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

 > 

Caractérisation des ravins à  Kinshasa : typologie de grands ravins des quartiers (Nkingu, Badiadingi, Mbala, Ngafani et Kalunga,) dans la commune de Selembao à  Kinshasa

( Télécharger le fichier original )
par Michel MUKANYA KAYIMBI
Université de Kinshasa - Licence en Sciences géographiques 2008
  

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

III.2.2. Résultats statistiques

Les sciences en générale ont pour rôle d'apporter les explications aux phénomènes. Quoique chaque science ait son optique, les scientifiques s'accordent sur l'usage des outils statistiques pour tenter de mieux expliquer les phénomènes.

Pour rappel, dans le cadre de ce travail nous avons utilisé l'outil statistique notamment le logiciel Eviews 3.0 et EXCELL pour effectuer nos différentes analyses.

Il convient de signaler que cette partie porte sur les statistiques descriptives, les estimations. Dans cette analyse, les paramètres ci-dessous sont utilisés :

· Tête =nombre des têtes du ravin.

· Age=l'âge du ravin

· Long=longueur du ravin

· Larg=largeur du ravin

· Prof=profondeur du ravin

· Vol=volume du ravin

Le tableau ci-dessous nous présente les statistiques descriptives des chacune de nos variables retenues. Il s'agit de la taille de l'échantillon, de la valeur minimale et maximale de la série, de la moyenne et de l'écart-type.

TABLEAU N°11 : DETERMINATION DES VARIABLES

Variables

Effectifs des ravins

Minimum

Maximum

Moyenne

Ecart-type

Tête (nbre)

10

,00

5,00

2,7000

1,49443

Age (ans)

9

1,00

29,00

16,4444

11,12555

Long(m)

10

108,00

654,00

316,5000

200,37645

Larg (m)

10

16,00

69,00

30,2000

15,38253

Prof (m)

9

6,00

25,00

11,6667

5,97913

Vol (m 3)

9

2669,37

619117,28

130732,4321

194076,52319

Source : Calculé par nous à l'aide du logiciel Eviews 3.0

III.2.2.1 Modélisation et Spécification

Nous partons de l'hypothèse que la dimension d'un ravin dépend de son âge et de sa couverture végétale. Ceci nous amène à estimer un modèle linéaire multiple que nous pouvons formaliser comme suit :

· DIM=f (AGE, COUV) avec DIM : dimension du ravin

AGE : âge du ravin

COUV : couverture du ravin

Le modèle peut alors s'écrire : DIM = C(1) + C(2)*AGE + C(3)*COUV

Après estimation du modèle sur Eviews 3.0 nous avons obtenu les résultats ci-après :

DIM = 209964312.1 + 13390887.99*AGE - 224721781.1*COUV

Prob (0.1935) (0.0532) (0.0546)

tc (1.464233) (2.401257) (-2.382590)

R2 (0.553733)

Il ressort de la lecture des résultats que le coefficient C(1) est non significatif au seuil de 5% car la Prob 0,05 tandis que les coefficients C(2) et C(3) sont tous deux significatifs au même seuil car la prob = 0,05. Par ailleurs le R2 étant 0,5, on peut conclure que le modèle est bon car la dimension du ravin dépend ou est expliquée par son âge(AGE) et sa couverture(COUV). Ces deux variables l'expliquent à 55% environ.

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








"Et il n'est rien de plus beau que l'instant qui précède le voyage, l'instant ou l'horizon de demain vient nous rendre visite et nous dire ses promesses"   Milan Kundera