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

Dimension: px
Commencer à balayer dès la page:

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

Transcription

1 B A S E Biotechol Agro Soc Eviro 00 6 (3) Utilisatio du bootstrap pour les problèmes statistiques liés à l estimatio des paramètres Rudy Palm Uité de Statistique et Iformatique Faculté uiversitaire des Scieces agroomiques de Gembloux Aveue de la Faculté d Agroomie 8 B 5030 Gembloux (Belgique) Reçu le 7 mars 00 accepté le 9 avril 00 Cet article décrit l utilisatio du bootstrap pour le calcul de l erreur-stadard et du biais d u estimateur et pour la détermiatio des limites de cofiace d u paramètre estimé Les différetes méthodes exposées sot illustrées par u exemple Mots-clés Bootstrap erreur-stadard biais itervalle de cofiace jackkife moyee médiae variace statistique Use of bootstrap for statistical problems related to estimatio of parameters This paper describes bootstrappig for the estimatio of the stadard error ad the bias of a estimator ad for computig cofidece itervals The methods are illustrated by a example Keywords Bootstrap stadard error bias cofidece iterval jackkife mea media variace statistics INTRODUCTION Les méthodes classiques d iférece statistique e permettet pas d obteir des réposes correctes à tous les problèmes cocrets que se pose l utilisateur Elles e sot e effet valables que sous des coditios d applicatio particulières Aisi par exemple le test t de Studet d égalité des moyees suppose que les deux populatios-parets sot ormales de même variace et que les deux échatillos sot aléatoires simples et idépedats Le calcul de l itervalle de cofiace d ue variace par l itermédiaire des variables χ suppose que la populatio-paret est ormale et que l échatillo est aléatoire et simple L iférece statistique classique e régressio suppose outre les coditios d applicatio relatives à la populatio et à l échatillo que le modèle est ajusté au ses des moidres carrés Que peut faire l utilisateur e pratique lorsque ces coditios d applicatio e sot pas remplies? Différetes attitudes sot possibles Das certais cas les méthodes classiques sot utilisées malgré le o-respect des coditios Cette utilisatio est alors justifiée par le caractère robuste des méthodes qui garatit que les résultats de l iférece restet approximativemet valables C est par exemple le cas pour la comparaiso de moyees de populatios qui s écartet modérémet des distributios ormales lorsque les effectifs sot suffisammet grads Le recours à des trasformatios de variables permet das certais cas de se rapprocher des coditios d applicatio Aisi ue trasformatio logarithmique par exemple peut redre ormales des distributios qui au départ e le sot pas Ue troisième attitude cosiste à abadoer les méthodes paramétriques d iférece statistique au profit de méthodes o paramétriques pour lesquelles les coditios d applicatio sot bie mois restrictives Pour le problème de la comparaiso de deux moyees évoqué ci-dessus le test t de Studet sera par exemple remplacé par le test des rags de Wilcoxo aussi appelé test de Ma-Whitey (Dagelie 998) Les solutios proposées ci-dessus permettet icotestablemet d élargir l évetail des problèmes auxquels ue solutio peut être apportée Elles e permettet cepedat pas de résoudre tous les problèmes L accès gééralisé à des moyes de calcul puissats a permis le développemet de méthodes d iférece statistique basées sur l utilisatio itesive de l ordiateur Le bootstrap fait partie de ces méthodes Le mot bootstrap proviet de l expressio aglaise to pull oeself up by oe s bootstrap (Efro Tibshirai 993) qui sigifie littéralemet se soulever e tirat sur les laguettes de ses bottes Le mot bootstrap fait peser à des traductios telles que à la force du poiget ou par soi-même ou passe partout (Dagelie 998) mais e fait il est jamais traduit das la littérature scietifique d expressio fraçaise

2 44 Biotechol Agro Soc Eviro 00 6 (3) R Palm Le pricipe gééral de la méthode est de rééchatilloer u grad ombre de fois l échatillo iitial qui a été réellemet prélevé das la populatio l iférece statistique état basée sur les résultats des échatillos aisi obteus L objectif de cette ote est de décrire commet le bootstrap peut être utilisé pour résoudre les problèmes d iférece statistique e relatio avec l estimatio des paramètres Nous présetos d abord les méthodes de rééchatilloage Esuite ous examios l estimatio de l erreur-stadard et du biais d u estimateur Nous doos alors quelques méthodes de détermiatio de l itervalle de cofiace d u paramètre avat de coclure Des iformatios plus détaillées cocerat le bootstrap et d autres méthodes de rééchatilloage sot doées otammet par Cherick (999) Efro et Tibshirai (993) et Maly (997) MÉTHODES DE RÉÉCHANTILLONNAGE Bootstrap des idividus O cosidère u échatillo de observatios : x x x i x prélevé de maière aléatoire et simple das ue populatio Ces observatios peuvet cocerer ue seule variable ou au cotraire être relatives à plusieurs variables Das ce cas les x i représetet des vecteurs de dimesio p p état le ombre de variables Afi de e pas alourdir les otatios ous e distigueros pas ces deux situatios et de maière plus codesée ous désigeros l échatillo iitial par le symbole x qu il s agisse d u vecteur ou d ue matrice Le pricipe de la méthode du bootstrap est de prélever ue série d échatillos aléatoires et simples avec remise de observatios das l échatillo iitial cosidéré comme ue populatio Ces échatillos successifs serot otés : x * x * Kx k * K x B * B état le ombre de rééchatilloages effectués À titre d illustratio ous cosidéros le problème de l estimatio de diverses caractéristiques de la populatio des tailles des exploitatios agricoles de la Régio walloe à partir d u échatillo aléatoire et simple de 00 observatios La populatio a été simulée à partir de la distributio groupée résultat du recesemet agricole et horticole au 5 mai 995 (INS 996) Pour ue classe doée d effectif i et de limites de classe x i if et x i sup o a gééré i ombres aléatoires apparteat à ue distributio uiforme das le domaie (x i i f x i s u p ) O a aisi obteu les tailles simulées des 479 exploitatios La figure repred l histogramme et Effectif: 479 Moyee: 309 Médiae: 5 Variace Surface agricole utile (ha) Figure Populatio simulée des tailles des exploitatios de la Régio walloe e 995 Simulated populatio of the farms sizes i the Walloo Regio i 995 les pricipaux paramètres de cette populatio dot la caractéristique la plus marquate est la très forte dissymétrie gauche L exemple présete doc u caractère artificiel das la mesure où o coaît exactemet les caractéristiques de la populatio celle-ci état simulée L itérêt de disposer d ue populatio est de permettre ue répétitio des calculs comme ous le verros au paragraphe 47 Das la populatio théorique e questio o a sélectioé de maière aléatoire et simple u échatillo de 00 observatios La deuxième coloe du tableau otée x doe les premières et les derières observatios de l échatillo après classemet des doées par ordre croissat Les trois coloes suivates doet les premières et les derières observatios de trois échatillos de 00 observatios prélevés das l échatillo iitial et otés x * x * x 3 * ceux-ci ayat égalemet été classés par ordre croissat O costate par exemple que pour l échatillo x * la première observatio de l échatillo iitial a été sélectioée deux fois et que Ta b l e a u Échatillo iitial x et résultats de trois rééchatilloages x * x * et x 3 * (doées partielles) Iitial sample x ad three bootstrap samples x * x * ad x 3 *(partial data) Numéro x x * x * x 3 * d ordre

3 Utilisatio du bootstrap pour les problèmes statistiques liés à l estimatio des paramètres 45 la deuxième observatio de l échatillo iitial a par cotre pas été sélectioée Le rééchatilloage se faisat avec remise il est tout à fait ormal que certaies observatios de l échatillo iitial soiet absetes ou au cotraire apparaisset plus d ue fois Pour l esemble des B échatillos obteus par b o o t s t r a p (bootstrap sample) les observatios x i apparaisset pas e ombre égal et o peut défiir les proportios d apparitio P i * de chacue des observatios P i * état égal au ombre de fois que l observatio x i a été prélevée pour l esemble des B échatillos divisé par le ombre total de prélèvemets qui est égal à B Ces proportios P i * itervieet das certaies estimatios (paragraphe 3) Des méthodes de rééchatilloage assurat l égalité de ces proportios sot égalemet proposées Cette approche porte le om de rééchatilloage balacé Bootstrap des résidus La techique de rééchatilloage présetée ci-dessus est la plus simple et la plus courate Des méthodes u peu différetes sot utilisées pour des applicatios particulières Aisi das les problèmes de régressio lorsque les valeurs des variables explicatives sot fixées a priori par l utilisateur le rééchatilloage d idividus peut difficilemet se justifier Das ue telle situatio o peut remplacer le bootstrap des idividus par le bootstrap des résidus Soit y le vecteur de la variable à expliquer et Z la matrice des variables explicatives L échatillo iitial est doc décrit par la juxtapositio du vecteur y et de la matrice Z Soit β^ le vecteur des coefficiets estimés par ue méthode doée d ajustemet qui est pas écessairemet la méthode des moidres carrés O peut calculer le vecteur des valeurs estimées de la variable à expliquer et e déduire le vecteur des résidus : e = y - ˆy Das le cas du modèle liéaire o a : ˆy = Z βˆ mais de maière plus géérale y i peut être ue foctio quelcoque des valeurs observées des variables explicatives et des paramètres estimés : ( Z βˆ ) ˆ y = f Soit e k * u échatillo aléatoire et simple prélevé avec remise das le vecteur e Si le vecteur e est pas de moyee ulle il est écessaire de soustraire cette moyee de chacu des résidus avat de procéder au rééchatilloage (Léger et al 99) E additioat e k * à la partie détermiiste du modèle f (Zβ^ ) o obtiet le vecteur y k *: La juxtapositio de y k * et de Z costitue le résultat du rééchatilloage x k * Comme précédemmet la procédure décrite est répétée B fois Il faut oter que l applicatio du bootstrap à la régressio implique pas écessairemet le bootstrap des résidus Le choix de l ue ou de l autre méthode déped du caractère fixe ou aléatoire de la matrice Z mais déped aussi des hypothèses relatives au modèle Le rééchatilloage des résidus suppose e effet que les résidus e sot pas foctio des variables explicatives ce qui est par exemple pas le cas e présece d iégalité des variaces coditioelles ou d iadéquatio de la relatio 3 ERREUR-STANDARD ET BIAIS D UN PARAMÈTRE 3 Estimatio de l erreur-stadard Soit u paramètre θ de la populatio et soit : ( x x ) f ( x) = f K ( Z ) e* k y * ˆ k = f β + = ue estimatio de ce paramètre obteue à partir des doées de l échatillo iitial x Chaque échatillo obteu par rééchatilloage permet de calculer ue répétitio du b o o t s t r a p (bootstrap replicatio) de l estimatio θ^ : f ( * k ) ( k B) k = x = K la foctio f état la même que celle utilisée pour la défiitio de θ^ Cosidéros qu o s itéresse à la moyee à la médiae et à la variace de la distributio des tailles des exploitatios agricoles et qu o se propose d estimer ces trois paramètres à partir de l échatillo x Si o utilise les estimateurs classiques le paramètre θ^ s écrit successivemet pour les trois paramètres cosidérés : = 00 x xi ~ x = ( x[50] + x[5 ) 00 i= ] 00 σ et ˆ = ( x ) 99 i x i= x [50] et x [5] état les observatios de rags 50 et 5 de l échatillo iitial Les valeurs umériques pour ces trois estimatios sot doées das la première partie du tableau sur la lige ititulée θ^

4 46 Biotechol Agro Soc Eviro 00 6 (3) R Palm Tableau Paramètres estimés pour l échatillo iitial (θ^ ) et pour les trois premiers échatillos obteus par rééchatilloage (θ^* θ^* et θ^3*) ; moyees (θ^*) et écarts-types (σ^θ^*) des paramètres estimés pour 000 rééchatilloages Parameters estimated from the iitial sample (θ^ ) ad from the first three bootstrap samples (θ^* θ^* et θ^3*) ; meas (θ^*) ad stadard deviatios (σ^θ^*) for 000 bootstrap replicates Paramètre Moyee Médiae Variace θ^ Les calculs des trois paramètres peuvet être répétés pour les échatillos x * x *et x 3 * Les résultats obteus sot repris das la secode partie du tableau sur les liges ititulées θ^ * θ^*et θ^ 3* Cette secode partie du tableau peut évidemmet être complétée au fur et à mesure des rééchatilloages fourissat x 4 * x 5 * x B * Disposat des B répétitios o peut détermier la moyee : B ˆ θ = θ ˆ B k k= et l écart-type des θ^k*: σˆ θ ˆ * θ^* θ^* θ^3* θ^* σ^θ^* = B ( ˆ* ˆ θ * k θ ) ( B ) k = Pour l exemple ci-dessus 000 rééchatilloages ot été réalisés Les f i g u res 3 et 4 doet la distributio des valeurs obteues pour les trois paramètres cosidérés Pour la moyee et pour la variace o costate que la distributio est e cloche et relativemet symétrique Par cotre la distributio des médiaes est assez différete puisqu elle présete u caractère bimodal assez proocé La moyee et l écart-type des 000 moyees des 000 médiaes et des 000 variaces sot doés das la troisième partie du tableau das les liges ititulées θ^* et σ^ θ^* L écart-type σ^θ^* est ue estimatio de l erreurstadard de l estimateur du paramètre θ Pour les situatios où o dispose d u estimateur de cette erreur-stadard et pour autat que les coditios d applicatio soiet remplies o peut motrer que Moyee Figure Distributio des moyees de 000 échatillos obteus par bootstrap Distributio of the meas of 000 bootstrap samples Médiae Figure 3 Distributio des médiaes de 000 échatillos obteus par bootstrap Distributio of the medias of 000 bootstrap samples Variace Figure 4 Distributio des variaces de 000 échatillos obteus par bootstrap Distributio of the variaces of 000 bootstrap samples

5 Utilisatio du bootstrap pour les problèmes statistiques liés à l estimatio des paramètres 47 l écart-type des θ^k* ted vers le résultat aalytique lorsque B ted vers l ifii Aisi pour la moyee d u échatillo aléatoire et simple o sait que l erreur-stadard de la moyee est égale à σ Si B ted vers l ifii l écart-type σ^θ^* ted vers σ avec : ˆ plug L estimatio σ^ plug de l écart-type de la populatio doée ci-dessus est appelée estimatio par isertio (plug-i estimator) Pour u estimateur par isertio la formule coduisat à l estimatio est la même que celle utilisée pour la défiitio du paramètre de la populatio E effet pour ue populatio fiie de taille N et de moyee m X o a : = N N E d autres mots pour u estimateur par isertio o cosidère l échatillo comme ue populatio particulière et o utilise la formule relative au paramètre de la populatio Pour l exemple ci-dessus l écart-type des moyees obteues pour les différets échatillos x k * est égal à 89 (Ta b l e a u ) Si o augmetait idéfiimet le ombre de répétitios B cet écart-type se rapprocherait de 9 puisque : ( ) ˆ = ( 99)( ) σˆ plug = σ = et σˆ plug = = D ue maière géérale lorsque B ted vers l ifii la valeur σ^ θ^ * ted vers ue valeur fixée qui correspod à l estimatio de l erreur-stadard du bootstrap idéal Efro et Tibshirai (993) proposet les règles empiriques suivates pour le choix de B : u ombre réduit de répétitios (B = 5 par exemple) permet d obteir ue première iformatio et B = 50 est gééralemet suffisat pour avoir ue boe estimatio de l erreur-stadard ; il est très rare que plus de 00 répétitios soiet écessaires pour estimer ue erreur-stadard O peut oter que le choix de B est pas foctio de la taille de l échatillo 3 Estimatio du biais ˆ σ plug σ = ( x m ) i= ( x x) i= i Le biais d u paramètre peut être estimé par la méthode du bootstrap de la maière suivate : i X biaisb ( ) = plug θ^plug état l estimatio par plug-i du paramètre θ même si θ^ est pas ue estimatio par plug-i Aisi pour la moyee et pour la médiae θ^ est égale à θ^plug et l estimatio du biais pour ces deux paramètres est égale à : = 04 et = Pour la variace l estimatio par isertio est égale à et l estimatio du biais est égale à : = 50 Disposat d ue estimatio du biais o peut évetuellemet corriger l estimatio iitiale O obtiet alors : ( C = biais B ) O otera cepedat que la correctio systématique du biais par la relatio ci-dessus peut s avérer dagereuse das la mesure où cette correctio peut augmeter l erreur-stadard de maière importate E pratique lorsque le rapport du biais à l erreur-stadard est iférieur à 05 il est souvet préférable de e pas corriger l estimateur pour le biais D autre part u rapport supérieur à 05 peut être ue idicatio que la statistique θ^ = f ( x x ) e s t iappropriée pour estimer θ Pour l exemple ci-dessus il y a certaiemet pas itérêt à corriger les estimatios pour le biais puisqu o peut motrer que les trois estimatios sot o biaisées (Dagelie 998) Lorsque θ^ est ue estimatio par isertio o a démotré qu ue meilleure estimatio du biais est obteue e teat compte des proportios d apparitio P i * défiies au paragraphe Il suffit de remplacer das la formule ci-dessus θ^plug par θ^ plug θ^ plug état ue foctio des observatios de l échatillo x qui attribue aux observatios x i u poids égal à P i * au lieu de leur attribuer des poids égaux à P 0 = / 33 Estimatios par jackkife Ue autre forme de rééchatilloage permettat d estimer l erreur-stadard et le biais d u paramètre est la techique du jackkife O calcule fois la valeur du paramètre à partir d u échatillo de - observatios chacue des observatios état élimiée à so tour de l échatillo E désigat par θ^(-i) l estimatio obteue après élimiatio de l observatio i o peut estimer l erreur-stadard du paramètre θ^ par la relatio suivate (Efro Tibshirai 993 ; Dagelie 998) :

6 48 Biotechol Agro Soc Eviro 00 6 (3) R Palm avec : et le biais vaut : σˆ θ ˆ = J i= biaisj J ( ( i) J ) = θ ˆ i= ( i) ( ) = ( )( ) Lorsque la taille de l échatillo est iférieure au ombre de répétitios utilisé das la méthode du b o o t s t r a p soit le plus souvet etre 50 et 00 le calcul de l erreur-stadard et du biais est plus rapide par le jackkife Par cotre la méthode du jackkife qui peut être cosidérée comme ue approximatio du b o o t s t r a p doe de maière géérale de mois boes estimatios De plus la méthode du jackkife peut doer des résultats aberrats lorsque la statistique θ^ est pas ue foctio cotiue (smooth fuctio) des observatios x i c est-à-dire ue foctio variat de maière régulière lorsque les doées chaget La médiae est u cas typique de foctio o cotiue Pour l exemple des exploitatios agricoles la méthode du j a c k k i f e doe les erreurs-stadards suivates : 9 pour la moyee 56 pour la médiae 969 pour la variace Pour la moyee et pour la variace les erreursstadards sot proches des valeurs obteues par bootstrap respectivemet égales à 89 et 845 (Tableau ) Par cotre pour la médiae l erreurstadard obteue par jackkife est plus de deux fois plus grade que celle obteue par bootstrap Cette valeur est cepedat aberrate comme sigalé cidessus car elle est e fait foctio que de la d i fférece qui existe etre deux observatios successives particulières Cosidéros e effet la série statistique costituée des six observatios suivates ordoées par ordre croissat : 89 ; 946 ; 00 ; 3 ; 6 et 65 E élimiat tour à tour ue observatio la médiae x ~ (-i) vaut soit 3 si l observatio élimiée est ue des trois premières soit 00 si l observatio élimiée est ue des trois derières La somme des carrés des écarts de toutes ces médiaes est doc foctio que de l écart qui existe etre l observatio de rag / et celle de rag / + La série statistique cosidérée ici est e réalité la partie cetrale de l échatillo x de 00 observatios classées par ordre croissat Plus précisémet il s agit des observatios de rag 48 à 53 E appliquat la méthode du jackkife à cet échatillo complet o obtiet 50 médiaes J égales à 00 et 50 médiaes égales à 3 L erreurstadard de la médiae s écrit doc : ( 99)( 00) [( 3 00) ] 5 6 σˆ ˆ = = θ J 00 et e déped que de l écart etre l observatio de rag 50 et celle de rag 5 4 INTERVALLE DE CONFIANCE 4 Méthode de l erreur-stadard Ue première solutio cosiste à défiir l itervalle de cofiace par la méthode de l erreur- s t a d a r d (stadard bootstrap cofidece iterval) : θ ˆ ± u σ α / ˆ * u -α/ état le pourcetile α/ de la distributio ormale réduite et α état le degré de cofiace reteu Pour que cette approche soit satisfaisate il faut que la distributio d échatilloage du paramètre étudié soit approximativemet ormale que l estimateur soit o biaisé et que σ^θ^* soit ue boe estimatio de l erreur-stadard de la distributio du paramètre Le fait que ces coditios soiet remplies ou o déped des circostaces La coditio de ormalité peut être vérifiée à partir de la distributio des θ^k * et il peut être utile évetuellemet d effectuer ue trasformatio de maière à redre la distributio plus proche de la ormale Le biais de l estimateur peut être estimé comme ous l avos vu au paragraphe 3 mais sa prise e compte risque d augmeter la variace de l estimateur Efi la qualité de l estimatio de l erreur-stadard est liée au ombre de répétitios B cosidéré et ous avos sigalé au paragraphe 3 que 50 répétitios sot gééralemet suffisates Pour l exemple cosidéré et pour u degré de cofiace de 95 % o obtiet les limites de cofiace suivates respectivemet pour la moyee pour la médiae et pour la variace : 83 ± (96)(89) soit 47 et ± (96)(53) soit 660 et 65 et ± (96)(845) soit et 576 Le caractère tout à fait o ormal de la distributio des médiaes ous coduit cepedat à mettre e doute a priori le résultat obteu pour ce paramètre 4 Méthode des pourcetiles simples Das la méthode des pourcetiles simples (simple p e rcetile cofidece iterv a l) les limites de cofiace

7 Utilisatio du bootstrap pour les problèmes statistiques liés à l estimatio des paramètres 49 sot doées par les pourcetiles α/ et α/ de la distributio d échatilloage empirique c est-à-dire de la distributio des θ^k * Nous les otos θ^* [α/] et θ^* [ α/] Cotrairemet à la méthode de l erreur-stadard la distributio d échatilloage du paramètre étudié e doit pas être ormale pour que la méthode des pourcetiles soit satisfaisate Par cotre le ombre de rééchatilloages B doit être plus élevé que das le cas de la méthode de l erreur-stadard car il faut u plus grad ombre d observatios pour estimer avec ue précisio suffisate u pourcetile que pour estimer u écart-type B sera par exemple de l ordre de 000 Pour 000 rééchatilloages et pour u degré de cofiace de 95 % les pourcetiles 005 et 0975 correspodet approximativemet à l observatio de rag 5 et à l observatio de rag 975 la valeur exacte pouvat dépedre de l algorithme utilisé pour le calcul de ces pourcetiles Les résultats obteus pour les trois paramètres cosidérés das l exemple sot les suivats : 48 et 3389 pour la moyee 48 et 40 pour la médiae et 59 et 4880 pour la variace Il faut oter aussi qu ue procédure de calcul u peu différete a été proposée par Hall (99) et est décrite par Maly (997) La méthode cosiste à calculer les écarts : ê* k = k et à détermier les pourcetiles α/ et α/ otés e^* [α/] et e^* [-α/] de cette distributio Les limites de cofiace sot alors doées par les relatios : ê* * [ /] [-α/] et ê α Par cette méthode o obtiet das le cas de l exemple 37 et 3378 pour la moyee 9 et 83 pour la médiae et et 9634 pour la variace 43 Méthode des pourcetiles corrigés pour le biais O détermie d abord la proportio p de valeurs θ^k * iférieures à θ^ et o calcule le pourcetile u p relatif à la distributio ormale réduite Soit α et α les valeurs de la foctio de répartitio de la ormale réduite aux poits u et u : α = Φ( u ) et α = Φ( u) avec u = u p + u α/ et u = u p + u α/ Les limites de cofiace détermiées par la méthode des pourcetiles corrigés pour le biais (bias corrected percetile cofidece iterval) sot alors les pourcetiles θ^* [α ] et θ^* [α ] de la distributio des θ^k * Des iformatios cocerat l origie de cette correctio sot doées das Efro et Ti b s h i r a i (993) et das Cherick (999) O remarque que si p = 05 c est-à-dire si θ^ est la médiae de la distributio des θ^k * il y a pas de correctio pour le biais puisque u p = 0 et o retrouve la méthode précédete Si p est iférieur à 05 les limites de cofiace correspodet à des pourcetiles iférieurs respectivemet à α/ et α/ Au cotraire si p est supérieur à 05 les limites correspodet à des pourcetiles supérieurs à α/ et α/ Par exemple si p = 04 les limites de cofiace pour u degré de cofiace de 095 sot les pourcetiles θ^* θ^* [00068] et θ^* [0969] Pour p = 06 les limites correspodet à [0073] et θ^* [0993] Pour les exploitatios agricoles les valeurs de p sot égales à et 0555 respectivemet pour la moyee pour la médiae et pour la variace Les limites de cofiace serot par coséquet toutes légèremet plus grades que das le cas de la méthode des pourcetiles simples O obtiet e effet 303 et 346 pour la moyee578 et 47 pour la médiae et 5545 et 303 pour la variace 44 Méthode des pourcetiles avec correctio pour le biais et accélératio La méthode précédete qui pred e compte le biais peut être étedue de maière à teir compte d u évetuel chagemet de l erreur-stadard de θ^ lorsque θ varie Elle porte alors le om de méthode des pourcetiles avec correctio pour le biais et accélératio (bias corrected ad accelerated cofidece iterv a l) Ue justificatio de cette méthode est doée par Efro et Tibshirai (993) θ^* Les limites de cofiace sot les pourcetiles [α ] et θ^* [α ] de la distributio des θ^k * α et α état les valeurs de la foctio de répartitio de la variable ormale réduite aux poits u et u défiis de la maière suivate : u = u p + ( u p + uα / ) [ a( u p + uα / )] u = u p + ( u p + u α / ) [ a( u p + u α / )] Das ces relatios u p est défii comme précédemmet et la costate a est appelée accélératio car elle est liée au taux de variatio de l erreur-stadard de θ^ lorsque le paramètre θ varie Cette costate peut être estimée de diff é r e t e s maières Ue solutio cosiste à utiliser la techique du jackkife O obtiet alors le paramètre a par la relatio suivate : 3 ( ˆ ˆ θ θ ) 6 ( ˆ ) a = J ( i) J θ( i) i= i= 3 /

8 50 Biotechol Agro Soc Eviro 00 6 (3) R Palm Das cette relatio θ^( - i ) est l estimatio du paramètre θ obteue à partir de l échatillo iitial dot o a elevé la i ème observatio et θ^j est la moyee des valeurs θ^(-i) O peut costater que si a = 0 o retrouve la méthode des pourcetiles corrigés pour le biais La prise e compte de l accélératio costitue doc bie ue extesio de la méthode précédete Les limites obteues par cette méthode sot pour l exemple examié 3 et 3533 pour la moyee 578 et 47 pour la médiae et et pour la variace O costate que pour la médiae les résultats sot idetiques à ceux obteus par la méthode précédete le paramètre a état ul du fait de la parfaite symétrie de la distributio des x ~ (-i) comme ous l avos précisé au paragraphe Méthode du bootstrap-t L idée mise e applicatio das le bootstrap-t est de défiir ue statistique dot la distributio e soit pas foctio de la valeur réelle et icoue du paramètre θ La statistique T : θ θ Τ = ˆ σ θ peut remplir ce rôle Il s agit alors d approcher la distributio théorique de T par rééchatilloage Das ce but o calcule : = k tk σˆ ( k ) σ^ (θ^k * ) état l erreur-stadard de θ^k * qui déped doc de l échatillo k Elle peut être calculée par ue formule théorique lorsqu ue telle formule est dispoible ou à partir du rééchatilloage de l échatillo x k * utilisé pour calculer θ^k * Il s agit alors d u b o o t s t r a p à deux iveaux puisque chaque échatillo x k * fait lui-même l objet d u rééchatilloage permettat de calculer l erreurstadard selo la méthode décrite au paragraphe 3 Ue autre possibilité pour estimer l erreur-stadard est le recours à la méthode du jackkife (paragraphe 33) Pour l échatillo x k * θ^* o détermie les valeurs (- i ) e élimiat à tour de rôle chacue des observatios et o calcule l erreur-stadard du paramètre par la relatio suivate : σˆ ( ) ( ) i i i= i= ( ˆ* ) = ˆ θ θ k Lorsque l effectif de l échatillo est iférieur au ombre de répétitios au secod iveau oté B la méthode du jackkife exige mois de calculs mais l estimatio est gééralemet mois boe que l estimatio par bootstrap du mois lorsque B est suffisammet grad (de 50 à 00 par exemple) comme sigalé au paragraphe 33 Disposat de la distributio des t* k o e détermie les pourcetiles α/ et α/ otés t* [α/] et t* [-α/] et o obtiet les limites de cofiace du paramètre θ par les relatios : θ ˆ = t* α σ = [- /] ˆ et t * [ α σˆ /] Le bootstrap à deux iveaux a été appliqué à l échatillo des 00 tailles d exploitatios agricoles le ombre de répétitios au deuxième iveau état égal à 50 Pour la moyee les pourcetiles 005 et 0975 de la distributio observée des t * k sot les suivats : t * 3364 et * [ 005] = t [ ] = Les limites de cofiace de la moyee sot par coséquet égales à : 83 (7574)(89) = 305 et 83 ( 3364)(89) = 3488 Des calculs idetiques ot été réalisés pour la médiae et pour la variace ; les limites de cofiace obteues sot respectivemet 845 et 766 pour la médiae et 569 et 534 pour la variace 46 Choix d ue méthode Das les paragraphes précédets diverses méthodes de calcul de l itervalle de cofiace ot été décrites Le tableau 3 repred quelques caractéristiques de ces méthodes La méthode du pourcetile avec correctio Tableau 3 Caractéristiques des méthodes de calcul de l itervalle de cofiace d u paramètre ( : méthode de l erreur-stadard ; : méthode des pourcetiles simples ; 3 : méthode des pourcetiles corrigés pour le biais et a c c é l é r a t i o ; 4 : méthode du b o o t s t r a p - t) C h a r a c t e r i s t i c s of the methods for computig cofidece iterval of a parameter (: stadard bootstrap; : simple percetile; 3: bias corrected ad accelerated; 4: bootstrap-t cofidece iterval) Méthodes 3 4 Nombre de rééchatilloages Ifluece d ue trasformatio oui o o oui Respect du domaie o oui oui o Ordre de précisio / /

9 Utilisatio du bootstrap pour les problèmes statistiques liés à l estimatio des paramètres 5 du biais a pas été reprise car il s agit d u cas particulier de la méthode avec correctio du biais et accélératio La première lige du tableau cocere l ordre de gradeur du ombre d échatillos qu il faut prélever pour le calcul des limites de cofiace La méthode de l e r r e u r-stadard est la plus rapide (B = 00 par exemple) alors que la méthode du bootstrap-t est la plus coûteuse puisqu elle fait appel au bootstrap à deux iveaux : par exemple B = 000 répétitios au premier iveau chacue de celles-ci faisat l objet de B = 00 répétitios pour l estimatio de l erreurstadard sauf si est plus petit que 00 et qu o utilise la méthode du jackkife qui est cepedat e gééral mois boe La deuxième lige du tableau cocere l ifluece d ue trasformatio comme par exemple la trasformatio argumet tagete hyperbolique das le cas du coefficiet de corrélatio La méthode de l erreur-stadard et la méthode du bootstrap-t sot ifluecées par ue trasformatio alors que les méthodes basées sur les pourcetiles e le sot pas Aucue trasformatio e doit doc être recherchée pour les derières méthodes citées La troisième lige du tableau sigale si l itervalle de cofiace respecte le domaie das lequel doit se trouver le paramètre θ Aisi par exemple les méthodes qui e respectet pas le domaie (méthode de l erreur-stadard et méthode du b o o t s t r a p - t) peuvet coduire à des limites de cofiace qui e sot pas das le domaie ( ) pour u coefficiet de corrélatio alors que les autres méthodes e doerot jamais des limites de cofiace situées e dehors de ce domaie Efi la quatrième lige a trait à la proportio d itervalles de cofiace corrects Idéalemet pour u degré de cofiace égal à 095 par exemple la probabilité que la limite iférieure de l itervalle de cofiace soit supérieure à θ doit être égale à 005 De même la probabilité que la limite supérieure de l itervalle soit iférieure à θ doit être égale à 005 Plutôt que de cosidérer les deux limites simultaémet o peut s itéresser à ue seule limite Soit θ [α] la limite calculée telle que idéalemet : O peut motrer que les méthodes de l erreurstadard et des pourcetiles simples coduiset à des probabilités e gééral égales à : P P ( θ θ α ) = α ( θ < θ ) α Ο( - / α = + ) [ < [ ] ] tadis que les méthodes du b o o t s t r a p - t et des pourcetiles avec correctio du biais et accélératio sot du type : Les termes Ο ( / ) et Ο ( ) idiquet respectivemet l ordre de gradeur de l erreur Ces relatios motret que les deux derières méthodes citées sot préférables de ce poit de vue La comparaiso des différetes méthodes proposées motre que la méthode des pourcetiles corrigés pour le biais et accélératio offre das l esemble le plus d avatages et est de ce fait précoisée par Efro et Tibshirai [993] 47 Comparaiso des résultats pour l exemple Les limites de cofiace obteues par les différetes méthodes ot été doées das les paragraphes précédets (paragraphes 4 à 45) À titre de comparaiso les itervalles de cofiace ot égalemet été calculés e utilisat des méthodes paramétriques classiques même si a priori o sait que les coditios d applicatio e sot pas remplies Aisi pour la moyee o a : Pour la médiae et pour ue populatio-paret ormale o a : Efi pour la variace o a reteu la méthode basée sur l utilisatio de la distributio χ à degrés de liberté valable pour ue populatio ormale et la méthode de l erreur-stadard : avec P ( θ < θ α ) = α + Ο( - ) ~ x ± u α / π σ σˆ ± u α / V σ ˆ [ βˆ + 3] ˆ 4 ( ) ( σˆ ) ( ) [ ] x ± t α / σˆ ( ) V = σ qui suppose que la distributio d échatilloage de la variace est proche de la distributio ormale Le tableau 4 repred les limites de cofiace pour les trois paramètres evisagés O e ote pas de différeces importates etre les méthodes pour la moyee Par cotre les différeces sot plus importates pour la médiae E particulier l itervalle obteu par la méthode classique est sesiblemet plus large que celui obteu par les méthodes basées sur le rééchatilloage Pour la variace les résultats sot égalemet assez différets selo la méthode utilisée : la méthode classique basée sur l utilisatio de la distributio χ présete u itervalle ettemet plus étroit et la méthode des

10 5 Biotechol Agro Soc Eviro 00 6 (3) R Palm Tableau 4 Itervalles de cofiace de la moyee de la médiae et de la variace : résultats pour les différetes méthodes Cofidece itervals of the mea the media ad the variace: results for the various methods Méthodes Moyee Médiae Variace Bootstrap Erreur-stadard Pourcetiles simples Correctio/biais Correctio/ biais et accélératio Bootstrap-t Méthodes classiques Erreur-stadard Distributio χ pourcetiles avec correctio du biais et accélératio et surtout le bootstrap-t coduiset à u itervalle plus large que les autres méthodes Pour mieux apprécier la qualité des différetes méthodes comparées Sodjiou (00) a répété les calculs pour 000 échatillos aléatoires et simples prélevés das la populatio-paret et a détermié la proportio d itervalles de cofiace e coteat pas la valeur réelle du paramètre Les résultats obteus sot repris das le tableau 5 Les itervalles état calculés pour u iveau de cofiace théorique de 095 la proportio d itervalles e coteat pas le paramètre réel devrait idéalemet être de α = 005 Pour la moyee o ote ue boe cocordace etre les différetes méthodes la proportio d itervalles e coteat pas la moyee état Tableau 5 Pourcetages d itervalles de cofiace e coteat pas le paramètre de la populatio : résultats pour les différetes méthodes P e rcetages of cofidece i t e rvals that do ot iclude the parameter of the populatio: results for various methods Méthodes Moyee Médiae Variace Bootstrap Erreur-stadard Pourcetiles simples Correctio/biais Correctio/biais et accél Bootstrap-t Méthodes classiques Erreur-stadard Distributio χ légèremet trop grade pour l esemble des méthodes Pour la médiae o ote égalemet ue boe cocordace etre les résultats La méthode classique de l erreur-stadard coduit à des résultats comparables à ceux obteus par bootstrap bie que la formule d estimatio de la variace de la médiae qui a été utilisée e soit valable que pour des populatios ormales Sigalos cepedat que la méthode de l erreur-stadard est pas la seule méthode paramétrique dispoible Aisi Miitab (000) propose ue solutio basée sur l utilisatio de la distributio biomiale de paramètre p = 05 Das le cas de la variace o costate l iadéquatio de la méthode basée sur la variable χ pour laquelle 45 % des itervalles e cotieet pas la variace de la populatio La méthode est doc très mauvaise das le cas d ue o-ormalité accetuée de la populatio-paret La méthode classique de l erreur-stadard est u peu mois mauvaise et doe des résultats comparables aux méthodes basées sur le rééchatilloage à l exceptio du bootstrap-t qui pour cet exemple est sesiblemet supérieur aux autres bie que la proportio d itervalles e coteat pas la moyee soit le double de la valeur attedue 5 CONCLUSIONS Le bootstrap est ue méthode d iférece statistique basée sur l utilisatio de l ordiateur qui peut répodre sas formules à beaucoup de questios statistiques réelles C est e ces termes qu Efro et Tibshirai (993) présetet le b o o t s t r a p das la préface de leur ouvrage Il est icotestable que l utilisatio des techiques de rééchatilloage a été redue possible grâce à la gééralisatio des moyes de calculs performats Ces techiques reposet au départ sur des idées simples Toutefois il faut bie admettre que les développemets apportés aux méthodes de base leur ot fait perdre ue partie de cette simplicité Das cette ote ous ous sommes limité au problème de l estimatio du biais et de l erreur-stadard d u paramètre et à la détermiatio des limites de cofiace d u paramètre Il e s agit cepedat pas là des seules applicatios des méthodes de rééchatilloage Celles-ci peuvet e effet aussi être utilisées pour la réalisatio de différets tests d hypothèses pour le choix des variables et l estimatio de l erreur de prédictio e régressio pour l estimatio du taux d erreur e aalyse discrimiate otammet Bie qu elles puisset être utilisées das des situatios très variées leur mise e œuvre e présete guère d itérêt lorsque l iférece statistique peut être réalisée par des méthodes aalytiques classiques pour lesquelles les coditios d applicatio sot remplies Elles e sot doc pas destiées à remplacer les

11 Utilisatio du bootstrap pour les problèmes statistiques liés à l estimatio des paramètres 53 méthodes d iférece statistique classiques lorsque celles-ci sot applicables mais plutôt à fourir des réposes à des questios pour lesquelles les méthodes classiques sot iapplicables ou o dispoibles Aisi pour l exemple traité le recours au bootstrap e se justifie certaiemet pas das le cas de la moyee et de la médiae Pour la moyee o peut e effet utiliser la méthode de l erreur-stadard compte teu du caractère approximativemet ormal de la distributio d échatilloage de la moyee vu la taille de l échatillo Pour la médiae o dispose d ue approche o paramétrique (Miitab 000) Par cotre pour la variace l utilisatio du bootstrap costitue ue alterative valable Le caractère relativemet gééral des problèmes qui peuvet être résolus par bootstrap e doit pas faire perdre de vue que la qualité de l iférece déped de la ature de la questio posée et de la dispoibilité des doées Comme le suggère Maly (997) le b o o t s t r a p doit être utilisé avec prudece das les situatios où il a pas ecore été testé de maière approfodie Ue discussio assez géérale sur l itérêt et les limites du bootstrap est doée das la sythèse proposée par Youg (994) et das les commetaires suscités par l article e questio Efi l absece das les logiciels classiques de foctios permettat d utiliser le b o o t s t r a p sas obligatio pour l utilisateur de programmer lui-même les procédures de calcul est certaiemet u frei à l utilisatio du bootstrap das les cas où il pourrait être utilisé Bibliographie Cherick MR (999) Bootstrap methods: a practitioer's guide New York: Wiley 64 p D a g e l i e P (998) Statistique théorique et appliquée Tome : statistique descriptive et bases de l iférece statistique Bruxelles : De Boeck et Larcier 508 p Efro B Tibshirai RJ (993) A itroductio to the bootstrap New York: Chapma ad Hall 436 p Hall P (99) The bootstrap ad Edgeworth expasio New York: Spriger 35 p INS (996) Recesemet agricole et horticole au 5 mai Statistiques A g r i c o l e s Bruxelles : Istitut Natioal de Statistique p 96 L é g e r C Politis DHN Romao J P (99) Bootstrap techology ad applicatios Te c h o m e t r i c s 3 4 p Maly BFJ (997) Radomizatio bootstrap ad Mote Carlo methods i biology New York: Chapma ad Hall 399 p Miitab (000) Miitab user's guide : data aalysis ad quality tools Release 3 for Widows Miitab Sodjiou (00) Techiques de rééchatilloage avec le logiciel statistique S-Plus 000 : applicatio à la régressiotravail de fi d études Fac uiv Sci agro Gembloux 3 p Youg GA (994) Bootstrap: more tha a stab i the dark? Stat Sci 9 p (0 réf)

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

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

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en 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 : 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

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours Exo7 Logique, esembles et applicatios Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I :

Plus en détail

DIDIER AUROUX POLYTECH NICE-SOPHIA MAM5 - OPTION IMAFA 2010-2011

DIDIER AUROUX POLYTECH NICE-SOPHIA MAM5 - OPTION IMAFA 2010-2011 MÉTHODES NUMÉRIQUES POUR LE PRICING D OPTIONS DIDIER AUROUX POLYTECH NICE-SOPHIA MAM5 - OPTION IMAFA 2010-2011 Table des matières 1 Notatios et équatio de Black-Scholes 2 11 Notatios 2 12 Équatio de Black-Scholes

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en 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

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

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

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

Séquence 9. Sommaire. 1. Pré-requis 2. Intervalles de fluctuation 3. Estimation 4. Synthèse de la séquence 5. Exercices de synthèse

Séquence 9. Sommaire. 1. Pré-requis 2. Intervalles de fluctuation 3. Estimation 4. Synthèse de la séquence 5. Exercices de synthèse Séquece 9 Itervalles de fluctuatio, estimatio Objectifs de la séquece Das le chapitre 2, o étudie des itervalles de fluctuatio des variables aléatoires X F =, fréqueces des variables aléatoires biomiales

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

DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités conditionnelles - Suites géométriques - fonctions exponentielles Calculatrice autorisée

DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités conditionnelles - Suites géométriques - fonctions exponentielles Calculatrice autorisée DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités coditioelles - Suites géométriques - foctios epoetielles Calculatrice autorisée Termiale ES123 Eercice 1 : 5 poits Partie A : Ue agece de locatio

Plus en détail

Correction Bac ES France juin 2010

Correction Bac ES France juin 2010 Correctio Bac ES Frace jui 010 Exercice 1 (4 poits) (Commu à tous les cadidats) Pour ue meilleure compréhesio, les réposes serot justifiées das ce corrigé. Questio 1 Le ombre 3 est solutio de l équatio

Plus en détail

Correction HEC III 2007

Correction HEC III 2007 HEC III 7 Voie Écoomique Correctio Page Correctio HEC III 7 Voie écoomique La correctio comporte 9 pages. Eercice. Par dé itio est ue valeur propre de t si et seulemet si est ue valeur propre de T: Et

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS CHAPITRE 4 MATRICES ET SUITES 1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS 11/ Présetatio et modélisatio O cosidère u système ui peut se trouver soit das u état A, soit das u état, et

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires

Plus en détail

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h Etrée à Scieces Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h A P M E P Les calculatrices sot autorisées Exercice Vrai-Faux 8 poits Pour chacue des affirmatios suivates,

Plus en détail

Questions Chapitre 2 L approche statistique de la réalité 1

Questions Chapitre 2 L approche statistique de la réalité 1 Questios Chapitre 2 L approche statistique de la réalité 1 Expliquer la otio de variable et défiir les différets types de variables Décrire les échelles de classificatio et trasformer les doées pour passer

Plus en détail

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques Variables discrètes fiies - Exercices pratiques Exercice - Loi d u dé truqué - L2/ECS -. X pred ses valeurs das {,..., 6}. Par hypothèse, il existe u réel a tel que P (X k) ka. Maiteat, puisque P X est

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

ADMISSION AU COLLEGE UNIVERSITAIRE

ADMISSION AU COLLEGE UNIVERSITAIRE ADMISSION AU COLLEGE UNIVERSITAIRE Samedi mars 204 MATHEMATIQUES durée de l'épreuve : 3h - coefficiet 2 Le sujet est uméroté de à 5. L'aexe est à redre avec la copie. L'exercice Vrai-Faux est oté sur 8,

Plus en détail

PROJET DE MONTE CARLO SUJET 1: LE PRICING

PROJET DE MONTE CARLO SUJET 1: LE PRICING LE Age KHOURI Nadie M MMD PROJE DE MONE ARLO SUJE : LE PRIING Selim ZOUGHLAMI QUESION : Supposos d abord que X est u mouvemet browie W t G([ 0, ]) Alors W0 G( 0 ) suit ue loi N(0,0) et doc W 0ps 0 Esuite,

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

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation 1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus

Plus en détail

Chapitre 13. Statistiques et probabilités. Sommaire

Chapitre 13. Statistiques et probabilités. Sommaire 13 Chapitre Chapitre 13 Statistiques et probabilités Les statistiques et les probabilités occupet ue place importate das l eseigemet de certaies classes préparatoires Les pricipales foctios écessaires

Plus en détail

AVRIL 2012 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie B Option Économie. MATHÉMATIQUES (Durée de l épreuve : 4 heures)

AVRIL 2012 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie B Option Économie. MATHÉMATIQUES (Durée de l épreuve : 4 heures) ÉCOLE NATIONALE SUPÉRIEURE DE STATISTIQUE ET D ÉCONOMIE APPLIQUÉE ENSEA ABIDJAN AVRIL 2012 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES ITS Voie B Optio Écoomie MATHÉMATIQUES (Durée de l épreuve : 4 heures)

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1)

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1) Corrigé ESSEC III 008 par Pierre Veuillez Das certaies situatios paris sportifs, ivestissemets fiaciers..., o est ameé à miser de l arget de faço répétée sur des paris à espérace favorable. O se propose

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

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

Développement du modèle log-normal nonstationnaire et comparaison avec le modèle GEV non-stationnaire

Développement du modèle log-normal nonstationnaire et comparaison avec le modèle GEV non-stationnaire Hydrological Scieces Joural ISSN: 06-6667 (Prit) 150-3435 (Olie) Joural homepage: http://www.tadfolie.com/loi/thsj0 Développemet du modèle log-ormal ostatioaire et comparaiso avec le modèle GEV o-statioaire

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1 [htt://m.cgeduuydelome.fr] édité le 10 juillet 2014 Eocés 1 Déombremet Exercice 1 [ 01529 ] [correctio] Soiet E et F deux esembles fiis de cardiaux resectifs et. Combie y a-t-il d ijectios de E das F?

Plus en détail

Test de validité et d'hypothèse

Test de validité et d'hypothèse Test de validité et d'hypothèse 1 Vocabulaire Problème: Il s'agit à partir de l'étude d'u ou plusieurs échatillos de predre des décisios cocerat l'esemble de la populatio. O est alors ameé à émettre des

Plus en détail

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

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC Lycée Féelo aite-marie Préparatio ciece-po/prépa HEC Foctios Versio du juillet 05 Eercice d degré : racies et coefficiets O rappelle que si l équatio a + b + c = 0 ( a 0 ) adet deu racies α et β (évetuelleet

Plus en détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par

Plus en détail

trouve jamais dans les concepts généraux que ce qu on y met

trouve jamais dans les concepts généraux que ce qu on y met ,QIRUPDWLTXHQRUPHHWWHPSV,VDEHOOH%R\GHQV Présetatio par Marie-Ae Chabi Réuio PIN 15 javier 2004 /HVEDVHVGHGRQQpHVHPSLULTXHV Collectio fiie et structurée de doées codifiées, textuelles ou multimédia, destiées

Plus en détail

Organisme de recherche et d information sur la logistique et le transport LES PREVISIONS DES CONSOMMATIONS

Organisme de recherche et d information sur la logistique et le transport LES PREVISIONS DES CONSOMMATIONS LES PREVISIONS DES CONSOMMATIONS Les logiciels utilisés pour la gestio des stocks itègret de ombreuses foctios de calcul. L ue des plus importates est l exécutio des prévisios des cosommatios futures d

Plus en détail

REQUÊTES. Il est possible de créer des formulaires ou des états à partir de requête.

REQUÊTES. Il est possible de créer des formulaires ou des états à partir de requête. Cliclasolutio Aée 2006/2007 REQUÊTES Utilité des requêtes QUESTIONNER LA BASE DE DONNÉES La foctio classique d'ue requête est de répodre à ue questio sur la base de doées. "Quels sot les cliets habitat

Plus en détail

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour

Plus en détail

École de technologie supérieure

École de technologie supérieure École de techologie supérieure Mat 165-04 Algèbre liéaire et aalyse vectorielle A-015 Michel Beaudi michel.beaudi@etsmtl.ca Liste d exercices à faire e T.P./Caledrier des évaluatios Itroductio au cours

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

Apprentissage: cours 3a Méthodes par moyennage local

Apprentissage: cours 3a Méthodes par moyennage local Appretissage: cours 3a Méthodes par moyeage local Guillaume Oboziski 1 er mars 2012 Réferece : chap. 6 of [Hastie et al., 2009] ad chap. 6 of [Devroye et al., 1996]. Algorithmes par moyeage local O cosidère

Plus en détail

La fonction de la maîtrise des vitesses est d assurer un temps

La fonction de la maîtrise des vitesses est d assurer un temps sas frotière OÎTE À OUTILS Guide de dimesioemet La maîtrise des vitesses hydrauliques JEN ROUSSEU 1 La oîte à outils du précédet uméro de Techologie traitait du choix d u distributeur pour l actioeur hydraulique.

Plus en détail

Principes et Méthodes Statistiques

Principes et Méthodes Statistiques Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

APPLICATION DE LA STATISTIQUE AU TRAITEMENT DES DONNÉES AU LABORATOIRE D'ANALYSES ET EN FABRICATION

APPLICATION DE LA STATISTIQUE AU TRAITEMENT DES DONNÉES AU LABORATOIRE D'ANALYSES ET EN FABRICATION Philippe TRIBOULET (Lycée Niepce Chalo sur Saôe) 03/03/007 PPLICTION DE L STTISTIQUE U TRITEMENT DES DONNÉES U LBORTOIRE D'NLYSES ET EN FBRICTION I/ INTRODUCTION L'utilisatio de la statistique pour le

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

ASSOCIATION POUR LA CERTIFICATION DES MATERIAUX ISOLANTS

ASSOCIATION POUR LA CERTIFICATION DES MATERIAUX ISOLANTS Idice de Révisio Date de mise e applicatio B 01/09/2014 Cahier Techique 1 ASSOCIATION POUR LA CERTIFICATION DES MATERIAUX ISOLANTS 4, aveue du Recteur-Poicarré, 75782 Paris Cedex 16 Tel. 33.(0)1.64.68.84.97

Plus en détail

Remise à Niveau Mathématiques

Remise à Niveau Mathématiques Mathématiques RAN - Calcul et raisoemet Remise à Niveau Mathématiques Première partie : Calcul et raisoemet Exercices Page sur 9 RAN Calcul et raisoemet Ex - Rev 04 Mathématiques RAN - Calcul et raisoemet

Plus en détail

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

TRANSFORMATION DES DONNÉES ET COMPARAISON DE

TRANSFORMATION DES DONNÉES ET COMPARAISON DE TRANSFORMATION DES DONNÉES ET COMPARAISON DE MODÈLES POUR LA CLASSIFICATION DES DONNÉES RNA-SEQ Mélia Gallopi 1,2,3 & Adrea Rau 2,3 & Gilles Celeux 4 & Florece Jaffrézic 2,3 1 Laboratoire de Mathématiques

Plus en détail

Bac Blanc Terminale L - Février 2015 Épreuve de Spécialité Mathématiques (durée 3 heures)

Bac Blanc Terminale L - Février 2015 Épreuve de Spécialité Mathématiques (durée 3 heures) Exercice 1 (5 poits) Bac Blac Termiale L - Février 015 Épreuve de Spécialité Mathématiques (durée 3 heures) Questio 1 : La populatio d'ue ville baisse de 1 % tous les as pedat 10 as. Elle est doc multipliée

Plus en détail

Application «Calculs» Application «Graphiques» Application «Tableur et listes» FR

Application «Calculs» Application «Graphiques» Application «Tableur et listes» FR TI Nspire Documet de Formatio T3 Walloie TI-Nspire Le tout e u des mathématiques Suites umériques La loi de Verhulst Applicatio «Calculs» Applicatio «Graphiques» Applicatio «Tableur et listes» FR Formatios

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

Modèle de pointage et correction des dérives

Modèle de pointage et correction des dérives Ges de la Lue Observatoire astroomique de Plougastel Tél : 0 98 40 69 73 http://www.gesdelalue.org Modèle de poitage et correctio des dérives 1. Présetatio du problème Le poitage d u astre par u télescope

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

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES II

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES II CHAMBRE DE COMMERCE ET D INDUSTRIE DE PARIS DIRECTION DE L ENSEIGNEMENT Directio des Admissios et cocours ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON CONCOURS

Plus en détail

Bio-Statistique. 1 ère partie. Discipline : Bio-statistique, Bio-mathématique et Sciences de l Information

Bio-Statistique. 1 ère partie. Discipline : Bio-statistique, Bio-mathématique et Sciences de l Information Bio-Statistique 1 ère partie Disciplie : Bio-statistique, Bio-mathématique et Scieces de l Iformatio OBJECTIFS PEDAGOGIQUES Réaliser l importace du problème de la variabilité ihérete au doées médicales,

Plus en détail

BACCALAURÉAT TECHNOLOGIQUE STG. Spécialités : Mercatique, Comptabilité et Finance d Entreprise, Gestion des systèmes d information.

BACCALAURÉAT TECHNOLOGIQUE STG. Spécialités : Mercatique, Comptabilité et Finance d Entreprise, Gestion des systèmes d information. BACCALAURÉAT TECHNOLOGIQUE STG Spécialités : Mercatique, Comptabilité et Fiace d Etreprise, Gestio des systèmes d iformatio. SESSION 2012 ÉPREUVE DE MATHÉMATIQUES Mercatique, comptabilité et fiace d etreprise

Plus en détail

Modes propres de vibration ; interprétation ondulatoire

Modes propres de vibration ; interprétation ondulatoire SPECIALITE TS ( PHYSIQUE ) : FICHE CURS 6 1/5 MDES PRPRES DE IBRATI Ce qu'il faut reteir Modes propres de vibratio ; iterprétatio odulatoire 1. Productio d u so à l aide d u istrumet de musique U istrumet

Plus en détail

La Méthode de Monte Carlo

La Méthode de Monte Carlo La Méthode de Mote Carlo Etiee Pardoux UMR 6632 Laboratoire d Aalyse, Topologie, Probabilités et EA 3781 Evolutio Biologique Uiversité de Provece Etiee Pardoux (LATP) Marseille, 13/09/2006 1 / 33 Cotets

Plus en détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

La calculatrice est autorisée. Le sujet comporte un total de 5 exercices. ( ) ( ) ( )

La calculatrice est autorisée. Le sujet comporte un total de 5 exercices. ( ) ( ) ( ) Aée 01-013 Mathématiques Décembre 01 Durée : 3 heures BAC blac N 1 La calculatrice est autorisée. Le sujet comporte u total de 5 exercices. Les élèves e suivat pas l eseigemet de spécialité traiterot les

Plus en détail

Université Paris VII - Agrégation de Mathématiques (François Delarue) MÉTHODE DE MONTE-CARLO

Université Paris VII - Agrégation de Mathématiques (François Delarue) MÉTHODE DE MONTE-CARLO Uiversité Paris VII - Agrégatio de Mathématiques Fraçois Delarue) MÉTHODE DE MONTE-CARLO Ce texte vise à préseter l utilisatio de la méthode de Mote-Carlo das le calcul du prix d ue optio. 1. Positio du

Plus en détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude

Plus en détail

Licence informatique - L3 Année 2012/2013. Conception d algorithmes et applications (LI325) COURS 1

Licence informatique - L3 Année 2012/2013. Conception d algorithmes et applications (LI325) COURS 1 Licece iformatique - L Aée 0/0 Coceptio d algorithmes et applicatios (LI) COURS Résumé. Ce cours est ue iitiatio à quelques grads pricipes algorithmiques (Diviser pour Réger, Programmatio Dyamique, Algorithmes

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

PRINCIPALES DISTRIBUTIONS DE PROBABILITÉS

PRINCIPALES DISTRIBUTIONS DE PROBABILITÉS PRINCIPALES DISTRIBUTIONS DE PROBABILITÉS INTRODUCTION De ombreuses situatios pratiques peuvet être modélisées à l aide de variables aléatoires qui sot régies par des lois spécifiques. Il importe doc d

Plus en détail

Kaizen & Kanban. Réalisé par : ELBARAKA Abdelkader Club industrielle AIAC

Kaizen & Kanban. Réalisé par : ELBARAKA Abdelkader Club industrielle AIAC Kaize & Réalisé par : ELBARAKA Abdelkader Club idustrielle AIAC Itroducti o Itroductio: vidéo Kai ze coclusio 1 Itroducti o Kai ze La méthode du coclusio 2 Itroducti o Kai ze A- Les types d étiquettes

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

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 5. La fonction logarithme népérien. Sommaire Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa

Plus en détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en détail

Formation d un ester à partir d un acide et d un alcool

Formation d un ester à partir d un acide et d un alcool CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester

Plus en détail

Chapitre II COMPARAISONS MULTIPLES DE MOYENNES

Chapitre II COMPARAISONS MULTIPLES DE MOYENNES Chapitre II COMPARAISONS MULTIPLES DE MOYENNES Souvet, les tests utilisés e ANOVA e permettet pas de répodre suffisammet e détail aux questios/hypothèses que l'o se pose. E effet, ils permettet au maximum

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

Plus en détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

Échantillonnage et estimation

Échantillonnage et estimation Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos

Plus en détail

PROBABILITÉS. A cette expérience aléatoire, on associe l ensemble des résultats possibles appelé univers. Ses éléments sont appelés éventualités.

PROBABILITÉS. A cette expérience aléatoire, on associe l ensemble des résultats possibles appelé univers. Ses éléments sont appelés éventualités. PROBABILITÉS I. PROBABILITÉS ( RAPPELS) a. Expérieces aléatoires et modèles Le lacer d ue pièce de moaie, le lacer d u dé sot des expérieces aléatoires, car avat de les effectuer, o e peut pas prévoir

Plus en détail

CHAPITRE 22. Machines à sous

CHAPITRE 22. Machines à sous CHAPITRE 22 Machies à sous 22. Corrigé possible du texte 22.. Eocé du problème et défiitio du modèle statistique associé O étudie ici u modèle statistique avec observatios icomplètes : o dispose d observatios

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

Analyse de structures de données et d algorithmes

Analyse de structures de données et d algorithmes Uiversité Paris 3 Istitut Galilée Master Math-Ifo Aalyse de structures de doées et d algorithmes Polycopié 2006-2007 Christia Lavault Table des matières Combiatoire et déombremet. Permutatios, arragemets

Plus en détail

Université de Provence 2011 2012. Planche 6. Nombres réels. Suites réelles. Nombres réels.

Université de Provence 2011 2012. Planche 6. Nombres réels. Suites réelles. Nombres réels. Uiversité de Provece 011 01 Mathématiques Géérales I Plache 6 Nombres réels Suites réelles Nombres réels Exercice 1 Mettre sous forme irréductible p/q les ratioels suivats (les chiffres souligés se répètet

Plus en détail

Processus géométrique généralisé et applications en fiabilité

Processus géométrique généralisé et applications en fiabilité Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

L Évaluation d entreprise

L Évaluation d entreprise JOB : mp DIV : 10571 ch10 p. 1 folio : 303 --- 29/8/07 --- 15H31 [ L Évaluatio d etreprise q L évaluatio se pratique à de multiples occasios : cessio de l etreprise, émissio d actios ouvelles, fusio, itroductio

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

= e 1, où e est la base des logarithmes népériens ; la relation de récurrence : n I N, u n+1

= e 1, où e est la base des logarithmes népériens ; la relation de récurrence : n I N, u n+1 ERREURS D'ARRONDIS ET CALCULATRICES par Christia Vassard et Didier Trotoux L'idée de cet article ous a été ispirée par u exemple illustrat ue cotributio de Jea-Michel Muller ("Ordiateur e quête d'arithmétique"

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

Bulletin officiel spécial n 8 du 13 octobre 2011

Bulletin officiel spécial n 8 du 13 octobre 2011 Aexe Programme de l eseigemet spécifique et de spécialité de mathématiques de la série écoomique et sociale et de l eseigemet de spécialité de mathématiques de la série littéraire L eseigemet des mathématiques

Plus en détail