INTRODUCTION A LA RECHERCHE QUANTITATIVE

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "INTRODUCTION A LA RECHERCHE QUANTITATIVE"

Transcription

1 INTRODUCTION A LA RECHERCHE QUANTITATIVE Deuxième partie : de la base de données aux résultats Juin 2010 Julien Gelly, Caroline Huas, Josselin Le Bel

2 Plan 2 1. Introduction 2. Saisie des données : Epi Data Constitution du masque de saisie Saisie des données Exportation des données 3. Analyse des données : Epi Info Représentations graphiques Description des données Tests statistiques

3 Epi Info : analyse des données 3 Téléchargement ftp://ftp.cdc.gov/pub/software/epi_info/epiinfo351/e piinfosetup3_5_1_0008.exe Aide Site WHO (OMS) en/index.html

4 4 Epi Info : objectifs Représentation graphiques Description des données Comparaison de deux moyennes test t de Student Comparaison de deux pourcentages test du χ² de Pearson Comparaisons de deux variable quantitatives ATTENTION Sous réserve de remplir les conditions d applications test de nullité du coefficient de corrélation :

5 5 Lancer Epi Info

6 Commandes les plus courantes 6 Data : importation Variables et Select/if : pour créer et recoder des variables Statistics : pour les test les plus courants (test t, test du χ², +/- apparié ) Advanced statistics : pour les analyses multivariées

7 7 Importer les données : «Data.xls»

8 8 Table de données

9 9 Représentation graphiques D une variable qualitative D une variable quantitative De plusieurs variables Cas «particuliers»

10 Représentation d une v. qualitative 10 Diagrammes en bâtons Camemberts Tableaux de pourcentages

11 Représentation d une v. quantitative 11 Histogramme Surface proportionnelle aux effectifs (vs. diagramme) Plusieurs variables peuvent être représentées sur le même histogramme Courbes de densité

12 Autres représentations 12 Plusieurs variables 2 v. quantitatives : diagramme en X,Y ou en matrice 2 v. qualitatives : diagramme en cercles 1 v. quantitative et 1 v. qualitative : «boîtes à moustaches», diagramme en points Autres variables 1 v. temporelle : «fagots» 1 v. censurée : courbe de survie (ex : Kaplan-Meier)

13 13 Représentations graphiques (1)

14 14 Représentations graphiques (2)

15 Représentations graphiques (3) 15 Par classes de 10 années

16 Représentations graphiques (4) 16 Click droit

17 Représentations graphiques (5) 17 Par classes de 5 années et par sexe

18 18 Représentations graphiques (6)

19 19 Description des données Mesures de position Mesures de dispersion Intervalle de confiance

20 Mesures de position (1) 20 Moyenne : m = x / n Médiane Valeur pour laquelle 50% des mesures sont plus grandes et 50% des mesures sont plus petites Moins sensible aux valeurs extrêmes ou aberrantes Mode Valeur obtenue le plus fréquemment Pour les v. quantitatives discrètes vs. pour une v. qualitative : proportions! (%)

21 Mesures de position (2) 21 Médiane < Moyenne (valeurs extrêmes)

22 Mesures de dispersion 22 Etendue (range) Maximum minimum Sensible aux valeurs extrêmes Intervalle interquartile (entre 25 e et 75 e percentiles) Ecart-type (s) et variance (s²)

23 Intervalle de confiance (1) 23 Il y a 95% de chance pour que la proportion de soit comprise entre 8% et 64%

24 Intervalle de confiance (2) 24 Détermine la précision de l estimation Autre manière d exprimer la variabilité de la mesure Approximation à partir de la loi normale (conditions) Pour une moyenne : IC 95% = m +/- 2 (s²/n) (si n > 30) Pour une proportion : IC 95% = p +/- 2 (pq/n) (si np et nq > 5) A risque d erreur fixé, l intervalle de confiance (IC) est d autant plus petit que la taille de l échantillon est grande z /2 = 1,96 2

25 Description d une v. qualitative (1) 25 Pour la variable «tabact»

26 Description d une v. qualitative (2) 26 Pour la variable «tabact» Quelle est la fréquence de fumeurs actuels?

27 Description d une v. qualitative (3) 27 Et par classe (sexe) Quelle est la fréquence de fumeurs actuels chez les filles et chez les garçons?

28 Description d une v. quantitative (1) 28 Pour la variable «age» Quelle est la moyenne d âge de l échantillon?

29 Description d une v. quantitative (2) 29 Mesures de position et de dispersion de «age»

30 A vous de vous la représenter 30 Médiane < Moyenne (valeurs extrêmes)

31 31 Tests statistiques Les étapes d un test statistique Les hypothèses a priori : H 0 et H 1 Les erreurs a priori : α et β La puissance statistique : 1 - β Le nombre de sujet nécessaire Le choix du test statistique Les conditions de validité Le degré de signification : p

32 32 Différence significative?

33 Les étapes d un test statistique Choix du critère de jugement principal 2. Poser les hypothèses H 0 et H 1 3. Calcul de la statistique 4. Conditions d applications 5. Comparer notre statistique à des valeurs limites «standardisées» lues dans une table adaptée Test bilatéral ou unilatéral? Type de test (t, χ², +/- apparié ) 6. Règle de décision : différence significative?

34 Exemple 34 Essai randomisé sur les lombosciatiques Corticoïdes par infiltrations vs. Placebo Critère de jugement principal = succès/échec à J20 par auto-évaluation des patients Inclusion prévue de 43 patients/groupe Au terme de l étude : 85 patients inclus Corticoïdes : 22/43 (51,2%) de succès Placebo : 10/42 (23,8%) de succès Différence statistiquement significative

35 Les hypothèses a priori : H 0 et H 1 35 L hypothèse nulle (H 0 ) Celle que l on cherche à réfuter (statu quo) «Vraie» tant qu on a pas démontré le contraire L hypothèse alternative (H 1 ) Hypothèse contraire de l hypothèse nulle Celle que l on cherche à démontrer P A P B (test bilatéral) et non pas P A > P B (unilatéral)

36 Les hypothèses a priori : H 0 et H 1 36 Exemple de l essai randomisé sur le traitement des lombosciatiques : Corticoïdes vs. Placebo L hypothèse nulle (H 0 ) : les taux de succès sont identiques sous corticoïdes et sous placebo L hypothèse alternative (H 1 ) : les taux de succès différents sous corticoïdes et sous placebo

37 Les erreurs a priori : α et β 37 Erreur de première espèce (α) Probabilité d accepter H 1 à tort (alors que H 0 est vraie) Probabilité de trouver une différence statistiquement significative alors qu il n y en a pas Erreur de seconde espèce (β) Probabilité d accepter H 0 à tort (alors que H 1 est vraie) Probabilité de ne pas mettre en évidence une différence statistiquement significative alors qu elle existe Objectifs = règle de décision minimisant β (risque de non découverte) pour α fixé (risque de fausse découverte), généralement fixé à 5%

38 La puissance statistique (1- β) 38 Puissance statistique (1- β) Aptitude à mettre en évidence une différence lorsqu elle existe On calcule un nombre de sujets nécessaire pour obtenir une puissance donnée H 0 vraie H 0 fausse Accepter H α β Rejeter H 0 α 1 - β

39 Les erreurs a priori : α et β 39 Exemple de l essai randomisé sur les lombosciatiques : Corticoïdes par infiltrations vs. Placebo Erreur de première espèce (α=5%) : conclure à une différence d efficacité entre corticoïdes et placebo alors que les taux de succès sont identiques Erreur de seconde espèce (β=20% donc 1 - β=80%) : ne pas réussir à prouver une différence d efficacité entre corticoïdes et placebo alors qu elle existe

40 Le nombre de sujets nécessaire 40 Nombre de sujet à inclure par groupe (a priori) Moyennes : n C 2 ² / ² avec = m 2 - m 1 Proportions : n C [(p 1 (100-p 1 ) + p 2 (100-p 2 )] / (p 2 -p 1 )² Biostatgv! 0,40 0,20 0,10 0,05 C 4,9 7,9 10,5 13,0 Cas des effectifs déséquilibrés Multiplier n par (k + 1) ² / (4 x k) k est la taille relative du groupe le plus important par rapport au groupe le moins important

41 41 Biostatgv (1) :

42 42 Biostatgv (2) : tests

43 43 Biostatgv (2) : calculs du NSN

44 Le nombre de sujets nécessaire 44 Hypothèse quantitative sous H 1 a priori P 2 = 70% de succès sous corticoïdes P 1 = 40% de succès sous placebo Risques d erreur Erreur de première espèce : α = 5% Erreur de seconde espèce : β = 20% Calcul = 43 patients à inclure par groupe

45 45 Exemple

46 Choix du test statistique 46 Hypothèses Tests paramétriques Tests nonparamétriques Tests appariés Comparaison de 2 moyennes Test t de Student Test de Mann- Whitney Test de Wilcoxon (apparié) Test t apparié Comparaison de 2 pourcentages Test du ² Test exact de Fisher Test du ² apparié (McNemar)

47 Conditions d applications 47 Test t de Student Distribution normale (à vérifier visuellement sur un histogramme ou un diagramme de normalité) ou n > 30 et variances égales (rarement vérifié en pratique) Sinon : test non-paramétrique (moins puissant) Test du ² Effectifs «espérés» (np et nq) tous supérieurs à 5 Sinon : test non-paramétrique (moins puissant)

48 Expérience 48 Recueil des données et résultats observés Taux de succès sous corticoïdes : 22/43 (51,2%) Taux de succès sous placebo : 10/42 (23,8%) Statistique de test ² = 6,77 (estimée à partir des données recueillies) Degré de signification associé : p = 0,009 Règle de décision (Neyman & Pearson) p 0,05 donc rejet de H 0 (vs. p > 0,05 et non rejet de H 0 ) Différence significative de taux de succès

49 Le degré de signification : p (1) 49 Définition Probabilité d observer des résultats au moins aussi en désaccord avec H 0 que ceux qu on a observés Quantifie le désaccord entre ce qu on observe et H 0 Interprétation Permet d affirmer avec plus ou moins de conviction qu il y a une différence (et encore, selon les écoles ) Mais ne renseigne sur l importance de cette différence

50 Le degré de signification : p (2) 50 La valeur de p dépend de La différence observée entre les deux groupes La taille d échantillon S il existe une différence réelle entre 2 groupes, même infime, n importe quel test statistique va aboutir à une valeur de p < 0,05 dès lors que le nombre de sujets étudiés sera assez important

51 Attention!!! 51 La signification statistique n implique pas la pertinence clinique! ex : 0/3 (0,0%) vs 3/3 (100,0%) p = 0,010 (test exact de Fisher) Si aucune différence statistiquement significative n est mise en évidence entre 2 groupes Soit H 0 est vraie : équivalence entre les deux groupes Soit la puissance est insuffisante (effectifs insuffisants)

52 Le degré de signification 52 Si les taux de succès sous corticoïdes et sous placebo sont identiques, la probabilité d observer une telle différence (51,2% vs 23,8%) ou une différence plus grande encore est de 0,009 (= p) Différence d efficacité et p (ici = 0,009) 22/43 (51,2%) vs. 10/42 (23,8%) : = 27,4% 14/22 (63,6%) vs. 5/21 (23,8%) : = 39,8% 1104/4200 (26,3%) vs. 1000/4200 (23,8%) : = 2,5%

53 Et maintenant : à vos claviers! 53 Hypothèses Tests paramétriques Tests nonparamétriques Tests appariés Comparaison de 2 moyennes Test t de Student Test de Mann- Whitney Test de Wilcoxon (apparié) Test t apparié Comparaison de 2 pourcentages Test du ² Test exact de Fisher Test du ² apparié (McNemar)

54 Comparer deux moyennes (1) 54 Formulation de la question Les non fumeurs ont-ils le même âge que les fumeurs? La moyenne d âge est-elle la même chez les fumeurs et les non fumeurs? Formulation du test statistique Comparaison des moyennes d âge dans le groupe fumeur et dans le groupe non fumeur H 0 : la moyenne d âge est la même dans les deux groupes Test t de Student : conditions? Distribution normale vérifiée graphiquement ou n > 30 et variances égales

55 55 Comparer deux moyennes (2)

56 56 Comparer deux moyennes (3)

57 Comparer deux pourcentages (1) 57 Formulation de la Les filles fument-elles autant que les garçons? La fréquence des fumeurs est-elle la même chez les filles que chez les garçons? Formulation du test statistique Comparaison de la proportion de fumeurs actuels chez les filles et chez les garçons H 0 : il n y a pas de différence entre les filles et les garçons Test du ² : effectifs «espérés» (np et nq) > 5?

58 Comparer deux pourcentages (2) 58 Comparaison du pourcentage de fumeurs actifs dans chaque sexe

59 59 Comparer deux pourcentages (3)

60 Bonus : recoder une variable (1) 60 On veut étudier l âge par classes d âge Créer une variable «agedisc»

61 Bonus : recoder une variable (2) 61 Discrétiser cette variable par classes de 10 années

62 Pour récapituler (1) 62 Pour décrire une variable V. qualitative : FREQUENCIES Pourcentages (avec IC95%) Quel est le pourcentage de fumeur dans l échantillon? V. quantitative : MEANS Moyenne, médiane, mode, étendue, variance, écart-type Quelle est la moyenne d âge dans l échantillon?

63 Pour récapituler (2) 63 Pour comparer deux variables V. qualitative/qualitative : TABLES Test du χ² : conditions? Le pourcentage de fumeur est-il supérieur chez les hommes par rapport aux femmes? Aussi pour les v. qualitatives > 2 classes (couleur des yeux) V. quantitative/qualitative : MEANS Test t de Student : conditions? La moyenne d âge de l échantillon est-elle la même chez les femmes et chez les hommes?

64 Pour récapituler (3) 64 Pour comparer deux variables (suite) V. quantitative/quantitative : pas avec Epi Info (?) Test de nullité du coefficient de corrélation : conditions? La taille et le poids sont-ils «corrélés» (= ont-ils un lien?) dans la population étudiée? Site internet Biostatgv :

65 Comment présenter les résultats? (1) 65 Représenter la population d intérêt par un flowchart XXX personnes sélectionnées Non inclus XX personnes incluses Inclus à tort Perdus de vue Déviations au protocole Données manquantes X personnes ayant suivi le protocole jusqu au bout

66 Comment présenter les résultats? (2) 66 Présenter la population de l étude (tableau) Sexe, âge, variables d intérêts Variables qualitatives : effectifs et pourcentages Variables quantitatives Grands effectifs : moyenne, intervalle de confiance à 95% Petits effectifs : médiane, minimum-maximum Population totale (n = XXX) Sexe Age (années) Moyenne / Médiane IC à 95% / Min-Max Effectif Pourcentage Homme XX XX% Femme XX XX% XX / XX [ XX ; XX] / XX-XX

67 Comment présenter les résultats? (3) 67 Sexe Age (années) Groupe 1 (n = XXX) Groupe 2 (n = XXX) Test statistique correspondant Effectif Pourcentage Effectif Pourcentage (t Student, χ², etc) Homme XX XX% XX XX% Femme XX XX% XX XX% Moyenne XX XX Variable qualitative IC à 95% [ XX ; XX] [ XX ; XX] Modalité A XX XX% XX XX% Modalité B XX XX% XX XX% Modalité C XX XX% XX XX% Variable quantitative (unité) Moyenne XX XX IC à 95% [ XX ; XX] [ XX ; XX] p < 0,05? p < 0,05? p < 0,05? p < 0,05?

68 Références 68 Bouyer J. Epidémiologie : principes et méthodes quantitatives. Editions Inserm. Falissard B. Comprendre et utiliser les statistiques dans les sciences de la vie. Abrégés Masson. tie_06&p=diaporama Site internet Biostatgv

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

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

8. Statistique descriptive

8. Statistique descriptive 8. Statistique descriptive MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: statistique descriptive 1/47 Plan 1. Introduction 2. Terminologie 3. Descriptions graphiques des

Plus en détail

Problème 4: Les diagrammes suivants représentent la distribution de 4 variables discrètes X1, X2, X3 et X4 :

Problème 4: Les diagrammes suivants représentent la distribution de 4 variables discrètes X1, X2, X3 et X4 : Cours 5-62-96 : Traitement et analyse des données Test autodiagnostique PARTIE 1 : Problème 1 : Pour chacune des distributions ci-dessous, identifier la population et la variable étudiée en précisant si

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

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

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

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

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

1 Retour sur le cours 3 Présentation de tableaux et graphiques Les mesures de tendance centrale Moyenne Mode (et classe modale) Médiane Les mesures de position Quartiles Déciles Mesures tendance centrale

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

Cours 2 : Rappels de Statistique descriptive. A- Introduction B- Statistique descriptive unidimensionnelle C- Statistique descriptive bidimensionnelle

Cours 2 : Rappels de Statistique descriptive. A- Introduction B- Statistique descriptive unidimensionnelle C- Statistique descriptive bidimensionnelle Cours 2 : Rappels de Statistique descriptive A- Introduction B- Statistique descriptive unidimensionnelle C- Statistique descriptive bidimensionnelle A- Introduction A- Introduction Rappel : Série statistique

Plus en détail

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Département Universitaire de Recherche et d Enseignement en Médecine Générale GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Enseignants : Esther GUERY, Julien LE BRETON, Emilie FERRAT, Jacques

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

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

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

Les statistiques descriptives et les intervalles de confiance

Les statistiques descriptives et les intervalles de confiance Les statistiques et les intervalles de Yohann.Foucher@univ-nantes.fr Equipe d Accueil 4275 "Biostatistique, recherche clinique et mesures subjectives en santé", Université de Nantes Master 2 - Cours #2

Plus en détail

Outils méthodologiques et astuces pour la thèse de médecine Les statistiques, comment faire?

Outils méthodologiques et astuces pour la thèse de médecine Les statistiques, comment faire? Outils méthodologiques et astuces pour la thèse de médecine Les statistiques, comment faire? Cyril Ferdynus, USM, CHU RECUEIL DE DONNEES Recueil hors ligne Epidata (http://www.epiconcept.fr/html/epidata.html)

Plus en détail

Epi Info Analyse Univariée

Epi Info Analyse Univariée analyse data Importation des données read import Epi Info-analyse univariée 1 Type de fichier (excel, epi info ) Chemin d accès Si epi info : view, si excel : feuille nombre de patients Epi Info-analyse

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

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

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

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

Statistique descriptive. Analyse de données

Statistique descriptive. Analyse de données Chapitre Statistique descriptive. Analyse de données Énigme On note x le prix au kg du produit. 5 % de remise en caisse : le prix au kg devient x 5 x = 0,85x. + 5 % de produit gratuit : le prix au kg devient

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

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

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

Statistiques I. Alexandre Caboussat alexandre.caboussat@hesge.ch Classe : Mercredi 8h15-10h00 Salle : C114 http://campus.hesge.

Statistiques I. Alexandre Caboussat alexandre.caboussat@hesge.ch Classe : Mercredi 8h15-10h00 Salle : C114 http://campus.hesge. Statistiques I Alexandre Caboussat alexandre.caboussat@hesge.ch Classe : Mercredi 8h15-10h00 Salle : C114 http://campus.hesge.ch/caboussata A. Caboussat, HEG STAT I, 2010 1 / 54 Rappel Représentations

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

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

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

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

partie a Introduction à la statistique 1

partie a Introduction à la statistique 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

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

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

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

Séminaire de Statistique

Séminaire de Statistique Master 1 - Economie & Management Séminaire de Statistique Support (1) Statistique descriptive «Uni & Bi-variée» R. Abdesselam - 2013/2014 Faculté de Sciences Economiques et de Gestion Université Lumière

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

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

Statistiques descriptives (1/2)

Statistiques descriptives (1/2) Statistiques descriptives (1/2) Anita Burgun 2011-2012 http://www.med.univ-rennes1.fr Introduction! Statistique: méthode scientifique qui consiste à réunir des données chiffrées sur des ensembles d individus

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

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

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

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

Module 2 29 Décembre 2009 Intervenant: Dhuin STATISTIQUES

Module 2 29 Décembre 2009 Intervenant: Dhuin STATISTIQUES STATISTIQUES I. Séries statistiques simples... 1 A. Définitions... 1 1. Population... 1 2. Caractère statistique... 1 B. Séries classées / représentations graphiques.... 2 1. Séries classées... 2 2. Représentations

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

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

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

Statistique Descriptive I (M1102)

Statistique Descriptive I (M1102) Illustration du cours de Statistique Descriptive I (M1102) Année scolaire 2013/2014 Université de Perpignan Via Domitia, IUT STatistique et Informatique Décisionnelle (STID) Table des matières 1 Généralités

Plus en détail

Cohorte des travailleurs du nucléaire à Électricité de France : mortalité des agents statutaires sur la période 1968 2003

Cohorte des travailleurs du nucléaire à Électricité de France : mortalité des agents statutaires sur la période 1968 2003 Cohorte des travailleurs du nucléaire à Électricité de France : mortalité des agents statutaires sur la période 1968 2003 Q1: Pour quelle raison a-t-on organisé le suivi de cette cohorte? Les rayonnements

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

Séance 1 : Prise en main de STATA CORRECTION. http://www.worldvaluessurvey.org/wvs.jsp. Allouer la mémoire nécessaire pour pouvoir ouvrir la base

Séance 1 : Prise en main de STATA CORRECTION. http://www.worldvaluessurvey.org/wvs.jsp. Allouer la mémoire nécessaire pour pouvoir ouvrir la base Marianne Tenand - TD d introduction à STATA Département d économie de l ENS (2015 2016) Séance 1 : Prise en main de STATA CORRECTION Base de données : World Values Survey (WWS) Issue d un projet de recherche

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

TABLEUR GRAPHIQUES. 1 ) Fonctions : Exemple : Représenter graphiquement la fonction f : x ï (x 1) 2 + 2

TABLEUR GRAPHIQUES. 1 ) Fonctions : Exemple : Représenter graphiquement la fonction f : x ï (x 1) 2 + 2 1 ) Fonctions : Exemple : Représenter graphiquement la fonction f : x ï (x 1) 2 + 2 a) Tableau de valeurs : Il est facile de construire un tableau de valeurs à l aide d Excel. On choisit des nombres dans

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

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

Les notes des candidats aux épreuves du baccalauréat général

Les notes des candidats aux épreuves du baccalauréat général Les notes des candidats aux épreuves du baccalauréat général Session 2001 Naghmeh ROBIN Ministère de la Jeunesse, de l Éducation nationale et de la Recherche Direction de la programmation et du développement

Plus en détail

La Grille, moyen fondamental de l analyse

La Grille, moyen fondamental de l analyse Fiche méthodologie #1 La Grille, moyen fondamental de l analyse Cette rubrique présente des notes et documents publiés par Philippe Latour, enseignant au Master Géomarketing et stratégies territoriales

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

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

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

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

Régression linéaire et corrélation

Régression linéaire et corrélation CHAPITRE 10 Régression linéaire et corrélation 1. Introduction Dans ce chapitre, nous regarderons comment vérifier si une variable à un influence sur une autre variable afin de prédire une des variables

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

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

Utilisation d Excel et du site Internet BiostatGV pour réaliser quelques statistiques de base

Utilisation d Excel et du site Internet BiostatGV pour réaliser quelques statistiques de base Utilisation d Excel et du site Internet BiostatGV pour réaliser quelques statistiques de base Loïc Desquilbet Département des Sciences Biologiques et Pharmaceutiques Ecole nationale vétérinaire d Alfort

Plus en détail

Ressources pour le lycée technologique

Ressources pour le lycée technologique éduscol Enseignement de mathématiques Classe de première STMG Ressources pour le lycée technologique Échantillonnage : couleur des yeux au Canada Contexte pédagogique Objectifs Obtenir un intervalle de

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

Analyse des données - Logiciel R

Analyse des données - Logiciel R Université de Strasbourg Analyse des données Master de Sciences, Spécialité Statistique 2012/13 Master Actuariat Emmanuel Périnel Analyse des données - Logiciel R TP n 2. L Analyse en Composantes Principales

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

Corrigé du baccalauréat ES Asie 19 juin 2014

Corrigé du baccalauréat ES Asie 19 juin 2014 Corrigé du baccalauréat ES Asie 9 juin 4 EXERCICE 4 points Commun à tous les candidats Proposition : fausse f (4) est le coefficient directeur de la tangente à la courbe au point C ; cette droite passe

Plus en détail

Pour utiliser les menus statistiques fournis par excel

Pour utiliser les menus statistiques fournis par excel Pour utiliser les menus statistiques fournis par excel Préalable: Dans Outils/Macro complémentaires, cocher si ce n'est pas déjà fait "utilitaires d'analyse": Partie 1 Analyse de variance A] Plan S n

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

Classe de 3ème. Effectif partiel n Effectif total N

Classe de 3ème. Effectif partiel n Effectif total N Classe de 3ème Chapitre 2 Statistiques. 1. Quelques rappels. Une série statistique est composée de valeurs. Le nombre de fois où une valeur est répétée s'appelle l'effectif partiel de cette valeur. La

Plus en détail

Chapitre 3 Dénombrement et représentation d un caractère continu. Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel

Chapitre 3 Dénombrement et représentation d un caractère continu. Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel Chapitre 3 Dénombrement et représentation d un caractère continu Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel Introduction Un caractère quantitatif est continu si ses modalités possibles

Plus en détail

Lecture Critique d un essai thérapeutique dans la maladie d Alzheimer. Sandrine Andrieu Jean François Dartigues

Lecture Critique d un essai thérapeutique dans la maladie d Alzheimer. Sandrine Andrieu Jean François Dartigues Lecture Critique d un essai thérapeutique dans la maladie d Alzheimer Sandrine Andrieu Jean François Dartigues Histoire du dimebon Vous arrivez le matin à la consultation mémoire. Dans la voiture, sur

Plus en détail

Introduction à Rcommander

Introduction à Rcommander Introduction à Rcommander Pauline Scherdel Septembre 2014 Table des matières 1 Introduction à Rcmdr sous R 2 2 Interagir avec R 3 3 Installer et charger le package Rcmdr sous R 3 4 Importation des données

Plus en détail

Chapitre 1 : Le plan média (media planning)

Chapitre 1 : Le plan média (media planning) Chapitre 1 : Le plan média (media planning) Introduction Cela consiste à sélectionner les médias et à définir leurs modes d utilisation. Objectif : rechercher l efficacité maximum des médias dans la contrainte

Plus en détail

Les diamants Prix et caractéristiques

Les diamants Prix et caractéristiques Exploration d un fichier de données Valérie Fontanieu - Ingénieur statisticien Institut National de Recherche Pédagogique Les diamants Prix et caractéristiques Données parues dans le Singapore s Business

Plus en détail

Tests Non Paramétriques. J Gaudart, LERTIM, Faculté de Médecine Marseille 1

Tests Non Paramétriques. J Gaudart, LERTIM, Faculté de Médecine Marseille 1 Tests Non Paramétriques J Gaudart, LERTIM, Faculté de Médecine Marseille 1 Plan 1. Paramétriques ou non? 2. Test d'une distribution de probabilité 3. Comparaison de moyennes 4. Comparaison de pourcentages

Plus en détail

Statistiques Descriptives à une dimension

Statistiques Descriptives à une dimension I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des

Plus en 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

Cours 9 08/11/2011. Les tableaux croisés et le test d indépendance du Chi-deux

Cours 9 08/11/2011. Les tableaux croisés et le test d indépendance du Chi-deux Cours 9 Les tableaux croisés et le test d indépendance du Chi-deux 1 Retour sur TP1 et Cours 8 Les tableaux croisés et le test du Chi-deux Utilité, postulats d utilisation et logique Exemple de calcul

Plus en détail

MESURER ET REPRÉSENTER LES INÉGALITÉS

MESURER ET REPRÉSENTER LES INÉGALITÉS MESURER ET REPRÉSENTER LES INÉGALITÉS I - DISPARITÉ ET DISPERSION La disparité consiste à mesurer l écart entre les valeurs centrales qui caractérisent une ou plusieurs populations statistiques. (exemple

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

Informations importantes

Informations importantes Informations importantes Dernière semaine de cours (semaine du 12 au 16 décembre) Lundi 12 décembre, cours avec T. Mout en F111 (8h30-10h30: groupe1; 10h30-12h30: groupe 2): séance sur l examen de l an

Plus en détail

Séries Statistiques Simples

Séries Statistiques Simples 1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &

Plus en 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

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Corrigé

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Corrigé Baccalauréat ES/L Amérique du Sud 2 novembre 2 Corrigé A. P. M. E. P. EXERCICE Commun à tous les candidats 5 points. Diminuer le budget de 6 % sur un an revient à multiplier par 6 =,94. Diminuer le budget

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

Comment construire un diagramme de Henry avec Excel et comment l interpréter

Comment construire un diagramme de Henry avec Excel et comment l interpréter Comment construire un diagramme de Henry avec Ecel et comment l interpréter Kathy Chapelain et Emmanuel Grenier emmanuel.grenier@lasalle-beauvais.fr Relu par Henry P. Aubert, Jacques Goupy et Jacques Vaillé

Plus en détail

Statistiques - Alternance HSE

Statistiques - Alternance HSE Statistiques - Alternance HSE Anne Fredet, Jean-Marie Gourdon 8 janvier 2006 Table des matières 1 Statistique descriptive 2 1.1 Définitions............................. 2 1.2 Effectif, moyenne, médiane

Plus en détail

Un pourcentage est la part, la proportion, que représente un sous-ensemble B dans un ensemble A. On le calcule de la manière suivante :

Un pourcentage est la part, la proportion, que représente un sous-ensemble B dans un ensemble A. On le calcule de la manière suivante : FICHE TD n 1 : LE POURCENTAGE Un pourcentage est la part, la proportion, que représente un sous-ensemble B dans un ensemble A. On le calcule de la manière suivante : Sous-ensemble B / Ensemble A x 100

Plus en détail

STATISTIQUES À UNE VARIABLE

STATISTIQUES À UNE VARIABLE STATISTIQUES À UNE VARIABLE Table des matières I Méthodes de représentation 2 I.1 Vocabulaire.............................................. 2 I.2 Tableaux...............................................

Plus en détail

L essentiel sur les tests statistiques

L essentiel sur les tests statistiques L essentiel sur les tests statistiques 21 septembre 2014 2 Chapitre 1 Tests statistiques Nous considérerons deux exemples au long de ce chapitre. Abondance en C, G : On considère une séquence d ADN et

Plus en détail

Probabilités et inférence statistique (STAT-S-202) Titulaires : Catherine Dehon et Davy Paindaveine Partie 2 : Inférence statistique

Probabilités et inférence statistique (STAT-S-202) Titulaires : Catherine Dehon et Davy Paindaveine Partie 2 : Inférence statistique Probabilités et inférence statistique (STAT-S-202) Titulaires : Catherine Dehon et Davy Paindaveine Partie 2 : Inférence statistique Les exercices qui vous sont proposés sont classés de la façon suivante

Plus en détail

Statistiques Descriptives - Probabilité - Estimation - Intervalles de confiance

Statistiques Descriptives - Probabilité - Estimation - Intervalles de confiance Chapitre 1 : UE4 : Biostatistiques Statistiques Descriptives - Probabilité - Estimation - Intervalles de confiance Professeur Philippe CINQUIN Année universitaire 2011/2012 Université Joseph Fourier de

Plus en détail

BAROMÈTRE DE LA COMPETITIVITÉ DES ENTREPRISES ACCOMPAGNÉES PAR. 8 ème édition 2 ème semestre 2012 Principaux résultats

BAROMÈTRE DE LA COMPETITIVITÉ DES ENTREPRISES ACCOMPAGNÉES PAR. 8 ème édition 2 ème semestre 2012 Principaux résultats BAROMÈTRE DE LA COMPETITIVITÉ DES ENTREPRISES ACCOMPAGNÉES PAR L ANPME 8 ème édition 2 ème semestre 2012 Principaux résultats Conférence de presse du 14 Février 2013 Rabat Sommaire 1. Contexte et objectifs

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

Chapitre 1 GRAPHIQUES

Chapitre 1 GRAPHIQUES Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 1 GRAPHIQUES On entend souvent qu un schéma vaut mieux qu un long discours. Effectivement, lorsque l on

Plus en détail