WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Estimation du temps de parcours aux soins de santé dans le district d'Ifanadiana.


par Randriamihaja Mauricianot
Ecole de management et d'innovation technologique - Master recherche en Informatique 2019
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

Chapitre 7 : Estimation du temps de parcours à pied

Dans ce chapitre, on présente les résultats d'étude concernant l'estimation du temps de parcours à pied selon les données utilisées, l'exploration des données, les modèlesutilisés et la prédiction du temps de parcours.

7.1. Les données recueillies

On a collecté 168 parcours dans tout le district d'Ifanadiana.La majorité des données sontsituées dans la Commune de Kelilalina et d'Ifanadiana.

La figure 7.1 montre une carte des données collectée sur le terrain qui sont utilisées durant cette étude dans le district d'Ifanadiana.

Commune

Distance (km)

Kelilalina

286,07

Ifanadiana

266,72

Ranomafana

188,71

Antaretra

121,5

Ambohimanga Du Sud

91,9

Tsaratanana

34,12

Fasintsara

12,75

Androrangavola

12,24

Antsindra

1,66

Ambohimiera

0,15

Individus

Distance (km)

Paysan

593,90

Mauricianot

158,59

ACC

263,33

Figure 10.1 : Une carte des données collectées sur le terrain

7.2. Résultats de la phase d'exploration des données

Les données exploratoires représentent les résultats d'analyse exploratoire des différentes variables explicatives et la variableréponse. Il montretrois types des résultats pour les variables quantitativestels que :la pente, la distance, la pluviométrieet un résultatpour les variables qualitatives.

7.2.1. La vitesse

La figure 7.2 représente l'analyse de la variable réponse avec trois observations différentes : l'histogramme pour voir la distribution de la vitesse, la boîte à moustache et la répartition cumuléede la variable vitesse.

Figure 10.2 : Exploration de données à pied pour la variable vitesse

Par rapport à cette figure, l'histogramme montre une distribution normale de la variable avec une valeur plus courante entre 4 à 5,5 km/h. Et il se disperse exponentiellement pour les deux côtés. On observe une vitesse médiane de 4,6 km/h avec une moyenne de variabilité entre 3,8 à 5,5 km/h. La répartition cumulée de la vitessemontre une grande augmentation entre 2 à 6 km/h.

7.2.2. La pente

La figure 7.3 montre l'analyse des variables de la pente par rapport à la vitesse des gens sur l'analyse quantitative et qualitative. Pour la catégorisation, 94,31% des valeurs ont une pente horizontale, 4,79% pour une pente moyenne, 0,54% pour une pente forte et 0,36% pourune pente extrême.

Figure 10.3 : Exploration de données à pied pour la variable pente

D'après la figure de gauche, l'histogramme montre que la plupart des valeurs se situe entre 0 à 0,5 et la dispersion des données s'étend de 0,5 à 10.

Pour la boîte à moustache, sur une pente horizontale, les individus peuvent avoir une vitesse plus rapide pour la pente modérée,la vitesse est réduite mais avec une grande variabilité et les deux autres catégories depentes ont une vitesse encore plus lente avec des pentes très étroite.

La figure de droite représente la relation entre la variablepente et la variable vitesse par rapport au modèle linéaire (ligne bleue) et non linéaire (ligne rouge). Selon l'observation, la variable pente a une relation non linéaire avec la variable vitesse.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Là où il n'y a pas d'espoir, nous devons l'inventer"   Albert Camus