Besoin d'aide pour un test statistique

[inviteb5c77914]

Bonjour à toutes et à tous!!!



J'aurais besoin d'aide consernant le problème suivant:
- je dispose de données brutes (temps de fonctionnement de pompes) par heure pour chaque jour, et de données moyenné sur 3 mois qui me servent de référence (1 moyenne par h pour chaque jour de la semaine soit un total de 168 moyenne)
- je cherche à mettre au point un test statistique afin de savoir si l'écart entre chaque valeur brutes et la moyenne lui correspondant est significatif ou non

Je vous remercie d'avance
Bonne journée


P:S je tiens à préciser que mes connaissance en matière de statistique se limite au calcul de moyenne, d'écart-type... en clair j suis une vrai quiche donc si possible essayer d'etre le plus clair possible sinon je risque de finir comme ça:

Merci
-----

[invite636fa06b]

Bonjour,

Je pense qu'il te faut préciser un peu plus :
En face de chacune des 168 moyennes de référence, tu as combien de données brutes ?
Quelle est l'allure de la distribution des moyennes ? (courbe avec les heures hebdo en abcisse et les moyennes en ordonnées)
Tes données brutes sont-elles classées par pompe ? L'idée c'est qu'il faut peut-être faire une hypothèse de report : si une pompe fonctionne moins pendant une heure, elle fonctionnera plus pendant l'heure suivante.
Et sans doute encore d'autres questions à venir

[inviteb5c77914]

Rebjr


Je vais essayer de repondre dans l'ordre:
- actuellement mes moyenne sont calculées à partir de 3 mois de données soit 1 données par jour et par pompe, donc cela donne 92 données pour une moyenne (à 1jr près suivant les mois utilisés). Et par la suite, nous comptions ajouter chaque valeur validée dans le calcul de la moyenne pour faire une sorte de mise à jour

- la distribution moyenne est une sinusoïdale irrégulière avec des périodes de pointe et de creu qui semble correct (dans le sens ou ca ne fonctionne pas la nuit et plus tard le week'end)

- Mes données brutes sont classées par pompe, ce qui me donne un total de 67 pompes

- l'hypothèse de repport est vérifier puisque nous avons des periodes de pointes et de creu

Quel autres informations seraient utiles?

[invite636fa06b]

Tu peux déjà calculer l'écart type par heure.
Je pense que tu as plutôt 67 x 13 données que 92 pour chaque heure
D'ailleurs au total on devrait avoir 67 pompes x 92 jours x24h données brutes
Je pense que l'on ne s'est pas compris dans l'histoire de report. Si une pompe donnée fonctionne moins pendant un certaine heure, est-ce que l'on peut prévoir qu'elle va tourner plus durant la période suivante ? autrement dit qu'elle rattrape son retard ou encore que le temps de fonctionnement de chaque pompe à la semaine est presque identique ?
D'ailleurs que donne le temps global de fonctionnement de chaque pompe sur les trois mois.

J'imagine que le but est de construire un modéle. Dans quel but ? prévoir la consommation, gérer l'entretien des pompes, ...
Pour cela il faut faire quelques hypothèses théoriques.
Ensuite vérifier la validité du modèle par un test de khi2 ou autre.
Comme tu as beaucoup de données, cela ne devrait pas poser de proiblème

[A voir en vidéo sur Futura]

[inviteb5c77914]

bjr

Effectivement, j'ai bien 67*24*92 données au total mais j'ai bien 92*24 données par pompe.
Le temps de fonctionnement d'une semaine sur l'autre pour une meme pompe correspondent à peu de chose près mais on ne peut pas les comparer pour plusieur pompe étant donnée qu'elles n'ont pas la même puissance et quel ne pompe pas la même quantité d'eau

Quand vous parlez de temps global, vous voulez parlez du tps total sur le mois?

Le but est de mettre au point un modèle afin de comparer les données brutes receuilli par la suite à ce modèle et les valider ou non, auquel cas elles seront remplacer par la valeur du modèle qui lui correspond (mm jour mm heure)

Qu'entendez vous par quelques hypothèses théoriques ? ce serait de se dire que tel série suit tel loi de paramètre P; quelque chose dans ce gout la?

Qu'est ce que le test du KHI 2?

[invite636fa06b]

Bonjour,

Quand on évoquait les 168 moyennes de référence, j'avais compris 168 valeurs mais il semblerait qu'il s'agisse de 168 x67 valeurs puisque les pompes ne sont pas homogènes. Autrement dit qu'il faut construire 67 modèles ou peut-être moins si l'on peut raisonner par famille de pompes.
Concrètement, cela voudrait dire que tu disposes de n (n =nombre de famille de pompes) listes de 168 valeurs moyennes et d'autant d'écarts type.
Pour le test du khi 2, c'est un outil dont la logique est simple : on construit un indicateur qui mesure l'écart entre le modèle et la réalité. Si cet écart est trop élévé, on rejette la théorie, sinon on l'accepte.
L'explication ci dessus est très schématique. Comme je n'ai toujours pas vraiment compris ce que tu veux faire, je ne suis pas sûr que ce soit ça dont on a besoin.
En particulier, ça me semble douteux de remplacer des valeurs réelles par des valeurs théoriques sous prétexte qu'elles sont hors théorie...

[invitec81515bd]

Bonjour,

je récapitule pour moi, pour être sûr qu'on soit bien d'accord.

Votre tableau à l'origine :
67 lignes, avec les 67 pompes.
2208 colonnes (92 * 24) témoigant du temps de fonctionnement des pompes, heure par heure, pendant 92 jours (3 mois).

L'amplitude des données est de 60 au maximum, n'est-ce pas ?
Une pompe fonctionne au maximum 60 minutes par heure, et au minimum de 00 (heure très creuse).

Le Khi² propose de vérifier une hypothèse d'indépendance. En gros, ça vous pemet de dire si oui ou non, le temps de fonctionnement d'une pompe dépend de la pompe, ou bien si c'est aléatoire. Je ne suis pas sûr que ce soit ce que vous cherchez à faire, n'est-ce pas ?

Un traitement simple serait de réaliser des moyennes mobiles, afin de lisser et d'esthétiser un peu la représentation de vos données. Bien sûr, il y a des analyses "chronologiques" plus complexes qui pourraient être utilisées.

Le(s) modèle(s) ?
Vous cherchez à créer un modèle global ou bien 67 modèles particuliers ?
Dans tous les cas, ces "modèles" permettraient de simuler le fonctionnement d'une pompe dont on ne connait qu'une partie des données, c'est bien ça ?
Là encore, il y a des solutions simples. Par exemple, passer sur une base 100 (avec 100 = le minimum, la moyenne ou le maximum des séries de données).

Dernières questions : la répartition géographique de vos pompes ?
C'est sur une comune, une agglo, un département, une région...... ?
Est-ce une pompe à eau ? a fioul ? une pompe à bière (ou tireuse ) ?
Et disposez-vous de données "environnementales" comme la tempéraure, la météo en général, si c'est une pompe de supermarché ou non, le flux d'automobiles qui passe à proximité ?

Avec ça, on pourra commencer à aller un petit peu plus loin,
++