Choses et autres.

Monte Cristo wrote:En passant ma haine viscérale de la vitesse c'est pas sur les autoroutes.

Ça c'est tout une autre histoire.

La vitesse tue pas beaucoup sur les autoroutes, elle tue en ville, et sur les routes rurales.

Sur l'autoroute, on peux rouler pas mal vite sans augmenter beaucoup le risque du réseau.

Mais j'ai rien dit.

Capone wrote:Slick,

tu devines quand même que je sais ce que percentile veut dire, je voulais juste savoir sur quoi il s'appliquait et surtout d'où ce chiffre sortait   

Paramp, je ne suis pas si ferré en Stat.
À go, exemple, je ne suis pas capable sans vérifier d'abord, de pondre une matrice de covariance, d'en calculer les valeurs propres et d'ainsi extraire les "principales component" (vecteurs principaux) sur l'étalement d'une population sur plusieurs paramètres. It's a shame on me   
Heureusement il y a Matlab  

Capone wrote:Je me suis p-e mal exprimé, je parlais de "PCA" Principal component analysis...

Je ne suis pas certain que le Factor analysis soit exactement équivalent   

Arggh ça me démange de vérifier  

Cap y tonne   

Capone wrote:Slick,

tu devines quand même que je sais ce que percentile veut dire, je voulais juste savoir sur quoi il s'appliquait et surtout d'où ce chiffre sortait   

C'est sûr!

Paramp, je ne suis pas si ferré en Stat.
À go, exemple, je ne suis pas capable sans vérifier d'abord, de pondre une matrice de covariance, d'en calculer les valeurs propres et d'ainsi extraire les "principales component" (vecteurs principaux) sur l'étalement d'une population sur plusieurs paramètres. It's a shame on me   

      
suis bouche l'ab

Capone wrote:Je me suis p-e mal exprimé, je parlais de "PCA" Principal component analysis...

Je ne suis pas certain que le Factor analysis soit exactement équivalent   

Arggh ça me démange de vérifier  

slick wrote:bouche bé  

Monte Cristo wrote:

Capone wrote:Je me suis p-e mal exprimé, je parlais de "PCA" Principal component analysis...

Je ne suis pas certain que le Factor analysis soit exactement équivalent   

Arggh ça me démange de vérifier  

Pas mal proche:

These techniques are typically used to analyze groups of correlated variables representing one or more common domains; for example, indicators of socioeconomic status, job satisfaction, health, self-esteem, political attitudes or family values. Principal components analysis is used to find optimal ways of combining variables into a small number of subsets, while factor analysis may be used to identify the structure underlying such variables and to estimate scores to measure latent factors themselves. The main applications of these techniques can be found in the analysis of multiple indicators, measurement and validation of complex constructs, index and scale construction, and data reduction. These approaches are particularly useful in situations where the dimensionality of data and its structural composition are not well known.