Chapitre 20 — Étude de cas sur données réelles (Python)

Calculatrice interactive — hygiène des données, tolérance R/Python, persistance et asymétrie sur données réelles

Diagnostic d'hygiène des données

nombre d'années couvertes

cotations obtenues

cotations attendues par an

persistance π (R)

persistance π (Python)

log-vraisemblance (R)

log-vraisemblance (Python)

dépassements (R)

dépassements (Python)

α₁

γ₁

β₁

ν (Student)

Fourchettes usuelles (indice réel) : persistance ∈ [0,97 ; 0,995], rapport d'impact ∈ [2 ; 5], ν ∈ [5 ; 10].