La survie nette actuelle à long terme Qualités de sept méthodes d estimation
|
|
- Liliane Gaulin
- il y a 8 ans
- Total affichages :
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
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 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 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 détailMODELES 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 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 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 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 détailCONCOURS 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 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 détailMETHODOLOGIE 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 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 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 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 détailEstimation: 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 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 détailProgramme «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 détailModélisation 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 détailLes 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 détailSTA108 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 détailVariables 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 détailÉtudes 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 détailDocteur 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 détailLE 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 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 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 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 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 détailStatistiques 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 détailLes 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 détailExercice 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«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 détailAnalyse 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 détailLes 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 détailModèle 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 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 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 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 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 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 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 détailLe 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 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 détailACTUARIAT 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 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 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 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 détailProbabilités 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 détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailProgrammes 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 détailMéthodes 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 détailENSEIGNEMENT 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 détailL 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 détailApplication 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 détailConstruction 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 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 détailSoutenance 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 détailNOTE 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 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 détailRésumé 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 détailVISIUM. 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 détailLe 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 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 détailISBN-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 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 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 détailEvaluation générale de la qualité des données par âge et sexe
Analyse démographique pour la prise des décisions. Tendances, et inégalités de mortalité et de fécondité en Afrique francophone : les outils en ligne de l UNFPA / UIESP pour l'estimation démographique.
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailValue at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061
Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain
Plus en détailTARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé
TARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé Plan de l intervention 1 2 3 Généralités sur le fonctionnement de l assurance
Plus en détailLa 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 détailLe montant des garanties constituées aux fins du STPGV est-il excessif?
Le montant des garanties constituées aux fins du STPGV est-il excessif? Kim McPhail et Anastasia Vakos* L e système canadien de transfert des paiements de grande valeur (STPGV) sert à effectuer les paiements
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailCONCEPTION 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 détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détailMesures et incertitudes
En physique et en chimie, toute grandeur, mesurée ou calculée, est entachée d erreur, ce qui ne l empêche pas d être exploitée pour prendre des décisions. Aujourd hui, la notion d erreur a son vocabulaire
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailEvaluation de critères res de substitution de la survie globale dans les cancers bronchiques localement avancés
Evaluation de critères res de substitution de la survie globale dans les cancers bronchiques localement avancés Evaluations de la survie sans progression et du contrôle locoregional comme critère de substitution
Plus en détailModélisation de la réforme des pensions
Modèle PROST de la Banque Mondiale Modélisation de la réforme des pensions Mécanisme de simulation des options de réforme des retraites, de la Banque Mondiale L es politiques de pension d aujourd hui peuvent
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 détailSujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante.
Sujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante. Objectifs et formulation du sujet Le syndrome de l apnée du sommeil (SAS) est un problème de santé publique
Plus en détailAnalyse des durées de vie avec le logiciel R
Analyse des durées de vie avec le logiciel R Ségolen Geffray Des outils ainsi que des données pour l analyse des durées de vie sont disponibles dans les packages survival MASS Il est nécessaire de charger
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 détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailThéorie des sondages : cours 5
Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
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 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 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 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 détailINITIATION AUX METHODES DE SONDAGE
Annie FOURRIER-REGLAT Marthe-Aline JUTAND avec la participation d Anne-Marie DUSSAIX INITIATION AUX METHODES DE SONDAGE APPLICATION A LA PHARMACO-EPIDEMIOLOGIE ARME-Pharmacovigilance Editions - Bordeaux
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailLa baisse tendancielle des rentes réduitelle la demande d épargne retraite? Leçons tirées d une réforme des tables de mortalité
La baisse tendancielle des rentes réduitelle la demande d épargne retraite? Leçons tirées d une réforme des tables de mortalité Alexis DIRER LEO, Université d Orléans Co-écrit avec Rim Ennajar-Sayadi Journée
Plus en détailFiche qualité relative à l enquête Santé et Itinéraire Professionnel 2010 (SIP) Carte d identité de l enquête
Fiche qualité relative à Santé et Itinéraire Professionnel 2010 (SIP) Nom Années de Périodicité Panel (suivi d échantillon) Services concepteurs Service réalisant Sujets principaux traités dans Carte d
Plus en détailStatistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014
Tests du χ 2 Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 A. Lourme http://alexandrelourme.free.fr Outline
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
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 détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ARTHUR CHARPENTIER 1 Un certain test médical révèle correctement, avec probabilité 0.85, qu une personne a le sida lorsqu elle l a vraiment et révèle incorrectement,
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailMéthodes de simulation des décès. appliquées au régime de retraite de la. fonction publique d État
Méthodes de simulation des décès appliquées au régime de retraite de la fonction publique d État Hady Senghor et Benoît Buisson Service des retraites de l État Septembre 2014 1 2 Sommaire Résumé... 4 I
Plus en détail