« Modélisation par dichotomie paritaire » : différence entre les versions
Contenu supprimé Contenu ajouté
| Ligne 1 : | Ligne 1 : | ||
= Principe général de la méthode = |
= Principe général de la méthode = |
||
On se propose de modéliser un échantillonnage de données, dans un premier temps sans trous dans les données. |
|||
<div style="text-align: center;">[[Fichier:TParitaire1.jpg]]</div> |
|||
Aucun a priori sur les fonctions composantes ; nature, nombre, |
|||
Il est décidé qu'il est plus simple de décomposer l'échantillonnage en la somme d'une partie paire et impaire et de modéliser chacune séparément. |
|||
D'autre part , il est possible aussi de réitérer cette partition en l'exerçant sur chaque partie obtenue, par dichotomie. Des précautions seront à prendre lors de la modélisation fonctionnelle. Il est conseillé de s'arrêter à des sous-échantillons de 5 données. Ces sous-partitions permettent de suivre l'évolution des fonctions composantes.<div style="text-align: center;">[[Fichier:TParitaire1.jpg]]</div> |
|||
= Critères de choix de l'échantillonnage = |
= Critères de choix de l'échantillonnage = |
||
Version du 24 avril 2021 à 13:50
Principe général de la méthode
On se propose de modéliser un échantillonnage de données, dans un premier temps sans trous dans les données.
Aucun a priori sur les fonctions composantes ; nature, nombre,
Il est décidé qu'il est plus simple de décomposer l'échantillonnage en la somme d'une partie paire et impaire et de modéliser chacune séparément.
D'autre part , il est possible aussi de réitérer cette partition en l'exerçant sur chaque partie obtenue, par dichotomie. Des précautions seront à prendre lors de la modélisation fonctionnelle. Il est conseillé de s'arrêter à des sous-échantillons de 5 données. Ces sous-partitions permettent de suivre l'évolution des fonctions composantes.
