Séminaire de Statistique
|
|
- Benoît David
- il y a 8 ans
- Total affichages :
Transcription
1 Master 1 - Economie & Management Séminaire de Statistique Support (1) Statistique descriptive «Uni & Bi-variée» R. Abdesselam /2014 Faculté de Sciences Economiques et de Gestion Université Lumière Lyon 2, Campus Berges du Rhône Rafik.abdesselam@univ-lyon2.fr
2 Qu'est ce que la Statistique? Introduction La Statistique est l'ensemble des concepts et des méthodes développés pour l'étude des phénomènes non déterministes aussi appelés aléatoires ou stochastiques. L'étude de tels phénomènes comporte le plus souvent une phase de description des observations faites pendant leur déroulement et une phase de modélisation nécessaire à la prévision de leur comportement ultérieur. Toujours garder en mémoire que décrire un grand ensemble d'observations par quelques nombres et quelques graphiques ou modéliser un phénomène complexe par une fonction mathématique est une démarche réductrice. Les descripteurs et les modèles sont des résumés nécessaires à la communication synthétique mais simplificateurs.
3 Introduction La Statistique descriptive rassemble les outils de descriptions uni et bidimensionnelle. La description des phénomènes multidimensionnels est présentée sous le titre d'analyse des Données (statistique multidimensionnelle). La théorie des probabilités apporte les mots et les concepts nécessaires à la construction des modèles et étudie leurs relations et leurs propriétés. La statistique inférentielle développe les méthodes qui permettent d'apprécier l'adéquation entre les observations et un modèle. Elle repose sur deux démarches fondamentales : L'estimation permet d'identifier le modèle adapté aux données observées en estimant à partir de ces données les valeurs de certains paramètres (inconnus) du modèle. Les tests statistiques consistent à décider si un modèle est compatible ou non avec les données observées. Noter que c'est la compatibilité du modèle qui est en cause ; pas celle des données. Les données sont une réalité observée ; le modèle est une construction de l'esprit ; il est ou non adéquat.
4 Quelques références bibliographiques [1] B. Grais Méthodes statistiques Modules Économiques, Dunod. [2] Brigitte Tribout : Statistique pour économistes et gestionnaires. Edition Pearson Education. [3] J.R. Reau & G. Chauvat Probabilités et statistiques Flash pour les sciences économiques et sociales. Armand Colin. [4] P. Roger Probabilités, statistique et processus stochastiques Cours et exercices. Collection synthex, Pearson Education. [5] J. Dussart, N. Joukoff, A.Loulit, A. Szafarz : Mathématiques appliquées à la gestion. Synthèse de cours et exercices corrigés. Collection synthex, Pearson Education.
5 Types de caractères Caractère (variable statistique) Quantitatif mesurable Qualitatif Non mesurable
6 Exemples Caractère qualitatif (nominal) Exemple 1 : Composition d un portefeuille d un investisseur institutionnel - Actions - Obligations 3 modalités - Titres de créances négociables Exemple 2 : Selon vous, quel est le matériau de construction de l avenir? - Bois - Béton - Acier 5 modalités - Verre - Autres
7 Types de caractères Nombre fini ou infini de valeurs entières Discret Caractère (variable statistique) Quantitatif mesurable Qualitatif Non mesurable
8 Exemples Caractère quantitatif discret Nombre fini ou infini de valeurs, généralement entières Exemple 1 : Nombre d entreprises défaillantes n ayant pas remboursé leurs émissions obligataires ces 15 dernières années ( ) Valeurs possibles : 0, 1, 2, 3 Exemple 2 : Nombre de pièces prélevées jusqu à l obtention d une pièce défectueuse Valeurs possibles : 1, 2, 3, 4,.
9 Types de caractères Caractère (variable statistique) Quantitatif mesurable Qualitatif Non mesurable Nombre fini ou infini de valeurs entières Discret Continu Nombre infini de valeurs réelles
10 Exemples Caractère quantitatif continu Nombre infini de valeurs réelles Exemple 1 : Rendements de l indice CAC40 Valeurs possibles : IR = ]-, + [ ou un intervalle de IR Exemple 2 : Cours du titre France Telecom Valeurs possibles : IR + = [ 0, + [
11 Types de caractères Caractère (variable statistique) Quantitatif mesurable Qualitatif Non mesurable Nombre fini ou infini de valeurs entières Discret Continu Nombre infini de valeurs réelles Données groupées ou non groupées en classes
12 Représentations graphiques selon les types de caractères Quantitatif Discret - Diagramme en bâtons - Courbe en escalier Caractère Quantitatif Continu - Histogramme - Courbe cumulative croissante Qualitatif (nominal) - Diagramme circulaire ou à bandes
13 Représentations graphiques Quantitatif Discret
14 Fréquences relatives (%) Fréquences cumulées (%) Représentations graphiques Quantitatif discontinu Rendements des titres de l'indice CAC 40 Histogramme - Polygone de fréquences 30% 25% 20% 15% 15,0% 20,0% 25,0% 20,0% 12,5% 10% 7,5% 5% 0% <= -10% ]-10, - 5] ]-5, 0] ]0, 5] ]5, 10] > 10% classes de rendements (%) Rendements des titres de l'indice CAC 40 Courbe cumulative croissante 100% 100,00% 90% 92,50% 80% 70% 60% 60,00% 50% 40% 35,00% 30% 20% 15,00% 10% 0% 0,00% -15% -10% -5% 0% 5% 10% 15% Bornes supérieures des classes de rendements
15 Représentations graphiques Qualitatif Diagramme circulaire Répartition du montant investi Titres de Créances Négociables 20% Obligations 30% Actions 50% Composition d un portefeuille Répartition du montant investi Diagramme à bandes Titres 20% Obligations 30% Actions 50% 0% 20% 40% 60% 80% 100% Fréquences relatives
16 Principales mesures descriptives Tendance centrale - Position - Mode - Médiane - Quantiles - Moyenne arithmétique Indices Dispersion Forme
17 Age 20 19,8 19,6 19,4 19, ,8 18,6 18,4 18, ,8 17,6 17,4 17, ,8 16,6 16,4 16,2 16 Q 3 Q 2 Q 1 Max Min Homme Quantiles Diagramme en boîte Box Plot 75% 25% Quartiles Age des nouveaux bacheliers Médiane 50% Femme Intervalle Interquartile Etendue Homme Femme
18 Tendance centrale - Moyenne Données Non groupées - Individuelles Moyenne arithmétique simple : Fonction Excel : MOYENNE n x = x i / n i=1 Données groupées ( en k valeurs ou en k classes de centres c i = x i ) k Moyenne arithmétique pondérée : x = f i x i i=1 n i / n
19 Autres moyennes Il existe d autres moyennes ( géométrique, harmonique et quadratique ) qui ne sont employés qu occasionnellement, dans des conditions particulières. n Moyenne géométrique : x g = x 1 x 2. x n = [ x i ] 1/n (x i 0) i=1 Fonction Excel : MOYENNE.GEOMETRIQUE La moyenne géométrique est utilisée principalement dans le calcul de taux de croissance moyens et de certains indices économiques. Elle tend à réduire dans le calcul de la moyenne l influence des grandes valeurs et à accroître relativement celle des petites. Le taux de croissance d'une grandeur (PIB, C.A., Salaire, etc.) mesure son évolution d'une période à l'autre (mois, trimestre, année). Le taux de croissance d une grandeur entre la période t et t-1 : [(V t V t-1 )/ V t-1 ]*100 Le taux de croissance moyen est la moyenne géométrique des taux de croissance ( % de variation) Le logarithme de la moyenne géométrique est égal à la moyenne arithmétique des logarithmes des valeurs de la variable. La moyenne géométrique est toujours moyenne arithmétique.
20 Valeur du PIB (Milliards d'euros) Exemple d application Taux de croissance (%) PIB de la France en valeur (Milliards d'euros) Année PIB 422,70 440,90 464,70 484,00 471,90 477,50 494,90 Taux de croissance 0,0431 0,0540 0,0415-0,0250 0,0119 0,0364 Taux de croissance (%) 4,31 5,40 4,15-2,50 1,19 3,64 Coeff. Multiplicateurs : x i (i=1,6) 1,0431 1,0540 1,0415 0,9750 1,0119 1,0364 n Moyenne géométrique : x g = x 1 x 2. x n = [ x i ] 1/n = 1,0266 i=1 Taux de croissance annuel moyen : en moyenne, le PIB de la France a augmenté de 2,66% durant les six dernières années ( ). PIB - France 500,00 490,00 480,00 470,00 460,00 450,00 440,00 430,00 420,00 410, Année PIB 6,00 5,00 4,00 3,00 2,00 1,00-2,00-3,00 Taux de croissance - PIB - France 4,31 5,40 4,15-2,50 1,19 3,64 0,00-1, Année Taux de croissance
21 Principales mesures descriptives Tendance centrale - Position - Mode - Médiane - Quantiles - Moyenne arithmétique Indices Dispersion - Etendue - Variance Ecart-type Forme
22 Dispersion : Variance Ecart-type Données Non groupées - Individuelles Variance : s² = ( x i x )² / n i=1 Fonction Excel : VAR.P Données groupées Ecart-type : s = s² Fonction Excel : ECARTYPEP ( en k valeurs entières ou en k classes de centres c i = x i ) Variance : s² = f i ( x i x )² i=1 k n k = = f i x i ² x 2 i=1 2 = x² x
23 Principales mesures descriptives Tendance centrale - Position Indices - Mode - Médiane - Quantiles - Moyenne arithmétique Dispersion - Etendue - Variance Ecart-type Forme Coefficient de variation
24 Indice de dispersion relative Coefficient de variation 0% 100% Très homogène s CV (%) = x 100 x Comparaison de distributions Très hétérogène Si CV x < CV y Alors la distribution X est plus homogène que la distribution Y
25 Indice de dispersion relative Exemple d application On s intéresse à la distribution des salaires de deux entreprises d un même secteur d activité, l une est française l autre est américaine. Entreprise France U.S.A. $ Salaire moyen Ecart-type des salaires 120,70 144,74 Coefficient de variation 0,0511 0,0511 Calculons le coefficient de variation, pour comparer les distributions : CV F = CV USA = 5,11% Les distributions des salaires des deux entreprises sont très homogènes. La dispersion relative des salaires est identique.
26 Principales mesures descriptives Tendance centrale - Position - Mode - Médiane - Quantiles - Moyenne arithmétique Indices Dispersion - Etendue - Variance Ecart-type Forme - Coefficient d asymétrie - Coefficient d aplatissement
27 Principales mesures descriptives de forme Coefficient d asymétrie Fonction Excel : COEFFICIENT.ASYMETRIE n 3 = ( x i x ) 3 / n s 3 i=1 < 0 Asymétrique à gauche = 0 Parfaitement symétrique > 0 Asymétrique à droite ( Moyenne < M e < M o ) ( Moyenne = M e = M o ) ( Moyenne > M e > M o ) Coefficient d aplatissement n 4 = ( x i x ) 4 / n s 4 i=1 Fonction Excel : KURTOSIS < 3 Aplatie = 3 Normalement distribuée > 3 Aiguë ( platykurtique ) ( mésokurtique ) ( leptokurtique )
28 Macros-commandes Données non-groupées (individuelles) Comment obtenir les principales mesures descriptives d un caractère? Menu : Outils Utilitaire d analyse Statistiques descriptives On obtient ainsi les principaux indices statistiques de description d un caractère.
29 Exemple d application Interprétation des résultats - Description globale d une série statistique On a relevé deux échantillons de 30 observations journalières de l indice CAC40 et de l indice Dow Jones. Le tableau ci-dessous, renvoyé par l utilitaire d analyse-statistiques descriptives, résume les principaux indices de description de chaque série statistique. Rapport détaillé CAC40 _ Dow Jones Moyenne 5609,692 x 11296,269 Erreur-type 27,888 s*/ n 31,607 Médiane 5544,390 M é 11249,075 Mode 5521,110 M o 11253,260 Écart-type corrigé 152,747 s* 173,120 Variance de l'échantillon corrigée 23331,783 s*² = ns² /(n-1) 29970,604 Kurstosis (Coefficient d'aplatissement) -0, ,194 Coefficient d'asymétrie 0, ,196 Plage 604,130 Etendue 584,500 Minimum 5354,190 min 10997,930 Maximum 5958,320 max 11582,430 Somme ,760 x i ,060 Nombre d'échantillons 30 n 30 Niveau de confiance(95,0%) 57,037 Marge d erreur 64,644 Quartiles CAC40 Dow Jones Valeur minimale 5354,190 min 10997,930 Premier quartile 5512,755 Q ,275 Deuxième quartile 5544,390 Q2 = médiane 11249,075 Troisième quartile 5665,545 Q ,748 Valeur maximale 5958,320 max 11582,430
30 Macros-commandes Données individuelles Comment grouper les données en classes? Menu : Outils Utilitaire d analyse Histogramme On obtient ainsi la distribution du caractère en k classes choisies ainsi que ses différentes représentations graphiques. Remarque : Règle de Sturges : k 1 + 3,322 log 10 n, où k désigne le nombre de classes pour un échantillon donné de taille n. ( Rappels : log 10 : logarithme en base 10, ln : logarithme népérien, log 10 n = ln(n) / ln(10) ). Amplitude des classes a = E / k où E désigne l étendue de la série.
31 Série statistique double Indice statistique de covariance Données Non groupées - Individuelles - < n Cov(X, Y) = (1/n) ( x i x ) ( y i y ) i=1 Fonction Excel : COVARIANCE < + Permet d évaluer l intensité de la dépendance statistique entre les deux caractères X et Y. n Cov(X, Y) = (1/n) ( x i x ) ( y i y ) i=1 n = = (1/n) x i y i x y i=1 = xy x y Moyenne du produit moins le produit des moyennes
32 Série statistique double Principale mesure de la liaison linéaire Coefficient de corrélation linéaire Fonction Excel : COEFFICIENT.CORRELATION R(X,Y) = Cov(X, Y) / s X s Y Forte liaison linéaire en opposition Absence de liaison linéaire Forte liaison linéaire en attraction
33 Macros-commandes Données non-groupées (individuelles) Variances Covariances - Corrélations Menu : Outils Utilitaire d analyse Analyse de la covariance On obtient ainsi la matrice des variances et covariances. Analyse de la corrélation On obtient la matrice des corrélations.
34 Série statistique double Représentation graphique Diagramme de dispersion Fonction Excel type de graphique : Nuage de points Droite d ajustement linéaire Option du graphique : Ajouter une courbe de tendance Equation de la droite d ajustement - Possibilité de faire des prévisions
35 Série statistique double Coefficient de détermination ou d explication : R² Fonction Excel COEFFICIENT.DETERMINATION R² = r²(x, Y) Indice de mesure de la qualité d ajustement du modèle Exprimé en pourcentage, il indique la part de variation (dispersion) expliquée par la liaison linéaire c est-à-dire par la droite de régression. La proportion de la variation totale de Y inexpliquée par la droite de régression c est-à-dire par la connaissance de la variable explicative X est : 1 R²
36 Régression linéaire simple Principe du modèle Population : la relation vraie du modèle linéaire supposé est : Y = X + : erreur aléatoire. La courbe de régression est une droite d équation : ( ) : Y = X Echantillon : La relation estimée du modèle linéaire correspondant est : Ŷ = b 0 + b 1 X + e e : résidus La droite ajustée ou estimée correspondante est la droite de régression empirique : (D) Ŷ = b 0 + b 1 X
37 Série statistique double Exemple - Modèle de marché Comportement d un titre relativement aux mouvements du marché. On a relevé 21 couples d observations des mouvements du cours de l action ACCOR et du marché SBF-250 correspondant aux variations journalières pendant un mois. X : marché SBF-250 Y : cours de l action ACCOR Variable explicative Variable à expliquer Une relation linéaire entre X et Y est-elle plausible?
38 Exemple - Modèle de marché Oui, car les points ont tendance à s aligner selon une droite (pente positive), une liaison linéaire entre les variations du titre et celles du marché semble très plausible.
39 Régression simple Modèle de marché Population : la droite supposée ( ) : Y = X Echantillon : la droite ajustée ou estimée (D) : Ŷ = b 0 + b 1 X Comment choisir la droite (D) meilleure droite d ajustement de ( )? par la méthode des Moindres Carrés Ordinaires (MCO). Minimiser (Y i Ŷ i )² = e i ² la somme des carrés des résidus.
40 Régression simple Modèle de marché Estimation ponctuelle des paramètres du modèle : Population ( ) : Y = X Echantillon (D) : Ŷ = b 0 + b 1 X b 1 : estimation ponctuelle de 1 ( pente de la droite (D) ) 1 b 1 = Cov(X,Y) / s² x Fonction Excel : PENTE(y ; x) b 0 : estimation ponctuelle de 0 ( ordonnée à l origine de la droite (D) ) 0 b 0 = Y b 1 X Fonction Excel : ORDONNEE.ORIGINE(y ; x)
41 Exemple - Modèle de marché DROITE D AJUSTEMENT (D) : Ŷ = - 0, ,7959 X
42 Régression simple Modèle de marché Exemple : Titre ACCOR Marché SBF-250 Paramètres (D) : Ŷ = - 0, ,7959 X b 0 = - 0,41% estimation de la rentabilité fixe du titre. b 1 = 79,59% estimation de la volatilité du titre / marché. Mesure de la qualité du modèle d ajustement : R² = 61,14% Coefficient de détermination ou d explication Part de la variabilité du titre ACCOR qui est expliquée linéairement par le modèle de régression : modèle de marché. R² : Risque systématique du titre 1 - R² : Risque spécifique du titre
43 Régression simple Modèle de marché Remarque : Corrélation - Causalité Il convient d interpréter avec prudence la corrélation qui existe entre deux phénomènes ; l existence d une corrélation n implique pas en effet de lien de causalité. Par exemple, il y a une forte corrélation entre les ventes de glaces et celles de lunettes de soleil. Il n y a pas cependant de relation de cause à effet entre ces deux phénomènes. La forte corrélation s explique ici par l existence d une cause commune : le soleil qui donne chaleur et lumière.
44 Conditions d application du modèle Exemple : Comportement du titre ACCOR relativement aux mouvements du marché SBF250. Hypothèse 1 : moyenne des résidus est nulle. Symétrie par rapport à l axe des résidus.
45 Conditions d application du modèle Exemple : Comportement du titre ACCOR relativement aux mouvements du marché SBF250. Hypothèse 2 : normalité des résidus normalité de Y. Les points observations sont répartis selon une droite : (Test graphique de la normalité : quantiles (centiles) normalisés)
Logiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailRésumé du Cours de Statistique Descriptive. Yves Tillé
Résumé du Cours de Statistique Descriptive Yves Tillé 15 décembre 2010 2 Objectif et moyens Objectifs du cours Apprendre les principales techniques de statistique descriptive univariée et bivariée. Être
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailCorrection du bac blanc CFE Mercatique
Correction du bac blanc CFE Mercatique Exercice 1 (4,5 points) Le tableau suivant donne l évolution du nombre de bénéficiaires de minima sociaux en milliers : Année 2002 2003 2004 2005 2006 2007 2008 2009
Plus en détailStatistiques - Cours. 1. Gén éralités. 2. Statistique descriptive univari ée. 3. Statistique descriptive bivariée. 4. Régression orthogonale dans R².
Statistiques - Cours Page 1 L I C E N C E S c i e n t i f i q u e Cours Henri IMMEDIATO S t a t i s t i q u e s 1 Gén éralités Statistique descriptive univari ée 1 Repr é s e n t a t i o n g r a p h i
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailTable des matières. Avant-propos. Chapitre 2 L actualisation... 21. Chapitre 1 L intérêt... 1. Chapitre 3 Les annuités... 33 III. Entraînement...
III Table des matières Avant-propos Remerciements................................. Les auteurs..................................... Chapitre 1 L intérêt............................. 1 1. Mise en situation...........................
Plus en détailLicence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015.
Licence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015. Thèmes des séances de TD Thème n.1: Tableaux statistiques et représentations graphiques. Thème
Plus en détailFPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 1
INTRODUCTION ça L'INFçERENCE STATISTIQUE 1. Introduction 2. Notion de variable alçeatoire íprçesentation ívariables alçeatoires discrçetes ívariables alçeatoires continues 3. Reprçesentations d'une distribution
Plus en détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détail4 Statistiques. Les notions abordées dans ce chapitre CHAPITRE
CHAPITRE Statistiques Population (en milliers) 63 6 6 6 Évolution de la population en France 9 998 999 3 Année Le graphique ci-contre indique l évolution de la population française de 998 à. On constate
Plus en détailAide-mémoire de statistique appliquée à la biologie
Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela
Plus en détailNombre dérivé et tangente
Nombre dérivé et tangente I) Interprétation graphique 1) Taux de variation d une fonction en un point. Soit une fonction définie sur un intervalle I contenant le nombre réel a, soit (C) sa courbe représentative
Plus en détailEXERCICES - ANALYSE GÉNÉRALE
EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par
Plus en détailLE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION
LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs
Plus en détailStatistiques 0,14 0,11
Statistiques Rappels de vocabulaire : "Je suis pêcheur et je désire avoir des informations sur la taille des truites d'une rivière. Je décide de mesurer les truites obtenues au cours des trois dernières
Plus en détailStatistique descriptive. Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne. Notes de cours
Statistique descriptive Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne Notes de cours Dernière mise à jour le mercredi 25 février 2009 1 ère année de Licence Aix & Marseille
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détail- Ressources pour les classes
Mathématiques Collège - Ressources pour les classes de 6 e, 5 e, 4 e, et 3 e du collège - - Organisation et gestion de données au collège - Ce document peut être utilisé librement dans le cadre des enseignements
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailUNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES. Éric TÉROUANNE 1
33 Math. Inf. Sci. hum., (33 e année, n 130, 1995, pp.33-42) UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES Éric TÉROUANNE 1 RÉSUMÉ Le stéréogramme de liaison est
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailStatistiques descriptives
Statistiques descriptives L3 Maths-Eco Université de Nantes Frédéric Lavancier F. Lavancier (Univ. Nantes) Statistiques descriptives 1 1 Vocabulaire de base F. Lavancier (Univ. Nantes) Statistiques descriptives
Plus en détailTerminale STMG Lycée Jean Vilar 2014/2015. Terminale STMG. O. Lader
Terminale STMG O. Lader Table des matières Interrogation 1 : Indice et taux d évolution........................... 2 Devoir maison 1 : Taux d évolution................................ 4 Devoir maison 1
Plus en détail1 Importer et modifier des données avec R Commander
Université de Nantes 2015/2016 UFR des Sciences et Techniques Département de Mathématiques TP1 STATISTIQUE DESCRIPTIVE Frédéric Lavancier Avant propos Ouvrir l application R Saisir dans la console library(rcmdr)
Plus en détailSTATISTIQUES. UE Modélisation pour la biologie
STATISTIQUES UE Modélisation pour la biologie 2011 Cadre Général n individus: 1, 2,..., n Y variable à expliquer : Y = (y 1, y 2,..., y n ), y i R Modèle: Y = Xθ + ε X matrice du plan d expériences θ paramètres
Plus en détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
Plus en détailChapitre 3 : Le budget des ventes. Marie Gies - Contrôle de gestion et gestion prévisionnelle - Chapitre 3
Chapitre 3 : Le budget des ventes Introduction 2 Rappel des différents budgets opérationnels - budget des ventes (chapitre 3) - budget de production (chapitre 4) - budget des approvisionnements et des
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailMéthodes quantitatives en sciences humaines. 2 Pratique : 2 Étude personnelle : 2. BUREAU poste courriel ou site web
360-300-RE HIVER 2008 MATHÉMATIQUES Plan de cours COURS : Méthodes quantitatives en sciences humaines PROGRAMME : 300.A0 Sciences humaines DISCIPLINE : Mathématiques Pondération : Théorie : 2 Pratique
Plus en détailLe théorème des deux fonds et la gestion indicielle
Le théorème des deux fonds et la gestion indicielle Philippe Bernard Ingénierie Economique& Financière Université Paris-Dauphine mars 2013 Les premiers fonds indiciels futent lancés aux Etats-Unis par
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailUne réponse (très) partielle à la deuxième question : Calcul des exposants critiques en champ moyen
Une réponse (très) partielle à la deuxième question : Calcul des exposants critiques en champ moyen Manière heuristique d'introduire l'approximation de champ moyen : on néglige les termes de fluctuations
Plus en détailIBM SPSS Statistics Base 20
IBM SPSS Statistics Base 20 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 316. Cette version s applique à IBM SPSS
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailCollecter des informations statistiques
Collecter des informations statistiques FICHE MÉTHODE A I Les caractéristiques essentielles d un tableau statistique La statistique a un vocabulaire spécifique. L objet du tableau (la variable) s appelle
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailRÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3
RÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3 Pour construire un graphique : On lance l assistant graphique à l aide du menu Insérer è Diagramme en ayant sélectionné au préalable une cellule vide dans
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailUtilisation du module «Geostatistical Analyst» d ARCVIEW dans le cadre de la qualité de l air
Etude n 10 Assistance en modélisation (Rapport 3/3) Utilisation du module «Geostatistical Analyst» d ARCVIEW dans le cadre de la qualité de l air Novembre 2004 Convention : 04000087 Giovanni CARDENAS Utilisation
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailStatistiques à deux variables
Statistiques à deux variables Table des matières I Position du problème. Vocabulaire 2 I.1 Nuage de points........................................... 2 I.2 Le problème de l ajustement.....................................
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailModèle GARCH Application à la prévision de la volatilité
Modèle GARCH Application à la prévision de la volatilité Olivier Roustant Ecole des Mines de St-Etienne 3A - Finance Quantitative Décembre 2007 1 Objectifs Améliorer la modélisation de Black et Scholes
Plus en détailCONFERENCE PALISADE. Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design»
CONFERENCE PALISADE Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design» 1 SIGMA PLUS Logiciels, Formations et Etudes Statistiques
Plus en détailTSTT ACC OUTILS DE GESTION COMMERCIALE FICHE 1 : LES MARGES
TSTT ACC OUTILS DE GESTION COMMERCIALE FICHE 1 : LES MARGES Coût de revient du produit + Marge du fabricant = Prix de vente HT au distributeur Prix d'achat HT du distributeur + Marge du distributeur =
Plus en détailLecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888
Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques
Plus en détailSéance 0 : Linux + Octave : le compromis idéal
Séance 0 : Linux + Octave : le compromis idéal Introduction Linux est un système d'exploitation multi-tâches et multi-utilisateurs, basé sur la gratuité et développé par une communauté de passionnés. C'est
Plus en détailIntroduction à la statistique descriptive
Chapitre chapitre 1 Introduction à la statistique descriptive Les méthodes de la statistique descriptive (statistique déductive) permettent de mener des études à partir de données exhaustives, c est-à-dire
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailINFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X.
INFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X. Année scolaire 009-010 TABLE DES MATIERES CHAPITRE 1: Eléments de statistiques descriptives...
Plus en détailLa structure de la base de données et l utilisation de PAST. Musée Royal de l Afrique Centrale (MRAC Tervuren)
La structure de la base de données et l utilisation de PAST La structure de la base de données données originales SPÉCIMENS Code des spécimens: Identification des spécimens individuels. Dépend du but de
Plus en détailStatistiques à une variable
Statistiques à une variable Calcul des paramètres statistiques TI-82stats.fr? Déterminer les paramètres de la série statistique : Valeurs 0 2 3 5 8 Effectifs 16 12 28 32 21? Accès au mode statistique Touche
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
Plus en détailMenu INVEST STORE. COMMENT VOUS CONNECTER SUR VOTRE CAEL AVEC OPTION BOURSE : Adresse du site www.ca-normandie.fr
MODE D EMPLOI INVEST STORE INITIAL Consultez vos comptes 24 h/ 24-7 j / 7 Bourse et OPCVM en ligne à tout moment Rapide Facile Pratique VOTRE ACCES BOURSE DISPONIBLE A TOUT MOMENT COMMENT VOUS CONNECTER
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailComplément d information concernant la fiche de concordance
Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en détailEPARGNE, INVESTISSEMENT, SYSTEME FINANCIER
EPARGNE, INVESTISSEMENT, SYSTEME FINANCIER Chapitre 25 Mankiw 08/02/2015 B. Poirine 1 I. Le système financier A. Les marchés financiers B. Les intermédiaires financiers 08/02/2015 B. Poirine 2 Le système
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailContenu pédagogique des unités d enseignement Semestre 1(1 ère année) Domaine : Sciences et techniques et Sciences de la matière
Contenu pédagogique des unités d enseignement Semestre 1(1 ère année) Domaine : Sciences et techniques et Sciences de la matière Algèbre 1 : (Volume horaire total : 63 heures) UE1 : Analyse et algèbre
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailSOMMAIRE OPÉRATIONS COURANTES OPÉRATIONS D INVENTAIRE
SOMMAIRE OPÉRATIONS COURANTES OPÉRATIONS D INVENTAIRE 1 Factures de doit p. 9 Processus 1 2 Réductions sur factures de doit p. 11 Processus 1 3 Frais accessoires sur factures p. 13 Processus 1 4 Comptabilisation
Plus en détailà moyen Risque moyen Risq à élevé Risque élevé Risq e Risque faible à moyen Risq Risque moyen à élevé Risq
e élevé Risque faible Risq à moyen Risque moyen Risq à élevé Risque élevé Risq e Risque faible à moyen Risq Risque moyen à élevé Risq L e s I n d i c e s F u n d a t a é Risque Les Indices de faible risque
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailImpact de la baisse du taux du Livret A sur les montants collectés
f les notes N 30/30 juillet 2013 Impact de la baisse du taux du Livret A sur les montants collectés Tentatives de quantification Sandrine Levasseur À compter du 1 er Août 2013, le taux rémunérant les dépôts
Plus en détailGestion obligataire passive
Finance 1 Université d Evry Séance 7 Gestion obligataire passive Philippe Priaulet L efficience des marchés Stratégies passives Qu est-ce qu un bon benchmark? Réplication simple Réplication par échantillonnage
Plus en détailBACCALAURÉAT PROFESSIONNEL SUJET
SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)
Plus en détailÉlément 424b Introduction à la statistique descriptive
CTU Master AGPS De la donnée à la connaissance : traitement, analyse et transmission Élément 44b Introduction à la statistique descriptive Prof. Marie-Hélène de Sède-Marceau Année / Statistique Introduction
Plus en détailQuestion 1: Analyse et évaluation des obligations / Gestion de portefeuille
Question 1: Analyse et évaluation des obligations / Gestion de portefeuille (33 points) Monsieur X est un gérant de fonds obligataire qui a repris la responsabilité de gestion du portefeuille obligataire
Plus en détailStatistiques descriptives sous Excel. Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel
Statistiques descriptives sous Excel Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel Un cours, deux objectifs Approfondir vos connaissances et vos outils de calculs dans le domaine de
Plus en détailPlacements sur longue période à fin 2011
Les analyses MARS 2012 Placements sur longue période à fin 2011 Une année 2011 particulièrement favorable aux «valeurs refuges», mais la suprématie des actifs risqués reste entière sur longue période.
Plus en détailLe modèle canadien de gestion de la dette
Le modèle canadien de gestion de la dette David Jamieson Bolder, département des Marchés financiers L objectif que poursuit le gouvernement canadien dans la gestion du portefeuille de la dette intérieure
Plus en détailAnalyse et interprétation des données
8 Analyse et interprétation des données Les données de l enquête peuvent être utilisées pour différents types d analyses aussi bien au niveau national qu au niveau international. Ce chapitre explique comment
Plus en détailBaccalauréat ES Amérique du Nord 4 juin 2008
Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détail