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

7.2.3. La distance

La figure 7.4montre le résultat des données collectées sur terrain. Pour la valeur qualitative, 93,84% de données de distance sont àmoins de 13 km et de 6,18% pour le plus de 13 km.

Figure 10.4 : Exploration de données à pied pour la variable distance

L'histogrammemontre que la majorité des données de distance se situent entre 0 à 3km. Et se disperse entre 4 à 19 km, avec une grande diminution pour la valeur de 20 à 23 km.

Pour cette analyse qualitative, la boîte à moustache montre que la vitesse diminue pour une longue marche deplus de 13 km qui pourrait être relié à la fatigue.Inversement, lavitesse estplus rapide pour une distance moins de 13 km.

La dernière analyse permet de voir le lien entre la donnée terrain et la vitesse. On peut voir que les données suivent une tendance linéaire entre 0 à 13 km. Par contre, la tendance diminue rapidement pour la distance plus de 13 km.On distingue doncune relation non linéaire entreces deux variables, ce qui nous a permis de faire la catégorisation.

7.2.4. La pluviométrie

La figure 7.5représente le résultat de l'analyse exploratoire pour la variable pluie.Pour les données qualitatives, 83,66% des observations étaient de la pluie légère, 14,28% de pluie modérée et 2,05% de forte pluie.

Figure 10.5 : Exploration de données à pied pour la variable pluie

L'histogrammede gauche nous montre la fréquence de la pluie. La fréquence la plus élevée se situeentre 0 à 4mm avec une valeur de lafréquence nulle entre 12 à 16mm, 22mm à 24mm et 28 à 46mm. La distribution est dite positivement asymétrique.

La catégorisation de la pluiemontre le lien entre la vitesse et l'intensité de pluie. Pour une pluie légère, les individus marchent à une vitesse entre 3,8 à 5,2 km/h tandis quepour une pluie modérée on a observé une diminution de la vitesse de parcourspar rapport à l'influence de la pluie qui détériore les solset varie entre 3,2 à 4,8 km/h.Et pour la forte pluie, la vitesse diminue encore plus entre 3,5 à 4,5km/h.

La figure de droite représente, la relation entre la vitesse et la pluie. On distingue une légère tendance linéaire négative, mais le modèle non-linéaire suggère que cette tendance n'est pas très consistante pour l'étendue des valeurs de pluie.

7.2.5. L'individu

La figure 7.6montre les différentes variations des vitesses selon la catégorie d'individu.Pour la catégorisation des données, 83,40% représentent la vitesse des villageois,14,28% mavitesse et 2,32% pour les ACC.

Figure 10.6 : Exploration de données à pied pour la variable individu

La figure ci-dessus montre une grande différence entre les vitesses des trois catégories d'individu choisi. L'ACCreprésente l'individu le moins lent parmi les trois catégories avec une médiane de 3,5km/h. Un individu normal marche à peu près avec la même vitesse qu'un villageois avec une médiane auxalentours de 4km/h.

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








"Il faut répondre au mal par la rectitude, au bien par le bien."   Confucius