Estimations et intervalles de confiance

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Estimations et intervalles de confiance"

Transcription

1 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 poctuelle de paramètres de loi : proportio, moyee, variace. La coaissace des lois de ce estimateurs permet l estimatio par itervalle de cofiace et doc de préciser l icertitude sur ces estimatios : itervalle de cofiace d ue proportio, d ue moyee si la variace est coue ou o, d ue variace. Retour au pla du cours. 1 Itroductio Le cadre est le suivat : o dispose de doées observées e ombre fii et l o désire tirer des coclusios de ces doées sur l esemble de la populatio. O fait alors ue hypothèse raisoable : il existe ue loi de probabilité sous-jacete telle que les valeurs observables" des différets élémets de la populatio étudiée puisset être cosidérées comme des variables aléatoires idépedates ayat cette loi. U aspect importat de l iférece statistique cosiste à obteir des estimatios fiables" des caractéristiques d ue populatio de grade taille à partir d u échatillo extrait de cette populatio. C est u problème de décisio cocerat des paramètres qui le plus souvet sot : l espérace mathématique µ ; la proportio p ; la variace 2. Ces paramètres sot a priori icous car la taille réelle de la populatio état très grade, il serait trop coûteux de tester tous les élémets de la populatio. Aisi, comme u échatillo e peut doer qu ue iformatio partielle sur la populatio, les estimatios que l o obtiedra serot iévitablemet etachées d erreurs qu il s agit d évaluer et de miimiser autat que possible. E résumé, estimer u paramètre icou, c est e doer ue valeur approchée à partir des résultats obteus sur u échatillo aléatoire extrait de la populatio sous-jacete. Exemple : U semecier a récolté 5 toes de graies de Touresol. Il a besoi de coaître le taux de germiatio de ces graies avat de les mettre e vete. Il extrait u échatillo de 40 graies, les dépose sur u buvard humide et compte le ombre de graies ayat évolué favorablemet. O remarque que ce cotrôle est de type destructif : l échatillo ayat servi au cotrôle e peut plus être commercialisé. Il s agit doc d évaluer la proportio p des graies de la populatio à grad effectif, présetat u certai caractère X : succès de la germiatio. Même avec ue populatio d effectif restreit, u cotrôle destructif impose de faire cofiace à u échatillo restreit et la valeur exacte de p e peut être calculée. Le modèle s écrit comme réalisatios x i de v.a.r. idépedates de Beroulli X i défiies par : { 1 si l idividu i présete le caractère X X i = 0 sio. Il est aturel d estimer p par x = 1 x i, qui est la proportio des idividus ayat le caractère X das l échatillo. E effet, la LGN ous assure de la covergece e probabilité de la v.a.r. X = 1 X i vers l espérace de X 1, c est-à-dire p ; X est l estimateur de la proportio p et p est estimée par la réalisatio x de X. Das l expériece de germiatio, 36 graies ot eu ue issue favorable avec x i = 1. La proportio estimée est x = 40/36 = 0, 9 C est ue estimatio dite poctuelle. D autre part, das toute disciplie scietifique, il est importat d avoir ue idicatio de la qualité d u résultat ou ecore de l erreur dot elle peut-être affectée. Ceci se traduit e statistique par la recherche d u itervalle, dit itervalle de cofiace, dot o peut assurer, avec u risque d erreur cotrôlé et petit, que cet itervalle cotiet la vraie valeur icoue du paramètre. Das la suite ous ous itéresseros doc à deux types d estimatios : soit ue estimatio doée par valeur scalaire issue des réalisatios des v.a.r. X i : l estimatio poctuelle ; soit ue estimatio doée par u esemble de valeurs apparteat à u itervalle : l estimatio par itervalle de cofiace cotrôlé par u risque d erreur fixé a priori. 1

2 2 Estimatios et itervalles de cofiace 2 Estimatio poctuelle 2.1 Estimateur Covergece DÉFINITION 1. U -échatillo aléatoire issu d ue v.a.r. X est u esemble X 1,..., X de v.a.r. idépedates et de même loi que X. Soit θ u paramètre associé à la loi de X, par exemple θ = EX ou θ = VarX. À partir de l observatio d u échatillo aléatoire X 1,..., X, o souhaite estimer le paramètre θ. DÉFINITION 2. U estimateur θ de θ est ue foctio qui déped uiquemet du -échatillo X 1,..., X. Il est dit coverget s il est proche" de θ au ses de la covergece e probabilité : pour tout ɛ > 0, θ θ > ɛ 0. + Das l exemple de l itroductio, la quatité 1 X i est u estimateur coverget de p et si, par exemple, o a observé 21 pièces défectueuses sur u lot de 1500 pièces prélevées, l estimatio poctuelle de p obteue est x = 21/1500 = 1, 4%. our estimer l espérace µ des variables aléatoires X i, o utilise la moyee empirique X = 1 X i, car par la LGN, o sait qu elle coverge e probabilité vers l espérace µ = EX 1. Le but de la théorie de l estimatio est de choisir, parmi toutes les statistiques possibles, le meilleur" estimateur coverget, c est-à-dire celui qui doera ue estimatio poctuelle la plus proche possible du paramètre et ceci, quel que soit l échatillo. Exemple : Cosidéros ue v.a.r. X représetat le ombre de grippes attrapées par ue persoe e u a. O peut supposer que X suit ue loi de oisso de paramètre λ > 0. Chercher la loi de X, c est chercher λ, qui est autre que l espérace mathématique de X. ar coséquet, la LGN ous idique que X est u estimateur coverget de λ : pour tout ɛ > 0, 1 X i λ ɛ 0. + Grâce à l iégalité de Chebychev, o peut démotrer le théorème suivat : THÉORÈME 3. Soit θ u estimateur de θ. Si l o a : lim E θ = θ et lim Var θ = 0, + + alors θ est u estimateur coverget de θ. Biais DÉFINITION 4. Soit θ u estimateur coverget d u paramètre θ. O appelle biais la quatité E θ θ. L estimateur θ est dit sas biais si E θ = θ, et biaisé sio. Exemple : La moyee empirique X est u estimateur coverget et sas biais de l espérace mathématique µ. Écart quadratique moye Notos que l o a { E θ θ 2} = E { θ E θ + E θ θ 2} { = E θ E θ 2 + E θ θ θ E θ E θ = Var θ + biais 2, { } car le terme E θ E θ E θ θ est ul. Aisi, pour redre l écart } quadratique moye E { θ θ 2 le plus petit possible, il faut que

3 3 Estimatios et itervalles de cofiace E θ = θ, doc choisir u estimateur sas biais, la variace Var θ soit faible. O choisira doc, parmi les estimateurs covergets et sas biais, celui qui a la variace la plus petite. E d autres termes, si θ est u estimateur coverget et sas biais de θ, o a tout itérêt à ce que θ e varie pas trop autour de sa moyee. Cette propriété traduit ce que l o appelle l efficacité de l estimateur. 2.2 Estimateur d ue moyee ou d ue proportio O cosidère u -échatillo X 1,..., X issu d ue loi de moyee µ et de variace 2, toutes deux icoues. 1. d après la LGN, la moyee empirique X est u estimateur coverget de µ. 2. l estimateur X est sas biais. 3. par idépedace : VarX = loi de X : si X N µ, 2, alors X N µ, 2 /. lorsque est grad, d après le TCL, la loi de X est approchée par ue loi ormale N µ, 2 /. L estimatio d ue proportio p est u cas particulier du précédet, au ses où les v.a.r. X i cosidérées sot de Beroulli de paramètre p. 2.3 Estimateur de la variace DÉFINITION 5. La variace empirique associée à u -échatillo X 1,..., X est défiie par S 2 = 1 1 X i X 2. DÉFINITION 6. Soit Y 1,..., Y u -échatillo de v.a.r. de loi N 0, 1. O appelle loi du chi-deux à degrés de liberté la loi de la v.a.r. Y i 2, et o la ote χ 2. ropriétés de la variace empirique : 1. S 2 est u estimateur coverget de la variace S 2 est sas biais. 3. loi de S 2 : pas de résultat gééral. Cepedat, si X N µ, 2, alors la v.a.r. 1 S 2 2 suit ue loi du chi-deux à 1 degrés de libertés χ 2 1. Remarque : uisque EY i = 0, o a EYi 2 = VarY i = 1. Si V suit ue loi χ 2, alors EV = EY Y 2 =. Aisi o retrouve le fait que S 2 est u estimateur coverget et sas biais de 2 : ES 2 = 2 1 Eχ2 1 = 2. 3 Estimatio par itervalle de cofiace our l estimatio poctuelle, o cosidère u paramètre icou θ, u esemble de valeurs observées x 1,..., x, réalisatios d u - échatillo aléatoire X 1,..., X, et so estimatio poctuelle x = 1 x i. Les estimatios poctuelles apportet pas d iformatio sur la précisio des résultats, c est-à-dire qu elles e tieet pas compte des erreurs dues aux fluctuatios d échatilloage. our évaluer la cofiace que l o peut avoir e ue valeur, il est écessaire de détermier u itervalle coteat, avec ue certaie probabilité fixée au préalable, la vraie valeur du paramètre : c est l estimatio par itervalle de cofiace. 3.1 Défiitio d u itervalle de cofiace Soit X 1,..., X u -échatillo aléatoire et θ u paramètre icou de la loi des X i. DÉFINITION 7. Soit α 0, 1[. S il existe des v.a.r. θ mi X 1,..., X et θmaxx 1,..., X telles que θ [θ mi X 1,..., X, θmaxx 1,..., X = 1 α, o dit alors que [θ mi X 1,..., X, θmaxx 1,..., X est u itervalle de cofiace pour θ, avec coefficiet de sécurité 1 α. O le ote IC 1 α θ.

4 4 Estimatios et itervalles de cofiace Das la pratique, o peut predre par exemple α = 5%, ce qui ous doe u IC à 95%. Cela sigifie qu il y a 95% de chace que la valeur icoue θ soit comprise etre θ mi x 1,..., x et θmaxx 1,..., x. 3.2 Itervalle de cofiace pour la moyee et la variace das le cas d u échatillo gaussie Soit X 1,..., X u -échatillo de v.a.r. de loi N µ, 2. Estimatio de l espérace µ lorsque la variace 2 est coue our estimer µ, o utilise la moyee empirique X = 1 X i qui a pour loi N µ, 2 /. Il e résulte que et que Ceci équivaut à X µ N 0, 1, z 1 α/2 X µ z 1 α/2 = 1 α. X z 1 α/2 µ X + z 1 α/2 = 1 α. O obtiet doc u IC pour l espérace µ avec coefficiet de sécurité 1 α das le cas où est cou : il s agit de l itervalle aléatoire [X z 1 α/2, X + z 1 α/2. Aisi, das les calculs, l IC est doé par IC 1 α µ = [x z 1 α/2, x + z 1 α/2, où x est l estimatio poctuelle de µ associée à la réalisatio du -échatillo X 1,..., X. Estimatio de l espérace µ lorsque la variace 2 est icoue Lorsque la variace 2 est icoue, il est alors écessaire de remplacer das les formules précédetes cette quatité par la variace empirique, qui e est u estimateur coverget. Il faut doc cosidérer o plus la quatité X µ mais plutôt X µ, S qui e suit plus ue loi ormale mais ue loi dite de Studet à 1 degrés de liberté, que l o ote T 1. La desité de la loi de Studet est ue foctio paire, comme la loi ormale N 0, 1. O dispose de tables pour obteir les quatiles de cette loi. O e déduit doc que t 1 α/2 X µ t 1 α/2 = 1 α, ce qui équivaut à S S X t 1 α/2 µ X + t 1 α/2 = 1 α. S O obtiet doc u IC pour µ avec coefficiet de sécurité 1 α, das le cas où la variace 2 est icoue : il s agit de l itervalle aléatoire [ S S X t 1 α/2, X + t 1 α/2. Aisi, das les calculs, l IC est doé par [ s s IC 1 α µ = x t 1 α/2, x + t 1 α/2, où x et s 2 sot les estimatios poctuelles respectives de la moyee µ et de la variace 2. Remarque : Si les v.a.r. X 1,..., X e sot pas gaussiees mais que est assez grad e pratique supérieur à 30, alors le TCL ous garatit que la moyee empirique suit approximativemet la loi N µ, 2 /. Aisi, das

5 5 Estimatios et itervalles de cofiace le cas où l o souhaite estimer l espérace lorsque la variace est coue, l IC est idetique à celui détermié lorsque les v.a.r. X 1,..., X suivet la loi N µ, 2. Estimatio de la variace 2 O estime la variace 2, supposée icoue, par la variace empirique S 2 = 1 1 X i X 2. O sait que la v.a.r. S 2 2 a pour loi 1 χ2 1 et que ES 2 = 2 1 Eχ2 1 = 2, c est-à-dire que S 2 est u estimateur sas biais de 2. De plus, o lit das des tables les quatiles d ordre α/2 et 1 α/2 de la loi du χ 2 1, respectivemet otés v α/2 et v 1 α/2 il est ormal que les quatiles qui ous itéresset e soiet pas opposés car la desité de cette loi est pas paire, à l iverse de la loi ormale cetrée réduite. O obtiet alors Ceci équivaut à 1S 2 v α/2 1 2 S 2 v 1 α/2 v 1 α/2 = 1 α. 2 1S2 = 1 α. v α/2 O obtiet doc u IC pour la variace 2 avec coefficiet de sécurité 1 α : il s agit de l itervalle aléatoire [ 1S 2, 1S2. v 1 α/2 v α/2 Aisi, das les calculs, l IC est doé par [ 1s IC 1 α 2 2 =, 1s2, v 1 α/2 v α/2 où s 2 est l estimatio poctuelle de 2 associée à la réalisatio du - échatillo X 1,..., X : s 2 = 1 x i x Itervalle de cofiace pour la proportio Reveos à l exemple itroductif : o cherche à estimer la proportio π de graies défectueuses du lot de céréales. O prélève u lot de graies et o ote X i la v.a.r. qui vaut 1 si la graie i germe, et 0 sio. O estime π par la moyee empirique X = 1 X i. Les v.a.r. X i état de Beroulli, o peut alors utiliser l approximatio doée par le TCL. Soit Z N 0, 1 et z 1 α/2 le quatile d ordre 1 α/2 de la loi N 0, 1. ar le TCL, Ceci implique que z 1 α/2 c est-à-dire X i π π1 π L Z N 0, 1. Xi π z 1 α/2 z 1 α/2 Z z 1 α/2 = 1 α, π1 π + π1 π π1 π X z 1 α/2 π X + z 1 α/2 1 α. + Ceci e fourit pas u IC pour π car les bores de l itervalle dépedet de π. Mais o peut motrer que l o a le même résultat de covergece, e remplaçat π das les bores de l itervalle par so estimateur coverget X. O obtiet alors X z 1 α/2 X 1 X π X + z 1 α/2 X 1 X 1 α. + O dit que l itervalle X 1 X X 1 X X z 1 α/2, X + z 1 α/2 est u IC asymptotique pour le paramètre π, de coefficiet de sécurité 1 α. our α = 5%, o lit das les tables z 1 α/2 = z 97,5% = 1, 96. Aisi, le semecier e déduit qu ayat observé 36 graies germées sur 40, l itervalle de cofiace asymptotique pour π est [0.807, ; il suffit de remplacer das les calculs la moyee empirique aléatoire X par l estimatio poctuelle x = 36/40.

6 6 Estimatios et itervalles de cofiace 3.4 Exemple Ue etreprise chimique commercialise u polymère servat à la fabricatio de microprocesseurs et stocké das ue cuve dot la caractéristique à cotrôler est la viscosité ; celle-ci doit être comprise etre 75 et 95 pour pouvoir commercialiser le polymère. Quatre extractios ot été réalisées das des zoes différetes de la cuve et ot coduit aux valeurs de l échatillo :x 1 = 78, x 2 = 85, x 3 = 91, x 4 = 76, réalisatio des variables aléatoires X 1, X 2, X 3, X 4. L etreprise a besoi d estimer la viscosité et aussi de coaître la précisio de cette estimatio. Ayat choisi a priori u seuil de 5%, il s agit de fourir aux cliets des itervalles de cofiaces à 95% pour µ. Estimatios poctuelles Le modèle cosidère que les variables X i sot idépedates selo ue loi N µ, 2 ; µ représete la moyee de la viscosité das la cuve tadis que 2 pred e compte la variabilité de la viscosité au sei de la cuve et celle due à l erreur de mesure. Les paramètres sot la moyee µ et la variace 2. Les estimateurs sot X de µ et S 2 de 2. Les estimatios poctuelles sot x = 82.5 et s = Itervalle de cofiace de µ avec 2 coue Il est admis que la variabilité du processus de fabricatio est costate et coue avec = 5. Das ce cas, l estimateur de µ est gaussie, z 1 α/2 = 1.96 et les formules précédetes coduiset à l estimatio de l itervalle de cofiace de µ : cofiace deviet alors : [ /2; /2 = [71.6; L itervalle est pas coteu das la spécificatio. Notez l augmetatio sesible de la taille de cet itervalle par le simple fait de devoir estimer la variace plutôt que de la supposer coue ; Itervalle de cofiace de 2 L estimateur de la variace suit ue loi du chi-deux à ν = 1 = 3 degrés de liberté. Attetio, la loi est pas symétrique et il faut chercher les deux quatiles à gauche et à droite das la table ; χ 2 3;0.025 = et χ 2 3;0.975 = Avec s = 6.86, l itervalle de cofiace s écrit : [ , = [3.9; La taille de cet itervalle, soulige le maque de précisio de l estimatio de l écart-type, la taille de l échatillo y est pour beaucoup. [ /2; /2 = [77.6; L itervalle obteu est bie à l itérieur de la spécificatio [75; 95. Itervalle de cofiace de µ avec 2 estimée La variace est plus supposée costate et coue, elle doit être estimée. L estimatio de l écart-type est s = Celui-ci est certes plus importat que la valeur théorique précédete mais surtout, l estimateur de la moyee µ suit maiteat ue loi de Studet à 1 = 3 degrés de liberté. La table de la loi e questio fourit le 1 α/2-quatile t 3;0.975 = L itervalle de

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

Fluctuation et estimation

Fluctuation et estimation Fluctuatio et estimatio Table des matières I Idetificatio de la situatio........................................ II Échatilloage, itervalle de fluctuatio asymptotique........................ II. Itervalle

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

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

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

Intervalle de fluctuation des fréquences. Estimation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES. fréquence F n. fréquence obtenue f.

Intervalle de fluctuation des fréquences. Estimation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES. fréquence F n. fréquence obtenue f. Chapitre 14 Itervalle de fluctuatio des fréqueces. Estimatio Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Itervalle de fluctuatio Estimatio Itervalle de cofiace (*). Niveau

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

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

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

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

Aide Mémoire de Statistique

Aide Mémoire de Statistique Aide Mémoire de Statistique (E, E, P) modèle statistique (E, E, P) modèle probabiliste E probabilité, o coaît la loi P et o fait des calculs E statistique, o e coaît pas la loi (seulemet ue famille de

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

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

FLUCTUATION ET ESTIMATION

FLUCTUATION ET ESTIMATION 1 FLUCTUATION ET ESTIMATION Le mathématicie d'origie russe Jerzy Neyma (1894 ; 1981), ci-cotre, pose les fodemets d'ue approche ouvelle des statistiques. Avec l'aglais Ego Pearso, il développe la théorie

Plus en détail

VARIABLES ALEATOIRES

VARIABLES ALEATOIRES VARIABLES ALEATOIRES TABLE DES MATIÈRES. Loi de probabilité.. Exemple... Calcul de probabilités sur u uivers Ω... Variable aléatoire à valeurs réelles...3. Probabilité image défiie par ue variable aléatoire..4.

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

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

Échantillonnage. Pour reprendre contact Les réponses exactes sont : Activité 1. Activité 2. 1 Réponse c. 2 Réponse a. Réponse c. 3 Réponse a.

Échantillonnage. Pour reprendre contact Les réponses exactes sont : Activité 1. Activité 2. 1 Réponse c. 2 Réponse a. Réponse c. 3 Réponse a. Échatilloage 9 Pour repredre cotact Les réposes exactes sot : Répose c. Répose a. Répose c. 3 Répose a. 4 Répose b. Répose c. Activité. La populatio étudiée est la productio d automobiles. Le caractère

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

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

COURS DE STATISTIQUES INFERENTIELLES Licence d économie et de gestion

COURS DE STATISTIQUES INFERENTIELLES Licence d économie et de gestion COURS DE STATISTIQUES INFERENTIELLES Licece d écoomie et de gestio Laurece GRAMMONT Laurece.Grammot@uiv-st-etiee.fr http://www.uiv-st-etiee.fr/maths/cvlaurece.html September 19, 003 Cotets 1 Rappels 5

Plus en détail

TS Intervalle de fluctuation et estimation Cours

TS Intervalle de fluctuation et estimation Cours Aée 2013/2014 TS Itervalle de fluctuatio et estimatio Cours est u etier aturel o ul et p est u réel de l itervalle 0 ; 1. I Itervalle de fluctuatio Cotexte : Das ue populatio, la proportio d idividus présetat

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

SESSION DE 2004 CA/PLP

SESSION DE 2004 CA/PLP SESSION DE 4 CA/PLP CONCOURS EXTERNE Sectio : MATHÉMATIQUES SCIENCES PHYSIQUES COMPOSITION DE MATHÉMATIQUES Durée : 4 heures L usage des calculatrices de poche est autorisø (coformømet au directives de

Plus en détail

COURS N 6 : Estimations

COURS N 6 : Estimations COURS N 6 : Estimatios O peut rappeler que les biostatistiques ot pour objectif de predre e compte la variabilité iteridividuelle, de résumer et décrire des doées et de comparer des échatillos. Nous avos

Plus en détail

CTU, Licence de Mathématiques Statistique Inférentielle. Jean-Yves DAUXOIS. Université de Franche-Comté

CTU, Licence de Mathématiques Statistique Inférentielle. Jean-Yves DAUXOIS. Université de Franche-Comté CTU, Licece de Mathématiques Statistique Iféretielle Jea-Yves DAUXOIS Uiversité de Frache-Comté Aée scolaire 2011-2012 Ce polycopié cotiet le cours, les sujets d exercice et leurs corrigés aisi que les

Plus en détail

Terminale S (2014-2015) Suites numériques

Terminale S (2014-2015) Suites numériques Termiale S (04-05) Suites umériques Raisoemet par récurrece. Itroductio E Mathématiques, u certai ombre de propriétés dépedet d u etier aturel. Par exemple, la ( + ) somme des etiers aturels de à est égale

Plus en détail

Devoir de statistiques: CORRIGE

Devoir de statistiques: CORRIGE CPP - la prépa des INP ( ème aée). Bordeaux, 6/04/04. Devoir de statistiques: CORRIGE durée h Doées: O rappelle que si Z suit ue loi N (0, ), o a P(Z.96) 0, 975 et P(Z.65) 0, 95. Exercice. θ et O cosidère

Plus en détail

1 Intervalles de confiance. 2 Tests d hypothèses. 3 La loi du χ 2. X N (µ; σ 2 ) n très grand = la valeur observée x de X µ

1 Intervalles de confiance. 2 Tests d hypothèses. 3 La loi du χ 2. X N (µ; σ 2 ) n très grand = la valeur observée x de X µ Pla du cours 3 RFIDEC cours 3 : Itervalles de cofiace, tests d hypothèses, loi du χ Christophe Gozales LIP6 Uiversité Paris 6, Frace 1 Itervalles de cofiace Tests d hypothèses 3 La loi du χ Itervalles

Plus en détail

Chapitre 3 Détermination de la taille de l'échantillon

Chapitre 3 Détermination de la taille de l'échantillon Chapitre 3 Détermiatio de la taille de l'échatillo Lorsqu o prélève u échatillo pour estimer u paramètre, o court toujours le risque de découvrir u peu trop tard que l'échatillo prélevé est trop petit

Plus en détail

MA401 : Probabilités TD3

MA401 : Probabilités TD3 MA : Probabilités Exercice Ue compagie aériee étudie la réservatio sur l u de ses vols. Ue place doée est libre le jour d ouverture de la réservatio et so état évolue chaque jour jusqu à la fermeture de

Plus en détail

Racine nième Corrigés d exercices

Racine nième Corrigés d exercices Racie ième Corrigés d eercices Page 9 : N 8, 8, 8, 86, 88, 89, 9, 9, 9, 97 Page 6 : N, Page 6 : N Page 67 : N 8 Page 6 : N N 8 page 9 6 6 6 6 6 ( ) = = = = = = = = ( ) = = = = = = ( ) 8 = 8 = = = = = =

Plus en détail

Limites des Suites numériques

Limites 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 détail

Variables aléatoires, Estimation ponctuelle, Principes généraux sur les tests

Variables aléatoires, Estimation ponctuelle, Principes généraux sur les tests Variables aléatoires, Estimatio poctuelle, Pricipes gééraux sur les tests Mémo 215-216 1 Rappels sur les variables aléatoires Défiitio 1.1 (Loi de Beroulli B(π)) C est ue ue variable aléatoire discrète

Plus en détail

IUT HSE Introduction aux probabilités et statistiques Applications Variables aux statistiques aléatoires 4 / 1

IUT HSE Introduction aux probabilités et statistiques Applications Variables aux statistiques aléatoires 4 / 1 IUT HSE Itroductio aux probabilités et statistiques Variables aléatoires Philippe Jamig Istitut Mathématique de Bordeaux PhilippeJamig@gmailcom http://wwwmathu-bordeaux1fr/ pjamig/ X variable aléatoire

Plus en détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. 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 détail

Cours VII. Tests de randomisation - Tests de contingence P. Coquillard 2015

Cours VII. Tests de randomisation - Tests de contingence P. Coquillard 2015 1 TESTS DE RANDOMISATION Cours VII. Tests de radomisatio - Tests de cotigece P. Couillard 2015 Das ue majorité de cas e biologie o cosidèrera certaies hyothèses comme des alteratives à l hyothèse ulle.

Plus en détail

Utilisation du bootstrap pour les problèmes statistiques liés à l estimation des paramètres

Utilisation du bootstrap pour les problèmes statistiques liés à l estimation des paramètres B A S E Biotechol Agro Soc Eviro 00 6 (3) 43 53 Utilisatio du bootstrap pour les problèmes statistiques liés à l estimatio des paramètres Rudy Palm Uité de Statistique et Iformatique Faculté uiversitaire

Plus en détail

Estimation par intervalle de conance

Estimation par intervalle de conance SQ20 - ch7 Page 1/6 Estimatio par itervalle de coace Pricipe de costructio : Das le chapitre précédet, ous avos déi les estimateurs, et l'estimatio poctuelle d'u paramètre θ. Soit : X ue variable aléatoire

Plus en détail

Estimation par vraisemblance

Estimation par vraisemblance Chapitre 4 Estimatio par vraisemblace Le procédé de costructio des estimateurs par isertio a été itroduit das le chapitre 2. L objectif de ce chapitre est d étudier ue autre méthode de costructio, basée

Plus en détail

Estimations. Les Moyennes des échantillons suivent une loi normale : = m et d' écart - type σ X

Estimations. Les Moyennes des échantillons suivent une loi normale : = m et d' écart - type σ X Estimatios Problématique. A partir d'observatios faites sur u échatillo, o se propose de tirer des coclusios sur la populatio toute etière. Aisi cotrairemet à la logique déductive, qui va du gééral au

Plus en détail

Modélisation stochastique

Modélisation stochastique Uiversité de Lorraie Master 2 IMOI 2014-2015 Modélisatio stochastique Madalia Deacou 2 Table des matières Itroductio 5 1 Simulatio de variables aléatoires 7 1.1 Itroductio............................ 7

Plus en détail

Séquence 9. Lois normales, intervalle de fluctuation, estimation. Sommaire

Séquence 9. Lois normales, intervalle de fluctuation, estimation. Sommaire Séquece 9 Lois ormales, itervalle de fluctuatio, estimatio Sommaire 1. Prérequis. Lois ormales 3. Itervalles de fluctuatio 4. Estimatio 5. Sythèse de la séquece Séquece 9 MA0 1 Ced - Académie e lige Das

Plus en détail

6.1 Modèle multiplicatif de mortalité excédentaire (proportional

6.1 Modèle multiplicatif de mortalité excédentaire (proportional 6 Tests d hypothèse (Klei 6.3, Lawless 10.2 et 10.3, Klugma 13.4) 6.1 Modèle multiplicatif de mortalité excédetaire (proportioal hazard) O veut comparer la mortalité d u groupe sous étude avec celle d

Plus en détail

CORRECTION DU BAC BLANC 2

CORRECTION DU BAC BLANC 2 CORRCTION DU BAC BLANC 2 XRCIC 1 (6 poits) Baccalauréat ST Mercatique Podichéry - 2010 Deux tableaux sot doés e aexe : le premier doe l évolutio du prix du mètre carré das l immobilier résidetiel acie

Plus en détail

Estimation de paramètres

Estimation de paramètres CHAPITRE 8 Estimatio de paramètres 1. Distributio des moyees des échatillos Das ce chapitre, ous étudieros commet est distribué la moyee de tous les échatillos de taille possibles d ue certaie populatio.

Plus en détail

PROBABILITES à la STATISTIQUE - APPLICATIONS - Jean-Marie MARION

PROBABILITES à la STATISTIQUE - APPLICATIONS - Jean-Marie MARION Des PROBABILITES à la STATISTIQUE - APPLICATIONS - Jea-Marie MARION 1 STATISTIQUE DESCRIPTIVE (décrire ue populatio à l aide de caractéristiques et graphiques) STATISTIQUE INFERENTIELLE (étedre des résultats

Plus en détail

Introduction to Econometrics

Introduction to Econometrics MPRA Muich Persoal RePEc Archive Itroductio to Ecoometrics Moussa Keita September 015 Olie at https://mpra.ub.ui-mueche.de/66840/ MPRA Paper No. 66840, posted. September 015 04:1 UTC INTRODUCTION A L ECONOMETRIE

Plus en détail

LES SUITES. u n = 1 n, pour n 1. u n = n 3

LES SUITES. u n = 1 n, pour n 1. u n = n 3 LES SUITES. Défiitio.. Défiitio Ue suite umérique est ue foctio de das, défiie à partir d'u certai rag 0. La otatio (u ) désige la suite e tat qu'objet mathématique et u désige l'image de l'etier (appelé

Plus en détail

Tests. Chapitre 2. 1 Principe d un test Définitions Méthode générale... 3

Tests. Chapitre 2. 1 Principe d un test Définitions Méthode générale... 3 Tests Chapitre Table des matières 1 Pricipe d u test 1 11 Défiitios 1 Méthode géérale 3 Test de coformité à u paramètre 3 1 Test de coformité à ue moyee 3 Test de coformité à ue proportio 4 3 Test d homogééité

Plus en détail

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson 4 L E Ç O N Loi biomiale Niveau : Première S + SUP (Covergece) Prérequis : Variable aléatoire, espérace, variace, théorème limite cetral, loi de Poisso 1 Loi de Beroulli Défiitio 41 Loi de Beroulli Soit

Plus en détail

Promenades aléatoires : vers les chaînes de Markov

Promenades aléatoires : vers les chaînes de Markov AME Dossier : Matrices et suites 545 romeades aléatoires : vers les chaîes de Markov ierre Griho (*) Cet article propose ue mise e perspective de la otio de promeade ou de marche aléatoire itroduite das

Plus en détail

Feuille d exercices 5

Feuille d exercices 5 Mathématiques Physique S3, 205/206 Uiversité Blaise Pascal Feuille d exercices 5 Ex.. Tracer le graphe des foctios périodiques suivates, doer leur développemet e série de Fourier et discuter la covergece

Plus en détail

Probabilités et Statistiques MATH-F-315. Simone GUTT

Probabilités et Statistiques MATH-F-315. Simone GUTT Probabilités et Statistiques MATH-F-315 Simoe GUTT 2012 Das la vie, ous sommes cotiuellemet cofrotés à des collectios de faits ou doées. Les statistiques formet ue brache scietifique qui fourit des méthodes

Plus en détail

Statistiques inférentielles. Introduction. Exemples. Définition (Échantillon aléatoire) Définition (Statistique inférentielle) Exemple 1.

Statistiques inférentielles. Introduction. Exemples. Définition (Échantillon aléatoire) Définition (Statistique inférentielle) Exemple 1. Statistiques iféretielles Pierre-Heri WUILLEMIN Licece d Iformatique Uiversité Paris 6 Itroductio Soit ue populatio de taille N sur laquelle o observe ue propriété, dot o veut calculer moyee µ et de variace

Plus en détail

Statistiques inférentielles

Statistiques inférentielles Statistiques iféretielles LI323 Hugues Richard (otes de cours: Pierre-Heri Wuillemi) Uiversité Pierre et Marie Curie (UPMC) Laboratoire géomique des microorgaismes (LGM) Itroductio Soit ue populatio de

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration 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 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

MANUEL D EXERCICES. Enquêtes et sondages UE STA 108. Conservatoire National des Arts et Métiers. Sylvie Rousseau

MANUEL D EXERCICES. Enquêtes et sondages UE STA 108. Conservatoire National des Arts et Métiers. Sylvie Rousseau Coservatoire atioal des Arts et Métiers Pôle Scieces et Teciques de l'iformatio et de la Commuicatio, Spécialité Matématiques Equêtes et sodages UE STA 8 MAUEL D EXERCICES Slvie Rousseau Aée scolaire Table

Plus en détail

Baccalauréat S Nouvelle-Calédonie 7 mars 2014

Baccalauréat S Nouvelle-Calédonie 7 mars 2014 Durée : 4 heures Baccalauréat S Nouvelle-Calédoie 7 mars 2014 A. P. M. E. P. EXERCICE 1 Commu à tous les cadidats 4 poits Cet exercice est u QCM questioaire à choix multiple. Pour chaque questio, ue seule

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

1. Probabilités sur les ensembles finis

1. Probabilités sur les ensembles finis . Probabilités sur les esembles fiis.. RAPPELS ET COMPLEMENTS. VOCABULAIRE DES EVENEMENTS Das ue expériece aléatoire, l'uivers Ω est l'esemble des résultats possibles. U évéemet est ue partie de l'uivers.

Plus en détail

STATISTIQUES - ESTIMATION

STATISTIQUES - ESTIMATION STATISTIQUES - ESTIMATION I Echatilloage et estimatio : itroductio O se situe ici das 2 domaies des statistiques qui sot ceux de l «échatilloage» et de l «estimatio». Ces 2 domaies ot des cotextes d applicatio

Plus en détail

CORRIGE DE L'EXAMEN DU 4 DECEMBRE 2002

CORRIGE DE L'EXAMEN DU 4 DECEMBRE 2002 CORRIGE DE L'EXAMEN DU 4 DECEMBRE EXERCICE. Notos X la variable aléatoire décrivat l'idetificatio des pièces défectueuses. Le ombre de valeurs possibles de X correspod au ombre de cofiguratios possibles

Plus en détail

Chapitre 4. Lois de Probabilité. Sommaire. 1. Introduction. 4. 2. Lois discrètes..4

Chapitre 4. Lois de Probabilité. Sommaire. 1. Introduction. 4. 2. Lois discrètes..4 Mathématiques : Outils pour la Biologie Deug SV UCBL D. Mouchiroud (5/0/00) Chapitre 4 Lois de Probabilité Sommaire. Itroductio. 4. Lois discrètes..4.. Loi uiforme..4... Défiitio...4... Espérace et variace..5..

Plus en détail

Convergence en loi. Théorème de la limite centrale.

Convergence en loi. Théorème de la limite centrale. Uiversité Pierre et Marie Curie 2013-2014 Probabilités et statistiques - LM345 Feuille 10 (semaie du 2 au 6 décembre 2013 Covergece e loi. Théorème de la limite cetrale. Covergece e loi 1. Soiet (X N ue

Plus en détail

est la fréquence empirique des succès lors des 10 premières expériences.

est la fréquence empirique des succès lors des 10 premières expériences. Pierre Veuillez Statistiques iféretielle Sources, et pour e savoir plus : http://www.math-ifo.uiv-paris5.fr/smel 1 Problématique : Exemple ue ure cotiet des boules rouges et blaches dot o e coaît pas la

Plus en détail

EPREUVE DE RAISONNEMENT LOGIQUE ET MATHEMATIQUE

EPREUVE DE RAISONNEMENT LOGIQUE ET MATHEMATIQUE EPREUVE DE RAISONNEMENT LOGIQUE ET MATHEMATIQUE Nombre de pages de l épreuve Durée de l épreuve 0 pages 3h00 Compte teu du fait qu il s agissait d u cocours d etraiemet, cette épreuve à été prise sur le

Plus en détail

Master 1ère année spécialité IMIS et Mathématiques Contrôle continu de "Processus Stochastiques"

Master 1ère année spécialité IMIS et Mathématiques Contrôle continu de Processus Stochastiques Master ère aée spécialité IMIS et Mathématiques Cotrôle cotiu de "Processus Stochastiques" 8 octobre 00 - Durée h Calculatrices et documets autorisés Exercice Jacques va tous les jours à so travail e emprutat

Plus en détail

Reconnaissance des formes: Fenêtre de Parzen

Reconnaissance des formes: Fenêtre de Parzen Préom Nom Recoaissace des formes: Feêtre de Parze Pricipes de l'appretissage o paramétrique Estimatio o paramétrique de la desité Feêtres de Parze vs. k plus proches voisis Feêtres de Parze Réseau de euroes

Plus en détail

II - Estimation d'un paramètre par intervalle de confiance

II - Estimation d'un paramètre par intervalle de confiance II - Estimatio d'u paramètre par itervalle de cofiace 1 ) - Gééralités sur la costructio O veut estimer u paramètre (moyee, proportio ) d'u caractère das ue populatio P. Ue estimatio poctuelle à partir

Plus en détail

Développement d une fonction en série entière. Exemples et applications

Développement d une fonction en série entière. Exemples et applications Développemet d ue foctio e série etière Exemples et applicatios Das ce chapitre, K désigera R ou C B(; R) désigera la boule ouverte de cetre et de rayo R > 1 Gééralités Défiitio 1 Soit f ue applicatio

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

Classes de première générale et technologique STATISTIQUES ET PROBABILITÉS

Classes de première générale et technologique STATISTIQUES ET PROBABILITÉS Classes de première géérale et techologique STATISTIQUES ET PROBABILITÉS Sommaire I. Itroductio...4 II. Statistique descriptive, aalyse de doées...4 III. Variables aléatoires discrètes...6 IV. Utilisatio

Plus en détail

Correction du devoir surveillé de mathématiques n o 5

Correction du devoir surveillé de mathématiques n o 5 Correctio du devoir surveillé de mathématiques o 5 Exercice 1 1. Soit g la foctio défiie sur R par g(x) = (x 1)e x. (a) Détermier les ites de g e et +. Limite e. O a ue forme idétermiée. E développat,

Plus en détail

Exercices - Lois discrètes usuelles : corrigé

Exercices - Lois discrètes usuelles : corrigé www.almohadiss.com Exercice - Avio - L2/Prépa Hec - O ote X la variable aléatoire du ombre de moteurs de A qui tombet e pae, et Y la variable aléatoire du ombre de moteurs de B qui tombet e pae. X suit

Plus en détail

Inégalités souvent rencontrées

Inégalités souvent rencontrées Iégalités souvet recotrées Recotres Putam 004 Uiversité de Sherbrooke Jea-Philippe Mori Théorie Certaies iégalités sot deveues célèbres e raiso de leur grade utilité Elles sot aussi souvet au coeur de

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 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 détail

Notations Soit I un intervalle de R. Soit f une fonction définie sur I, à valeurs dans R. Notons représentative de f dans un repère du plan.

Notations Soit I un intervalle de R. Soit f une fonction définie sur I, à valeurs dans R. Notons représentative de f dans un repère du plan. Foctio réciproque d'ue octio cotiue, d'ue octio dérivable FNCTIN RECIPRQUE D'UNE FNCTIN CNTINUE, D'UNE FNCTIN DERIVABLE EXEMPLES N SE LIMITERA AUX FNCTINS NUMERIQUES DEFINIES SUR UN INTERVALLE DE R Notatios

Plus en détail

Codes détecteurs et correcteurs d erreurs

Codes détecteurs et correcteurs d erreurs Codes détecteurs et correcteurs d erreurs Lorsque des doées umériques sot stockées ou trasmises, des perturbatios (par exemple électromagétiques) peuvet les edommager. Les codes détecteurs et correcteurs

Plus en détail

CONVERGENCE ET APPROXIMATION

CONVERGENCE ET APPROXIMATION 11-2- 2010 J.F.C. Cov. p. 1 CONVERGENCE ET APPROXIMATION I CONVERGENCE EN PROBABILITÉ 1. Défiitio 2. Ue coditio suffisate de covergece e probabilité 3. La loi faible des grads ombres 4. Ue coséquece de

Plus en détail

Estimation par intervalle de confiance

Estimation par intervalle de confiance 62 CHAPITRE 12 Estimatio par itervalle de cofiace 1. Estimatio de la moyee par itervalle de cofiace 1.1. Calcul de la marge d erreur. O veut maiteat faire ue estimatio par itervalle de cofiace de la moyee

Plus en détail

Annexe I. Théorie des tests : Rappel très simplifié sur un exemple.

Annexe I. Théorie des tests : Rappel très simplifié sur un exemple. Théorie des tests : Rappel très simplifié sur u exemple. Aexe I Test de l efficacité d u remède sur des malades atteit d u rhume. p 0 : probabilité de guérir das les huit jours avec u placebo p 1 : probabilité

Plus en détail

Résumé de statistique inductive

Résumé de statistique inductive Uiversité de Bourgoge Faculté de Médecie et de Pharmacie Résumé de statistique iductive NB : les iformatios coteues das ce polycopié e fot e aucu cas office de référece pour le cocours, il s agit uiquemet

Plus en détail

Informatique TP2 : Calcul numérique d une intégrale CPP 1A

Informatique TP2 : Calcul numérique d une intégrale CPP 1A Iformatique TP : Calcul umérique d ue itégrale CPP 1A Romai Casati, Wafa Johal, Frederic Deveray, Matthieu Moy Avril - jui 014 1 Zéro de foctio O doe le code suivat (vu e cours), qui permet de calculer

Plus en détail

ANOVA avec un facteur aléatoire

ANOVA avec un facteur aléatoire Chapitre 7 ANOVA avec u facteur aléatoire Jusqu à maiteat, o a supposé que les modalités du facteur étudié ot été choisies parce qu elles étaiet itrisèquemet itéressates. Le modèle à effets fixes porte

Plus en détail

Dénombrement - Combinatoire Cours

Dénombrement - Combinatoire Cours Déombremet - Combiatoire Cours La combiatoire (ou aalyse combiatoire) étudie commet compter des objets. Elle fourit des méthodes de déombremet particulièremet utiles e probabilité. U des pricipaux exemples

Plus en détail

1 Lois des grands nombres. 2 Théorème central-limite. 3 Estimation ponctuelle à partir d échantillons. 4 Biais dans les estimations

1 Lois des grands nombres. 2 Théorème central-limite. 3 Estimation ponctuelle à partir d échantillons. 4 Biais dans les estimations Pla du cours 2 RFIDEC cours 2 : Échatillos, estimatios poctuelles Christophe Gozales LIP6 Uiversité Paris 6, Frace 1 Lois des grads ombres 2 Théorème cetral-limite 3 Estimatio poctuelle à partir d échatillos

Plus en détail

Université de Picardie Jules Verne 2006-2007 Faculté de Mathématiques et d Informatique

Université de Picardie Jules Verne 2006-2007 Faculté de Mathématiques et d Informatique Uiversité de Picardie Jules Vere 006-007 Faculté de Mathématiques et d Iformatique Licece metio Mathématiques - Deuxième aée - Semestre 4 Probabilités Elémetaires Exame du ludi 4 jui 007 Durée h00 Documet

Plus en détail

BTS Mécanique et Automatismes Industriels. Statistiques inférentielles

BTS Mécanique et Automatismes Industriels. Statistiques inférentielles BTS Mécaique et Automatismes Idustriels Statistiques iféretielles, Aée scolaire 2005 2006 Statistiques iféretielles 1. Itroductio vocabulaire Pour étudier ue populatio statistique, o a recours à deux méthodes

Plus en détail

Chapitre 3: Réfraction de la lumière

Chapitre 3: Réfraction de la lumière 2 e B et C 3 Réfractio de la lumière 16 Chapitre 3: Réfractio de la lumière 1. Expériece 1 : tour de magie avec ue pièce de moaie a) Dispositio Autour d'ue petite boîte coteat ue pièce de 1 de ombreux

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

Feuille 2 : dérivabilité, théorème de Rolle et des accroissements finis, étude des variations

Feuille 2 : dérivabilité, théorème de Rolle et des accroissements finis, étude des variations UPMC 1M001 Aalyse et algèbre pour les scieces 013-014 Feuille : dérivabilité, théorème de Rolle et des accroissemets fiis, étude des variatios Les eercices sas ( ) sot des applicatios directes du cours.

Plus en détail

Echantillon : Collection d'individus prélevés dans la population statistique.

Echantillon : Collection d'individus prélevés dans la population statistique. SONDAGE (ECHANTILLONNAGE) POPULATION STATISTIQUE N idividus possédat ue modalité yi de la (ou des) variable(s) y ( i N) PARAMETRES valeur cetrale dispersio corrélatio µ σ² ρ moyee variace coef. corr. ECHANTILLON

Plus en détail

Techniques d enquête

Techniques d enquête Sodage aléatoire simple Techiques d equête Exercice 1 Sur les 500 élèves de M1 de l Uiversité d Auverge, o veut coaître la proportio P qui souhaitet faire u Master à Clermot-Ferrad. Parmi les 150 élèves

Plus en détail

Introduction aux tests statistiques

Introduction aux tests statistiques Itroductio aux tests statistiques Philippe Boeau 27 septembre 2006 Chapitre 1 Élémets de probabilités Exercice 1 O ote E l esemble des etiers aturels iférieurs ou égaux à 12 et A (respectivemet B et C)

Plus en détail

INF582 : Cryptologie Attaque de clés RSA par la méthode de Wiener

INF582 : Cryptologie Attaque de clés RSA par la méthode de Wiener INF58 : Cryptologie Attaque de clés RSA par la méthode de Wieer Nicolas DOUZIECH - Thomas JANNAUD - X005 9 mars 008 Table des matières Quelques rappels sur le cryptosystème RSA Pricipe de l attaque de

Plus en détail

1 Mesure et intégrale

1 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 détail

Séquence 1. Les suites numériques. Sommaire. 1. Pré-requis 2. Le raisonnement par récurrence 3. Notions de limites 4. Synthèse

Séquence 1. Les suites numériques. Sommaire. 1. Pré-requis 2. Le raisonnement par récurrence 3. Notions de limites 4. Synthèse Séquece Les suites umériques Sommaire Pré-requis Le raisoemet par récurrece 3 Notios de limites 4 Sythèse Das cette séquece, il s agit d ue part d approfodir la otio de suites umériques permettat la modélisatio

Plus en détail

Formulaire de statistiques

Formulaire de statistiques Formulaire de statistiques E. Depiereux G. Vicke B. De Hertogh Javier 009 Formulaire de statistiques I. Statistiques descriptives : Moyee arithmétique : (populatio: m x = µ) (échatillo = x = M x ) 1 i

Plus en détail