Durée : 2h30 (avec la partie SAS)
|
|
- Valérie Éthier
- il y a 8 ans
- Total affichages :
Transcription
1 Développement logiciel Master 1 Biostat / MIND Durée : 2h30 (avec la partie SAS) Les notes de cours et l aide de R sont autorisées. Une très grande importance sera portée sur la rédaction de vos codes. Ainsi usez (abusez?) de commentaires dans votre code, choisissez de bons noms pour vos variables, veillez à l indentation... (ceci pour avoir une meilleure note) Vous me remettrez votre code sur une clé USB et le nom de votre fichier sera de la forme Nom-Prénom.R. Vous penserez bien à rajouter les figures générées au format pdf. Vos figures doivent être produites afin qu elles soient compréhensibles facilement comme une figure de rapport en fait. Exercice 1. Autour du 421 Le 421 est un jeux de dés où la combinaison la plus forte est justement le obtenu en jetant 3 dés. Rassurez vous nous n allons pas implémenter un jeu du 421 mais seulement nous concentrer sur la combinaison Avec un seul dé : a) Écrivez une fonction qui compte le nombre de coup nécessaire pour obtenir le (dans un ordre quelconque) en lançant un dé à chaque tentative. Par exemple une expérience aura pu nécessiter 4 tentatives pour avoir un 1, suivi de 2 tentatives pour obtenir un 2 et enfin 8 pour obtenir un 4 donnant ainsi un total de 14 tentatives. b) Lancez un grand nombre de fois votre fonction dans le but de représenter graphiquement la distribution du nombre de tentatives nécessaires. Sur votre graphique vous placerez la moyenne empirique et théorique (vous justifierez vos calculs en tant que commentaires de codes). 2. Avec deux dés maintenant... a) Reprenez la question 1.a) mais en tenant compte du fait que 2 dés sont désormais lancés. b) Lancez un grand nombre de fois votre fonction dans le but de représenter graphiquement la distribution du nombre de tentatives nécessaires. 3. Écrivez une nouvelle fonction généralisant celle écrite à la question 2.a) où maintenant n dés sont lancés. 4. Faites une représentation graphique de la distribution du nombre de tentatives nécessaires lorsque l on joue avec n = 1,..., 10 dés. 5. Faites un graphique afin de vérifier si la loi du nombre de tentatives avec 9 dés est semblable à celle avec 10 dés. Solution 1. ## Question 1. nbessai1de <- function(){ + restants <- c(1, 2, 4) + nb.essai <- 0 + while (length(restants) 0){ 1
2 + lancer <- sample(6, 1) + nb.essai <- nb.essai restants <- restants[restants!= lancer] + return(nb.essai) ## Essayons le code n.sim < ans <- rep(na, n.sim) for (i in 1:n.sim) + ans[i] <- nbessai1de() par(mar = c(4, 5, 0.5, 0.5)) hist(ans, freq = FALSE, main = "", xlab = "Nombre de tentatives", ylab = "Densité") abline(v = mean(ans), col = 2) ## C'est la somme de loi géometriques de paramètre p = 1 / 2, p = 1 / ## 3 et p = 1 / 6 donc l'esperance est = 11 abline(v = 11, col = 3) legend("topright", c("empirique", "Theorique"), col = 2:3, bty = "n", lty = 1) Densit Empirique Theorique Nombre de tentatives 2
3 ## Question 2. nbessai2des <- function(){ + restants <- c(1, 2, 4) + nb.essai <- 0 + while (length(restants) 0){ + lancer <- sample(6, 2, replace = TRUE) + nb.essai <- nb.essai restants <- restants[!(restants %in% lancer)] + return(nb.essai) ## Essayons le code n.sim < ans <- rep(na, n.sim) for (i in 1:n.sim) + ans[i] <- nbessai2des() par(mar = c(4, 5, 0.5, 0.5)) hist(ans, freq = FALSE, main = "", xlab = "Nombre de tentatives", ylab = "Densité") Densit Nombre de tentatives 3
4 ## Question 3. nbessais <- function(n.des){ + restants <- c(1, 2, 4) + nb.essai <- 0 + while (length(restants) 0){ + lancer <- sample(6, n.des, replace = TRUE) + nb.essai <- nb.essai restants <- restants[!(restants %in% lancer)] + return(nb.essai) ## Essayons le code n.sim < nb.des <- 1:10 ans <- matrix(na, n.sim, length(nb.des)) for (i in nb.des) + ans[,i] <- replicate(n.sim, nbessais(i)) boxplot(ans, names = c("1 dé", paste(2:10, "dés")), + ylab = "Nb de tentatives") 1 d.. 3 d..s 5 d..s 7 d..s 9 d..s Nb de tentatives 4
5 ## Question 4. qqplot(ans[,9], ans[,10], xlab = "Nombre de tentatives (9 dés)", + ylab = "Nombre de tentatives (10 dés)") abline(0, 1) Nombre de tentatives (10 d..s) Nombre de tentatives (9 d..s) ## ou encore plot(table(ans[,9] - ans[,10]), xlab = "Différences nombre de tentatives", ylab = "Effectifs") 5
6 Effectifs Diff..rences nombre de tentatives PPP Exercice 2. Réchauffement climatique? Nous allons étudier les données de températures minimales journalières observées à Sète. a) Importez les données de températures dans R à partir du fichier de données disponible à l adresse suivante b) Faites une fonction qui retravaille les données brutes afin de supprimer les valeurs manquantes ou suspectes et d obtenir au final un jeu de donnée sous la forme jour mois année obs (en degré) xxx xxx xxx xxx. c) Représentez graphiquement la saisonalité, i.e., la loi de la température par classe mensuelle. d) Faites une fonction qui calcule la moyenne mensuelle pour un mois donné et toutes les années, i.e., une moyenne mensuelle par année. e) Exécutez votre fonction pour le mois de Décembre et représentez graphiquement votre résultat. f) Écrivez une fonction qui ajuste par maximum de vraisemblance le modèle suivant ( ) ind t 1976 T t N β 0 + β 1, σ 2, t = 1949, 1950,...,
7 g) Quelle valeur obtenez vous pour β 1? Qu est ce que cela veut dire concrètement sur l intensité du réchauffement climatique, i.e., réchauffement de xx degrés tout les xx années? h) Donnez une prédiction pour la température minimale moyenne pour le mois de Décembre Bonus : Peut-on dire si statistiquement il y a réchauffement climatique ou non à Sète? Solution 2. data <- read.table("data/tn_souid txt", header = TRUE, sep = ",", skip = 21) formatdata <- function(data){ + ## Virons les valeurs louches + idx <- data$q_tn == 0 + data <- data[idx,] + date <- data$date + year <- as.numeric(substr(date, 1, 4)) + month <- as.numeric(substr(date, 5, 6)) + day <- as.numeric(substr(date, 7,8)) + return(data.frame(day = day, month = month, year = year, obs = data$tn / 10)) data <- formatdata(data) boxplot(data$obs ~ data$month)
8 moyennemensuelle <- function(data, month = 12){ + moy.dec <- NULL + for (year in sort(unique(data$year))){ + idx <- which(data$year == year & data$month == month) + if (length(idx) 0) + moy.dec <- rbind(moy.dec, c(year, mean(data$obs[idx]))) + colnames(moy.dec) <- c("year", "obs") + return(as.data.frame(moy.dec)) moy.dec <- moyennemensuelle(data) plot(moy.dec) obs year fitmodel <- function(data){ + obs <- data$obs + year <- data$year + nllik <- function(par){ 8
9 + beta0 <- par[1] + beta1 <- par[2] + sigma <- par[3] + if (sigma <= 0) + return(1e6) + mu <- beta0 + beta1 * (year ) / return(-sum(dnorm(obs, mu, sigma, log = TRUE))) + start <- c(mean(obs), 0, sd(obs)) + opt <- nlm(nllik, start, hessian = TRUE) + return(opt) fit <- fitmodel(moy.dec) fit $minimum [1] $estimate [1] $gradient [1] e e e-06 $hessian [,1] [,2] [,3] [1,] e e-03 [2,] e e-05 [3,] e e+01 $code [1] 1 $iterations [1] 7 ## beta_1 vaut environ 2.53 soit un réchauffement de 2.53 degrés par ## siècle. fit$estimate[1] + fit$estimate[2] * ( ) / 100 [1] ## Bonus : on pourrait faire un test du rapport de vraisemblance par ##exemple 9
10 PPP 10
1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailINF2015 Développement de logiciels dans un environnement Agile. Examen intra 20 février 2014 17:30 à 20:30
Examen intra 20 février 2014 17:30 à 20:30 Nom, prénom : Code permanent : Répondez directement sur le questionnaire. Question #1 5% Quelle influence peut avoir le typage dynamique sur la maintenabilité
Plus en détailSTAGE IREM 0- Premiers pas en Python
Université de Bordeaux 16-18 Février 2014/2015 STAGE IREM 0- Premiers pas en Python IREM de Bordeaux Affectation et expressions Le langage python permet tout d abord de faire des calculs. On peut évaluer
Plus en détailOrganigramme / Algorigramme Dossier élève 1 SI
Organigramme / Algorigramme Dossier élève 1 SI CI 10, I11 ; CI 11, I10 C24 Algorithmique 8 février 2009 (13:47) 1. Introduction Un organigramme (ou algorigramme, lorsqu il est plus particulièrement appliqué
Plus en détailAlgorithmique et Programmation, IMA
Algorithmique et Programmation, IMA Cours 2 : C Premier Niveau / Algorithmique Université Lille 1 - Polytech Lille Notations, identificateurs Variables et Types de base Expressions Constantes Instructions
Plus en détailET 24 : Modèle de comportement d un système Boucles de programmation avec Labview.
ET 24 : Modèle de comportement d un système Boucles de programmation avec Labview. Sciences et Technologies de l Industrie et du Développement Durable Formation des enseignants parcours : ET24 Modèle de
Plus en détailExclusion Mutuelle. Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr. Université de Provence. 9 février 2011
Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr Université de Provence 9 février 2011 Arnaud Labourel (Université de Provence) Exclusion Mutuelle 9 février 2011 1 / 53 Contexte Epistémologique
Plus en détailL envoi d un formulaire par courriel. Configuration requise... 236 Mail Texte... 237 Mail HTML... 242 Check-list... 248
L envoi d un formulaire par courriel Configuration requise... 236 Mail Texte... 237 Mail HTML... 242 Check-list... 248 Chapitre 9 L envoi d un formulaire par courriel L envoi par courriel d informations
Plus en détailGestion des données avec R
Gestion des données avec R Christophe Lalanne & Bruno Falissard Table des matières 1 Introduction 1 2 Importation de fichiers CSV 1 2.1 Structure du fichier de données...................................
Plus en détailProjet de programmation (IK3) : TP n 1 Correction
Projet de programmation (IK3) : TP n 1 Correction Semaine du 20 septembre 2010 1 Entrées/sorties, types de bases et structures de contrôle Tests et types de bases Tests et types de bases (entiers) public
Plus en détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détailProgrammation Web. Madalina Croitoru IUT Montpellier
Programmation Web Madalina Croitoru IUT Montpellier Organisation du cours 4 semaines 4 ½ h / semaine: 2heures cours 3 ½ heures TP Notation: continue interrogation cours + rendu à la fin de chaque séance
Plus en détailAnalyse Combinatoire
Analyse Combinatoire 1) Équipes On dispose d un groupe de cinq personnes. a) Combien d équipes de trois personnes peut-on former? b) Combien d équipes avec un chef, un sous-chef et un adjoint? c) Combien
Plus en détailTP JAVASCRIPT OMI4 TP5 SRC1 2011-2012
TP JAVASCRIPT OMI4 TP5 SRC1 2011-2012 FORMULAIRE DE CONTACT POUR PORTFOLIO PRINCIPE GENERAL Nous souhaitons réaliser un formulaire de contact comprenant les champs suivants : NOM PRENOM ADRESSE MAIL MESSAGE
Plus en détailCours d Algorithmique-Programmation 2 e partie (IAP2): programmation 24 octobre 2007impérative 1 / 44 et. structures de données simples
Cours d Algorithmique-Programmation 2 e partie (IAP2): programmation impérative et structures de données simples Introduction au langage C Sandrine Blazy - 1ère année 24 octobre 2007 Cours d Algorithmique-Programmation
Plus en détailhttp://cermics.enpc.fr/scilab
scilab à l École des Ponts ParisTech http://cermics.enpc.fr/scilab Introduction à Scilab Graphiques, fonctions Scilab, programmation, saisie de données Jean-Philippe Chancelier & Michel De Lara cermics,
Plus en détailIntroduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
Plus en détailChapitre 2 Devine mon nombre!
Python 3 : objectif jeux Chapitre 2 Chapitre 2 Devine mon nombre! 2.1. Thèmes abordés dans ce chapitre commentaires modules externes, import variables boucle while condition : if... elif... else la fonction
Plus en détailDans l'article précédent, vous avez appris
Pour les débutants Les différents formats de sortie proposés par PHPExcel La bibliothèque orientée objet PHPExcel permet de lire et créer des fichiers pour tableurs. Dans cette série d articles, vous apprendrez
Plus en détailIntroduction. Catalogues multiples
1 Quick Start Maintenance Photo Supreme Introduction Photo Supreme est un logiciel dit de «Gestion de documents numériques». Photo Supreme vous permet de gérer vos photos. Il peut classer les fichiers
Plus en détailINTRODUCTION AU LOGICIEL R
INTRODUCTION AU LOGICIEL R Variables et mise en jambe Anne Dubois, Julie Bertrand, Emmanuelle Comets emmanuelle.comets@inserm.fr INSERM UMR738 (UMR738) 1 / 68 Sur le site www.cran.r-project.org : Ou trouver
Plus en détailCours Informatique Master STEP
Cours Informatique Master STEP Bases de la programmation: Compilateurs/logiciels Algorithmique et structure d'un programme Programmation en langage structuré (Fortran 90) Variables, expressions, instructions
Plus en détailMaster IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP
Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez
Plus en détailSYNC FRAMEWORK AVEC SQLITE POUR APPLICATIONS WINDOWS STORE (WINRT) ET WINDOWS PHONE 8
SYNC FRAMEWORK AVEC SQLITE POUR APPLICATIONS WINDOWS STORE (WINRT) ET WINDOWS PHONE 8 INTRODUCTION Bonjour à tous; Aujourd hui je publie une nouvelle version de l adaptation de la Sync Framework Toolkit,
Plus en détailPrésentation du langage et premières fonctions
1 Présentation de l interface logicielle Si les langages de haut niveau sont nombreux, nous allons travaillé cette année avec le langage Python, un langage de programmation très en vue sur internet en
Plus en détailModule Administration BD Chapitre 1 : Surcouche procédurale dans les SGBDS
Module Administration BD Chapitre 1 : Surcouche procédurale dans les SGBDS 1. Introduction Nous allons aborder la notion de surcouche procédurale au sein des SGBDS relationnels tels que Oracle (PLSQL)
Plus en détailRecherche dans un tableau
Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6
Plus en détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
Plus en détailAIDE FINANCIÈRE POUR ATHLÈTES FINANCIAL ASSISTANCE FOR ATHLETES
AIDE FINANCIÈRE POUR ATHLÈTES FINANCIAL ASSISTANCE FOR ATHLETES FORMULAIRE DE DEMANDE D AIDE / APPLICATION FORM Espace réservé pour l utilisation de la fondation This space reserved for foundation use
Plus en détail1 Recherche en table par balayage
1 Recherche en table par balayage 1.1 Problème de la recherche en table Une table désigne une liste ou un tableau d éléments. Le problème de la recherche en table est celui de la recherche d un élément
Plus en détailCette application développée en C# va récupérer un certain nombre d informations en ligne fournies par la ville de Paris :
Développement d un client REST, l application Vélib 1. Présentation L application présentée permet de visualiser les disponibilités des vélos et des emplacements de parking à la disposition des parisiens
Plus en détailExtraction d information des bases de séquences biologiques avec R
Extraction d information des bases de séquences biologiques avec R 21 novembre 2006 Résumé Le module seqinr fournit des fonctions pour extraire et manipuler des séquences d intérêt (nucléotidiques et protéiques)
Plus en détailCorrigé des TD 1 à 5
Corrigé des TD 1 à 5 1 Premier Contact 1.1 Somme des n premiers entiers 1 (* Somme des n premiers entiers *) 2 program somme_entiers; n, i, somme: integer; 8 (* saisie du nombre n *) write( Saisissez un
Plus en détailInfo0101 Intro. à l'algorithmique et à la programmation. Cours 3. Le langage Java
Info0101 Intro. à l'algorithmique et à la programmation Cours 3 Le langage Java Pierre Delisle, Cyril Rabat et Christophe Jaillet Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique
Plus en détail«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 détailAWS avancé. Surveiller votre utilisation d EC2
10 AWS avancé Dans ce chapitre, nous bâtirons sur les bases que nous avons apprises jusqu ici. Nous étudierons des sujets plus avancés tels que la surveillance de votre utilisation d AWS, l utilisation
Plus en détailDensité de population et ingestion de nourriture chez un insecte vecteur de la maladie de Chagas
Fiche TD avec le logiciel : tdr335 Densité de population et ingestion de nourriture chez un insecte vecteur de la maladie de Chagas F. Menu, A.B. Dufour, E. Desouhant et I. Amat La fiche permet de se familiariser
Plus en détailSnapshot Qualiwatt. Description du Format. Version v1.0
Snapshot Qualiwatt Description du Format Version v1.0 Table des matières 1. Cadre... 3 2. Restrictions... 3 3. Contenu... 3 3.1 Élaboration... 3 3.2 Points d accès... 3 3.3 Attributs... 3 4. Mode de calcul...
Plus en détailEditer un script de configuration automatique du proxy
Editer un script de configuration automatique du proxy INTRODUCTION... 2 AVANTAGE D UN SCRIPT DE CONFIGURATION... 2 SYNTAXE DU SCRIPT DE CONFIGURATION AUTOMATIQUE... 2 MISE A DISPOSITION DU SCRIPT... 4
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 détailProgramme Compte bancaire (code)
using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Threading.Tasks; Programme Compte bancaire (code) namespace compte_bancaire /// Classe Program public
Plus en détailSTS SE. FreeRTOS. Programmation réseau WIFI. Programmation réseau. Socket Tcp. FlyPort smart Wi-Fi 802.11 module
François SCHNEIDER Lycée Victor-Hugo BESANÇON. STS SE FreeRTOS Programmation réseau WIFI Programmation réseau Socket Tcp FlyPort smart Wi-Fi 802.11 module Prérequis : langage C, connaissance réseau : Ip,
Plus en détailExceptions. 1 Entrées/sorties. Objectif. Manipuler les exceptions ;
CNAM NFP121 TP 10 19/11/2013 (Séance 5) Objectif Manipuler les exceptions ; 1 Entrées/sorties Exercice 1 : Lire un entier à partir du clavier Ajouter une méthode readint(string message) dans la classe
Plus en détailTp 1 correction. Structures de données (IF2)
Tp 1 correction Structures de données (IF2) Remarque générale : compilez et exécutez le code au-fur-et-à mesure de son écriture. Il est plus facile de corriger une petite portion de code délimitée que
Plus en détailProgrammer en JAVA. par Tama (tama@via.ecp.fr( tama@via.ecp.fr)
Programmer en JAVA par Tama (tama@via.ecp.fr( tama@via.ecp.fr) Plan 1. Présentation de Java 2. Les bases du langage 3. Concepts avancés 4. Documentation 5. Index des mots-clés 6. Les erreurs fréquentes
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailApprentissage par renforcement (1a/3)
Apprentissage par renforcement (1a/3) Bruno Bouzy 23 septembre 2014 Ce document est le chapitre «Apprentissage par renforcement» du cours d apprentissage automatique donné aux étudiants de Master MI, parcours
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailArrondissage des résultats de mesure. Nombre de chiffres significatifs
BUREAU NATIONAL DE MÉTROLOGIE COMMISSARIAT À L'ÉNERGIE ATOMIQUE LABORATOIRE NATIONAL HENRI BECQUEREL Note technique LNHB/04-13 Arrondissage des résultats de esure Nobre de chiffres significatifs M.M. Bé,
Plus en détailFiche TD avec le logiciel. Courbes de niveau. D. Chessel
Fiche TD avec le logiciel : tdr Courbes de niveau D. Chessel Comment représenter la variation d une mesure spatialisée? On utilise pour les illustrations une carte météorologique. Table des matières Introduction
Plus en détailÉléments d informatique Cours 3 La programmation structurée en langage C L instruction de contrôle if
Éléments d informatique Cours 3 La programmation structurée en langage C L instruction de contrôle if Pierre Boudes 28 septembre 2011 This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike
Plus en détailBernard HAMM, Évelyne LAVOISIER
92 MAÎTRISE DE PROGICIELS DE GESTION DE BASES DE DONNÉES ET DE TRAITEMENT DE TEXTE Compte rendu d'un stage à l'usage des professeurs de sciences sociales. Ce stage a été programmé A la demande et avec
Plus en détailRégression non linéaire
Fiche TD avec le logiciel : tdr46 Régression non linéaire J.R. Lobry Table des matières 1 Une petite simulation 2 2 Estimation d un paramètre 3 3 nlm (non-linear minimization) 8 4 Le piège des minimums
Plus en détailR01 Import de données
R01 Import de données A partir du package de base, R peut lire les données stockées dans des fichiers texte, à partir notamment des fonctions read.table, read.csv, read.delim, read.csv2, read.delim2, et
Plus en détailNotions fondamentales du langage C# Version 1.0
Notions fondamentales du langage C# Version 1.0 Z 2 [Notions fondamentales du langage Csharp] [Date : 25/03/09] Sommaire 1 Tout ce qu il faut savoir pour bien commencer... 3 1.1 Qu est ce qu un langage
Plus en détailStudio. HERITIER Emmanuelle PERSYN Elodie. SCHMUTZ Amandine SCHWEITZER Guillaume
Studio HERITIER Emmanuelle PERSYN Elodie SCHMUTZ Amandine SCHWEITZER Guillaume Cours R Présentation projet 10/10/2013 Introduction RStudio est une interface créé par JJ Allaire Elle est sortie le 11 Février
Plus en détailDCG 6. Finance d entreprise. L essentiel en fiches
DCG 6 Finance d entreprise L essentiel en fiches DCG DSCG Collection «Express Expertise comptable» J.-F. Bocquillon, M. Mariage, Introduction au droit DCG 1 L. Siné, Droit des sociétés DCG 2 V. Roy, Droit
Plus en détail(51) Int Cl.: H04L 29/06 (2006.01) G06F 21/55 (2013.01)
(19) TEPZZ 8 8 4_A_T (11) EP 2 838 241 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 18.02.1 Bulletin 1/08 (1) Int Cl.: H04L 29/06 (06.01) G06F 21/ (13.01) (21) Numéro de dépôt: 141781.4
Plus en détailKIP 770 Solution Multifonction Exceptionnelle
KIP 770 Solution Multifonction Exceptionnelle KIP 770 D infinies Possibilités KIP 770 FAIBLE ENCOMBREMENT Le KIP 770 instaure de nouvelles normes en matière de qualité et performance. Compacte et ergonomique,
Plus en détailInstaller un domaine DNS
Installer un domaine DNS Olivier Hoarau (olivier.hoarau@funix.org) V1.2 du 3.12.00 1 Historique... 2 2 Préambule... 2 3 Présentation... 2 4 Installation et configuration... 3 5 Lancement automatique de
Plus en détailProjet L1, S2, 2015: Simulation de fourmis, Soutenance la semaine du 4 mai.
Projet L1, S2, 2015: Simulation de fourmis, Soutenance la semaine du 4 mai. 1 Introduction On considère une grille de 20 lignes 20 colonnes. Une case de la grille peut être vide, ou contenir une et une
Plus en détailCentre CPGE TSI - Safi 2010/2011. Algorithmique et programmation :
Algorithmique et programmation : STRUCTURES DE DONNÉES A. Structure et enregistrement 1) Définition et rôle des structures de données en programmation 1.1) Définition : En informatique, une structure de
Plus en détailCours de C. Petits secrets du C & programmation avancée. Sébastien Paumier
Cours de C Petits secrets du C & programmation avancée Sébastien Paumier paumier@univ-mlv.fr Illustrations provenant du site http://tux.crystalxp.net/ 1 Affectations étendues a+=expression a=a+expression
Plus en détailIN 102 - Cours 1. 1 Informatique, calculateurs. 2 Un premier programme en C
IN 102 - Cours 1 Qu on le veuille ou non, les systèmes informatisés sont désormais omniprésents. Même si ne vous destinez pas à l informatique, vous avez de très grandes chances d y être confrontés en
Plus en détailAuteure : Natalie Poulin-Lehoux
Édition Centre FORA 432, avenue Westmount, unité H Sudbury (Ontario) P3A 5Z8 Information : 705-524-3672 Télécopieur : 705-524-8535 Commandes : cranger@centrefora.on.ca Site Web : www.centrefora.on.ca Auteure
Plus en détailCorrection TD algorithmique
Affectation Correction TD algorithmique Exercice 1 algo affect1b b 5 a b+1 b 2 Il vaut faire passer la notion de variable et la notion de stockage mémoire. Une variable n a donc pas d historique et à un
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailPlan du cours 2014-2015. Cours théoriques. 29 septembre 2014
numériques et Institut d Astrophysique et de Géophysique (Bât. B5c) Bureau 0/13 email:.@ulg.ac.be Tél.: 04-3669771 29 septembre 2014 Plan du cours 2014-2015 Cours théoriques 16-09-2014 numériques pour
Plus en détailV- Manipulations de nombres en binaire
1 V- Manipulations de nombres en binaire L ordinateur est constitué de milliards de transistors qui travaillent comme des interrupteurs électriques, soit ouverts soit fermés. Soit la ligne est activée,
Plus en détailGuide d Estimation Volumétrique des Logs
The Ver sat ile BI Sol ut ion! Guide d Estimation Volumétrique des Logs Ou comment estimer un volume de log Dans ce document, nous allons étudier les méthodes pour évaluer le volume de ligne de log d un
Plus en détailHadoop, Spark & Big Data 2.0. Exploiter une grappe de calcul pour des problème des données massives
Hadoop, Spark & Big Data 2.0 Exploiter une grappe de calcul pour des problème des données massives Qui suis-je? Félix-Antoine Fortin Génie info. (B. Ing, M. Sc, ~PhD) Passionné de Python, Data Analytics,
Plus en détailConfiguration du moteur de recherche de SharePoint Foundation 2013
Configuration du moteur de recherche de SharePoint Foundation 2013 Introduction Nous avons vu dans un précédent article comment installer une ferme SharePoint Foundation 2013 : Installation de SharePoint
Plus en détailServeur d'application Client HTML/JS. Apache Thrift Bootcamp
Serveur d'application Client HTML/JS Apache Thrift Bootcamp Pré-requis La liste ci-dessous de logiciels doit être installée et opérationnelle sur la machine des participants : Compilateur thrift http://thrift.apache.org/
Plus en détailExpérience avec la mise en pratique des «Revised GIPS» Daniel Weber Novembre 2006 Genève
Pictet Asset Management Expérience avec la mise en pratique des «Revised GIPS» Daniel Weber Novembre 2006 Genève Index Changements principaux des GIPS Impact sur la présentation et les «disclosures» Impact
Plus en détailDémonstration de la mise en cache via HTML 5 sur iphone
Last update: 2011/08/18 21:46 wiki:devmobile:webapp:html5:presentation Démonstration de la mise en cache via HTML 5 sur iphone Overview Parmi les nouveautés du HTML 5, l une d elles est très intéressent
Plus en détailTP1 : LOGICIEL R ET PRÉDICTION DE L EFFLORESCENCE ALGALE
Apprentissage statistique et data mining ENSAE, 3 ème année A. Dalalyan TP1 : LOGICIEL R ET PRÉDICTION DE L EFFLORESCENCE ALGALE A propos du logiciel R Le système R est un logiciel distribué gratuitement
Plus en détailIMAGES NUMÉRIQUES MATRICIELLES EN SCILAB
IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB Ce document, écrit par des animateurs de l IREM de Besançon, a pour objectif de présenter quelques unes des fonctions du logiciel Scilab, celles qui sont spécifiques
Plus en détailEtre inscrit à l Université de Strasbourg pour l année universitaire 2014/2015 au minimum en L3 (ou en
Direction des Relations internationales BOURSE UNISTRA DISPOSITIF 2014/2015 DESTINATIONS ELIGIBLES: L AUSTRALIE, LE BRESIL, LE CANADA, LE CHILI, LA CHINE, LA COREE, LES ETATS-UNIS, L INDE, LE JAPON ET
Plus en détailAnalyse des durées de vie avec le logiciel R
Analyse des durées de vie avec le logiciel R Ségolen Geffray Des outils ainsi que des données pour l analyse des durées de vie sont disponibles dans les packages survival MASS Il est nécessaire de charger
Plus en détailCours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions
Cours d introduction à l informatique Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Qu est-ce qu un Une recette de cuisine algorithme? Protocole expérimental
Plus en détailExercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015
Exercices M1 SES 214-215 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 215 Les exemples numériques présentés dans ce document d exercices ont été traités sur le logiciel R, téléchargeable par
Plus en détailtd3a correction session7az
td3a correction session7az August 19, 2015 1 Séance 7 : PIG et JSON et streaming avec les données vélib (correction avec Azure) Plan Récupération des données Connexion au cluster et import des données
Plus en détailGuide de l adhérent/ Manuel d utilisation Simpl-IR «Paiement des Versements des prélèvements sur revenus salariaux et assimilés»
Ministère de l Economie et des Finances Guide de l adhérent/ Manuel d utilisation Simpl-IR «Paiement des Versements des prélèvements sur revenus salariaux et assimilés» Manuel utilisateur Simpl-IR Version
Plus en détailGMIN 330 Nancy Rodriguez
Unity TP3 Librement adapté et traduit de http://unity3d.com/learn/tutorials/modules/beginner/physics/assignments/bouncing-ball http://docs.unity3d.com/documentation/manual/instantiatingprefabs.html http://3dfoin.com/index-3.html
Plus en détailLe prototype de la fonction main()
Le prototype de la fonction main() 1. Introduction...1 2. Paramètres et type de retour de la fonction main()...1 3. Exemple 1...2 4. La fonction exit() du C...2 5. Détecter le code de retour d un programme
Plus en détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailInitiation à l analyse en composantes principales
Fiche TD avec le logiciel : tdr601 Initiation à l analyse en composantes principales A.B. Dufour & J.R. Lobry Une première approche très intuitive et interactive de l ACP. Centrage et réduction des données.
Plus en détailSolutions du chapitre 4
Solutions du chapitre 4 Structures de contrôle: première partie 4.9 Identifiez et corrigez les erreurs (il peut y en avoir plus d une par segment de code) de chacune des proposition suivantes: a) if (
Plus en détailIntroduction au logiciel STATA
Introduction au logiciel STATA Antoine Bozio 28 janvier 2005 Table des matières 1 Les premiers pas 3 1.1 Les différentes fenêtres.................................. 3 1.2 Comment lire des données................................
Plus en détailInformatique III: Programmation en C++
Informatique III: Programmation en C++ Listes haînées Lundi 9 Janvier 2006 1 2 Introdution Les listes hainées permettent de stoker un nombre d objets qui n a pas besoin d être spéifié a priori. Rajouter
Plus en détailIntroduction à ElasticSearch
Introduction à ElasticSearch Présentée par : Romain Pignolet Lundi 7 Juillet 2014 Sommaire 1 Présentation de Elasticsearch 2 Installation et exemples simples 3 API Rest 4 Comment fonctionne Elasticsearch?
Plus en détailLes structures de données. Rajae El Ouazzani
Les structures de données Rajae El Ouazzani Les arbres 2 1- Définition de l arborescence Une arborescence est une collection de nœuds reliés entre eux par des arcs. La collection peut être vide, cad l
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailFORMATION HYGIENE. (D après méthode HACCP) EN INDUSTRIE AGROALIMENTAIRE
1. Objectif : Comprendre les enjeux de la maîtrise de l hygiène dans votre entreprise «Agroalimentaire» (Fabrication, conditionnement, logistique, ) Savoir identifier les risques spécifiques à votre activité
Plus en détail.NET - Classe de Log
.NET - Classe de Log Classe permettant de Logger des données Text Dans tous les projets, il est indispensable de pouvoir stocker de l'information textuelle : Pour le suivi des erreurs Pour le suivi de
Plus en détailGestion Electronique de Document (ECM/GED)
Gestion Electronique de Document (ECM/GED) Analyse de l existant Découpage modulaire La gestion électronique de documents repose sur un ensemble de deux modules conjoints, au sein de la famille «ecm» :
Plus en détail