IFT3913 Qualité du logiciel et métriques. Chapitre 7 Collecte et analyse des métriques
|
|
- Vivien Fournier
- il y a 8 ans
- Total affichages :
Transcription
1 IFT393 Qualté du logcel et métrques Chaptre 7 Collecte et aalyse des métrques Pla du cours Itroducto Qualté du logcel Théore de la mesure Mesure du produt logcel Mesure de la qualté du logcel Études emprques Collecte et aalyse des métrques Test du logcel
2 I. Itroducto L aalyse des métrques est l étape crucale d ue étude emprque La capacté de gééralsato déped De l échatllo Des techques d aalyse Il exste pluseurs techques d aalyse Nous ous téressos, das ce chaptre, prcpalemet à celles qu coceret l explorato de relatos 3 II. Techques d aalyse d ue varable (métrque) Dagramme de boîte (Box plot) Boîte à moustaches Il permet de vsualser graphquemet des doées statstques (médae, quartles, lmtes), as que les valeurs extrêmes Lmte féreure Quartle féreur Médae Quartle supéreur Lmte supéreure X Pot extrême 4
3 II. Techques d aalyse d ue varable (métrque) Dagramme de boîte Sot la médae m, Le quartle supéreur u est la médae des valeurs plus grades que m Le quartle féreur l est la médae des valeurs plus pettes que m La logueur de la boîte d est d = u l Les lmtes détermet l tervalle théorque à l téreur duquel dovet se trouver tous les pots La lmte supéreure s est s = u +.5d La lmte féreure est = l -.5d (s est féreur à la valeur mmale possble pour la varable (m), alors = m) Les valeurs supéreures à s et féreures à sot appelées pots extrêmes 5 II. Techques d aalyse d ue varable (métrque) Dagramme de boîte Exemple systemes KLOC MOD FD A 5 36 B 3 43 C D 3 33 E F G H I J K 7 5 L M N P 3 Q 78 R 48 KLOC l = 3 m = 54 u = 83 d = u - l = 5 s = u +,5d = 6 = l -,5d = (-47) KLOC R X 3
4 Techques d aalyse d ue varable (métrque) Dagramme de uage de pots Permet de vsualser les doées pour detfer des régulartés ou des tedaces possbles L axe des abscsses représete les uméros des objets étudés et l axe des ordoées les valeurs de la varable étudée Exemple desté de fautes (FD) FD A D L FD 7 Techques d aalyse d ue relato etre varables Dagramme de uage de pots Cotraremet au dagramme de boîte, l permet égalemet de vsualser la relato etre deux varables La varable dépedate est représetée par l axe des abscsses et la varable dépedate par l axe des ordoées Il suggère l exstece d ue relato 8 4
5 Techques d aalyse d ue relato etre varables Dagramme de uage de pots Exemple Talle module Fautes module Fautes par module Talle module (LOC) 9 Techques d aalyse d ue relato etre varables Mesure d assocato Coeffcet de corrélato de Pearso (r) Le dagramme de uage de pot peut suggérer l exstece d ue relato etre varables, mas e peut fourr la preuve d ue telle exstece Pour les varables ormalemet dstrbuées (ou presque), r est ue boe mesure d assocato r est toujours comprs etre et S r =, alors les varables ot ue parfate corrélato léare postve S r = -, alors les varables ot ue parfate corrélato léare égatve S r =, alors les varables ot pas de relato 5
6 Techques d aalyse d ue relato etre varables Mesure d assocato Coeffcet de corrélato de Pearso (r) Corrélato léare etre pars de ombres Corrélato maxmale sur la dagoale Techques d aalyse d ue relato etre varables Mesure d assocato Coeffcet de corrélato de Pearso (r) Sot x et y deux varables. Pour u objet logcel, ous avos la pare de valeurs (x, y ) Sot m x et m y les moyees respectves des x s et y s Le coeffcet de corrélato de Pearso est calculé comme sut r = = = ( x m ( x m ) x x )( y m ) = y ( y m ) y 6
7 Techques d aalyse d ue relato etre varables Mesure d assocato Coeffcet de corrélato de Pearso (r) Exemple Talle module Fautes module m = x m = 5.94 y ( x m )( y m ) = ( x m ) ( y m ) x x y = 54.4 = r = y 3 Techques d aalyse d ue relato etre varables Corrélato robuste Coeffcet de corrélato de rag de Spearma (ρ) E gééral, les valeurs de métrques sot raremet ormalemet dstrbuées Das ce cas, le coeffcet de corrélato de rag de Spearma (ρ) est ue boe mesure Il est calculé de la même faço que le coeffcet r, mas e remplaços les valeurs des varables par leurs rags L Itervalle des valeurs as que leur terprétato sot les mêmes que pour r 4 7
8 Techques d aalyse d ue relato etre varables Corrélato robuste Coeffcet de corrélato de rag de Spearma (ρ) Sot rx et ry les rags des valeurs x et y et m rx et m ry les moyees respectves des rx s et ry s ρ est calculé comme sut ( rx mrx )( ry mry ) = ρ = Après des smplfcatos, ρ peut être calculer smplemet comme sut 6 d = ρ = ( ) avec d = rx ry = ( rx m ) rx = ( ry m ) ry 5 Techques d aalyse d ue relato etre varables Corrélato robuste Coeffcet de corrélato de rag de Spearma (ρ) Exemple TM FM Rag(TM) Rag(FM) ρ =
9 Techques d aalyse d ue relato etre varables Régresso léare Jusqu à préset, ous avos réuss à Idetfer ue relato e utlsat le dagramme de uage de pots Mesurer sa force e utlsat les coeffcets de corrélato Ce qu reste à fare et de détermer la ature exacte de cette relato La régresso permet d exprmer ue relato sous forme d ue focto léare y = a + bx 7 Techques d aalyse d ue relato etre varables Régresso léare L dée est de tracer ue drote passat le plus prêt par tous les pots (dgramme de uage de pots) Le chox de la drote déped des résdus U résdu est la dstace qu sépare vertcalemet u pot de la drote Module (64,) Résdu du module (64,) Fautes par module Talle module (LOC) 8 9
10 Techques d aalyse d ue relato etre varables Régresso léare Pour u pot, le résdu est exprmé comme sut r = y a bx La drote de régresso est obteue par la mmsato des erreurs (carrés des résdus) Les coeffcets a et b sot doc b = = a = m y ( x m )( y m ) = bm x x ( x m ) x y 9 Techques d aalyse d ue relato etre varables Régresso léare Exemple (y = fautes par module, x = talle de module) b =.37 (facteur d fluece de la talle) a =.97 (facteur costat) y= x Sére
11 Techques d aalyse d ue relato etre varables Régresso léare Les pots extrêmes peuvet fluecer sgfcatvemet l estmato de a et b Par exemple, s o e cosdère pas le module (549, 6), ous obteos ue drote sgfcatvemet dfférete Sére Techques avacées E gééral, les modèles sot costruts automatquemet à partr de doées emprques (doées hstorques) TDIDT et fuzzy TDIDT Neuro Neuro-fuzzy Classfcateurs bayéses Parfos, ls résultet de la coassace des experts Ils peuvet auss être hybrdes Systèmes à base de règles étedus Réseaux bayéses
12 Arbres de décso «Top-Dow ducto of decso tree» (TDIDT) crée des arbres de décso bares qu assocet les valeurs de pluseurs attrbuts avec des classes d térêt NOP <=.5 NOM <=.5 NOD <= 6 NOM <= PMI <= 49.5% PMO <= 6% NOM <= 7 PMI <= 5% 3 Arbres de décso TDIDT Algorthme :. Créer u œud race et cosdérer tous les exemples das l esemble d appretssage. Idetfer l attrbut le plus dscrmat pour séparer les classes 3. Créer deux sous œuds et y répartr les exemples selo l attrbut trouvé 4. S l e reste plus d attrbut, stop ; so, aller à l étape pour chaque sous œud 4
13 Arbres de décso TDIDT Le crtère de dscrmato : C4.5 : L attrbut le plus formatf est celu avec la plus grade etrope. Pour deux ou pluseurs classes qu se partaget u esemble d attrbuts {A k }: H(A k ) = - p () log(p()) où p() est la probablté que l attrbut A k possède la valeur das l esemble d appretssage. Avatage : Dérvato d arbres compacts avec ue grade capacté de classfcato lorsque les doées se prêtet au groupemet. 5 Réseaux de euroes Prcpe Noyau Corps de la cellule Axoe Axoe Syapse Dedrte s Dedrte s Composats d'u euroe Syapse Pods Syaptques W X Actvato Focto d Actvato Sort e coexo tra couches coexo supra couches Etrées X X X W Net = + u... W X = W W = u Fct (Net) O auto coexo Couche Couche Couche d'etrée cachée de sorte Types de coexo coexo ter couches 6 3
14 Réseaux de euroes Exemple d archtecture Le perceptro multcouches Ajustemet des pods e focto de l erreur E= (Désré-Obteu) Etrées Sortes Obteues Sortes Désrées 7 Classfcateurs bayéses Prcpe Sot u cas e k ={A =a k,, A m =a mk }, la probablté que ce cas sot de classe c j est défe comme sut (théorème de Bayes) p( e p ( c e ) = j k c p( e ) p( c Le cas est assocé avec la classe qu présete la plus grade probablté k j k ) j ) 8 4
15 Classfcateurs bayéses Exemple TS (. 3) (3. 5) (5. ) (. 7.5) DRT RD Dérvato de la classe p( c j / e k ) m k = = c p( a m h= k = k p( a / c k j ) p( c / c h j ) ) p( c h ) Les probabltés p(a k l échatllo c j ) et p(c j ) sot calculées à partr de 9 Réseaux bayéses Caractérsés par : La structure Elle e peut être obteue automatquemet e gééral, Elle est produte par des experts Les paramètres du réseau (probabltés codtoelles) Ils peuvet être obteus à partr de doées hstorques e utlsat le théorème de Bayes P(B D) B D P(D) P(A B,C) A C P(C) 3 5
16 Réseaux bayéses Exemple Table des probabltés pour le œud "faults test/revew" 3 Résoemet à base de cas (CBR) Le cycle d u CBR (d après Aamodt & Plaza, 994) 3 6
17 Résoemet à base de cas (CBR) La représetato structurée des cas Les élémets logcels à évaluer sot des objets Les métrques sot les attrbuts de ces objets L évaluato de la qualté Trouver u élémet logcel ayat ue représetato (sgature umérque) smlare à l élémet évalué Techque : k-nearest Neghbour utlsat ue mesure de smlarté 33 Résoemet à base de cas (CBR) Calcul de smlarté Exemple de calcul de smlarté (dstace de Mahatta) Nveau local (métrque): Pour chaque métrque M, le facteur de smlarté etre deux cas x et y est déf par Nveau global (cas) x. M y. M sm( x. M, y. M ) = dom( M ) Sm( x, y) p = = = ß représete le pods d ue métrque M β sm( x. M, y. M ) p 34 7
II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1
II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d
Plus en détailLE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE
LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe
Plus en détailSYSTEME FERME EN REACTION CHIMIQUE
SYSTEME FERME EN REACTION CHIMIQUE I. DESCRIPTION D UN SYSTEME. Les dfférets types de système (ouvert, fermé, solé U système S est formé d u esemble de corps séparés du reste de l uvers (appelé mleu extéreur
Plus en détailConception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce
SETIT 2005 3 RD INTERNATIONAL CONFERENCE: SCIENCES OF ELECTRONIC, TECHNOLOGIES OF INFORMATION AND TELECOMMUNICATIONS MARCH 27-3, 2005 TUNISIA Cocepto d u outl décsoel pour la gesto de la relato clet das
Plus en détailConception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce
Cocepto d u outl décsoel pour la gesto de la relato clet das u ste de e-commerce Nazh SELMOUNE *, Sada BOUKHEDOUMA * ad Zaa ALIMAZIGHI * * Laboratore des Systèmes Iformatques(LSI )- USTHB - ALGER selmoue@wssal.dz
Plus en détailCoefficient de partage
Coeffcet de partage E chme aque, la sythèse d'u composé se fat e pluseurs étapes : la réacto propremet dte (utlsat par exemple u motage à reflux quad la réacto dot être actvée thermquemet), les extractos
Plus en détailSemestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR
Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets
Plus en détail" BIOSTATISTIQUE - 1 "
ISTITUT SUPERIEUR DE L EDUCATIO ET DE LA FORMATIO COTIUE Départemet Bologe Géologe S0/ " BIOSTATISTIQUE - " Cours & Actvtés : Modher Abrougu Aée Uverstare - 008 Modher Abrougu Bostatstque «I» ISEFC - 008
Plus en détailApplication de la théorie des valeurs extrêmes en assurance automobile
Applcato de la théore des valeurs extrêmes e assurace automoble Nouredde Belagha & Mchel Gru-Réhomme Uversté Pars 2, ERMES-UMR78-CNRS, 92 rue d Assas, 75006 Pars, Frace E-Mal: blour2002@yahoo.fr E-Mal:
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détailLes sinistres graves en assurance automobile : Une nouvelle approche par la théorie des valeurs extrêmes
Les sstres graves e assurace automoble : Ue ouvelle approche par la théore des valeurs extrêmes Nouredde Belagha (*, Mchel Gru-Réhomme (*, Olga Vasecho (** (* Uversté Pars 2, ERMES-UMR78-CNRS, 2 place
Plus en détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailUne méthode alternative de provisionnement stochastique en Assurance Non Vie : Les Modèles Additifs Généralisés
Ue méthode alteratve de provsoemet stochastque e Assurace No Ve : Les Modèles Addtfs Gééralsés Lheureux Else B&W Delotte 85, av. Charles de Gaulle 954 Neully-sur-See cedex Frace Drect: 33(0).55.6.65.3
Plus en détailCHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure.
TABLE DES MATIERES Durée...2 Objectf spécfque...2 Résumé...2 I. L agrégato des préféreces...2 I. Le système de vote à la majorté...2 I.2 Vote par classemet...3 I.3 Codtos de décso socale et théorème d
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détailMesure avec une règle
Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système
Plus en détailCOURS DE MATHEMATIQUE FINANCIERE A COURT ET LONG TERME Promotion : Première année de graduat
P R O F E S REPUBLIQUE DEMOCRATIQUE DU CONGO ENSEIGNEMENT SUPEREIEUR ET UNIVERSITAIRE INSTITUT SUPERIEUR DE GESTION INFORMATIQUE DE GOMA /I.S.I.G-GOMA DEVELOPPEMENT ISIG M A T I O N COURS DE MATHEMATIQUE
Plus en détailIncertitudes expérimentales
U N I O N D E S P R O F E S S E U R S D E P H Y S I Q U E E T D E C H I M I E 995 Icerttudes érmetales par Fraços-Xaver BALLY Lcée Le Corbuser - 93300 Aubervllers et Jea-Marc BERROIR École ormale supéreure
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détailLimites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détailTD 1. Statistiques à une variable.
Danel Abécasss. Année unverstare 2010/2011 Prépa-L1 TD de bostatstques. Exercce 1. On consdère la sére suvante : TD 1. Statstques à une varable. 1. Calculer la moyenne et l écart type. 2. Calculer la médane
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailMathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période)
A-PDF OFFICE TO PDF DEMO: Purchase from www.a-pdf.com to remove the watermark Mathématques Facères : l essetel Les formules cotourables (F de érode) htt://www.ecogesam.ac-a-marselle.fr/esed/gesto/mathf/mathf.html#e5aels
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détailOBLIGATION DU SECTEUR PRIVE : EVALUATION ET OUTIL DE GESTION DU RISQUE DE TAUX D INTERET
Jea-Claude AUGROS Professeur à l Uversté Claude Berard LYON I et à l Isttut de Scece Facère et d Assuraces ISFA Mchel QUERUEL Docteur e Gesto Igéeur de Marché Socété de Bourse AUREL Résumé : Cet artcle
Plus en détailRessources pour le lycée général et technologique
éduscol Ressources pour le lycée gééral et techologque Ressources pour le cycle termal gééral et techologque Mesure et certtudes Ces documets peuvet être utlsés et modés lbremet das le cadre des actvtés
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détailGénéralités sur les fonctions 1ES
Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailLe Sphinx. Enquêtes, Sondages. Analyse de données. Internet : http://www.lesphinxdeveloppement.fr/club/index.html
Equêtes, Sodages Aalyse de doées Le Sphix! Iteret : http://www.lesphixdeveloppemet.fr/club/idex.html Lagarde J. Aalyse statistique de doées, Duod. Réaliser vos equêtes Questioaire Traitemets et aalyses
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailL Analyse Factorielle des Correspondances
Aalyse de doées Modle 5 : L AFC M5 L Aalyse Factorelle des Corresodaces L aalyse factorelle des corresodaces, otée AFC, est e aalyse destée a tratemet des tableax de doées où les valers sot ostves et homogèes
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailMÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES
MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES Émle Garca, Maron Le Cam et Therry Rocher MENESR-DEPP, bureau de l évaluaton des élèves Cet artcle porte sur les méthodes de
Plus en détailGIN FA 4 02 01 INSTRUMENTATION P Breuil
GIN FA 4 0 0 INSTRUMENTATION P Breul OBJECTIFS : coatre les bases des statstques de la mesure af de pouvor d ue part compredre les spécfcatos d u composat et d autre part évaluer avec rgueur les performaces
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailRemboursement d un emprunt par annuités constantes
Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)
Plus en détailSTATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détailSoutenue publiquement le Mardi 04/Mai/2010 MEMBRES DU JURY
Répblqes Algéree Démocratqe et Poplare Mstère de l Esegemet Spérer et de la Recherche Scetfqe Uversté MENTOURI Costate Faclté des Sceces de l'igéer Départemet de Gée Mécaqe N d ordre : /MAG/ Sére : /GM/
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détailEstimation des incertitudes sur les erreurs de mesure.
Estmto des certtdes sr les errers de mesre. I. Itrodcto : E sceces epérmetles, l este ps de mesres ectes. Celle-c e pevet être q etchées d errers pls o mos mporttes selo le protocole chos, l qlté des strmets
Plus en détailEH SmartView. Identifiez vos risques et vos opportunités. www.eulerhermes.be. Pilotez votre assurance-crédit. Services en ligne Euler Hermes
EH SmartVew Servces en lgne Euler Hermes Identfez vos rsques et vos opportuntés Plotez votre assurance-crédt www.eulerhermes.be Les avantages d EH SmartVew L expertse Euler Hermes présentée de manère clare
Plus en détailCalculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.
1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle
Plus en détailDes solutions globales fi ables et innovantes. www.calyon.com
Des solutons globales f ables et nnovantes www.calyon.com OPTIM Internet: un outl smple et performant Suv de vos comptes Tratement de vos opératons bancares Accès à un servce de reportng complet Une nterface
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détailEditions ENI. Project 2010. Collection Référence Bureautique. Extrait
Edtons ENI Project 2010 Collecton Référence Bureautque Extrat Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf
Plus en détailChapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique
Spécale PSI - Cours "Electromagnétsme" 1 Inducton électromagnétque Chaptre IV : Inductance propre, nductance mutuelle. Energe électromagnétque Objectfs: Coecents d nductance propre L et mutuelle M Blan
Plus en détailInterface OneNote 2013
Interface OneNote 2013 Interface OneNote 2013 Offce 2013 - Fonctons avancées Lancer OneNote 2013 À partr de l'nterface Wndows 8, utlsez une des méthodes suvantes : - Clquez sur la vgnette OneNote 2013
Plus en détailUne action! Un message!
Ue actio! U message! Cotact Master est u service exclusif de relaces automatiques de vos actes vers vos cliets, par SMS, messages vocaux, e-mails, courrier... Il se décleche lorsque vous réalisez ue actio
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 détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailProcessus géométrique généralisé et applications en fiabilité
Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR
Plus en détailMontage émetteur commun
tour au menu ontage émetteur commun Polarsaton d un transstor. ôle de la polarsaton La polarsaton a pour rôle de placer le pont de fonctonnement du transstor dans une zone où ses caractérstques sont lnéares.
Plus en détailLes jeunes économistes
Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détailRECHERCHE DE CLIENTS simplifiée
RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détailCompte Sélect Banque Manuvie Guide du débutant
GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de
Plus en détail3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.
3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailPlan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks
Plan Geston des stocks Abdellah El Fallah Ensa de Tétouan 2011 Les opératons de gestons des stocks Les coûts assocés à la geston des stocks Le rôle des stocks Modèle de la quantté économque Geston calendare
Plus en détailThermodynamique statistique Master Chimie Université d Aix-Marseille. Bogdan Kuchta
hermodynamque statstque Master Chme Unversté d Ax-Marselle Bogdan Kuchta Plan: Rappel: thermodynamque phénoménologque (dscuter l entrope, l évoluton de gaz parfat,) Premer prncpe Deuxème prncpe (transformaton
Plus en détailStatistique Numérique et Analyse des Données
Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques
Plus en détailRAPPORT DE STAGE. Approcher la frontière d'une sous-partie de l'espace ainsi que la distance à cette frontière. Sujet : Master II : SIAD
UFR SCIENCES ET TECHNOLOGIES DEPARTEMENT DE MATHEMATIQUES ET INFORMATIQUE 63 177 AUBIERE CEDEX Année 2008-2009 Master II : SIAD RAPPORT DE STAGE Sujet : Approcher la frontère d'une sous-parte de l'espace
Plus en détailCONSERVATOIRE NATIONAL DES ARTS ET METIERS
ONSEVAOIE NAIONAL DES AS E MEIES ELEONIQUE ANALOGIQUE PH / ELE 4 / DU GEII ere année ------------------------- ------------------------- Dder LE UYE / Perre POVEN Janer ABLE DES MAIEES APPELS D ELEOINEIQUE...5.
Plus en détailI. Présentation générale des méthodes d estimation des projets de type «unité industrielle»
Evaluaton des projets et estmaton des coûts Le budget d un projet est un élément mportant dans l étude d un projet pusque les résultats économques auront un mpact sur la réalsaton ou non et sur la concepton
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailsanté Les arrêts de travail des séniors en emploi
soldarté et DOSSIERS Les arrêts de traval des sénors en emplo N 2 2007 Les sénors en emplo se dstnguent-ls de leurs cadets en termes de recours aux arrêts de traval? Les sénors ne déclarent pas plus d
Plus en détailDéveloppement en Série de Fourier
F-IRIS-5.ex Développeme e Série de Fourier Développer e série de Fourier les focios de période T défiies aisi : a b { f impaire T = f = si ] ; { f paire T = f = si ; ] Faire das chaque cas ue représeaio
Plus en détailPROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS
PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie
Plus en détailChapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.
Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE
Plus en détailCalculs des convertisseurs en l'electronique de Puissance
Calculs des conertsseurs en l'electronque de Pussance Projet : PROGRAMMAON ate : 14 arl Auteur : herry EQUEU. EQUEU 1, rue Jules Massenet 37 OURS el 47 5 93 64 herry EQUEU Jun [V37] Fcher : ESGN.OC Calculs
Plus en détailUNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS
BRUSSELS ECONOMIC REVIEW - CAHIERS ECONOMIQUES DE BRUXELLES VOL. 49 - N 2 SUMMER 2006 UNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS DANS LE SECTEUR DE L ASSURANCE AUTOMOBILE* MARÍA DEL CARMEN MELGAR**
Plus en détailTerminal numérique TM 13 raccordé aux installations Integral 33
Termnal numérque TM 13 raccordé aux nstallatons Integral 33 Notce d utlsaton Vous garderez une longueur d avance. Famlarsez--vous avec votre téléphone Remarques mportantes Chaptres à lre en prorté -- Vue
Plus en détailComment les Canadiens classent-ils leur système de soins de santé?
Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détailLa Quantification du Risque Opérationnel des Institutions Bancaires
HEC Montréal Afflée à l Unversté de Montréal La Quantfcaton du Rsque Opératonnel des Insttutons Bancares par Hela Dahen Département Fnance Thèse présentée à la Faculté des études supéreures en vue d obtenton
Plus en détailLES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE
LES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE Qu est-ce que l Écoomie sociale et solidaire? Coopératives Etreprises sociales Scop Fiaceurs sociaux Scic CAE Mutuelles Coopératives d etreprises
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailEtude de la fonction ζ de Riemann
Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.
Plus en détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détailCorrigé du problème de Mathématiques générales 2010. - Partie I - 0 0 0. 0.
Corrgé du problème de Mathématques générales 2010 - Parte I - 1(a. Sot X S A. La matrce A est un polynôme en X donc commute avec X. 1(b. On a : 0 = m A (A = m A (X n ; le polynôme m A (x n est annulateur
Plus en détailGENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)
GENESS - Generalzed System for mputaton Smulatons (Système généralsé pour smuler l mputaton) GENESS est un système qu permet d exécuter des smulatons en présence d mputaton. L utlsateur fournt un ensemble
Plus en détail