...
Identifier la performance globale : Il montre comment les valeurs de débit sont réparties. Par exemple, si un grand nombre d'événements ou de transactions se situe dans une fourchette de débit élevée, cela indique que le système fonctionne de manière performante.
Détecter des goulots d'étranglement : Un histogramme qui montre une concentration importante de faibles valeurs de débit pourrait indiquer des goulots d’étranglement ou des problèmes de performance dans certaines parties du système.
Analyser la variabilité des performances : L'histogramme permet de visualiser si les débits observés sont stables ou variables. Une distribution uniforme indique une performance relativement constante, tandis qu'une distribution très étalée peut signaler une grande variabilité dans le débit.
...
Le graphique
...
Les filtres
...
Analyse de la Prédictibilité
L’analyse de la Prédictibilité permet de mesurer la qualité du débit et le niveau de confiance dans son utilisation pour les projections.
L’analyse se base sur le principe Thin-Tailed (Queue fine) - Fat-Tailed (Queue large)
Bien sûr ! Le concept des Thin-Tailed et Fat-Tailed distributions est souvent utilisé en analyse de risques, en statistiques et en finance pour comprendre et modéliser l'impact des événements rares et extrêmes. Voici une description que tu pourrais intégrer dans la documentation utilisateur de Wiveez, adaptée pour expliquer leur principe, leur fonctionnement et leur utilité dans ce contexte.
Thin-Tailed et Fat-Tailed : Principe et Utilité
Principe :
Dans la modélisation des données, en particulier en finance et en gestion des risques, on parle souvent de distributions de probabilité pour décrire la manière dont les événements ou les valeurs sont répartis. Deux types de distributions sont particulièrement importants : les distributions Thin-Tailed et Fat-Tailed.
Thin-Tailed (Queue fine) : Une distribution "thin-tailed" est caractérisée par une probabilité relativement faible que des événements extrêmes (ou déviations importantes par rapport à la moyenne) se produisent. Autrement dit, les valeurs extrêmes (très éloignées de la moyenne) sont rares. Un exemple typique serait la distribution normale (ou gaussienne), où la plupart des données se concentrent autour de la moyenne et les extrêmes sont très peu probables.
Fat-Tailed (Queue épaisse) : En revanche, une distribution "fat-tailed" a une probabilité plus élevée d'événements extrêmes. Cela signifie que les événements rares (mais très impactants) sont plus fréquents qu’on ne l'attendrait avec une distribution thin-tailed. Les distributions fat-tailed sont utilisées pour modéliser des phénomènes où les événements extrêmes ont un impact disproportionné, comme les crashs boursiers ou les crises économiques.
...