Méthodes basiques en statistiques sous R

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Méthodes basiques en statistiques sous R"

Transcription

1 Méthodes basiques e statistiques sous R Master II Modélisatio Aléatoire - Paris VII Eseigat : Mme Picard Sébastie Le Berre 12 mai 2011

2 R est u logiciel de calcul largemet utilisé par la commuauté scietifique mais égalemet par certaies etreprises car il est à la fois très puissat et gratuit. L u de ses pricipaux atouts est la plateforme de téléchargemet de packages (esemble de foctios) qui lui est associée et qui est dispoible sur le site cra.r-project.org. Ces packages sot, tout comme le logiciel lui-même, mis à la dispositio de tous si bie que l utilisateur pourra mettre à jour l esemble des foctios dot il a besoi au gré des derières découvertes. E effet, beaucoup de papiers de recherche ou de thèses sot implémetés e R et les codes sot souvet redus publics. E revache, il coviedra de vérifier le coteu de ces-deriers car il peut s agir de codes foctioat pour u type de doées e particulier où les cas gééraux aurot pas été pris e compte. Fialemet pour le situer das le paysage des autres éditeurs, o pourra dire qu il est plus rapide et beaucoup mois lourd que VBA, mois puissat que C++ mais il a l avatage de e pas demader ue gestio de la mémoire aussi laborieuse, et tout à fait similaire à Matlab mais gratuit d où l évetuelle présece d erreurs das les packages cotrairemet aux librairies commerciales de Matlab. Le but de cette itroductio est de préseter les objets qui sot gééralemet utilisés das les codes de tests statistiques ou de méthodes fiacières, la faço dot o peut costruire u code foctioel, mais aussi l utilisatio de l iterface d aide et le téléchargemet de ouveaux packages qui permettet d améliorer les codes et de gager beaucoup de temps.

3 Première partie : présetatio du codage e R 1. Présetatio des objets Les objets que l o maipule sous R que ce soit das les calculs ou das les foctios sot décrits par leur structure et le type de doées qu ils cotieet. O aura par exemple des vecteurs de chaîe des caractères, des tableaux de valeurs umériques... ous préseteros ici les objets les plus foctioels que sot les vecteurs, les tableaux et les listes. - Les vecteurs : Ils peuvet coteir des doées de type valeurs umériques, chaîe de caractères ou idicateur logique (ou ecore des ombres complexes mais ils sot surtout utilisés e physique). Ce ou est exclusif : u vecteur e peut pas coteir plusieurs type de doées à la fois : s il y a ue valeur umérique, alors il y a que ça, les mélages chaîe de caractères valeurs umériques sot impossibles. Les vecteurs coteat des valeurs umériques sot les plus simples à maipuler et peuvet se costruire de la faço suivate :

4 Les vecteurs de type caractère se costruiset égalemet directemet ou par boucle mais e peuvet évidemmet pas faire d opératios umériques. Efi, les vecteurs de type logique, permettet de récupérer les doées d u objet qui vérifiet certaies coditios :

5 - Les tableaux : Les tableaux de doées gééraliset le cas des vecteurs das la mesure où si le tableau à qu ue dimesio il s agira d u vecteur avec les mêmes propriétés. Les tableaux sot doc de dimesio >0 et e cotieet qu u uique type de doées : umérique, caractère ou logique. O les crée de la même maière que les vecteurs puisque s itéresser à ue seule de ses dimesios (les autres état fixées) reviet à s itéresser à u vecteur :

6 Les tableaux de chaies de caractères ou d idicateur logique sot de la même maière à cosidérer comme u assemblage de vecteurs de ce type sur plusieurs dimesios. - Les listes : Leur avatage est de pouvoir receser des valeurs de types différets, utiles pour les outputs de foctios ou pour décrire des objets comme des Etats : populatio (type umérique), om des régios (type caractère), membre de l OTAN (type logical).

7 2. Sytaxe des boucles et des foctios - Les foctios : Elles permettet de retourer u résultat que ce soit u simple réel, u tableau ou ue liste e opérat des calculs et des modificatios sur les iputs spécifiés. E voici u exemple : - Les boucles : Les boucles itératives ou les coditios logiques de type «if» par exemple sot utiles pour créer des vecteurs de doées ou répéter des estimatios (cas des processus

8 d estimatio à feêtre glissate e fiace par exemple). Le script ci-dessous présete leur sytaxe.

9 x Gestio des séries temporelles - Séries de doées : Les séries temporelles sot des séries de doées caractérisées par le fait que chacue des doées est associée à ue date e particulier ; l ordre de telles séries est doc capital. Nous motros commet travailler avec les foctios adaptées aux séries de doées e gééral avat de proposer ue représetatio possible des séries temporelles. Tracé de x Idex Ue fois que la série de doée est créée, il est possible de lui faire subir de multiples tests statistiques (statioarité, ormalité ) comme ous verros par la suite, ou ecore de faire des régressios simples ou multiples. Ces foctios état déjà implémetées (das les foctios par défaut de R ou das des packages que l o pourra télécharger) il est e gééral facile de les utiliser, par cotre il peut être délicat

10 de récupérer leurs outputs : R², T-stat, p-value, coefficiets Voila doc ue maière de procéder pour pouvoir récupérer les outputs des foctios : - Séries temporelles : Comme o l a vu plus haut lors du tracé de la variable x, les valeurs e abscisse sot les idices du vecteur (de 1 à 1000) ce qui est pas très explicite quad o cherche à observer le comportemet de la série sur ue période doée. O désirerait alors avoir e abscisse o plus les idices de x, mais les dates et ue maière de faire cela est d utiliser le package xts. Il s agit e premier lieu d istaller ce package das R. La méthode pour istaller importe quel package cosiste à le télécharger sur le site cra.r-project.org e format zip, o click esuite das la barre de meu de R sur «Packages» puis sur «Istaller le package depuis le fichier zip». U vecteur de type xts est u vecteur doc chaque valeur est attachée à ue date e idex. Voici u script détaillat ce type de vecteurs :

11 x tracé e mode xts jav juil jav juil jav juil

12 4. Structure géérale d u script Pour coclure cette rapide itroductio à la programmatio sous R, voila u exemple de la structure qu aura gééralemet u script faisat appel à des packages, importat des doées et appelat la plupart des objets décrits avat.

13 Secode partie : calculs statistiques R met à dispositio u certai ombre de foctios permettat de simuler des distributios suivat des lois aléatoires ou de calculer la foctio de répartitio, la desité et la foctio quatile associée à ue variable aléatoire pour u réel doé. Si ces foctios sot à la base de tests statistiques elles sot e pratique raremet utilisées pour les réaliser car cesderiers sot souvet déjà implémetés das des packages. A. Présetatio des foctios associées à la simulatio de lois aléatoires - Géératio d ue distributio aléatoire suivat : Ue loi ormale : rorm(taille_echatillo, mea=, sd= ) Ue loi expoetielle : rexp(taille_echatillo,rate= ) Ue loi gamma : rgamma(taille_echatillo,shape,scale) Ue loi du Chi-2 : rchisq(taille_echatillo,df) - Calcul de la desité de : Ue loi ormale : dorm(x, mea=, sd= ) Ue loi expoetielle : dexp(x, rate= ) Ue loi gamma : dgamma(x, shape, scale) Ue loi du Chi-2 : dchisq(x, df) - Calcul de la foctio de répartitio de : Ue loi ormale : porm(x, mea=, sd= ) Ue loi expoetielle : pexp(x, rate= ) Ue loi gamma : pgamma(x, shape, scale)

14 Ue loi du Chi-2 : pchisq(x, df) - Calcul du quatile de : (0<p<1) Ue loi ormale : qorm(p, mea=, sd= ) Ue loi expoetielle : qexp(p, rate= ) Ue loi gamma : qgamma(p, shape, scale) Ue loi du Chi-2 : qchisq(p, df) B. Variables aléatoires gaussiees Les théorèmes présetés ci-dessous permettet de caractériser les distributios résultat de trasformatios que l o peut appliquer à des variables aléatoires gaussiees. Le théorème de Studet permet de coaître les lois suivies par certaies trasformatios classiques de variables gaussiees que l o pourra retrouver das le cadre de calcul d estimateurs. A titre d exemple, le premier élémet du théorème de Studet doe la loi suivie par u estimateur ( X ) de la moyee des variables X i, et multiplicative près, u estimateur de la variace de ces variables. R est, à ue costate Le théorème de Cochra s iscrit égalemet das la démarche de caractériser les distributios issues de trasformatio sur des lois gaussiees mais il s applique à des vecteurs aléatoires. Aussi les coclusios du théorème portet-elles sur les distributios de projectios du vecteur gaussie par des matrices vérifiat certaies coditios. 1. Théorème de Studet Soit X,..., X 1, des variables idépedates idetiquemet distribuées de loi commue 2 ( m, ). Alors,

15 Frequecy Frequecy a) X i 1 X i 2 / suit ue loi ( m, / ) Histogram of tab[, 1] Histogram of X_bar tab[, 1] X_bar

16 Frequecy O observe u écrasemet de la variace lorsque est grad comme e témoiget les deux histogrammes avec des valeurs plus proches de la moyee pour estimateur de l espérace des X. X i. Fialemet, X coverge vers m lorsque. X est aussi u b) R i 1 ( X X )² suit ue loi ² ²( 1) i Allure de la distributio de R : Histogram of R R

17 Frequecy c) X et R sot idépedats d) Si S R /( 1), alors T ( X S m) suit ue loi de Studet T ( 1) Allure de la distributio de T : Histogram of T T

18 2. Théorème de Cochra Soit X de loi, I ). ( a) Soit P 1,..., Pk k matrices auto-adjoites, vérifiat k I P i i 1 et k i 1 rag( P i ) Alors les matrices P sot des projecteurs P P ²) et les variables X sot des variables i mutuellemet idépedates de loi N P i, P ). ( i ( i i P i b) Soit Q 1,...,Q k formes quadratiques sur vérifiat : x, x 2 k i 1 Q i ( x) et k i 1 rag( Q i ) '2 Alors les variables Q i (X ) sot mutuellemet idépedates de loi ( Q ( ), rag( )). i Q i C. Méthode de substitutio et de cotrastes Les deux méthodes présetées das ce paragraphe sot des méthodes classiques d estimatio. L avatage de la méthode de substitutio est d être assez simple à compredre et à mettre e œuvre, tadis que si la méthode de cotrastes est plus compliquée, elle est égalemet plus précise.

19 1. La méthode de substitutio La défiitio d u estimateur de substitutio est la suivate : Soit 1 f r, r foctios mesurables de, das ( ) f,...,, telles que pour tout das : E f j ( X ) f j ( X )( ) dp ( ), j 1,..., r Soit g foctio cotiue de r das E, telle que pour tout das : Soit efi la variable aléatoire : q r ( ) g( E f1( X ),..., E f ( X )) f 1,...,r fˆ j 1 i 1 f ( X ) j i O appelle estimateur de substitutio de la quatité q ( ) : T g fˆ,..., fˆ ) ( 1 r Das le cas où r 1, e preat pour foctio g l idetité, o voit que ˆf 1 est lui-même u estimateur de substitutio de la quatité E f 1 ( X ). De plus, si les X i sot des variables aléatoires réelles et si t u poit fixé de hypothèses sot vérifiées quel que soit l esemble e preat f ( u) I, t ( ), puisque f 1 est borée. Aisi, 1 i 1 I X i t est u estimateur de P ( X t). 1 u, les E voici u exemple :

20 p tadis que P(X 0.2) où X suit ue loi N (0,1 ). Cet estimateur de substitutio est doc assez proche de la valeur théorique pour u échatillo de taille La méthode de cotrastes Le pricipe utilisé das la costructio d estimateurs par la méthode des cotrastes est la miimisatio d ue foctio de cotraste dot la défiitio est la suivate : O appelle foctio de cotraste sur toute foctio : telle que pour tout la foctio (, ) admet u uique miimum e. Cette foctio peut être trouvée par l itermédiaire d ue différece de processus de cotraste e étudiat sa covergece e probabilité. E effet : pour ( X,,, P, ) ue suite géérale d expérieces, o appelle processus de cotraste associé à la foctio de cotraste ue suite de foctios aléatoires adaptée à, o a : U (, X ) telle que U (, X ) U (, X ) P prob (, ) L idée est alors de remarquer que sous P, (, X ) U (, X ) U est proche d ue foctio de cotraste, et qu il s agit de miimiser cette expressio (et doc de miimiser U (, X ) ). Das ce cotexte, o appelle estimateur de cotraste associé l estimateur T existe, est uique, et qu il vérifie :, quad il, U ( T, X ) U (, X )

21 L u des cas particulier de cette méthode est l estimateur des moidres carrés, il est très fréquemmet utilisé comme techique d estimatio par défaut das les logiciels de calcul statistique. Les moidres carrés ordiaires s iscrivet das le modèle liéaire gééral suivat : Y M 1 1p Y., M., Y M,. Y 1 M M... M p 1 où les i sot des variables idépedates de même loi g coue, cetrées, et qui possèdet u momet d ordre 2. O appelle estimateur des moidres carrées l estimateur vérifie pour (, Y) ( Y M )² : p i i 1 j 1 Fialemet, remarquos que la foctio das ij j p, ( T, Y) (, Y) i 1 (, Y) ( Y ( M ) )² mesure la distace etre Y et sa prévisio par M. O choisit doc comme estimateur de : i i ˆ p qui ˆ arg mi (, Y); p La méthode d estimatio par moidres carrés est celle qui est utilisée par défaut das R pour calculer les coefficiets das le cadre de modèles liéaire ; o fait pour cela appel à la foctio lm :

22 D. Tests statistiques La mise e œuvre des tests statistiques est souvet facilitée par le fait que les foctios sot dispoibles soit directemet das R soit e téléchargeat u package. 1. Tests de vraisemblace - test de la moyee d ue populatio gaussiee Soit la moyee du -échatillo étudié, il s agit de tester l hypothèse ulle : 0 cotre l hypothèse alterative 0. O peut procéder e réalisat u test de Studet dot le pricipe est le suivat. Il s agit d abord de calculer u estimateur ˆ de exemple, afi de costruire la statistique de test suivate Studet à 1 degrés de liberté., par la méthode des moidres carrés par ˆ t ˆ qui suit ue loi de sd( ˆ) O rejette l hypothèse ulle au iveau de cofiace si t ˆ c où c est tel que : P ( t c) / 2 ( t suivat la même loi que t ˆ ).

23 Le test de Studet implémeté ci-dessous permet de comparer ces deux hypothèses. La p-value est assez élevée, o peut doc accepter l hypothèse ulle au iveau de cofiace 5% selo laquelle la moyee de l échatillo est 0, ce qui est cohéret avec les caractéristiques de otre distributio. O remarquera égalemet que le paramètre de la loi de Studet est bie test d ue sous-hypothèse liéaire O cosidère u modèle de la forme suivate : Y X X... t t 2 2 t k X k t Et l o désire savoir s il est possible de réduire le ombre de paramètres de ce modèle e testat H 0 : par exemple cotre l hypothèse alterative H 0 est fausse. O appellera alors modèle o restreit le modèle iitial et modèle o-restreit le modèle réécrit e teat compte de H 0 :

24 Y X X... t t 4 4 t k X k t O procède de la même maière que pour le test de Studet e costruisat ue statistique de test : F ( SSR restricted SSR urestricted SSR urestricted /( k 1) ) / q où SSR restricted est la somme des carrés des résidus du modèle restreit, SSRurestrict ed somme des carrés du modèle o restreit et q est le ombre de paramètres présets das H 0, soit 2 das otre cas. F suit ue loi de Fisher : F Fisher( q, k 1) O rejettera l hypothèse ulle au iveau de cofiace si F c où c est tel que P ( F c) la

25 Les outputs de la foctio lm cotieet par défaut les résultats du test de sigificativité de tous les paramètres ( H 0 ) et, au vu de la faible p-value, cette hypothèse ulle peut être rejetée. 0 : Test de H 0 : 0 : 1 3

26 Fialemet F c, o peut doc rejeter H 0 ce qui est cohéret avec la maière dot la série x a été costruite : 1 et 3 étaiet pas uls. 2. Test d adéquatio o-paramétrique : test du Chi-2 Le test du Chi-2 permet de tester l hypothèse d adéquatio de la distributio du - échatillo étudié à ue loi de distributio choisie : H 0 : P P0 cotre P P0. O opère d abord u processus de mise e classe e cosidérat ue partitio mesurable de : A 1,..., Ak telle que P ( Aj ) 0, j 0. O ote esuite la statistique de comptage de l esemble la statistique de test ²(k 1). R j P0 ( Aj ))² i 1 P0 j A : N j j i 1 1 ( X ) et o fabrique N 1 ( qui coverge e loi vers ue variable Z ( A ) Aj i

27 O défiit alors (k 1) tel que P ( Z ( k 1)) et o peut utiliser la suite de tests x qui est asymptotiquemet de iveau pour tester H 0 : P P0 ( 1,..., x ) 1 R ( k 1) Il est possible de trouver ce test sous R, mais il est écessaire de calculer soi-même la proportio de l effectif associée à chacue des classes de l itervalle des valeurs de la distributio. E voici u exemple. Test d adéquatio à ue loi uiforme : O accepte doc l hypothèse ulle d adéquatio de l échatillo à ue loi uiforme e raiso de la p-value assez élevée du test. Test d adéquatio à ue loi ormale :

28 O accepte doc l hypothèse ulle d adéquatio de l échatillo à ue loi ormale au vu de la p-value élevée du test. E. Test de sphéricité et ACP 1. Test de sphéricité Les tests de sphéricité permettet de détermier si les composates d ue matrice qui e sot pas sur la diagoale sot ulles, c'est-à-dire s il y a des iteractios etre les variables. O teste alors l hypothèse ulle : H 0 : la matrice est proche de la matrice idetité à ue costate multiplicative près. Cepedat il serait pratique de pouvoir tester la présece de telles iteractios etre plusieurs échatillos, c'est-à-dire sur ue matrice 1000x3 par exemple et doc pas sur ue matrice carrée. La foctio présetée après permet de faire ceci e stadardisat la matrice des échatillos à ue taille adéquate avat le test.

29 2. Aalyse e composates pricipales Si le test de sphéricité a permis de rejeter l hypothèse ulle, il est possible de meer ue aalyse e composate pricipales sur les échatillos cosidérés. Celle-ci-permettra d idetifier les composates pricipales et la participatio de chacu des échatillos das la costructio de ces-derières.

30 Variaces model Comp.1 Comp.2 Comp.3 Comp.4

Devoir de statistiques: CORRIGE

Devoir de statistiques: CORRIGE CPP - la prépa des INP ( ème aée). Bordeaux, 6/04/04. Devoir de statistiques: CORRIGE durée h Doées: O rappelle que si Z suit ue loi N (0, ), o a P(Z.96) 0, 975 et P(Z.65) 0, 95. Exercice. θ et O cosidère

Plus en détail

La classification de données quantitatives avec SPAD

La classification de données quantitatives avec SPAD La classificatio de doées quatitatives avec SPAD SPAD effectue toujours ue ACP de la matrice des doées quatitatives X " p avat de faire la classificatio des idividus. Les méthodes de classificatio s appliquet

Plus en détail

Estimations et intervalles de confiance

Estimations et intervalles de confiance Estimatios et itervalles de cofiace Estimatios et itervalles de cofiace Résumé Cette vigette itroduit la otio d estimateur et ses propriétés : covergece, biais, erreur quadratique, avat d aborder l estimatio

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

TP R : méthodes statistiques élémentaires

TP R : méthodes statistiques élémentaires M2 IFMA et MPE TP R : méthodes statistiques élémetaires À la fi de la séace vous déposerez vos scripts R das la boîte de dépôt de votre espace Sakai : http://australe.upmc.fr/portal. 1 Importatio des doées

Plus en détail

TS Intervalle de fluctuation et estimation Cours

TS Intervalle de fluctuation et estimation Cours Aée 2013/2014 TS Itervalle de fluctuatio et estimatio Cours est u etier aturel o ul et p est u réel de l itervalle 0 ; 1. I Itervalle de fluctuatio Cotexte : Das ue populatio, la proportio d idividus présetat

Plus en détail

Agrégation externe de mathématiques, session 2008 Épreuve de modélisation, option A : Probabilités et Statistiques

Agrégation externe de mathématiques, session 2008 Épreuve de modélisation, option A : Probabilités et Statistiques Agrégatio extere de mathématiques, sessio 2008 Épreuve de modélisatio, optio (public 2008) Mots clefs : Loi des grads ombres, espace des polyômes, estimatio o-paramétrique Il est rappelé que le jury exige

Plus en détail

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

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

1 Introduction. 2 Probabilités : Variables Aléatoires Continues. 3 Estimation. 4 Tests. 5 Régression

1 Introduction. 2 Probabilités : Variables Aléatoires Continues. 3 Estimation. 4 Tests. 5 Régression Pla du cours Méthodes de statistique iféretielle. A. Philippe Laboratoire de mathématiques Jea Leray Uiversité de Nates Ae.Philippe@uiv-ates.fr 1 Itroductio 2 Probabilités : Variables Aléatoires Cotiues

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

BTS BIOCHIMIE & ANALYSES BIOLOGIQUES 2001

BTS BIOCHIMIE & ANALYSES BIOLOGIQUES 2001 Exercice 1 : ( 12 poits ) Les parties A et B peuvet être traitées idépedammet l ue de l autre. O se propose d étudier l évolutio e foctio du temps des températures d u bai et d u solide plogé das ce bai.

Plus en détail

PROJET DE MONTE CARLO SUJET 1: LE PRICING

PROJET DE MONTE CARLO SUJET 1: LE PRICING LE Age KHOURI Nadie M MMD PROJE DE MONE ARLO SUJE : LE PRIING Selim ZOUGHLAMI QUESION : Supposos d abord que X est u mouvemet browie W t G([ 0, ]) Alors W0 G( 0 ) suit ue loi N(0,0) et doc W 0ps 0 Esuite,

Plus en détail

Dénombrement - Combinatoire Cours

Dénombrement - Combinatoire Cours Déombremet - Combiatoire Cours La combiatoire (ou aalyse combiatoire) étudie commet compter des objets. Elle fourit des méthodes de déombremet particulièremet utiles e probabilité. U des pricipaux exemples

Plus en détail

Chapitre 4 Lois discrètes

Chapitre 4 Lois discrètes Chapitre 4 Lois discrètes 1. Loi de Beroulli Ue variable aléatoire X est ue variable de Beroulli si elle e pred que les valeurs 0 et 1 avec des probabilités o ulles. P(X = 1) = p, P(X = 0) = 1 p = q, avec

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

STATISTIQUE : ESTIMATION

STATISTIQUE : ESTIMATION STATISTIQUE : ESTIMATION Préparatio à l Agrégatio Bordeaux Aée 202-203 Jea-Jacques Ruch Table des Matières Chapitre I. Estimatio poctuelle 5. Défiitios 5 2. Critères de comparaiso d estimateurs 6 3. Exemples

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

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

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES II

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES II CHAMBRE DE COMMERCE ET D INDUSTRIE DE PARIS DIRECTION DE L ENSEIGNEMENT Directio des Admissios et cocours ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON CONCOURS

Plus en détail

Test de validité et d'hypothèse

Test de validité et d'hypothèse Test de validité et d'hypothèse 1 Vocabulaire Problème: Il s'agit à partir de l'étude d'u ou plusieurs échatillos de predre des décisios cocerat l'esemble de la populatio. O est alors ameé à émettre des

Plus en détail

Lucyna FIRLEJ IUT Mesures Physiques Statistiques C1

Lucyna FIRLEJ IUT Mesures Physiques Statistiques C1 1 Statistique iferetielle. Relatios Iteratioales Lucya Firlej Pl. E.Bataillo, Bat.11, cc.06 34095 Motpellier cedex 5 Frace lucya.firlej@umotpellier.fr S3. Statistics. 30 h d eseigemet: 10 cours, 10 TD,

Plus en détail

E(X i ) par linéarité de l espérance.

E(X i ) par linéarité de l espérance. Statistiques appliquées. L3 Iterrogatio Questios de cours. 3 poits 1) Eocer le théorème cetral limite (1 pt). Si (X ) est ue suite de v.a. idépedates et de même loi, admettat des momets d ordre u et deux

Plus en détail

Cours de méthodes de simulation

Cours de méthodes de simulation ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION ( ESSAIT) Cours de méthodes de simulatio Préparé par Hasse MATHLOUTHI Aée uiversitaire 2014-2015 AVANT PROPOS Ce documet propose u cours sur

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

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

Convergence en loi. Théorème de la limite centrale.

Convergence en loi. Théorème de la limite centrale. Uiversité Pierre et Marie Curie 2013-2014 Probabilités et statistiques - LM345 Feuille 10 (semaie du 2 au 6 décembre 2013 Covergece e loi. Théorème de la limite cetrale. Covergece e loi 1. Soiet (X N ue

Plus en détail

Utilisation en modélisation. Régression linéaire

Utilisation en modélisation. Régression linéaire Utilisatio e modélisatio Régressio liéaire La régressio est l ue des otios basiques de la statistique et de l aalyse des doées. Gééralemet, le problème cosiste à décrire la dépedace etre deux variables

Plus en détail

Sciences Po Option Mathématiques

Sciences Po Option Mathématiques Scieces Po Optio Mathématiques Epreue 3 Vrai-Fau Questio FAUX La suite ( u ) état géométrique de raiso différete de, o a classiquemet, pour tout etier aturel : où q est la raiso de la suite ( u ) Ici,

Plus en détail

ANOVA avec un facteur aléatoire

ANOVA avec un facteur aléatoire Chapitre 7 ANOVA avec u facteur aléatoire Jusqu à maiteat, o a supposé que les modalités du facteur étudié ot été choisies parce qu elles étaiet itrisèquemet itéressates. Le modèle à effets fixes porte

Plus en détail

Éléments finis de joint mécaniques et éléments finis de joint couplés hydromécanique

Éléments finis de joint mécaniques et éléments finis de joint couplés hydromécanique Titre : Élémets fiis de joit mécaiques et élémets fi[...] Date : 28/10/2014 Pae : 1/10 Élémets fiis de joit mécaiques et élémets fiis de joit couplés hydromécaique Résumé : Cette documetatio porte sur

Plus en détail

Estimation. Exemple Les statistiques des notes obtenues en mathématiques au BTS OL en France pour l année 2014 sont :

Estimation. Exemple Les statistiques des notes obtenues en mathématiques au BTS OL en France pour l année 2014 sont : Estimatio Objectifs Estimer poctuellemet ue proportio, ue moyee ou u écart type d ue populatio à l aide de la calculatrice ou d u logiciel, à partir d u échatillo Détermier u itervalle de cofiace à u iveau

Plus en détail

Correction HEC III 2007

Correction HEC III 2007 HEC III 7 Voie Écoomique Correctio Page Correctio HEC III 7 Voie écoomique La correctio comporte 9 pages. Eercice. Par dé itio est ue valeur propre de t si et seulemet si est ue valeur propre de T: Et

Plus en détail

Baccalauréat S Nouvelle-Calédonie 7 mars 2014

Baccalauréat S Nouvelle-Calédonie 7 mars 2014 Durée : 4 heures Baccalauréat S Nouvelle-Calédoie 7 mars 2014 A. P. M. E. P. EXERCICE 1 Commu à tous les cadidats 4 poits Cet exercice est u QCM questioaire à choix multiple. Pour chaque questio, ue seule

Plus en détail

DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités conditionnelles - Suites géométriques - fonctions exponentielles Calculatrice autorisée

DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités conditionnelles - Suites géométriques - fonctions exponentielles Calculatrice autorisée DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités coditioelles - Suites géométriques - foctios epoetielles Calculatrice autorisée Termiale ES123 Eercice 1 : 5 poits Partie A : Ue agece de locatio

Plus en détail

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS CHAPITRE 4 MATRICES ET SUITES 1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS 11/ Présetatio et modélisatio O cosidère u système ui peut se trouver soit das u état A, soit das u état, et

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

Fluctuation et estimation

Fluctuation et estimation Fluctuatio et estimatio Table des matières I Idetificatio de la situatio........................................ II Échatilloage, itervalle de fluctuatio asymptotique........................ II. Itervalle

Plus en détail

Correction Bac ES France juin 2010

Correction Bac ES France juin 2010 Correctio Bac ES Frace jui 010 Exercice 1 (4 poits) (Commu à tous les cadidats) Pour ue meilleure compréhesio, les réposes serot justifiées das ce corrigé. Questio 1 Le ombre 3 est solutio de l équatio

Plus en détail

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h Etrée à Scieces Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h A P M E P Les calculatrices sot autorisées Exercice Vrai-Faux 8 poits Pour chacue des affirmatios suivates,

Plus en détail

Aide Mémoire de Statistique

Aide Mémoire de Statistique Aide Mémoire de Statistique (E, E, P) modèle statistique (E, E, P) modèle probabiliste E probabilité, o coaît la loi P et o fait des calculs E statistique, o e coaît pas la loi (seulemet ue famille de

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

Organisme de recherche et d information sur la logistique et le transport LES PREVISIONS DES CONSOMMATIONS

Organisme de recherche et d information sur la logistique et le transport LES PREVISIONS DES CONSOMMATIONS LES PREVISIONS DES CONSOMMATIONS Les logiciels utilisés pour la gestio des stocks itègret de ombreuses foctios de calcul. L ue des plus importates est l exécutio des prévisios des cosommatios futures d

Plus en détail

Introduction to Econometrics

Introduction to Econometrics MPRA Muich Persoal RePEc Archive Itroductio to Ecoometrics Moussa Keita September 015 Olie at https://mpra.ub.ui-mueche.de/66840/ MPRA Paper No. 66840, posted. September 015 04:1 UTC INTRODUCTION A L ECONOMETRIE

Plus en détail

Tests. Chapitre 2. 1 Principe d un test Définitions Méthode générale... 3

Tests. Chapitre 2. 1 Principe d un test Définitions Méthode générale... 3 Tests Chapitre Table des matières 1 Pricipe d u test 1 11 Défiitios 1 Méthode géérale 3 Test de coformité à u paramètre 3 1 Test de coformité à ue moyee 3 Test de coformité à ue proportio 4 3 Test d homogééité

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

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours Exo7 Logique, esembles et applicatios Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I :

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

AVANT PROPOS. Cet ouvrage pourra intéresser également les enseignants de ce niveau.

AVANT PROPOS. Cet ouvrage pourra intéresser également les enseignants de ce niveau. AVANT PROPOS Cet ouvrage propose aux élèves de classes termiales (fraçais) S (spécialité math) des rappels et des complémets de cours assez complet, aisi que des problèmes et des exercices corrigés. Les

Plus en détail

Corrigés TD Chapitre 2 : Variables aléatoires sur un univers fini 0 0 0 1/6 0 0 1 0 1/4 0 1/4 0 4 1/6 0 0 0 1/6

Corrigés TD Chapitre 2 : Variables aléatoires sur un univers fini 0 0 0 1/6 0 0 1 0 1/4 0 1/4 0 4 1/6 0 0 0 1/6 Corrigés TD Chapitre : Variables aléatoires sur u uivers fii Exercice : Soit X la VAR défiie par le tableau suivat : x i - - 0 p 6 4 6 4 6 i O ote Y = X ) Détermier la loi cooite de X et Y ) Détermier

Plus en détail

1 Programme de l agrégation interne

1 Programme de l agrégation interne Séries umériques Programme de l agrégatio itere Partie 0b : Séries de ombres réels ou complexes Séries à termes positifs La série coverge si et seulemet si la suite des sommes partielles est borée Étude

Plus en détail

SESSION DE 2004 CA/PLP

SESSION DE 2004 CA/PLP SESSION DE 4 CA/PLP CONCOURS EXTERNE Sectio : MATHÉMATIQUES SCIENCES PHYSIQUES COMPOSITION DE MATHÉMATIQUES Durée : 4 heures L usage des calculatrices de poche est autorisø (coformømet au directives de

Plus en détail

Questions pour un champion en ligne

Questions pour un champion en ligne Questios pour u champio e lige Le jeu télévisé QPUC préseté sur FR3 et aimé par Julie Lepers existe aussi e variate «e lige». U jeu «e lige» se déroule aisi : Six iterautes disputet ue première mache dite

Plus en détail

Utilisation du bootstrap pour les problèmes statistiques liés à l estimation des paramètres

Utilisation du bootstrap pour les problèmes statistiques liés à l estimation des paramètres B A S E Biotechol Agro Soc Eviro 00 6 (3) 43 53 Utilisatio du bootstrap pour les problèmes statistiques liés à l estimatio des paramètres Rudy Palm Uité de Statistique et Iformatique Faculté uiversitaire

Plus en détail

Application du logiciel Excel

Application du logiciel Excel Applicatio du logiciel Ecel Utilisatio du Solver du logiciel Ecel Table de matiers Lacemet du logiciel... Optimisatios... Programmatio liéaire... Problème du trasport... 8 Problème de programmatio quadratique...

Plus en détail

B) CHAÎNES DE SOLIDES

B) CHAÎNES DE SOLIDES Chaîes de solides B) CHAÎNES DE SOLIDES Objectifs Cette théorie a pour but d'aalyser les comportemets statique et ciématique d'u mécaisme à partir d'u modèle défii par le schéma ciématique du mécaisme.

Plus en détail

Probabilités générales

Probabilités générales Chapitre 4 termiale s Probabilités géérales Les probabilités (rappels) : ) Quelques otios de vocabulaire : Nous allos étudier selo quelle mesure u fait proveat du hasard peut être prévisible a) Ue expériece

Plus en détail

STATISTIQUES - ESTIMATION

STATISTIQUES - ESTIMATION STATISTIQUES - ESTIMATION I Echatilloage et estimatio : itroductio O se situe ici das 2 domaies des statistiques qui sot ceux de l «échatilloage» et de l «estimatio». Ces 2 domaies ot des cotextes d applicatio

Plus en détail

1 Un peu de vocabulaire

1 Un peu de vocabulaire Statistiques - Échatilloage Cours Objectifs du chapitre Passer d u mode de représetatio des doées à u autre (doées brutes, tableau d effectifs, représetatio graphique) Calculer la moyee, la médiae, les

Plus en détail

Corrigé de Mathématique éco HEC

Corrigé de Mathématique éco HEC Corrigé de Mathématique éco HEC EXERCICE Hypothèses. M 3 R est l espace vectoriel des matrices carrées d ordre 3 à coefficiets réels. A M 3 R : s A 3 A,j, s A 3 A,j, s 3 A 3 somme des coefficiets des liges

Plus en détail

Échantillonnage. Pour reprendre contact Les réponses exactes sont : Activité 1. Activité 2. 1 Réponse c. 2 Réponse a. Réponse c. 3 Réponse a.

Échantillonnage. Pour reprendre contact Les réponses exactes sont : Activité 1. Activité 2. 1 Réponse c. 2 Réponse a. Réponse c. 3 Réponse a. Échatilloage 9 Pour repredre cotact Les réposes exactes sot : Répose c. Répose a. Répose c. 3 Répose a. 4 Répose b. Répose c. Activité. La populatio étudiée est la productio d automobiles. Le caractère

Plus en détail

Formulaire de statistiques

Formulaire de statistiques Formulaire de statistiques E. Depiereux G. Vicke B. De Hertogh Javier 009 Formulaire de statistiques I. Statistiques descriptives : Moyee arithmétique : (populatio: m x = µ) (échatillo = x = M x ) 1 i

Plus en détail

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques Variables discrètes fiies - Exercices pratiques Exercice - Loi d u dé truqué - L2/ECS -. X pred ses valeurs das {,..., 6}. Par hypothèse, il existe u réel a tel que P (X k) ka. Maiteat, puisque P X est

Plus en détail

Travaux dirigés G33 Dimensionnement 2 séances Enseignant : Anthony Busson.

Travaux dirigés G33 Dimensionnement 2 séances Enseignant : Anthony Busson. Travaux dirigés G33 Dimesioemet 2 séaces Eseigat : Athoy Busso. Exercice 1 : O cosidère u web switch et 3 serveurs web. Le web switch reçoit les requêtes http proveat des cliets et les répartit de maière

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

La Méthode de Monte Carlo

La Méthode de Monte Carlo La Méthode de Mote Carlo Etiee Pardoux UMR 6632 Laboratoire d Aalyse, Topologie, Probabilités et EA 3781 Evolutio Biologique Uiversité de Provece Etiee Pardoux (LATP) Marseille, 13/09/2006 1 / 33 Cotets

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire Méthodes Statistiques

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire Méthodes Statistiques UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Aée uiversitaire 2014 2015 L2 Écoomie Cours de B. Desgraupes Méthodes Statistiques Séace 07: Tests de coformité II Table des matières 1 Tests sur

Plus en détail

Cours VII. Tests de randomisation - Tests de contingence P. Coquillard 2015

Cours VII. Tests de randomisation - Tests de contingence P. Coquillard 2015 1 TESTS DE RANDOMISATION Cours VII. Tests de radomisatio - Tests de cotigece P. Couillard 2015 Das ue majorité de cas e biologie o cosidèrera certaies hyothèses comme des alteratives à l hyothèse ulle.

Plus en détail

ESTIMATION Exercices

ESTIMATION Exercices ESTIMATION Exercices EERCICE : Les variables aléatoires cosidérées das cet exercice sot défiies sur u espace probabilisable, AP, Soit a u réel strictemet positif et ue variable aléatoire de loi uiforme

Plus en détail

PROBABILITES à la STATISTIQUE - APPLICATIONS - Jean-Marie MARION

PROBABILITES à la STATISTIQUE - APPLICATIONS - Jean-Marie MARION Des PROBABILITES à la STATISTIQUE - APPLICATIONS - Jea-Marie MARION 1 STATISTIQUE DESCRIPTIVE (décrire ue populatio à l aide de caractéristiques et graphiques) STATISTIQUE INFERENTIELLE (étedre des résultats

Plus en détail

Corrigé du baccalauréat Polynésie 16 juin 2014 STI2D STL spécialité SPCL

Corrigé du baccalauréat Polynésie 16 juin 2014 STI2D STL spécialité SPCL Corrigé du baccalauréat Polyésie 6 jui 4 STID STL spécialité SPCL EXERCICE 4 poits Cet eercice est u questioaire à choi multiples. Pour chacue des questios suivates, ue seule des quatre réposes proposées

Plus en détail

Opérations sur les variables aléatoires Lois limites

Opérations sur les variables aléatoires Lois limites Opératios sur les variables aléatoires Lois limites A. Idépedace de deux variables aléatoires. Exemple 1. Pour améliorer le stockage d u produit u supermarché fait ue étude sur la vete de packs de 6 bouteilles

Plus en détail

Convergences et approximations

Convergences et approximations Covergeces et approximatios Probabilités : Chapitre 5 Das tout ce chapitre, les démostratios serot faites das le cas des variables discrètes et des variables à desité. I Iégalité de Bieaymé-Tchebychev

Plus en détail

BTS Mécanique et Automatismes Industriels. Statistiques inférentielles

BTS Mécanique et Automatismes Industriels. Statistiques inférentielles BTS Mécaique et Automatismes Idustriels Statistiques iféretielles, Aée scolaire 2005 2006 Statistiques iféretielles 1. Itroductio vocabulaire Pour étudier ue populatio statistique, o a recours à deux méthodes

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

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

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

Intervalle de fluctuation des fréquences. Estimation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES. fréquence F n. fréquence obtenue f.

Intervalle de fluctuation des fréquences. Estimation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES. fréquence F n. fréquence obtenue f. Chapitre 14 Itervalle de fluctuatio des fréqueces. Estimatio Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Itervalle de fluctuatio Estimatio Itervalle de cofiace (*). Niveau

Plus en détail

i la moyenne empirique de X n n v =

i la moyenne empirique de X n n v = Corrigé Statistiques iféretielle par par Pierre Veuillez Itervalle de cofiace. Exercice Détermier ue valeur approchée de la loi de la moyee empirique : E X E X, V X V X doc X N E X, V X Exercices. Variace

Plus en détail

Probabilités et Statistique

Probabilités et Statistique Probabilités et Statistique Jea-Michel JOLION Départemet Géie Idustriel 3ème Aée Versio électroique : http://rfv.isa-lyo.fr/ jolio/stat/poly.html May 26, 2006 INSA Lyo - Bât. J. Vere - 69621 Villeurbae

Plus en détail

Lois normales et autres lois dérivées

Lois normales et autres lois dérivées Lois ormales et autres lois dérivées - Lois ormales a) - Défiitio O dit qu'ue variable aléatoire réelle X suit la loi ormale (ou gaussiee) de paramètres et, otée N ( ; ), si elle admet pour desité la foctio

Plus en détail

Bac Blanc Terminale L - Février 2015 Épreuve de Spécialité Mathématiques (durée 3 heures)

Bac Blanc Terminale L - Février 2015 Épreuve de Spécialité Mathématiques (durée 3 heures) Exercice 1 (5 poits) Bac Blac Termiale L - Février 015 Épreuve de Spécialité Mathématiques (durée 3 heures) Questio 1 : La populatio d'ue ville baisse de 1 % tous les as pedat 10 as. Elle est doc multipliée

Plus en détail

TD10. Loi des grands nombres, théorème central limite.

TD10. Loi des grands nombres, théorème central limite. Uiversité Pierre & Marie Curie Licece de Mathématiques L3 UE LM345 Probabilités élémetaires Aée 2014 15 TD10. Loi des grads ombres, théorème cetral limite. 1. Soit (U ) 1 ue suite de variables aléatoires

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

Estimation de paramètres

Estimation de paramètres CHAPITRE 8 Estimatio de paramètres 1. Distributio des moyees des échatillos Das ce chapitre, ous étudieros commet est distribué la moyee de tous les échatillos de taille possibles d ue certaie populatio.

Plus en détail

Modélisation stochastique

Modélisation stochastique Uiversité de Lorraie Master 2 IMOI 2014-2015 Modélisatio stochastique Madalia Deacou 2 Table des matières Itroductio 5 1 Simulatio de variables aléatoires 7 1.1 Itroductio............................ 7

Plus en détail

Correction CCP maths 1 MP

Correction CCP maths 1 MP mai 4 Avertissemet : Il subsiste certaiemet quelques coquilles... Exercice : ue itégrale double Correctio CCP maths MP Pour calculer cette itégrale, o effectue le chagemet de variable e coordoées polaires

Plus en détail

Qu est-ce qu un bon énoncé de bac? Analyse de l exercice de spécialité de TS de Pondichéry 2013 Jacques Lubczanski

Qu est-ce qu un bon énoncé de bac? Analyse de l exercice de spécialité de TS de Pondichéry 2013 Jacques Lubczanski Dossier : Actualité de l Aalyse e Lycée 447 Qu est-ce qu u bo éocé de bac? Aalyse de l exercice de spécialité de TS de Podichéry 2013 Jacques Lubczaski «Podichéry est tombé!» : cela ressemble à l aoce

Plus en détail

La calculatrice est autorisée. Le sujet comporte un total de 5 exercices. ( ) ( ) ( )

La calculatrice est autorisée. Le sujet comporte un total de 5 exercices. ( ) ( ) ( ) Aée 01-013 Mathématiques Décembre 01 Durée : 3 heures BAC blac N 1 La calculatrice est autorisée. Le sujet comporte u total de 5 exercices. Les élèves e suivat pas l eseigemet de spécialité traiterot les

Plus en détail

Promenades aléatoires : vers les chaînes de Markov

Promenades aléatoires : vers les chaînes de Markov AME Dossier : Matrices et suites 545 romeades aléatoires : vers les chaîes de Markov ierre Griho (*) Cet article propose ue mise e perspective de la otio de promeade ou de marche aléatoire itroduite das

Plus en détail

Notes de cours Analyse Discriminante Linéaire Analyse Discriminante Quadratique

Notes de cours Analyse Discriminante Linéaire Analyse Discriminante Quadratique M de Statistique, Uiversité Pierre et Marie Curie Bertrad MICHEL Notes de cours Aalyse Discrimiate Liéaire Aalyse Discrimiate Quadratique O dispose d ue populatio composée de k sous-populatios défiies

Plus en détail

Université Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Année Examen du 13 mai 2015

Université Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Année Examen du 13 mai 2015 Uiversité Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Aée 2014-15 Exame du 13 mai 2015 Le sujet comporte 2 pages. L épreuve dure 2 heures. Les documets, calculatrices et téléphoes

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire Méthodes Statistiques

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire Méthodes Statistiques UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Aée uiversitaire 2014 2015 L2 Écoomie Cours de B. Desgraupes Méthodes Statistiques Séace 11: Tests d adéquatio II Table des matières 1 Test de Kolmogorov-Smirov

Plus en détail

CHAPITRE 2 : Estimation non-paramétrique 1. Estimateurs empiriques

CHAPITRE 2 : Estimation non-paramétrique 1. Estimateurs empiriques CHAPITRE 2 : Estimatio o-paramétrique 1. Estimateurs empiriques Soit u échatillo i.i.d. de durées T i i1,..., de foctio de survie S Défiitio: L estimateur empirique de la foctio de survie est S x 1 i1

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

est la fréquence empirique des succès lors des 10 premières expériences.

est la fréquence empirique des succès lors des 10 premières expériences. Pierre Veuillez Statistiques iféretielle Sources, et pour e savoir plus : http://www.math-ifo.uiv-paris5.fr/smel 1 Problématique : Exemple ue ure cotiet des boules rouges et blaches dot o e coaît pas la

Plus en détail

ASSOCIATION POUR LA CERTIFICATION DES MATERIAUX ISOLANTS

ASSOCIATION POUR LA CERTIFICATION DES MATERIAUX ISOLANTS Idice de Révisio Date de mise e applicatio B 01/09/2014 Cahier Techique 1 ASSOCIATION POUR LA CERTIFICATION DES MATERIAUX ISOLANTS 4, aveue du Recteur-Poicarré, 75782 Paris Cedex 16 Tel. 33.(0)1.64.68.84.97

Plus en détail

École de technologie supérieure

École de technologie supérieure École de techologie supérieure Mat 165-04 Algèbre liéaire et aalyse vectorielle A-015 Michel Beaudi michel.beaudi@etsmtl.ca Liste d exercices à faire e T.P./Caledrier des évaluatios Itroductio au cours

Plus en détail

Annexe I. Théorie des tests : Rappel très simplifié sur un exemple.

Annexe I. Théorie des tests : Rappel très simplifié sur un exemple. Théorie des tests : Rappel très simplifié sur u exemple. Aexe I Test de l efficacité d u remède sur des malades atteit d u rhume. p 0 : probabilité de guérir das les huit jours avec u placebo p 1 : probabilité

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