ÉCHANTILLON REPRÉSENTATIF (D UNE POPULATION FINIE) : DÉFINITION STATISTIQUE

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "ÉCHANTILLON REPRÉSENTATIF (D UNE POPULATION FINIE) : DÉFINITION STATISTIQUE"

Transcription

1 ÉCHANTILLON REPRÉSENTATIF (D UNE POPULATION FINIE) : DÉFINITION STATISTIQUE ET PROPRIÉTÉS Léo Gervlle-Réache, Vncent Coualler To cte ths verson: Léo Gervlle-Réache, Vncent Coualler. ÉCHANTILLON REPRÉSENTATIF (D UNE POPU- LATION FINIE) : DÉFINITION STATISTIQUE ET PROPRIÉTÉS. Échantllon représentatf, Sondage, Quotas, Probabltés d ncluson <hal > HAL Id: hal Submtted on 30 Dec 2011 HAL s a mult-dscplnary open access archve for the depost and dssemnaton of scentfc research documents, whether they are publshed or not. The documents may come from teachng and research nsttutons n France or abroad, or from publc or prvate research centers. L archve ouverte plurdscplnare HAL, est destnée au dépôt et à la dffuson de documents scentfques de nveau recherche, publés ou non, émanant des établssements d ensegnement et de recherche franças ou étrangers, des laboratores publcs ou prvés.

2 ECHANTILLON REPRESENTATIF (D UNE POPULATION FINIE) : DEFINITION STATISTIQUE ET PROPRIETES Léo Gervlle-Réache 1,2, Vncent Coualler 1,2 & Ncolas Pars 3 1. Unversté de Bordeaux 2, Bordeaux, F-33000, France 2. CNRS, UMR 5251, Bordeaux, F-33000, France 3. Optma-europe, Mérgnac, France Résumé : La noton de représentatvté d un échantllon est sous-jacente à la plupart des études par sondage. L dée, furtve, est que l échantllon dot produre des résultats «extrapolables» à la populaton d ntérêt. La formalsaton de cette «dée» : défnr la noton d échantllon représentatf, est une quête que certans poursuvent ardemment et que d autres ont abandonné. Nous proposons dans ce paper un regard sur cette noton qu débouche sur une défnton statstque. Mots clés : Echantllon représentatf, Sondage, Quotas, Probabltés d ncluson. 1. Introducton Qu est ce qu un échantllon représentatf, et pourquo cette noton de représentatvté est-elle un préalable à de nombreuses analyses de résultats de sondage? Il est ben évdent qu une analyse par échantllonnage en vue de décrre, prédre ou extrapoler à la populaton entère est la base des statstques, le problème étant de justfer les technques de statstque mathématque assocées. Avant même de parler de représentatvté, on dot défnr la noton de populaton, d échantllonnage dans cette populaton, et enfn d échantllon de cette populaton. Dans la sute, suvant les notatons de Cochran (1977) ou Ardlly (2006), une populaton de talle fne N est classquement défne comme un ensemble d untés dsjontes pouvant être ndexées par les N premers enters et représentée par P { u, 1,..., N} = = sans dstncton d ordre. Une méthode d échantllonnage est un algorthme permettant sans ambguïté de créer un échantllon, c est à dre de sélectonner sans dstncton d ordre une parte de P. Pusque les untés statstques sont dstnguables, l échantllonnage revent à décrre comment sont sélectonnés les ndces { 1,..., n } des n untés statstques de la populaton. Ans, échantllonner dans P est équvalent à échantllonner dans{ 1,..., N }. Enfn, un échantllon { u,..., u } 1 n est le résultat d une méthode d échantllonnage applquée une fos sur la populaton P. 1/11

3 La représentatvté d un échantllon ne peut donc être envsagée (une fos défne) qu en termes de qualté d un échantllon provenant d une méthode d échantllonnage donnée. C est donc la méthode d échantllonnage qu donnera aux échantllons leur qualté de représentatvté. Dans cet artcle, nous proposons une défnton d un échantllon représentatf d une populaton fne et démontrons quelques proprétés essentelles qu en découlent. 2. Notons de représentatvté d un échantllon dans la lttérature. La représentatvté est souvent un argument avancé pour justfer l usage des résultats d une enquête par sondage. Il exste cependant de nombreuses nterprétatons de ce terme et nous avons relevé quelques argumentares ou défntons de ce terme. a. Aperçu de notons relevées dans la lttérature. Pour Yves Tllé (2001) «Le concept de représentatvté est aujourd'hu à ce pont galvaudé qu'l est désormas porteur de nombreuses ambvalences. Cette noton, d'ordre essentellement ntutf, est non seulement sommare mas encore fausse et, à ben des égards, nvaldée par la théore.». Pour Jean Vallant (2005) «La défnton d'échantllon représentatf dffère selon que le plan d'échantllonnage est probablste ou non probablste : - un plan probablste fournt un échantllon représentatf dès lors que chaque ndvdu de la populaton a une probablté connue et non nulle d'être nclus dans l'échantllon. - un plan non probablste fournt un échantllon représentatf s la structure de l'échantllon pour certanes varables clés est smlare à celle de la populaton cble. Par exemple, on peut voulor construre un échantllon pour lequel les proportons de catégores d'ndvdus soent smlares dans l'échantllon à celles de la populaton cble (c'est le prncpe de la méthode dte des quotas).». Pour Pascal Ardlly (2006) «On dt qu un plan de sondage est représentatf d une expresson donnée et numérquement connue construte à partr d une varable auxlare (un total le plus souvent) lorsque, pour la méthode d échantllonnage chose, l estmateur estme parfatement ben (c est-à-dre avec un bas nul et une varance nulle) l expresson donnée 2/11

4 en queston. Ce terme ne s applque pas de façon satsfasante à un échantllon.» Pour Olver Sautory (2010) «Un échantllon n'est jamas représentatf "en so", l est représentatf par rapport à certanes varables». Pour l AFNOR et l ISO : Pas de défnton d échantllon représentatf ou de représentatvté dans l ISO Vocabulare et symboles- mas une défnton du terme échantllon : «Une ou pluseurs untés d échantllonnage prélevées dans une populaton et destnées à fournr des nformatons sur cette populaton. Note Un échantllon peut servr de base à une décson concernant cette populaton ou le processus qu l a produte». Pour le Sénat dans la proposton de lo du 14 féver 2010 sur les sondages : «Un sondage est une enquête statstque vsant à donner une ndcaton quanttatve, à une date détermnée, des opnons, souhats, atttudes ou comportements d une populaton par l nterrogaton d un échantllon représentatf de celle-c, qu l sot consttué selon la méthode des quotas ou selon la méthode aléatore» Pour Sheldon M. Ross (1999) «[ ] Thus, although t may seem paradoxcal, we are most lkely to obtan a representatve sample by choosng ts members n a totally random fashon wthout any pror consderatons of the elements that wll be chosen. In other words, we need not attempt to delberately choose the sample so that t contans, for nstance, the same gender percentage and the same percentage of people n each professon as found n the general populaton.». Enfn, pour Phlppe Dutarte (2005) «Volà une expresson qu, s elle n est pas précsée, peut sgnfer à peu près n mporte quo. Un échantllon consttué selon la méthode des quotas est évdemment «représentatf» des crtères correspondants aux quotas (sexe, âge, catégore socoprofessonnelle, régon, talle de la commune...) selon lesquels l a été fabrqué. Mas on n a aucun moyen de savor jusqu à quel pont l est «représentatf» de ce pour quo l a été prélevé, c est-à-dre le sujet du sondage, l opnon, le pourcentage que l on cherche à évaluer. L expresson «représentatf de la populaton françase», que l on lt souvent dans la presse, prête évdemment à confuson. On a l mpresson que l échantllon est «représentatf» de tout ce que l on veut. En statstque, on désgne plutôt par «échantllon représentatf», un échantllon où le hasard permet d évter les bas nconnus et d applquer le calcul des probabltés. La méthode optmale pour obtenr un échantllon «représentatf» est celle du sondage aléatore stratfé optmal.». 3/11

5 Cet évental de défntons, proprétés ou remses en cause de la représentatvté d un échantllon montre l apparente subtlté et complexté de cette noton. Pourtant, cette noton nous semble fondamentale. Nous pourrons éprouver, vor unfer les ponts de vue dès lors qu une défnton statstque unque s mpose. Dans cet artcle, nous proposons une défnton d un échantllon représentatf d une populaton fne et démontrons pluseurs proprétés essentelles qu en découlent. Deux dées fondamentales ont gudé notre réflexon : - La populaton est un échantllon représentatf - Un échantllon smple au hasard (équprobable) est un échantllon représentatf. b. Résultats représentatfs ou échantllons représentatfs? Un échantllon représentatf n est pas une fn en so. Ce que nous souhatons c est que les résultats ssus du tratement statstque de l échantllon pussent être «extrapolés» à la populaton. Auss, ce que l on souhate c est que les résultats soent «représentatfs». Un résultat représentatf est une dée assez clare. En tout cas, nous pouvons nous accorder sur une défnton statstque en ce qu concerne les résultats ssus des méthodes d échantllonnage probablstes. Un résultat sur l échantllon dot estmer une quantté dans la populaton. Ce que l on souhate clarement, d un pont de vue statstque, c est que cette estmaton sot sans bas. C est sur cette dée qu est construte la théore des sondages (vor par exemple Ardlly (2006)). Un résultat représentatf est donc, statstquement, un résultat ssu d un estmateur sans bas. On peut donc dre que l ensemble des résultats d un sondage est représentatf s chaque résultat est représentatf. A ce stade, nous pourrons étuder la proposton de défnton suvante : Défnton 0 : Un échantllon est représentatf pour une étude (c est à dre un ensemble de résultats) s et seulement s l ensemble des résultats de l étude est représentatf. Ic, un échantllon est représentatf s et seulement s tout résultat produt est un estmateur sans bas de la quantté recherchée dans la populaton. Ic, l échantllon est représentatf au regard de la qualté de l ensemble des résultats produts par l étude. Cependant, cette défnton condtonne la représentatvté de l échantllon aux seuls résultats produts. En un sens, c est suffsant car, «peut mporte pour les résultats non produts». Mas 4/11

6 c, un échantllon ne peut être représentatf «en so». Or, nous avons adms, par exemple, qu un échantllon smple au hasard dot être un échantllon représentatf, un échantllon représentatf «en so» ou «par défnton». Cette défnton est néanmons ntéressante. En effet, s l on démontre que tout résultat est ssu d un estmateur sans bas, alors l échantllon est représentatf. On aurat donc une méthode de démonstraton de la représentatvté de l échantllon au regard des tratements qu seront réalsés. Malheureusement, s nous souhatons estmer une quantté pour laquelle l n exste pas d estmateur sans bas quelque sot l échantllon (par exemple, le maxmum d une varable quanttatve n est estmé sans bas que s n=n), nous devrons conclure qu aucun échantllon représentatf n exste pour cette quantté. Or nous voulons qu un échantllon smple au hasard sot un échantllon représentatf. La défnton 0 est donc sans sute. 3. Défnton statstque d un échantllon représentatf d une populaton de talle fne. La statstque est basée sur la noton d nformaton et on posera que la populaton content toute l nformaton (sur cette populaton). La défnton d un échantllon représentatf ne peut pas dépendre des «maladresses» de méthodes d estmaton. On veut qu un échantllon pusse être représentatf en so. Dans la sute, on reprend les notatons de l ntroducton en notant S { } untés de l échantllon et E { u, S} = l échantllon lu même. =,..., 1 n les ndces des Défnton 1 : Une caractérstque d une populaton de talle N est un vecteur de talle N qu consgne, pour cette populaton les valeurs prses par chaque unté de la populaton à un moment donné (ex : âge de chaque personne). Il est clar qu une caractérstque C d une populaton peut s exprmer en termes d une dstrbuton emprque F N (C) smplement défne comme l ensemble des fréquences dans la populaton des valeurs prses par la caractérstque dans la populaton. Défnton 2 : L ensemble des caractérstques d une populaton de talle N est une matrce de talle NXK qu consgne, pour cette populaton les valeurs prses par chaque ndvdu pour 5/11

7 l ensemble des K caractérstques de la populaton (ex : âge, talle, CSP, ). Il est clar que l ensemble des caractérstques d une populaton peut s exprmer en termes d une dstrbuton emprque de dmenson K : FN ( C1,..., C K ). On note C (, k ) la valeur de la caractérstque C de l ndvdu k u de la populaton P. Défnton 3 : Echantllon représentatf d une caractérstque Un échantllon E composé de n untés { } u est représentatf de la caractérstque S k C d une populaton de talle N s l exste une méthode d échantllonnage probablste dans E d une unté u E telle que la lo de probablté de C (, k ) qu est la valeur de cette caractérstque pour l ndvdu u E, prs au hasard dans l échantllon, est égale à la lo de dstrbuton emprque F ( C ) de cette caractérstque dans la populaton P. N k Remarque : Cette défnton ne présuppose pas que la méthode d échantllonnage ntal de E dans P sot probablste. Elle mpose smplement la possblté de trer au hasard dans E selon une lo dont le transport sur la caractérstque correspond à la lo emprque de la caractérstque dans P. Comme pour toute méthode probablste, en notant E 1 l échantllon (de talle un) ssu de cette méthode de trage, on peut défnr les probabltés d ncluson condtonnelles : P = P( u E u E) pour S. 1 NB : ces probabltés sont dfférentes des probabltés d ncluson condtonnelles suvantes : Q = P( u E u E, u E,..., u E), S n qu sont les probabltés d ncluson dans E1 connassant l ensemble de l échantllon E, et correspondent donc à la lo de trage de E 1 dans E avec Q = 1. S Défnton 4 : Echantllon représentatf d une populaton de talle fne. Un échantllon E composé de n untés { } u est représentatf d une populaton P s l exste S une méthode d échantllonnage probablste dans E d une unté u E telle que la lo de 6/11

8 probablté conjonte des caractérstques ( (,1),..., (, K) ) C C de l ndvdu u E prs au hasard dans l échantllon est égale à la lo de dstrbuton emprque de l ensemble des caractérstques dans la populaton P, c est à dre que F ( C,..., C ) = F ( C,..., C ). E1 1 K N 1 K En substance, un échantllon est donc représentatf s l est possble de trer au hasard dans cet échantllon un ndvdu dont la lo des caractérstques est celle de la populaton. Le hasard de ce trage n est pas nécessarement équprobable. On démontre qu un échantllon est représentatf s et seulement s on démontre que FE ( C 1 1,..., CK ) = FN ( C1,..., CK ). Proprété 1 : La populaton P est un échantllon représentatf de la populaton P. Démonstraton : S on tre au hasard équprobable (.e. { } 1.. la populaton, alors l est clar que FE ( C 1 1,..., CK ) = FN ( C1,..., CK ). Q = P = 1/ N = ) une unté u N de Proprété 2 : Un échantllonnage aléatore smple produt un échantllon représentatf de la populaton P. Démonstraton : S on tre au hasard équprobable, n ndvdus dans la populaton et que l on tre un ndvdu au hasard équprobable dans cet échantllon, l est clar que cela revent à trer un ndvdu au hasard équprobable drectement dans la populaton, revenant ans au cas de la proprété 1 et donc dans S. F ( C,..., C ) = F ( C,..., C ). Dans ce cas, Q = P = 1/ N, pour tout E1 1 K N 1 K Proprété 3 : S E est un échantllon de n ndvdus d une populaton P de talle N ssu d une méthode d échantllonnage probablste tel qu l exste une méthode d échantllonnage probablste d une unté u échantllon représentatf de P : E avec P( u E1) = 1/ N, pour tout = 1 N, alors E est un S P( u E1) = 1/ N pour tout = 1 N alors FE ( C 1 1,..., CK ) = FN ( C1,..., CK ), Démonstraton : Cette proprété est une conséquence drecte de la proprété 2. Ans, en substance, un échantllon est représentatf s sa constructon est «équvalente» à celle d un échantllon smple au hasard. 7/11

9 Proprété 4 : S E est un échantllon de n ndvdus d une populaton P de talle N est ssu d une méthode d échantllonnage probablste avec des probabltés d ncluson connues et supéreures ou égales à 1/N, (.e. P( u ) = P( u E) 1/ N, pour = 1... N), alors E est un échantllon représentatf de P : S P( u ) 1/ N pour tout = 1 N alors F ( C,..., C ) = F ( C,..., C ) E1 1 K N 1 K Démonstraton : s P( u ) 1/ N, on pose P 1/ ( N P( u )) = pour = 1... N. On obtent alors un ensemble de probabltés qu peut être la base d une méthode d échantllonnage condtonnel d un ndvdu dans l échantllon E. Alors, la probablté d ncluson de tout u dans E 1 est : P( u E1) = P( u E1 u E) P( u E) = P P( u ) = 1 / N pour tout =1 N. La proprété 3 nous dt que F ( C,..., C ) = F ( C,..., C ). E1 1 K N 1 K Remarque : La condton portant sur des probabltés d ncluson connues et supéreures ou égales à 1/N peut sembler surprenante. Pour autant cette condton est en réalté naturelle et essentelle. En effet, supposons que l on tre un échantllon de talle deux sur une populaton de talle 10 avec une méthode d échantllonnage telle que les probabltés d ncluson soent P(u 1 )=...= P(u 9 )=0,22 et P(u 10 )=0,02. Dans ce cas, P(u 10 )<1/10, l échantllon n est pas représentatf de la populaton P au sens de la défnton 4. Cet exemple montre qu un trop gros déséqulbre dans les probabltés d ncluson peut condure à un échantllon non représentatf. Cette lmte n est pas s surprenante : s l on s ntéresse à l estmaton d une proporton d une caractérstque D par l estmateur de Horvtz-Thomson, on peut trouver la formule par exemple dans Ardlly (2006 page 133) : «P ˆD 1 1 =» qu est, avec nos notatons, égale à 1 1. N P N P( u ) s D E D Or, s P( u ) < 1/ N, l estmaton de la proporton est supéreure à 1. Dans notre exemple, s l ndvdu n 10 est le seul à posséder le caractère D et s l ndvdu n 10 appartent à 1 1 l échantllon E, on estmera la proporton de D dans la populaton à : = 5, sot 10 0, %. 8/11

10 NB : La proprété d estmaton sans bas n est clarement pas suffsante pour garantr la représentatvté de l échantllon. En effet, dans l exemple précédant, l estmaton de la proporton de D dans la populaton est sans bas pusque : u 10 appartent à E avec probablté 0,02 et l estmaton vaut alors 500%, u 10 n appartent pas à E avec probablté 0,92 et l estmaton vaut alors 0%. Donc l espérance est ben de 0,02*500%=10% (comme dans la populaton). Mas l est clar qu aucun statstcen ne cautonnerat une estmaton de 500%. Donc on devra lmter l estmaton à 100%. Mas dans ce cas, l espérance de l estmateur sera de 0,02*100%=2%. L estmateur est alors basé. 4. Représentatvté et méthode des quotas. La méthode des quotas est la plus fréquemment utlsée pour tenter de construre un échantllon «représentatf». Pour Jérôme Fourquet en 2011 «C est en respectant cette méthode des quotas qu on arrve à avor un échantllon représentatf.». Pour L IPSOS (Page Web) «L nconvénent majeur de la méthode des quotas est de ne pas permettre de calculer scentfquement la marge d erreur du sondage. Les los statstques qu permettent de la détermner ne valent théorquement que pour les sondages aléatores. En pratque, on consdère cependant que la marge d erreur des sondages par quotas est égale ou nféreure à celle des sondages aléatores». Le prncpe des quotas est smple : connassant dans la populaton la dstrbuton de certanes caractérstques de la populaton, on sélectonnera des ndvdus de la populaton séquentellement jusqu à satsfacton (en proportons exactes) de ces dstrbutons. Cette seule contrante ne défnt pas les probabltés d ncluson de chaque ndvdu de la populaton. Pour autant, cette méthode ne sgnfe pas que les probabltés d ncluson soent nécessarement nconnues. Exemple : supposons que l on dspose d une base de sondage exhaustve et que l on sélectonne un échantllon de n ndvdus séquentellement selon la méthode des quotas de la manère suvante : le premer ndvdu de l échantllon est sélectonné au hasard smple (1/N) dans la populaton. Le second au hasard smple (1/(N-1)) et ans de sute. S, a un moment, l ndvdu ne satsfat pas aux quotas, on le retre de la base et on poursut au hasard smple. Une pette analyse de l échantllonnage montre que chaque ndvdu de la populaton a la 9/11

11 même probablté d ncluson dans l échantllon. On est donc c dans le cas d un échantllonnage stratfé, représentatf selon la défnton 4 et dont «la marge d erreur [ ] est égale ou nféreure à celle des sondages aléatores» (IPSOS). La méthode des Quotas n est donc pas «en so» une méthode emprque ou non probablste. Elle ne le devent que s les probabltés d ncluson sont nconnues. 5. Représentatvté et méthodes de redressement a posteror. Un redressement a pour but de retrouver dans l échantllon redressé certanes dstrbutons emprques exstant dans la populaton. Au fnal, nous obtenons pour les caractérstques redressées, des dstrbutons égales à celles de la populaton. Qu en est-l précsément pour les autres caractérstques (en partculer celles d ntérêt)? Pour répondre à cette queston, nous devons d abord répondre à la queston : pourquo avonsnous redressé a posteror l échantllon? Il est clar que s l échantllon est représentatf, nous n avons aucune rason d effectuer un redressement a posteror. Donc, notre échantllon n est, pour une rason ou pour une autre, pas représentatf, nous le savons et nous voudrons le rendre représentatf. La défnton 4 nous dt que tout cela n est que vane pene. En effet, nous ne pourrons en aucun cas démontrer la représentatvté de cet échantllon redressé. Remarque 1 : S un échantllon n est pas représentatf, un redressement même mûrement construt ne le rendra représentatf, au meux, que pour les caractérstques de redressement au sens de la défnton 3 (pour un calage sur marge par exemple). Remarque 2 : Un échantllon par quotas est représentatf des dstrbutons margnales des caractérstques prses en compte pas les quotas. De ce fat, cette méthode est dentque à un échantllonnage aléatore (non représentatf dû à un défaut de couverture ou des non-réponses) avec redressement par calage sur les mêmes caractérstques. 6. Concluson Ce paper propose une défnton d un échantllon représentatf d une populaton fne. Cette défnton n est pas basée sur la sélecton au hasard d ndvdus de la populaton mas la sélecton au hasard d un ndvdu de l échantllon. De ce fat, l n y a aucun a pror sur le mode de sélecton de l échantllon. Les propostons qu en découlent sont rches d ensegnements. Dans un premer temps, on démontre qu un échantllon aléatore smple est 10/11

12 ben représentatf. De plus, on montre que s la méthode d échantllonnage a des probabltés d ncluson trop dsparates, la représentatvté n est pas évdente. Enfn, on vot que la représentatvté de la méthode des quotas n a ren à enver à celle des échantllons aléatores avec redressement pour défaut de couverture ou non-réponse. Les dfférentes ctatons de la parte (2.a.) peuvent être commentées au regard de cette défnton de la représentatvté d un échantllon. Pour Yves Tllé et Pascal Ardlly, la représentatvté est une noton «nadaptée». Nous espérons que la défnton proposée dans cet artcle les fera changer d avs. Pour Olver Sautory, «Un échantllon n'est jamas représentatf "en so"». Notre défnton est basée sur le contrare. Pour Jean Vallant, l sufft que les probabltés d ncluson sot connues et non nulles. Nous avons montré le problème que pose l utlsaton de probabltés d ncluson nféreures à 1/N. Notre défnton est en revanche, totalement en accord avec la ctaton de Sheldon M. Ross et pour l essentel, en accord avec Phlppe Dutarte. Il est clar pour tous que la représentatvté de l échantllon est un déal. En effet, un taux de couverture de 100%, un taux de non-réponse de 0%, font parte des hypothèses du théorcen mas rarement de la réalté du statstcen. On peut alors se poser la queston de la constructon d un ndce de représentatvté qu aurat pour but de relatvser le plus objectvement possble (et de la manère la plus consensuelle) le défaut de représentatvté d un d échantllon. Bblographe [1] Ardlly P. (2006), Les technques de sondage, Edton TECHNIP. [2] Cochran W.G. (1977), Samplng technques, 3rd edton, Wley & Sons, NY. [3] Dutarte P. (2005), L'nducton statstque au lycée (ed : Dder). [4] Fourquet J. (2011), Emsson C dans l ar du 17 Févrer [5] Norme ISO (1996) Vocabulare et symboles. [6] Ross S.M. (1999), Introducton to Probablty and Statstcs, Elsever [7] Sautory O. (2010), Journée d études sur la représentatvté, ENS Pars. [8] Senat (2010), Proposton de lo du 14 féver 2010 relatve à la publcaton et à la dffuson de certans sondages d opnon. [9] Tllé Y. (2001), Théore des sondages, Edton DUNOD. [10] Vallant J. (2005), Intaton à la théore de l'échantllonnage, Web. 11/11

Analyse Numérique - Projet A rendre au plus tard le jour de l examen final, en Janvier 2010.

Analyse Numérique - Projet A rendre au plus tard le jour de l examen final, en Janvier 2010. Master 1ère année de Mathématques Analyse Numérque - Projet A rendre au plus tard le jour de l examen fnal, en Janver 2010. CMI, Unversté de Provence Année 2009-2010 Ce qu vous est demandé : Rédger les

Plus en détail

Banque d exercices pour le cours de "mise à niveau" de statistique de M1 AgroParisTech

Banque d exercices pour le cours de mise à niveau de statistique de M1 AgroParisTech Banque d exercces pour le cours de "mse à nveau" de statstque de M1 AgroParsTech Instructons pour les exercces 1. Lorsque ren n est précsé, on suppose que la dstrbuton étudée est gaussenne. Pour les exercces

Plus en détail

MODELISATION DES PROCESSUS LINEAIRES

MODELISATION DES PROCESSUS LINEAIRES MDELISATIN DES PRCESSUS LINEAIRES Dans un premer temps, nous ne consdérons que des processus partculers, supposés notamment statonnare. Cec permet de présenter un certan nombre d'outls dans un cadre relatvement

Plus en détail

MASTER ECONOMETRIE ET STATISTIQUE APPLIQUEE (ESA)

MASTER ECONOMETRIE ET STATISTIQUE APPLIQUEE (ESA) MASTER ECONOMETRIE ET STATISTIQUE APPLIQUEE (ESA) Unversté d Orléans Econométre des Varables Qualtatves Chaptre 3 Modèles à Varable Dépendante Lmtée Modèles Tobt Smples et Tobt Généralsés Chrstophe Hurln

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 3

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 3 UNIVERSITE MONTESQUIEU BORDEAUX IV Lcence 3 ère année Econome - Geston Année unverstare 2006-2007 Semestre 2 Prévsons Fnancères Travaux Drgés - Séances n 3 «Les Crtères Fondamentaux des Chox d Investssement»

Plus en détail

L'INDUCTION ON5WF (MNS)

L'INDUCTION ON5WF (MNS) 'IDUCTIO ème parte / O5WF (MS) Dans la ère parte de cet artcle, nous avons vu qu'un courant électrque donnat leu à un champ magnétque (expérence d'oersted). ous avons ensute vu comment Faraday, après avor

Plus en détail

La décomposition en valeurs singulières: un outil fort utile

La décomposition en valeurs singulières: un outil fort utile La décomposton en valeurs sngulères: un outl fort utle Références utles: 1- Sonka et al.: sectons 3.2.9 et 3.2.1 2- Notes manuscrtes du cours 3- Press et al: Numercal recpes * Dernère révson: Patrck Hébert

Plus en détail

V FORMATION DES IMAGES DANS L EXEMPLE DU MIROIR PLAN

V FORMATION DES IMAGES DANS L EXEMPLE DU MIROIR PLAN Chaptre V page V-1 V FORMTION DES IMGES DNS L EXEMPLE DU MIROIR PLN Le but de ce chaptre est d ntrodure la noton d mage { travers l exemple du mror plan. Vous vous êtes sûrement déjà regardé(e) dans un

Plus en détail

Partie I: Différences finies avec centrage partiel

Partie I: Différences finies avec centrage partiel U. PARIS VI et ÉCOLE POLYTECHNIQUE 7 anver 04 Spécalté Probablté et Fnance du Master de Scences et Technologe EXAMEN DU COURS ANALYSE NUMÉRIQUE DES ÉQUATIONS AUX DÉRIVÉES PARTIELLES EN FINANCE verson 03/0/04

Plus en détail

Miroirs sphériques Dioptres sphériques. 1 Miroirs sphériques. 1.1 Introduction : focaliser la lumière. 1.2 Miroir concaves faisceau parallèle

Miroirs sphériques Dioptres sphériques. 1 Miroirs sphériques. 1.1 Introduction : focaliser la lumière. 1.2 Miroir concaves faisceau parallèle Mrors spérques Doptres spérques Nous allons mantenant aborder des systèmes optques un peu plus complexes, couramment utlsés pour produre des mages. Nous allons commencer par étuder un mror spérque de façon

Plus en détail

Feuilles de style CSS

Feuilles de style CSS Feulles de style CSS 71 Feulles de style CSS Les standards du web Les langages du web : le HTML et les CSS Depus la verson 4 de l'html (décembre 1999), le W3C propose les feulles de style en cascade, les

Plus en détail

Utilisation du symbole

Utilisation du symbole HKBL / 7 symbole sgma Utlsaton du symbole Notaton : Pour parler de la somme des termes successfs d une sute, on peut ou ben utlser les pontllés ou ben utlser le symbole «sgma» majuscule noté Par exemple,

Plus en détail

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 ECO - SESSION 1 - Correction - Minimum Moyenne Ecart-type

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 ECO - SESSION 1 - Correction - Minimum Moyenne Ecart-type EAME FIAL DE STATISTIQUES DESCRIPTIVES L1 ECO - SESSIO 1 - Correcton - Exercce 1 : 1) Questons à Chox Multples (QCM). Cochez la bonne réponse Classer ces statstques selon leur nature (ndcateur de poston

Plus en détail

I. Fonctionnalités du tableur

I. Fonctionnalités du tableur Olver Coma Macro MRP pour Excel Decembre 1999 I. Fonctonnaltés du tableur I.1. Feulle «Nomenclature «Le tableur propose pluseurs optons à l ouverture du fcher. Cnq boutons apparassent à drote de la feulle

Plus en détail

Combinaison de dires d'experts en élicitation de lois a priori. pour Listeria chez la souris. Exposé AppliBugs

Combinaison de dires d'experts en élicitation de lois a priori. pour Listeria chez la souris. Exposé AppliBugs Combnason de dres d'experts en élctaton de los a pror. Applcaton à un modèle doseréponse pour Lstera chez la sours. Exposé ApplBugs ISABELLE ALBERT 8 / / 03 INTRODUCTION Cet exposé présente une parte du

Plus en détail

Exercices d algorithmique

Exercices d algorithmique Exercces d algorthmque Les algorthmes proposés ne sont pas classés par ordre de dffculté Nombres Ecrre un algorthme qu renvoe la somme des nombre entre 0 et n passé en paramètre Ecrre un algorthme qu renvoe

Plus en détail

N - ANNEAUX EUCLIDIENS

N - ANNEAUX EUCLIDIENS N - ANNEAUX EUCLIDIENS Dans ce qu sut A est un anneau untare, mun de deux opératons notées addtvement et multplcatvement. Le neutre de l addton est noté 0, celu de la multplcaton est noté e. On pose A

Plus en détail

Bien débuter avec Illustrator

Bien débuter avec Illustrator CHAPITRE 1 Ben débuter avec Illustrator Illustrator est un logcel de dessn vectorel. Cela sgnfe qu'l permet de créer des llustratons composées avec des objets décrts par des vecteurs. Une telle défnton

Plus en détail

SEPTEMBRE 2009 RC-POS

SEPTEMBRE 2009 RC-POS SEPTEMBRE 2009 RC-POS (09_POS_131) (mn.) RAPPORT DE MINORITE DE LA COMMISSION THEMATIQUE DE LA SANTE PUBLIQUE chargée d'examner l'objet suvant: Postulat Fabenne Despot et consorts demandant à qu profte

Plus en détail

Impact de la chirurgie sur une cohorte d adultes d souffrant d éd. épilepsie partielle pharmacorésistante

Impact de la chirurgie sur une cohorte d adultes d souffrant d éd. épilepsie partielle pharmacorésistante Impact de la chrurge sur une cohorte d adultes d souffrant d éd éplepse partelle pharmacorésstante sstante: Analyse par score de propenson 4 ème Conférence Francophone d Epdémologe Clnque - Congrès thématque

Plus en détail

MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES

MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES Émle Garca, Maron Le Cam et Therry Rocher MENESR-DEPP, bureau de l évaluaton des élèves Cet artcle porte sur les méthodes de

Plus en détail

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen Aexe. Estmato d u quatle o-paramétrque par la méthode de Haze La probablté cumulée emprque d ue doée au se d u échatllo est pas u cocept parfatemet déf : pluseurs estmatos sot possbles ; l e est de même

Plus en détail

Notes de cours. Échantillonnage STT-2000. David Haziza Département de mathématiques et de statistique Université de Montréal

Notes de cours. Échantillonnage STT-2000. David Haziza Département de mathématiques et de statistique Université de Montréal otes de cours Échantllonnage STT-000 Davd Hazza Département de mathématques et de statstque nversté de Montréal Automne 008 PRÉFACE Ces notes de cours ont été rédgées pour le cours STT-000 (Échantllonnage)

Plus en détail

Enseignement secondaire. PHYSI Physique Programme

Enseignement secondaire. PHYSI Physique Programme Ensegnement secondare Dvson supéreure PHYSI Physque Programme 3CB_3CC_3CF_3MB_3MC_3MF Langue véhculare : franças Nombre mnmal de devors par trmestre : 1 PHYSI_3CB_3CC_3CF_3MB_3MC_3MF_PROG_10-11 Page 1

Plus en détail

Solution : 1. Soit y = α + βt, l équation de la droite considérée. Le problème de régression linéaire s écrit. i=1 2(α + βt i b i )t i

Solution : 1. Soit y = α + βt, l équation de la droite considérée. Le problème de régression linéaire s écrit. i=1 2(α + βt i b i )t i Exercces avec corrgé succnct du chaptre 3 (Remarque : les références ne sont pas gérées dans ce document, par contre les quelques?? qu apparassent dans ce texte sont ben défns dans la verson écran complète

Plus en détail

Remboursement d un emprunt par annuités constantes

Remboursement d un emprunt par annuités constantes Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)

Plus en détail

Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 Année 2011 12. TD4. Tribus.

Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 Année 2011 12. TD4. Tribus. Unversté Perre & Mare Cure (Pars 6) Lcence de Mathématques L3 UE LM364 Intégraton 1 Année 2011 12 TD4. Trbus. Échauffements Exercce 1. Sot X un ensemble. Donner des condtons sur X pour que les classes

Plus en détail

Chapitre 5: La programmation dynamique

Chapitre 5: La programmation dynamique Chaptre 5: La programmaton dynamque. Introducton La programmaton dynamque est un paradgme de concepton qu l est possble de vor comme une améloraton ou une adaptaton de la méthode dvser et régner. Ce concept

Plus en détail

Théorie des Nombres - TD1 Rappels d arithmétique élémentaire

Théorie des Nombres - TD1 Rappels d arithmétique élémentaire Unversté Perre & Mare Cure Master de mathématques 1 Année 2012-2013 Module MM020 Théore des Nombres - TD1 Rappels d arthmétque élémentare Exercce 1 : Trouver tous les enters n N tels que ϕ(n) = 6. Même

Plus en détail

TES - Accompagnement: Probabilités conditionnelles,, variable aléatoire et loi binomiale

TES - Accompagnement: Probabilités conditionnelles,, variable aléatoire et loi binomiale TS - ccompagnement: Probabltés condtonnelles,, varable aléatore et lo bnomale xercce 1 'asthme est une malade nflammatore chronque des voes respratores en constante augmentaton. n France, les statstques

Plus en détail

Cours de Calcul numérique MATH 031

Cours de Calcul numérique MATH 031 Cours de Calcul numérque MATH 03 G. Bontemp, A. da Slva Soares, M. De Wulf Département d'informatque Boulevard du Tromphe - CP22 http://www.ulb.ac.be/d Valeurs propres en pratque. Localsaton. Méthode de

Plus en détail

Ajustement affine par les moindres carrés

Ajustement affine par les moindres carrés 1. Nveau Termnales STG et ES Ajustement affne par les mondres carrés 2. Stuaton-problème proposée Introducton à la méthode des mondres carrés. 3. Support utlsé Tableur et calculatrce. 4. Contenu mathématque

Plus en détail

Corrélation et régression linéaire

Corrélation et régression linéaire Corrélaton et régresson lnéare 1. Concept de corrélaton. Analyse de régresson lnéare 3. Dfférences entre valeurs prédtes et observées d une varable 1. Concept de corrélaton L objectf est d analyser un

Plus en détail

EXEMPLES D UTILISATION DE LA TECHNIQUE DES OBSERVATIONS INSTANTANÉES.

EXEMPLES D UTILISATION DE LA TECHNIQUE DES OBSERVATIONS INSTANTANÉES. EXEMPLES D UTILISATIN DE LA TECHNIQUE DES BSERVATINS INSTANTANÉES. Chrstan Fortn, ng., Ph.D. Ergonome et hygénste du traval Centre of santé et servces socaux de la Montagne, Montréal. Résumé La technque

Plus en détail

Optimisation du conditionnement d'air des locaux de télécommunication par utilisation de produits à changement de phase

Optimisation du conditionnement d'air des locaux de télécommunication par utilisation de produits à changement de phase Optmsaton du condtonnement d'ar des locaux de télécommuncaton par utlsaton de produts à changement de phase Davd NÖRTERSHÄUSER, Stéphane LE MASSON France Telecom R&D, 2 Avenue Perre Marzn, 2 LANNION Résumé

Plus en détail

CHAPITRE 2. La prévision des ventes

CHAPITRE 2. La prévision des ventes CHAPITRE La prévson des ventes C est en foncton des prévsons de ventes que l entreprse détermne la producton, les achats et les nvestssements nécessares. La prévson des ventes condtonne l ensemble de la

Plus en détail

Electronique TD1 Corrigé

Electronique TD1 Corrigé nersté du Mane - Faculté des Scences! etour D électronque lectronque D1 Corrgé Pour un sgnal (t) quelconque : 1 $ (t) # MOY! (t) dt 1 FF! (t) dt (t) MX MOY mpltude crête à - crête mpltude Mn Pérode t emarque

Plus en détail

Indicateurs de compétitivité- prix et de performances à l exportation

Indicateurs de compétitivité- prix et de performances à l exportation Décembre 2009 Indcateurs de compéttvté- prx et de performances à Méthodologe Les ndcateurs présentés dans ce document vsent à mesurer en temps réel l évoluton des parts de marché des prncpaux exportateurs

Plus en détail

Traitement probabiliste de l information

Traitement probabiliste de l information Maths 4: Probablté et Statstques (00/0) Zendagu Maths 4 : Probabltés et Statstques Inttulé du domane Scences et Technologe Année ème année Annuel ou semestrel Semestrel Unté d ensegnement UEM3 Méthodologe

Plus en détail

Méthode de Vogel Modifiée pour la résolution du problème de transport simple

Méthode de Vogel Modifiée pour la résolution du problème de transport simple Appled Mathematcal Scences, Vol. 5, 2011, no. 48, 2373-2388 Méthode de Vogel Modfée pour la résoluton du problème de transport smple Salmata G. Dagne Département de Mathématques Unversté Chekh Anta Dop,

Plus en détail

GENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)

GENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation) GENESS - Generalzed System for mputaton Smulatons (Système généralsé pour smuler l mputaton) GENESS est un système qu permet d exécuter des smulatons en présence d mputaton. L utlsateur fournt un ensemble

Plus en détail

Prévision des ventes des articles textiles confectionnés. B. Zitouni*, S. Msahli* * Unité de Recherches Textiles, Ksar-Hellal, Tunisie.

Prévision des ventes des articles textiles confectionnés. B. Zitouni*, S. Msahli* * Unité de Recherches Textiles, Ksar-Hellal, Tunisie. Prévson des ventes des artcles textles confectonnés B Ztoun*, S Msahl* * Unté de Recherches Textles, Ksar-Hellal, Tunse Résumé Dans cette étude, on se propose de détermner s le recours à des réseaux de

Plus en détail

Détection et suivi de visages par Support Vector Machine robustes aux changements d échelle

Détection et suivi de visages par Support Vector Machine robustes aux changements d échelle Détecton et suv de vsages par Support Vector Machne robustes au changements d échelle Lonel CARMINATI Drectrce de Thèse : Jenny Benos-Pneau Projet Analyse et Indeaton Vdéo lcarmna@labr.fr http://www.labr.fr/recherche/imageson/aiv/

Plus en détail

Cryptographie évolutionniste

Cryptographie évolutionniste Cryptographe évolutonnste Applcaton des algorthmes évolutonnstes à la cryptographe Fouza Omary* Abderrahm Tragha** Aboubakr Lbekkour* *Département de mathématques et nformatque faculté des scences-rabat

Plus en détail

Méthodes en Sciences-Physiques. Programme de Première S.

Méthodes en Sciences-Physiques. Programme de Première S. Méthodes en Scences-Physques. Programme de Premère S. Comment réalser et utlser les tableaux d avancement en Premère S Équaton de la réacton 3Ag + aq + AsO 3 4 aq Ag 3 AsO 4 s quanttés de matère en mol

Plus en détail

12ème colloque de l'association de comptabilité nationale Paris, 4-6 juin 2008

12ème colloque de l'association de comptabilité nationale Paris, 4-6 juin 2008 12ème colloque de l'assocaton de comptablté natonale Pars, 4-6 jun 2008 Sesson n 1 Au-delà du PIB : à la recherche d ndcateurs synthétques la prse en compte du ben-être Mesurer le nveau de ve : revenu

Plus en détail

Proposition d'une solution au problème d initialisation cas du K-means

Proposition d'une solution au problème d initialisation cas du K-means Proposton d'une soluton au problème d ntalsaton cas du K-means Z.Guelll et L.Zaou, Unversté des scences et de la technologe d Oran MB, Unversté Mohamed Boudaf USTO -BP 505 El Mnaouer -ORAN - Algére g.zouaou@gmal.com,

Plus en détail

Hansard OnLine. Guide relatif au Unit Fund Centre

Hansard OnLine. Guide relatif au Unit Fund Centre Hansard OnLne Gude relatf au Unt Fund Centre Table des matères Page Présentaton du Unt Fund Centre (UFC) 3 Utlsaton de crtères de recherche parm les fonds 4-5 Explotaton des résultats des recherches par

Plus en détail

Identifie les données des situations (problèmes ou besoins) rencontrés en vue de leur traitement.

Identifie les données des situations (problèmes ou besoins) rencontrés en vue de leur traitement. Informatons de l'unté d'ensegnement Implantaton Cursus de ECAM Bacheler en Scences ndustrelles Pont vers le supéreur: Scences B1010 Cycle 1 Bloc 1 Quadrmestre 1 Pondératon 5 Nombre de crédts 5 Nombre d

Plus en détail

Exercices Électrocinétique

Exercices Électrocinétique ercces Électrocnétque alculs de tensons et de courants -21 éseau à deu malles Détermner, pour le crcut c-contre, l ntensté qu 1 2 traverse la résstance 2 et la tenson u au bornes de la résstance 3 : 3

Plus en détail

REPUBLIQUE TUNISIENNE

REPUBLIQUE TUNISIENNE REPUBLIQUE TUNISIENNE ETUDE D EVALUATION DES MECANISMES DE FINANCEMENT DE LA MICRO-ENTREPRISE VOLUME II : ANNEXE TECHNIQUE MOYEN-ORIENT ET AFRIQUE DU NORD SECTEURS SOCIAUX (MNSHD) Rapport conjont de la

Plus en détail

Introduction. 1. le modèle de survie de COX utilisé par O. Brandmeyer dans son stage de Master 2 IMOI au Centre de Médecine Préventive de Nancy ;

Introduction. 1. le modèle de survie de COX utilisé par O. Brandmeyer dans son stage de Master 2 IMOI au Centre de Médecine Préventive de Nancy ; Introducton Le groupe de Bo-Statstque a eu une actvté soutenue en 2006-2007. Cette dernère s est concrétsée par des réunons de petts groupes de traval autour de thèmes de recherche partculers et par la

Plus en détail

direction de l animation de la recherche, des études et des statistiques Numéro 176 Juillet 2013

direction de l animation de la recherche, des études et des statistiques Numéro 176 Juillet 2013 Document d études drecton de l anmaton de la recherche, des études et des statstques Numéro 176 Jullet 2013 La régonalsaton des dépenses de formaton des entreprses au ttre du plan de formaton Jérôme Lê

Plus en détail

Ch 4 Séries statistiques à une dimension Définitions et représentation graphique

Ch 4 Séries statistiques à une dimension Définitions et représentation graphique Ch 4 Séres statstques à une dmenson Défntons et représentaton graphque Termnologe Ensemble étudé = populaton Eléments de cet ensemble = ndvdus ou untés Attrbut consdéré = caractère qu peut être qualtatf

Plus en détail

(Licence L1 /Durée 3H) Stand d étude de l'effort tranchant dans une poutre Règle Des accroches poids

(Licence L1 /Durée 3H) Stand d étude de l'effort tranchant dans une poutre Règle Des accroches poids (Lcence L1 /Durée 3H) Objectfs : Se famlarser avec l apparel d étude de l'effort tranchant dans une poutre (les pèces consttutves, mode d emplo...) Ben matrser les étapes qu mènent à l élaboraton des dfférents

Plus en détail

Chapitre 3: Stockage et distribution

Chapitre 3: Stockage et distribution I- Défntons Chaptre 3: Stockage et dstrbuton Réseau de desserte = Ensemble des équpements (canalsatons et ouvrages annexes) achemnant de manère gravtare ou sous presson l eau potable ssue des untés de

Plus en détail

La mobilité résidentielle depuis 20 ans : des facteurs structurels aux effets de la conjoncture

La mobilité résidentielle depuis 20 ans : des facteurs structurels aux effets de la conjoncture La moblté résdentelle depus 20 ans : des facteurs structurels aux effets de la conjoncture T. Debrand C. Taffn Verson Prélmnare - Ne pas cter 10 mars 2004 Résumé : Les analyses économques sur la moblté

Plus en détail

Les nombres premiers ( Spécialité Maths) Terminale S

Les nombres premiers ( Spécialité Maths) Terminale S Les nombres premers ( Spécalté Maths) Termnale S Dernère mse à jour : Mercred 23 Avrl 2008 Vncent OBATON, Ensegnant au lycée Stendhal de Grenoble (Année 2007-2008) Lycée Stendhal, Grenoble ( Document de

Plus en détail

3) Calculer le pourcentage de personnes ayant entre 30 et 50 ans.

3) Calculer le pourcentage de personnes ayant entre 30 et 50 ans. http://maths-scences.fr EXERCICES SUR LES STATISTIQUES Exercce 1 Un concessonnare automoble étude l âge des acheteurs de votures de son garage. Deux documents ncomplets (un tableau et un hstogramme) rendent

Plus en détail

Origine Sociale et réussite scolaire : un modèle en Chaîne de Markov estimé sur données individuelles belges

Origine Sociale et réussite scolaire : un modèle en Chaîne de Markov estimé sur données individuelles belges Orgne Socale et réusste scolare : un modèle en Chaîne de Markov estmé sur données ndvduelles belges Olver Donn Unversté de Mons-Hanaut et CREPP Bernard Lejeune Unversté de Lège, CORE et ERUDITE Cette étude

Plus en détail

INSTITUT NATIONAL DE LA STATISTIQUE ET DES ETUDES ECONOMIQUES Série des Documents de Travail 'Méthodologie Statistique

INSTITUT NATIONAL DE LA STATISTIQUE ET DES ETUDES ECONOMIQUES Série des Documents de Travail 'Méthodologie Statistique INSTITUT NATIONAL DE LA STATISTIQUE ET DES ETUDES ECONOMIQUES Sére des Documents de Traval 'Méthodologe Statstque N 9702 MODELES UNIVARIES ET MODELES DE DUREE sur données ndvduelles S. LOLLIVIER Cette

Plus en détail

Le raisonnement incertain

Le raisonnement incertain 1 Plan général 2 Le rasonnement ncertan dans les systèmes experts I- Introducton aux systèmes experts II- Fondements : organsaton et fonctonnement des SE III- Le rasonnement ncertan Introducton Antone

Plus en détail

Statistiques. A) Vocabulaire. B) Caractéristiques de position et de dispersion.

Statistiques. A) Vocabulaire. B) Caractéristiques de position et de dispersion. Statstques A) Vocabulare. Poulaton et ndvdu : La oulaton est l ensemble des ndvdus sur lequel vont orter les observatons. Caractère : Le caractère est la rorété étudée. Le caractère est qualtatf s l n

Plus en détail

Traitement des valeurs manquantes et des valeurs aberrantes

Traitement des valeurs manquantes et des valeurs aberrantes Etudes Statstques 2 (1/10) Tratement des valeurs manquantes et des valeurs aberrantes Avant de trater les données, vérfer la qualté des données : Les données peuvent être : manquantes aberrantes : la valeur

Plus en détail

L ANOVA (complements)

L ANOVA (complements) L ANOVA (complements) On utlse le t de Student pour comparer deux moyennes. Cependant s on veut comparer tros moyennes ou plus l devent nécessare d utlser l Analyse de Varance smple ou l ANOVA 1. L applcaton

Plus en détail

publicitaires Section 4. Oligopole et stratégie publicitaire 1) Dépenses publicitaires et stratégie concurrentielle 3) Oligopole et dépenses d

publicitaires Section 4. Oligopole et stratégie publicitaire 1) Dépenses publicitaires et stratégie concurrentielle 3) Oligopole et dépenses d Secton 4. Olgopole et stratége publctare 1) Dépenses publctares et stratége concurrentelle 2) Monopole et dépenses d publctares 3) Olgopole et dépenses d publctares 1) Dépenses publctares et stratége concurrentelle

Plus en détail

L ANOVA ( ceci est un complément)

L ANOVA ( ceci est un complément) L ANOVA ( cec est un complément) On utlse le t de Student pour comparer deux moyennes. Cependant s on veut comparer tros moyennes ou plus l devent nécessare d utlser l Analyse de Varance smple ou l ANOVA

Plus en détail

APPLICATIONS DES LOIS INFOMETRIQUES EN SCIENCES DE L INFORMATION : DUALITE, CHAMP INFOMETRIQUE D USAGE ET DE PRODUCTION

APPLICATIONS DES LOIS INFOMETRIQUES EN SCIENCES DE L INFORMATION : DUALITE, CHAMP INFOMETRIQUE D USAGE ET DE PRODUCTION APPLICATIONS DES LOIS INFOMETRIQUES EN SCIENCES DE L INFORMATION : DUALITE, CHAMP INFOMETRIQUE D USAGE ET DE PRODUCTION Therry Lafouge, Professeur en Scences de l'nformaton-communcaton 04 72 43 13 91 Therry.Lafouge@unv-lyon1.fr

Plus en détail

Régression linéaire et incertitudes expérimentales

Régression linéaire et incertitudes expérimentales 91 e Année - N 796 Publcaton Mensuelle Jullet/Août/Septembre 1997 Régresson lnéare et ncerttudes expérmentales par Danel BEAUFILS Insttut Natonal de Recherche Pédagogque Département Technologes Nouvelles

Plus en détail

Analyses de sensibilité et Recalage de modèles thermiques spatiaux à l aide d algorithmes génétiques.

Analyses de sensibilité et Recalage de modèles thermiques spatiaux à l aide d algorithmes génétiques. Analyses de sensblté et Recalage de modèles thermques spataux à l ade d algorthmes génétques. Approches stochastques et Industre 2&3/02/2006 F.JOUFFROY/A.CAPITAINE Plan de la présentaton Contexte Modélsaton

Plus en détail

L algorithme PageRank de Google : Une promenade sur la toile

L algorithme PageRank de Google : Une promenade sur la toile APMEP Pour chercher et approfondr 473 L algorthme PageRank de Google : Une promenade sur la tole Mchael Esermann (*) Depus plus d une décenne Google domne le marché des moteurs de recherche sur nternet

Plus en détail

UTILISATION DES COPULES POUR ANALYSER L IMPACT DES DEPENDANCES SUR UN PORTEFEUILLE DE CREDITS RAPPORT DE STAGE D INGENIEUR CONFIDENTIEL

UTILISATION DES COPULES POUR ANALYSER L IMPACT DES DEPENDANCES SUR UN PORTEFEUILLE DE CREDITS RAPPORT DE STAGE D INGENIEUR CONFIDENTIEL Yohan KABLA ECP - 3 EME ANNEE MAP SMF UTILISATION DES COPULES POUR ANALYSER L IMPACT DES DEPENDANCES SUR UN PORTEFEUILLE DE CREDITS RAPPORT DE STAGE D INGENIEUR CONFIDENTIEL 5 MAI NOVEMBRE 00 MAITRES DE

Plus en détail

L incidence de l éducation et de la formation des adultes sur la situation sur le marché du travail au Canada

L incidence de l éducation et de la formation des adultes sur la situation sur le marché du travail au Canada N o 81-595-MIF au catalogue N o 008 ISSN: 1704-8893 ISBN: 0-662-89631-9 Document de recherche Éducaton, compétences et apprentssage Documents de recherche L ncdence de l éducaton et de la formaton des

Plus en détail

SIMNUM : Simulation de systèmes auto-gravitants en orbite

SIMNUM : Simulation de systèmes auto-gravitants en orbite SIMNUM : Smulaton de systèmes auto-gravtants en orbte sujet proposé par Ncolas Kelbasewcz : ncolas.kelbasewcz@ensta-parstech.fr 14 janver 2014 1 Établssement du modèle 1.1 Approxmaton de champ lontan La

Plus en détail

DOCUMENT DE RECHERCHE EPEE

DOCUMENT DE RECHERCHE EPEE DOCUMENT DE RECHERCHE EPEE CENTRE D ETUDES DES POLITIQUES ECONOMIQUES DE L UNIVERSITE D EVRY Comment développer les emplos favorables à la bodversté en Ile-de-France? Jean DE BEIR, Célne EMOND, Yannck

Plus en détail

Le théorème du viriel

Le théorème du viriel Le théorème du vrel On se propose de démontrer le théorème du vrel de deux manères dfférentes. La premère fat appel à deux "trcks" qu l faut vor. Cette preuve met en avant une quantté, notée S c, qu permet

Plus en détail

MGA802. Analyse fonctionnelle. Chapitre 1. S. Antoine Tahan, ing. Ph.D. Département de génie mécanique

MGA802. Analyse fonctionnelle. Chapitre 1. S. Antoine Tahan, ing. Ph.D. Département de génie mécanique Analyse fonctonnelle Chaptre S. Antone Tahan, ng. Ph.D. Département de géne mécanque Ma 009 Manuel : Métrologe MEC66 Auteur : Antone Tahan, ng., Ph.D. atahan@mec.etsmtl.ca ère édton : novembre 004 ème

Plus en détail

La surcote modifie-t-elle les comportements de départ en retraite? Samiah Benallah

La surcote modifie-t-elle les comportements de départ en retraite? Samiah Benallah CONSEIL D ORIENTATION DES RETRAITES Groupe de Traval - Séance du 30 jun 2010-15 h «Effets des réformes récentes sur les comportements de départ à la retrate» Document N 14 Document de traval, n engage

Plus en détail

L anonymat dans les protocoles cryptographiques

L anonymat dans les protocoles cryptographiques École normale supéreure Département d nformatque Équpe CASCADE INRIA Unversté Pars 7 Dens Dderot L anonymat dans les protocoles cryptographques Thèse présentée et soutenue publquement le jeud 1 er octobre

Plus en détail

Editions ENI. Excel 2013. Collection Référence Bureautique. Extrait

Editions ENI. Excel 2013. Collection Référence Bureautique. Extrait Edtons ENI Excel 2013 Collecton Référence Bureautque Extrat Tableaux de données Tableaux de données Excel 2013 Créer un tableau de données Un tableau de données, auss appelé lste de données (dans les ancennes

Plus en détail

Soutien : Modèle de Potts mars 2015

Soutien : Modèle de Potts mars 2015 Année 04 05 Physque Statstque hors équlbre et transtons de phase Souten : Modèle de Potts mars 05 On onsdère une varante du modèle d Isng, dte de Potts, dans laquelle les N degrés de lberté (qu on appellera

Plus en détail

Le calcul de la valeur statistique d une vie humaine

Le calcul de la valeur statistique d une vie humaine Le calcul de la valeur statstque d une ve humane Georges Donne Martn Lebeau Novembre 2010 CIRRELT-2010-48 Bureaux de Montréal : Bureaux de Québec : Unversté de Montréal Unversté Laval C.P. 6128, succ.

Plus en détail

Chapitre 2 : Energie potentielle électrique. Potentiel électrique

Chapitre 2 : Energie potentielle électrique. Potentiel électrique 2 e BC 2 Energe potentelle électrque. Potentel électrque 12 Chaptre 2 : Energe potentelle électrque. Potentel électrque 1. Traval de la orce électrque a) Expresson mathématque dans le cas du déplacement

Plus en détail

Ch.5. Le modèle d évaluation par arbitrage et les modèles multifactoriels

Ch.5. Le modèle d évaluation par arbitrage et les modèles multifactoriels Unversté ars-dauphne aster 4 Evaluaton d'actfs Ch.5. e modèle d évaluaton par arbtrage et les modèles multfactorels oton d arbtrage Théorème fondamental d évaluaton par arbtrage AT et modèles multfactorels

Plus en détail

Plongée Plaisir Initiateur Modifications réglementaires 2010

Plongée Plaisir Initiateur Modifications réglementaires 2010 Plongée Plasr Intateur Modfcatons réglementares 2010 Ce fasccule est à destnaton des ntateurs de club en formaton ou en foncton, afn d actualser les éléments de réglementaton sute aux modfcatons nter venues

Plus en détail

LES DIMENSIONS DANS LA PERCEPTION DES INTERVALLES MUSICAUX *

LES DIMENSIONS DANS LA PERCEPTION DES INTERVALLES MUSICAUX * LES DIMENSIONS DANS LA PERCEPTION DES INTERVALLES MUSICAUX * "W.J.M. LEVELT et R. PLOMP (Insttute for Percepton R.V.O.-T.N.O., SOESTERBERG, PAYS-BAS) Introducton Il est ntéressant de savor de quelle manère

Plus en détail

Inversion d un modèle de culture pour estimer spatialement les propriétés des sols et améliorer la prédiction de variables agro-environnementales

Inversion d un modèle de culture pour estimer spatialement les propriétés des sols et améliorer la prédiction de variables agro-environnementales ACADEMIE D AIX-MARSEILLE UNIVERSITE D AVIGNON ET DES PAYS DE VAUCLUSE THESE DE DOCTORAT Présentée à l Unversté d Avgnon et des Pays de Vaucluse Ecole doctorale Sbaghe Spécalté Scences Agronomques Par Hubert-Vncent

Plus en détail

PROPOSITION D UNE PROCEDURE DE DETERMINATION DE TEMPS UNITAIRE DE PIECES DECOUPEES

PROPOSITION D UNE PROCEDURE DE DETERMINATION DE TEMPS UNITAIRE DE PIECES DECOUPEES 8 e Conférence Internatonale de MOdélsaton et SIMulaton - MOSIM - au 2 ma - Hammamet - Tunse «Evaluaton et optmsaton des systèmes nnovants de producton de bens et de servces» PROPOSITION D UNE PROCEDURE

Plus en détail

Les jeunes économistes

Les jeunes économistes Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque

Plus en détail

LP 46 Applications des lois de l'optique géométrique à l'appareil photographique

LP 46 Applications des lois de l'optique géométrique à l'appareil photographique LP 46 Applatons des los de l'optque géométrque à l'apparel photographque Introduton: Nous allons termner les leçons d'optque géométrque en étudant un apparel qu utlse les résultats de e domane de la physque,

Plus en détail

Fiche technique : diagonalisation, trigonalisation.

Fiche technique : diagonalisation, trigonalisation. Fche technque 4 : dagonalsaton trgonalsaton - - Fche technque : dagonalsaton trgonalsaton Dagonalsaton de matrces le prncpe pour dagonalser en pratque une matrce est smple : calculer les espaces propres

Plus en détail

Mesure de compatibilité et recherche de solutions régulières en contact pénalisé

Mesure de compatibilité et recherche de solutions régulières en contact pénalisé Mesure de compatblté et recherche de solutons régulères en contact pénalsé G. Vermot des Roches,3, E. Balmes,2, Hachm Ben Dha 3, Rém Lemare 4 SDTools 44, Rue Vergnaud, 7503, Pars - FRANCE {vermot,balmes}@sdtools.com

Plus en détail

DOCUMENT DE TRAVAIL 2004-023

DOCUMENT DE TRAVAIL 2004-023 Publé par : Publsed by : Publcacón de la : Édton électronque : Electronc publsng : Edcón electrónca : Dsponble sur Internet : Avalable on Internet Dsponble por Internet : Faculté des scences de l admnstraton

Plus en détail

Chapitre 5. Menu de SUPPORT

Chapitre 5. Menu de SUPPORT 155 Chaptre 5. Menu de SUPPORT Ce que vous apprendrez dans ce chaptre Ce chaptre vous présentera des routnes supplémentares susceptbles de vous ader dans les analyses de données présentées dans le chaptre

Plus en détail

Application de la méthode hybride RT/RS au problème d engagement des turbines "Unit Commitment"

Application de la méthode hybride RT/RS au problème d engagement des turbines Unit Commitment Applcaton de la méthode hybrde RT/RS au problème d engagement des turbnes "nt Commtment" R. D. OHAEDI S. ARIF A. HELLAL Laboratore d Analyse et de Commande des Systèmes d Énerge et Réseaux Électrques,

Plus en détail

(D après sujet de BEP Secteur 6 Groupement interacadémique II Session juin 2005)

(D après sujet de BEP Secteur 6 Groupement interacadémique II Session juin 2005) EXERCICES SUR LES STATISTIQUES Exercce 1 Un commerçant effectue des lvrasons de fuel pour les chaudères. La répartton des volumes dstrbués à chaque lvrason s effectue selon le tableau suvant : Volumes

Plus en détail

SUIVI CINETIQUE PAR ANALYSE CHIMIQUE (CORRECTION)

SUIVI CINETIQUE PAR ANALYSE CHIMIQUE (CORRECTION) Chme Termnale S Chaptre Travaux Pratques n a Correcton SUIVI CINETIQUE PAR ANALYSE CHIMIQUE (CORRECTION) 1 PRINCIPE On dose une espèce chmque (réact ou produt du système chmque) à ntervalle de temps réguler

Plus en détail

THÈSE DE DOCTORAT. Steven MARTIN. le 6 juillet 2004. pour obtenir le titre de

THÈSE DE DOCTORAT. Steven MARTIN. le 6 juillet 2004. pour obtenir le titre de THÈSE DE DOCTORAT UNIVERSITÉ PARIS XII présentée par Steven MARTIN le 6 ullet 2004 pour obtenr le ttre de DOCTEUR EN SCIENCES Spécalté Informatque MAÎTRISE DE LA DIMENSION TEMPORELLE DE LA QUALITÉ DE SERVICE

Plus en détail

RECUEIL DES METHODES INTERNATIONALES D'ANALYSES OIV Etude collaborative. Étude collaborative

RECUEIL DES METHODES INTERNATIONALES D'ANALYSES OIV Etude collaborative. Étude collaborative Étude collaboratve L étude collaboratve a pour but de donner une ndcaton quanttatve ur l exacttude d une éthode d analye, exprée par la répétablté r et la reproductblté R. La répétablté repréente la valeur

Plus en détail

Etude comparative des effets environnementaux et sanitaires des diverses sources d'énergie

Etude comparative des effets environnementaux et sanitaires des diverses sources d'énergie Etude comparatve des effets envronnementaux et santares des dverses sources d'énerge Aperçu des conclusons d'un document de synthèse présenté à Helsnk par S. Haddad et R. Dones La comparason des effets

Plus en détail