Estimation d un ratio

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Estimation d un ratio"

Transcription

1 Chapitre 6 Etimation d un ratio Dan ce chapitre, nou étudion l etimation d un ratio qui et une fonction non linéaire de deux totaux L etimation ur un domaine qui et un exemple d application de l etimation d un ratio et détaillée 61 Etimation d un ratio 611 Introduction Exemple 1 Suppoon une population de ménage, y k le revenu du ménage k et z k le nombre de peronne compoant le ménage Le revenu moyen par tête dan cette population et : R = y k = t y t z z k R et ce qu on appelle un ratio, c et-à-dire le rapport de deux totaux ur une même population Exemple 2 La proportion d électeur qui, dan une élection préidentielle, choiient un candidat particulier et le rapport : ombre de votant qui choiient le candidat / ombre de uffrage exprimé Cette proportion doit être etimée comme un ratio car la taille de la population, c et-à-dire le nombre d électeur qui votent n et pa connue 612 Cadre général de l etimation d un ratio On dipoe d un plan de ondage de probabilité incluion, et l n échantillon et obtenu par ce plan et on oberve y k,z k,k On etime le ratio R par le quotient de etimateure H-T de totaux : ˆR = ˆt yπ (61) ˆt zπ C et un etimateur non linéaire et on ne peut donc pa calculer exactement on epérance mathématique ou en obtenon une expreion approchée par une technique claique en ondage : la linéariation Epérance mathématique et variance approchée de ˆR Appelon f la fonction de totaux qui donne le ratio : f(y, z) =y/z et écrivon le développement de Taylor à l ordre 1 de f et au voiinage de y 0 = t y et z 0 = t z On obtient : ˆR t y t z R t z (ˆt zπ t z )+ 1 t z (ˆt yπ t y ) 3

2 4 CHAPITRE 6 ESTIMATIO D RATIO ou ˆR R + 1 y k Rz k (62) t z Prenant l epérance mathématique deeux côtée (62), on obtient : E( ˆR) R L etimateur ˆR et an biai au premier ordre La variable ν k = 1 t z (y k Rz k ) (63) et appelée linéariée de R = t y /t z On voit ur (62) que la variance linéariée de ˆR, c et-à-dire la variance du côté droit de (62), n et autre que la variance de ν k, etimateur du total de la linéariée On peut donc appliquer le réultat obtenu pour l etimation d un total par le valeurilatée : ( ) var( ˆR) ν k var = π Δ kl ˇν k kˇν l où ˇν k = ν k / On ne connaît ni R ni t z, on le remplace donc par R et t z pour obtenir une etimation de variance : var( ˆR) = Δ kl ˇ νkˇ νl l où ν k =(y k Rz k )/ t z ote La linéariée et un outil claique pour approcher le variance etimateur complexe L ouvrage de Tillé contient un développement général ur cette notion Si on a utilié un plan de taille fixe on utiliera le expreione variance correpondante ou allon voir préciément la ituation pour un plan SI 613 Etimation d un ratio dan un plan SI Par un plan SI(,n) qui donne un échantillon an une population, on obtient y k,z k, k L etimateur du ratio et ˆR = t y t z = y z (64) On applique enuite le formule pécifique au plan SI pour l etimation de la variance du total ν k de la linéariée On obtient aini ( var( ˆR) 1 2 Sν, 2 = 1 ( 1 t 2 2 z Sy Rz, 2 (65) ( var( ˆR) 1 = 2 ˆν = 2 ( 1 t 2 z y ˆRz, var( ˆR) = 1 ( 1 z 2 y ˆRz, (66) avec ˆν = 1 n 1 ( ν k ν) 2 C et la formule (66) qu on utilie pour le calcul pratique Si nouétaillon Sy Rz, 2 nou obtenon : Sy Rz, 2 = 1 1 [(y k Rz k ) (y Rz)] 2 = y 2RS yz, + R 2 Sz 2 (67)

3 62 ESTIMATIO SR DOMAIE 5 où S yz, = 1 1 (y k y)(z k z) et la covariance entre y et z ur On a de même, en vue de calcul pratique : y ˆRz, = S2 y 2 RS yz, + R 2 z 62 Etimation ur un domaine L etimation ur un domaine et une quetion trè étendue L expoé qui uit n et qu un traitement trè élémentaire, mai qui montre une utiliation de l etimation d un ratio 621 Introduction On veut ouvent, à l occaion d un ondage, etimer le total d une variable d intérêt, non eulement ur la population ur laquelle le plan de ondage et défini mai aui ur une ou de ou-population de non prie en compte par le plan Dan le préent chapitre, la ou-population particulière à laquelle appartient chaque élément de l échantillon et contatée aprè ondage On appelle domaine et on note d, toute ou-population pour laquelle on veut une etimation éparée du total et de la moyenne et de intervallee confiance aocié Si la ou-population d intérêt repréente une fraction aez importante de, le technique ordinaire qu on va voir d abord, donnent de bon réultat Pour un petit domaine, c et-à-dire pour une ou-population qui ne repréente qu une petite fraction de, il e peut que l échantillon prélevé par un plan ur ne contienne que peu d élémentu domaine Le etimateur uuel riquent d avoir une forte erreur quadratique On met en œuvre de etimateur utiliant de l information auxiliaire ou n abordon pa cette quetion dan cette préentation purement introductive Exemplee domaine n domaine et ouvent une région géographique, ( Small area etimation déigne l enemble de technique pour de petitomaineéfini géographiquement) L unité et par exemple le ménage, le domaine un canton et on veut etimer le revenu moyen de ménage par canton n domaine peut être une marque commerciale de voiturean la population de voiture vendue une certaine année dan un pay On veut etimer de parte marché L information exhautive et connue avec retard ne étude par ondage peut fournir rapidement une information fiable Pour une région géographique donnée, un domaine peut être l enemble de habitant ayant eu une certaine maladie On et aui amené à faire de l etimation ur un domaine quand la bae de ondage, c et-à-dire l organiation de la population contient trictement la population d intérêt 622 Etimation ur un domaine - notion élémentaire On appelle domaine une ou-population d de taille d, d et le ondage porte ur On note, l le probabilité incluion, Δ kl le covariancee indicatrice incluion et l échantillon ur obtenu On oberve y k aini que l appartenance éventuelle au domaine, k oton = d, le ou-échantillon contaté appartenir à d La taille n d de et aléatoire On enviage l etimation du total t y,d d une variable d étude y ur d et de a moyenne : y d t y,d = d y k y d = t y, d d { 1 i k d Introduion z dk = 0 inon

4 6 CHAPITRE 6 ESTIMATIO D RATIO On peut maintenant écrire : t y,d = y kz dk, d = z dk L etimation du total ur d et aini ramenée à un problème ur la population ur laquelle on a un plan de ondage D autre part la moyenne ur d e note : y d = y kz dk, (68) elle apparaît comme un ratio On peut maintenant écrire le etimateur : z dk t y,d = y kz dk / = y k / (69) et comme d et ouvent inconnue, l écriture de d comme un total, permet de définir : d = z dk = 1 (610) Enfin on applique la technique d etimation d un ratio pour etimer la moyenne ur d 1 L etimateur de la moyenne retenu et le rapport de etimateure totaux de numérateur et dénominateur : ỹ d = y k z dk = z dk t y,d d (611) 2 La linéariée et : ν k = 1 d (y k z dk y d z dk ) La variance approchée de ỹ d et donc : var app (ỹ d )= 1 d 2 Δ kl Comme z dk =0i k/ d, ceci e réduit à var app (ỹ d )= 1 d 2 y k z dk y d z dk d Δ kl y k y d y l z dl y d z dl y l y d 3 Enfin la variance approchée et etimée par : var(ỹ d )= 1 2 d Δ kl l y k ỹ d y l ỹ d 623 Ca un plan SI et Si le plan et SI(,n) ur alor : d = n d n, ỹ d = t y,d = n n y k n d n = y d y k (612)

5 62 ESTIMATIO SR DOMAIE 7 Poon v k = z dk (y k y d ), on vérifie facilement que v k =0 ou etimon maintenant la variance de ỹ d à l aide de réultat (64)à(66) L etimation de la variance et : var(ỹ d )= 1 ( 1 z 2 d ( ) n 2 ( 1 Syz 2 d y d z d, = n d v et Finalement : (n 1) yz d y d z d, = v2 k = v 2 k + v 2 k ( n var(y d )= n d v 2 k =(n d 1) y, v 2 k =0 ) 2 ( 1 nd 1 n 1 S2 y, 1 f Sy, 2 n d d Remarque et complément 1 Dan l etimation ur un domaine, il ne faut pa oublier que le plan porte ur, une population qui contient trictement le domaine, d où la néceité d introduire la variable z d pour e ramener à 2 Obervon que t y,d et baé ur un échantillon de taille aléatoire : n d = card() d Donc, pratiquement, on n attachera pa la même confiance à une telle etimation elon qu elle et baée ur peu ou ur beaucoup d obervation On peut cependant calculer la taille moyenne du ouéchantillon : E(n d )= z dk = d On peut aini avoir, avant tirage de l échantillon, i le domaine era bien repréenté en moyenne On peut de même calculer la variance de la taille

Stéphane Adjemian Le 27 juin 2016 à 15:06

Stéphane Adjemian Le 27 juin 2016 à 15:06 CROISSANCE (CORRECTION DE LA FICHE DE TD N 2) Stéphane Adjemian Le 27 juin 2016 à 15:06 EXERCICE 1 (1) Nou avon déjà montré dan la fiche de travaux dirigé n 1 que la dynamique du tock de capital par tête

Plus en détail

Emplois dans le secteur agricole : caractéristiques et évolution

Emplois dans le secteur agricole : caractéristiques et évolution Octobre 2014 Emploi dan le ecteur agricole : caractéritique et évolution Direction régionale de l alimentation, de l agriculture, et de la Forêt Service Régional pour l Information Statitique et Economique(SRISE)

Plus en détail

ÉLÉMENTS D OPTIMISATION. Complément au cours et au livre de MTH 1101 - CALCUL I

ÉLÉMENTS D OPTIMISATION. Complément au cours et au livre de MTH 1101 - CALCUL I ÉLÉMENTS D OPTIMISATION Complément au cours et au livre de MTH 1101 - CALCUL I CHARLES AUDET DÉPARTEMENT DE MATHÉMATIQUES ET DE GÉNIE INDUSTRIEL ÉCOLE POLYTECHNIQUE DE MONTRÉAL Hiver 2011 1 Introduction

Plus en détail

Statistiques Appliquées Rôle des femmes dans la société

Statistiques Appliquées Rôle des femmes dans la société Statistiques Appliquées Rôle des femmes dans la société Denis Schelling Semestre d automne 2012 Résumé A partir de données concernant le rôle des femmes dans la société, nous avons effectué une analyse

Plus en détail

STT-4600 STT-6220 CHAPITRE 2 Section 2.2 Échantillonnage probabiliste.

STT-4600 STT-6220 CHAPITRE 2 Section 2.2 Échantillonnage probabiliste. STT-4600 STT-60 CHAPITRE Section. Échantillonnage probabilite. Un plan de ondage aléatoire et une fonction de probabilité définie dan l enemble de ouenemble de la population U. Définir un plan de ondage

Plus en détail

Théorie des sondages : cours 5

Théorie 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 détail

EPFL 2010. TP n 3 Essai oedomètrique. Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilias Nafaï Weil Florian

EPFL 2010. TP n 3 Essai oedomètrique. Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilias Nafaï Weil Florian 1 EPFL 2010 Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilia Nafaï Weil Florian 11 Table de matière Ø Introduction 3 Ø Objectif 3 Ø Déroulement de l eai 4 Ø Exécution de deux palier de charge 6 Ø Calcul

Plus en détail

Échantillonnage et estimation

Échantillonnage et estimation Échantillonnage et estimation Dans ce chapitre, on s intéresse à un caractère dans une population donnée dont la proportion est notée. Cette proportion sera dans quelques cas connue (échantillonnage),

Plus en détail

Introduction à la théorie des sondages Challenge Graines de sondeur

Introduction à la théorie des sondages Challenge Graines de sondeur Introduction à la théorie des sondages Challenge Graines de sondeur Camelia Goga IMB, Université de Bourgogne-Dijon camelia.goga@u-bourgogne.fr Dijon, novembre 2015 C. Goga (Univ. de Bourgogne) Sondages

Plus en détail

Introduction aux sondages

Introduction aux sondages Service Universitaire d Enseignement à Distance Licence AES - Troisième année Introduction aux sondages Université Rennes 2 Place du Recteur H. le Moal CS 24307-35043 Rennes Tel : 02 99 14 18 21 Mel :

Plus en détail

Estimation. Anita Burgun

Estimation. Anita Burgun Estimation Anita Burgun Estimation Anita Burgun Contenu du cours Sondages Mesures statistiques sur un échantillon Estimateurs Problème posé Le problème posé en statistique: On s intéresse à une population

Plus en détail

Exercice : Calcul des délais dans une réseau

Exercice : Calcul des délais dans une réseau Exercice : Calcul de délai dan une réeau L objectif principal de cet exercice et de comprendre le calcul du délai de bout en bout d un meage (délai de tranfert) dan un réeau en terme de : - délai de tranmiion

Plus en détail

Chapitre 8: Inférence, échantillonnage et estimation

Chapitre 8: Inférence, échantillonnage et estimation Chapitre 8: Inférence, échantillonnage et estimation 1. Echantillonnage aléatoire simple 2. Inférence statistique 3. Estimation 4. Evaluation graphique de l adéquation d un modèle de distribution 1 L inférence

Plus en détail

ÉDUCATION, FORMATION ET CROISSANCE

ÉDUCATION, FORMATION ET CROISSANCE ÉDUCATION, FORMATION ET CROISSANCE CORRECTION DU PARTIEL Le 16 juillet 2017 à 0:35 Soient kt) le tock de capital phyique d une économie à l intant t, Lt) la population qui croît au taux contant n > 0,

Plus en détail

Analyse de spectres d absorbance pour la prédiction des taux de moisissure, de matières grasses et de protéines d échantillons de viande

Analyse de spectres d absorbance pour la prédiction des taux de moisissure, de matières grasses et de protéines d échantillons de viande Université de Nantes M2 Ingénierie Mathématiques Rapport de chimiométrie Analyse de spectres d absorbance pour la prédiction des taux de moisissure, de matières grasses et de protéines d échantillons de

Plus en détail

L exercice proposé au candidat

L exercice proposé au candidat «Oral» du Capes Externe de Mathématiques (6 Juin 5 Énoncé Thème : Intégration Cet énoncé est tiré de l exercice-jury proposé aux candidat(es le 6 Juin 5, lors de la deuxième épreuve orale (épreuve sur

Plus en détail

PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011

PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011 Projet 2009 2010 Biométrie 3D PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011 Département : TIC Mots clés : Biométrie, Analyse d images, Vision, Caméra thermique, Caméra temps de vol, Détection

Plus en détail

MATHÉMATIQUES ET SCIENCES HUMAINES

MATHÉMATIQUES ET SCIENCES HUMAINES MATHÉMATIQUES ET SCIENCES HUMAINES M. C. WEISS Variations pédagogiques sur le thème des échantillons systématiques Mathématiques et sciences humaines, tome 102 (1988), p. 39-45.

Plus en détail

3 Equations de Laplace et de Poisson

3 Equations de Laplace et de Poisson 3 Equations de Laplace et de Poisson 3. Formule d intégration par parties Soit un domaine borné à bord régulier de classe C. On note ν = ν(x) le vecteur normal extérieur au point x. Pour toutes fonctions

Plus en détail

Calcul de la taille d un échantillon

Calcul de la taille d un échantillon Calcul de la taille d un échantillon Pr. A. ILIADIS LaboratoiredePharmacocinétique U.F.R. de Pharmacie, Univerité de la Méditerranée iliadi@pharmacie.univ-mr.fr http://pharmapk.pharmacie.univ-mr.fr/ Réumé

Plus en détail

Ateliers D ÉCRITURE. Groupe 1. Groupe 2 Conjugaison. Groupe 4. Groupe 5 Vocabulaire. Groupe 6. Groupe 7 Grammaire. Production d écrits

Ateliers D ÉCRITURE. Groupe 1. Groupe 2 Conjugaison. Groupe 4. Groupe 5 Vocabulaire. Groupe 6. Groupe 7 Grammaire. Production d écrits Ateliers D ÉCRITURE Groupe 4 Groupe 7 Ateliers DE LECTURE Groupe 4 Groupe 7 Ateliers mathématiques Groupe 4 Géométrie Mesures Opérations Groupe 7 Opérations Géométrie Mesures Ateliers CULturels de la et

Plus en détail

COURS DE DENOMBREMENT

COURS DE DENOMBREMENT COURS DE DENOMBREMENT 1/ Définition des objets : introduction Guesmi.B Dénombrer, c est compter des objets. Ces objets sont créés à partir d un ensemble E, formé d éléments. A partir des éléments de cet

Plus en détail

Les sondes d oscilloscopes

Les sondes d oscilloscopes Le onde d ocillocope /6 I Decription Il exite troi grande catégorie de onde: - Le onde paive (, L, C, atténuatrice ou non, avec de rapport d atténuation de,, ou (Sonde X, X, X, X. - 2 Le onde active, qui

Plus en détail

2 Fonctions affines : définitions et propriétés fondamentales

2 Fonctions affines : définitions et propriétés fondamentales Chapitre 3 : Fonctions affines Dans tout ce chapitre, le plan est muni d un repère. 1 Rappels sur les équations de droite Une droite qui n est pas verticale a une unique équation du type y = ax + b, qu

Plus en détail

Soit une suite. On dit qu elle est géométrique si, partant du

Soit une suite. On dit qu elle est géométrique si, partant du Suites géométriques I) Définition Soit est un nombre entier naturel. Soit une suite. On dit qu elle est géométrique si, partant du TERME INITIAL, pour passer d un terme au suivant, on MULTIPLIE toujours

Plus en détail

Règlement intérieur (4 février 2008) (I) Membres adhérents et membres observateurs. nomme un représentant en charge:

Règlement intérieur (4 février 2008) (I) Membres adhérents et membres observateurs. nomme un représentant en charge: Union International de Biophysique Pure et Appliquée Règlement intérieur (4 février 2008) (I) Membres adhérents et membres observateurs Chaque membre adhérent et chaque membre observateur de l Union nomme

Plus en détail

Comment calculer la précision des estimateurs composites d Esane

Comment calculer la précision des estimateurs composites d Esane Comment calculer la précision des estimateurs composites d Esane Thomas Deroyon Insee - 18 Bd Adolphe Pinard Paris, thomas.deroyon@insee.fr Résumé. Les statistiques structurelles d entreprise permettent

Plus en détail

Il existe plusieurs coefficients qui permettent de mieux évaluer une distribution. Nous en examinons les principaux dans les lignes qui suivent.

Il existe plusieurs coefficients qui permettent de mieux évaluer une distribution. Nous en examinons les principaux dans les lignes qui suivent. Le coefficient Il exite pluieur coefficient qui permettent de mieux évaluer une ditribution. Nou en examinon le principaux dan le ligne qui uivent. Le coefficient de variation (CV) Le coefficient de variation

Plus en détail

Chapitre 6 TESTS STATISTIQUES

Chapitre 6 TESTS STATISTIQUES Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 6 TESTS STATISTIQUES Les tests statistiques sont des méthodes de la statistique inférentielle qui, comme

Plus en détail

Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq»

Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq» Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq» Guy Perrière Pôle Rhône-Alpes de Bioinformatique 14 novembre 2012 Guy Perrière (PRABI) Tests statistiques 14 novembre 2012 1 / 40 Plan

Plus en détail

THEORIE DU SONDAGE ALEATOIRE ET ETUDE D UN SONDAGE D OPINION AVANT LE 1ER TOUR D UNE ELECTION PRESIDENTIELLE. Martin KÖRNIG

THEORIE DU SONDAGE ALEATOIRE ET ETUDE D UN SONDAGE D OPINION AVANT LE 1ER TOUR D UNE ELECTION PRESIDENTIELLE. Martin KÖRNIG THEORIE DU SONDAGE ALEATOIRE ET ETUDE D UN SONDAGE D OPINION AVANT LE 1ER TOUR D UNE ELECTION PRESIDENTIELLE Martin KÖRNIG Résumé Après le dépouillement d un échantillon aléatoire, que sait-on sur l ensemble

Plus en détail

CHAPITRE 1 La nature de l économétrie et la structure des données économiques... 25

CHAPITRE 1 La nature de l économétrie et la structure des données économiques... 25 TABLE DES MATIÈRES Sommaire... 5 Avant- propos... 9 Remerciements... 19 À propos de l auteur... 23 CHAPITRE 1 La nature de l économétrie et la structure des données économiques... 25 1.1 Qu est- ce que

Plus en détail

Échantillonnage Équipe Académique Mathématiques - 2011

Échantillonnage Équipe Académique Mathématiques - 2011 Échantillonnage Équipe Académique Mathématiques - 2011 Fluctuation des échantillons Considérons une urne «de Bernoulli» (la population) contenant une proportion p de boules blanches, dont on extrait n

Plus en détail

1/4 2/4 3/4 4/4. 10. Estimation MTH2302D. S. Le Digabel, École Polytechnique de Montréal H2016. (v1) MTH2302D: estimation 1/50

1/4 2/4 3/4 4/4. 10. Estimation MTH2302D. S. Le Digabel, École Polytechnique de Montréal H2016. (v1) MTH2302D: estimation 1/50 10. Estimation MTH2302D S. Le Digabel, École Polytechnique de Montréal H2016 (v1) MTH2302D: estimation 1/50 Plan 1. Introduction 2. Estimation ponctuelle 3. Estimation par intervalles de confiance 4. Autres

Plus en détail

Les théorèmes de Gerschgorin et de Hadamard

Les théorèmes de Gerschgorin et de Hadamard Localisation des valeurs propres : Quelques propriétés sur les disques de Gerschgorin. Jean-Baptiste Campesato 22 septembre 29 Gerschgorin est parfois retranscrit en Gershgorin, Geršgorin, Hershhornou

Plus en détail

MATHEMATIQUES BTS1 2013-2014 Corrigés des devoirs

MATHEMATIQUES BTS1 2013-2014 Corrigés des devoirs MATHEMATIQUES BTS1 2013-201 Corrigés des devoirs CC 23 /09/2013 page2 CC 18/10/2013 page DV 25/11/2013 page 6 BTS Blanc 13/12/2013 page 8 CC 07/01/201 page 12 CC 0/02/201 page 1 BTS Blanc 27/02/201 page

Plus en détail

Statistiques. IUT Biotechnologie 2ème année. Jean-Christophe Breton Université de La Rochelle Octobre-Novembre 2008

Statistiques. IUT Biotechnologie 2ème année. Jean-Christophe Breton Université de La Rochelle Octobre-Novembre 2008 Statistiques IUT Biotechnologie 2ème année Jean-Christophe Breton Université de La Rochelle Octobre-Novembre 2008 version du 04 octobre 2008 Table des matières 1 Lois de probabilité usuelles 1 1.1 Dénombrement................................

Plus en détail

Ecole du Louvre Réorganisation du deuxième cycle sur le modèle des masters

Ecole du Louvre Réorganisation du deuxième cycle sur le modèle des masters Ecole du Louvre Réorganiation du deuxième cycle ur le modèle de mater maquette Première année, dite «M1» Premier emetre L eneignement e compoe : de cour magitraux conacré aux matière fondamentale de la

Plus en détail

Le problème des multiplications matricielles enchaînées peut être énoncé comme suit : étant

Le problème des multiplications matricielles enchaînées peut être énoncé comme suit : étant Licence informatique - L Année 0/0 Conception d algorithmes et applications (LI) COURS Résumé. Dans cette cinquième séance, nous continuons l exploration des algorithmes de type Programmation Dynamique.

Plus en détail

Introduction à l étude des Corps Finis

Introduction à l étude des Corps Finis Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur

Plus en détail

Préparation aux épreuves écrites du CAPES Conseils de rédaction

Préparation aux épreuves écrites du CAPES Conseils de rédaction Préparation aux épreuves écrites du CAPES Conseils de rédaction Claire Debord Le texte qui suit est une libre compilation de plusieurs textes sur le même thème, notamment ceux de Christophe Champetier

Plus en détail

Exercice sur les tubulaires

Exercice sur les tubulaires Exercice ur le tubulaire Dominique Proudhon, IREM d Aix-Mareille dominique.proudhon@ac-aix-mareille.fr 11 Mai 211 Table de matière 1 Introduction 2 1.1 Poition du problème.....................................

Plus en détail

.:: Module Mathématiques I : Algèbre ::.

.:: Module Mathématiques I : Algèbre ::. Université Mohammed V - Agdal Faculté des Sciences Département de Mathématiques et Informatique Avenue Ibn Batouta, B.P. 1014 Rabat, Maroc.:: Module Mathématiques I : Algèbre ::. Filière : Sciences de

Plus en détail

ECHANTILLONNAGE. I. Notion d échantillon. Intervalle de fluctuation

ECHANTILLONNAGE. I. Notion d échantillon. Intervalle de fluctuation sur 7 ECHANTILLONNAGE Le principe : On considère par exemple l'expérience suivante consistant à lancer plusieurs fois un dé et à noter si la face supérieure affichée est un 4 ou un autre nombre. La valeur

Plus en détail

Au menu. Cours 7: Classes Probabilistes. Application : Calcul de la médiane. Sous menu. Retours sur quelques algorithmes.

Au menu. Cours 7: Classes Probabilistes. Application : Calcul de la médiane. Sous menu. Retours sur quelques algorithmes. Au menu Cours 7: Classes Probabilistes Olivier Bournez bournez@lix.polytechnique.fr LIX, Ecole Polytechnique Retours sur quelques algorithmes Quelques résultats INF561 Algorithmes et Complexité 1 2 Sous

Plus en détail

Fonctions modulaires. Caroline Dumoulin. Université de Fribourg (Suisse) 25.10.2007

Fonctions modulaires. Caroline Dumoulin. Université de Fribourg (Suisse) 25.10.2007 Fonctions modulaires Caroline Dumoulin Université de Fribourg (Suisse) 25.0.2007 Table des matières Introduction 2 La fonction modulaire 3 La fonction modulaire J de Klein 6 Introduction Dans ce proséminaire,

Plus en détail

Platine d expérimentation MicroMAG : à la découverte de la machine synchrone autopilotée

Platine d expérimentation MicroMAG : à la découverte de la machine synchrone autopilotée Platine d expérimentation MicroMAG : à la découverte de la machine ynchrone autopilotée. NOGAREDE, D. HARRIEY, Y. LEFEVRE, F. PIGACHE ertrand.nogarede@laplace.univ-tle.fr INPT/ENEEIHT, 2 rue Camichel,

Plus en détail

Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée

Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée Philippe Gagnepain Université Paris 1 Ecole d Economie de Paris Centre d économie de la Sorbonne-UG 4-Bureau 405 philippe.gagnepain@univ-paris1.fr

Plus en détail

Introduction au langage SQL

Introduction au langage SQL Introduction au langage SQL Les bases de données relationnelles Le langage SQL est un langage universel destiné à travailler sur des bases de données relationnelles. Nous considérerons ici qu'une base

Plus en détail

Équations elliptiques semilinéaires avec, pour la non linéarité, une condition de signe et une dépendance sous quadratique par rapport au gradient

Équations elliptiques semilinéaires avec, pour la non linéarité, une condition de signe et une dépendance sous quadratique par rapport au gradient ANNALES DE LA FACULTÉ DES SCIENCES DE TOULOUSE THIERRY GALLOUËT Équations elliptiques semilinéaires avec, pour la non linéarité, une condition de signe et une dépendance sous quadratique par rapport au

Plus en détail

Courbes elliptiques, fonctions L et conjecture de Zagier

Courbes elliptiques, fonctions L et conjecture de Zagier Courbes elliptiques, fonctions L et conjecture de Zagier François Brunault Exposé au séminaire de mathématiques pures, Université de Clermont-Ferrand, mardi 15 novembre 25 Les courbes elliptiques sont

Plus en détail

Arithmétique Algorithmique. http://www.math.univ-lyon1.fr/~roblot/ens.html

Arithmétique Algorithmique. http://www.math.univ-lyon1.fr/~roblot/ens.html Arithmétique Algorithmique http://www.math.univ-lyon1.fr/~roblot/ens.html Partie III Algorithmes classiques 1 Coût de la multiplication et de la division 2 Exponentiation rapide 3 Algorithme d Euclide

Plus en détail

Les espaces vectoriels

Les espaces vectoriels Agrégation interne UFR MATHÉMATIQUES 1. Généralités Les espaces vectoriels Dans tout le chapitre, K représente un corps commutatif. 1.1. Notion d espace vectoriel On considère un ensemble E sur lequel

Plus en détail

Introduction à la géostatistique

Introduction à la géostatistique Intitut National Agronomique de Pari-Grignon Introduction à la géotatitique Gille Guillot janvier 2004 Ce note correpondent à un cour de géotatitique dipené en deuxième année à L INA-PG. Il agit d un cour

Plus en détail

Construction de la mesure de Lebesgue. 1 Mesure positive engendrée par une mesure extérieure.

Construction de la mesure de Lebesgue. 1 Mesure positive engendrée par une mesure extérieure. Université d Artois Faculté des Sciences Jean Perrin Analyse Fonctionnelle (Licence 3 Mathématiques-Informatique Daniel Li Construction de la mesure de Lebesgue 28 janvier 2008 Dans ce chapitre, nous allons

Plus en détail

APP SUMMARY. ShareTime

APP SUMMARY. ShareTime Synape Team, Sénégal APP SUMMARY ShareTime ü Vivre enemble, ce n'et pa donné d'emblée : cela 'apprend. Beaucoup de collectif démarrent an grande expérience de la vie de groupe : dan le phae de démarrage

Plus en détail

RESOLUTION D UNE INEQUATION. Les symboles utilisés ( symbole d inégalité ) : Appellation 1 Appellation 2 Appellation 3 Vocabulaire à utiliser

RESOLUTION D UNE INEQUATION. Les symboles utilisés ( symbole d inégalité ) : Appellation 1 Appellation 2 Appellation 3 Vocabulaire à utiliser THEME : Les symboles utilisés ( symbole d inégalité ) : Appellation 1 Appellation Appellation Vocabulaire à utiliser < plus petit inférieur strictement inférieur strictement inférieur plus petit ou égal

Plus en détail

Fiche méthodologique Les pièges dans les dénombrements

Fiche méthodologique Les pièges dans les dénombrements Fiche méthodologique Les pièges dans les dénombrements BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Dans cette fiche, on résume quelques points techniques sur les dénombrements et la théorie des probabilités.

Plus en détail

HUITIEME PARTIE ANALYSE EN COMPSANTES PRINCIPALES

HUITIEME PARTIE ANALYSE EN COMPSANTES PRINCIPALES 105 HUITIEME PARTIE ANALYSE EN COMPSANTES PRINCIPALES 1. Introduction En statistiques il arrive fréquemment que les individus soient décrits par un grand nombre de caractères. : voitures décrites par leur

Plus en détail

Épreuve de Mathématiques 8

Épreuve de Mathématiques 8 Lycée La Prat s Vendredi 10 avril 2015 Classe de PT Épreuve de Mathématiques 8 Durée 4 h L usage des calculatrices est interdit. La présentation, la lisibilité, l orthographe, la qualité de la rédaction

Plus en détail

Chapitre 01 : Intégrales généralisées. Objectifs : En première année, on a étudié l intégrale d une fonction définie et continue sur un intervalle

Chapitre 01 : Intégrales généralisées. Objectifs : En première année, on a étudié l intégrale d une fonction définie et continue sur un intervalle Chapitre 01 : Intégrales généralisées Objectifs : En première année, on a étudié l intégrale d une fonction définie et continue sur un intervalle fermé borné de Dans ce chapitre, on va étudier le cas d

Plus en détail

BACCALAURÉAT GÉNÉRAL SESSION 2014 MATHÉMATIQUES. Série S ÉPREUVE DU JEUDI 19 JUIN 2014. Durée de l épreuve : 4 heures Coefficient : 7

BACCALAURÉAT GÉNÉRAL SESSION 2014 MATHÉMATIQUES. Série S ÉPREUVE DU JEUDI 19 JUIN 2014. Durée de l épreuve : 4 heures Coefficient : 7 BACCALAURÉAT GÉNÉRAL SESSION 2014 MATHÉMATIQUES Série S ÉPREUVE DU JEUDI 19 JUIN 2014 Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont

Plus en détail

VII- Enumérations dans l ordre alphabétique

VII- Enumérations dans l ordre alphabétique VII- Enumérations dans l ordre alphabétique Prenons un dictionnaire. Comment savoir si un mot se trouve avant ou après un autre? On commence par comparer la première lettre de ces deux mots. Si elles sont

Plus en détail

Pierre-Louis GONZALEZ

Pierre-Louis GONZALEZ SEGMENTATION Pierre-Louis GONZALEZ 1 I. Les méthodes de segmentation. Introduction Les méthodes de segmentation cherchent à résoudre les problèmes de discrimination et de régression en divisant de façon

Plus en détail

Comment expliquer la croissance du travail indépendant : Une stratégie théorique de recherche

Comment expliquer la croissance du travail indépendant : Une stratégie théorique de recherche N o 75F0002MIF au catalogue N o 005 ISSN : 707-2867 ISBN : 978-0-662-0835-3 Document de recherche Série de document de recherche - Revenu Comment epliquer la croiance du travail indépendant : Une tratégie

Plus en détail

DESCENTES DES DÉRANGEMENTS ET MOTS CIRCULAIRES(*)

DESCENTES DES DÉRANGEMENTS ET MOTS CIRCULAIRES(*) DESCENTES DES DÉRANGEMENTS ET MOTS CIRCULAIRES(*) Jacques DÉSARMÉNIEN (**) ET Michelle WACHS (***) RÉSUMÉ. Au moyen de deux bijections, dues à Macdonald et à Gessel, nous établissons que l ensemble des

Plus en détail

Précisions pour calculer et choisir l'amortisseur correcte

Précisions pour calculer et choisir l'amortisseur correcte Aortieur ydraulique Pour trouver l'aortieur de fin de coure ou en ontage fixe de notre gae qui correpond à votre application, il uffit de replir notre quetionnaire. Enuite nou calculeron et coiiron l'aortieur

Plus en détail

Etude de la période d un pendule simple

Etude de la période d un pendule simple Etude de la période d un pendule simple Préparation à l Agrégation de Physique ENS Cachan June 3, Figure 1: Photographie du dispositif expérimental pour étudier la variation de la période d un pendule

Plus en détail

Statistique (MATH-F-315, Cours #1)

Statistique (MATH-F-315, Cours #1) Statistique (MATH-F-315, Cours #1) Thomas Verdebout Université Libre de Bruxelles 2015 Plan de la partie Statistique du cours 1. Introduction. 2. Théorie de l estimation. 3. Tests d hypothèses et intervalles

Plus en détail

UNIVERSITÉ DE CERGY Année 2013-2014 U.F.R. Économie & Gestion Licence d Économie et Finance / Licence de Gestion MATH201 : Probabilités

UNIVERSITÉ DE CERGY Année 2013-2014 U.F.R. Économie & Gestion Licence d Économie et Finance / Licence de Gestion MATH201 : Probabilités 1 UNIVERSITÉ DE CERGY Année 2013-2014 U.F.R. Économie & Gestion Licence d Économie et Finance / Licence de Gestion MATH201 : Probabilités Chapitre II : Espaces probabilisés 1 Notions d événements 1.1 Expérience

Plus en détail

Rapport sur l administration de la Loi sur la protection des renseignements personnels 2013-2014

Rapport sur l administration de la Loi sur la protection des renseignements personnels 2013-2014 Rapport ur l adminitration de la Loi ur la protection de reneignement peronnel 213-214 TITRE DU RAPPORT 1 PUBLIÉ PAR Agence de développement économique du Canada pour le région du Québec Montréal (Québec)

Plus en détail

Distance et classification. Cours 4: Traitement du signal et reconnaissance de forme

Distance et classification. Cours 4: Traitement du signal et reconnaissance de forme Distance et classification Cours 4: Traitement du signal et reconnaissance de forme Plan Introduction Pré-traitement Segmentation d images Morphologie mathématique Extraction de caractéristiques Classification

Plus en détail

Limites de la topologie algorithmique

Limites de la topologie algorithmique Chapitre 8 Limite de a topoogie agorithmique On montre ici que certain probème topoogique fondamentaux ont indécidabe. C et en particuier e ca pour e probème de a contractibiité d un acet dan un compexe

Plus en détail

Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante.

Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante. Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante. Essai de détermination du nombre de prélèvements à effectuer lors d un diagnostic amiante afin d assurer une représentativité

Plus en détail

Test de comparaison de deux modèles de régression non paramétriques basé sur les coefficients de Fourier

Test de comparaison de deux modèles de régression non paramétriques basé sur les coefficients de Fourier Test de comparaison de deux modèles de régression non paramétriques basé sur les coefficients de Fourier Zaher Mohdeb Université Mentouri Département de Mathématiques, Constantine, Algérie E-mail: zaher.mohdeb@umc.edu.dz

Plus en détail

Baccalauréat STMG Polynésie 12 septembre 2014 Correction

Baccalauréat STMG Polynésie 12 septembre 2014 Correction Baccalauréat STMG Polynésie 1 septembre 014 Correction Durée : 3 heures EXERCICE 1 6 points Pour une nouvelle mine de plomb, les experts d une entreprise modélisent le chiffre d affaires (en milliers d

Plus en détail

Corrigé du Baccalauréat S Nouvelle-Calédonie Mars 2016

Corrigé du Baccalauréat S Nouvelle-Calédonie Mars 2016 Corrigé du Baccalauréat S Nouvelle-Calédonie Mars 0 A. P. M. E. P. EXERCICE Commun à tous les candidats points Partie A Une boite contient 00 médailles souvenir dont 50 sont argentées, les autres dorées.

Plus en détail

MESURES ET INCERTITUDES

MESURES ET INCERTITUDES MESURES ET INCERTITUDES OBJECTIFS DE CE CHAPITRE : Savoir exprimer une mesure avec le bon nombre de chiffres significatifs. Savoir arrondir le résultat d un calcul avec le bon nombre de chiffres significatifs.

Plus en détail

3D Compléments de cours. Guy GREISEN

3D Compléments de cours. Guy GREISEN 3D Compléments de cours Guy GREISEN 14 septembre 2009 3D 3 Table des matières 1 SECOND DEGRÉ 6 1.1 Introduction................................................ 6 1.2 Formule générale.............................................

Plus en détail

Recueil d exercices. Donatien N dri & Steven Dufour École Polytechnique de Montréal

Recueil d exercices. Donatien N dri & Steven Dufour École Polytechnique de Montréal Recueil d exercices Exercices pour les cours de calcul scientifique pour ingénieurs MTH0A Édition du 8 août 04 Donatien N dri & Steven Dufour École Polytechnique de Montréal Copyright c 009 DONATIEN N

Plus en détail

Pour un socle de la licence de MATHEMATIQUES

Pour un socle de la licence de MATHEMATIQUES Pour un socle de la licence de MATHEMATIQUES Société Mathématique de France Société de Mathématiques Appliquées et Industrielles Société Française de Statistique Contexte général Afin d éviter de trop

Plus en détail

CHAPITRE VI : SYSTEME DE GESTION DE FICHIERS

CHAPITRE VI : SYSTEME DE GESTION DE FICHIERS 56 CHAPITRE VI : SYSTEME DE GESTION DE FICHIERS 6.1 INTRODUCTION : Afin de fournir un accès efficace et pratique au disque, le SE impose un système de gestion de fichiers (SGF) pour permettre de stocker,

Plus en détail

OLYMPIADES FRANÇAISES DE MATHÉMATIQUES

OLYMPIADES FRANÇAISES DE MATHÉMATIQUES OLYMPIADES FRANÇAISES DE MATHÉMATIQUES OLYMPIADES OFM FRANÇAISES MATHÉMATIQUES ENVOI NO. 3 CORRIGÉ 1 Exercices du groupe B Exercice 1. Soit n 1 un entier tel que le quotient de 2 n par n est une puissance

Plus en détail

Laurent Garcin MPSI Lycée Jean-Baptiste Corot. (a, b) + (c, d) = (a + c, b + d) (a, b) (c, d) = (ac bd, ad + bc) (a, 0) (b, 0) = (ab, 0)

Laurent Garcin MPSI Lycée Jean-Baptiste Corot. (a, b) + (c, d) = (a + c, b + d) (a, b) (c, d) = (ac bd, ad + bc) (a, 0) (b, 0) = (ab, 0) NOMBRES COMPLEXES 1 Corps C des nombres complexes 1.1 Construction de C Construction de C On munit R de deux lois internes + et de la manière suivante. Pour (a, b, c, d) R 4, on pose (a, b) + (c, d) =

Plus en détail

Rapport de stage Mise à plat d'un polygone

Rapport de stage Mise à plat d'un polygone Rapport de stage Mise à plat d'un polygone Stagiaire : Sejjil Olfa Tuteurs de stage: Luc BIARD et Bernard LACOLLE Laboratoire: Jean Kuntzmann (LJK) Equipe: Modélisation Géométrique & Multirésolution pour

Plus en détail

Exercices corrigés de l Ethème 2 - Techniques de Sondages

Exercices corrigés de l Ethème 2 - Techniques de Sondages Exercices corrigés de l Ethème 2 - Techniques de Sondages Exercice 1 : On considère une population de N = 5 individus, pour lesquels on connaît les valeurs de la variable y : y 1 = 3, y 2 = 1, y 3 = 0,

Plus en détail

Problèmes à propos des nombres entiers naturels

Problèmes à propos des nombres entiers naturels Problèmes à propos des nombres entiers naturels 1. On dispose d une grande feuille de papier, on la découpe en 4 morceaux, puis on déchire certains morceaux (au choix) en 4 et ainsi de suite. Peut-on obtenir

Plus en détail

Description du fonctionnement de l échelle de valeurs

Description du fonctionnement de l échelle de valeurs Dription du fonctionneent de l helle de valeur L évaluation du veau de qualité de pretation du centre candidat fait appel à une helle de 4 valeur, ci pour le indicateur de chaque doaine du référentiel

Plus en détail

À propos des limites inductives filtrantes et du théorème de Lazard sur les modules plats

À propos des limites inductives filtrantes et du théorème de Lazard sur les modules plats 1 À propos des limites inductives filtrantes et du théorème de Lazard sur les modules plats Cette note est écrite comme une section 7 du chapitre VIII du livre Algèbre Commutative. Méthodes Constructives.

Plus en détail

Exo7. Développements limités. 1 Calculs. 2 Applications. Corrections d Arnaud Bodin.

Exo7. Développements limités. 1 Calculs. 2 Applications. Corrections d Arnaud Bodin. Exo7 Développements ités Corrections d Arnaud Bodin. Calculs Exercice Donner le développement ité en 0 des fonctions :. cosx expx à l ordre 2. ln + x)) 2 à l ordre 4 shx x. x à l ordre 6 4. exp sinx) )

Plus en détail

Probabilités et Statistiques. Raphaël KRIKORIAN Université Paris 6

Probabilités et Statistiques. Raphaël KRIKORIAN Université Paris 6 Probabilités et Statistiques Raphaël KRIKORIAN Université Paris 6 Année 2005-2006 2 Table des matières 1 Rappels de théorie des ensembles 5 1.1 Opérations sur les ensembles................... 5 1.2 Applications

Plus en détail

MODELISATION DE DONNÉES QUALITATIVES PREMIÈRE PARTIE

MODELISATION DE DONNÉES QUALITATIVES PREMIÈRE PARTIE MODELISATION DE DONNÉES QUALITATIVES PREMIÈRE PARTIE Pierre-Louis Gonzalez 1 I INTRODUCTION 1 variable qualitative. Tri à plat. Représentations graphiques. Modélisation : loi binomiale loi multinomiale

Plus en détail

RAPPELS ET COMPLÉMENTS CALCULATOIRES

RAPPELS ET COMPLÉMENTS CALCULATOIRES RAPPELS ET COMPLÉMENTS CALCULATOIRES ENSEMBLES DE NOMBRES ENSEMBLES,,,ET: On rappelle que : désigne l ensembleprivé de 0 idem pour, et, + désigne l ensemble des réels positifs ou nuls et l ensemble des

Plus en détail

Le Déterminant. par Alain Prouté Université Denis Diderot Paris 7. 1 Permutations. 1. 2 Application transposée, base duale. 3. 3 Mesures de volume.

Le Déterminant. par Alain Prouté Université Denis Diderot Paris 7. 1 Permutations. 1. 2 Application transposée, base duale. 3. 3 Mesures de volume. Ce cours peut être librement copié et distribué. Il est recommandé d en télécharger la version la plus récente à partir de : http://www.math.jussieu.fr/~alp. Toute remarque, correction ou suggestion doit

Plus en détail

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC Dénombrement et probabilités Version du juillet 05 Enoncés Exercice - YouTube Sur YouTube, les vidéos sont identifiées à l aide d une chaîne

Plus en détail

L Offre à Prix Ouvert «OPO» Présentation Presse 15 avril 2014

L Offre à Prix Ouvert «OPO» Présentation Presse 15 avril 2014 L Offre à Prix Ouvert «OPO» Présentation Presse 15 avril 2014 L Offre à Prix Ouvert Pourquoi? L OPO est déjà prévue par les textes (article 61 bis du Règlement Général de la Bourse des Valeurs Mobilières

Plus en détail

a) Considérons le cas où N est un multiple de n : N = Mn

a) Considérons le cas où N est un multiple de n : N = Mn 5.2 TIRAGE SYSTEMATIQUE a) Considérons le cas où N est un multiple de n : N = Mn où M N 0 Prélever un échantillon systématique consiste à tirer de manière équiprobable un individu i 1 parmi {1,..., M},

Plus en détail

SY09 Rapport TP4 : Analyse discriminante, régression logistique

SY09 Rapport TP4 : Analyse discriminante, régression logistique UNIVERSITÉ DE TECHNOLOGIE DE COMPIÈGNE SY09 Rapport TP4 : Analyse discriminante, régression logistique CUNI Frédéric 15 juin 2015 Objectifs du TP : Le but de ce TP est l application de l analyse discriminante

Plus en détail

Proposition de corrigé

Proposition de corrigé Externat Notre Dame Devoir Survéillé n 2 (1 ere ES/L) Samedi 14 décembre Durée : 3 h calculatrice autorisée - pas d échange de calculatrice ou de matériel Proposition de corrigé Dans tout ce devoir, la

Plus en détail

La discrimination sur le marché du travail :

La discrimination sur le marché du travail : La discrimination sur le marché du travail : Théories et mesures Emmanuel Duguet Université Paris Est-Créteil Novembre 2010 Introduction Définition : situation dans laquelle deux travailleurs identiquement

Plus en détail