La survie nette actuelle à long terme Qualités de sept méthodes d estimation

Dimension: px
Commencer à balayer dès la page:

Download "La survie nette actuelle à long terme Qualités de sept méthodes d estimation"

Transcription

1 La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg Plan Survie nette : définition, estimation Description des méthodes d estimation Simulation : intérêt, principes et réalisation Résultats Conclusions

2 Survie nette Concept Survie liée à la maladie d intérêt, les autres causes de décès étant éliminées Traduit la mortalité liée spécifiquement à une maladie Risques compétitifs Compétition : un individu est soumis simultanément à différents risques dont l un aboutit au décès Risque Maladie Autres causes La cause du décès est unique et détermine le temps de survie 2

3 Taux observé λ o Le taux global ou observé a deux composantes : λ o = λ n + λ a λ n : le taux net lié à la maladie d intérêt λ a : le taux lié aux autres causes Lorsque la cause du décès n est pas recueillie (registre), les deux composantes λ n et λ a sont inconnues Taux relatif λ a : approché par le taux de mortalité de la population générale (âge, sexe, année) Soit λ g cette approximation de λ a Taux relatif λ r = λ o λ g Le taux relatif λ r est une approximation du taux net λ n 3

4 Du taux relatif à la survie relative λ r = λ o λ g S r = S o / S g S r : survie relative S o : survie observée S g : survie attendue Survie nette actuelle Celle des patients nouvellement diagnostiqués Dépend étroitement des moyens actuels Survie nette actuelle à long terme : difficultés d estimation par les méthodes classiques 4

5 Survie nette actuelle à 0 ans? Suivi Survie nette à 0 ans des patients diagnostiqués en 997 Survie nette à 0 ans des patients diagnostiqués en 2007 Année de diagnostic Valeur à estimer Survie nette actuelle à 0 ans ? Suivi Survie nette à 0 ans des patients diagnostiqués en 997 Année de diagnostic 5

6 Méthodes d estimation Méthodes utilisant une approche traditionnelle de type Kaplan-Meier : Méthode par cohortes Méthode complète Analyse par période (Brenner) Méthodes d estimation Méthodes utilisant une modélisation : Méthode régressive d Estève Polynôme dérivé de la méthode d Estève Analyse par période modélisée 6

7 Base de données Cohorte Méthode par cohortes Informations analysées Informations exclues

8 Méthode complète Informations analysées Informations exclues 2006 Analyse par période (Brenner) Principe : écarter l information a priori trop ancienne Troncature à gauche = élimination des décès et des censures survenus avant une période considérée comme récente 8

9 Brenner (analyse par période) Informations analysées Informations exclues 2006 Analyse par période Méthode de Kaplan-Meier S(0) = P () x P(2\) x x P(0\9) 9

10 Analyse par période P(3\2) Patient A Patient B Année calendaire Suivi Brenner 5 (analyse par période) Informations analysées Informations exclues

11 Méthode d Estève Méthode régressive modélisant les taux en fonction de l année de diagnostic Chaque année calendaire est une strate Obtention d un coefficient de régression par strate Tous les patients sont inclus Méthode d Estève

12 Polynôme Dérivé de la méthode d Estève Fonction de l année de diagnostic X : β 0 + β X + β 2 X β i X i Permet d appréhender l évolution de la survie nette Nombre réduit de coefficients de régression Polynôme

13 Analyse par période modélisée Application d un polynôme à des données récentes Période d analyse = 5 ans Analyse par période modélisée Données analysées Données exclues

14 Survie nette actuelle à long terme Ces méthodes fournissent des résultats différents Question : quelle est l estimation la plus fiable? Évaluation des méthodes Deux problèmes se posent en pratique : Les estimations varient d un échantillon à l autre (fluctuations) La valeur du paramètre à estimer est inconnue 4

15 Simulation Seul procédé permettant d évaluer une méthode statistique : Grand nombre d échantillons (fluctuations d échantillonnage) Valeur du paramètre à estimer connue Simulation Principes Simulation proprement dite Population fictive Échantillons multiples Sondage aléatoire Analyse Biais = écart entre la moyenne des estimations et la valeur théorique Précision = dispersion des estimations 5

16 Simulation Principes Simuler = générer des données à partir de lois de probabilité Les données générées sont aléatoires et indépendantes Simulation Méthodologie Identifier les processus à simuler Choisir les lois de probabilité adéquates Générer les données à partir des lois de probabilité choisies 6

17 Simulation Processus La survie observée dépend de 4 processus simultanés et indépendants : La mortalité liée à la maladie (survie nette) La mortalité liée aux autres causes La guérison La censure : aléatoire et non informative Simulation Lois de probabilité PROCESSUS LOIS DE PROBABILITÉ Maladie Autres causes Guérison Censure Weibull ou log-normale Exponentielle par morceau Bernoulli Uniforme 7

18 Mortalité nette Durées de survie Variable quantitative continue Fonctions paramétriques du temps : Loi de Weibull Loi log-normale Mortalité nette Loi de Weibull Dépend de deux paramètres : Un paramètre d échelle α Un paramètre de forme ß Les valeurs de ces paramètres déterminent les caractéristiques de la fonction de survie 8

19 Mortalité nette Loi de Weibull Le paramètre d échelle α permet de simuler une amélioration de la survie nette au cours de périodes successives Le paramètre de forme ß détermine l évolution du risque au cours du temps : Risque décroissant : ß < Risque constant : ß = Risque croissant : ß > Survie nette Loi de Weibull Amélioration de la survie nette ß = 0,8 α = 5 α = 2 9

20 Mortalité nette Loi log-normale Dépend également de deux paramètres Propriété intéressante : permet d obtenir un risque biphasique Mortalité par autres causes Durées de survie Loi exponentielle par morceau Table de mortalité (âge, sexe, période) Risque constant conditionnellement à l intervalle 20

21 Mortalité par autres causes Table de mortalité Années calendaires ,02 0,03 0,02 0,02 0,0 Age ,02 0,03 0,02 0,04 0,04 0,04 0,03 0,05 0,04 0, ,04 0,05 0,06 0,04 0, ,04 0,04 0,05 0,05 0,03 Loi exponentielle par morceau Un seul paramètre : taux instantané λ Propriété intéressante : λ est constant au cours du temps, par morceau Morceau = une année calendaire 2

22 Mortalité par autres causes Exemple 5 individus diagnostiqués à 50 ans début 200 et suivi pendant 3 ans Table de mortalité Données générées Années calendaires Age 50 λ 5 λ ,5-0, λ 3-0,6 - Données obtenues Durée 3 0,5 2,6 3,9 Statut 0 0 Simulation Guérison Chaque patient guérit ou ne guérit pas Variable binaire Loi de Bernoulli Si guérison : mortalité par autres causes Sinon : compétition 22

23 Simulation Censure Durées d observation Loi uniforme Toutes les durées sont également probables Simulation Modèle de mélange Patients GUÉRIS NON GUÉRIS AUTRES CAUSES CENSURE COMPÉTITION MALADIE AUTRES CAUSES CENSURE 23

24 Simulation Échantillons définitifs Données initiales Données définitives N Guérison Maladie Autres causes Censure Durée Statut 2,5 3,5 4,2 3,5 2,2 8,2 5,3 5, ,6 5,9 6,2 3,6 Simulation Échantillons définitifs Structure de l échantillon définitif N Durée Statut Age* Année* Sexe 3, , , * Au moment du diagnostic 24

25 Simulation Échantillons définitifs Certaines informations ne seront pas utilisées lors de l analyse : Statut vis-à-vis de la guérison Cause du décès Simulation et analyse Aspects pratiques La simulation et l analyse des données simulées nécessitent une programmation informatique Logiciel R 25

26 Simulation et analyse Aspects pratiques Cinq types de programmes permettant respectivement : De générer les données pour chaque processus De confronter les données générées afin d obtenir les temps de survie De créer les fichiers contenant l information nécessaire pour chaque méthode D analyser les échantillons par chaque méthode De calculer les 3 critères pour chaque méthode Situations cliniques simulées Cancer du poumon : Survie courte Risque décroissant Cancer du sein : Survie longue Risque croissant puis décroissant Amélioration régulière de la survie nette 26

27 Échantillons Nombre : 200 Taille : 050 Pourcentage de censure aléatoire : de 0 à 30% Analyse Critère : survie relative actuelle à 0 ans Biais = différence entre la survie théorique et la survie moyenne estimée Variance des estimations (précision) Couverture = proportion d échantillons dont les intervalles de confiance à 95% contiennent la valeur théorique 27

28 Survie théorique = 0,24 Méthodes Distribution CANCER DU POUMON Survie relative Écart-type Couverture (%) Cohortes 0,084 0,05 0,000 Complète 0,25 0,05 0,000 Brenner 5 0,69 0,023 6,500 Brenner 0,202 0,054 85,500 Estève 0,23 0,074 89,500 Polynôme 0,239 0,047 93,800 Période modélisée 0,252 0,073 95,400 Survie théorique = 0,670 Méthodes Distribution CANCER DU SEIN Survie relative Écart-type Couverture (%) Cohortes 0,490 0,027 0,000 Complète 0,543 0,02 0,000 Brenner 5 0,597 0,028 23,500 Brenner 0,626 0,06 90,500 Estève 0,729 0,8 86,300 Polynôme Période modélisée 0,695 0,67 0,037 0,092 9,000 92,000 28

29 Cancer du sein Polynôme Période modélisée Proportions d estimations proches de la valeur théorique Différence Polynôme (%) Période modélisée (%) 0,05 0, Influence de la censure Cancer du poumon Méthodes n utilisant pas de modèle : aucune Modèles : sous-estimation à partir de 25% de censure Estève : peu marquée Polynômes : plus marquée 29

30 Influence de la censure Cancer du poumon Méthodes Censure (%) Estève Polynôme Période modélisée 0 0,23 (0,074) 0,239 (0,047) 0,252 (0,073) 5 0,23 (0,074) 0,239 (0,048) 0,25 (0,074) 0 0,230 (0,074) 0,236 (0,048) 0,249 (0,076) 5 0,23 (0,075) 0,234 (0,049) 0,249 (0,077) 20 0,230 (0,076) 0,235 (0,05) 0,252 (0,079) 25 0,227 (0,077) 0,220 (0,050) 0,224 (0,077) 30 0,226 (0,079) 0,24 (0,050) 0,26 (0,080) Évaluation empirique Registre du Bas-Rhin Estimation de la survie nette à 0 ans des patients diagnostiqués entre 989 et 99 Survie nette réelle fin

31 Évaluation empirique Cancer du poumon Meilleures méthodes : ans et ans : polynôme utilisant l ensemble des données ans et ans : analyse par période (5 années) Évaluation empirique Cancer du sein Meilleures méthodes : ans et ans : polynôme utilisant l ensemble des données ans et ans et 85 ans : Estève (mais intervalles de confiance plus larges) 3

32 REGISTRE DU BAS-RHIN Cancer du poumon Cas diagnostiqués entre 975 et 2000 Date de point : 3/2/2000 Registre : cancer du poumon Méthodes Cohortes Complète Brenner 5 Brenner Estève Polynôme Brenner modélisé 0,094 (0,08) 0,25 (0,05) 0,54 (0,022) 0,27 (0,055) 0,70 (0,07) 0,66 (0,03) 0,59 (0,027) 0,07 (0,03) 0,0 (0,009) 0,68 (0,027) 0,26 (0,050) 0,48 (0,05) 0,44 (0,0) 0,27 (0,022) 0,090 (0,05) 0,06 (0,02) 0,093 (0,022) 0,00 (0,022) 0,09 (0,03) 0,06 (0,0) 0,00 (0,009) 0,053 (0,09) 0,048 (0,05) 0,044 (0,09) 0,034 (0,064) 0,047 (0,008) 0,044 (0,006) 0,034 (0,00) 0 (0) 0 (0) 0 (0) 0 (0) 0,00 (0,004) 0,009 (0,003) 0,007 (0,005) 32

33 REGISTRE DU BAS-RHIN Cancer du sein Cas diagnostiqués entre 975 et 2000 Date de point : 3/2/2000 Registre : cancer du sein Méthodes Cohortes Complète Brenner 5 Brenner Estève Polynôme Brenner modélisé 0,709 (0,022) 0,739 (0.04) 0,765 (0,08) 0,827 (0,038) 0,774 (0,04) 0,802 (0,006) 0,792 (0,020) 0,674 (0,07) 0,70 (0,02) 0,75 (0,05) 0,76 (0,034) 0,748 (0,04) 0,778 (0,006) 0,793 (0,08) 0,605 (0.05) 0,654 (0.0) 0,694 (0,05) 0,84 (0,030) 0,688 (0,06) 0,724 (0,008) 0,78 (0,024) 0,525 (0.09) 0,540 (0.03) 0,558 (0,07) 0,55 (0,037) 0,576 (0,020) 0,62 (0,009) 0,57 (0,030) 0,409 (0.028) 0,435 (0,023) 0,456 (0,030) 0,436 (0,064) 0,442 (0,023) 0,494 (0,08) 0,447 (0,04) 0,9 (0.068) 0,79 (0,077) 0,258 (0,0) 0,95 (0,56) 0,259 (0,026) 0,3 (0,0) 0,200 (0,03) 33

34 Conclusions Polynôme : méthode la plus performante Méthode souple permettant de capter l évolution de la survie nette Peu de coefficients de régression Utilisation recommandée dans le cadre d un registre 34

Principe d un test statistique

Principe 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 détail

Table des matières. I Mise à niveau 11. Préface

Table 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 détail

MODELES DE DUREE DE VIE

MODELES DE DUREE DE VIE MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions

Plus en détail

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE 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 détail

Chapitre 3 : INFERENCE

Chapitre 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 détail

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

Chapitre 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 détail

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation Programme des épreuves des concours externes de recrutement des personnels E1 RECRUTEMENT DES ASSISTANTS INGENIEURS DE RECHERCHE ET DE FORMATION...2 E1.1 Gestionnaire de base de données...2 E1.2 Développeur

Plus en détail

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population.

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population. Première STMG1 2014-2015 progression. - 1 Table des matières Fil rouge. 3 Axes du programme. 3 Séquence : Proportion d une sous population dans une population. 3 Information chiffrée : connaître et exploiter

Plus en détail

Analyse de survie : comment gérer les données censurées?

Analyse de survie : comment gérer les données censurées? Mémento biostatistique Analyse de survie : comment gérer les données censurées? Méthode de Kaplan-Meier C. Alberti 1, J.-F. Timsit 2, S. Chevret 3 1 Centre d Epidémiologie Clinique, Hôpital Robert Debré,

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe 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 détail

TUTORAT UE 4 2014-2015 Biostatistiques Séance n 6 Semaine du 03/11/2014

TUTORAT UE 4 2014-2015 Biostatistiques Séance n 6 Semaine du 03/11/2014 TUTORAT UE 4 2014-2015 Biostatistiques Séance n 6 Semaine du 03/11/2014 Epidémiologie Mme Fabbro-Peray Séance préparée par les tuteurs du TSN QCM n 1 : Choisir la ou les proposition(s) exacte(s). A. Parmi

Plus en détail

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures) CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un

Plus en détail

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

LA 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 détail

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.

TABLE 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 détail

Table des matières. PREMIÈRE PARTIE Étapes initiales des études marketing 7

Table des matières. PREMIÈRE PARTIE Étapes initiales des études marketing 7 Table des matières Préface Public 1 Structure de l ouvrage 1 Caractéristiques de l ouvrage 3 Contenu 3 Pédagogie 4 Remarques sur l adaptation française 4 Ressources numériques 5 Biographie 6 PREMIÈRE PARTIE

Plus en détail

Tables d expérience : les outils de suivi du risque

Tables d expérience : les outils de suivi du risque Tables d expérience : les outils de suivi du risque Sépia «Construction de tables d expérience en assurance : quels outils?» Paris, jeudi 24 janvier 2013 Pierre Thérond ptherond@galea-associes.eu http://www.galea-associes.eu

Plus en détail

METHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES

METHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES Enseignement du Deuxième Cycle des Etudes Médicales Faculté de Médecine de Toulouse Purpan et Toulouse Rangueil Module I «Apprentissage de l exercice médical» Coordonnateurs Pr Alain Grand Pr Daniel Rougé

Plus en détail

La régression logistique. Par Sonia NEJI et Anne-Hélène JIGOREL

La régression logistique. Par Sonia NEJI et Anne-Hélène JIGOREL La régression logistique Par Sonia NEJI et Anne-Hélène JIGOREL Introduction La régression logistique s applique au cas où: Y est qualitative à 2 modalités Xk qualitatives ou quantitatives Le plus souvent

Plus en détail

Estimation et tests statistiques, TD 5. Solutions

Estimation 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 détail

Estimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison

Estimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence

Plus en détail

Le point de vue du certificateur

Le point de vue du certificateur Le point de vue du certificateur Sépia «Certification des tables d expérience» Paris, mardi 23 novembre 2010 Pierre Thérond Actuaire Associé ptherond@galea-associes.eu PROJET / CONFIDENTIEL Sommaire 1.

Plus en détail

Modélisation aléatoire en fiabilité des logiciels

Modélisation aléatoire en fiabilité des logiciels collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.

Plus en détail

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités

Plus en détail

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES

UFR 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 détail

Prévention et gestion des risques naturels et environnementaux

Prévention et gestion des risques naturels et environnementaux Prévention et gestion des risques naturels et environnementaux Risque et assurance : quelques éléments théoriques Ecole des Ponts - Le 6 Avril 01 Jacques Pelletan 1 Théorie du risque et pérennité de l

Plus en détail

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.

Feuille 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 détail

Variables Aléatoires. Chapitre 2

Variables Aléatoires. Chapitre 2 Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,

Plus en détail

Examen d accès - 1 Octobre 2009

Examen d accès - 1 Octobre 2009 Examen d accès - 1 Octobre 2009 Aucun document autorisé - Calculatrice fournie par le centre d examen Ce examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses sont

Plus en détail

Programme «maladie» - Partie II «Objectifs / Résultats» Objectif n 2 : développer la prévention

Programme «maladie» - Partie II «Objectifs / Résultats» Objectif n 2 : développer la prévention Programme «maladie» - Partie II «Objectifs / Résultats» Objectif n 2 : développer la prévention Indicateur n 2-3 : Indicateurs sur le dépistage du cancer 1 er sous-indicateur : taux de participation au

Plus en détail

Études épidémiologiques analytiques et biais

Études épidémiologiques analytiques et biais Master 1 «Conception, évaluation et gestion des essais thérapeutiques» Études épidémiologiques analytiques et biais Roxane Schaub Médecin de santé publique Octobre 2013 1 Objectifs pédagogiques Connaitre

Plus en détail

Statistiques Descriptives à une dimension

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 détail

Aline Drapeau, Ph.D.

Aline Drapeau, Ph.D. (Communauté de pratique en épidémiologie psychosociale) Aspects méthodologiques de l échantillonnage Aline Drapeau, Ph.D. Pourquoi échantillonner? Objectifs de l étude visent une population cible spécifique

Plus en détail

ALEATOIRE - Les enjeux du cours de Probabilités en première année de l Ecole Polytechnique

ALEATOIRE - Les enjeux du cours de Probabilités en première année de l Ecole Polytechnique ALEATOIRE - Les enjeux du cours de Probabilités en première année de l Ecole Polytechnique Télécom ParisTech, 09 mai 2012 http://www.mathematiquesappliquees.polytechnique.edu/ accueil/programmes/cycle-polytechnicien/annee-1/

Plus en détail

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation.

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation. Travaux Dirigés de Probabilités - Statistiques, TD 4 Lois limites ; estimation. Exercice 1. Trois machines, A, B, C fournissent respectivement 50%, 30%, 20% de la production d une usine. Les pourcentages

Plus en détail

«Cours Statistique et logiciel R»

«Cours Statistique et logiciel R» «Cours Statistique et logiciel R» Rémy Drouilhet (1), Adeline Leclercq-Samson (1), Frédérique Letué (1), Laurence Viry (2) (1) Laboratoire Jean Kuntzmann, Dép. Probabilites et Statistique, (2) Laboratoire

Plus en détail

Statistique Descriptive et Inférentielle Méthodes paramétriques et non paramétriques

Statistique Descriptive et Inférentielle Méthodes paramétriques et non paramétriques Fiche TD avec le logiciel : a2-1-c Statistique Descriptive et Inférentielle Méthodes paramétriques et non paramétriques Sylvain Mousset Rappels de probabilités / statistiques Table des matières 1 Probabilités

Plus en détail

3. Caractéristiques et fonctions d une v.a.

3. 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 détail

LE ROLE DES INCITATIONS MONETAIRES DANS LA DEMANDE DE SOINS : UNE EVALUATION EMPIRIQUE.

LE ROLE DES INCITATIONS MONETAIRES DANS LA DEMANDE DE SOINS : UNE EVALUATION EMPIRIQUE. LE ROLE DES INCITATIONS MONETAIRES DANS LA DEMANDE DE SOINS : UNE EVALUATION EMPIRIQUE. Synthèse des travaux réalisés 1. Problématique La question D7 du plan d exécution du Programme National de Recherches

Plus en détail

Lois de probabilité. Anita Burgun

Lois 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 détail

Actuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.

Actuariat 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 détail

Introduction à l approche bootstrap

Introduction 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 détail

Terminale STMG Lycée Jean Vilar 2013/2014. Terminale STMG. O. Lader

Terminale STMG Lycée Jean Vilar 2013/2014. Terminale STMG. O. Lader Terminale STMG O. Lader Table des matières 1 Information chiffrée (4s) 4 1.1 Taux d évolution....................................... 6 1.2 indices............................................. 6 1.3 Racine

Plus en détail

Docteur José LABARERE

Docteur José LABARERE UE7 - Santé Société Humanité Risques sanitaires Chapitre 3 : Epidémiologie étiologique Docteur José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.

Plus en détail

Estimation et modélisation de dépendance dans des modèles de survie bivariés en présence de censure

Estimation et modélisation de dépendance dans des modèles de survie bivariés en présence de censure Estimation et modélisation de dépendance dans des modèles de survie bivariés en présence de censure Svetlana Gribkova, Olivier Lopez Laboratoire de Statistique Théorique et Appliquée, Paris 6 4 Mars 2014

Plus en détail

Relation entre deux variables : estimation de la corrélation linéaire

Relation 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 détail

Les débats sur l évolution des

Les débats sur l évolution des D o c u m e n t d e t r a v a i l d e l a B r a n c h e R e t r a i t e s d e l a C a i s s e d e s d é p ô t s e t c o n s i g n a t i o n s n 9 8-0 7 C o n t a c t : La u re nt V e r n i è r e 0 1 4

Plus en détail

ÉVOLUTION FUTURE DE LA SANTÉ ET DES BESOINS EN ASSURANCE SOINS DE LONGUE DURÉE DES AÎNÉS AU QUÉBEC

ÉVOLUTION FUTURE DE LA SANTÉ ET DES BESOINS EN ASSURANCE SOINS DE LONGUE DURÉE DES AÎNÉS AU QUÉBEC ÉVOLUTION FUTURE DE LA SANTÉ ET DES BESOINS EN ASSURANCE SOINS DE LONGUE DURÉE DES AÎNÉS AU QUÉBEC Pierre-Carl Michaud, ESG UQAM, CIRPÉE, CIRANO et Chaire de recherche Industrielle Alliance sur les enjeux

Plus en détail

Points méthodologiques Adapter les méthodes statistiques aux Big Data

Points méthodologiques Adapter les méthodes statistiques aux Big Data Points méthodologiques Adapter les méthodes statistiques aux Big Data I. Répétition de tests et inflation du risque alpha II. Significativité ou taille de l effet? 2012-12-03 Biomédecine quantitative 36

Plus en détail

Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R

Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences

Plus en détail

Exploitation 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. 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 détail

Classe de première L

Classe 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 détail

Estimation de l incidence départementale des cancers à partir de données médico-administratives*

Estimation de l incidence départementale des cancers à partir de données médico-administratives* Estimation de l incidence départementale des cancers à partir de données médico-administratives* Z Uhry 1, L Remontet 2, A Rogel 1, N Mitton 3,4, N Bossard 2, M Colonna 3,4 A Belot 1,2, P Grosclaude 4,

Plus en détail

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. 14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,

Plus en détail

Fiche de révision sur les lois continues

Fiche de révision sur les lois continues Exercice 1 Voir la correction Le laboratoire de physique d un lycée dispose d un parc d oscilloscopes identiques. La durée de vie en années d un oscilloscope est une variable aléatoire notée X qui suit

Plus en détail

Correction du baccalauréat ES/L Métropole 20 juin 2014

Correction 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 détail

Le bootstrap expliqué par l exemple

Le bootstrap expliqué par l exemple Le bootstrap expliqué par l exemple 1 Le bootstrap expliqué par l exemple 1. Les concepts du bootstrap 2. Des variantes adaptées au contexte 3. Comparaison des différentes méthodes 4. Les cas sensibles

Plus en détail

Analyse de la variance Comparaison de plusieurs moyennes

Analyse de la variance Comparaison de plusieurs moyennes Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction

Plus en détail

Modèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes

Modèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz

Plus en détail

pour les compagnies d assurances non-vie relatif à l estimation des paramètres du modèle standard SST

pour les compagnies d assurances non-vie relatif à l estimation des paramètres du modèle standard SST GUIDE PRATIQUE pour les compagnies d assurances non-vie relatif à l estimation des paramètres du modèle standard SST Edition du 16 décembre 2011 But Le présent guide pratique s entend comme une aide pour

Plus en détail

Les conducteurs automobiles évaluent-ils correctement leur risque de commettre un accident?

Les conducteurs automobiles évaluent-ils correctement leur risque de commettre un accident? Les conducteurs automobiles évaluent-ils correctement leur risque de commettre un accident? Nathalie LEPINE GREMAQ, Université de Toulouse1, 31042 Toulouse, France GRAPE, Université Montesquieu-Bordeaux

Plus en détail

Réseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.

Réseau 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 détail

P-15V1 MÉTHODE DE MESURE IN SITU DU ph DE L EAU PAR LA MÉTHODE ELECTROCHIMIQUE

P-15V1 MÉTHODE DE MESURE IN SITU DU ph DE L EAU PAR LA MÉTHODE ELECTROCHIMIQUE P-15V1 MÉTHODE DE MESURE IN SITU DU ph DE L EAU PAR LA MÉTHODE ELECTROCHIMIQUE 1. Domaine d application Cette méthode concerne la mesure du ph dans des solutions aqueuses : - non salines (conductivité

Plus en détail

Trajectoires d emploi et chômage

Trajectoires d emploi et chômage Trajectoires d emploi et chômage Séminaire SACEI 15 septembre 2011 Alice Hui PENG Bruno MASSONNET AS-Consultant b.massonnet@as-consultant.com Plan 1. L enquête emploi de l INSEE 3 2 Taux de chômage BIT

Plus en détail

Aide-mémoire de statistique appliquée à la biologie

Aide-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 détail

Lecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888

Lecture 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 détail

Ressources pour le lycée technologique

Ressources pour le lycée technologique éduscol Enseignement de mathématiques Classe de première STMG Ressources pour le lycée technologique Dérivation : Approximation affine et applications aux évolutions successives Contexte pédagogique Objectifs

Plus en détail

23. Interprétation clinique des mesures de l effet traitement

23. 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 détail

Construction de bases biométriques pour l assurance dépendance. SCOR inform - Novembre 2012

Construction de bases biométriques pour l assurance dépendance. SCOR inform - Novembre 2012 Construction de bases biométriques pour l assurance dépendance SCOR inform - Novembre 2012 Construction de bases biométriques pour l assurance dépendance Auteur Laure de Montesquieu Responsable Centre

Plus en détail

Probabilités. I- Expérience aléatoire, espace probabilisé : ShotGun. 1- Définitions :

Probabilités. I- Expérience aléatoire, espace probabilisé : ShotGun. 1- Définitions : Probabilités I- Expérience aléatoire, espace probabilisé : 1- Définitions : Ω : Ensemble dont les points w sont les résultats possibles de l expérience Des évènements A parties de Ω appartiennent à A une

Plus en détail

Loi binomiale Lois normales

Loi 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 détail

VISIUM. Méthodologie visuelle Visualisation de système Conception et Optimisation Système d information et d organisation

VISIUM. Méthodologie visuelle Visualisation de système Conception et Optimisation Système d information et d organisation Méthodologie visuelle Visualisation de système Conception et Optimisation Système d information et d organisation Olivier Fargin o.fargin@visium360.fr - www.visium360.fr Méthodologies visuelles (Les atouts

Plus en détail

Statistique : Résumé de cours et méthodes

Statistique : 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 détail

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16 ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que

Plus en détail

Le Data Mining au service du Scoring ou notation statistique des emprunteurs!

Le Data Mining au service du Scoring ou notation statistique des emprunteurs! France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative

Plus en détail

Lois de probabilité à densité Loi normale

Lois de probabilité à densité Loi normale DERNIÈRE IMPRESSIN LE 31 mars 2015 à 14:11 Lois de probabilité à densité Loi normale Table des matières 1 Lois à densité 2 1.1 Introduction................................ 2 1.2 Densité de probabilité

Plus en détail

Probabilités III Introduction à l évaluation d options

Probabilités III Introduction à l évaluation d options Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un

Plus en détail

Le risque Idiosyncrasique

Le risque Idiosyncrasique Le risque Idiosyncrasique -Pierre CADESTIN -Magali DRIGHES -Raphael MINATO -Mathieu SELLES 1 Introduction Risque idiosyncrasique : risque non pris en compte dans le risque de marché (indépendant des phénomènes

Plus en détail

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke

Biostatistiques 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 détail

Item 169 : Évaluation thérapeutique et niveau de preuve

Item 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 détail

ISBN-13 : 978-2-922325-43-0 Dépôt légal : Bibliothèque et Archives nationales du Québec, 2009

ISBN-13 : 978-2-922325-43-0 Dépôt légal : Bibliothèque et Archives nationales du Québec, 2009 REMERCIEMENTS AUX PARTENAIRES Cette étude a été réalisée grâce à la participation financière de la Commission des partenaires du marché du travail et du ministère de l Éducation, du Loisir et du Sport.

Plus en détail

ENSEIGNEMENT ET MONDE PROFESSIONNEL. Illustration d un lien fort au travers d un cours de scoring. Jean-Philippe KIENNER 7 novembre 2013

ENSEIGNEMENT ET MONDE PROFESSIONNEL. Illustration d un lien fort au travers d un cours de scoring. Jean-Philippe KIENNER 7 novembre 2013 ENSEIGNEMENT ET MONDE PROFESSIONNEL Illustration d un lien fort au travers d un cours de scoring Jean-Philippe KIENNER 7 novembre 2013 CONTEXTE Une bonne insertion professionnelle des étudiants passe par

Plus en détail

La nouvelle planification de l échantillonnage

La nouvelle planification de l échantillonnage La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage

Plus en détail

Méthodes de Simulation

Méthodes de Simulation Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme

Plus en détail

NOTE SUR LA MODELISATION DU RISQUE D INFLATION

NOTE SUR LA MODELISATION DU RISQUE D INFLATION NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui

Plus en détail

DISTINGUER LES EFFETS DE SELECTION ET DE MESURE. Céreq, 10 Place de la Joliette, BP 21321, 13567 Marseille cedex 02, dzikowski@cereq.

DISTINGUER LES EFFETS DE SELECTION ET DE MESURE. Céreq, 10 Place de la Joliette, BP 21321, 13567 Marseille cedex 02, dzikowski@cereq. COMPARAISON DES MODES DE COLLECTE PAR TELEPHONE ET PAR INTERNET DANS LE CADRE DE L ENQUETE GENERATION DU CEREQ. ANALYSE DES ABANDONS EN COURS ET TENTATIVE POUR DISTINGUER LES EFFETS DE SELECTION ET DE

Plus en détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 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 détail

Soutenance de stage Laboratoire des Signaux et Systèmes

Soutenance de stage Laboratoire des Signaux et Systèmes Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud

Plus en détail

L allocataire dans un couple : l homme ou la femme?

L allocataire dans un couple : l homme ou la femme? L allocataire dans un couple : l homme ou la femme? par Alain Jacquot CNAF-Bureau des Prévisions Les CAF versent une trentaine de prestations (prestations familiales stricto sensu, aides au logement, et

Plus en détail

Application des courbes ROC à l analyse des facteurs pronostiques binaires

Application des courbes ROC à l analyse des facteurs pronostiques binaires Application des courbes ROC à l analyse des facteurs pronostiques binaires Combescure C (1), Perneger TV (1), Weber DC (2), Daurès J P (3), Foucher Y (4) (1) Service d épidémiologie clinique et Centre

Plus en détail

Fiabilité et durabilité d un système complexe dédié aux énergies renouvelables Application à un système photovoltaïque

Fiabilité et durabilité d un système complexe dédié aux énergies renouvelables Application à un système photovoltaïque Année 2011 N 1175 Fiabilité et durabilité d un système complexe dédié aux énergies renouvelables Application à un système photovoltaïque THESE DE DOCTORAT Spécialité : Sciences de l ingénieur ECOLE DOCTORALE

Plus en détail

Comité sectoriel de la sécurité sociale et de la santé Section sécurité sociale

Comité sectoriel de la sécurité sociale et de la santé Section sécurité sociale Comité sectoriel de la sécurité sociale et de la santé Section sécurité sociale CSSSS/15/044 DÉLIBÉRATION N 15/020 DU 7 AVRIL 2015 RELATIVE À LA COMMUNICATION DE DONNÉES À CARACTÈRE PERSONNEL CODÉES AU

Plus en détail

Principales caractéristiques de Mixmod

Principales caractéristiques de Mixmod Modèle de mélanges Principales caractéristiques de Mixmod Gérard Govaert et Gilles Celeux 24 octobre 2006 1 Plan Le modèledemélange Utilisations du modèle de mélange Les algorithmes de Mixmod Modèle de

Plus en détail

CONCEPTION ET TIRAGE DE L ÉCHANTILLON

CONCEPTION ET TIRAGE DE L ÉCHANTILLON CHAPITRE 4 CONCEPTION ET TIRAGE DE L ÉCHANTILLON Ce chapitre technique 1 s adresse principalement aux spécialistes de sondage, mais aussi au coordinateur et aux autres responsables techniques de l enquête.

Plus en détail

201-DUA-05 Probabilités et statistique

201-DUA-05 Probabilités et statistique 1. La longueur de tiges usinées est une variable de moyenne 47,0 cm et d écart-type 0,36 cm. (a) Si l on prélève un échantillon aléatoire de taille 51, alors quelle est la probabilité que la moyenne échantillonnale

Plus en détail

Simulation d un système d assurance automobile

Simulation d un système d assurance automobile Simulation d un système d assurance automobile DESSOUT / PLESEL / DACHI Plan 1 Introduction... 2 Méthodes et outils utilisés... 2.1 Chaines de Markov... 2.2 Méthode de Monte Carlo... 2.3 Méthode de rejet...

Plus en détail

Internet est-il l avenir des enquêtes Génération?

Internet est-il l avenir des enquêtes Génération? Établissement public sous double tutelle des ministères de l'éducation nationale, de l'enseignement supérieur et de la Recherche du Travail, de l Emploi, de la Formation professionnelle et du Dialogue

Plus en détail

Résumé des communications des Intervenants

Résumé des communications des Intervenants Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit

Plus en détail

Les devoirs en Première STMG

Les 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 détail