partie a Introduction à la statistique 1

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "partie a Introduction à la statistique 1"

Transcription

1 table des matières F AVANT-PROPOS À L ÉDITION AMÉRICAINE Abréviations viii xiv partie a Introduction à la statistique 1 1. Statistique et probabilité ne sont pas intuitives 3 Nous avons tendance à passer directement aux conclusions 3 Nous avons tendance à être trop confiants 3 Nous voyons des structures dans des données aléatoires 4 Nous ne nous rendons pas compte que les coïncidences sont fréquentes 6 Nous avons des intuitions fausses à propos des probabilités 6 Nous évitons de réfléchir à des situations ambiguës 6 Il nous est difficile de combiner des probabilités 7 Nous ne faisons pas de calculs bayésiens intuitivement 8 Ne soyons pas dupés par les comparaisons multiples 9 Nous avons tendance à ignorer les explications alternatives 10 Nous sommes dupés par la régression vers la moyenne Pourquoi la statistique peut être difficile à étudier 14 Raison 1 : crainte des maths 14 Raison 2 : terminologie prêtant à confusion 14 Raison 3 : pensée abstraite 15 Raison 4 : probabilité, pas certitude De l échantillon à la population 17 Les calculs statistiques permettent de généraliser de l échantillon à la population 17 Ce que les calculs statistiques ne peuvent pas faire 18 Les conclusions statistiques sont toujours vagues 19

2 482 table des matières Jargon : modèles et paramètres 20 Jargon : probabilité versus statistique 20 Essais n-de-1 20 partie b Intervalles de confiance Intervalle de confiance d une proportion 25 Exemple : décès d enfants prématurés 25 Exemple : sondage électoral 26 Hypothèses : intervalle de confiance d une proportion 27 Que signifie réellement une confiance de 95 %? 28 Qu est-ce que 95 % a de spécial? 30 Que faire si les hypothèses sont violées? 30 Quantifie-t-on réellement l événement auquel on s intéresse? 31 Jargon 31 Comment ça marche : ic d une proportion 32 Comment : calculer approximativement des IC s 34 Perspectives : paramètres et modèles Intervalle de confiance des données de survie 38 Données de survie 38 Données de survie censurées 38 Représentation graphique du pourcentage de survivants en fonction du temps 40 Comment calculer : l intervalle de confiance d une courbe de survie 42 Médiane du temps de survie 42 Survie à cinq ans 43 Hypothèses : analyse de survie Intervalle de confiance des données de dénombrement 47 La distribution de poisson 47 Hypothèses : distribution de poisson 48 IC s basés sur la distribution de poisson 49 Comment : calculer l ic pour une variable suivant une loi de poisson 51 L avantage d utiliser des intervalles de temps plus longs (ou des volumes plus importants) 51 partie C Variables continues Représentations graphiques des données continues 57 Données continues 57 La moyenne et la médiane 57

3 Table des matières 483 Jargon : erreur et biais 59 Représentation graphique des données pour en montrer la dispersion ou représenter la distribution 61 Attention à la manipulation des données Types de Variables 67 Variables d intervalle 67 Variables de rapport 68 Autres types de variables 69 Pas aussi différentes qu il n y paraît Quantification de la dispersion 71 L interprétation d un écart-type 71 Comment ça marche : calculer un et 71 Pourquoi N 1? 73 situations ou n peut sembler être ambigu 74 ET et taille d échantillon 75 Le coefficient de variation 75 Variance 75 Autres manières de quantifier la variabilité La distribution Gaussienne 78 Origine de la distribution gaussienne 78 ET et la distribution gaussienne 79 La distribution normale standard 80 La distribution «normale» ne définit pas des limites normales 80 Pourquoi la distribution gaussienne occupe-t-elle une place aussi centrale en statistique? La distribution log-normale et la moyenne géométrique 83 Exemple : relaxation de la vessie 83 L origine de la distribution log-normale 83 Comment analyser des données log-normales 84 Moyenne géométrique Intervalle de confiance d une moyenne 87 L interprétation de l ic d une moyenne 87 Quelles valeurs faut-il avoir pour calculer l ic d une moyenne 88 Hypothèses : ic d une moyenne 89 Comment calculer : l IC d une moyenne 90 IC s unilatéraux (méthode avancée) 93 IC d un et (méthode avancée) 94 IC d une moyenne géométrique (méthode avancée) 94

4 484 table des matières 13. La théorie des intervalles de confiance 96 IC d une moyenne via la distribution t 96 IC d une moyenne via ré-échantillonnage 98 IC d une proportion via ré-échantillonnage 99 L IC d une proportion via la distribution binomiale 100 En apprendre plus Barres d erreur 103 ESM 103 Comment calculer : l et à partir de l esm 104 Quel type de barre d erreur faut-il mettre dans un graphique? 106 L aspect des barres d erreur 107 partie D P-valeurs et signification Introduction aux P-valeurs 111 Exemple 1 : lancer d une pièce de monnaie 111 Exemple 2 : température corporelle 113 Exemple 3 : antibiotiques sur des plaies chirurgicales 115 Exemple 4 : angioplastie et infarctus du myocarde 115 P-valeurs unis ou bilatérales? 116 Pourquoi les P-valeurs sont-elles si difficiles à comprendre? 118 P-valeurs ou IC S? Signification statistique et test d hypothèse 122 Tests d hypothèse statistique 122 Analogie : innocent jusqu à preuve du contraire 122 Procès devant jury versus procès devant journalistes 123 Quand un test d hypothèse est-il utile? 123 Significatif, très significatif ou hautement significatif? 124 Signification statistique limite 124 Jargon : erreurs de type i et de type ii 125 Choisir un seuil de signification Relation entre intervalles de confiance et signification statistique 130 IC s et test d hypothèse sont étroitement liés 130 Lorsqu un ic inclut l hypothèse nulle 130 Lorsqu un ic n inclut pas l hypothèse nulle 131 Une règle qui lie intervalle de confiance et signification statistique 132

5 Table des matières L interprétation d un résultat statistiquement significatif 134 Distinguer la signification statistique de l importance scientifique 134 Une idée fausse fréquente 135 La probabilité a priori influence le TFD 136 Logique bayésienne 139 Application informelle de l approche bayésienne L interprétation d un résultat statistiquement non significatif 141 «Non significativement différent» ne signifie pas «pas de différence» 141 Exemple : récepteurs adrénergiques α 2 sur les plaquettes 142 Exemple : échographie fœtale 143 Comment avoir des ic s plus étroits 144 Que se passe-t-il si la P-valeur est vraiment élevée? Puissance statistique 146 Qu est-ce ce que la puissance? 146 Une analogie pour comprendre la puissance 147 La puissance pour les deux exemples d étude 148 L analyse de la puissance a posteriori n est pas utile Test d équivalence ou de non infériorité 150 L équivalence doit être définie scientifiquement, pas statistiquement 150 Moyenne dans la zone d équivalence 151 Moyenne en dehors de la zone d équivalence 152 L approche usuelle par un test d hypothèse n est pas utile 153 Faire des pieds et des mains pour adapter les tests d hypothèse au problème d équivalence 153 Essais de non-infériorité 154 Il faut être certain que le traitement standard est efficace 155 partie E Défis en statistique Concepts de comparaisons multiples 159 Le problème des comparaisons multiples 159 Corriger pour les comparaisons multiples n est pas toujours nécessaire 160 Si on ne prend pas les comparaisons multiples en considération 161

6 486 table des matières Correction pour les comparaisons multiples par l approche traditionnelle 163 Correction pour comparaisons multiples avec le taux de fausse découverte 165 Qu est-ce qu une famille? 166 Vue d ensemble Les pièges des comparaisons multiples 168 Analyser des données sans plan 168 Biais de publication 169 Plusieurs points au cours du temps analyses séquentielles 169 Plusieurs sous-groupes 170 Coïncidences 171 Grappes de maladie 171 Prédictions multiples 172 Combinaison de groupes 172 Comparaisons multiples en régression multiple 173 Aperçu des pièges des comparaisons multiples Gaussien ou pas? 175 La distribution gaussienne est un idéal inaccessible 175 Ce à quoi ressemble réellement une distribution gaussienne 176 Test de normalité 176 Interprétation des résultats d un test de normalité 178 Que faire lorsque les données échouent au test de normalité Valeurs atypiques (outliers) 181 Comment les valeurs atypiques se produisent-elles? 181 La nécessite d avoir des tests de détection des valeurs atypiques 182 Questions à se poser avant d utiliser un test pour détecter les valeurs atypiques 182 Les tests de détection des valeurs atypiques 183 Attention aux distributions log-normales 184 Statistiques robustes 186 Comment ça marche : le test de détection des valeurs atypiques de Grubbs 187 partie F Tests statistiques Comparaison de distributions observées et attendues 191 Les données suivent-elles une distribution attendue? 191 Le test d ajustement du Khi-carré 192

7 Table des matières 487 Khi-carré et génétique mendélienne 193 Comment ça marche : test d ajustement du Khi-carré 193 Il ne faut pas confondre deux tests de Khi-carré distincts 194 Test binomial Comparaison des proportions : études prospectives et expérimentales 196 Jargon : études transversales, prospectives, expérimentales et rétrospectives 196 Tables de contingence 197 Un exemple d étude expérimentale : un essai clinique 197 Le risque attribuable 199 Nombre nécessaire à traiter (NNT) 199 Le risque relatif 199 Risque relatif ou différence entre proportions? 200 Calcul d une P-valeur 200 Hypothèses Comparaison des proportions : études cas-témoins 203 Exemple : le vaccin contre le choléra est-il efficace? 203 Le calcul du risque relatif à partir des données d une étude cas-témoins n a pas de sens 204 Le rapport de cotes 204 L interprétation d une P-valeur 205 Le défi des études cas témoins 206 Hypothèses dans les études de cas témoins 207 Pourquoi le rapport de cotes est une approximation du risque relatif Comparaison de courbes de survie 210 Exemple de données de survie 210 Hypothèses lorsqu on compare des courbes de survie 210 Comparaison de deux courbes de survie en utilisant les IC s 214 Comparaison des courbes de survie en utilisant une P-valeur Comparaison de deux moyennes : test t pour échantillons indépendants 219 Exemple : relaxation maximale des muscles de la vessie 219 Interprétation des résultats d un test t pour échantillons indépendants 219 Hypothèses : test t pour échantillons indépendants 222 L hypothèse d égalité des variances 223

8 488 table des matières Chevauchement des barres d erreur et test t 224 Erreurs fréquentes : test t pour échantillons indépendants 227 Comment ça marche : le test t pour échantillons indépendants 228 Perspectives Comparaison de deux groupes appariés 231 Quand utiliser des tests spéciaux pour données appariées 231 Exemple de test t par paires 232 L interprétation des résultats d un test t par paires 234 Le test t d un rapport pour échantillons appariés 237 Test de McNemar pour une étude cas-témoins appariés 241 Tests apparentés Corrélation 243 Introduction au coefficient de corrélation 243 IC du coefficient de corrélation 245 Interprétation d une P-valeur 245 Corrélation et relation causale 245 Hypothèse : corrélation 246 R² 247 Il faut prendre garde aux grands échantillons 248 Comment ça marche : calcul du coefficient de corrélation 249 Jargon : corrélation 251 partie G Ajustement de modèles aux données Régression linéaire simple 255 Les objectifs de la régression linéaire 255 Les résultats de la régression linéaire 256 Hypothèses : régression linéaire 260 Comparaison de la régression linéaire et de la corrélation 261 Jargon : régression linéaire 262 Erreurs fréquentes : régression linéaire Introduction aux modèles 270 Jargon : modèles, paramètres et variables 270 Le modèle le plus simple 272 Le modèle de régression linéaire 273 Pourquoi moindres carrés? 274 Autres modèles et autres types de régression 274

9 Table des matières Comparaison de modèles 276 La comparaison de modèles est une partie essentielle de la statistique 276 La régression linéaire vue comme comparaison de modèles 277 Le test t pour échantillons indépendants reconverti en comparaison de l ajustement de deux modèles 280 Erreur fréquente : comparaison de modèles Régression non linéaire 285 Ajustement d un modèle 285 Pondération 287 Comment fonctionne la régression non linéaire 288 Les résultats de la régression non linéaire 288 Hypothèses : régression non linéaire 290 Comparaison de deux modèles 290 Erreurs fréquentes 293 Trucs pour comprendre les modèles 295 En apprendre plus sur la régression non linéaire Régression multiple, logistique et modèle des risques instantanés proportionnels 296 Objectifs de la régression multivariable 296 Jargon 297 Régression linéaire multiple 299 Régression logistique 305 Modèle des risques instantanés proportionnels 308 Hypothèses 310 Interactions entre variables indépendantes 310 Observations corrélées 311 Comment ça marche 314 En apprendre plus à propos de la régression multiple Pièges de la régression multiple 315 Attention au sur-ajustement 315 Attention à la multi-colinéarité 317 Attention à la sur-interprétation de R² 319 Attention à corrélation versus relation causale 319 Les modèles de régression devraient être validés 319

10 490 table des matières partie H Le reste des statistiques Analyse de variance 323 La comparaison des moyennes de trois groupes ou plus 323 Hypothèses : anova à un facteur 325 Comment ça marche : anova à un facteur 325 ANOVA pour mesures répétées 328 ANOVA à deux facteurs et au-delà Tests de comparaisons multiples post-anova 331 Les tests de comparaisons multiples pour les données de l exemple 331 La logique des tests de comparaisons multiples 334 Autres tests de comparaisons multiples 337 Comment ça marche : tests de comparaisons multiples 339 Comparaisons multiples individuelles Méthodes non paramétriques 344 Tests non paramétriques basés sur les rangs 344 Les avantages et désavantages des tests non paramétriques 347 Ne pas automatiser la décision relative au choix d un test non paramétrique 348 Choisir entre tests paramétriques et non paramétriques : cela a-t-il de l importance? 349 Tests non paramétriques qui analysent les valeurs (pas les rangs) Sensibilité, spécificité et courbes ROC (receiver-operatercharacteristic) 354 Définition de sensibilité et spécificité 354 La valeur prédictive d un test 355 Courbes receiver-operator characteristic (ROC) 358 Bayes revisité 358 Bayes, liaison génétique et scores du log des «chances» (LOD) Taille d échantillon 363 Trois approches pour choisir la taille d échantillon 363 Taille d échantillon et IC S 364 Taille d échantillon et test d hypothèse statistique 366 Règles empiriques pour la taille d échantillon 369

11 Table des matières 491 partie I Assemblage Conseils statistiques 377 Ne pas oublier l essentiel 377 Interpréter de façon judicieuse les p-valeurs 379 Attention aux comparaisons multiples 380 Réfléchir aux données 380 Attention aux variables manquantes 382 Se focaliser sur les IC s 384 Être sceptique Choix du test statistique 387 Issue : variable continue provenant d une distribution gaussienne 387 Issue : donnée continue provenant d une distribution non-gaussienne 388 Issue : temps de survie (ou temps jusqu à l apparition d un événement) 388 Issue : variable binomiale Exemple de synthèse 390 Le cas des huit CI 50 s toutes nues 390 Regarder au-delà des données 392 Signification statistique par tricherie 393 L utilisation d un test t qui ne suppose pas l égalité des ET s 394 Test t pour échantillons indépendants sous forme de régression linéaire ou non linéaire 395 Test non paramétrique de Mann-Whitney 396 Rapporter seulement la dernière expérience de confirmation? 397 Augmenter la taille de l échantillon? 397 Comparaison des logarithmes des valeurs de CI Calculs de taille d échantillon revisités 400 Est-ce ok de changer de méthode d analyse? 401 L utilité des simulations 401 Résumé global du problème Exercices de révision 406 A. Problèmes sur les ic des proportions, les courbes de survie et les dénombrements 406 B. Problèmes relatifs aux et s, esm, ic s et distributions log-normales 408 C. Problèmes relatifs aux P-valeurs et à la signification statistique 409

12 492 table des matières D. Problèmes relatifs à la taille d échantillon et à la puissance 413 E. Problèmes relatifs à la corrélation et à la régression Réponses aux exercices de révision 418 A. Problèmes sur les ic des proportions, les courbes de survie et les dénombrements 418 B. Problèmes relatifs aux et s, esm, ic s et distributions log-normales 424 C. Problèmes relatifs aux p-valeurs et à la signification statistique 430 D. Problèmes relatifs à la taille d échantillon et à la puissance 438 E. Problèmes relatifs à la corrélation et à la régression 441 appendices 449 A. Statistiques avec GraphPad 451 GraphPad prism, qu est-ce que c est? 451 Ce que vous devez savoir avant d utiliser GraphPad Prism 452 À propos du logiciel GraphPad 453 B. Statistiques avec Excel 456 Utiliser excel pour les calculs statistiques : le pour et le contre 456 Ce que vous devez savoir avant d utiliser excel pour l analyse statistique 457 C. Statistiques avec R 458 Qu est-ce que R? 458 Ce que vous devez savoir avant d utiliser R 458 D. Valeurs de la distribution t nécessaires pour calculer les IC s 460 E. Une révision des logarithmes 462 Logarithmes communs (base 10) 462 Notation 463 les logarithmes convertissent la multiplication en addition 463 Antilogarithmes 463 bibliographie 465 index 473

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

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

Plus en détail

L espace virtuel de La Branche Cochrane-Québec

L espace virtuel de La Branche Cochrane-Québec L espace virtuel de La Branche Cochrane-Québec Bonjour cher(ère)s auditeurs et auditrices web! SVP prendre quelques secondes pour tester vos paramètres audio via l assistant situé au haut de la page: Outils

Plus en détail

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

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

Plus en détail

Statistique (MATH-F-315, Cours #3)

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

Plus en détail

Principe d un test statistique

Principe d un test statistique Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2008/2009 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre

Plus en détail

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon PACES - APEMK UE 4 Evaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie

Plus en détail

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

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

Plus en détail

SOL1020- Hiver 2016 INTRODUCTION À LA STATISTIQUE SOCIALE El Hadj Touré, Ph. D. Sociologie

SOL1020- Hiver 2016 INTRODUCTION À LA STATISTIQUE SOCIALE El Hadj Touré, Ph. D. Sociologie Faculté des arts et des sciences Département de sociologie SOL1020- Hiver 2016 INTRODUCTION À LA STATISTIQUE SOCIALE El Hadj Touré, Ph. D. Sociologie Horaire du cours : Théorie :, 13:00-15:00 (B-3325 Pav.

Plus en détail

Plan de cours. Programme : Sciences de la nature 200.B0 2-2-2. 2 2/3 unités. Automne 2010

Plan de cours. Programme : Sciences de la nature 200.B0 2-2-2. 2 2/3 unités. Automne 2010 Plan de cours Programme : Sciences de la nature 00.B0 Département : Titre du cours : Code du cours : Mathématiques Probabilités et Statistiques 01-GHC-04 -- /3 unités Automne 010 Éric Brunelle A-10 450-347-5301

Plus en détail

INTRODUCTION A LA RECHERCHE QUANTITATIVE

INTRODUCTION A LA RECHERCHE QUANTITATIVE INTRODUCTION A LA RECHERCHE QUANTITATIVE Deuxième partie : de la base de données aux résultats Juin 2010 Julien Gelly, Caroline Huas, Josselin Le Bel Plan 2 1. Introduction 2. Saisie des données : Epi

Plus en détail

Renforcer ses compétences

Renforcer ses compétences Renforcer ses compétences en mathématiques Tome 1 AVANT PROPOS Vos études ou vos activités professionnelles vous ont peut-être éloignés des mathématiques et ceci, parfois depuis longtemps. Vous souhaitez

Plus en détail

Statistiques et essais cliniques

Statistiques et essais cliniques Hegel Vol. 3 N 1 2013 DOI : 10.4267/2042/49204 21 Statistiques et essais cliniques François Kohler Laboratoire SPI-EAO, Faculté de Médecine, Vandœuvre-les-Nancy francois.kohler@univ-lorraine.fr Introduction

Plus en détail

TABLE DES MATIÈRES CHAPITRE 1 LA CONSTRUCTION D UN INSTRUMENT DE MESURE... 9. Avant-propos... 5 Sommaire... 7

TABLE DES MATIÈRES CHAPITRE 1 LA CONSTRUCTION D UN INSTRUMENT DE MESURE... 9. Avant-propos... 5 Sommaire... 7 TABLE DES MATIÈRES Avant-propos... 5 Sommaire... 7 CHAPITRE 1 LA CONSTRUCTION D UN INSTRUMENT DE MESURE... 9 1. Le processus de construction d un test... 9 2. La construction d un test d acquis scolaires...

Plus en détail

Chapitre 8: Inférence, échantillonnage et estimation

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

Plus en détail

Les Meta-analyses. Sibilia Quilici. Université René Descartes Paris V Faculté de Pharmacie Master Science de la vie et de la santé 28/01/2014

Les Meta-analyses. Sibilia Quilici. Université René Descartes Paris V Faculté de Pharmacie Master Science de la vie et de la santé 28/01/2014 Les Meta-analyses Sibilia Quilici Université René Descartes Paris V Faculté de Pharmacie Master Science de la vie et de la santé 28/01/2014 Nombre de publication en méta-analyses 8000 7000 6000 5000 4000

Plus en détail

Traitement statistique. des petits échantillons. Application avec JMP - 3 jours (*)

Traitement statistique. des petits échantillons. Application avec JMP - 3 jours (*) Traitement statistique Application avec JMP - 3 jours (*) Référence : STA-N1-SPECHAJMP Durée : 3 jours soit 21 heures (*) : La durée proposée est une durée standard. Elle peut être adaptée selon les besoins,

Plus en détail

Interprétation d une enquête épidémiologique : type d enquête, notion de biais, causalité (72) Docteur José LABARERE Mars 2004 (Mise à jour mai 2005)

Interprétation d une enquête épidémiologique : type d enquête, notion de biais, causalité (72) Docteur José LABARERE Mars 2004 (Mise à jour mai 2005) Interprétation d une enquête épidémiologique : type d enquête, notion de biais, causalité (72) Docteur José LABARERE Mars 2004 (Mise à jour mai 2005) Pré-Requis : Test de comparaison de proportions (chi

Plus en détail

Statistiques de groupe

Statistiques de groupe Système Méthodologique d Aide à la Réalisation de Tests Statistiques de groupe et analyse des questions de votre épreuve Une unité de soutien de l IFRES Université de Liège L analyse des statistiques de

Plus en détail

Université Laval Département de mathématiques et de statistique STT-1920 MÉTHODES STATISTIQUES HIVER 2014

Université Laval Département de mathématiques et de statistique STT-1920 MÉTHODES STATISTIQUES HIVER 2014 Université Laval Département de mathématiques et de statistique STT-1920 MÉTHODES STATISTIQUES HIVER 2014 INFORMATIONS GÉNÉRALES Enseignant : Claude Bélisle Adresse : belisle@mat.ulaval.ca Disponibilités

Plus en détail

Plate-forme semi-automatique : E-quity

Plate-forme semi-automatique : E-quity Plate-forme semi-automatique : E-quity Bringay Sandra 1, Pinlou Alexandre 1, Durand Sylvain 1, Pro Sébastien 1, Séébold Patrice 1 Département MIAp, Université Paul-Valéry, Montpellier 3, Route de Mende,

Plus en détail

Chapitre 4 : RÉGRESSION

Chapitre 4 : RÉGRESSION Chapitre 4 : RÉGRESSION 4.3 Régression linéaire multiple 4.3.1 Equation et Estimation 4.3.2 Inférence 4.3.3 Coefficients de détermination 4.3.4 Spécifications Régression linéaire multiple 1 / 50 Chapitre

Plus en détail

L analyse des données statistiques

L analyse des données statistiques L analyse des données statistiques Public : Les cadres devant analyser des données quantitatives et qualitatives Objectif : Apprendre, en utilisant principalement Excel : - à traiter des données provenant

Plus en détail

1. Explorer, organiser et démontrer des propriétés géométriques en termes de longueurs et d angles. Découvrir et étudier des nombres irrationnels.

1. Explorer, organiser et démontrer des propriétés géométriques en termes de longueurs et d angles. Découvrir et étudier des nombres irrationnels. Compétences : math, 2 ème degré (pages 1 à 3) math, 3 ème degré (pages 4 à 8) 3 grands thèmes du cours à 4h sem (pages 9 à 11) 3 grands thèmes du cours à 2h sem (pages 12 à 14) (Seules les définitions

Plus en détail

PLACE DES STATISTIQUES DANS LA RECHERCHE MEDICALE

PLACE DES STATISTIQUES DANS LA RECHERCHE MEDICALE PLACE DES STATISTIQUES DANS LA RECHERCHE MEDICALE PLAN Définition des statistiques Échantillonnage Mise en place d une étude Interprétation des résultats Petits échantillons Analyse des bases de données

Plus en détail

Approche empirique du test χ 2 d ajustement

Approche empirique du test χ 2 d ajustement Approche empirique du test χ 2 d ajustement Alain Stucki, Lycée cantonal de Porrentruy Introduction En lisant des rapports, on rencontre souvent des raisonnements du style : «le premier groupe est meilleur

Plus en détail

Statistique de base avec R Partie 2 : Test d hypothèses et régression linéaire

Statistique de base avec R Partie 2 : Test d hypothèses et régression linéaire Statistique de base avec R Partie 2 : Test d hypothèses et régression linéaire Julien JACQUES Polytech Lille - Université Lille 1 Julien JACQUES (Polytech Lille) Statistiques de base 1 / 48 Plan 1 Tests

Plus en détail

Exercice n 9 : Ne pas confondre observer et expérimenter

Exercice n 9 : Ne pas confondre observer et expérimenter Le pronostic des cancers du sein dépend de divers facteurs, dont la taille du cancer. En France, au cours d une étude, il a été observé un taux de survie plus important chez les femmes ayant un cancer

Plus en détail

TUTORAT UE4 2010-2011 Biostatistiques Concours Blanc

TUTORAT UE4 2010-2011 Biostatistiques Concours Blanc TUTORAT UE4 2010-2011 Biostatistiques Concours Blanc Lorsque cela n est pas précisé (explicitement ou implicitement), les tests sont réalisés à 5% en bilatéral QCM n 1 : Généralités sur les probabilités

Plus en détail

Statistiques appliquées aux études médicamenteuses cliniques. Pierre BOUTOUYRIE Pharmacologie HEGP

Statistiques appliquées aux études médicamenteuses cliniques. Pierre BOUTOUYRIE Pharmacologie HEGP Statistiques appliquées aux études médicamenteuses cliniques Pierre BOUTOUYRIE Pharmacologie HEGP Grands principes méthodologiques Tout dépend de la formulation de la question scientifique Exemple : on

Plus en détail

4.1 Planification d une expérience complètement randomisée

4.1 Planification d une expérience complètement randomisée Chapitre 4 La validation des hypothèses d ANOVA à un facteur Dans le modèle standard d ANOVA, on a fait quelques hypothèses. Pour que les résultats de l analyse effectuée soient fiables, il est nécessaire

Plus en détail

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE 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 détail

Statistiques Appliquées Rôle des femmes dans la société

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

Plus en détail

ECGE 1224 - Statistiques en économie et gestion : TP 1

ECGE 1224 - Statistiques en économie et gestion : TP 1 ECGE 14 - Statistiques en économie et gestion : TP 1 Exercice 1 Un dé parfaitement équilibré est lancé. Soit X la variable aléatoire (v.a.) correspondant au résultat obtenu avec le dé. a) Justifer pourquoi

Plus en détail

Principe d un test statistique

Principe d un test statistique Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre

Plus en détail

Ministère de la Jeunesse et des Sports Institut Royal de Formation des Cadres Département des Sciences de la Vie. A. Arfaoui

Ministère de la Jeunesse et des Sports Institut Royal de Formation des Cadres Département des Sciences de la Vie. A. Arfaoui Ministère de la Jeunesse et des Sports Institut Royal de Formation des Cadres Département des Sciences de la Vie A. Arfaoui PLA Définitions Paramètres marginaux Covariance Coefficient de Corrélation Coefficient

Plus en détail

Les statistiques en biologie expérimentale

Les statistiques en biologie expérimentale Les statistiques en biologie expérimentale Qualités attendues d une méthode de quantification : Le résultat numérique de la mesure permet d estimer avec précision la grandeur mesurée (ex. : il lui est

Plus en détail

11. Tests d hypothèses (partie 1/2)

11. Tests d hypothèses (partie 1/2) 11. Tests d hypothèses (partie 1/2) MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v1) MTH2302D: tests d hypothèses 1/30 Plan 1. Introduction 2. Hypothèses et erreurs 3. Tests d hypothèses

Plus en détail

Analyse des données 1: erreurs expérimentales et courbe normale

Analyse des données 1: erreurs expérimentales et courbe normale Analyse des données 1: erreurs expérimentales et courbe normale 1 Incertitude vs. erreur Une mesure expérimentale comporte toujours deux parties: la valeur vraie de la grandeur mesurée et l'erreur sur

Plus en détail

Estimation. Anita Burgun

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

Plus en détail

Statistical Software. Nouveautés

Statistical Software. Nouveautés Statistical Software Mettez votre version à jour dès à présent pour obtenir plus de soixante-dix améliorations : une plus grande puissance statistique avec, entre autres nouveautés, un menu Assistant pour

Plus en détail

MODELISATION DE DONNÉES QUALITATIVES PREMIÈRE PARTIE

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

Plus en détail

geffray@math.unistra.fr Outils pour la statistique avancée Année 2015/2016 TD 1 : Bootstrap

geffray@math.unistra.fr Outils pour la statistique avancée Année 2015/2016 TD 1 : Bootstrap Université de Strasbourg Ségolen Geffray M2 - Statistique geffray@math.unistra.fr Outils pour la statistique avancée Année 2015/2016 TD 1 : Bootstrap Ces exercices seront effectués au moyen du logiciel

Plus en détail

Approche expérimentale en IHM

Approche expérimentale en IHM Plan Approche expérimentale en IHM Michel Beaudouin-Lafon, LRI Wendy Mackay, INRIA mbl@lri.fr mackay@lri.fr http://insitu.lri.fr Qu est-ce que l approche expérimentale Concevoir une expérience Un peu de

Plus en détail

Chapitre 6 TESTS STATISTIQUES

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

Plus en détail

Question 1: Analyse et évaluation des obligations

Question 1: Analyse et évaluation des obligations Question 1: Analyse et évaluation des obligations (48 points) M. Smith, responsable des investissements obligataires dans une société de conseil en investissements, a analysé la courbe des taux des obligations

Plus en détail

Ce TD se déroule sur 3 heures : vous devez donc consacrer environ 1 heure pour chacune des phases.

Ce TD se déroule sur 3 heures : vous devez donc consacrer environ 1 heure pour chacune des phases. TD Analyse de données pour l évaluation de l exposition Octobre 2014 1 Contexte et objectif du TD Pour réaliser une évaluation de l exposition d une population à un contaminant chimique, plusieurs sources

Plus en détail

Qualité Six Sigma. Sommaire. Sylvain ROZÈS. 28 mars 2008. 1 Introduction 1. 2 Étude séparée de quatre échantillons 1

Qualité Six Sigma. Sommaire. Sylvain ROZÈS. 28 mars 2008. 1 Introduction 1. 2 Étude séparée de quatre échantillons 1 Qualité Six Sigma Sylvain ROZÈS 28 mars 2008 Sommaire 1 Introduction 1 2 Étude séparée de quatre échantillons 1 3 Étude sur l ensemble des échantillons 8 4 Étude sur les range 13 1 Introduction Le but

Plus en détail

Partie I : Séries statistiques descriptives univariées (SSDU)... 1

Partie I : Séries statistiques descriptives univariées (SSDU)... 1 Table des matières Préface Avant-propos Pourquoi un tel ouvrage?... À propos de l ouvrage... À propos de la statistique................................................................ Remerciements....

Plus en détail

Cours Gestion de patrimoine. Les produits structurés

Cours Gestion de patrimoine. Les produits structurés Cours Gestion de patrimoine Les produits structurés Plan Introduction Importance de la garantie pour les épargnants Utilité des fonds garantis Méthodes de gestion des fonds garantis Méthode du coussin

Plus en détail

6. Comparaisons non planifiées : tests post-hoc

6. Comparaisons non planifiées : tests post-hoc 6. Comparaisons non planifiées : tests post-hoc Soumis par Éric Raufaste Dernière mise à jour : 27-01-2013 UOH - Psychométrie et Statistique en L2 Objectifs. Montrer quand et comment comparer les moyennes

Plus en détail

CHAPITRE 2. Genre, structure du ménage et conditions de vie

CHAPITRE 2. Genre, structure du ménage et conditions de vie CHAPITRE 2 Genre, structure du ménage et conditions de vie Le type de ménage dans lequel vit une personne peut avoir une influence sur son accès aux ressources, telles que la nourriture, les médicaments,

Plus en détail

L estimation du modèle a priori Décompter les ddl

L estimation du modèle a priori Décompter les ddl L estimation du modèle a priori Décompter les ddl ------------ François Cheptou Juin 004 Dans le programme de mathématiques BTS Chimiste, trois modèles a priori sont étudiés. ) = µ (modèle simple) ) =

Plus en détail

Principe des Tests Statistiques

Principe des Tests Statistiques Principe des Tests Statistiques Vocabulaire & Notions Générales Marc AUBRY Plateforme Transcriptome Biogenouest Rennes Askatu Les Étapes d un Test Statistique Question scientifique Choix d un test statistique

Plus en détail

1. Qu est-ce que l économétrie? 1. 2. Le modèle de régression simple 15

1. Qu est-ce que l économétrie? 1. 2. Le modèle de régression simple 15 9782100567355-Bourbo-tdm.qxd 14/06/11 10:28 Page V Table des matières Avant-propos XI 1. Qu est-ce que l économétrie? 1 I. La notion de modèle 1 A. Définition 1 B. La construction des modèles en économétrie

Plus en détail

T.P. 8 - Exercice 1 Khi-Carré d ajustement (Corrigé)

T.P. 8 - Exercice 1 Khi-Carré d ajustement (Corrigé) T.P. 8 - Exercice 1 Khi-Carré d ajustement (Corrigé) Connaissances préalables : Buts spécifiques : Outils nécessaires : Consignes générales : Distribution de fréquences, proportions. Test d ajustement.

Plus en détail

Corrigé du baccalauréat STMG Centres étrangers 11 juin 2015

Corrigé du baccalauréat STMG Centres étrangers 11 juin 2015 Corrigé du baccalauréat STMG Centres étrangers 11 juin 2015 La calculatrice (conforme à la circulaire n o 99-186 du 16 novembre 1999) est autorisée. Le candidat est invité à faire figurer sur la copie

Plus en détail

0. ANALYSE GRAPHIQUE ET INTRODUCTION À EXCEL

0. ANALYSE GRAPHIQUE ET INTRODUCTION À EXCEL 0. ANALYSE GRAPHIQUE ET INTRODUCTION À EXCEL Préparation pour l expérience 1. lire le protocole de l expérience 2. lire la section B- Analyse d erreur et graphiques située au début de votre manuel de laboratoire

Plus en détail

DIU Infirmières de Santé au Travail - IDF. Service Central de Santé au Travail de l AP-HP PLAN DE COURS

DIU Infirmières de Santé au Travail - IDF. Service Central de Santé au Travail de l AP-HP PLAN DE COURS DIU Infirmières de Santé au Travail - IDF Faculté de Médecine Paris VII - Denis Diderot Mardi 7 juin 2016 STATISTIQUES EN SANTE AU TRAVAIL : NOTIONS ESSENTIELLES Service Central de Santé au Travail de

Plus en détail

BACCALAURÉAT GÉNÉRAL

BACCALAURÉAT GÉNÉRAL BACCALAURÉAT GÉNÉRAL SESSION 2010 MATHÉMATIQUES Série : ES DURÉE DE L ÉPREUVE : 3 heures. COEFFICIENT : 5 Ce sujet comporte 7 pages numérotées de 1 à 7 dont une page en annexe à rendre avec la copie. L

Plus en détail

Validation d une méthode performante de dosage des steviols glycosides de Stevia Rebaudiana

Validation d une méthode performante de dosage des steviols glycosides de Stevia Rebaudiana Validation d une méthode performante de dosage des steviols glycosides de Stevia Rebaudiana J.M. Roussel, Consultant, Aix-en-Pce Prof. Dr. Gertrud Morlock, Chair of Food Science, JLU Giessen S. Meyer,

Plus en détail

Statistiques descriptives Variance et écart type

Statistiques descriptives Variance et écart type Statistiques descriptives Variance et écart type I) Rappel : la moyenne (caractéristique de position ) Définition Soit la série statistique définie dans le tableau suivant : Valeur... Effectif... Fréquences

Plus en détail

De 2001 à 2004, les exportations allemandes ont été nettement

De 2001 à 2004, les exportations allemandes ont été nettement Dossiers Anne-Juliette Bessone Benoît Heitz Division synthèse conjoncturelle De 2001 à 2004, les exportations allemandes ont été nettement plus dynamiques que les exportations françaises. Géographiquement,

Plus en détail

Sommaire. Les pourcentages. Les suites. Statistiques. Les probabilités. Descriptif de l épreuve... Conseils pour l épreuve...

Sommaire. Les pourcentages. Les suites. Statistiques. Les probabilités. Descriptif de l épreuve... Conseils pour l épreuve... Sommaire Descriptif de l épreuve............................................. Conseils pour l épreuve............................................ Les pourcentages FICHES Pages 1 Pourcentage Proportions....................................7

Plus en détail

Article. Comment élaborer des enquêtes-entreprises de façon continue dans un modèle cyclique. par Helena Bäckström et Pia Hartwig

Article. Comment élaborer des enquêtes-entreprises de façon continue dans un modèle cyclique. par Helena Bäckström et Pia Hartwig Composante du produit n o 11-522-X au catalogue de Statistique Canada La série des symposiums internationaux de Statistique Canada : recueil Article Symposium 2008 : Collecte des données : défis, réalisations

Plus en détail

Tests statistiques élémentaires

Tests statistiques élémentaires Résumé Il serait vain de chercher à présenter l ensemble des tests statistiques, la littérature est très abondante sur le sujet. Cette vignette introduit les plus couramment calculés par les logiciels

Plus en détail

MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE

MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE Forum HH 05.02.2013 Ghislaine Gagnon Unité HPCI Qualitatif ou quantitatif? Les 2 méthodes peuvent être utilisées séparément ou en conjonction - le qualitatif

Plus en détail

PROGRAMME DE MATHÉMATIQUES BTS Comptabilité et gestion des organisations

PROGRAMME DE MATHÉMATIQUES BTS Comptabilité et gestion des organisations 1 PROGRAMME DE MATHÉMATIQUES BTS Comptabilité et gestion des organisations I. Lignes directrices 1. Objectifs généraux L enseignement des mathématiques doit fournir les outils nécessaires pour permettre

Plus en détail

Chapitre 7: La croissance économique (I)

Chapitre 7: La croissance économique (I) Chapitre 7: La croissance économique (I) Nous ne considérons plus un modèle statique - les quantités de ressources croissent: les entreprises investissent et du capital productif s accumule. Qu est-ce

Plus en détail

Méthodes du contrôle (maîtrise) statistique de la qualité

Méthodes du contrôle (maîtrise) statistique de la qualité MTH 231 Méthodes statistiques maîtrise statistique des processus : SPC Méthodes du contrôle (maîtrise) statistique de la qualité SPC 1 Méthodes statistiques de la qualité : Statistical Quality Control

Plus en détail

Régression linéaire simple

Régression linéaire simple Résumé Ce chapitre introduit la notion de modèle linéaire par la version la plus élémentaire : epliquer Y par une fonction affine de X. Après avoir epliciter les hypothèses nécessaires et les termes du

Plus en détail

Pour un socle de la licence de MATHEMATIQUES

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

Plus en détail

Tableau comparatif de Minitab 16, 15, 14 et 13

Tableau comparatif de Minitab 16, 15, 14 et 13 Support technique Assistance technique gratuite Taille de la feuille de travail (fenêtre des données) Nombre de feuilles de travail Nombre de cellules par feuille de travail Nombre de colonnes Limité uniquement

Plus en détail

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

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

Plus en détail

Session 1 Introduction

Session 1 Introduction (bio) Session 1 Septembre 8 2014 1/26 Sommaire (bio) 1 (bio) 2 3 4 2/26 (bio) Comme la population qui nous intéresse est habituellement trop grande pour être étudiée directement, seulement un petit nombre

Plus en détail

«Cours Statistique et logiciel R»

«Cours Statistique et logiciel R» «Cours Statistique et logiciel R» Rémy Drouilhet (1), Adeline Leclercq-Samson (1), Frédérique Letué (1), Laurence Viry (2) (1) Laboratoire Jean Kuntzmann, Dép. Probabilites et Statistique, (2) Laboratoire

Plus en détail

Préparation concours SESAME Toulouse

Préparation concours SESAME Toulouse Cours CAPITOLE -11, rue du Sénéchal 31000-Toulouse - : 05.61.21.60.64 - www.courscapitole.com- contact@courscapitole.com Préparation concours SESAME Toulouse SOMMAIRE : I. Concours SESAME : définition

Plus en détail

TD1, sur la Régression Logistique (STA 2211)

TD1, sur la Régression Logistique (STA 2211) TD, sur la Régression Logistique STA 22) Exercice : Un sondage international cité dans un article de presse le 4 décembre 2004) rapportait le faible taux d approbation de la politique du Président des

Plus en détail

Statistique descriptive unidimensionnelle

Statistique descriptive unidimensionnelle 1 Statistique descriptive unidimensionnelle Statistique descriptive unidimensionnelle Résumé Les objectifs et la démarche d un première exploration d un jeu de données, les outils de la description statistique

Plus en détail

Réduction et gestion des impacts

Réduction et gestion des impacts 11 Réduction et gestion des impacts Les porteurs de projets doivent : faire en sorte que des mesures de réduction soient mises en œuvre mettre en place des systèmes et procédures dans ce but contrôler

Plus en détail

COMMENT REALISER UN QCM POUR L EVALUATION

COMMENT REALISER UN QCM POUR L EVALUATION COMMENT REALISER UN QCM POUR L EVALUATION INDIVIDUELLE D UN APP? EFSTATHIOU Emilie 1, KARFAL Ghizlane 2 1 4 ème année Génie Mécanique Ingénierie Système, INSA Toulouse 2 4 ème année Génie Mécanique Ingénierie

Plus en détail

Statistique. Jean-Yves Tourneret (1) (1) Université of Toulouse, ENSEEIHT-IRIT-TéSA Thème 1 : Analyse et Synthèse de l Information jyt@n7.

Statistique. Jean-Yves Tourneret (1) (1) Université of Toulouse, ENSEEIHT-IRIT-TéSA Thème 1 : Analyse et Synthèse de l Information jyt@n7. Statistique Jean-Yves Tourneret (1) (1) Université of Toulouse, ENSEEIHT-IRIT-TéSA Thème 1 : Analyse et Synthèse de l Information jyt@n7.fr Cours Statistique, 2010 p. 1/52 Plan du cours Chapitre 1 : Estimation

Plus en détail

28. Méta-analyse sur données individuelles

28. Méta-analyse sur données individuelles 28. Méta-analyse sur données individuelles La méta-analyse sur données individuelles regroupe les fichiers de données des essais. La méta-analyse est donc réalisée directement à partir des informations

Plus en détail

Introduction à Excel

Introduction à Excel Introduction à Excel Commentaires : Cet exercice a pour but de vous apprendre les fonctions rudimentaires du logiciel excel. C est seulement par la pratique que vous connaîtrez parfaitement le logiciel.

Plus en détail

Proposition de corrigé

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

Plus en détail

Estimation indirecte en sciences humaines : une méthode bayésienne

Estimation indirecte en sciences humaines : une méthode bayésienne Estimation indirecte en sciences humaines : une méthode bayésienne Henri Caussinus, Institut de Mathématiques de Toulouse, en collaboration avec Daniel Courgeau, INED Isabelle Séguy, INED Luc Buchet, CNRS

Plus en détail

GROUPE CONSULTATIF TECHNIQUE SUR LES DOCUMENTS DE VOYAGE LISIBLES À LA MACHINE QUINZIÈME RÉUNION. Montréal, 17 21 mai 2004

GROUPE CONSULTATIF TECHNIQUE SUR LES DOCUMENTS DE VOYAGE LISIBLES À LA MACHINE QUINZIÈME RÉUNION. Montréal, 17 21 mai 2004 TAG-MRTD/15-WP/17 27/4/04 GROUPE CONSULTATIF TECHNIQUE SUR LES DOCUMENTS DE VOYAGE LISIBLES À LA MACHINE QUINZIÈME RÉUNION Montréal, 17 21 mai 2004 Point 2 : Rapport du Groupe de travail sur le contenu

Plus en détail

Classe de Terminale de la série STI2D

Classe de Terminale de la série STI2D L'enseignement des mathématiques au collège et au lycée a pour but de donner à chaque élève la culture mathématique indispensable à sa vie de citoyen et les bases nécessaires à son projet de poursuite

Plus en détail

MATHÉMATIQUES PROGRAMMES DE. 1 ère & 2 ème Années secondaires

MATHÉMATIQUES PROGRAMMES DE. 1 ère & 2 ème Années secondaires RÉPUBLIQUE TUNISIENNE MINISTERE DE L EDUCATION ET DE LA FORMATION DIRECTION GENERALE DES PROGRAMMES ET DE LA FORMATION CONTINUE ------------------------------ DIRECTION DES PROGRAMMES ET DES MANUELS SCOLAIRES

Plus en détail

Risques hydrologiques & aménagement du territoire Projet d évaluation

Risques hydrologiques & aménagement du territoire Projet d évaluation Risques hydrologiques & aménagement du territoire Professeur responsable : Christophe ANCEY Assistant responsable : Blaise DHONT Date de rendu : 8 janvier 2016 Conditions du projet : travail à rédiger

Plus en détail

Introduction aux sondages

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

Plus en détail

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction

Plus en détail

Analyse de la variance à un facteur

Analyse de la variance à un facteur Analyse de la variance à un facteur Frédéric Bertrand et Myriam Maumy-Bertrand IRMA, UMR 7501, Université de Strasbourg 08 juin 2015 F. Bertrand et M. Maumy-Bertrand (UdS) Analyse de la variance à un facteur

Plus en détail

L ESSENTIEL DE LA GESTION BUDGÉTAIRE

L ESSENTIEL DE LA GESTION BUDGÉTAIRE DIDIER LECLÈRE L ESSENTIEL DE LA GESTION BUDGÉTAIRE LES ESSENTIELS DE LA FINANCE, 1944, 2012 ISBN : 978-2-212-55334-5 Table des matières Introduction Qu est-ce que la gestion budgétaire? 7 1. Les origines

Plus en détail

PROGRAMME DE FORMATION A L UTILISATION DU LOGICIEL R

PROGRAMME DE FORMATION A L UTILISATION DU LOGICIEL R PROGRAMME DE FORMATION A L UTILISATION DU LOGICIEL R Analyses multivariées avec R Vincent RICHARD Unité d épidémiologie Institut Pasteur de DakarRindra Randremanana Unité d'épidémiologie Institut Pasteur

Plus en détail

La classification 2012-2013. Fabien Chevalier Jérôme Le Bellac

La classification 2012-2013. Fabien Chevalier Jérôme Le Bellac La classification 2012-2013 Fabien Chevalier Jérôme Le Bellac Introduction : Classification : méthode d analyse de données Objectif : Obtenir une représentation schématique simple d'un tableau de données

Plus en détail

1. Calculer: P(Z<1.34); P(Z<-1.72); P(Z>2.41); P(Z>-1.53); P(1.12<Z<1.57); P(- 0.75<Z<0.36); P( Z >1.96)

1. Calculer: P(Z<1.34); P(Z<-1.72); P(Z>2.41); P(Z>-1.53); P(1.12<Z<1.57); P(- 0.75<Z<0.36); P( Z >1.96) EXERCICES SUR LA LOI NORMALE Exercice 1. Soit Z une V.A. de loi N(0,1). 1. Calculer: P(Z-1.53); P(1.12

Plus en détail

Introduction à la philosophie

Introduction à la philosophie Introduction à la philosophie Votre professeur : Cédric Eyssette http://eyssette.net 2010-2011 Un petit exercice avant de commencer! La philosophie en Terminale est une matière nouvelle, mais vous avez

Plus en détail

Baccalauréat STL Biotechnologies juin 2014 Polynésie Correction

Baccalauréat STL Biotechnologies juin 2014 Polynésie Correction Baccalauréat STL Biotechnologies juin 014 Polynésie Correction EXERCICE 1 Les trois parties de cet exercice peuvent être traitées de manière indépendante. Les résultats seront arrondis, si nécessaire,

Plus en détail

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

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

Plus en détail