Statistiques Appliquées Rôle des femmes dans la société

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Statistiques Appliquées Rôle des femmes dans la société"

Transcription

1 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 afin de déterminer quelles étaient les facteurs influançant la réponse des individus à l affirmation : «Les femmes devraient se concentrer sur les tâches ménagères et laisser les hommes travailler.» Après une analyse exploratoire ainsi que l ajustement de différents modèles de régression logistique et leurs comparaisons, nous avons obtenu le modèle le plus adéquat pour nos données. De ce modèle, nous déduisons que le nombre d années d éducation des individus ainsi que le sexe ont tous les deux une influence dans la réponse données par l individu. 1 Introduction A partir de la fin du 18 e siècle et au cours du siècle précédent, le rôle des femmes au sein de la société occidentale s est considérablement amélioré. Les femmes ont ainsi obtenu davantage de droits les ammenant progressivement à égalité avec les hommes. Ces changements ont néanmoins nécessité du temps si bien que les mentalités sur le rôle des femmes différaient souvent d un individu à l autre qu il soit masculin ou féminin et ce encore jusqu au début des années 90. Les données que nous allons analyser sont issues d une enquête effectuée dans les années 70 où il existait encore des pays, comme la Suisse, où certaines régions n accordaient toujours pas le droit de vote aux femmes par exemple. A cette époque, les femmes subissaient davantage d inégalités dans le monde du travail qu aujourd hui, les incitant à rester au foyer s occuper des tâches ménagères. Mais surtout le rôle de la femme au sein de la société du travail particulièrement était encore en pleine évolution. Nos données vont nous permettre d analyser l opinion public sur le rôle de la femme dans la société à cette époque là. 1

2 2 Données Les données sont issues d une enquête menée par le National Opinion Research Center de l université de Chicago aux Etats-Unis entre 1974 et Les individus se voyaient poser l affirmation suivante : «Les femmes devraient se concentrer sur les tâches ménagères et laisser les hommes travailler et diriger le pays.» Les individus avaient la posibilité de répondre qu ils étaient d accord ou non avec l affirmation. Chaque individu s est vu également demander le nombre d années d éducation qu il avait effectuées. Ces données sont visibles sur la table 1 pour les 2871 individus. Nombre d années d éducation D accord Pas d accord D accord Pas d accord Table 1: Tableau des données. Il y a au total 1305 hommes et 1566 femmes. La figure 1 indique le nombre de participants en fonction du nombre d années d éducation. 2

3 Nombre de participants Nombre de participants Figure 1: Nombre de participants en fonction du nombre d années d éducation pour les hommes et les femmes. Sur la figure 1, on remarque qu une grande proportion des personnes intérrogées se situe aux alentours de 12 années d éducations et ce indépendamment du sexe. A la vu de ces données, il est légitime de se poser la question suivante : Le sexe et/ou l éducation ont-ils une influence sur la réponse donnée par un individu à l affirmation? Nous allons tout d abord tenter de répondre à cette question en analysant les données de façon exploratoire dans la section suivante puis nous allons ajuster des modèles adéquats à nos données afin de pouvoir tirer des conclusions plus certaines. 3 Analyse exploratoire des données Un premier essai pour identifier l influence du nombre d années d éducation est de considérer les probabilités empiriques d être d accord avec l affirmation en fonction du nombre d années d éducation et ce pour les hommes et les femmes confondus. Pour un nombre d années d éducation j donné, on définit la probabilité empirique p j d être d accord avec l affirmation comme étant le nombre de personnes étant d accord et ayant reçu j années d éducation divisé par le nombre de personnes interrogées ayant j années d éducation. Les résultats obtenus sont indiqués sur le graphe de gauche de la figure 2. 3

4 Tous les individus confondus et séparés Probabilité empirique d'être d'accord Tous les individus Probabilité empirique d'être d'accord Figure 2: Probabilités empiriques d être d accord en fonction du nombre d années d éducation à gauche sans distinction du sexe, à droite avec la distinction. On remarque sur le graphe de gauche que les probabilités empiriques d être d accord ont tendance à baisser si le nombre d années d éducation augmente passant en dessous de 0.5 à partir de 9 années d éducations. Ainsi le graphe de gauche sur la figure 2 nous montre que le nombre d années d éducation semble avoir une véritable influence sur la réponse donnée par l individu et ce indépendamment du sexe. Les individus ayant reçu davantage d éducation serait ainsi plus enclins à ne pas être d accord avec l affirmation. Afin de maintenant essayer d identifier une eventuelle influence du sexe sur la réponse, nous allons considérer les probabilités empiriques p j,h, p j,f d être d accord avec l affirmation pour les hommes et les femmes respectivement ayant reçu j années d éducation. Ces probabilités empiriques sont visibles sur le graphe de droite de la figure 2. Bien que les valeurs obtenues pour les hommes et les femmes soient parfois différentes, nous ne pouvons clairement pas décider si le sexe a une incidence sur ces probabilités empiriques. Pour essayer tout de même d identifier l influence du sexe nous allons encore considérer les réponses moyennes obtenues µ H, µ F auprès des hommes et des femmes respectivement. Ces réponses moyennes sont obtenues en considérant le nombre d hommes (ou de femmes) ayant été d accord avec l affirmation divisé par le nombre total d hommes (ou de femmes) interrogés. On note encore σ 2 H et σ2 F les variances empiriques calculées pour µ H et µ F. Les résultats obtenus sont donnés sur la table 2. Homme Femme µ σ Table 2: Réponses moyennes d être d accord pour les hommes et les femmes. Le tableau 2 nous indique que les moyennes µ H et µ F sont proches. Néanmoins, les variances pour chacune de ces moyennes étant spécialement élevées, nous nous avisons de conclure quoi que ce soit sur l influence du sexe sur la réponse obtenue. Nous déduisons de notre analyse exploratoire que le nombre d années d éducation semble 4

5 jouer un rôle important dans la réponse donnée à la question alors que le rôle du sexe demeure plus difficle à cerner. Toutefois ces deux éléments doivent être appronfondis plus en détails afin de donner une réponse adéquate et précise. 4 Méthodes En vue d apporter des réponses plus exactes à notre question posée en fin de section 2, nous allons construire un modèle adéquat pour nos données. Tout d abord, nous considérons que chaque individu répond par "Oui" ou "Non" à l affirmation s il est respectivement d accord ou non avec celle-ci. Nous appelons y i la variable réponse de l individu i pour i = 1,..., n, où n = 2871 est le nombre total d individus. La variable y i est codée comme suit, { 1 si "Oui" y i =, pour i = 1,..., n. 0 si "Non" Ainsi les données dont nous disposons pour chaque individu sont sa réponse de type binaire ainsi que deux variables explicatives, son nombre d années d éducation education ainsi que son sexe, de type binaire également, codé de la forme 1 Homme, où 1 Homme,i = { 1 si l individu i est un homme 0 si l individu i est une femme, pour i = 1,..., n. Nous pouvons désormais attribuer à un individu i, pour i = 1,..., n une probabilité de succès p i de répondre "Oui", c est à dire la probabilité que y i = 1. Ceci nous conduit à supposer que la réponse de l individu i peut être vu comme une variable de Bernoulli avec probabilité de succès égale à p i. De plus, nous considérons que chaque individu répond indépendamment des iid autres ce qui nous conduit finalement à supposer que y i B(1, p i ) pour i = 1,..., n. Nous savons de Collett (1991) qu un modèle adéquat pour modéliser les données de type binomiale est la régression logistique linéaire qui dans le cas de k variables explicatives s exprime de la façon suivante : ( ) pi logit(p i ) = log = β 0 + β 1 x 1i + + β k x ki, pour i = 1,..., n, (4.1) 1 p i où x 1i,..., x ki sont les valeurs des k variables explicatives et β 0,..., β k sont les paramètres pour ces variables explicatives. Remarquons que de l équation (4.1) nous pouvons obtenir l expression suivante, p i = exp(β 0 + β 1 x 1i + + β k x ki ), pour i = 1,..., n. (4.2) 1 + exp(β 0 + β 1 x 1i + + β k x ki ) Une manière de vérifier si le modèle (4.1) est adéquat pour nos données est de considérer la figure 3 et de vérifier s il peut y avoir des relations linéaires entre les logit des probabilités empiriques, p j,h pour les hommes, p j,f pour les femmes, définies dans la section précédente, et le nombre d années d éducation. 5

6 Logit des probabilités empiriques Figure 3: Logit des probabilités empiriques en fonction du nombre d années d éducation. La figure 3 nous permet de voir qu il semble y avoir une certaine linéarité entre le logit des probabilités empiriques et le nombre d années d éducation. Il est donc raisonnable de considérer le modèle (4.1) que nous allons ajuster aux données. L ajustement du modèle s effectue en maximisant la vraisemblance par rapport au paramètre β = (β 0,..., β k ) T. Pour nos données, la vraisemblance s exprime comme L(β) = n i=1 p y i i (1 p i) 1 y i, (4.3) où p i = p i (β) par l expression (4.2). Ainsi notre fonction objectif à maximiser sera 5 Analyse n l(β) = log {L(β)} = {log(p i ) y i + log(1 p i ) (1 y i )}. (4.4) i=1 Nous allons effectuer différentes régressions logistiques sur nos données et essayer de trouver le modèle le plus adéquat pour celles-ci. Modèle A : Education et sexe comme variables explicatives Le premier modèle que nous allons ajuster et que nous appelerons le modèle A, s ajuste sur l ensembles des individus et prend comme variables explicatives le nombre d années d éducation ainsi que le sexe. Son expression s écrit comme logit(p i ) = β 0 + β 1 education i + β 2 1 Homme,i, pour i = 1,..., n. En ajustant le modèle, on obtient les résultats indiqués sur la table 3. 6

7 Paramètre Estimation Ecart-type Pr(> z ) β 0 (intercepte) <2e-16 β 1 (éducation) <2e-16 β 2 (sexe) Table 3: Résultats des estimations pour le modèle A Nous remarquons que la variables de l éducation est très significative. En revanche il semblerait que la variable indicatrice du sexe masculin ne soit pas si significative. Cela nous conduit à considérer un modèle sans la variable indicatrice du sexe masculin. Modèle B : Education comme variable explicative Le deuxième modèle que nous pouvons ainsi considérer est celui ne prenant pas en compte le sexe, c est-à-dire le modèle ne contenant que le nombre d années d éducation comme variable explicative, logit(p i ) = β 0 + β 1 education i, pour i = 1,..., n. On obtient ainsi les estimations suivantes, indiquées sur la table 4. Paramètre Estimation Ecart-type Pr(> z ) β 0 (intercepte) <2e-16 β 1 (éducation) <2e-16 Table 4: Résultats des estimations pour le modèle B Ce modèle n a que des variables significatives contrairement au modèle A. On remarque encore que le modèle B est imbriqué dans le modèle A. Ainsi, nous pouvons effectuer un test de rapport de vraisemblance afin de déterminer si la variable additionnelle du modèle A concernant le sexe est significative ou non. Nous calculons alors la statistique du test W AB = 2 ( l A l B ), où l A, l B sont les log-vraisemblances maximisées pour les modèles A et B respectivement. Sous l hypothèse nulle H 0 : β 2 = 0, on a W AB χ 2 q, où q est la différence des dimensions entre les paramètres du modèle le plus grand et le plus petit. On a q = 1 dans notre cas. Par le calcul, on obtient W AB et la p-valeur du test qui est p = P r(χ 2 1 > W AB). Ceux-ci sont donnés sur la table 5. W AB p-valeur Table 5: Résultat du test H 0 : β 2 = 0. Avec cette p-valeur il est clair que nous ne rejettons pas H 0 et donc nous ne pouvons pas tirer de conclusions concernant l influence du sexe. La figure 4 nous permet de visualiser les valeurs de la probabilité de répondre "Oui" en fonction du nombre d années d éducation pour notre modèle. Ces valeurs sont obtenues avec les paramètres ajustés du modèle à l aide de l équation (4.2). Les intervalles de confiance pour les probabilités ont été obtenus à l aide de la méthode delta. Les probabilités empiriques pour les hommes et les femmes ont également été incluses. 7

8 Probabilité d'être d'accord Tous individus Figure 4: Probabilité de répondre "Oui" obtenue à l aide des paramètres ajustés du modèle B avec les intervalles de confiances en traitillés. On peut dire de la figure 4 que ce modèle semble relativement bien convenir aux groupes des hommes et de femmes. Cependant, nous voulons vérifier s il y a une influence du sexe dans la réponse des individus mais ce modèle ne nous permet pas de répondre à cette question. Modèle C : Interaction entre le sexe et l éducation Le défaut de nos modèles précédents est que si l on considère la figure 3 alors considérer nos modèles A et B revient à assigner la même pente de droite de la régression logistique pour les hommes ainsi que pour les femmes. Ainsi nos modèles précédents ne prennent pas en compte un éventuel changement de pente entre ces deux groupes. Ce changement de pente s exprime comme l interaction entre les variables explicatives education et 1 Homme. Nous allons donc palier ce défaut en considérant désormais cette interaction. Notre nouveau modèle s exprime de la forme, logit(p i ) = β 0 + β 1 education i + β 2 1 Homme,i + β 3 1 Homme,i education i, pour i = 1,..., n. En ajustant ce modèle on obtient les resultats de la table 6. Paramètre Estimation Ecart-type Pr(> z ) β 0 (intercepte) <2e-16 β 1 (éducation) <2e-16 β 2 (sexe) β 3 (sexe éducation) Table 6: Résultats des estimations pour le modèle C On remarque sur la table 6 que toutes les variables du modèle C semblent être significatives. Etant donné que ce modèle C inclut le modèle A comme sous-modèle, nous pouvons encore effectuer un test de rapport de vraisemblance pour voir s il est juste d exclure l interaction entre 8

9 le sexe et l éducation qui se résume dans l hypothèse nulle H 0 : β 3 = 0. Si l on nomme l C la logvraisemblance maximisée pour le modèle C, alors nous avons que sous H 0, W AC = 2 ( l C l A ) est distribué selon une loi χ 2 q où q = 1. La valeur de W AC et la p-valeure sont données sur la table 7. W AC p-valeur Table 7: Résultat du test H 0 : β 3 = 0. Ainsi, avec la p-valeur obtenue nous rejettons l hypothèse nulle est nous en déduisons que l interaction entre le sexe et l éducation est d une importance significative. Ainsi l influence de la variable du sexe intervient à ce niveau là puisque la différence de pentes des droites de régression logistique est significative. A l aide de notre estimation β de β nous pouvons exprimer les formules des droites de régression logistique pour les hommes ainsi que pour les femmes. Ces droites ont pour équations, et sont données sur la figure 5. : logit(p) = education , (5.1) : logit(p) = education , (5.2) Logit des probabilités empiriques Figure 5: Droites de régression logistique pour les hommes ainsi que pour les femmes. Remarquons que le modèle C revient à attribuer à chaque groupe une droite de régression logistique différente. Une manière différente d obtenir également deux droites différentes est de considérer deux modèles indépendants, l un pour les hommes et l autre pour les femme. Ainsi, nos régressions logistiques ne s effectueraient que sur un seul groupe parmis les individus. Si l on suppose que les indices i sont ordonnées de telles sorte que pour i = 1,..., N H, l individu i est un homme et N H est le nombre total d homme, et pour i = N H + 1,..., n, l individu i soit une femme, avec N F = n N H le nombre total de femmes, alors les modèles s expriment dans ce cas 9

10 de la façon suivante, : logit(p i ) = β 0,H +β 1,H education i, pour i = 1,..., N H, (5.3) : logit(p i ) = β 0,F +β 1,F education i, pour i = N H + 1,..., n. (5.4) En ajustant chacune de ces régressions logistiques individuellement, nous obtenons les estimations indiquées sur la table 8. Paramètre Estimation Ecart-type Estimation Ecart-type β β Table 8: Estimations pour les modèles individuels. On remarque que si l on considère les droites de régressions logistiques issues de ces deux modèles alors nous obtenons des droites pratiquement identiques à celle obtenues avec le modèle C, données par les équations (5.3) et (5.4). Une façon d interpréter ces résultats est de se dire que le modèle C tente d ajuster une droite de régressions logistiques pour chacun des groupes. Cependant, lorsque notre échantillon est de grande taille, cela revient approximativement à effectuer une régression logistique sur chaque groupe indépendamment. Finalement, la figure 6 nous indique les valeurs des probabilités d être d accord avec l affirmation obtenues à l aide des coefficients estimés du modèle C pour les hommes et le femmes ainsi que les valeurs empiriques de ces probabilités en fonction du nombre d années d éducation. Probabilité d'être d'accord Figure 6: Probabilité de répondre "Oui" obtenue à l aide des paramètres ajustés du modèle C avec les intervalles de confiances en traitillés. La figure nous indique que ce modèle semble plus adéquat pour expliquer les valeurs obtenues pour les hommes et le femmes séparément. En effet, pour les valeurs obtenues pour les hommes et 10

11 les femmes sont sensiblement différentes surtout pour un nombre d années d éducation inférieur à 5 ans ou supérieur à 15 ans. On peut donc tirer des conclusions de notre analyse qui seront présentées dans la section suivante. 6 Conclusion En conclusion, afin d évaluer les potentielles influences du sexe ou du nombre d années d éducation dans les réponses données par les individus, nous avons tout d abord effectué une analyse exploratoire. A la fin de cette dernière il nous semblait juste de penser que le nombre d années d éducation avait très certainement une influence dans les réponses obtenues. L ajustement des différents modèles de régressions logistiques et leurs comparaison à l aide de test de rapport de vraisemblance nous a conduit au modèle C qui est le plus plausible pour l ensemble de toutes nos données. Ce modèle prenait en compte le nombre d année d éducation, le sexe mais également l interaction entre le sexe et le nombre d années d éducation. Les paramètres de ce modèle étant tous significatifs, nous pouvons déduire que la variable du sexe, par son action seule et son interaction avec le nombre d années d éducation a une importance pour l explication des données. Ainsi, nous concluons de notre analyse que non seulement l éducation mais également le sexe ont une importance pour la réponse obtenue à l affirmation. Références Collett, D. (1991) Modelling binary data. London : Chapman & Hall. 11

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

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

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

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

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

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

Plus en détail

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC Dénombrement et probabilités Version du juillet 05 Enoncés Exercice - YouTube Sur YouTube, les vidéos sont identifiées à l aide d une chaîne

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 (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

Problèmes à propos des nombres entiers naturels

Problèmes à propos des nombres entiers naturels Problèmes à propos des nombres entiers naturels 1. On dispose d une grande feuille de papier, on la découpe en 4 morceaux, puis on déchire certains morceaux (au choix) en 4 et ainsi de suite. Peut-on obtenir

Plus en détail

Le stress au travail chez les prestateurs de soins de santé par Kathryn Wilkins

Le stress au travail chez les prestateurs de soins de santé par Kathryn Wilkins Le stress au travail chez les prestateurs de soins de santé 35 Le stress au travail chez les prestateurs de soins de santé par Kathryn Wilkins Mots-clés : santé au travail, charge de travail, professions

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

Le Saux Loïc Tanguy Brewal. Enquête d opinion sur la dégradation de la qualité de la télévision française dans le temps

Le Saux Loïc Tanguy Brewal. Enquête d opinion sur la dégradation de la qualité de la télévision française dans le temps Le Saux Loïc Tanguy Brewal Enquête d opinion sur la dégradation de la qualité de la télévision française dans le temps Traitement des enquêtes M1 ISC 2007/2008 Sommaire Introduction... 3 I ANALYSE DESCRIPTIVE

Plus en détail

Acquisition et perte de compétences en littératie au cours de la vie.

Acquisition et perte de compétences en littératie au cours de la vie. SOMMAIRES EN LANGAGE SIMPLE Acquisition et perte de compétences en littératie au cours de la vie. Sommaire par T. Scott Murray Quel est le sujet de cette étude? Ce rapport, préparé par Doug Willms de l

Plus en détail

Texte 1, Choix intertemporel du consommateur Microéconomie 3-851-84

Texte 1, Choix intertemporel du consommateur Microéconomie 3-851-84 1 Texte 1, Choix intertemporel du consommateur Microéconomie 3-851-84 1. Présentation générale du contexte intertemporel La théorie du comportement du consommateur telle que nous l'avons vue jusqu'à présent,

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

Cours 2 6 octobre. 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée

Cours 2 6 octobre. 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée Introduction aux modèles graphiques 2010/2011 Cours 2 6 octobre Enseignant: Francis Bach Scribe: Nicolas Cheifetz, Issam El Alaoui 2.1 Maximum de vraisemblance pour une loi Gaussienne multivariée Soit

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

Analyse de spectres d absorbance pour la prédiction des taux de moisissure, de matières grasses et de protéines d échantillons de viande

Analyse de spectres d absorbance pour la prédiction des taux de moisissure, de matières grasses et de protéines d échantillons de viande Université de Nantes M2 Ingénierie Mathématiques Rapport de chimiométrie Analyse de spectres d absorbance pour la prédiction des taux de moisissure, de matières grasses et de protéines d échantillons de

Plus en détail

Chapitre 4 : RÉGRESSION

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

Plus en détail

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

Proposition de corrigé

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

Plus en détail

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

Estimation de la variance à l aide des poids de bootstrap Guide de l usager du programme BOOTVARF_V30.SAS (VERSION 3.0)

Estimation de la variance à l aide des poids de bootstrap Guide de l usager du programme BOOTVARF_V30.SAS (VERSION 3.0) Estimation de la variance à l aide des poids de bootstrap Guide de l usager du programme BOOTVARF_V30.SAS (VERSION 3.0) 1. Introduction Ce guide s adresse aux utilisateurs du programme SAS BOOTVARF_V30.SAS

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

Construction de la mesure de Lebesgue. 1 Mesure positive engendrée par une mesure extérieure.

Construction de la mesure de Lebesgue. 1 Mesure positive engendrée par une mesure extérieure. Université d Artois Faculté des Sciences Jean Perrin Analyse Fonctionnelle (Licence 3 Mathématiques-Informatique Daniel Li Construction de la mesure de Lebesgue 28 janvier 2008 Dans ce chapitre, nous allons

Plus en détail

Préparation aux épreuves écrites du CAPES Conseils de rédaction

Préparation aux épreuves écrites du CAPES Conseils de rédaction Préparation aux épreuves écrites du CAPES Conseils de rédaction Claire Debord Le texte qui suit est une libre compilation de plusieurs textes sur le même thème, notamment ceux de Christophe Champetier

Plus en détail

Le second degré. Table des matières

Le second degré. Table des matières Le second degré Table des matières 1 La forme canonique du trinôme 1.1 Le trinôme du second degré......................... 1. Quelques exemples de formes canoniques................. 1.3 Forme canonique

Plus en détail

Fonctions Nombre Dérivé Fonction dérivée

Fonctions Nombre Dérivé Fonction dérivée Fonctions Nombre Dérivé Fonction dérivée Ce chapitre est le chapitre central de la classe de Terminale STG. Il permet (en partie) de clore ce qui avait été entamé dés le collège avec les fonctions affines

Plus en détail

Rapport IN52. Sujet : Résolution d un puzzle

Rapport IN52. Sujet : Résolution d un puzzle CARRE Julien PIERNOT Jérôme Rapport IN52 Sujet : Résolution d un puzzle Responsable : M. Ruicheck Y. Automne 2007 1 SOMMAIRE INTRODUCTION...3 I. Description et approche du sujet...4 1. Description 2. Outils

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

28. Méta-analyse sur données individuelles

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

Plus en détail

Les paraboles. x ax 2 + bx + c.

Les paraboles. x ax 2 + bx + c. 1ES Résumé du cours sur le second degré. Les paraboles. On appelle fonction du second degré une fonction de la forme x ax 2 + bx + c. Bien sûr a doit être différent de 0 sinon ce n est pas une fonction

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

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

Statistiques inférentielles : estimation

Statistiques inférentielles : estimation Statistiques inférentielles : estimation Table des matières I Estimation ponctuelle d un paramètre 2 I.1 Moyenne................................................ 2 I.2 Écart-type...............................................

Plus en détail

MT18 A 2012 Variables aléatoires à valeurs réelles Aleth Chevalley Loi binomiale, loi de Poisson, loi normale

MT18 A 2012 Variables aléatoires à valeurs réelles Aleth Chevalley Loi binomiale, loi de Poisson, loi normale MT8 A 0 Variables aléatoires à valeurs réelles Aleth Chevalley Loi binomiale, loi de Poisson, loi normale. Fonction de répartition.. Variable aléatoire à valeurs réelles Définition : Soit un ensemble fondamental

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

TD1, sur la Régression Logistique (STA 2211)

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

Plus en détail

Les théorèmes de Gerschgorin et de Hadamard

Les théorèmes de Gerschgorin et de Hadamard Localisation des valeurs propres : Quelques propriétés sur les disques de Gerschgorin. Jean-Baptiste Campesato 22 septembre 29 Gerschgorin est parfois retranscrit en Gershgorin, Geršgorin, Hershhornou

Plus en détail

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

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

Plus en détail

Introduction à l optimisation

Introduction à l optimisation Université du Québec à Montréal Introduction à l optimisation Donnée dans le cadre du cours Microéconomie II ECO2012 Baccalauréat en économique Par Dominique Duchesneau 21 janvier septembre 2008 Ce document

Plus en détail

Gilles Huguet. Réunion de familles. Publibook

Gilles Huguet. Réunion de familles. Publibook Gilles Huguet Réunion de familles Publibook Retrouvez notre catalogue sur le site des Éditions Publibook : http://www.publibook.com Ce texte publié par les Éditions Publibook est protégé par les lois et

Plus en détail

Impact des événements du 11 septembre sur le secteur des attractions pour le mois de septembre Rapport final

Impact des événements du 11 septembre sur le secteur des attractions pour le mois de septembre Rapport final Impact des événements du 11 septembre sur le secteur des attractions pour le mois de septembre Rapport final Ministère du Tourisme, de la Culture et des Loisirs de l Ontario Le 23 octobre 2001 TABLE DES

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

Volume et température d un gaz

Volume et température d un gaz Volume et température d un gaz Par Pascal Rebetez Janvier 7 Introduction Après avoir étudié expérimentalement la relation entre le volume et la température d un gaz (de l air), nous comparons les données

Plus en détail

Statistiques - Notes de cours - M1. Elisabeth Gassiat

Statistiques - Notes de cours - M1. Elisabeth Gassiat Statistiques - Notes de cours - M1 Elisabeth Gassiat Table des matières 1 Introduction 5 1.1 Estimation et régions de confiance...................... 5 1.2 Tests.......................................

Plus en détail

L arrivée des transporteurs à faibles coûts : la réaction des transporteurs existants en terme de capacité aérienne au Canada 1

L arrivée des transporteurs à faibles coûts : la réaction des transporteurs existants en terme de capacité aérienne au Canada 1 L arrivée des transporteurs à faibles coûts : la réaction des transporteurs existants en terme de capacité aérienne au Canada 1 1. Introduction Sylvain Ouellet, Division des transports Statistique Canada,

Plus en détail

4.1 Planification d une expérience complètement randomisée

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

Plus en détail

RAPPORT FINAL DES COHORTES 2013-2014 DANS LE CADRE DU PROJET BOURSE DU CARBONESCOL ERE PAR STÉPHANIE BÉRUBÉ, D.PS. LE 29 JUIN 2014

RAPPORT FINAL DES COHORTES 2013-2014 DANS LE CADRE DU PROJET BOURSE DU CARBONESCOL ERE PAR STÉPHANIE BÉRUBÉ, D.PS. LE 29 JUIN 2014 1 RAPPORT FINAL DES COHORTES 2013-2014 DANS LE CADRE DU PROJET BOURSE DU CARBONESCOL ERE PAR STÉPHANIE BÉRUBÉ, D.PS. LE 29 JUIN 2014 2 Le présent rapport constitue le rapport final des résultats provenant

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

TP 3 : STATISTIQUE PARAMÉTRIQUE

TP 3 : STATISTIQUE PARAMÉTRIQUE Statistique Numérique et Analyse de Données Ecole des Ponts ParisTech, 2 ème année TP 3 : STATISTIQUE PARAMÉTRIQUE La séance de TP se fait sous environnement Windows, sauf si vous avez une nette préférence

Plus en détail

Le modèle de marché de Sharpe

Le modèle de marché de Sharpe Le modèle de marché de Sharpe Modèle statistique sans fondement théorique, supposant que les rendements sont normalement distribuées et que la Régression linéaire de Ri sur RM, donne la relation : αi et

Plus en détail

Bases du Modèle Linéaire

Bases du Modèle Linéaire AgroParisTech Bases du Modèle Linéaire J.J. Daudin, E. Lebarbier, C. Vuillet Table des matières 1 Introduction 3 2 Estimation des paramètres 5 2.1 Estimation des paramètres de l espérance......................

Plus en détail

Baccalauréat ST2S Métropole 17 juin 2014 Correction

Baccalauréat ST2S Métropole 17 juin 2014 Correction Baccalauréat ST2S Métropole 17 juin 2014 Correction EXERCICE 1 6 points On mesure la fréquence cardiaque d un athlète courant sur un tapis roulant dont la vitesse peut être modifiée. Les résultats sont

Plus en détail

Exercice 1 Aux quatre coins d une feuille de papier format A4, on découpe des carrés pour fabriquer une boîte : x

Exercice 1 Aux quatre coins d une feuille de papier format A4, on découpe des carrés pour fabriquer une boîte : x Exercice Aux quatre coins d une feuille de papier format A4, on découpe des carrés pour fabriquer une boîte : x A B E F H G D Le fond de la boîte est le rectangle EFGH. La feuille est au format A4, donc

Plus en détail

Corrigé du baccalauréat STMG Centres étrangers 11 juin 2015

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

Plus en détail

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

Introduction aux sondages

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

Plus en détail

2. Formalisation ... Or les variables sont indépendantes. Donc si

2. Formalisation ... Or les variables sont indépendantes. Donc si L'estimation 1. Concrètement... Dernièrement un quotidien affichait en première page : en 30 ans les françaises ont grandi de... je ne sais plus exactement, disons 7,1 cm. C'est peut-être un peu moins

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

Calcul Stochastique et Applications Financières

Calcul Stochastique et Applications Financières 0 Calcul Stochastique et Applications Financières Aurélia Istratii Luis Macavilca Taylan Kunal M I.E.F. SOMMAIRE I. MODELE DE COX-ROSS-RUBINSTEIN II. III. INTRODUCTION AUX METHODES DE MONTE CARLO EQUATION

Plus en détail

Au menu. Cours 7: Classes Probabilistes. Application : Calcul de la médiane. Sous menu. Retours sur quelques algorithmes.

Au menu. Cours 7: Classes Probabilistes. Application : Calcul de la médiane. Sous menu. Retours sur quelques algorithmes. Au menu Cours 7: Classes Probabilistes Olivier Bournez bournez@lix.polytechnique.fr LIX, Ecole Polytechnique Retours sur quelques algorithmes Quelques résultats INF561 Algorithmes et Complexité 1 2 Sous

Plus en détail

Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante.

Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante. Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante. Essai de détermination du nombre de prélèvements à effectuer lors d un diagnostic amiante afin d assurer une représentativité

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

Essai de répétabilité et de reproductibilité : calculs à effectuer à la main pour comprendre la démarche générale.

Essai de répétabilité et de reproductibilité : calculs à effectuer à la main pour comprendre la démarche générale. 4. EXEMPLE N 4 Essai de répétabilité et de reproductibilité : calculs à effectuer à la main pour comprendre la démarche générale. 4.1. Objectif Le calcul de la répétabilité et de la reproductibilité implique

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

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

1 Programmation linéaire

1 Programmation linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2012 2013 Master d économie Cours de M. Desgraupes Méthodes Numériques Document 4 : Corrigé des exercices d optimisation linéaire

Plus en détail

Identification des caractéristiques influençant la probabilité d avoir un contrat à durée indéterminée lors du premier emploi.

Identification des caractéristiques influençant la probabilité d avoir un contrat à durée indéterminée lors du premier emploi. Université d Orléans QUE SONT DEVENUS LES SORTANTS DU SYSTEME EDUCATIF DE LA REGION CENTRE? Problématique : Identification des caractéristiques influençant la probabilité d avoir un contrat à durée indéterminée

Plus en détail

Baccalauréat STL Biotechnologies juin 2014 Polynésie Correction

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

Plus en détail

Laboratoire Sciences et Pratiques des Activités Physiques Sportives et Artistiques SPAPSA. Institut de l EPS., Université d Alger 3.

Laboratoire Sciences et Pratiques des Activités Physiques Sportives et Artistiques SPAPSA. Institut de l EPS., Université d Alger 3. Place de l EPS dans la hiérarchie des matières scolaires selon leur importance pour le développement intellectuel des élèves en Algérie. Linda Rachida Benbakhta-Fetouhi Institut d Éducation Physique et

Plus en détail

Éducation et santé : construire des indicateurs en comparaison internationale

Éducation et santé : construire des indicateurs en comparaison internationale Éducation et santé : construire des indicateurs en comparaison internationale Patrice DE BROUCKER Réseau de l Organisation de Coopération et de Développement Économique (OCDE) sur les retombées professionnelles,

Plus en détail

L analyse en composantes principales en pratique

L analyse en composantes principales en pratique L analyse en composantes principales en pratique Après avoir vu sa formalisation mathématique dans le module précédent, on s intéresse ici à l utilisation pratique de l ACP. 1 Objectifs L objectif de l

Plus en détail

RECHERCHE. Étude SIG de la corrélation entre exposition indirecte à l amiante et asbestose. Introduction. Les données utilisées

RECHERCHE. Étude SIG de la corrélation entre exposition indirecte à l amiante et asbestose. Introduction. Les données utilisées Étude SIG de la corrélation entre exposition indirecte à l amiante et asbestose Perrine de Crouy-Chanel, Ingénieur SIG, Département Santé Environnement / USIS INSTITUT DE VEILLE SANITAIRE 12 rue du Val

Plus en détail

Initiation à la Microéconomie Licence 1, Semestre 1 TD 2 Correction des questions

Initiation à la Microéconomie Licence 1, Semestre 1 TD 2 Correction des questions Initiation à la Microéconomie Licence 1, Semestre 1 TD 2 Correction des questions 1. Utilisez les courbes d offre et de demande pour illustrer comment chacun des évènements suivants devrait affecter le

Plus en détail

Circuits séquentiels. Chapitre 6. 6.1 Circuits séquentiels

Circuits séquentiels. Chapitre 6. 6.1 Circuits séquentiels Chapitre 6 Circuits séquentiels Plusieurs circuits utilisés dans la vie courante ont besoin de mémoire. Ce chapitre présente les méthodes de base de stockage d information. Les circuits combinatoires présentés

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

Chapitre 7: La croissance économique (I)

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

Plus en détail

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

L ESTIMATION DES ÉCARTS SALARIAUX

L ESTIMATION DES ÉCARTS SALARIAUX Novembre 2005 L ESTIMATION DES ÉCARTS SALARIAUX (articles 60 à 68) La Loi sur l équité salariale vise à corriger les écarts salariaux dus à la discrimination systémique fondée sur le sexe à l égard des

Plus en détail

Bilan du concours pilote de bourses de recherche du printemps 2013 tenu dans le cadre de la réforme des programmes ouverts

Bilan du concours pilote de bourses de recherche du printemps 2013 tenu dans le cadre de la réforme des programmes ouverts Bilan du concours pilote de bourses de recherche du printemps 2013 tenu dans le cadre de la réforme des programmes ouverts Table des matières Introduction... 3 Méthodes... 4 Résumé des résultats... 5 Conclusion

Plus en détail

OPTIMISATION SOUS CONTRAINTES

OPTIMISATION SOUS CONTRAINTES OPTIMISATION SOUS CONTRAINTES Sommaire 1. Optimisation entre des bornes... 1 2. Exercice... 4 3. Optimisation sous contrainte à variables multiples... 5 Suite à une planification de la production, supposons

Plus en détail

IX. IMAGE D UN OBJET PAR UNE LENTILLE SPHERIQUE MINCE CONVERGENTE

IX. IMAGE D UN OBJET PAR UNE LENTILLE SPHERIQUE MINCE CONVERGENTE page IX-1 IX. IMGE D UN JET PR UNE LENTILLE SPHERIQUE MINCE CNVERGENTE Nous allons utiliser les foyers 1 et leurs propriétés pour établir la position et la grandeur d une image, connaissant celles de l

Plus en détail

Statistiques et estimation

Statistiques et estimation DERNIÈRE IMPRESSION LE 23 juillet 2014 à 16:35 Statistiques et estimation Table des matières 1 Intervalle de fluctuation 2 1.1 Simulation................................. 2 1.2 Définition.................................

Plus en détail

Illustration de la méthode des plans d expériences sur la comparaison de boissons au cola

Illustration de la méthode des plans d expériences sur la comparaison de boissons au cola Illustration de la méthode des plans d expériences sur la comparaison de boissons au cola Jean-Marc Azaïs 14 mars 2005 Résumé Nous présentons une application de la méthode des plans d expériences sur un

Plus en détail

TUTORIEL DU LOGICIEL «PRESENCE»

TUTORIEL DU LOGICIEL «PRESENCE» Comment analyser des données STELI? TUTORIEL DU LOGICIEL «PRESENCE» Calcul des probabilités d occupation des sites et des probabilités de détection des espèces Décembre 2013 Anne-Laure Gourmand 1 MNHN/CESCO

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

Incohérences au niveau de la modélisation

Incohérences au niveau de la modélisation Incohérences au niveau de la modélisation Software Group Claudio Grolimund: Il importe d identifier et éliminer les incohérences à l échelle des modèles, a souligné le professeur Alexander Egyed dans le

Plus en détail

TRAVAUX DIRIGÉS DE l UE MNBif. Informatique 3A MÉTHODES NUMÉRIQUES DE BASE. 2015-2016, Automne. N. Débit & J. Bastien

TRAVAUX DIRIGÉS DE l UE MNBif. Informatique 3A MÉTHODES NUMÉRIQUES DE BASE. 2015-2016, Automne. N. Débit & J. Bastien TRAVAUX DIRIGÉS DE l UE MNBif Informatique 3A MÉTHODES NUMÉRIQUES DE BASE 2015-2016, Automne N. Débit & J. Bastien Document compilé le 13 novembre 2015 Liste des Travaux Dirigés Avant-propos iii Travaux

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

1 FAITES CONNAISSANCE AVEC LA MÉTHODE DES PLANS D EXPÉRIENCES

1 FAITES CONNAISSANCE AVEC LA MÉTHODE DES PLANS D EXPÉRIENCES 1 FAITES CONNAISSANCE AVEC LA MÉTHODE DES PLANS D EXPÉRIENCES Si vous lisez ce livre c est que, probablement, vous faites des expériences et que vous cherchez à mieux les organiser. Vous cherchez surtout

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

Université de Montréal Lab xi Cellules solaires photovoltaïques 2

Université de Montréal Lab xi Cellules solaires photovoltaïques 2 Université de Montréal Lab xi Cellules solaires photovoltaïques 1 Table des matières Table des matières 1 Introduction 2 Théorie 3 Montages et manipulations 5 Partie 1 (Sans générateur) 5 Partie 2 (avec

Plus en détail

Analyse en composantes principales Christine Decaestecker & Marco Saerens ULB & UCL

Analyse en composantes principales Christine Decaestecker & Marco Saerens ULB & UCL Analyse en composantes principales Christine Decaestecker & Marco Saerens ULB & UCL LINF 2275 Stat. explor. multidim. 1 A.C.P.: Analyse en Composantes Principales Analyse de la structure de la matrice

Plus en détail

La maximisation du profit

La maximisation du profit 2 La maximisation du profit Le profit, au sens économique du terme, se définit comme la différence entre les recettes perçues et les coûts supportés par une firme. Il est important de bien comprendre que

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

Rapport de l ANFR sur les expérimentations concernant la compatibilité TNT/LTE autour de 790 MHz

Rapport de l ANFR sur les expérimentations concernant la compatibilité TNT/LTE autour de 790 MHz Rapport de l ANFR sur les expérimentations concernant la compatibilité TNT/LTE autour de 790 MHz 1. Introduction Afin de compléter les études de compatibilité entre la bande numérique télévisuelle et la

Plus en détail

Régression logistique avec R

Régression logistique avec R Université Rennes 2, UFR Sciences Sociales Régression logistique avec R Université Rennes 2 Place du Recteur H. le Moal CS 24307-35043 Rennes Tel : 02 99 14 18 06 Mel : laurent.rouviere@univ-rennes2.fr

Plus en détail