Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Dimension: px
Commencer à balayer dès la page:

Download "Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME"

Transcription

1 Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par : Geeviève Chêe, Mariae Savès Ahmadou Alioum, Marthe-Alie Jutad, Valériae Leroy, Louis-Rachid Salmi ISPED Campus Numérique SEME - A usage persoel For persoal use 1

2 SOMMAIRE Itroductio... 3 Différets types de variables... 3 I Itroductio... 3 II Variable catégorielle ou qualitative... 4 III Variable quatitative... 4 Représetatio des doées...5 I Itroductio... 5 II Tableau... 6 III Graphique Variable quatitative cotiue... 8 Variable catégorielle Paramètres décrivat ue distributio I Itroductio II Paramètres de tedace cetrale Variable quatitative Variable catégorielle ou quatitative discrétisée III Paramètres de dispersio Lois e statistique I Itroductio II Rappels sur les probabilités III Loi Normale et so usage Pricipes de l aalyse des doées e statistique... 0 I Itroductio... 0 II Étape de descriptio : estimatio Itroductio... 0 Fluctuatios d échatilloage : exemple d ue moyee, variable quatitative Itervalle de cofiace d ue moyee, grads échatillos... 4 Itervalle de cofiace d ue moyee, petits échatillos Itervalle de cofiace d ue proportio, grads échatillos... 4 III Étape de comparaiso : test d hypothèse Itroductio... 5 Test d hypothèse : raisoemet gééral et exemple Comparaiso de moyees selo deux modalités d ue variable catégorielle... 9 A Comparaiso de deux moyees observées lorsque les groupes sot idépedats... 9 B Comparaiso de deux moyees observées lorsque les groupes sot appariés Comparaiso de proportios etre deux groupes d ue variable catégorielle... 3 A Chi- d idépedace pour u tableau x... 3 B Chi- d ajustemet pour u tableau x C Chi- pour séries appariées Choix du test statistique Référeces bibliographiques ISPED Campus Numérique SEME - A usage persoel For persoal use

3 L épidémiologie s appuie très largemet sur les outils statistiques, qu il s agisse de la moyee, de l'écart-type, de la proportio, de l'itervalle de cofiace, mais aussi des tests statistiques. Les otios de base e statistique utiles à la pratique de l épidémiologie sot doc abordées dès ce module, car elles serot essetielles tout au log de cette formatio e épidémiologie. Itroductio La statistique est ue «méthode de raisoemet permettat d iterpréter le gere de doées très particulières, qu o recotre otammet das les scieces de la vie, dot le caractère essetiel est la variabilité» (D. Schwartz). E cela, c est u outil idispesable à l iterprétatio des résultats des equêtes épidémiologiques. La variabilité est u caractère essetiel des êtres vivats et doc de l être humai, e particulier. Par exemple, certaies caractéristiques de l être humai, comme le poids ou la quatité de sucre das le sag, variet d u sujet à l autre ou de l eface à l âge adulte, parfois même d u momet à l autre de la jourée. La présece d ue maladie peut égalemet expliquer la variabilité d ue caractéristique. Par exemple, au cours de certaies maladies, le ombre de globules rouges circulat par uité de volume de sag peut être plus bas, témoigat d ue aémie. L épidémiologiste est cofroté e permaece à ce phéomèe de variabilité car les questios qu il essaie de résoudre sot à l échelo d u groupe, d ue populatio et o pas d u seul idividu. Ue des solutios est de décrire les propriétés moyees des groupes d idividus. Pour cela, le traitemet des doées et la commuicatio des résultats écessitet l utilisatio de la statistique. Par ailleurs, le plus souvet, l étude de la populatio etière est raremet possible car elle est trop vaste : des milliers, voire des cetaies de milliers de sujets. Même si c était possible, il faudrait des moyes trop importats. Il faut doc se résoudre à sélectioer u échatillo, le décrire et e tirer des coclusios sur la populatio (iférece). Là ecore, la méthode statistique est idispesable. Au total, la méthode statistique iterviet à tous les échelos d ue equête dot l objectif est de recueillir des iformatios sur u groupe d idividus : choix du meilleur schéma d étude, recueil des doées, aalyse des doées. Il coviet doc de bie e coaître les grads pricipes et les outils de base. Mais, avat tout, il vous faut bie compredre la ature des iformatios qui sot recueillies afi de choisir esuite les méthodes les plus appropriées pour les iterpréter. Remarque : tout au log de ce chapitre, les formules mathématiques ot été simplifiées aussi souvet que possible. Différets types de variables I Itroductio Ue variable est ue caractéristique dot o peut observer des valeurs différetes au sei d u groupe de sujets. Ue variable peut être de ature catégorielle ou de ature quatitative. ISPED Campus Numérique SEME - A usage persoel For persoal use 3

4 Das la suite de ce chapitre, vous verrez que les modes de représetatio et les méthodes d aalyse diffèret selo que l o a affaire à ue variable catégorielle ou à ue variable quatitative. Il est doc importat de bie compredre leurs différeces pour les distiguer avec assurace. II Variable catégorielle ou qualitative Ue variable dite catégorielle ou qualitative est ue caractéristique ayat u certai ombre de catégories ou modalités, exhaustives et mutuellemet exclusives : exhaustives car toutes les modalités possibles sot citées, mutuellemet exclusives car chaque idividu peut être classé das ue catégorie et ue seule. Quad il s agit de classer les sujets selo deux catégories, la variable catégorielle est dite dichotomique (ou biaire). Par exemple, si l o déombre les hommes et les femmes das u groupe, la variable «sexe» est ue variable catégorielle à deux catégories : «hommes» et «femmes». O peut égalemet classer les sujets selo qu ils sot fumeurs ou o fumeurs, selo qu ils sot atteits ou o d allergie, selo qu ils ressetet ou o ue douleur. Certaies caractéristiques se décrivet aturellemet e plus de deux catégories. Certaies de ces variables catégorielles sot dites omiales : chaque classe désige ue catégorie de sujets (elle les omme). Il existe pas d ordre aturel etre les catégories. C est, par exemple, le cas du groupe sagui : A / B / AB / O ou ecore de la situatio familiale : marié / vivat e couple / célibataire / divorcé / séparé / veuf. Pour d autres variables, il existe u ordre aturel etre les différetes catégories. Ces variables sot dites ordiales. Par exemple, lorsque l o iterroge des sujets sur la sévérité d ue douleur : au lieu de deux catégories (douleur / pas de douleur), o peut classer les idividus selo les catégories suivates : aucue / miime / modérée / sévère / isupportable. La trasformatio d ue variable catégorielle ordiale e variable catégorielle dichotomique est toujours possible. L aalyse des doées est simplifiée, mais la trasformatio aboutit à ue perte d iformatio. Par exemple, si la sévérité de la douleur a été recueillie selo les catégories : «aucue / miime / modérée / sévère / isupportable», o peut être mois précis e classat les sujets selo les catégories : «douleur / pas de douleur» d ue variable catégorielle dichotomique. III Variable quatitative Les valeurs d ue variable quatitative sot obteues par u istrumet de mesure ou le résultat d u déombremet. Elles sot souvet accompagées d ue uité de mesure. Avec ue telle variable, o peut toujours répodre à ue questio commeçat par : «combie?». Ue variable est cotiue si elle peut predre, e théorie, u ombre ifii de valeurs das u itervalle doé, et si la précisio avec laquelle o la mesure e déped que de l exactitude de l istrumet de mesure. L âge, la pressio artérielle systolique et la quatité de sucre das le sag e sot des exemples. ISPED Campus Numérique SEME - A usage persoel For persoal use 4

5 Lorsque l o arrodit la valeur obteue, o dit que l o discrétise cette variable cotiue, car o lui impose de predre certaies valeurs. Par exemple, au lieu d exprimer l âge calculé de la date de aissace au jour de visite d u sujet e jours, o exprime courammet l âge e aées (, 3, 4 as, etc.) ou ecore de dix as e dix as (0 à 9, 30 à 39 as, etc.). Das le premier exemple, l itervalle etre chaque valeur a ue amplitude d ue aée, das le deuxième exemple, l amplitude d itervalle est de 10 as. Si les itervalles e sot pas de même amplitude, o parle plutôt de regroupemet. Par exemple, pour décrire l âge d efats vus das ue cosultatio pédiatrique, o peut utiliser les regroupemets : «0-3 mois», «4 11 mois», «1-3 as», «4-10 as». O parle égalemet de variable discrète lorsque la variable est, à l origie, ue variable qui e peut predre que certaies valeurs umériques. Par exemple, le ombre d efats d ue famille est ue variable quatitative discrète qui peut predre les valeurs : 0, 1,, 3, 4, 5, Ue famille e peut avoir 1,4 efats, i,5 efats. Au premier abord, la distictio est doc pas simple etre certaies variables catégorielles ordiales, comme le stade d u cacer, qui pourrait être codé par exemple 1,, 3 ou 4 et les variables quatitatives discrètes, comme le ombre d efats. U petit test est éamois facile à réaliser pour distiguer les deux types de variables. Pour ue variable catégorielle ordiale, chaque différece etre les catégories e sigifie pas la même chose. E revache, pour ue variable quatitative discrète, chaque différece etre les catégories a toujours la même sigificatio sur toute l étedue des valeurs. Par exemple, pour la variable «stade de cacer», o e peut pas dire que le stade est deux fois plus grave que le stade 1 ; c est doc ue variable catégorielle ordiale. Pour la variable «ombre d efats», o peut dire que deux efats, c est deux fois plus que u, et que trois efats c est trois fois plus que u ; c est doc ue variable quatitative discrète. Représetatio des doées I Itroductio Décrire les doées que l o a rassemblées pour répodre à ue questio est ue première étape très importate e épidémiologie. Pour chaque type de variable, catégorielle ou quatitative, il existe des formes de représetatios différetes qui permettet d avoir ue première impressio visuelle. O peut utiliser u tableau ou u graphique. Si u tableau est plus utile pour préseter de faço complète et précise les doées, u graphique est, e revache, plus utile pour doer ue impressio visuelle immédiate. Le pricipal critère de choix réside doc das la faço dot o souhaite commuiquer les résultats : si l o souhaite disposer de l esemble des résultats chiffrés, o choisira plutôt u tableau ; si l o souhaite visualiser ue tedace évolutive, o choisira plutôt u graphique. O veillera à e pas représeter les mêmes doées par u tableau plus u graphique, mais à choisir l u ou l autre. Par ailleurs, il doit exister ue cohérece (format du titre, coteu) etre des doées similaires das u même tableau ou u même graphique, ou etre des tableaux (ou des graphiques) similaires. ISPED Campus Numérique SEME - A usage persoel For persoal use 5

6 Quelle que soit la forme de représetatio des doées, quelques pricipes simples doivet être appliqués afi que l iterprétatio soit évidete pour les lecteurs : - chacue de ces représetatios doit être lisible idépedammet de so évetuel texte d accompagemet, - elles doivet doc toujours être dotées d u titre iformatif, c est-à-dire doat suffisammet d iformatios sur la populatio, le lieu et la période d étude - les acroymes doivet être défiis (par exemple, e ote sous le tableau ou le graphique, ou das le titre), - si seuls des pourcetages sot présetés (sas les effectifs correspodats), il faut préciser l effectif total à partir duquel ils ot été calculés das le titre - les uités de mesure doivet systématiquemet être idiquées pour les variables quatitatives (exemple : aées pour la variable âge). Elles doivet figurer ue seule fois à côté du om de la variable. C est égalemet le cas pour le caractère % e ce qui cocere les variables catégorielles. Efi, das le documet rapportat les résultats d ue étude, il faudra savoir préseter les pricipaux résultats das le corps du documet, et les résultats secodaires e aexe. II Tableau U tableau est ue représetatio des doées, utilisable quelle que soit la ature de la variable à représeter, quatitative ou catégorielle. La costructio d u tableau permet de disposer de l esemble des doées. La présetatio des doées sous forme de tableau est particulièremet idiquée pour des doées répétées et précises. Comme il s agit souvet de ombreux chiffres, il est importat de simplifier le plus possible la présetatio. Le tableau le plus simple a deux coloes. Das la première coloe, figure la liste des catégories d ue variable catégorielle ou des regroupemets d ue variable quatitative. Das la secode coloe, figuret les effectifs correspodat à chacue de ces catégories. Par exemple, das ue equête étudiat la relatio etre tabac et cacer du poumo, o décrit les différetes catégories de cosommateurs de tabac : jamais fumeur / ex-fumeur / tabac blod / tabac bru / tabac mixte. Le tableau OUTILS-STAT-1 permet de doer le ombre de sujets pour chaque catégorie de la variable «cosommatio de tabac» (variable catégorielle). Tableau OUTILS-STAT-1. Répartitio des idividus selo le type de cosommatio de tabac. Étude de Fictif et al., Cosommatio de tabac Nombre de sujets Jamais 500 Ex-fumeur 100 Tabac blod 00 Tabac bru 100 Tabac mixte 100 Total 1000 La costructio d u tableau obéit à quelques règles géérales : 1) il existe toujours u badeau de titre pour idiquer la ature des iformatios figurat das les coloes, ce badeau a u trait horizotal au-dessus et au-dessous, la tête de coloe permet d idiquer la ature de la variable figurat das cette coloe, ISPED Campus Numérique SEME - A usage persoel For persoal use 6

7 ) u trait horizotal figure au-dessous de la derière lige, 3) e dehors de ces traits permettat de souliger les badeaux, aucu autre trait est utile, e particulier aucu trait vertical, 4) les chiffres sot aligés par coloe : sur le derier chiffre de droite (s il s agit d etiers) ou sur la virgule (s ils sot exprimés avec ue décimale), 5) pour ue même variable, le même ombre de chiffres après la décimale est employé ; e fraçais, le séparateur décimal est la virgule, das le système aglo-saxo, c est le poit qui est employé, Par exemple, o e préseterait pas ue proportio de 5,% pour ue catégorie et 34% pour ue autre. O choisirait 5% et 34% ou 5,% et 34,0%, 6) les totaux, s il y a lieu, doivet être doés, 7) le séparateur des milliers est u espace (et o u poit comme das le système aglosaxo) ; o peut égalemet e pas marquer la séparatio. Efi, par covetio, le titre d u tableau figure au-dessus du tableau. Le tableau OUTILS-STAT- permet de représeter les doées d âge (variable quatitative) de 10 femmes veues e cosultatio das u cetre de dépistage du cacer du sei. Ce tableau illustre égalemet l applicatio des règles simples de costructio d u tableau. La proportio correspod au rapport de l effectif sur le total. Tableau OUTILS-STAT-. Distributio selo l âge de 10 femmes ayat cosulté das le cetre de Maville etre octobre et décembre 000. Représetatio par u tableau. Age (e aées) Effectif Proportio e % , , ,3 47 1, ,3 53 3, , , , , , , , , , , , , , , ,3 7 3,5 73 3,5 76 1,7 78 1,7 Total ,0 ISPED Campus Numérique SEME - A usage persoel For persoal use 7

8 O pourra égalemet effectuer des regroupemets permettat de préseter les résultats de maière plus sythétique (Tableau OUTILS-STAT-3). Tableau OUTILS-STAT-3. Répartitio par catégories d âge de 10 femmes ayat cosulté das le cetre de Maville, octobre-décembre 000. Age (e aées) Effectif Proportio e % Fréquece cumulée e % ,7 1, ,0 6, ,0 16, ,3 35, ,7 71, ,7 88, ,3 96, ,3 100,0 Total ,0 Ces doées permettet de calculer très facilemet la fréquece cumulée à la bore supérieure d ue catégorie, résultat qui vous sera souvet utile. La fréquece cumulée est la proportio d observatios das toutes les catégories précédetes ajoutée à celle de la catégorie présete. Ces catégories représetet toutes les doées (l exhaustivité des doées) et sot mutuellemet exclusives. Par exemple, pour trouver la fréquece cumulée à 49 as, o va additioer la proportio das la catégorie «40-44» et celle das la catégorie «45-49». L écriture «40-44» sous-eted que toutes les valeurs etre 40 et 44 as sot icluses, ou ecore de 40 as exactemet à 44,99 as (la valeur 45 as exactemet état exclue). D après le tableau OUTILS-STAT-3, la fréquece cumulée à 49 as est de 6,7% (1,7% + 5,0%) : 6,7% des femmes avaiet mois de 50 as. L exame du tableau OUTILS-STAT-3 permet d apporter ue répose descriptive à la questio iitiale : les femmes de 60 as et plus sot plus ombreuses que celles de mois de 60 as. La catégorie d âge la plus représetée est celle des femmes ayat etre 60 et 64 as. III Graphique Le graphique permet essetiellemet de visualiser u phéomèe remarquable : cotrastes ou tedaces. L œil doit pouvoir observer les chagemets des valeurs e ordoée (échelle verticale) pour u chagemet d uité, de classe ou de modalité e abscisse (échelle horizotale). Le choix etre les graphiques possibles repose essetiellemet sur le type et le ombre de variables à représeter. Par covetio, le titre d u graphique figure au-dessous du graphique. Das ce paragraphe, vous verrez les pricipes de costructio de graphiques simples. 1 Variable quatitative cotiue Pour ue variable quatitative cotiue, si les bores (valeur miimale et maximale) sot coues, le choix se porte sur l histogramme ou le polygoe de fréquece. L histogramme est u graphique où l axe des abscisses représete les valeurs de la variable, regroupées e classes, et l ordoée représete l effectif ou la fréquece de chacue des classes. ISPED Campus Numérique SEME - A usage persoel For persoal use 8

9 Par exemple, u histogramme permet de représeter la distributio de l âge des femmes veues e cosultatio au cetre de dépistage (Figure OUTILS-STAT-1). Effectif pour ue amplitude de 5 as [40-45[ [45-50[ [50-55[ [55-60[ [60-65[ [65-70[ [70-75[ [75-80[ Age (as) Figure OUTILS-STAT-1. Distributio selo l âge des 10 femmes ayat cosulté das le cetre de Maville etre octobre et décembre 000. Représetatio par u histogramme. L exame de cet histogramme permet d apporter ue répose descriptive plus visuelle qu u tableau à la questio iitiale : les femmes de 60 as et plus sot plus ombreuses que celles ayat mois de 60 as. Par ailleurs, u graphique doe ue boe idée de la dispersio des valeurs autour de la catégorie d âge la plus représetée. E revache, il est plus difficile de coaître le ombre exact d idividus das chaque itervalle. L itégrité statistique des représetatios graphiques des variables quatitatives repose sur u certai ombre de règles : 1) le choix de l échelle doit être correct pour e pas exagérer ou sous-estimer u chagemet et, par coséquet, doer ue impressio fausse des doées. La distace etre les marques de graduatio doit doc être proportioelle à l amplitude réelle des catégories. Das l exemple, u itervalle d amplitude 5 as a été choisi et la distace sur l axe des abscisses est exactemet la même etre 40 et 44 as, etre 45 et 49 as et aisi de suite. ) l axe des abscisses doit couvrir toute l étedue des doées possibles. Das l exemple, la plus petite valeur est 43 as et la plus grade est 76 as. Les extrémités du graphique vot doc de 40 à 80 as. 3) la variable état cotiue, il e peut y avoir d espace etre la base des différets rectagles e abscisse. Das l exemple, chaque rectagle est cotigu au rectagle précédet et au suivat. Il y a ue exceptio à cette règle si ue catégorie a u effectif ul, car, das ce cas, aucu rectagle occupe l itervalle. Ue astuce si vous travaillez sur MS-Excel TM : par défaut, ce logiciel laisse u espace etre les différets rectagles. Il faut alors double-cliquer sur l u des rectagles. La feêtre «Format de série de doées» apparaît. Il faut cliquer sur l oglet «Optios» et choisir ue largeur d itervalle égale à 0. ISPED Campus Numérique SEME - A usage persoel For persoal use 9

10 Les graphiques tridimesioels e respectet pas les règles d itégrité statistique à cause de la distorsio liée à la perspective : ils sot doc décoseillés. Par exemple, das la figure OUTILS-STAT-, la perspective choisie distord la tedace et doe l impressio que les femmes âgées de mois de 60 as sot plus ombreuses que les autres. 45 Effectif pour ue amplitude de 5 as [40-45[ [45-50[ [50-55[ [55-60[ [60-65[ [65-70[ [70-75[ [75-80[ Age (as) Figure OUTILS-STAT-. Distributio selo l âge des 10 femmes ayat cosulté das le cetre de Maville etre octobre et décembre 000. Représetatio par u histogramme e 3 dimesios d ue variable à ue dimesio. Exemple de distorsio liée à la perspective. Le polygoe de fréquece est la courbe qui joit les milieux des sommets des rectagles de l histogramme. Le terme est gééral, car o peut faire la représetatio de chaque catégorie d âge soit e foctio de so effectif, soit e foctio de sa fréquece. 50 Effectif pour ue amplitude de 5 as [35-40[ [40-45[ [45-50[ [50-55[ [55-60[ [60-65[ [65-70[ [70-75[ [75-80[ [80-85[ Age (as) Figure OUTILS-STAT-3. Distributio de l âge des 10 femmes ayat cosulté das le cetre de Maville etre octobre et décembre 000. Représetatio par u polygoe de fréquece. ISPED Campus Numérique SEME - A usage persoel For persoal use 10

11 Le polygoe de fréquece cumulée est la courbe qui joit les valeurs des fréqueces cumulées de chaque classe. U exemple de calcul des fréqueces cumulées figure das le tableau OUTILS-STAT-3 Le tracé correspodat à ces doées est celui de la figure OUTILS-STAT Effectif pour ue amplitude de 5 as [40-45[ [45-50[ [50-55[ [55-60[ [60-65[ [65-70[ [70-75[ [75-80[ Age (as) Figure OUTILS-STAT-4. Distributio de l âge des 10 femmes ayat cosulté das le cetre de Maville, octobre-décembre 000. Représetatio par u polygoe de fréquece cumulée. E pratique, si l o e dispose pas de logiciel adapté, ces graphiques peuvet être tracés à la mai sur du papier à carreaux ou du papier millimétré. Si l o dispose d u tableur, MS- Excel par exemple, il est facile de trouver ce type de représetatio ; il faut veiller éamois au respect des règles d itégrité statistique, e particulier la règle 3. Efi, tous les logiciels statistiques courammet utilisés ot u module graphique permettat de réaliser ce type de graphique. Variable catégorielle O présete le ombre ou la proportio de sujets das chaque catégorie. Le graphique permettat cette représetatio est le diagramme à barres. Chaque barre a la même largeur, et cotrairemet à l histogramme, u espace est laissé etre chaque barre. Si l o repred l exemple du tabac (Tableau OUTILS-STAT-1), o obtiet la figure OUTILS-STAT-5. ISPED Campus Numérique SEME - A usage persoel For persoal use 11

12 Nombre de sujets Jamais Ex-fumeur Tabac bod Tabac bru Tabac mixte Type de cosommatio tabagique Figure OUTILS-STAT-5. Descriptio de la cosommatio de tabac à l iclusio das ue étude du risque de cacer du poumo chez 1000 sujets. Représetatio à l aide d u diagramme à barres. Le graphique e secteurs ou «camembert» illustre égalemet la répartitio d ue variable catégorielle. Il ous semble éamois iutile pour deux raisos : 1) il e respecte pas les règles d itégrité statistique car ue surface est pas adaptée pour représeter ue seule dimesio et le risque de distorsio optique est d autat plus importat que l o emploie plusieurs couleurs ou hachures ; ) il est le plus souvet peu iformatif e comparaiso à u tableau. Jamais Ex-fumeur Tabac bod Tabac bru Tabac mixte Figure OUTILS-STAT-6. Descriptio de la cosommatio de tabac à l iclusio das ue étude du risque de cacer du poumo chez 1000 sujets. Représetatio à l aide d u diagramme e secteurs e dimesios d ue iformatio à ue dimesio. ISPED Campus Numérique SEME - A usage persoel For persoal use 1

13 Paramètres décrivat ue distributio I Itroductio Vous avez vu que la plupart des caractéristiques permettat de décrire les êtres vivats ot pas ue valeur uique. L esemble des valeurs observées sur u échatillo pour ue caractéristique est sa distributio observée. Pour doer u ses aux doées dot il dispose, l épidémiologiste va devoir les résumer. Il va utiliser pour cela des paramètres, qui sot des foctios des observatios : les «paramètres de tedace cetrale», comme la moyee ou la médiae ; ou les «paramètres de dispersio», comme la variace, l étedue et les percetiles. Nous allos aborder la défiitio de ces termes et l usage de ces paramètres das ce ouveau chapitre. II Paramètres de tedace cetrale 1 Variable quatitative Pour ue variable quatitative, ue faço simple de résumer les valeurs obteues sur u échatillo est d utiliser la moyee arithmétique, appelée plus courammet moyee. La moyee est obteue e faisat la somme des valeurs, puis e divisat cette somme par le ombre de valeurs, oté ici. Par exemple, si vous recueillez l âge e aées d ue populatio de ciq femmes qui vieet d accoucher de leur premier efat : 4, 17, 35, 37, 3. La somme est : 145 as, et comme il y a 5 valeurs, la moyee est : 145/5=9 as. L âge moye des femmes à l accouchemet de leur premier efat est doc, pour la série de valeurs mesurées au sei de cet échatillo, de 9 as. Chaque valeur est otée x i. Das l exemple, o a doc : = 4, = 17, = 35, = 37, x = 3. La somme est otée x i i= 1 x i i= derière) et la moyee, μ, est doc : μ = 1. x1 x x3 x4 5 (c est-à-dire : somme de toutes les valeurs de la première à la Ue autre faço de résumer les valeurs est d utiliser la médiae. La médiae est la valeur cetrale de la distributio, qui divise l échatillo e deux moitiés de taille égale. Pour trouver la médiae, il faut d abord classer toutes les observatios par ordre croissat. Si le ombre d observatios est impair, la médiae est la valeur correspodat à ( +1) l observatio située au milieu, celle située au ème rag. Pour otre série de 5 observatios d âge, après avoir ordoé les observatios de faço croissate, la série s écrit : 17, 4, 3, 35, 37 et l o voit facilemet que la médiae est égale à 3 as. La médiae correspod bie à la valeur de la 3 ème observatio, car : (5+1)/ = 3. Si est u ombre pair, o cosidère que la médiae est à mi-chemi etre les deux valeurs du milieu de la distributio (puisque l o cherche la médiae, syoyme de milieu). ISPED Campus Numérique SEME - A usage persoel For persoal use 13

14 Par exemple, pour ue série de 8 observatios d âge : 17, 4, 7, 7, 9, 3, 35, 37, la médiae se situe etre la valeur de la 4 ème observatio (7 as) et celle de la 5 ème observatio (9 as), car (8+1)/ = 4,5. La médiae vaut doc : (7 + 9)/ = 8 as. Efi, le mode est, par défiitio, la valeur la plus représetée de la série. Ue série peut e pas avoir de mode ou au cotraire avoir plusieurs modes. Par exemple, pour la série des 8 observatios d âge, le mode est 7 as, car cette valeur apparaît deux fois, alors que les autres valeurs apparaisset qu ue seule fois. La 1 ère série des 5 valeurs d âge (17, 4, 3, 35, 37) a pas de mode. Das la série suivate : 17, 4, 7, 7, 9, 9, 3, 35, 37, il existe deux modes : 7 as et 9 as, valeurs qui apparaisset deux fois, alors que toutes les autres apparaisset qu ue seule fois. Das ce cas, o parle de distributio bimodale. Variable catégorielle ou quatitative discrétisée Pour ue variable catégorielle, qu elle soit dichotomique, omiale ou ordiale, o présete la proportio des sujets das les différetes catégories. Par exemple, parmi 100 malades atteits d arthrite rhumatoïde, o observe 76 femmes et 4 hommes. La proportio de femmes est le ombre de femmes rapporté au ombre total de sujets, soit 76%. La proportio d hommes est de 4%. Cette descriptio selo les proportios peut égalemet être utilisée pour ue variable quatitative dot les valeurs ot été discrétisées ou bie regroupées. Par exemple, si l o repred la série de femmes ayat cosulté das u cetre de dépistage du cacer du sei, la proportio de femmes ayat plus de 60 as est 70/10, soit 58,3%. La fréquece cumulée à la bore supérieure de classe, que vous avez déjà vue lors du chapitre sur la représetatio des doées, est la proportio des observatios das toutes les classes précédetes ajoutée à celle de la classe présete. Elle est utile pour ue variable quatitative ayat fait l objet d ue discrétisatio (Tableau OUTILS-STAT-3) ; elle est égalemet utile pour ue variable catégorielle ordiale. III Paramètres de dispersio Les paramètres qui vieet d être cités sot tous des paramètres qui résumet la tedace cetrale des observatios, mais e doet pas ue idée de leur dispersio. Or, la dispersio des valeurs est importate à predre e compte das l iterprétatio des résultats et les décisios qui e découlet. Par exemple, si l o s itéresse à la durée d icubatio d ue ifectio (délai etre la date d expositio à l aget ifectieux et la date du diagostic), calculer que la moyee vaut 13 jours apporte pas ue iformatio suffisate pour evisager les mesures pertietes d observatio ou d isolemet à predre pour les sujets qui sot exposés à l aget ifectieux. E effet, o e recommaderait pas de garder les patiets seulemet 13 jours e observatio ou e isolemet parce que la moyee des observatios est de 13 jours. E fait, o a égalemet besoi de savoir combie de persoes développet la maladie au 14 ème jour, au 15 ème jour, etc. ISPED Campus Numérique SEME - A usage persoel For persoal use 14

15 Afi d apprécier la distributio observée d ue variable quatitative autour de la moyee ou de la médiae, o peut simplemet repérer la plus petite (miimum) et la plus grade valeur (maximum) de la distributio : il s agit de l étedue des observatios. O peut égalemet etedre par étedue la différece etre valeurs miimum et maximum. Si l o présete la différece, il est recommadé de doer égalemet la valeur miimum ou maximum. Par exemple, das la série suivate de valeurs d âge (e aées) : 17, 4, 7, 7, 9, 9, 3, 35, 37, le miimum est 17 as et le maximum est 37 as. L étedue est as. O peut aussi cosidérer que l étedue est de 0 as. Néamois, l étedue est souvet isuffisate pour résumer la dispersio d ue distributio, car les valeurs extrêmes sot assez particulières. Les quatiles sot les valeurs d ue distributio défiies par la proportio de sujets qui se trouvet au-dessous et au-dessus de cette valeur. O parle de quartiles, déciles, percetiles. Les quartiles sot les trois valeurs qui partaget la distributio e quatre parties égales. Le premier quartile correspod à la valeur de l observatio qui a 5% de la distributio audessous et 75% au-dessus, le secod quartile est doc la médiae, et le troisième quartile correspod à la valeur de l observatio qui a 75% de la distributio au-dessous et 5% audessus. Par exemple, la durée de survie de 4 patiets atteits de cacer digestif a été recueillie lors d ue cosultatio de suivi de gastro-etérologie. La série de valeurs est ordoée de maière croissate (Tableau OUTILS-STAT-4). Tableau OUTILS-STAT-4. Durée de la survie (e mois) de 4 patiets atteits de cacer digestif. Service de gastro-etérologie de l hôpital de Maville, 000. Survie (mois) Survie (mois) Survie (mois) Survie (mois) Survie (mois) Survie (mois) Il y a au total 4 observatios et la médiae correspod à la valeur située etre le rag 1 et le rag, car : (4+1)/ = 1,5. Comme la durée de survie est respectivemet de 38 et 40 mois à ces deux rags, la médiae vaut ( )/ = 39 mois. Pour trouver la valeur de l observatio correspodat aux 1 er et 3 ème quartiles, o peut procéder avec la même méthode. Le rag du 1 er quartile est : (+1)/4. Das l exemple, o trouve (4+1)/4 = 10,75 et il s agit doc d ue valeur située etre la valeur classée au 10 ème rag (17 mois) et celle classée au 11 ème rag (3 mois). Si l o utilise le même pricipe de calcul que pour la médiae, le 1 er quartile vaut (17+3)/ = 0 mois (ou de faço plus précise : ,75x(3-17) = 1,5 mois). Le rag du 3 ème quartile est (+1) x (3/4). Das l exemple, 43 x (3/4) vaut 3,5. Or, la valeur au 3 ème rag et la valeur au 33 ème rag valet toutes deux 58 mois. Le 3 ème quartile de cette distributio est doc 58 mois. ISPED Campus Numérique SEME - A usage persoel For persoal use 15

16 Plutôt que les quartiles, o présete souvet l étedue iter-quartiles (5% à 75%) qui est doc la partie cetrale qui couvre 50% de la distributio observée. Das l exemple, l étedue iter-quartiles est 0-58 mois. O peut raisoer de la même maière avec les quitiles, les déciles ou les cetiles (percetiles), partageat la distributio e 10 ou 100 parties égales, respectivemet. O peut aisi calculer la valeur correspodat au 5 ème percetile et au 95 ème percetile et obteir l étedue cetrale couvrat 90% de la distributio observée. Ue autre faço de mesurer la variabilité cosiste à calculer la variace, σ², qui est ue mesure des distaces de chaque idividu à la moyee : ( xi μ) i= 1 σ = La variace a l uité de la variable au carré. Par exemple, pour la variace de l âge, il peut s agir d aées au carré (aées²) ou de jours au carré (jours²). Pour exprimer la variabilité das la même uité que les valeurs observées, o e pred la racie carrée, qui s appelle l écart-type (ou écart-type iter-idividuel) : ( xi μ) i= 1 σ = O utilise plus souvet l écriture suivate, plus commode à utiliser pour les calculs mauels : σ = i= 1 ( x ) i xi i= 1 Par exemple, pour les ciq valeurs d âge de l exemple iitial de ce chapitre, o trouve : Tableau OUTILS-STAT-5. Exemple de décompositio du calcul pour la variace et l écart-type. Série de 5 valeurs d âge. Age (e aées), Age au carré (e aées au carré), x i x i x i i= 1 Total : =145 x i i= 1 ( ) = 4483 ISPED Campus Numérique SEME - A usage persoel For persoal use 16

17 σ = = 7,5as Variace et écart-type sot très itéressats à titre descriptif car ils permettet d apprécier à quel poit la distributio est dispersée. Plus la variace et l écart-type sot grads, plus la dispersio est grade (pour ue même variable). Lois e statistique I Itroductio Comme il est habituellemet impossible d étudier la populatio etière, o dispose le plus souvet de doées sur u échatillo d idividus. O utilise alors les iformatios obteues sur cet échatillo pour e tirer des coclusios sur l esemble de la populatio que cet échatillo est supposé représeter. L échatillo est cosidéré représetatif de cette populatio s il a pas fait l objet d ue sélectio particulière. La méthode idéale pour costituer u échatillo représetatif d ue populatio est le tirage au sort. Das ce chapitre, vous verrez commet les probabilités et les lois de probabilité cotribuet à utiliser les iformatios obteues à partir d u échatillo pour appréheder la populatio. L exemple de la loi Normale permettra d illustrer ces otios. II Rappels sur les probabilités La probabilité d u évéemet est la proportio de fois où cet évéemet se produit si o répète à l ifii les coditios où il peut se produire. Par défiitio, la valeur d ue probabilité est comprise etre 0 et 1 (ou 0% et 100%). U évéemet impossible, qui e peut se produire, a ue probabilité de 0. U évéemet certai, qui se produit toujours, a ue probabilité de 1. III Loi Normale et so usage Das l échatillo dot ous disposos, ous savos décrire la distributio observée d ue variable quatitative cotiue. Si l o souhaite utiliser ces iformatios pour e déduire ce qui se passe das la populatio dot cet échatillo est issu et représetatif, il faut faire l hypothèse que la variable suit, das la populatio, ue distributio théorique ou loi de probabilité. Cette loi de probabilité est spécifiée mathématiquemet. Das cette écriture mathématique, la loi déped de paramètres. La moyee, otée μ, et l écart-type, oté σ, sot, par exemple, les paramètres de la distributio théorique la plus utilisée, la loi Normale (ou loi de Gauss ; les majuscules N et G sot itetioelles). O ote N(μ,σ). O utilise des lettres grecques pour désiger la moyee et l écart-type de la populatio ou «théoriques». O appelle ces paramètres théoriques car ils e sot pas cous le plus souvet (o e coaît que les valeurs observées das l échatillo). L importace de la loi Normale est cosidérable das le domaie du vivat car de ombreuses variables aléatoires suivet cette loi, e théorie. La loi Normale a la forme d ue courbe e cloche comme o peut le voir sur la figure OUTILS-STAT-7. Elle ted à avoir u pic : o la dit uimodale (le pic correspod au mode). Le pic est obteu autour de la valeur moyee de la variable qui est aussi la valeur médiae. De plus, la distributio est symétrique autour de ce pic. ISPED Campus Numérique SEME - A usage persoel For persoal use 17

18 Toute distributio Normale peut être trasformée e ue seule distributio ayat pour moyee 0, et pour écart-type 1 : la distributio Normale, cetrée et réduite, otée : N(0,1). Commet faire? O soustrait à chaque valeur d ue distributio Normale quelcoque, la moyee, μ, et l o divise par l écart-type, σ. Cela reviet à écrire : μ x i σ O appelle cette quatité : l écart-réduit. La distributio de l écart-réduit suit ue loi N(0,1)..4.3 desité de probabilité écart-type Figure OUTILS-STAT-7. La distributio Normale de moyee 0 et d écart-type 1. L itérêt de cette trasformatio réside das les propriétés très itéressates de cette distributio. Avat de pouvoir explorer ces propriétés, ous avos besoi d u tableau appelé «Table de la loi ormale cetrée réduite» ou «Table de l écart-réduit». Vous pouvez le cosulter sur le site ou l imprimer. Das ce tableau, l écart-réduit est appelé U α. Commet l iterpréter? - à l itérieur du tableau, figuret les valeurs d ue distributio Normale cetrée réduite (les valeurs dites de U α, e valeur absolue) - et das les badeaux à gauche et au-dessus, figuret les valeurs des probabilités correspodates α. O trouve la probabilité α d observer des valeurs comprises etre ]- à U α [ et ]+U α à + [ e additioat la valeur correspodate de la lige sur le badeau à gauche et la valeur correspodate de la coloe sur le badeau de titre. Voici ue illustratio à partir de doées cocrètes. Das la populatio des hommes de as, la cocetratio moyee de cholestérol total das le sag est 1,84 g/l et l écart-type 0,40 g/l. O fait l hypothèse que la cocetratio de cholestérol total das le sag a ue distributio Normale. Questio : quelle est la probabilité d observer ue valeur de la cocetratio de cholestérol total >,50 g/l das le sag si μ = 1,84 g/l et σ = 0,4 g/l? Répose : selo l hypothèse d ue distributio Normale, o peut calculer de combie d écarts-types, la valeur,50 g/l est éloigée de la moyee : ISPED Campus Numérique SEME - A usage persoel For persoal use 18

19 = U α,50 1,84 = 1,65 0,4 ISPED Campus Numérique SEME - A usage persoel For persoal use 19

20 La valeur,50 g/l est éloigée de la moyee de 1,65 écarts-types. Das la table de la loi ormale cetrée réduite, o trouve que la probabilité d être e dehors de 1,65 écartstypes (au-dessous ou au-dessus) est α = 0,10. O e déduit que la probabilité de se situer au-dessus de 1,65 écarts-types est doc α/ = 0,10/ = 0,05. Autremet dit, 5% de la populatio a, e théorie, ue cocetratio de cholestérol total das le sag au-dessus de cette valeur de,50 g/l (Figure OUTILS-STAT-8). Figure OUTILS-STAT-8. Recherche de la probabilité d observer ue cocetratio de cholestérol total das le sag >,50 g/l, si μ = 1,84 g/l et σ = 0,4 g/l, das le cas d ue distributio ormale. Pricipes de l aalyse des doées e statistique I Itroductio Le plus souvet, o dispose de doées sur u échatillo et o utilise ces iformatios pour décrire la populatio dot cet échatillo est issu. L aalyse se déroule e deux étapes : 1) la 1 ère étape cosiste à doer ue descriptio résumée de la distributio de la variable. Par exemple, à la suite d ue grade equête sur u échatillo représetatif, o doe ue estimatio de la proportio de diabétiques ou ue estimatio de la cosommatio moyee d alcool e grammes par semaie das la populatio ; ) la de étape cosiste à comparer formellemet la distributio observée d ue variable das u échatillo par rapport à sa distributio attedue das la populatio ou à comparer la distributio observée das plusieurs groupes. Par exemple, das u essai cliique, o compare la fréquece des récidives de mélaome après la mise e route de deux traitemets différets ou, das ue equête visat à étudier l associatio etre tabac et cacer du poumo, o compare la proportio de sujets exposés au tabac selo que les sujets sot atteits de cacer du poumo (cas) ou o (témois). Das ce chapitre, vous verrez les grads pricipes de ces deux étapes. II Étape de descriptio : estimatio 1 Itroductio O souhaite utiliser les résultats obteus das u échatillo pour estimer la vraie valeur das la populatio. Par exemple, das u échatillo, o trouve que la pressio artérielle systolique moyee est 140 mmhg. Quelle iformatio sur la vraie valeur das la populatio ce résultat apporte-t-il? Faisos l hypothèse que l échatillo est représetatif de la populatio, c est-à-dire costitué sas biais, au mieux par tirage au sort. Si l o tirait au sort des échatillos successifs à ISPED Campus Numérique SEME - A usage persoel For persoal use 0

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

Principes et Méthodes Statistiques

Principes et Méthodes Statistiques Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............

Plus en détail

Bio-Statistique. 1 ère partie. Discipline : Bio-statistique, Bio-mathématique et Sciences de l Information

Bio-Statistique. 1 ère partie. Discipline : Bio-statistique, Bio-mathématique et Sciences de l Information Bio-Statistique 1 ère partie Disciplie : Bio-statistique, Bio-mathématique et Scieces de l Iformatio OBJECTIFS PEDAGOGIQUES Réaliser l importace du problème de la variabilité ihérete au doées médicales,

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson 4 L E Ç O N Loi biomiale Niveau : Première S + SUP (Covergece) Prérequis : Variable aléatoire, espérace, variace, théorème limite cetral, loi de Poisso 1 Loi de Beroulli Défiitio 41 Loi de Beroulli Soit

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. Calcul pour une évolution d une proportion entre deux années non consécutives Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

Inégalités souvent rencontrées

Inégalités souvent rencontrées Iégalités souvet recotrées Recotres Putam 004 Uiversité de Sherbrooke Jea-Philippe Mori Théorie Certaies iégalités sot deveues célèbres e raiso de leur grade utilité Elles sot aussi souvet au coeur de

Plus en détail

20. Algorithmique & Mathématiques

20. Algorithmique & Mathématiques L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

Échantillonnage et estimation

Échantillonnage et estimation Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos

Plus en détail

Chapitre 13. Statistiques et probabilités. Sommaire

Chapitre 13. Statistiques et probabilités. Sommaire 13 Chapitre Chapitre 13 Statistiques et probabilités Les statistiques et les probabilités occupet ue place importate das l eseigemet de certaies classes préparatoires Les pricipales foctios écessaires

Plus en détail

Les Nombres Parfaits.

Les Nombres Parfaits. Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie

Plus en détail

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1)

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1) Corrigé ESSEC III 008 par Pierre Veuillez Das certaies situatios paris sportifs, ivestissemets fiaciers..., o est ameé à miser de l arget de faço répétée sur des paris à espérace favorable. O se propose

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 5. La fonction logarithme népérien. Sommaire Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9 Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

La maladie rénale chronique

La maladie rénale chronique La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie

Plus en détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

trouve jamais dans les concepts généraux que ce qu on y met

trouve jamais dans les concepts généraux que ce qu on y met ,QIRUPDWLTXHQRUPHHWWHPSV,VDEHOOH%R\GHQV Présetatio par Marie-Ae Chabi Réuio PIN 15 javier 2004 /HVEDVHVGHGRQQpHVHPSLULTXHV Collectio fiie et structurée de doées codifiées, textuelles ou multimédia, destiées

Plus en détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

Initiation à l analyse factorielle des correspondances

Initiation à l analyse factorielle des correspondances Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique

Plus en détail

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

Plus en détail

Comment les Canadiens classent-ils leur système de soins de santé?

Comment les Canadiens classent-ils leur système de soins de santé? Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes. Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités

Plus en détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe 1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE AVANCÉE : MÉTHODES STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................

Plus en détail

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

Plus en détail

Maîtrise de Mathématiques TER Le bandit manchot à deux bras

Maîtrise de Mathématiques TER Le bandit manchot à deux bras Maîtrise de Mathématiques TER Le badit machot à deux bras Deis Cousieau Sous la directio de Jea-Michel Loubes Septembre 2003 Table des matières 1 Présetatio du problème 2 1.1 Exemple de la machie à sous,

Plus en détail

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres

Plus en détail

Le meilleur scénario pour votre investissement

Le meilleur scénario pour votre investissement ivestir Best Strategy 2012 Le meilleur scéario pour votre ivestissemet U ivestissemet diversifié U coupo uique de 0% à 50% brut* à l échéace Ue courte durée : 4 as et demi Votre capital garati à l échéace

Plus en détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude

Plus en détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes

Plus en détail

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

Initiation à l analyse factorielle des correspondances

Initiation à l analyse factorielle des correspondances Fiche TD avec le logiciel : tdr1105 Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique

Plus en détail

Comment utiliser ce que vous POSSÉDEZ pour réduire ce que vous DEVEZ

Comment utiliser ce que vous POSSÉDEZ pour réduire ce que vous DEVEZ Commet utiliser ce que vous POSSÉDEZ pour réduire ce que vous DEVEZ Survol du compte Mauvie U La majorité des Caadies gèret leurs fiaces comme suit : 1. Ils déposet leur reveu et autres actifs à court

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

Lignes directrices applicables aux régimes de capitalisation

Lignes directrices applicables aux régimes de capitalisation Solutios Retraite collectives Liges directrices applicables aux régimes de capitalisatio RÉPONDEZ AUX EXIGENCES ÉNONCÉES DANS LES LIGNES DIRECTRICES GRÂCE AUX EXCELLENTS OUTILS DE LA FINANCIÈRE MANUVIE

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 3 : Transistor bipolaire à jonction Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

Intérêt simple CHAPITRE. Sommaire

Intérêt simple CHAPITRE. Sommaire HAPTRE térêt simple Sommaire A B D E F G H J K L Notio d itérêt Formule fodametale de l itérêt simple Durée de placemet exprimée e mois Durée de placemet exprimée e jours alculs sur la formule fodametale

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation 1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

Apprentissage: cours 3a Méthodes par moyennage local

Apprentissage: cours 3a Méthodes par moyennage local Appretissage: cours 3a Méthodes par moyeage local Guillaume Oboziski 1 er mars 2012 Réferece : chap. 6 of [Hastie et al., 2009] ad chap. 6 of [Devroye et al., 1996]. Algorithmes par moyeage local O cosidère

Plus en détail

Probabilités. Voir en bibliographie l ouvrage [1], pages 52 et 53.

Probabilités. Voir en bibliographie l ouvrage [1], pages 52 et 53. Probabilités «Pour compredre l actualité, ue formatio à la statistique est aujourd hui idispesable ; c est ue formatio qui développe des capacités d aalyse et de sythèse et exerce le regard critique. Le

Plus en détail

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012 Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre

Plus en détail

Le Sphinx. Enquêtes, Sondages. Analyse de données. Internet : http://www.lesphinxdeveloppement.fr/club/index.html

Le Sphinx. Enquêtes, Sondages. Analyse de données. Internet : http://www.lesphinxdeveloppement.fr/club/index.html Equêtes, Sodages Aalyse de doées Le Sphix! Iteret : http://www.lesphixdeveloppemet.fr/club/idex.html Lagarde J. Aalyse statistique de doées, Duod. Réaliser vos equêtes Questioaire Traitemets et aalyses

Plus en détail

Gérer les applications

Gérer les applications Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires

Plus en détail

Centre d expertise en analyse environnementale du Québec PROTOCOLE POUR LA VALIDATION ET LA VÉRIFICATION D UNE MÉTHODE D ANALYSE EN MICROBIOLOGIE

Centre d expertise en analyse environnementale du Québec PROTOCOLE POUR LA VALIDATION ET LA VÉRIFICATION D UNE MÉTHODE D ANALYSE EN MICROBIOLOGIE Cetre d expertise e aalyse eviroemetale du Québec Programme d accréditatio des laboratoires d aalyse PROTOCOLE POUR LA VALIDATION ET LA VÉRIFICATION D UNE MÉTHODE D ANALYSE EN MICROBIOLOGIE DR-12-VMM Éditio

Plus en détail

Evaluation de la Délivrance de Méthadone en Belgique

Evaluation de la Délivrance de Méthadone en Belgique 1 SERVICE PUBLIC FEDERAL DE PROGRAMMATIO POLITIQUE SCIETIFIQUE rue de la Sciece 8 B-1000 BRUXELLES Tél. 02 238 34 11 Fax 02 230 59 12 URL : www.belspo.be Evaluatio de la Délivrace de Méthadoe e Belgique

Plus en détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

Cours : Le choix des investissements grâce à l actualisation : La VAN (Valeur Actualisée Nette) et le TIR (Taux Interne de Rendement)

Cours : Le choix des investissements grâce à l actualisation : La VAN (Valeur Actualisée Nette) et le TIR (Taux Interne de Rendement) Cours : Le choix des ivestissemets grâce à l actualisatio : La VAN (Valeur Actualisée Nette) et le TIR (Taux Itere de Redemet) 1 La VAN, la Valeur Actualisée (ou Actuelle) Nette e aveir certai 11 La comparaiso

Plus en détail

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour

Plus en détail

P : Dénombrements / Probabilités en univers fini

P : Dénombrements / Probabilités en univers fini P : Déombremets / Probabilités e uivers fii Déombremet & Combiatoire P.1 O tire les cartes! O tire 5 cartes das u jeu de 32 cartes usuel. Combie y a-t-il de tirages possibles vérifiat les coditios suivates

Plus en détail

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

Plus en détail

Formation d un ester à partir d un acide et d un alcool

Formation d un ester à partir d un acide et d un alcool CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester

Plus en détail

Intérêt des détecteurs CO pour l alerte et la prévention des intoxications oxycarbonées dans l habitat

Intérêt des détecteurs CO pour l alerte et la prévention des intoxications oxycarbonées dans l habitat Saté eviroemet Itérêt des détecteurs CO pour l alerte et la prévetio des itoxicatios oxycarboées das l habitat Aalyse de la démarche de l office HLM Bretage Sud Habitat (Morbiha) Drass de Bretage Cire

Plus en détail

Compte Sélect Banque Manuvie Guide du débutant

Compte Sélect Banque Manuvie Guide du débutant GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de

Plus en détail

Le chef d entreprise développe les services funéraires de l entreprise, en

Le chef d entreprise développe les services funéraires de l entreprise, en Le chef d etreprise développe les services fuéraires de l etreprise, e assurat lui-même tout ou partie des activités de vete et e ecadrat directemet le persoel techique et commercial et d exploitatio.

Plus en détail

MUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. Seniors. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB

MUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. Seniors. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB MUTUELLE D&O pour toute souscriptio (Offre soumise à coditios) MUTUELLE D&O Copilote de votre saté Seiors AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyace CRC CRIS CRPB-AFB DOMISSIMO-Assuraces DOMISSIMO-Services

Plus en détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions. 3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios

Plus en détail

HEC. Gilles Mauffrey. METHODES QUANTITATIVES AVEC EXCEL Programmation linéaire, programmation dynamique, simulation, statistique élémentaire

HEC. Gilles Mauffrey. METHODES QUANTITATIVES AVEC EXCEL Programmation linéaire, programmation dynamique, simulation, statistique élémentaire HEC Gilles Mauffrey METHODES QUANTITATIVES AVEC EXCEL Programmatio liéaire, programmatio dyamique, simulatio, statistique élémetaire La Modélisatio LA MODELISATION Modèle et typologie des modèles. La otio

Plus en détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules est à dispositio olie et sera doé aux cadidats lors des exames oraux

Plus en détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars

Plus en détail

GUIDE METHODOLOGIQUE INDUSTRIES, OUVREZ VOS PORTES

GUIDE METHODOLOGIQUE INDUSTRIES, OUVREZ VOS PORTES GUIDE METHODOLOGIQUE INDUSTRIES, OUVREZ VOS PORTES SOMMAIRE Les visites d etreprises : pourquoi ouvrir ses portes?.... 8 1.1 Des motivatios variées pour les etreprises... 8 1.2 Les freis à l ouverture

Plus en détail

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers. Reseigemets et moitorig. Reseigemets commerciaux et de solvabilité sur les etreprises et les particuliers. ENSEMBLE CONTRE LES PERTES. Reseigemets Creditreform. Pour plus de trasparece. Etreteir des rapports

Plus en détail

La fibre optique arrive chez vous Devenez acteur de la révolution numérique

La fibre optique arrive chez vous Devenez acteur de la révolution numérique 2 e éditio Edité par l Autorité de régulatio des commuicatios électroiques et des postes RÉPUBLIQUE FRANÇAISE DÉCEMBRE 2010 La fibre optique arrive chez vous Deveez acteur de la révolutio umérique Petit

Plus en détail

Probabilité 1 - L1 MMIA

Probabilité 1 - L1 MMIA Probabilité 1 - L1 MMIA Tra Viet Chi, vtra@u-paris10fr, Bureau E12(G) Exercice 1 (Pour démarrer) 1 Soiet A et B deux esembles Rappelez les défiitios de l itersectio A B, de l uio A B, de la différece A

Plus en détail

ÉTUDE. SECTEUR Cadre de vie et technique GÉOMÈTRES-EXPERTS, TOPOGRAPHES, PHOTOGRAMMÈTRES, EXPERTS FONCIERS. Portrait statistique

ÉTUDE. SECTEUR Cadre de vie et technique GÉOMÈTRES-EXPERTS, TOPOGRAPHES, PHOTOGRAMMÈTRES, EXPERTS FONCIERS. Portrait statistique ÉTUDE SECTEUR Cadre de vie et techique GÉOMÈTRES-EXPERTS, TOPOGRAPHES, PHOTOGRAMMÈTRES, EXPERTS FONCIERS Portrait statistique 02 ÉTUDE - mai 2012 Sommaire 03 Pricipaux eseigemets 04 Sources mobilisées

Plus en détail

MUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB

MUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB MUTUELLE D&O MUTUELLE D&O Copilote de votre saté AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyace CRC CRIS CRPB-AFB DOMISSIMO-Assuraces DOMISSIMO-Services FONGECFA-Trasport IPRIAC MUTUELLE D&O OREPA-Prévoyace

Plus en détail

Études & documents ÉCONOMIE ET ÉVALUATION. Modèle économétrique sur le choix de véhicules des ménages. n 31. Janvier 2011

Études & documents ÉCONOMIE ET ÉVALUATION. Modèle économétrique sur le choix de véhicules des ménages. n 31. Janvier 2011 COMMISSARIAT GÉNÉRAL AU DÉVELOPPEMENT DURABLE 31 Javier 2011 TRANSPORT Études & documets Modèle écoométrique sur le choix de véhicules des méages ÉCONOMIE ET ÉVALUATION Service de l écoomie, de l évaluatio

Plus en détail

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble. II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

LES PROBABILITÉS POUR LES OPTIONS B, C ET D

LES PROBABILITÉS POUR LES OPTIONS B, C ET D LES PROBABILITÉS POUR LES OPTIONS B, C ET D PRÉPARATION À L AGRÉGATION EXTERNE DE MATHÉMATIQUES DE L UNIVERSITÉ RENNES 1 1 ANNÉE 2009/2010 1. ESPACE PROBABILISÉ - VARIABLE ALÉATOIRE 1.1 ESPACE PROBABILISÉ

Plus en détail

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1 UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau

Plus en détail

One Office Voice Pack Vos appels fixes et mobiles en un seul pack

One Office Voice Pack Vos appels fixes et mobiles en un seul pack Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre

Plus en détail

Guide du suivi et de l évaluation axés sur les résultats P ROGRAMME DES NATIONS UNIES POUR LE DÉVELOPPEMENT B U R E AU DE L É VA L UATION

Guide du suivi et de l évaluation axés sur les résultats P ROGRAMME DES NATIONS UNIES POUR LE DÉVELOPPEMENT B U R E AU DE L É VA L UATION Guide du suivi et de l évaluatio axés sur les résultats P ROGRAMME DES NATIONS UNIES POUR LE DÉVELOPPEMENT B U R E AU DE L É VA L UATION P ROGRAMME DES NATIONS UNIES POUR LE DÉVELOPPEMENT B U R E AU DE

Plus en détail