Principe des Tests Statistiques

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Principe des Tests Statistiques"

Transcription

1 Principe des Tests Statistiques Vocabulaire & Notions Générales Marc AUBRY Plateforme Transcriptome Biogenouest Rennes Askatu

2 Les Étapes d un Test Statistique Question scientifique Choix d un test statistique Les conditions d application du test sont-elles compatibles avec le protocole d étude envisagé? Réalisation de l étude Analyse des données Tableau de données Les données sont-elles compatibles avec les conditions d application du test? Individu n Variable Aléatoire n Réalisation du test Poser les deux hypothèses de test H 0 et H 1 Calculer la Statistique de Test : ST calc Utiliser ST calc pour déterminer la p value Conclure : rejeter ou non H 0 à l aide de la p value

3 Les Hypothèses de Test Elles dérivent de la question scientifique posée On formule deux hypothèses qui sont deux réponses possibles et exclusives de cette question H 0 : hypothèse principale, ou hypothèse nulle H 1 : hypothèse alternative Ces hypothèses sont toujours formulées au niveau de la population visée (elles traduisent la problématique posée) les hypothèses H 0 et H 1 portent sur la valeur vraie de la variable [condition] et non pas sur une valeur observée [point de mesure] Population [Hypothèses] variable aléatoire x N : effectif μ : moyenne σ : variance L échantillon servira à trancher entre les deux hypothèses, grâce au test statistique Échantillon [Test Statistique] n : effectif m : moyenne s : variance

4 La Statistique de Test (ST) La ST est un système de calcul utilisé par un test statistique qui permet de rejeter ou non l hypothèse H 0 une formule à appliquer une fois que l échantillon est obtenu La valeur de la ST calculée va varier suivant l échantillon réalisé une ST est une variable aléatoire à cause de l échantillonnage des individus mesurés Il existe différents types de ST suivant : le test statistique dont elles proviennent (paramétrique/non-paramétrique) leur formule (présence ou non d estimateurs) leur distribution de probabilité (connue/inconnue) Le test t de Student de comparaison de deux moyennes observées est un test paramétrique dont la formule contient 4 estimateurs (m 1,m,s 1,s ) et dont la distribution de probabilité de la ST sous H 0 suit une loi de Student exemples Le test de χ de conformité est un test non-paramétrique dont la formule contient 1 estimateur (p i ) et dont la distribution de probabilité de la ST sous H 0 suit une loi de χ Le test exact de Fisher (tableau x ) est un test non-paramétrique, dont la formule ne contient pas d estimateur et dont la distribution de probabilité de la ST sous H 0 suit une loi hypergéométrique Le test exact de Fisher (tableau k x c) est un test non-paramétrique, dont la formule ne contient pas d estimateur et dont les différentes possibilités de valeur de la ST sous H 0 forment une combinatoire de probabilités

5 Exemple Le test t de Student de comparaison de deux moyennes observées m 1 et m Variables mesurées une variable quantitative [ d un gène] une variable qualitative à deux classes [deux conditions expérimentales] Population 1 Échantillon 1 N 1 μ 1 σ 1 n 1 m 1 s 1 effectif moyenne variance effectif moyenne variance N μ σ n m s Population Échantillon Test paramétrique distribution normale de la variable quantitative dans les deux classes de la variable qualitative variances égales de la variable quantitative dans les deux classes de la variable qualitative Hypothèses de test H 0 : μ 1 = μ ; les moyennes sont identiques dans la population visée H 1 : μ 1 μ ; les moyennes sont différentes dans la population visée Loi de probabilité suivie par la ST sous H 0 La ST t suit une loi de Student à (n 1 + n - ) degrés de liberté Calcul de la ST sous H 0 : ST calc avec

6 ST calc et p value Fluctuation de la ST due à l échantillonnage (sous H 0 ) La p value est l aire sous la courbe de la loi suivie par la ST sous H 0 α seuil p value Loi de probabilité continue α seuil p value ST calc ST seuil ST calc ST seuil Une ST est une variable aléatoire à cause de l échantillonnage des individus mesurés L hypothèse H 0 donne une distribution de la ST L échantillon donne une valeur de la ST (ST calc ) La p value indique si cette valeur est cohérente avec la distribution (et donc avec l hypothèse H 0 )

7 Vrais Positifs Conclusion d un Test H 0 vraie (H 1 fausse) Réalité/Vérité H 0 fausse (H 1 vraie) [Conclure, c est deux vérités, deux décisions soit quatre probabilités] Décision H 0 acceptée (H 1 rejetée) H 0 rejetée (H 1 acceptée) Bonne décision (1-α) Erreur α Erreur β Bonne décision (1-β) Faux Négatifs risque de ème espèce (risque β) risque de se tromper quand on accepte H 0 sous H 0 1-α α Faux Positifs risque de 1 ère espèce (risque α) risque de se tromper quand on rejette H 0 Vrais Négatifs (puissance du test) capacité du test à identifier une différence réelle sous H 1 β 1-β p value du test seuil de rejet ou seuil de signification de l hypothèse H 0 α

8 Puissance d un Test sous H 0 sous H 1 sous H 0 sous H 1 Δ β de l effectif (n) de l échantillon --- la puissance augmente quand n augmente de l écart (Δ) entre les paramètres testés --- la puissance augmente quand Δ augmente α μ 1 μ β [? % de faux négatifs] [5% de faux positifs] [75% de faux négatifs] 1-β = 0.5 La puissance (1-β) est une variable qui dépend de : du α seuil choisi --- la puissance diminue quand α seuil décroît la variance de la population (σ ) --- la puissance diminue quand σ augmente α [5% de faux positifs] Décision H 0 vraie Réalité H 0 fausse H 0 acceptée 1-α β H 0 rejetée α 1-β

9 Tests Multiples & Correction Multiplier les tests statistiques augmente la probabilité globale de se tromper quand on rejette H 0 (risque α) Analogie avec la roulette russe Un risque α de 5% est équivalent à un barillet de 0 emplacements avec une seule balle dedans Le risque que le coup parte est p=1/0, soit 5% Si l on recommence n fois de suite, la probabilité que le coup parte va augmenter suivant une binomiale B(n,p) essai ouf pan! p_one_shot Au bout de 10 tentatives, le risque est d environ 3% : il y a 3% de chances que le coup parte une seule fois sur les 10 tentatives Evidemment, le coup peut partir plusieurs fois et il faut s intéresser à la probabilité que le coup parte au moins une fois sur les n tentatives c-a-d la somme des probabilités que le coup parte 1 fois, fois,..., 10 fois, sur les 10 tentatives Il y a 40% de chances que le coup parte au moins une fois sur 10 tentatives Il faut corriger le seuil α de rejet de H 0 dans une série de tests statistiques (q value) Family-Wise Error Rate (FWER) [Bonferroni] probabilité d au moins une erreur de type I False Discovery Rate (FDR) [Benjamini-Hochberg] proportion attendue d erreurs de type I parmi les hypothèse rejetées Gaël Millot [Il y a 64% de chances que le coup parte au moins une fois sur 0 tentatives] Décision H 0 vraie Réalité H 0 fausse H 0 acceptée 1-α β H 0 rejetée α 1-β

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

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

est plus grande ou plus petite que notre seuil α.

est plus grande ou plus petite que notre seuil α. Le test du χ 2 Test du χ 2 Objectif Mesurer l écart entre des fréquences observées et attendues d'un tableau de contingence (ou de corrélation) et tester si ces écarts sont suffisamment faibles pour n

Plus en détail

APPLICATIONS SUR LES ANALYSES ASSOCIÉES AUX CHAPITRES 12 ET 13 (TESTS DE COMPARAISON ET D INDÉPENDANCE)

APPLICATIONS SUR LES ANALYSES ASSOCIÉES AUX CHAPITRES 12 ET 13 (TESTS DE COMPARAISON ET D INDÉPENDANCE) 5 APPLICATIONS SUR LES ANALYSES ASSOCIÉES AUX CHAPITRES 12 ET 13 (TESTS DE COMPARAISON ET D INDÉPENDANCE) Exercice 1 : test de comparaison de proportions (voir chapitre 12) Une entreprise souhaite lancer

Plus en détail

Chapitre 9 Section 9.1 Test d indépendance du khi-deux (c 2 )

Chapitre 9 Section 9.1 Test d indépendance du khi-deux (c 2 ) Chapitre 9 Section 9.1 Test d indépendance du khi-deux (c 2 ) page 154 Ariane Robitaille (Modifications par Eric T., A14, Joanie L., H14 et Marc-Élie Lapointe H15) 8.1 Relations entre les variables Ex.1

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 (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

Échantillonnage et estimation

Échantillonnage et estimation Échantillonnage et estimation Dans ce chapitre, on s intéresse à un caractère dans une population donnée dont la proportion est notée. Cette proportion sera dans quelques cas connue (échantillonnage),

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

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

Principes Pourcentage / Standard Moyenne / Standard. Tests d'hypothèse. Formation Fondamentale

Principes Pourcentage / Standard Moyenne / Standard. Tests d'hypothèse. Formation Fondamentale Tests d'hypothèse Formation Fondamentale Sommaire 1 Principes Généralités 2 Pourcentage par rapport à un standard 3 Moyenne par rapport à un standard Sommaire 1 Principes Généralités 2 Pourcentage par

Plus en détail

Chapitre 7 Tests d hypothèse (partie 1)

Chapitre 7 Tests d hypothèse (partie 1) Chapitre 7 Tests d hypothèse (partie 1) I Qu est ce qu un test statistique? La philosophie est toujours la même : déterminer des informations sur une population à partir d informations sur un échantillon

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

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

TESTS D'HYPOTHESES Etude d'un exemple

TESTS D'HYPOTHESES Etude d'un exemple TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses

Plus en détail

TUTORAT UE 4 2015-2016 Biostatistiques Séance n 5 Semaine du 19/10/2015

TUTORAT UE 4 2015-2016 Biostatistiques Séance n 5 Semaine du 19/10/2015 TUTORAT UE 4 2015-2016 Biostatistiques Séance n 5 Semaine du 19/10/2015 Tests statistiques 2 M. Molinari. Séance préparée par Cécile JOURDAN, Charlotte SILVESTRE, Brice LAVABRE, Julie DUSSAUT, Mathilde

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

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

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

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

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

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

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences

Plus en détail

I) Deux propriétés importantes Propriété 1 Si A est multiple de B et B est un multiple de n, alors A est un multiple de n.

I) Deux propriétés importantes Propriété 1 Si A est multiple de B et B est un multiple de n, alors A est un multiple de n. Extrait de cours de maths de 5e Chapitre 1 : Arithmétique Définition 1. Multiples et diviseurs Si, dans une division de D par d, le reste est nul, alors on dit que D est un multiple de d, que d est un

Plus en détail

PREMIERE ANNEE COMMUNE DES ETUDES DE SANTE. Faculté de Médecine Lyon Est Année Universitaire 2010-2011 UE4. Epreuve du jeudi 16 décembre 2010

PREMIERE ANNEE COMMUNE DES ETUDES DE SANTE. Faculté de Médecine Lyon Est Année Universitaire 2010-2011 UE4. Epreuve du jeudi 16 décembre 2010 PREMIERE ANNEE COMMUNE DES ETUDES DE SANTE Faculté de Médecine Lyon Est Année Universitaire 2010-2011 UE4 Epreuve du jeudi 16 décembre 2010 Dr Claire BARDEL, Dr Marie-Aimée DRONNE, Dr Delphine MAUCORT-BOULCH

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

LE TRAITEMENT STATISTIQUE. I. Les types de traitements statistiques en fonction des questions-problèmes (QP)

LE TRAITEMENT STATISTIQUE. I. Les types de traitements statistiques en fonction des questions-problèmes (QP) LE TRAITEMENT STATISTIQUE I. Les types de traitements statistiques en fonction des questions-problèmes (QP) Dans une recherche, on se pose toujours une ou plusieurs questions qu'il s'agira de résoudre.

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

Un groupe d individus décrit par une variable quantitative Dossier SPATIAL Situer le groupe par rapport à une population de référence

Un groupe d individus décrit par une variable quantitative Dossier SPATIAL Situer le groupe par rapport à une population de référence UN GROUPE D INDIVIDUS DÉCRIT PAR UNE VARIABLE QUANTITATIVE SITUER LE GROUPE PAR RAPPORT À UNE POPULATION DE RÉFÉRENCE Mots clés : écarts à la moyenne ; écarts-réduit ; score Z ; distribution normale ;

Plus en détail

Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé)

Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé) Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé) EXERCICE 1 4 points Cet exercice est un questionnaire à choix multiples (QCM). Pour chacune des questions posées, une seule des quatre réponses

Plus en détail

Chapitre 2. Caractéristiques des distributions à une variable quantitative

Chapitre 2. Caractéristiques des distributions à une variable quantitative Chapitre 2. Caractéristiques des distributions à une variable quantitative Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University

Plus en détail

Quelles données pour l évaluation des politiques publiques. Bruno Crépon, CREST

Quelles données pour l évaluation des politiques publiques. Bruno Crépon, CREST Quelles données pour l évaluation des politiques publiques Bruno Crépon, CREST Quelques aspects saillants Il ya un problème fondamental de l évaluation qui est l identification C est la question qui prime

Plus en détail

Guide sur la création d un test autocorrigé

Guide sur la création d un test autocorrigé Guide sur la création d un test autocorrigé Une démarche simple et fonctionnelle de création d un test autocorrigé, composé de questions fréquemment utilisées. Mai 2011 Table des matières Page Réalisation

Plus en détail

Investissements. Plan

Investissements. Plan Investissements Plan Relation entre placement, revenus et taux d intérêt Relation entre emprunt, sommes remboursées et taux d intérêt Bilan: relation entre flux monétaires résultant d un échange intertemporel

Plus en détail

Analyse de la variance Comparaison de plusieurs moyennes

Analyse de la variance Comparaison de plusieurs moyennes Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction

Plus en détail

EXAMEN BD Access Lundi 16 Mai 2011 (8h-9h30)

EXAMEN BD Access Lundi 16 Mai 2011 (8h-9h30) EXAMEN BD Access Lundi 16 Mai 2011 (8h-9h30) L examen a une durée de 1h30. Aucun document (quel qu il soit) n est autorisé durant l épreuve. Le soin apporté à la rédaction (écriture, schémas, etc.) sera

Plus en détail

Introduction sur l analyse en composantes principales (ACP)

Introduction sur l analyse en composantes principales (ACP) Introduction sur l analyse en composantes principales (CP) ) Introduction sur un exemple à 2 dimensions On veut représenter graphiquement les profils d élèves qui ont été notés sur 2 matières (Français

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

Master 1 Informatique Éléments de statistique inférentielle

Master 1 Informatique Éléments de statistique inférentielle Master 1 Informatique Éléments de statistique inférentielle Faicel Chamroukhi Maître de Conférences UTLN, LSIS UMR CNRS 7296 email: chamroukhi@univ-tln.fr web: chamroukhi.univ-tln.fr 2014/2015 Faicel Chamroukhi

Plus en détail

TD : Microéconomie de l incertain. Emmanuel Duguet

TD : Microéconomie de l incertain. Emmanuel Duguet TD : Microéconomie de l incertain Emmanuel Duguet 2013-2014 Sommaire 1 Les loteries 2 2 Production en univers incertain 4 3 Prime de risque 6 3.1 Prime de risque et utilité CRRA.................. 6 3.2

Plus en détail

La problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites

La problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur

Plus en détail

Enquête.sba Procédure Tableaux croisés

Enquête.sba Procédure Tableaux croisés Enquête.sba Procédure Tableaux croisés Tris croisés p. 27 «Cette procédure est conçue pour le calcul et l édition massive de tableaux croisés. On obtient à partir de cette procédure des tableaux de contingence,

Plus en détail

Économétrie. Francesco Quatraro M1 EFM 2010/2011

Économétrie. Francesco Quatraro M1 EFM 2010/2011 Francesco Quatraro M1 EFM 2010/2011 1 La violation des hypothèses Le modèle des MCO considère que les hypothèses suivantes sont toutes respectées: H1: le modèle est linéaire en x i,t H2: les valeurs x

Plus en détail

Second degré. Christophe ROSSIGNOL. Année scolaire 2008/2009

Second degré. Christophe ROSSIGNOL. Année scolaire 2008/2009 Second degré Christophe ROSSIGNOL Année scolaire 008/009 Table des matières 1 Polynômes du second degré 1.1 Définition................................................. 1. Forme canonique.............................................

Plus en détail

Baccalauréat Blanc 10 février 2015 Corrigé

Baccalauréat Blanc 10 février 2015 Corrigé Exercice Commun à tous les candidats Baccalauréat Blanc février 25 Corrigé. Réponse d. : e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e 5,4. 2. Réponse b. : positif

Plus en détail

COURS STATISTIQUES. Etude statistique de la couleur des yeux des stars de cinéma américaines. Population : Individu : Variable étudiée :

COURS STATISTIQUES. Etude statistique de la couleur des yeux des stars de cinéma américaines. Population : Individu : Variable étudiée : I) Vocabulaire de la statistique COURS STATISTIQUES Exemple : pour se rendre au collège des Chênes à Chambéry, 46 élèves utilisent un deux roues, 284 élèves utilisent les transports en commun, 163 élèves

Plus en détail

Télécharger le fichier modèle Annexe TVA pour remplir les données dans le menu principal.

Télécharger le fichier modèle Annexe TVA pour remplir les données dans le menu principal. 1) Contexte générale L administration fiscale cherche toujours les moyens pour aider les Contribuables à payer leurs impôts. A cette fin, quelques applications en ligne sont déjà implantées par la DGI

Plus en détail

Chapitre 3. Les distributions à deux variables

Chapitre 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 détail

SÉRIES STATISTIQUES A UNE VARIABLE PARAMÈTRES DE POSITION ET DE DISPERSION

SÉRIES STATISTIQUES A UNE VARIABLE PARAMÈTRES DE POSITION ET DE DISPERSION SÉRIES STATISTIQUES A UNE VARIABLE PARAMÈTRES DE POSITION ET DE DISPERSION Eemple Le responsable d une maison de retraite a réalisé une enquête concernant les résidents de son établissement : - L activité

Plus en détail

Chapitre 01 : Intégrales généralisées. Objectifs : En première année, on a étudié l intégrale d une fonction définie et continue sur un intervalle

Chapitre 01 : Intégrales généralisées. Objectifs : En première année, on a étudié l intégrale d une fonction définie et continue sur un intervalle Chapitre 01 : Intégrales généralisées Objectifs : En première année, on a étudié l intégrale d une fonction définie et continue sur un intervalle fermé borné de Dans ce chapitre, on va étudier le cas d

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

INDICATIONS COMPLÉMENTAIRES

INDICATIONS COMPLÉMENTAIRES eduscol Sciences économiques et sociales - Première ES Science économique 2. La production dans l entreprise Ressources pour le lycée général et technologique Fiche 2.1 : Comment l entreprise produit-elle?

Plus en détail

En mathématiques, pour savoir si un énoncé est vrai ou faux, on utilise certaines règles. En voici quelques-unes :

En mathématiques, pour savoir si un énoncé est vrai ou faux, on utilise certaines règles. En voici quelques-unes : 1. Les règles du débat mathématique En mathématiques, pour savoir si un énoncé est vrai ou faux, on utilise certaines règles. En voici quelques-unes : (1) Un énoncé mathématique est soit vrai, soit faux

Plus en détail

Principe des tests statistiques

Principe des tests statistiques Principe des tests statistiques Jean Vaillant Un test de signification est une procédure permettant de choisir parmi deux hypothèses celles la plus probable au vu des observations effectuées à partir d

Plus en détail

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2 Test du Khi 2 Le test du Khi 2 (khi deux ou khi carré) fournit une méthode pour déterminer la nature d'une répartition, qui peut être continue ou discrète. Domaine d application du test : Données qualitatives

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

BACCALAURÉAT GÉNÉRAL SESSION 2014 MATHÉMATIQUES. Série S ÉPREUVE DU JEUDI 19 JUIN 2014. Durée de l épreuve : 4 heures Coefficient : 7

BACCALAURÉAT GÉNÉRAL SESSION 2014 MATHÉMATIQUES. Série S ÉPREUVE DU JEUDI 19 JUIN 2014. Durée de l épreuve : 4 heures Coefficient : 7 BACCALAURÉAT GÉNÉRAL SESSION 2014 MATHÉMATIQUES Série S ÉPREUVE DU JEUDI 19 JUIN 2014 Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont

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

Comparaison de Moyennes et de Variances Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHU Besançon

Comparaison de Moyennes et de Variances Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHU Besançon PACES - APEMK UE 4 Evalua0on des méthodes d analyses appliquées aux sciences de la vie et de la santé Comparaison de Moyennes et de Variances Prof Franck Bonnetain Unité de méthodologie & de qualité de

Plus en détail

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.

Plus en détail

T ES/L DEVOIR SURVEILLE 4 23 JANVIER 2013

T ES/L DEVOIR SURVEILLE 4 23 JANVIER 2013 T ES/L DEVOIR SURVEILLE 4 23 JANVIER 2013 Durée : 2h NOM : Prénom : Calculatrice autorisée «Le candidat est invité à faire figurer sur la copie toute trace de recherche, même incomplète ou non fructueuse,

Plus en détail

Statistiques: rappels et compléments

Statistiques: rappels et compléments Statistiques: rappels et compléments I) Vocabulaire élémentaire Population: Ensemble étudié. Individus: Éléments de la population. Caractère étudié ou variable statistique: Propriété étudiée dans la population.

Plus en détail

Mathématiques pour les Sciences de la Vie CC3 Jeudi 4 juin 2015 Durée 60 minutes. Instructions. Identité. 3 4... Numéro d étudiant :

Mathématiques pour les Sciences de la Vie CC3 Jeudi 4 juin 2015 Durée 60 minutes. Instructions. Identité. 3 4... Numéro d étudiant : +//+ Mathématiques pour les Sciences de la Vie CC Jeudi juin Durée minutes Instructions Ce formulaire sera analysé par lecture optique, toute intervention manuelle rendue nécessaire par le non-respect

Plus en détail

Test d indépendance de deux variables qualitatives (Chi2) Rapport de chances et Odds-ratio

Test d indépendance de deux variables qualitatives (Chi2) Rapport de chances et Odds-ratio Université Paris Ouest - Nanterre La Défense Master M1 SES Enquêtes et méthodes d analyses quantitatives A.K. FERMIN et C. Hardouin Test d indépendance de deux variables qualitatives (Chi2) Rapport de

Plus en détail

RAPPORT DE LABORATOIRE DE PHYSIQUE Polarisation

RAPPORT DE LABORATOIRE DE PHYSIQUE Polarisation RAPPORT DE LABORATOIRE DE PHYSIQUE Polarisation Benjamin Frere & Pierre-Xavier Marique ème candidature en sciences physiques, Université de Liège Année académique 003-004 1 1 Objectifs Le but de cette

Plus en détail

Exercice n 1 Brevet Métropole Juin 2010

Exercice n 1 Brevet Métropole Juin 2010 Exercice n 1 Brevet Métropole Juin 2010 On considère le programme de calcul suivant : Choisir un nombre de départ. Multiplier ce nombre par (-2). Ajouter 5 au produit. Multiplier le résultat par 5. Ecrire

Plus en détail

2) Ecrire en utilisant la notation : 3+5+7+9+ 15+17

2) Ecrire en utilisant la notation : 3+5+7+9+ 15+17 STATISTIQUES A UNE VARIABLE EXERCICES CORRIGES Exercice n. Les 5 élèves d'une classe ont composé et le tableau ci-dessous donne la répartition des diverses notes. Recopier et compléter ce tableau en calculant

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

Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30

Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30 Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30 I1 Connaissances préalables : Buts spécifiques : Outils nécessaires: Consignes générales : Test t de comparaison de moyennes pour

Plus en détail

Définitions Covariance Corrélation Meilleur prédicteur linéaire. Chapitre 5 Couple de variables aléatoires

Définitions Covariance Corrélation Meilleur prédicteur linéaire. Chapitre 5 Couple de variables aléatoires Chapitre 5 Couple de variables aléatoires Définitions 1 On appelle couple de variables aléatoires (discrètes) l application: Ω R ω (X (ω), Y (ω)) 2 La distribution d un couple de v.a. est définie par les

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

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

Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées Bât. M2, F-59655 Villeneuve d Ascq Cedex

Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées Bât. M2, F-59655 Villeneuve d Ascq Cedex Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées Bât. M2, F-59655 Villeneuve d Ascq Cedex Agrégation externe Année 2003-2004 Corrigé de l exercice sur le test

Plus en détail

STATISTICA Test d hypothèseshè

STATISTICA Test d hypothèseshè TEST D HYPOTHESES STATISTICA Test d hypothèseshè TEST D HYPOTHESES Les étapes : Problématique Revue de la littérature Formulation d une hypothèse théorique Construction de l expérience (méthodologie) Lister

Plus en détail

INTRODUCTION A L ETUDE DES VARIABLES QUALITATIVES

INTRODUCTION A L ETUDE DES VARIABLES QUALITATIVES INTRODUCTION A L ETUDE DES VARIABLES QUALITATIVES Plan Introduction Définition Catégories de variables qualitatives Modèles pour Données avec Troncature Les Modèles pour Données Censurées Définition de

Plus en détail

Lois de probabilité (2/3) Anita Burgun

Lois de probabilité (2/3) Anita Burgun Lois de probabilité (2/3) Anita Burgun Contenu des cours Loi binomiale Loi de Poisson Loi hypergéométrique Loi normale Loi du chi2 Loi de Student Loi hypergéométrique La loi du tirage exhaustif Puce à

Plus en détail

MATHÉMATIQUES 3 PÉRIODES

MATHÉMATIQUES 3 PÉRIODES BACCALAURÉAT EUROPÉEN 006 MATHÉMATIQUES 3 PÉRIODES DATE : 8 juin 006 (matin) DURÉE DE L'EXAMEN : 3 heures (180 minutes) MATÉRIEL AUTORISÉ : Formulaire européen Calculatrice non graphique et non programmable

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

Exercice 2. Population de Bruxelles de 18 à 65 ans selon le sexe et le statut d occupation - 2010

Exercice 2. Population de Bruxelles de 18 à 65 ans selon le sexe et le statut d occupation - 2010 Chapitre 1. Tableau à double entrée Exercices : solutions Texte provisoire. Merci pour les remarques, commentaires, suggestions Exercice 1 1.a. Population de Bruxelles selon le sexe et la nationalité Hommes

Plus en détail

Comme la moyenne au devoir est plutôt faible, le professeur propose deux possibilités pour augmenter cette moyenne :

Comme la moyenne au devoir est plutôt faible, le professeur propose deux possibilités pour augmenter cette moyenne : Chapitre 6 : Statistiques I Premières définitions - Etablir une statistique, c est relever pour tous les individus d une population les valeurs d une grandeur X, appelée caractère ou variable statistique.

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

Rapport du jury du concours externe et du troisième concours de recrutement de professeurs des écoles. Session 2014 exceptionnel

Rapport du jury du concours externe et du troisième concours de recrutement de professeurs des écoles. Session 2014 exceptionnel Rapport du jury du concours externe et du troisième concours de recrutement de professeurs des écoles Session 2014 exceptionnel Partie mathématiques de la deuxième épreuve d'admissibilité Éléments statistiques

Plus en détail

MÉTHODE GRAPHIQUE DE CALCULS DE LA MOYENNE ET DE L'ÉCART TYPE DUNE DISTRIBUTION NORMALE TEST DE NORMALITÉ

MÉTHODE GRAPHIQUE DE CALCULS DE LA MOYENNE ET DE L'ÉCART TYPE DUNE DISTRIBUTION NORMALE TEST DE NORMALITÉ REVUE FORESTIÈRE FRANÇAISE 791 MÉTHODE GRAPHIQUE DE CALCULS DE LA MOYENNE ET DE L'ÉCART TYPE DUNE DISTRIBUTION NORMALE TEST DE NORMALITÉ r PAR R. TOMASSONE Ingénieur des Eaux et Forêts Ψ Section de la

Plus en détail

Échantillonnage Équipe Académique Mathématiques - 2011

Échantillonnage Équipe Académique Mathématiques - 2011 Échantillonnage Équipe Académique Mathématiques - 2011 Fluctuation des échantillons Considérons une urne «de Bernoulli» (la population) contenant une proportion p de boules blanches, dont on extrait n

Plus en détail

Mathématiques Fonctions réelles et équations

Mathématiques Fonctions réelles et équations Définition du domaine d'examen MAT-5106-1 Mathématiques Fonctions réelles et équations Mise à jour novembre 2004 Définition du domaine d'examen MAT-5106-1 Mathématiques Fonctions réelles et équations Mise

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

Le Dobble. Cellya Sirot en Tale S ; Jean-Baptiste Fraisse en Tale S et Jammy Mariotton en Tale S

Le Dobble. Cellya Sirot en Tale S ; Jean-Baptiste Fraisse en Tale S et Jammy Mariotton en Tale S Cet article est rédigé par des élèves. Il peut comporter des oublis et imperfections, autant que possible signalés par nos relecteurs dans les notes d'édition. Année 2014-2015 Le Dobble Cellya Sirot en

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

Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée

Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée Philippe Gagnepain Université Paris 1 Ecole d Economie de Paris Centre d économie de la Sorbonne-UG 4-Bureau 405 philippe.gagnepain@univ-paris1.fr

Plus en détail

PSY C3 Eléments de statistique

PSY C3 Eléments de statistique PSY C3 Eléments de statistique Responsables : Amandine Penel & Fabrice Guillaume Maîtres de conférence en Psychologie Cognitive penel@up.univ-mrs.fr guillaume@isc.cnrs.fr semaine du 4 Sept semaine du oct

Plus en détail

Représentation d une distribution

Représentation 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 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

TOUTE UNE VIE prévoir, aider, transmettre dans une société de longue vie

TOUTE UNE VIE prévoir, aider, transmettre dans une société de longue vie TOUTE UNE VIE prévoir, aider, transmettre dans une société de longue vie METHODOLOGIE I. Enquêtes utilisées Cette édition de BPCE L Observatoire s appuie notamment sur deux enquêtes : Une étude quantitative

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

Lois de probabilité. Anita Burgun

Lois 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 détail

Micro-cogénération à appoint séparé (moteur à combustion interne)

Micro-cogénération à appoint séparé (moteur à combustion interne) Micro-cogénération à appoint séparé (moteur à combustion interne) Fiche d intégration dans le logiciel RT2012 : U22win de PERRENOUD Version 5.0.26 du 30/07/2013 - Logiciel évalué conforme à la RT 2012

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

Fonctions affines. Notation1 Notation 2

Fonctions affines. Notation1 Notation 2 I/ Fonctions affines 1 ) Définition Fonctions affines Une fonction est affine lorsque l image d un nombre où a et b sont deux nombres quelconques connus. peut s écrire sous la forme Les nombres a et b

Plus en détail

Probabilité d un événement. Combinaisons d événements. Probabilité conditionnelle

Probabilité d un événement. Combinaisons d événements. Probabilité conditionnelle Probabilités classiques Mathématiques discrètes Théorie des probabilités Cours 31, MATH/COSC 1056F Julien Dompierre Département de mathématiques et d informatique Université Laurentienne 7 novembre 00,

Plus en détail