Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires"

Transcription

1 UE 4 Evaluato des méthodes d aalyse applquées au sceces de la ve et de la saté Statstque Varables aléatores Frédérc Mauy - 27 septembre et 3 octobre Pla du cours 1. Varable aléatore 1. Défto 2. Lo de probablté et représetato 3. Focto de répartto 4. Caractérstques de posto/dsperso 5. Opératos sur les varables aléatores 2. Los de probablté usuelles 2 1

2 VA : défto tutve U couple prévot d avor 3 efats X=ombre de flles «Avor eactemet ue flle» (X=1) e Pr(e) (GGG) 0,14 (GGF) 0,13 (GFG) 0,13 (GFF) 0,12 (FGG) 0,13 (FGF) 0,12 (FFG) 0,12 (FFF) 0,11 Basé sur p(g)=0,52 X P() 0 0,14 1 0,39 2 0,36 3 0,11 Pr(X = 1) ou p(1) 0,13 + 0,13 + 0,13 = 0,39 Ue varable aléatore dscrète pred dfféretes valeurs avec des probabltés défes par sa lo de probablté p() 3 VA : défto formelle Sot E u esemble d évèemets pour lesquels o a déf ue dstrbuto de probablté (E est u esemble probablsé) Ue varable aléatore X est ue focto umérque défe sur cet espace E A chaque evt. élémetare de E, o fat correspodre u ombre selo ue règle be défe (ue applcato de l esemble E das l esemble ) A chaque sous-esemble de ombre, o peut attrbuer la probablté du sous-esemble de E qu lu correspod o déft as la dstrbuto de probablté de la VA 4 2

3 Caratérstques d ue VA Coveto d écrture : la varable aléatore X (majuscule), et la valeur observée (muscule) Typologe : varable aléatore dscotue (ou dscrète) varable aléatore cotue : la varable X peut predre toutes les valeurs sur u certa tervalle f ou f S X et Y sot des VA, alors Z=X+Y, Z= X-Y sot des VA Z=aX est ue VA, a état ue costate réelle Z=XY, Z=X/Y sot des VA Z=X est ue VA 5 Lo de probablté, VA dscrète A chaque valeur, o assoce ue probablté p telle que : p = Pr(X = ). Esemble des couples (,p ) costtue la lo de probablté de la varable dscotue X E : X : VA «Avor eactemet ue flle» défssat ue applcato de E das {0,1,2,3} P() 0 0,14 1 0,39 2 0,36 3 0,11 Tableau des probabltés 6 3

4 Dagramme des probabltés Représetato graphque VA dscrète e abscsse : les dfféretes valeurs de la VA, classées par ordre de gradeur crossate e ordoée, la probablté de chaque valeur E X : VA «Avor eactemet ue flle» Probablté 7 Représetato graphque VA cotue X peut predre ue fté de valeurs à l'téreur de l'tervalle de varato Dagramme remplacé par ue courbe représetat la focto de desté de probablté f(), telle que f()d= Pr(<X<+d) Probablté défe o plus pour u mas pour u tervalle et proportoelle à la surface sous la courbe 8 4

5 Lo de probablté, VA cotue La lo de probablté est détermée s o coaît pour tout tervalle [ a, b ], la probablté que sot comprse etre a et b, sot Pr( a < X < b ). Pr(X = ) o défssable, u pot parm ue fté de pots Lo de probablté est cotue, o déft la focto f(), telle que : f() 0 et f( ) d=1 = Pr( a < X< b) f( ) d b a + 9 Sot X VA dscrète, { 1, 2,,, } Focto de répartto de X : Focto de répartto VA dscrète F ( 1) = f( 1) F ( 2) = f( 1 ) + f( 2) u F( u) = F ( ) = f( 1) + f( 2) f( ) F( ) = 1 1< u f( 1) 10 5

6 Sot X VA cotue Focto de répartto de X : Focto de répartto u VA cotue u F( u) = f( ) d= Pr( X u) D où, b F( b) F( a) = f( ) d= Pr( a X b) a 11 Pla du cours 1. Varable aléatore 1. Défto 2. Lo de probablté et représetato 3. Focto de répartto 4. Caractérstques de posto/dsperso 5. Opératos sur les varables aléatores 2. Los de probablté usuelles 12 6

7 O peut résumer ue VA de faço plus sythétque par : Ue caractérstque de posto Espérace mathématque Ue caractérstque de dsperso Varace et écart-type 13 Espérace mathématque d ue VA Espérace mathématque otée E(X) Sot X ue VA dscrète E( X) = Sot X ue VA cotue 1 f( 1) + 2 f( 2) f( ) = f( ) = 1 + E ( X) = f( ) d 14 7

8 Varace et écart-type d ue VA Dsperso autour de l espérace mathématque, otée var(x) ou σ² S X ue VA dscrète Var( X ) = = 1 [ E( X )] ² f ( ) [( )²] Var( X ) = E X µ Var( X ) = E( X ²) [ E( X )]² Sot 2 Var( X ) = f ( ) µ ² = 1 15 Varace et écart-type d ue VA S X ue VA cotue + + ( f ( ) d) 2 = E( X ²) [ E( ) ] 2 Var( X ) = ² f ( ) d X + [ E( X ) ] Var ( X ) = f ( ) d

9 Pla du cours 1. Varable aléatore 1. Défto 2. Lo de probablté et représetato 3. Focto de répartto 4. Caractérstques de posto/dsperso 5. Opératos sur les varables aléatores 2. Los de probablté usuelles 17 = Trasformato de varable Sot X ue VA, a et b deu costates Y=aX +b est ue VA E(Y) = a.e(x) + b Var(Y)=a² Var(X) Sot X VA, E(X)= µ et Var(X)=σ² Sot Z ue VA cetrée rédute Z µ = X σ E( Z) = 0 Var( Z) =

10 = Pluseurs VA Sot X et Y deu VA E(X+Y)=E(X)+E(Y) Var(X+Y)=Var(X)+Var(Y)+2cov(X,Y) cov(x,y)= E(XY)-E(X)E(Y) S X et Y sot dépedates, alors E(XY)=E(X)E(Y) 19 Pla du cours 1. Varable aléatore 2. Los (dstrbuto) de probablté usuelles 1. Los dscrètes 1. Bomale 2. Posso 2. Los cotues 1. Normale ou Laplace-Gauss 20 10

11 = Épreuve de Beroull VA = epérece à 2 ssues See (H/F), statut patet (M + /M -, vvat/dcd), résultat d u test (T + /T - ), ecete/o ecete Sot X VA, valeurs {0,1} p=p(x=1) et q=p(x=0)=1-p E(X)=p, Var(X)=pq=p(1-p) E assace d ue flle p=p(x=f)=0,48 et q=p(x=g)=0,52 21 = Sot S ue VA : ombre de «succès» obteus sur épreuves de Beroull dépedates de même probablté élémetare S : VA quattatve dscrète, S~B(,p) sot k le ombre de succès observés P( S= k) = k k k Cp (1 p)! C =! 0 = 1 E(S)=p, Var(S)=p(1-p)=pq Lo Bomale C k! = k!( k )! P ( S= 0) = (1 p) 22 11

12 = Lo Bomale E «Avor ue flle parm 3 efats» =3 p=0,48 q=(1-p)=0,52 C = 3! = !(3 1)! 1 (2 1) 1 3 = 3 P( S= 1) = 3 0,48 (0,52) 2 1 = 0,39 23 = Lo Bomale : dstrbuto d ue fréquece F = la fréquece des succès F : { } 0, 1, 2, F= S ( ) = 1E( S) = p p E ( F) = E S 1 = S 1 1 Var( F) = Var = Var( S) = pq = ² ² pq = p(1 p) 24 12

13 = Appromato de la lo Bomale S «grad», utlsato lo Normale S E( S) S p = N(0,1) Var( S) pq Mos rapde pour p=0,9 ou p=0,2 que pour p=0,5 Appromato coveable s p et q sot au mos égau à 5 S p est «très» pett Nombre d'accdets provoqués par u vacc, le ombre de sucdes das ue grade vlle, ombre de cacers de l efat 25 = Lo de Posso X = ombre d évéemets rares p pett (<0,1) et grad : 0,2 p 8 Alors S B(,p) lo de Posso P (p) X : VA quattatve dscrète, X~P(λ) Valeurs etères postves ou ulles, λ 0 P( X= k) = e E(X)=Var(X)= λ λλ k k! 0! = 1 P( X= 0)= e λ 26 13

14 = Lo Posso : eemple Das le Doubs, o observe e moyee 2 ouveau cas par a d u type partculer de cacer cérébral. E 2011, 4 ouveau cas eregstrés. Y-a-t-l plus de cas qu habtuellemet? X ~P(λ =2) P( X= 4) = e 24 4! 2 = 0,09 Ue autre soluto pour répodre à la questo Utlsato de la table des los de Posso 27 Pla du cours 1. Varable aléatore 2. Los (dstrbuto) de probablté usuelles 1. Los dscrètes 1. Bomale 2. Posso 2. Los cotues 1. Normale ou Laplace-Gauss 28 14

15 Importace de la lo Normale Appromato pour d'autres dstrbutos statstques quad les effectfs sot assez grads Dstrbutos statstques réelles s'e approchet fréquemmet / s la varablté est due à des causes très ombreuses et dépedates dot les effets s'addtoet Souvet ue trasformato smple codut à ue dstrbuto ormale La moyee de varables aléatores o gaussees dépedates ted à dever gaussee quad devet grad. Théorème cetral lmte éocé par Laplace 29 Lo Normale VA cotue focto de desté de probablté X ue VA quattatve cotue, X~N(µ,σ²) S Y=f(X) ( Y f X e µ )² ( ) 1 = = 2σ² σ 2π E(X)=µ,Var(X)= σ² Courbe de desté de probablté 30 15

16 S X et Y VA ormales, a et b costates alors X+b, ax, X+Y sot des VA ormales Autat de los ormales que de couples (µ,σ²) Nécessté de se rapporter à ue lo uque pour calculer la probablté que X sorte d'u tervalle doé Lo ormale cetrée rédute Z E(Z)=0 et Var(Z)= 1 Z= X µ σ Lo ormale cetrée rédute courbe de desté de probablté 32 16

17 Utlsato des tables (1) Table assocée à la focto de répartto Doe la probablté F(u)=P(Z<u) Pour les valeurs égatves F(-u)=1-F(u) P(a<Z<b)=F(b)-F(a) P(-1<Z<1)=F(1)-F(-1) 33 Utlsato des tables (2) Table de l écart rédut Doe la probablté que Z appartee pas [-u ; u] cad sot z <-u, sot u < z P(Z<-u) P(u<Z) Par défto P(Z<-u)=P(Z>u) P(-u<Z<u)=1- (P(Z<-u)+P(Z>u)) P(-1<Z<1)=1-(P(Z>1)+P(-1<Z)) 34 17

18 = Lo Normale : eemple E supposat que l âge de la marche chez l homme X~N (15,1,5²) 1. Quelle la probablté qu u efat marche avat 18 mos? X µ P( X < 18) = P( < ) = P( Z < 2) σ 1,5 = 0,98 Lue das table assocée à la focto de répartto = 1 P (2 < Z) 2. Quelle la probablté qu u efat marche etre 14 et 16 mos? ( 14 16) ( ) 1,5 15 X µ P < X < = P < < σ 1,5 15 = P( 0,66< Z< 0,66) Rasoemet à partr de la table de l écart rédut Rasoemet à partr de la table de l écart rédut ( P( Z < 0,66) + P(0,66 < )) 0, 49 = 1 Z = 35 18

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE UE4 : Bostatstques Chaptre 8 Corrélato et régresso léare smple José LABARERE Aée uverstare 20/202 Uversté Joseph Fourer de Greoble - Tous drots réservés. Pla I. Corrélato et régresso léare II. Coeffcet

Plus en détail

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen Aexe. Estmato d u quatle o-paramétrque par la méthode de Haze La probablté cumulée emprque d ue doée au se d u échatllo est pas u cocept parfatemet déf : pluseurs estmatos sot possbles ; l e est de même

Plus en détail

TD Techniques de prévision pour la Gestion de production

TD Techniques de prévision pour la Gestion de production Orgasato et gesto dustrelle Page / 6 TD Techques de prévso pour la Gesto de producto er Exercce Vetes d u rayo de jouraux das u supermarché Javer Févrer Mars Avrl Ma Ju Jullet Août Septembre Octobre Novembre

Plus en détail

Chapitre 4 : RÉGRESSION

Chapitre 4 : RÉGRESSION Chaptre 4 : RÉGRESSION 4. Régresso léare smple 4.. Équato de la régresso 4.. Estmato par les modres carrés 4..3 Coeffcet de détermato 4..4 Iférece sur les coeffcets 4..5 Prévso et aalyse des résdus Régresso

Plus en détail

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet.

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet. ère S Cotrôle du mard 7 javer 05 ( heures) D C N Le barème est doé sur 0 O répodra drectemet sur la cope foure avec le sujet U certa ombre de questos écesste ue recherche préalable au broullo O e rédgera

Plus en détail

1 ère partie : STATISTIQUE DESCRIPTIVE

1 ère partie : STATISTIQUE DESCRIPTIVE ère parte : STATISTIQUE DESCRIPTIVE CHAPITRE : COLLECTE DE L INFORMATION, TABLEAUX ET GRAPHIQUES. I. Défto et vocabulare Défto : la statstque est ue méthode scetfque qu cosste à réur des doées chffrées

Plus en détail

Module 4 - Leçon 01 - Budget des ventes 1. Introduction - Recherche de la tendance générale

Module 4 - Leçon 01 - Budget des ventes 1. Introduction - Recherche de la tendance générale Cotrôle de gesto Budget des vetes Module 4 - Leço - Budget des vetes Itroducto - Recherche de la tedace géérale - Itroducto Le budget des vetes est le premer budget opératoel à établr. Il est cosdéré comme

Plus en détail

IFT3913 Qualité du logiciel et métriques. Chapitre 7 Collecte et analyse des métriques

IFT3913 Qualité du logiciel et métriques. Chapitre 7 Collecte et analyse des métriques 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

Plus en détail

Statistique. 3 ème Maths Mai 2010 A. LAATAOUI. I. Introduction :

Statistique. 3 ème Maths Mai 2010 A. LAATAOUI. I. Introduction : Statstque 3 ème Maths Ma 00 A LAATAOUI I Itroducto : La statstque est ue scece ayat pour objet l étude des phéomèes socau surtout ceu doat leu à des varatos ou ceu e pouvat être suffsammet maîtrsés que

Plus en détail

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20.

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20. BTS CG 996 Eercce : (0 pots) Ue agece mmoblère evsage de commercalser u programme de costructo d'appartemets Deu projets lu sot soums: Projet P : Le coût de producto de appartemets ( eter et 0 )est doé

Plus en détail

PHYSIQUE DES SEMICONDUCTEURS

PHYSIQUE DES SEMICONDUCTEURS MIISTERE DE L'ESEIGEMET SUPERIEURE ET DE LA REHERHE SIETIFIQUE UIERSITE DE BEHAR Départemet es Sceces Laboratore e Pysque es spostfs à semcoucteurs (L.P.D.S ttp://www.uv-becar.z/lps/ PHYSIQUE DES SEMIODUTEURS

Plus en détail

Estimations et intervalles de confiance

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

Plus en détail

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant :

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant : STATISTIQUES Cours Termale ES O observe que, das certas cas, l semble ester u le etre deu caractères statstques quattatfs (deu varables) sur ue populato ; par eemple, etre le pods et la talle d u ouveau-é,

Plus en détail

CHAPITRE I : LES SERIES STATISTIQUES A DEUX DIMENSIONS : DISTRIBUTIONS MARGINALES ET CONDITIONNELLES

CHAPITRE I : LES SERIES STATISTIQUES A DEUX DIMENSIONS : DISTRIBUTIONS MARGINALES ET CONDITIONNELLES CHAPITRE I : LES SERIES STATISTIQUES A DEU DIMESIOS : DISTRIBUTIOS MARGIALES ET CODITIOELLES CHAPITRE I : LES SERIES STATISTIQUES A DEU DIMESIOS : DISTRIBUTIOS MARGIALES ET CODITIOELLES Il est très courat

Plus en détail

La statistique et les statistiques

La statistique et les statistiques Psy004 Secto : La statstque et les statstques Pla du cours: 0.0: Beveue 0.: Les catégores du savor 0.: Survol de la psychologe 0.3: Le pla de cours 0.4: Les assstats.0: La physque: scece exacte?.: Scece

Plus en détail

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1

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 détail

BTS BIOCHIMIE & ANALYSES BIOLOGIQUES 2001

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

Plus en détail

III ESPERANCE MATHEMATIQUE

III ESPERANCE MATHEMATIQUE /9 ésumé de ours e alul des probabltés (JJ bellager III ESPEAE MATHEMATIQUE I.Défto et alul de l espérae mathématque d ue VA La défto la plus géérale de l espérae d u VA : (do à valeurs postves ou ulles

Plus en détail

sont distincts 2 à 2.

sont distincts 2 à 2. Lycée Thers CORRIGÉ TP PYTHON - 09 L algorthme des k-meas pour partager u uage de pots e u ombre doé de classes peu dspersées 1 - La méthode de Forgy [Qu. 1] 1) Cette double somme comporte termes pusque

Plus en détail

Lucyna FIRLEJ IUT Mesures Physiques Statistiques C1

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

Plus en détail

LEÇON N 6 : Loi de Poisson, loi normale.

LEÇON N 6 : Loi de Poisson, loi normale. LEÇON N 6 :. Pré-requs : Probabltés : défto, calculs et probabltés codtoelles ; Lo bomale cf. leço o 5) ; Noto de varables aléatores dscrètes et cotues cf. leços o 4 et 7), et proprétés assocées : espérace,

Plus en détail

Analyse Statistique des Données de Lifetest

Analyse Statistique des Données de Lifetest Aalyse Statstque des Doées de Lfetest Evas Gouo Laboratore de Statstque Applquée de l Uversté de Bretage-Sud Pla Gééraltés Les modèles paramétrques Essas accélérés : modèle d accélérato Exemple Step-Stress

Plus en détail

Analyse de régression

Analyse de régression Itroducto à la régresso Aalyse de régresso La régresso est utlsée pour estmer ue focto f( ) décrvat ue relato etre ue varable explquée cotue,, et ue ou pluseurs varables explcatves,. = f(,, 3,, )+ε Remarque

Plus en détail

E(X i ) par linéarité de l espérance.

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

Plus en détail

Mots de longueur donnée à base de P lettres, et fonction génératrice

Mots de longueur donnée à base de P lettres, et fonction génératrice Mots de logueur doée à base de lettres, et foctio géératrice Cosidéros les mots de logueur à base de lettres, avec etier positif. ) Combie existe-t-il de tels mots? La première lettre du mot est l ue des

Plus en détail

STATISTIQUE : ESTIMATION

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

Plus en détail

Calculs en chromatographie

Calculs en chromatographie Calculs e chroatographe éthode de la oralsato tere... 1 Coeffcet de répose assque relatf... 1 Calcul des pourcetages assques... 2 Calcul des pourcetages olares... 3 xeple d aalyse CG d ue substtuto copéttve

Plus en détail

Analyse de survie. Michel Fioc. (Michel.Fioc@iap.fr, www2.iap.fr/users/fioc/enseignement/analyse_de_survie/)

Analyse de survie. Michel Fioc. (Michel.Fioc@iap.fr, www2.iap.fr/users/fioc/enseignement/analyse_de_survie/) École doctorale d astroome et d astrophysque d Île de Frace. I.A.P., févrer 2013 Post-master. Approche statstque bayésee par l exemple Aalyse de surve Mchel Foc (Mchel.Foc@ap.fr, www2.ap.fr/users/foc/esegemet/aalyse_de_surve/)

Plus en détail

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an BTS BLANC Ma 0 Epreuve : Mathématques Géérales et Applquées Flère : DA / ARLE Durée: heures NB : Chaque parte dot être tratée sur des copes dfféretes I- MATHEMATIQUES GENERALES Exercce a b Sot le Sot la

Plus en détail

Chapitre 1. Résumé d une distribution statistique

Chapitre 1. Résumé d une distribution statistique Chaptre. Résumé d ue dstrbuto statstque.. Cocepts de base de la statstque descrptve Populato = O appelle populato assocée à ue épreuve l esemble des résultats possbles d ue «épreuve». E statstques, le

Plus en détail

ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES

ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES SOMMAIRE. Normes sur u espace vectorel E 2.. Défto d'ue orme. Cter l'égalté tragulare reversée. 2.2. Normes usuelles

Plus en détail

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR

Semestre : 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

Intervalles de fluctuation et de confiance

Intervalles de fluctuation et de confiance Chapitre 9 Itervalles de fluctuatio et de cofiace Sommaire 9.1 Itervalle de fluctuatio................................... 157 9.1.1 Quelques rappels..................................... 157 9.1.2 Itervalle

Plus en détail

Partie I : Gestion de portefeuilles actions Chapitre 3 Gestion de Portefeuille Moyenne-Variance

Partie I : Gestion de portefeuilles actions Chapitre 3 Gestion de Portefeuille Moyenne-Variance Parte I : Gesto de portefeulles actos Chaptre 3 Gesto de Portefeulle Moyee-arace Gesto de Portefeulle D. Msae edemet d ue acto Cette parte est cosacrée à u apport mportat de la théore facère modere qu

Plus en détail

Chapitre III. Gaz parfaits

Chapitre III. Gaz parfaits Chatre III Gaz arfats IIIA : Déftos rorétés IIIAI : Gééraltés : U gaz arfat est u flude déal qu satsfat à l équato d état vr, ou ecore c est u gaz qu obét rgoureusemet aux tros los MARIOE, GAY LUSSAC et

Plus en détail

PRO 1 EXPRO010 EXPRO019

PRO 1 EXPRO010 EXPRO019 Exercces résolus de mathématques. PRO 1 EXPRO010 EXPRO019 http://www.matheux.be.tf Jacques ollot 1 avrl 03 www.matheux.be.tf - PRO 1-1 - EXPRO010W Ue ure cotet boules blaches ( 4) et 10 boules ores. O

Plus en détail

IREM Section Martinique Groupe Lycée. QCM pour la classe de Terminale S

IREM Section Martinique Groupe Lycée. QCM pour la classe de Terminale S IREM Secto Matque Goupe Lycée QCM pou la classe de Temale S QCM : Calculatce o autosée Pou chaque questo, seules ou popostos sot vaes. Recope la ou les popostos vaes. Sot f la focto défe su IR pa f ( )

Plus en détail

Chapitre III : Les caractéristiques de dispersion

Chapitre III : Les caractéristiques de dispersion Chaptre III : Les caractérstques de dsperso Les caractérstques de tedace cetrale e sot pas toujours suffsates pour caractérser ue sére statstque, car séres peuvet avor Mo= Me = x alors qu elles sot dstrbuées

Plus en détail

Correction Exercices du MODULE 1 : M1Exo4b Distribution statistique à un caractère

Correction Exercices du MODULE 1 : M1Exo4b Distribution statistique à un caractère Exo Math Stat Correcto exercces du Module Dstrbuto statstque à u caractère MExo4b Correcto Exercces du MODULE : MExo4b Dstrbuto statstque à u caractère Exercce Mexo4 b Objectf : Cet exercce trate du calcul

Plus en détail

1 Programme de l agrégation interne

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

Plus en détail

LOI NORMALE ET LOIS DERIVEES

LOI NORMALE ET LOIS DERIVEES Prcpes et Méthodes de la Bostatstque Chaptre 5 LOI NORMALE ET LOIS DERIVEES A-LA LOI NORMALE Présetato La dstrbuto ormale, dte ecore de Laplace-Gauss, est pour des rasos qu apparaîtrot plus lo, la plus

Plus en détail

[ ] IV.- Espérance mathématique de l estimateur  : Nous avons ( ) ε. alors l espérance mathématique sera : soit

[ ] IV.- Espérance mathématique de l estimateur  : Nous avons ( ) ε. alors l espérance mathématique sera : soit Itroducto à l écoométre S6-EF sc. éco. & gesto Prof. Mohamed El Meroua IV.- Espérace mathématque de l estmateur  : A ˆ A + X X X Nous avos ( ε alors l espérace mathématque sera : E ( E( A + E[ ( X X X

Plus en détail

ANALYSE DES ENQUETES CAS-TEMOINS. AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séries non appariées) ad bc. , bc. 762, nmnm

ANALYSE DES ENQUETES CAS-TEMOINS. AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séries non appariées) ad bc. , bc. 762, nmnm I. DEFINITION ANALYSE DES ENQUETES CAS-TEMOINS AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séres o apparées) Dr F. Séguret Départemet d Iformato Médale, Épdémologe et Bostatstques U facteur F est ue

Plus en détail

Corrigé du baccalauréat Polynésie 16 juin 2014 STI2D STL spécialité SPCL

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

Plus en détail

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

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

Plus en détail

PRINCIPES DES STATISTIQUES INFERENTIELLES

PRINCIPES DES STATISTIQUES INFERENTIELLES Chaptre 3 PRINCIPES DES STATISTIQUES INFERENTIELLES Bases de la statstque féretelle PLPSTA0 0 Chaptre 3 1. Problématque. Objectfs des statstques féretelles.1 Estmato poctuelle. Estmato par tervalles.3

Plus en détail

2013 LES DÉLAIS DE PAIEMENT. STATISTIQUES DE 2000 À 2012 EN NOMENCLATURE NAF rev. 2

2013 LES DÉLAIS DE PAIEMENT. STATISTIQUES DE 2000 À 2012 EN NOMENCLATURE NAF rev. 2 203 LES DÉLAIS DE PAIEMENT STATISTIQUES DE 2000 À 202 EN NOMENCLATURE NAF rev. 2 Javer 204 Itroducto Des séres statstques chroologques des délas de paemet et du solde du crédt teretreprses sot dspobles

Plus en détail

NOTATIONS ET FORMULAIRE

NOTATIONS ET FORMULAIRE Uversté PARIS DESCARTES Lcece de Psychologe L1 ADP1- Resp : Mrelle LAGARRIGUE page 1/5 PROTOCOLE SUR U ECHA TILLO NOTATIONS ET FORMULAIRE Esemble des sujets de l échatllo S { s 1 ; s ;.; s } (1) Varable

Plus en détail

AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION

AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION. INTRODUCTION Il est fréquet de s'terroger sur la relato qu peut exster etre deux gradeurs e partculer das les problèmes de prévso et d estmato. Tros types

Plus en détail

5. Variables aléatoires simultanées

5. Variables aléatoires simultanées 5. Varables aléatores smultaées 5.1 Coule de varables aléatores Défto 1 Pour tout dce das 1, sot X ue varable aléatore. O dt que X X 1 X est ue varable aléatore de dmeso. Nous ous téresseros rcalemet aux

Plus en détail

SCHEMA DE BERNOULLI ET LOI BINOMIALE. EXEMPLES

SCHEMA DE BERNOULLI ET LOI BINOMIALE. EXEMPLES SCHEMA DE BERNOULLI ET LOI BINOMIALE EXEMPLES Nveau : termale Pré-requs : Espace probablsé Varable aléatore réelle sur u espace probablsé f Lo de probablté de X Espérace mathématque Varace O se place das

Plus en détail

1. Test d indépendance du KHI-2

1. Test d indépendance du KHI-2 1. Test d dépedace du HI- Ecrre ue focto qu réalse le test d dépedace du kh-. Etrée : x et y, deux vecteurs, de type factor Sorte : statstque de test, degrés de lberté, p-value Idcatos : Vous devez vérfer

Plus en détail

On applique le théorème de Pythagore au triangle AIE est rectangle en I AI 2 IE 2 AE 2 IE IE 1 2

On applique le théorème de Pythagore au triangle AIE est rectangle en I AI 2 IE 2 AE 2 IE IE 1 2 Exercce Lba 6 4 pots O cosdère u solde ADECBF costtué de deux pyramdes detques ayat pour base commue le carré ABCD de cetre I. Ue représetato e perspectve de ce solde est doée e aexe (à redre avec la cope).

Plus en détail

Plan Granulométrie par diffusion de lumière

Plan Granulométrie par diffusion de lumière Pla Graulométrie par diffusio de lumière Structure des systèmes colloïdaux Diffusio de lumière par ue particule. Diffusio Rayleigh. Diffractio de Frauhofer.3 Diffusio de Mie 3 Applicatio : graulométrie

Plus en détail

I. Qu est-ce qu une variable aléatoire?

I. Qu est-ce qu une variable aléatoire? I. Qu est-ce qu ue varable aléatore?. Défto : Sot ue expérece aléatore dot l esemble des résultats possbles (l uvers est oté Ω. Ue varable aléatore est ue focto X allat de Ω sur R, c est-à-dre que c est

Plus en détail

SYSTEME FERME EN REACTION CHIMIQUE

SYSTEME 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 détail

Serie statistique double

Serie statistique double Sere statstque double Dstrbutos margales Actvté U relevé statstque des talles (e cm) et des pods Y (e kg) d u échatllo de 00 élèves a perms de costrure le tableau suvat : Y [0, 5[ [5, 50[ [50, 55[ [55,

Plus en détail

L2 Mention Informatique. UE Probabilités. Chapitre 3 : Variables aléatoires réelles

L2 Mention Informatique. UE Probabilités. Chapitre 3 : Variables aléatoires réelles L Meto Iformatque UE Probabltés Chaptre 3 : Varables aléatores réelles Notes de cours rédgées par Rége Adré-Obrecht, Jule Pquer, Serge Solovev Sot (, A, P) Ω et X : Ω R ue varable aléatore. I. Varable

Plus en détail

Améliorer la productivité

Améliorer la productivité Maurce Pllet Amélorer la productvté Déploemet dustrel du toléracemet ertel, 00 SBN : 978---54754- Commet calculer ue tolérace ertelle 75 Nous avos doc u toléracemet par tervalle sur les exgeces foctoelles

Plus en détail

Comment représenter les variables aléatoires (données)? Paramètres descriptifs. Quels sont les paramètres descriptifs de la position?

Comment représenter les variables aléatoires (données)? Paramètres descriptifs. Quels sont les paramètres descriptifs de la position? Paramètres descrptfs Cours VETE043- Aée académque 06-07 Commet représeter les varables aléatores (doées)? Représetato sythétque Tables de fréqueces Représetato graphque Dagrammes de fréqueces Paramètres

Plus en détail

Questions pour un champion en ligne

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

Plus en détail

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES ANALYSE DES DONNÉES TEST DU KHI-DEUX ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES Perre-Lous Gozalez Mesure de la laso etre deux varables qualtatves Kh deux Equête : Êtes-vous «pas du tout d accord»

Plus en détail

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

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

Plus en détail

EPREUVE DE MATHEMATIQUES

EPREUVE DE MATHEMATIQUES Sesso févrer 009 BREVET DE TECHNICIEN SUPERIEUR «COMPTABILITE ET GESTION DES ORGANISATIONS» EPREUVE DE MATHEMATIQUES Durée : heures Coeffcet : Matérel et documets autorsés : L usage des strumets de calcul

Plus en détail

Chapitre 4 Lois discrètes

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

Plus en détail

LE PARAMETRAGE DU MRP SOUS INCERTITUDES DE DELAIS D APPROVISIONNEMENTS ET DEMANDE : LE CAS DE SYSTEME D ASSEMBLAGE A UN NIVEAU

LE PARAMETRAGE DU MRP SOUS INCERTITUDES DE DELAIS D APPROVISIONNEMENTS ET DEMANDE : LE CAS DE SYSTEME D ASSEMBLAGE A UN NIVEAU 8 e Coférece Iteratoale de MOdélsato et SIMulato - MOSIM 0-0 au 2 ma 200 - Hammamet - Tuse «Evaluato et optmsato des systèmes ovats de producto de bes et de servces» LE PARAMETRAE U MRP SOUS INCERTITUES

Plus en détail

Chapitre 1 : Les notions de base

Chapitre 1 : Les notions de base Chapitre : Les otios de base Itroductio I Comparer des gradeurs A) Les pourcetages B) Taux de variatio, coefficiet multiplicateur, idice C) Importace du ses de la comparaiso ) Raisoemet sur les taux de

Plus en détail

Nombre de Clients [0 ; 50[ 72. x i. n i [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200 ; 250 [ 18

Nombre de Clients [0 ; 50[ 72. x i. n i [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200 ; 250 [ 18 1 U commerçat a relevé le motat des dépeses e euros de chaque clet au cours d ue semae. Motat des dépeses Clets [0 ; 50[ 72 x x - x ) - x )² -x ) ² [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200

Plus en détail

Lois de probabilités liées aux tirages de boules dans une urne Approche sondage : échantillonnage et estimation dans une population finie

Lois de probabilités liées aux tirages de boules dans une urne Approche sondage : échantillonnage et estimation dans une population finie Los de probabltés lées aux trages de boules das ue ure Approche sodage : échatlloage et estmato das ue populato fe Das le ouveau programme de secode, retrée 2009, sot scrtes les otos d'tervalle de fluctuato

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE 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 détail

Partie 1. Corrigé de CCIP 2000 par Pierre Veuillez

Partie 1. Corrigé de CCIP 2000 par Pierre Veuillez Corrgé de CCIP 2000 par Perre Veullez Das tout le problème, désge u eter aturel o ul. O cosdère ue ure U coteat boules umérotées de à. O tre ue boule au hasard das U. O ote k le uméro de cette boule. S

Plus en détail

Corrélation et régression linéaire

Corrélation et régression linéaire Corrélaton et régresson lnéare 1. Concept de corrélaton. Analyse de régresson lnéare 3. Dfférences entre valeurs prédtes et observées d une varable 1. Concept de corrélaton L objectf est d analyser un

Plus en détail

La classification de données quantitatives avec SPAD

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

Plus en détail

6- Tests statistiques - 1. Chapitre 6 : Tests d hypothèses

6- Tests statistiques - 1. Chapitre 6 : Tests d hypothèses 6- Tests statstques - Chaptre 6 : Tests d hypothèses 6. Costructo d u test et règle de décso... 6. ussace d u test...3 6.3 Quelques tests d hypothèses...4 6.3. Test sur la moyee d ue dstrbuto ormale de

Plus en détail

Devoir de contrôle n 1. 4 ème Maths 1 Radès. Répondre par Vrai au Faux aux questions propositions suivantes. Aucune justification n est demandée.

Devoir de contrôle n 1. 4 ème Maths 1 Radès. Répondre par Vrai au Faux aux questions propositions suivantes. Aucune justification n est demandée. Lycée Ib Khaldou Devor de cotrôle ème Maths Radès ( heure) Mr ABIDI Fard Mathématques Mercred 9 Novembre 0 Exercce : ( pots) Répodre par Vra au Faux aux questos propostos suvates Aucue justfcato est demadée

Plus en détail

Coefficient de partage

Coefficient 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 détail

I- Rappel I-1. Types de tirages : Soit un ensemble fini E contenant n éléments. On considère l'épreuve suivante : " tirer p éléments de E ".

I- Rappel I-1. Types de tirages : Soit un ensemble fini E contenant n éléments. On considère l'épreuve suivante :  tirer p éléments de E . Cours de termiales Probabilités sur u esemble fii Mr ABIDI F I- Rappel I- Types de tirages : Soit u esemble fii E coteat élémets O cosidère l'épreuve suivate : " tirer p élémets de E " Type de tirages

Plus en détail

Value at Risk en assurance : recherche d une méthodologie à long terme

Value at Risk en assurance : recherche d une méthodologie à long terme Value at Rsk e assurace : recerce d ue métodologe à log terme Marc FEDOR Uversté Pars Daupe Jule MOREL ISFA Uversté Lyo I RESUME La Value at Rsk est deveue u stadard de la gesto de rsque das le mode facer.

Plus en détail

MATERIEL UTILISE : CALCULATRICE AUTORISEE OUI NON

MATERIEL UTILISE : CALCULATRICE AUTORISEE OUI NON BAC BLANC MATIERE : MATHEMATIQUES OBLIGATOIRE CLASSE de : Termale S SALLE : Grade Permaece PROFESSEUR : Mle GUIHENEUF ATE : Vedred javer 6 HEURE ébut : 8 h HEURE f : h MATERIEL UTILISE : CALCULATRICE AUTORISEE

Plus en détail

III GRANDEURS MOLAIRES

III GRANDEURS MOLAIRES Chaptre III GRNDEURS MOLIRES Gradeurs molares - Gradeur molare d u corps pur ou d u age de corps purs Sot u système thermodyamque costtué de moles d u même composé, o assoce à ue gradeur extesve de ce

Plus en détail

(D après sujet de BEP Secteur 6 Groupement interacadémique II Session juin 2005)

(D après sujet de BEP Secteur 6 Groupement interacadémique II Session juin 2005) EXERCICES SUR LES STATISTIQUES Exercce 1 Un commerçant effectue des lvrasons de fuel pour les chaudères. La répartton des volumes dstrbués à chaque lvrason s effectue selon le tableau suvant : Volumes

Plus en détail

" BIOSTATISTIQUE - 1 "

 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 détail

GIN FA 4 02 01 INSTRUMENTATION P Breuil

GIN 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 détail

Séries entières. Chap. 09 : cours complet.

Séries entières. Chap. 09 : cours complet. Séries etières Chap 9 : cours complet Rayo de covergece et somme d ue série etière Défiitio : série etière réelle ou complee Théorème : lemme d Abel Théorème : itervalle des valeurs positives où ue série

Plus en détail

3) Calculer le pourcentage de personnes ayant entre 30 et 50 ans.

3) Calculer le pourcentage de personnes ayant entre 30 et 50 ans. http://maths-scences.fr EXERCICES SUR LES STATISTIQUES Exercce 1 Un concessonnare automoble étude l âge des acheteurs de votures de son garage. Deux documents ncomplets (un tableau et un hstogramme) rendent

Plus en détail

IR homogène de degré α ( α IR ). (0.5 pt.)

IR homogène de degré α ( α IR ). (0.5 pt.) Javer 05 ( heures et 0 mutes) a) Sot IN 0 \ {} Défr : sous-esemble boré de IR sous-esemble covee de IR b) Soet les sous-esembles suvats de IR : A [-4,0] [0,] B {(,y) IR : + y 9} Représeter graphquemet,

Plus en détail

Comportement d'une suite

Comportement 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 détail

Chaque élément de la population étudiée est : une unité statistique ou un individu (élève, pièce fabriquée, trajet journalier)

Chaque élément de la population étudiée est : une unité statistique ou un individu (élève, pièce fabriquée, trajet journalier) htt://maths-scences.fr STATISTIQUES I) Le vocabulare utlsé en statstques ) Caractère d une oulaton Les outls et les méthodes des études statstques s alquent à des ensembles d éléments nommés oulatons (exemle

Plus en détail

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

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

Plus en détail

6GEI300 - Électronique I. Examen Partiel #1

6GEI300 - Électronique I. Examen Partiel #1 6GEI3 Électroque I Autome 27 Modalté: Aucue documetato est permse. Vous avez drot à ue calculatrce o programmable. La durée de l exame est de 3h Cet exame compte pour 2% de la ote fale. Questo 1. Questos

Plus en détail

CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4

CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4 page1/6 CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4 Dosser "Défcece" 1) = 30 pour les groupes. Les classes sot d'ampltudes dfféretes doc...utlser la desté (rappel : desté = effectf/ampltude). Durée

Plus en détail

Séries de Fourier 12-1

Séries de Fourier 12-1 Séres de Fourer 1-1 Sommare 1. Applcato de classe C 1 par morceaux 1 1.1. Applcato de classe C 1 par morceaux 1 1.. Applcato -pérodque C 1 par mcx. 1 1.3. pérato sur les applcatos C 1 par mcx 1. Sére de

Plus en détail

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

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

Plus en détail

On peut représenter la situation par un arbre : On a donc p(b 1 B 2)= p(b 1) p (B ) = 3 4 = 3.

On peut représenter la situation par un arbre : On a donc p(b 1 B 2)= p(b 1) p (B ) = 3 4 = 3. T ale S Correctio Exercices type bac de Probabilités. Mars Exercice : Ue ure cotiet au départ 0 boules blaches et 0 boules oires idiscerables au toucher. O tire au hasard ue boule de l ure : Si la boule

Plus en détail

Rappel (voir cours 1). On obtient l ampleur de chacune de ces dispersions par les sommes suivantes :

Rappel (voir cours 1). On obtient l ampleur de chacune de ces dispersions par les sommes suivantes : Master SV U7 COURS III - - Aalyse de varace (ANOVA I Patrc Coqullard I. ANOVA T RGRSSION MULTIPL I.. Rappels Ue régresso multple s accompage toujours d ue aalyse de varace ( ANalyse Of VArace = ANOVA.

Plus en détail

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont interdites. * * *

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont interdites. * * * SESSION 003 EPREUVE SPECIFIQUE FILIERE MP MAHEMAIQUES 1 Durée : 4 heures Les calculatrces sot terdtes * * * NB : Le caddat attachera la plus grade mportace à la clarté, à la précso et à la cocso de la

Plus en détail

Séries chronologiques

Séries chronologiques Séres chroologques Rappel : Détermato de l équato d ue drote passat par pots. ( so équato peut se mettre sous la forme y ax + b ) ex : Détermato de l équato de la drote passat par les pots : A ( - ; -5

Plus en détail

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période)

Mathématiques 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 détail

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

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

Plus en détail

Calculs financiers. Auteur : Philippe GILLET

Calculs financiers. Auteur : Philippe GILLET Clculs fcers Auteur : Phlppe GILLET Le tux d térêt Pour l empruteur qu e dspose ps des fods écessres, l représete le prx à pyer pour ue cosommto mmédte. Pour le prêteur, l représete le prx ecssé pour l

Plus en détail