburl:https%3A%2F%2Ffrancestat.com%2Fv18%2Fv18_Additions_and_Enhancements.pdf|title:Ajouts%20et%20am%C3%A9liorations%20de%20la%20version%2018″][vc_empty_space][vc_btn title=\u00a0\u00bbNouveaut\u00e9s de la version 18 (pdf)\u00a0\u00bb size=\u00a0\u00bbsm\u00a0\u00bb align=\u00a0\u00bbcenter\u00a0\u00bb link=\u00a0\u00bburl:https%3A%2F%2Ffrancestat.com%2Fv18%2Fv18_Whats_New.pdf|title:Nouveaut%C3%A9s%20de%20la%20version%2018″][vc_empty_space][vc_btn title=\u00a0\u00bbContenu de la version 18 (pdf)\u00a0\u00bb size=\u00a0\u00bbsm\u00a0\u00bb align=\u00a0\u00bbcenter\u00a0\u00bb link=\u00a0\u00bburl:https%3A%2F%2Fwww.francestat.com%2Fv18%2Fv18_Contents.pdf|title:Contenu%20de%20la%20version%2018″][vc_empty_space][vc_btn title=\u00a0\u00bbBrochure de la version 18 (pdf)\u00a0\u00bb size=\u00a0\u00bbsm\u00a0\u00bb align=\u00a0\u00bbcenter\u00a0\u00bb link=\u00a0\u00bburl:https%3A%2F%2Fwww.francestat.com%2Fv18%2Fv18_Brochure.pdf|title:Brochure%20de%20la%20version%2018″][vc_empty_space][vc_btn title=\u00a0\u00bbVid\u00e9o de pr\u00e9sentation de la version 18″ size=\u00a0\u00bbsm\u00a0\u00bb align=\u00a0\u00bbcenter\u00a0\u00bb link=\u00a0\u00bburl:https%3A%2F%2Fyoutu.be%2FHklrETzCYuQ|title:Vid%C3%A9o%20de%20pr%C3%A9sentation%20de%20la%20version%2018″][\/vc_column][vc_column width=\u00a0\u00bb3\/4″][vc_column_text css=\u00a0\u00bb.vc_custom_1688370643085{background-color: #f4f4f4…<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-4578","page","type-page","status-publish","hentry","description-off"],"yoast_head":"\n
Centurion18 - FRANCESTAT<\/title>\n<meta name=\"description\" content=\"Statgraphics Centurion comprend plus de 290 proc\u00e9dures statistiques et graphiques, de visualisation de donn\u00e9es, d\u2019analyse pr\u00e9dictive et d\u2019apprentissage automatique.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/francestat.com\/index.php\/centurion18\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Centurion18 - FRANCESTAT\" \/>\n<meta property=\"og:description\" content=\"Statgraphics Centurion comprend plus de 290 proc\u00e9dures statistiques et graphiques, de visualisation de donn\u00e9es, d\u2019analyse pr\u00e9dictive et d\u2019apprentissage automatique.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/francestat.com\/index.php\/centurion18\/\" \/>\n<meta property=\"og:site_name\" content=\"FRANCESTAT\" \/>\n<meta property=\"article:modified_time\" content=\"2023-07-03T08:13:36+00:00\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data1\" content=\"13 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/francestat.com\\\/index.php\\\/centurion18\\\/\",\"url\":\"https:\\\/\\\/francestat.com\\\/index.php\\\/centurion18\\\/\",\"name\":\"Centurion18 - FRANCESTAT\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/francestat.com\\\/#website\"},\"datePublished\":\"2022-01-26T10:22:02+00:00\",\"dateModified\":\"2023-07-03T08:13:36+00:00\",\"description\":\"Statgraphics Centurion comprend plus de 290 proc\u00e9dures statistiques et graphiques, de visualisation de donn\u00e9es, d\u2019analyse pr\u00e9dictive et d\u2019apprentissage automatique.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/francestat.com\\\/index.php\\\/centurion18\\\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/francestat.com\\\/index.php\\\/centurion18\\\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/francestat.com\\\/index.php\\\/centurion18\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\\\/\\\/francestat.com\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Centurion18\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/francestat.com\\\/#website\",\"url\":\"https:\\\/\\\/francestat.com\\\/\",\"name\":\"FRANCESTAT\",\"description\":\"Logiciels, formations et services statistiques\",\"publisher\":{\"@id\":\"https:\\\/\\\/francestat.com\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/francestat.com\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/francestat.com\\\/#organization\",\"name\":\"FRANCESTAT\",\"url\":\"https:\\\/\\\/francestat.com\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/francestat.com\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/francestat.com\\\/wp-content\\\/uploads\\\/2018\\\/05\\\/logo_horizontal_small_francestat.jpg\",\"contentUrl\":\"https:\\\/\\\/francestat.com\\\/wp-content\\\/uploads\\\/2018\\\/05\\\/logo_horizontal_small_francestat.jpg\",\"width\":155,\"height\":51,\"caption\":\"FRANCESTAT\"},\"image\":{\"@id\":\"https:\\\/\\\/francestat.com\\\/#\\\/schema\\\/logo\\\/image\\\/\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Centurion18 - FRANCESTAT","description":"Statgraphics Centurion comprend plus de 290 proc\u00e9dures statistiques et graphiques, de visualisation de donn\u00e9es, d\u2019analyse pr\u00e9dictive et d\u2019apprentissage automatique.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/francestat.com\/index.php\/centurion18\/","og_locale":"fr_FR","og_type":"article","og_title":"Centurion18 - FRANCESTAT","og_description":"Statgraphics Centurion comprend plus de 290 proc\u00e9dures statistiques et graphiques, de visualisation de donn\u00e9es, d\u2019analyse pr\u00e9dictive et d\u2019apprentissage automatique.","og_url":"https:\/\/francestat.com\/index.php\/centurion18\/","og_site_name":"FRANCESTAT","article_modified_time":"2023-07-03T08:13:36+00:00","twitter_card":"summary_large_image","twitter_misc":{"Dur\u00e9e de lecture estim\u00e9e":"13 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/francestat.com\/index.php\/centurion18\/","url":"https:\/\/francestat.com\/index.php\/centurion18\/","name":"Centurion18 - FRANCESTAT","isPartOf":{"@id":"https:\/\/francestat.com\/#website"},"datePublished":"2022-01-26T10:22:02+00:00","dateModified":"2023-07-03T08:13:36+00:00","description":"Statgraphics Centurion comprend plus de 290 proc\u00e9dures statistiques et graphiques, de visualisation de donn\u00e9es, d\u2019analyse pr\u00e9dictive et d\u2019apprentissage automatique.","breadcrumb":{"@id":"https:\/\/francestat.com\/index.php\/centurion18\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/francestat.com\/index.php\/centurion18\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/francestat.com\/index.php\/centurion18\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/francestat.com\/"},{"@type":"ListItem","position":2,"name":"Centurion18"}]},{"@type":"WebSite","@id":"https:\/\/francestat.com\/#website","url":"https:\/\/francestat.com\/","name":"FRANCESTAT","description":"Logiciels, formations et services statistiques","publisher":{"@id":"https:\/\/francestat.com\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/francestat.com\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/francestat.com\/#organization","name":"FRANCESTAT","url":"https:\/\/francestat.com\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/francestat.com\/#\/schema\/logo\/image\/","url":"https:\/\/francestat.com\/wp-content\/uploads\/2018\/05\/logo_horizontal_small_francestat.jpg","contentUrl":"https:\/\/francestat.com\/wp-content\/uploads\/2018\/05\/logo_horizontal_small_francestat.jpg","width":155,"height":51,"caption":"FRANCESTAT"},"image":{"@id":"https:\/\/francestat.com\/#\/schema\/logo\/image\/"}}]}},"_links":{"self":[{"href":"https:\/\/francestat.com\/index.php\/wp-json\/wp\/v2\/pages\/4578","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/francestat.com\/index.php\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/francestat.com\/index.php\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/francestat.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/francestat.com\/index.php\/wp-json\/wp\/v2\/comments?post=4578"}],"version-history":[{"count":29,"href":"https:\/\/francestat.com\/index.php\/wp-json\/wp\/v2\/pages\/4578\/revisions"}],"predecessor-version":[{"id":5633,"href":"https:\/\/francestat.com\/index.php\/wp-json\/wp\/v2\/pages\/4578\/revisions\/5633"}],"wp:attachment":[{"href":"https:\/\/francestat.com\/index.php\/wp-json\/wp\/v2\/media?parent=4578"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}