Chacune des valeurs d une variable en est une modalité particulière.
|
|
- Yvette Sévérine Milot
- il y a 8 ans
- Total affichages :
Transcription
1 Psychologie générale Jean Paschoud STATISTIQUE Sommaire Rôle de la statistique Variables Échelles de mesure Résumer, décrire Comparer Rôle de la statistique La statistique est avant tout un outil permettant de communiquer, de synthétiser, de résumer, de comparer ou de mettre en relation des données multiples. Sans recours à la statistique, le chercheur et le praticien sont contraints à un discours approximatif qui prête à caution et à confusion. La statistique permet d instrumenter l analyse ou la communication des résultats en dépassant le sens commun. Comment situer et exprimer les résultats d un individu par rapport à un groupe ; peut on vraiment affirmer la supériorité d un groupe ; existe-t-il une relation entre les différents tests utilisés ; mesurentils la même chose ; le progrès après apprentissage est-il effectif? Variables Les données qui sont susceptibles de prendre des valeurs différentes dans une recherche, une expérience ou une enquête constituent des variables. Chacune des valeurs d une variable en est une modalité particulière. Si l on enregistre le QI en fonction de l âge et du sexe, variables sont en présence : L âge qui peut prendre plusieurs valeurs (7ans, huit ans et mois, ) ; Le sexe qui possède deux modalités : masculin ou féminin ; et les scores du test de QI ( points, 7 points, ). La variable qui constitue la réponse des sujets est appelée variable dépendante. C est cette variable que l on cherche à expliquer par les conditions de l expérience. Dans l exemple ci-dessus, on va chercher à expliquer les variations du QI en fonction du sexe ou de l âge. Ici, la variable dépendante est donc le QI. La variable expérimentale dont on postule qu elle influence les résultats de la variable dépendante est appelée variable indépendante. Sans qu il y ait nécessairement de liaison causale directe entre elles, c est cette variable qui est sensée conditionner les variations de réponse des sujets. Dans l exemple qui précède, le sexe et l âge sont supposés influencer la mesure de l intelligence. Les variables âge et sexe sont dites indépendantes. D une manière générale, une variable peut être continue, si elle peut prendre n importe quelle valeur entre deux autres. C est le cas de la taille, de l âge, de l intelligence, du temps, de l anxiété, Elle peut être discontinue, si elle présente des sauts, des ruptures dans ses modalités (classes de salaires dans la fonction publique). Elle peut être discrète, si toutes ses modalités sont des éléments séparés (sexe, origine sociale, profession, ).. Échelles de mesure Pour traiter statistiquement des données, il est indispensable de connaître les propriétés de l échelle de mesure sur laquelle les valeurs ont été enregistrées. Le type d échelle conditionne en effet le traitement ultérieur des données. Certaines opérations ne sont possibles que pour des échelles de mesure particulières. On ne peut calculer une moyenne sur des professions, on ne peut évaluer le lien entre le sexe et les choix politiques de la même manière qu entre les notes en français et en math.
2 Modalité F. abs. F. cum Tableau de fréquence Histogramme 1 Histogramme Courbe 1 % 1% Courbe % Secteurs 1 1% Secteurs 0% 1 nominale si chacune de ses modalités est une simple «étiquette» permettant de qualifier une modalité de la situation expérimentale ou une réponse du sujet. On constate la présence ou l absence d une qualité, ce qui permet de catégoriser la variable en deux, trois, classes. Le sexe, le fait de consommer ou non de l alcool, la religion sont des mesures qui s inscrivent sur une échelle nominale. ordinale si ses modalités peuvent être hiérarchisées, c est-à-dire si elles présentent entre elles une relation d ordre. Cette affirmation décrit «très bien/bien/mal/très mal» mon comportement habituel ; grades militaires ; degré de scolarité ;, évaluation EVM, sont des mesures qui s inscrivent sur une échelle ordinale. d intervalle si les écarts entre les modalités sont comparables, c està-dire si les distances qui les séparent sont régulières. L échelle présente alors une certaine homogénéité, chaque valeur étant à distance fixe ou proportionnelle des autres. Les résultats d un test s inscrivent généralement dans une telle échelle de mesure. C est également le cas de la température exprimée en degré Celsius ou Fahrenheit. Échelle de rapport L échelle de rapport possède toutes les propriétés des échelles d intervalle à quoi s ajoute l existence signifiante d un zéro absolu. Ce type d échelle est toutefois rare en sciences humaines. De plus, l unité peut, ou non, avoir une signification. La mesure de la température en degré Kelvin, le temps de réaction, relèvent de cette catégorie. Dans les échelles utilisées en démographie, on peut en outre noter que l unité a une réelle signification par exemple dans le dénombrement des «âmes» d une population.. Résumer, décrire Représenter Les données brutes d une variable peuvent être résumées et présentées sous la forme d un tableau de fréquence, c est-à-dire un tableau indiquant «combien» de sujets sont concernés par chacune des modalités de la variable. La fréquence peut être absolue (nombre) ou relative (%). Pour les échelles ordinales, la fréquence peut être cumulée. Elle indique alors combien d individus sont en dessous du score mentionné. Les logiciels courants offrent plusieurs représentations des données : histogramme, diagramme en bâtons, courbe, secteur ou «pies». Le choix de la représentation dépend du type de données, mais aussi de la lisibilité du graphique. Selon la nature des données, il peut être utile de préciser l étendue des scores, c est-à-dire le minimum et le maximum réalisés. Dans l exemple ci-dessus, les scores se répartissent entre «1» et. Compte tenu de l effectif total, il n y a pas de légitimité à calculer la fréquence relative (%).
3 Tendance centrale Les données brutes se répartissent sur les différentes modalités. Il est utile de définir un indice traduisant la tendance générale de la distribution. Cet indice va être fonction de l échelle de mesure utilisée. Mode : modalité la plus fréquente. Médiane : modalité qui partage au mieux la population en deux groupes de 0%. La moitié de la population se situe donc en dessous de cette valeur. Le mode peut également être défini. Moyenne (arithmétique) : La moyenne correspond au centre de gravité de la distribution. Elle est obtenue en pondérant la somme des scores par le nombre de scores. Le mode et la médiane peuvent également être définis. Dispersion L indice de tendance centrale définit le comportement général des données. Mais les données peuvent varier beaucoup autour de cette tendance. On doit donc définir un indice qui traduise la dispersion des données. Cet indice est également fonction de l échelle de mesure utilisée. Entropie: En physique, l entropie est une mesure de la richesse d une information, elle évalue le hasard et le désordre d un système. En statistique, cet indice indique si la répartition des modalités est équiprobable ou si au contraire une catégorie est fortement représentée. Un dé normal devrait se caractériser par une entropie maximale. S il est pipé et tombe systématiquement sur la même face, son entropie sera nulle. Cet indice est rarement utilisé. Quartiles: modalités de la variable qui partagent l effectif de la distribution respectivement en % et 7%. Un quart de la population se situe en dessous du premier quartile. La moitié se situe en dessous du e quartile (médiane) et trois quarts de la population se situe en dessous du e quartile. Écart-type : L écart-type évalue la tendance générale des écarts à la moyenne. Comme la moyenne arithmétique des écarts ne peut être calculée directement (les écarts positifs compensant les écarts négatifs), on calcule cet indice sur la base des carrés des écarts qui sont toujours positifs, puis on prend la racine carrée de cet indice. La variance est la moyenne des carrés des écarts à la moyenne. L écart-type est la racine carrée de la variance. Autres D autres indices peuvent être calculés pour les échelles d intervalle. Ils évaluent notamment la dissymétrie de la distribution. Ils font appel aux puissance e et e des écarts à la moyenne (Kurtosis, Skewness). On utilise parfois les moyennes géométrique ou harmonique. L espace semi-inter-quartile représente la moitié de la distance entre le premier et le e quartile. Minimum 1 Maximum Etendue Mode Kurtosis Médiane Quartile 1 Quartile Espace semi-inter-quartile 0. Moyenne.0000 Ecart-type Variance Moyenne géométrique Moyenne harmonique Statistiques descriptives Ces deux courbes représentent des distributions qui ont la même moyenne et des écarts-types différents.
4 Comparer Principe général Si deux échantillons ont été tirés au hasard d une même population d origine, leurs paramètres descriptifs devraient présenter des différences minimes explicables par les seuls effets du hasard. Si les deux groupes présentent des divergences importantes, on peut raisonnablement penser qu ils ne sont pas issus d une seule et même population d origine et on doit admettre que les différences sont, par conséquent, attribuables à une cause extérieure (sexe, âge, effet d un médicament, ). Pour prendre scientifiquement cette décision (hasard ou effet?), il est possible de calculer un indice statistique sur les distributions. Le type d indice dépend notamment du nombre d échantillons comparés et de l échelle de mesure des variables un groupe à une population de référence (les données observées sont-elles conformes à celles qui ont été publiées au niveau international?) ; deux groupes indépendants (les résultats des garçons sont-ils différents de ceux des filles?); un groupe comparé à lui-même, mais dans des conditions différentes (les sujets font-ils de meilleurs résultats après avoir reçu une information ou un médicament?) ; des groupes qui différent selon un seul critère (les résultats d un test sont-ils différents dans groupes constitués à partir du niveau socioéconomique?); des groupes qui différent selon deux critères croisés (en considérant conjointement le sexe et le niveau socio-économique, les résultats à un examen sont-ils comparables d un groupe à l autre ou peut-on affirmer l effet d une des variables, voire même l interaction des deux variables?). Dans tous les cas qui précèdent, l indice calculé sur les données empiriques est comparé à une valeur critique obtenue dans une table ou calculée par le logiciel statistique utilisé. Ceci permet de décider si la valeur observée est trop importante pour être imputée au hasard. Généralement, si la valeur de l indice calculé apparaît moins de fois sur cent dans un tirage aléatoire, on considère qu il est trop important pour être attribué au hasard. En d autres termes, la différence entre les groupes est trop importante pour que le seul hasard puisse être invoqué pour expliquer les différences entre les groupes. Dans ce cas, on rejette alors l idée d une origine commune des groupes et on affirme donc un effet de la variable indépendante sur les résultats observés. Les critères peuvent, dans certains cas, être plus ou moins sévères (1%,.%, ). La lecture des tables indique la valeur critique en fonction des risques acceptés par le chercheur (.%, %, ) et des degrés de liberté du système, c est-à-dire des contraintes imposées par le nombre de groupes en présence. Le type d indice dépend en outre de l échelle de mesure utilisée pour la variable dépendante : les tests peuvent être paramétriques ou non-paramétriques.
5 Résumé des différents tests de statistique inférentielle Échelle de mesure de la variable dépendante Nominale Fréquences observées/fréquences théoriques Fréquences observées/fréquences théoriques pour une variable à modalités groupes indépendants pour une variable à deux modalités Plusieurs données appariées pour des variables à modalités Ordinale Fréquence cumulée/fréquence théorique cumulée Test Chi carré Binomial Wald-Wolfowitz, «Runs test» (Z) Cochran (Q) Kolmogorov-Smirnoff (Z) groupes indépendants Mann-Whitney (U) groupes appariés Wilkoxen (W) Plusieurs groupes indépendants Plusieurs groupes appariés Test de la médiane pour données indépendantes Test de la médiane pour données appariées groupes appariés Test du signe Plusieurs groupes pour variables indépendantes croisées Kruskal-Wallis (H), analyse de variance sur des rangs 1 ou plusieurs groupes appariés Kendall (W) Paramétrique 1 groupe / distribution théorique Student (t) groupes indépendants Student pour données indépendantes 1 groupe sous deux conditions Student pour données appariées Plusieurs groupes pour 1 variable indépendante Plusieurs groupes pour variables indépendantes croisées Fisher (F), analyse de variance Fisher pour données indépendantes 1 ou plusieurs groupes sous des conditions différentes Fisher pour données appariées
Statistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailLecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888
Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailLES DIFFERENTS TYPES DE MESURE
LES DIFFERENTS TYPES DE MESURE Licence - Statistiques 2004/2005 REALITE ET DONNEES CHIFFREES Recherche = - mesure. - traduction d une réalité en chiffre - abouti à des tableaux, des calculs 1) Qu est-ce
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailEXERCICES - ANALYSE GÉNÉRALE
EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailCHAPITRE 2. Les variables
CHAPITRE 2 Les variables 1. La nature des variables Définition 2.1 (Variable). Une variable est une caractéristique étudiée pour une population donnée. Le sexe, la couleur préférée, le nombre de téléviseurs
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailCollecter des informations statistiques
Collecter des informations statistiques FICHE MÉTHODE A I Les caractéristiques essentielles d un tableau statistique La statistique a un vocabulaire spécifique. L objet du tableau (la variable) s appelle
Plus en détailClasse de première L
Classe de première L Orientations générales Pour bon nombre d élèves qui s orientent en série L, la classe de première sera une fin d étude en mathématiques au lycée. On a donc voulu ici assurer à tous
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailÉlément 424b Introduction à la statistique descriptive
CTU Master AGPS De la donnée à la connaissance : traitement, analyse et transmission Élément 44b Introduction à la statistique descriptive Prof. Marie-Hélène de Sède-Marceau Année / Statistique Introduction
Plus en détailProbabilités (méthodes et objectifs)
Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailSTATISTIQUES DESCRIPTIVES
1 sur 7 STATISTIQUES DESCRIPTIVES En italien, «stato» désigne l état. Ce mot à donné «statista» pour «homme d état». En 1670, le mot est devenu en latin «statisticus» pour signifier ce qui est relatif
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailSERIE 1 Statistique descriptive - Graphiques
Exercices de math ECG J.P. 2 ème A & B SERIE Statistique descriptive - Graphiques Collecte de l'information, dépouillement de l'information et vocabulaire La collecte de l information peut être : directe:
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailItem 169 : Évaluation thérapeutique et niveau de preuve
Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailIBM SPSS Statistics Base 20
IBM SPSS Statistics Base 20 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 316. Cette version s applique à IBM SPSS
Plus en détailBiostatistiques : Petits effectifs
Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailMATHÉMATIQUES. Mat-4104
MATHÉMATIQUES Pré-test D Mat-404 Questionnaire e pas écrire sur le questionnaire Préparé par : M. GHELLACHE Mai 009 Questionnaire Page / 0 Exercice ) En justifiant votre réponse, dites quel type d étude
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailLa pratique du coaching en France. Baromètre 2010
SFCoach : crée du lien entre le monde du travail et les professionnels de l accompagnement La pratique du coaching en France Baromètre 2010 Fondée en 1996 22, Bd Sébastopol 75004 Paris Association 1901
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détailStatistiques 0,14 0,11
Statistiques Rappels de vocabulaire : "Je suis pêcheur et je désire avoir des informations sur la taille des truites d'une rivière. Je décide de mesurer les truites obtenues au cours des trois dernières
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailStatistiques avec la graph 35+
Statistiques avec la graph 35+ Enoncé : Dans une entreprise, on a dénombré 59 femmes et 130 hommes fumeurs. L entreprise souhaite proposer à ses employés plusieurs méthodes pour diminuer, voire arrêter,
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détailExploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.
Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Etudes et traitements statistiques des données : le cas illustratif de la démarche par sondage INTRODUCTION
Plus en détailImpact du mobile banking sur les comportements d épargne et de transferts à Madagascar. Florence Arestoff Baptiste Venet
Impact du mobile banking sur les comportements d épargne et de transferts à Madagascar Florence Arestoff Baptiste Venet 1 Introduction : contexte du contrat de recherche Ce contrat de recherche fait suite
Plus en détailRésumé du Cours de Statistique Descriptive. Yves Tillé
Résumé du Cours de Statistique Descriptive Yves Tillé 15 décembre 2010 2 Objectif et moyens Objectifs du cours Apprendre les principales techniques de statistique descriptive univariée et bivariée. Être
Plus en détail9.11 Les jeux de hasard et d argent
9.11 Les jeux de hasard et d argent Maud Pousset, Marie-Line Tovar 288 Les jeux de hasard et d argent (JHA) constituent une activité ancienne et répandue, mais longtemps interdite. Leur offre s est étoffée,
Plus en détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en détailUNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand
UNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand Service méthodes statistiques Institut National d Etudes Démographiques (Ined)
Plus en détailT de Student Khi-deux Corrélation
Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes
Plus en détailTESTS D HYPOTHÈSE FONDÉS SUR LE χ². http://fr.wikipedia.org/wiki/eugénisme
TESTS D HYPOTHÈSE FONDÉS SUR LE χ² http://fr.wikipedia.org/wiki/eugénisme Logo du Second International Congress of Eugenics 1921. «Comme un arbre, l eugénisme tire ses constituants de nombreuses sources
Plus en détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en détailDocument d orientation sur les allégations issues d essais de non-infériorité
Document d orientation sur les allégations issues d essais de non-infériorité Février 2013 1 Liste de contrôle des essais de non-infériorité N o Liste de contrôle (les clients peuvent se servir de cette
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en détailLE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION
LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs
Plus en détailEXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG
Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette
Plus en détailAide-mémoire de statistique appliquée à la biologie
Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela
Plus en détailProbabilité et Statistique pour le DEA de Biosciences. Avner Bar-Hen
Probabilité et Statistique pour le DEA de Biosciences Avner Bar-Hen Université Aix-Marseille III 2000 2001 Table des matières 1 Introduction 3 2 Introduction à l analyse statistique 5 1 Introduction.................................
Plus en détailquelques Repères pour Doctorants
Gilles HUNAULT 2005 quelques Repères en STATISTIQUES pour Doctorants Université d Angers c gilles.hunault@univ-angers.fr http ://www.info.univ-angers.fr/pub/gh/ 3 Le principe consistant à ne pouvoir affirmer
Plus en détailTerminale STMG Lycée Jean Vilar 2014/2015. Terminale STMG. O. Lader
Terminale STMG O. Lader Table des matières Interrogation 1 : Indice et taux d évolution........................... 2 Devoir maison 1 : Taux d évolution................................ 4 Devoir maison 1
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailBulletin d information statistique
INFOSTAT JUSTICE Divorces : une procédure à deux vitesses Zakia Belmokhtar * Mai 2012 Numéro 117 En visant à permettre un règlement plus rapide et plus complet des demandes en divorce, la loi du 26 mai
Plus en détailLes probabilités. Guide pédagogique Le présent guide sert de complément à la série d émissions intitulée Les probabilités produite par TFO.
Guide pédagogique Le présent guide sert de complément à la série d émissions intitulée produite par TFO. Le guide Édition 1988 Rédacteur (version anglaise) : Ron Carr Traduction : Translatec Conseil Ltée
Plus en détailUnité E Variation et analyse statistique
Unité E Variation et analyse statistique VARIATION ET ANALYSE STATISTIQUE Introduction Ce module présente aux élèves deux méthodes d'utilisation des statistiques pour décrire des données et tirer des conclusions
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailLA MESURE EN PSYCHOLOGIE Didier Delignières Université Montpellier I
LA MESURE EN PSYCHOLOGIE Didier Delignières Université Montpellier I 1. THEORIE DE LA MESURE. Puisque les statistiques servent à traiter des données numériques, se pose dans un premier temps le problème
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailFPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 1
INTRODUCTION ça L'INFçERENCE STATISTIQUE 1. Introduction 2. Notion de variable alçeatoire íprçesentation ívariables alçeatoires discrçetes ívariables alçeatoires continues 3. Reprçesentations d'une distribution
Plus en détailA quels élèves profite l approche par les compétences de base? Etude de cas à Djibouti
A quels élèves profite l approche par les compétences de base? Etude de cas à Djibouti Hamid Mohamed Aden, Directeur du CRIPEN, Djibouti Xavier Roegiers, Professeur à l Université de Louvain, Directeur
Plus en détailFluctuation d une fréquence selon les échantillons - Probabilités
Fluctuation d une fréquence selon les échantillons - Probabilités C H A P I T R E 3 JE DOIS SAVOIR Calculer une fréquence JE VAIS ÊTRE C APABLE DE Expérimenter la prise d échantillons aléatoires de taille
Plus en détailIntroduction à la statistique descriptive
Chapitre chapitre 1 Introduction à la statistique descriptive Les méthodes de la statistique descriptive (statistique déductive) permettent de mener des études à partir de données exhaustives, c est-à-dire
Plus en détailREGARDS SUR L ÉDUCATION 2013 : POINTS SAILLANTS POUR LE CANADA
REGARDS SUR L ÉDUCATION 2013 : POINTS SAILLANTS POUR LE CANADA Regards sur l éducation est un rapport annuel publié par l Organisation de coopération et de développement économiques (OCDE) et portant sur
Plus en détailThème 1: MÉNAGES ET CONSOMMATION
Thème 1: MÉNAGES ET CONSOMMATION A/ Comment les revenus et les prix influencent-ils le choix des consommateurs? Notions à découvrir Revenu disponible Consommation Épargne Pouvoir d'achat Dans cette première
Plus en détailUniversité Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot. 1 Ensemble fondamental loi de probabilité
Université Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot 1 Ensemble fondamental loi de probabilité Exercice 1. On dispose de deux boîtes. La première contient
Plus en détailObservatoire Economique et Statistique d Afrique Subsaharienne
Observatoire Economique et Statistique d Afrique Subsaharienne Termes de référence pour le recrutement de quatre (4) consultants dans le cadre du Projet «Modules d initiation à la statistique à l attention
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailBACCALAURÉAT PROFESSIONNEL SUJET
SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)
Plus en détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détail