Commentaires associés aux notes
des analyses statistiques en Licence Mass
pour l'année 2004
(gH) gilles.hunault@univ-angers.fr
Fichier BEA.ZIP note pour l'instant 11 / 20 ============================================= Relisez le descriptif : "Les données qui sans contre indications date de 2001." contient une faute d'orthographe qui induit une perte de sens. "Dans les analyses j'ai préféré étudier les régions plutôt que les départements car c'est plus significatif (plus de villes par régions)." : ceci ne doit pas figurer dans le descriptif car celui-ci ne fait que documenter (décrire) les lignes et les colonnes. Attention au terme "significatif" : quelle définition mathématique ou statistique précise utilisez-vous pour quantifier la significativité ? De plus vous pouvez étudier vos variables par ville ou par région, ce n'est pas la même étude et les deux sont valides et se justifient toutes deux. Variable Inondations : le nom de la variable est sans doute mal choisi car il ne s'agit que des indemnisations par l'Etat. Il peut y avoir inondation sans indemnisation. Terrains pollués : une définition de la pollution (type de pollution notamment) et une indication de qui reconnait qu'il y a pollution serait la bienvenue. Usines de type Seveso : donner un lien internet sur la définition de Seveso (il y a plusieurs degrés Seveso ?). Le descriptif est mal présenté : il faudrait commencer par donner une petite idée de ce que contient le dossier, trouver un titre (comme Danger ou Risques ou ...) puis citer les sources... Que signifie criminalité ou crimes et délits ? Les types de vols n'en font pas partie ? A détailler. Vos choix en ce qui concerne la conversion en QL des Usines à risques et Terrains pollués sont discutables et non justifiés : 1 - votre avis n'est certainement pas important (car pas plus que moi vous n'êtes spécialiste de ce genre de données) 2 - il y a clairement des "petites" pollutions et des "grandes" ce que montre bien le nombre de terrains pollués ; la présence de nombreuses usines à risques est trés différente de la présence d'une seule ; résumer cette information en présence/absence est trop réductrice. Donc : traitez aussi ces variables en QT comme cela on verra ce que vous pouvez en déduire. A faire impérativement. Vus les grands chiffres pour les QT, vous devriez arrondir à l'unité prés les valeurs et les cdv. Dans la matrice des corrélations, à quoi correspondent vos couleurs ? Le tri des variables quantitatives par moyenne est certainement maladroit : ce ne sont pas les mêmes unités : comparer un vol et un accident n'a aucun sens logique. Pourquoi commencer la rédaction avec la matrice des corrélations ? Parler de différence selon la population sans avoir commencé par détailler la variation du nombre d'habitants n'est pas correct. De plus vous travaillez globalement avec l'ensemble des villes, contrairement à ce que vous annoncez dans le descriptif (analyse par région). Le terme de "corrélations sûres" est maladroit : il est du aux éléves Mass ayant écrit les macros Excel et les programmes Dbase. Il n'y a aucune définition mathématique associée. De plus 0,847 est quand même plutot proche de 0,9 ... Pour les graphiques de corrélation, une autre unité pour les X serait adaptée : 1200000 n'est pas aussi lisble que 1,2 ; vous devriez aussi dire quelque chose sur les points "outliers" qui sont très extérieurs à la courbe théorique. Est-ce à chaque fois la même ville ? Pourquoi mettre le titre QT pour les tris à plat ? De plus, s'agissant d'un titre, il vaudrait mieux écrire en toutes lettres Variables Qualitatives ou même Etude des Variables Qualitatives. Je préférerais d'abord le résumé des tris à plat puis le détail des tris. Cela me parait plus logique : une vue d'ensemble puis une analyse de détail... N' y a-t-il pas un problème avec le nombre de terrains pollués finalement donné pour 100 000 habitants ? Ramenés au nombre total d'habitants, on aurait une meilleure idée de la variation (et de l'étendue des dégats). A faire impérativement. Je pense que vous n'avez pas compris ce qu'on appelle un tri croisé. Un tri croisé utilise deux variables QL et en aucun cas une QL et une QT. Traiter une QT en fonctions du découpage par modalités s'appelle analyse de la variance. En particulier, vous devez croiser REGION avec les autres QL qui sont NUCLEAIRE, USINES, TERRAINS et sans doute PREVENTION. L'étude des moyennes par régions, intéressante toutefois, ne peut pas porter le nom de tri croisé. Il serait bon, comme vous utilisez beaucoup le nombre d'habitants, de commencer par bien étudier la variable QT correspondante. Vous pourriez ainsi avoir une variable QL "type de ville" avec des modalités comme "grande ville", "ville moyenne" etc. qui permettrait au niveau des tris croisés de mettre plus en évidence vos résultats. Cela gommerait sans doute aussi l'effet PLM (Paris, Lyon ou Marseille). Globalement : pas trop mal, mais des erreurs de rédaction et quelques calculs supplémentaires à faire. Ajoutez aussi quelques graphiques pour les tris croisés (mais pas empilés).