Risques concurrents avec causes de décès
|
|
- David Leboeuf
- il y a 8 ans
- Total affichages :
Transcription
1 Risques concurrents avec causes de décès masquées: Modèles, méthodes et applications Thierry DUCHESNE Radu CRAIU Département de mathématiques et de statistique et Unité de recherche en santé des populations, Université Laval Department of Statistics, University of Toronto Recherche supportée par le CRSNG et le FQRNT. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.1
2 Aperçu 1. Le modèle des risques concurrents 2. Exemples d études avec causes de décès masquées 3. Solution au problème technique 4. Exemple d analyse 5. Ce qui reste à faire Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.2
3 1. Risques concurrents Panne, Cause 1 En bon etat λ (t) 1 λ2(t) λ (t) j λ (t) J Panne, Cause 2. Panne, Cause j. Panne, Cause J Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.3
4 1. Risques concurrents Deces du au cancer λ (t) 1 Vivant avec cancer λ2(t) Deces du autre cause Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.4
5 1. Risques concurrents Deces λ (t) 1 Employe cie ABC λ2(t) Quitte pour autre cie λ3(t) Retraite Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.5
6 1. Risques concurrents Panne element 1 λ (t) 1 Disque dur fonctionne λ2(t) Panne element 2 λ3(t) Panne element 3 Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.6
7 1. Risques concurrents λ j (t): Taux de décès dû à la cause j au temps t. (Si on est vivant à t, quelles sont les chances de mourir de la cause j dans le prochain instant?) Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.7
8 1. Risques concurrents λ j (t): Taux de décès dû à la cause j au temps t. (Si on est vivant à t, quelles sont les chances de mourir de la cause j dans le prochain instant?) F j (t): Courbe d incidence cumulée de décès dû à la cause j au temps t. (Quelle proportion des gens vont mourir de la cause j entre les temps 0 et t?) Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.7
9 1. Risques concurrents λ j (t): Taux de décès dû à la cause j au temps t. (Si on est vivant à t, quelles sont les chances de mourir de la cause j dans le prochain instant?) F j (t): Courbe d incidence cumulée de décès dû à la cause j au temps t. (Quelle proportion des gens vont mourir de la cause j entre les temps 0 et t?) F KM j (t): Complément du Kaplan-Meier, cause j. (Sous l indépendance des causes, prob. de mourir avant t si j est la seule cause de décès possible.) Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.7
10 1. Risques concurrents λ j (t): Taux de décès dû à la cause j au temps t. (Si on est vivant à t, quelles sont les chances de mourir de la cause j dans le prochain instant?) F j (t): Courbe d incidence cumulée de décès dû à la cause j au temps t. (Quelle proportion des gens vont mourir de la cause j entre les temps 0 et t?) F KM j (t): Complément du Kaplan-Meier, cause j. (Sous l indépendance des causes, prob. de mourir avant t si j est la seule cause de décès possible.) Fj PC (t): Probabilité de décéder de j avant t sachant que l on n est pas décédé d une autre cause avant t. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.7
11 1. Risques concurrents Deces λ (t) 1 Greffe et en remission λ2(t) Rechute Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.8
12 1. Risques concurrents Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.9
13 1. Risques concurrents Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.10
14 1. Risques concurrents Type de questions auxquelles on tente de répondre: Un traitement diminue-t-il la mortalité due à une cause donnée? Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.11
15 1. Risques concurrents Type de questions auxquelles on tente de répondre: Un traitement diminue-t-il la mortalité due à une cause donnée? Modèles de prévision (médecine: calcul des chances de survie; génie: calcul des coûts d un programme de garantie; actuariat: évaluation des régimes de retraite; sociologie: modélisation de la durée des mariages). Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.11
16 1. Risques concurrents Type de questions auxquelles on tente de répondre: Un traitement diminue-t-il la mortalité due à une cause donnée? Modèles de prévision (médecine: calcul des chances de survie; génie: calcul des coûts d un programme de garantie; actuariat: évaluation des régimes de retraite; sociologie: modélisation de la durée des mariages). Amélioration de la survie si une cause est éliminée (plutôt rare et difficile...) Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.11
17 1. Risques concurrents Les données nécessaires: Les temps de décès ou de censure. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.12
18 1. Risques concurrents Les données nécessaires: Les temps de décès ou de censure. Les causes de décès. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.12
19 1. Risques concurrents Les données nécessaires: Les temps de décès ou de censure. Les causes de décès. Si toute cette information est disponible, les procédures statistiques sont relativement simples et déjà disponibles (SAS, S-Plus)... Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.12
20 1. Risques concurrents Les données nécessaires: Les temps de décès ou de censure. Les causes de décès. Si toute cette information est disponible, les procédures statistiques sont relativement simples et déjà disponibles (SAS, S-Plus)... Mais ce n est pas toujours le cas!! Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.12
21 2. Quelques exemples d études Carcinogenèse (Dinse, JASA, 1986) Objectif: Modéliser la survie de souris ayant reçu un carcinogène. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.13
22 2. Quelques exemples d études Carcinogenèse (Dinse, JASA, 1986) Objectif: Modéliser la survie de souris ayant reçu un carcinogène. Données: Temps de décès pour toutes les souris, cause de décès ( cancer" ou autre") pour certaines souris. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.13
23 2. Quelques exemples d études Carcinogenèse (Dinse, JASA, 1986) Objectif: Modéliser la survie de souris ayant reçu un carcinogène. Données: Temps de décès pour toutes les souris, cause de décès ( cancer" ou autre") pour certaines souris. Problème: Pour certaines souris, la cause de décès est inconnue. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.13
24 2. Quelques exemples d études Cancer du sein (Goetghebeur & Ryan, Biometrika, 1990) Objectif: Tester si la mortalité due au cancer est la même dans deux groupes. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.14
25 2. Quelques exemples d études Cancer du sein (Goetghebeur & Ryan, Biometrika, 1990) Objectif: Tester si la mortalité due au cancer est la même dans deux groupes. Données: Temps de décès ou de censure pour toutes les femmes, cause de mortalité ( cancer" ou autre") pour certaines femmes. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.14
26 2. Quelques exemples d études Cancer du sein (Goetghebeur & Ryan, Biometrika, 1990) Objectif: Tester si la mortalité due au cancer est la même dans deux groupes. Données: Temps de décès ou de censure pour toutes les femmes, cause de mortalité ( cancer" ou autre") pour certaines femmes. Problème: Pour certaines femmes, la cause de décès est inconnue. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.14
27 2. Quelques exemples d études Fiabilité de disques durs (Flehinger et al., LDA, 2002) Objectif: Modéliser la fiabilité d unités de disques durs. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.15
28 2. Quelques exemples d études Fiabilité de disques durs (Flehinger et al., LDA, 2002) Objectif: Modéliser la fiabilité d unités de disques durs. Données: Temps de panne ou de censure pour toutes les unités, cause de décès (1, 2 ou 3) pour certaines unités. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.15
29 2. Quelques exemples d études Fiabilité de disques durs (Flehinger et al., LDA, 2002) Objectif: Modéliser la fiabilité d unités de disques durs. Données: Temps de panne ou de censure pour toutes les unités, cause de décès (1, 2 ou 3) pour certaines unités. Problème: Pour certaines unités, la cause de la panne n est pas connue de façon exacte, mais on sait qu elle appartient à un sous-groupe des causes de panne. De plus, certaines unités sont envoyées en autopsie" où la cause de panne est déterminée de façon unique. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.15
30 2. Quelques exemples 10,000 Disques durs Censure a t=4 Panne avant t=4 Cause masquee Cause evidente autposie pas d autopsie Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.16
31 3. Solution au problème L algorithme EM Si il ne manquait pas de données, on estimerait les fonctions λ j (t) en maximisant la fonction de log-vraisemblance l(λ). Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.17
32 3. Solution au problème L algorithme EM Si il ne manquait pas de données, on estimerait les fonctions λ j (t) en maximisant la fonction de log-vraisemblance l(λ). Quand des données sont manquantes, on peut utiliser l algorithme EM: Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.17
33 3. Solution au problème L algorithme EM Si il ne manquait pas de données, on estimerait les fonctions λ j (t) en maximisant la fonction de log-vraisemblance l(λ). Quand des données sont manquantes, on peut utiliser l algorithme EM: 1. On calcule E[l(λ) données observées]; Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.17
34 3. Solution au problème L algorithme EM Si il ne manquait pas de données, on estimerait les fonctions λ j (t) en maximisant la fonction de log-vraisemblance l(λ). Quand des données sont manquantes, on peut utiliser l algorithme EM: 1. On calcule E[l(λ) données observées]; 2. On maximise la fonction obtenue en 1. et on alterne entre 1. et 2. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.17
35 3. Solution au problème L algorithme EM Si il ne manquait pas de données, on estimerait les fonctions λ j (t) en maximisant la fonction de log-vraisemblance l(λ). Quand des données sont manquantes, on peut utiliser l algorithme EM: 1. On calcule E[l(λ) données observées]; 2. On maximise la fonction obtenue en 1. et on alterne entre 1. et 2. Craiu & Duchesne (Biometrika 2004) donnent les détails et montrent que ça fonctionne. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.17
36 3. Solution au problème Modèles pouvant être utilisés dans l algorithme de Craiu & Duchesne (2004): λ j (t) paramétriques Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.18
37 3. Solution au problème Modèles pouvant être utilisés dans l algorithme de Craiu & Duchesne (2004): λ j (t) paramétriques λ j (t) proportionnelles Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.18
38 3. Solution au problème Modèles pouvant être utilisés dans l algorithme de Craiu & Duchesne (2004): λ j (t) paramétriques λ j (t) proportionnelles λ j (t) constantes par intervalles Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.18
39 3. Solution au problème λ 1 (t) λ 2 (t) λ 3 (t) t Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.19
40 3. Solution au problème λ 1 (t) λ 2 (t) λ 3 (t) t Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.20
41 3. Solution au problème λ 1 (t) λ (t) 2 λ 3 (t) t Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.21
42 3. Solution au problème Hypothèses pouvant être testées à l aide de la méthode de Craiu & Duchesne (2004): proportionnalité des taux de décès Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.22
43 3. Solution au problème Hypothèses pouvant être testées à l aide de la méthode de Craiu & Duchesne (2004): proportionnalité des taux de décès hypothèses sur la façon dont les causes de décès sont masquées Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.22
44 3. Solution au problème Hypothèses pouvant être testées à l aide de la méthode de Craiu & Duchesne (2004): proportionnalité des taux de décès hypothèses sur la façon dont les causes de décès sont masquées ajustement de modèles paramétriques Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.22
45 4. Exemple Flehinger et al. (LDA, 2002) utilisent un modèle avec taux de décès Weibull pour modéliser la fiabilité de unités de disques durs, 3 causes de panne, 172 pannes, plusieurs causes masquées dans {1, 3} ou {1, 2, 3}. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.23
46 4. Exemple 10,000 Disques durs Censure a t=4 Panne avant t=4 Cause masquee Cause evidente autposie pas d autopsie Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.24
47 4. Exemple On essaie le modèle avec taux de panne constants par paliers. Test prob. constantes dans temps: 5.83 sur 5 d.l., p-value de 0.32; Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.25
48 4. Exemple On essaie le modèle avec taux de panne constants par paliers. Test prob. constantes dans temps: 5.83 sur 5 d.l., p-value de 0.32; Symétrie des prob.: 7.34 sur 2 d.l., p-value de ; Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.25
49 4. Exemple On essaie le modèle avec taux de panne constants par paliers. Test prob. constantes dans temps: 5.83 sur 5 d.l., p-value de 0.32; Symétrie des prob.: 7.34 sur 2 d.l., p-value de ; Taux proportionnels: 30.5 sur 4 d.l., p-value de Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.25
50 4. Exemple Cause 1 Specific Hazard Flehinger et al s Data lambda_1(time) PC model Weibull 95% conf. limits time (years) Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.26
51 4. Exemple Cause 2 Specific Hazard Flehinger et al s Data lambda_1(time) PC model Weibull 95% conf. limits time (years) Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.27
52 4. Exemple Cause 3 Specific Hazard Flehinger et al s Data lambda_1(time) PC model Weibull 95% conf. limits time (years) Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.28
53 5. Recherche future Mieux comprendre la méthode quand il n y a pas de données d autopsie". Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.29
54 5. Recherche future Mieux comprendre la méthode quand il n y a pas de données d autopsie". Comment choisir les individus à envoyer en autopsie"? Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.29
55 5. Recherche future Mieux comprendre la méthode quand il n y a pas de données d autopsie". Comment choisir les individus à envoyer en autopsie"? Étudier le comportement du modèle en présence de covariables. Duchesne & Craiu Article complet disponible sur Rencontre scientifique de l URESP, Québec, 9 février 2004 p.29
La survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailFORD C-MAX + FORD GRAND C-MAX CMAX_Main_Cover_2013_V3.indd 1-3 22/08/2012 15:12
1 2 3 4 5 6 7 8 9 10 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 12 14 16 1 12 7 3 1 6 2 5 4 3 11 9 10 8 18 20 21 22 23 24 26 28 30
Plus en détailLe quizz des stats. Xavier Paoletti. Sce de biostatistiques / Inserm U900 Institut Curie
Le quizz des stats Xavier Paoletti Sce de biostatistiques / Inserm U900 Institut Curie Qques questions pour entamer les hostilités 1. Description de la population Pourquoi parler d'âge médian et non moyen?
Plus en détailAnalyse des durées de vie avec le logiciel R
Analyse des durées de vie avec le logiciel R Ségolen Geffray Des outils ainsi que des données pour l analyse des durées de vie sont disponibles dans les packages survival MASS Il est nécessaire de charger
Plus en détailQu est-ce que la Bourse?
Qu est-ce que la Bourse? Une bourse est un marché sur lequel se négocient des valeurs mobilières. Les émetteurs y offrent des titres que les investisseurs achètent ; ces derniers financent alors les agents
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ARTHUR CHARPENTIER 1 Un certain test médical révèle correctement, avec probabilité 0.85, qu une personne a le sida lorsqu elle l a vraiment et révèle incorrectement,
Plus en détailL'intelligence d'affaires: la statistique dans nos vies de consommateurs
L'intelligence d'affaires: la statistique dans nos vies de consommateurs Jean-François Plante, HEC Montréal Marc Fredette, HEC Montréal Congrès de l ACFAS, Université Laval, 6 mai 2013 Intelligence d affaires
Plus en détailEvaluation générale de la qualité des données par âge et sexe
Analyse démographique pour la prise des décisions. Tendances, et inégalités de mortalité et de fécondité en Afrique francophone : les outils en ligne de l UNFPA / UIESP pour l'estimation démographique.
Plus en détailApplication des courbes ROC à l analyse des facteurs pronostiques binaires
Application des courbes ROC à l analyse des facteurs pronostiques binaires Combescure C (1), Perneger TV (1), Weber DC (2), Daurès J P (3), Foucher Y (4) (1) Service d épidémiologie clinique et Centre
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailEvaluation de critères res de substitution de la survie globale dans les cancers bronchiques localement avancés
Evaluation de critères res de substitution de la survie globale dans les cancers bronchiques localement avancés Evaluations de la survie sans progression et du contrôle locoregional comme critère de substitution
Plus en détailEFFICACITÉ ET INNOCUITÉ D UN MÉDICAMENT CONTRE LA MPOC COMPARATIVEMENT À UN CONTRÔLE
MICHÈLE PICARD FLIBOTTE EFFICACITÉ ET INNOCUITÉ D UN MÉDICAMENT CONTRE LA MPOC COMPARATIVEMENT À UN CONTRÔLE Essai-stage présenté à la Faculté des études supérieures de l Université Laval dans le cadre
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailArbre de probabilité(afrique) Univers - Evénement
Arbre de probabilité(afrique) Univers - Evénement Exercice 1 Donner l univers Ω de l expérience aléatoire consistant à tirer deux boules simultanément d une urne qui en contient 10 numérotés puis à lancer
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailRésultats techniques de la mortalité au Canada
Résultats techniques de la mortalité au Canada Présentation à l assemblée annuelle de l ICA à Vancouver 29 juin 2010 1 Présentation Espérance de vie Amélioration de la longévité Comparaisons internationales
Plus en détailITIL V2 Processus : La Gestion des Configurations
ITIL V2 Processus : La Gestion des Configurations Auteur: Fabian PIAU, Master 2 MIAGE, Nantes La Gestion des Configurations est un processus issu d ITIL version 2 qui aide au soutien du service («Service
Plus en détailE-MARQUE TRAITEMENT DES FICHIERS SAISON 2014/2015
E-MARQUE TRAITEMENT DES FICHIERS SAISON 2014/2015 Sommaire Principes généraux Cas A : Importer une rencontre Depuis un fichier import A.1. Récupération du fichier import A.2. Transmission du fichier Export
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailRégionalisation des régimes de perturbations et implications pour l aménagement dans un contexte de changement climatique
Régionalisation des régimes de perturbations et implications pour l aménagement dans un contexte de changement climatique Sylvie Gauthier, Chercheuse scientifique, successions forestières RNCan-SCF-CFL
Plus en détailETUDE D USAGE D ALPHALIRE
ETUDE D USAGE D ALPHALIRE Festival du premier roman de Chambéry-Savoie Festival du premier roman de Chambéry, 237 carré Curial, 73 000 Chambéry Directrice : Véronique Bourlon (veroniquebourlon@festivalpremierroman.com)
Plus en détailClassification non supervisée
AgroParisTech Classification non supervisée E. Lebarbier, T. Mary-Huard Table des matières 1 Introduction 4 2 Méthodes de partitionnement 5 2.1 Mesures de similarité et de dissimilarité, distances.................
Plus en détailDéfi SSQ Groupe financier
Défi SSQ Groupe financier 16 janvier 2015 Gestion actif-passif : optimisation d une position d appariement Table des matières Présentation SSQ Groupe financier Vice-présidence Placements Problématique
Plus en détailPRINCIPES DE LA CONSOLIDATION. CHAPITRE 4 : Méthodes de consolidation. Maître de conférences en Sciences de Gestion Diplômé d expertise comptable
PRINCIPES DE LA CONSOLIDATION CHAPITRE 4 : Méthodes de consolidation David Carassus Maître de conférences en Sciences de Gestion Diplômé d expertise comptable SOMMAIRE CHAPITRE I Les fondements de la consolidation
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailLES DIFFERENTS TYPES DE MESURE
LES DIFFERENTS TYPES DE MESURE Licence - Statistiques 2004/2005 REALITE ET DONNEES CHIFFREES Recherche = - mesure. - traduction d une réalité en chiffre - abouti à des tableaux, des calculs 1) Qu est-ce
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailSOMMAIRE. Installation et utilisation HP RDX.doc
Page 1 sur 15 SOMMAIRE Chapitre 1 Présentation 2 Chapitre 2 Installation 4 Chapitre 3 Sauvegarde 6 Chapitre 4 Utilisation Menu bouton droit HP RDX 8 Chapitre 5 Utilisation divers 9 Chapitre 6 Cartouche
Plus en détailOPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailWinARC Installation et utilisation D un écran déporté (Windows 7)
Ligue 10 - Mini Bolid Club Pertuisien WinARC Installation et utilisation D un écran déporté (Windows 7) http://www.ligue10.com/comptage Page 1 sur 6 Partie 1 : Matériel nécessaire 1 PC équipé de Windows
Plus en détailSommaire. Couverture de zone de surveillance dans les réseaux de capteurs. De quoi parle-t-on ici (1/2)? Objectif. De quoi parle-t-on ici (2/2)?
ouverture de zone de surveillance dans les réseaux de capteurs Jean arle, Master Recherche Informatique Option Informatique Mobile 008-009 s Jean arle - Master Recherche Informatique 008-009 Objectif e
Plus en détailII. REVOD Plongée à l ordinateur. Septembre 2010. Plan de l exposé
1 Décompression II. REVOD Plongée à l ordinateur Septembre 2010 Plan de l exposé Introduction Typologie de la décompression: No déco Déco légère Déco Lourde La planification Les profils de plongée Le palier
Plus en détailAnalyse des bruits de clavier d ordinateur
Analyse des bruits de clavier d ordinateur Introduction 1 Enregistrement des bruits de clavier 2 Analyse des bruits de clavier 3 Analyse du niveau de pression acoustique vs. temps 4 Sonie vs. temps 4 Acuité
Plus en détailOptimisation des ressources des produits automobile première
EURIA EURo Optimisation produits automobile première Pauline PERROT promotion 2011 EURIA EURo 1 ère partie : contexte MMA (FFSA) MAAF (GEMA) SGAM : COVEA (AFA) GMF (GEMA) MMA : Plus 3 millions clients
Plus en détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
Plus en détailCloud pour applications PC SOFT Tarification
Cloud pour applications PC SOFT Tarification Date d entrée en vigueur de cette tarifi cation : 26 mai 2014 16:44 Présentation Le Cloud pour applications PC SOFT met à votre disposition des plateformes
Plus en détailVotre guide 2015 Régime enregistré d épargne-retraite (REER)
Votre guide 2015 Régime enregistré d épargne-retraite (REER) en termes simples Présenté par ept notions simples pour mieux comprendre le REER : 1 2 3 4 5 6 7 Qu est-ce qu un REER? Combien pouvez-vous verser
Plus en détailRepères Gérer la capacité
Repères Gérer la http://www.agilecom.fr Les enjeux de la gestion de la Réaliser cet ajustement est un effort continuel : La stratégie de l entreprise évolue avec la conjoncture ; Les métiers développent
Plus en détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailMulticast & IGMP Snooping
Multicast & IGMP Snooping par Pierre SALAVERA Service Technique ACTN «Dans l article de cette semaine, je vais vous parler d un principe «à la mode» comme on dit : le Multicast (multidiffusion). Cette
Plus en détailGestion obligataire passive
Finance 1 Université d Evry Séance 7 Gestion obligataire passive Philippe Priaulet L efficience des marchés Stratégies passives Qu est-ce qu un bon benchmark? Réplication simple Réplication par échantillonnage
Plus en détailCorrection du baccalauréat STMG Polynésie 17 juin 2014
Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé
Plus en détailLecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888
Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques
Plus en détailPartie 7 : Gestion de la mémoire
INF3600+INF2610 Automne 2006 Partie 7 : Gestion de la mémoire Exercice 1 : Considérez un système disposant de 16 MO de mémoire physique réservée aux processus utilisateur. La mémoire est composée de cases
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailConseil économique et social. Document établi par le Bureau central de statistique d Israël
Nations Unies Conseil économique et social ECE/CES/GE.2/214/3 Distr. générale 12 février 214 Français Original: russe Commission économique pour l Europe Conférence des statisticiens européens Groupe d
Plus en détailFOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS
FOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS 550, RUE SHERBROOKE OUEST MONTRÉAL (QUÉBEC) H3A 1B9 BUREAU 900 TOUR EST T 514 849-8086, POSTE 3064 Réflexions méthodologiques Depuis des années,
Plus en détailLe dépistage du cancer de la prostate. une décision qui VOUS appartient!
Le dépistage du cancer de la prostate une décision qui VOUS appartient! Il existe un test de dépistage du cancer de la prostate depuis plusieurs années. Ce test, appelé dosage de l antigène prostatique
Plus en détailGood practice: réduction individuelle des primes d assurance-maladie
Good practice: réduction individuelle des primes d assurance-maladie Extrait du rapport: Ehrler, Franziska, Caroline Knupfer et Yann Bochsler (2012) Effets de seuil et effets pervers sur l activité. Une
Plus en détailJonathan Bohm, FSA, FICA
Jonathan Bohm, FSA, FICA 3 avril 2014 _ Au programme Qui est Normandin Beaudry? Notions de base Contexte Un remède aux régimes privés d assurance médicaments Nouvelle assurance médicament onéreux 2 3 QUI
Plus en détailEtude d Algorithmes Parallèles de Data Mining
REPUBLIQUE TUNISIENNE MINISTERE DE L ENSEIGNEMENT SUPERIEUR, DE LA TECHNOLOGIE ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE DE TUNIS ELMANAR FACULTE DES SCIENCES DE TUNIS DEPARTEMENT DES SCIENCES DE L INFORMATIQUE
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détailComplément d information concernant la fiche de concordance
Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailIBM SPSS Regression 21
IBM SPSS Regression 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 46. Cette version s applique à IBM SPSS Statistics
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailVoici une demande qui revient régulièrement lors de mes rencontres avec les employeurs :
Logique dépannage La logique de dépannage dépend d une multitude d aspect, et un de ses aspects que j ai pu constater avec le temps en tant que formateur est que les techniciens industriels apprennent
Plus en détailQuestions d Entretiens en Finance de Marché Retour 2011/2012
Questions d Entretiens en Finance de Marché Retour 2011/2012 Université Lille 1 - Master 2 Mathématiques et Finance Mathématiques du Risque Contact : alexis.fauth@invivoo.com http://samm.univ-paris1.fr/-alexis-fauth-
Plus en détailComplémentaire santé PQSR (Pas de Question Sans Réponse) Questions sur la négociation de l accord :
Complémentaire santé PQSR (Pas de Question Sans Réponse) Date de création : 31/03/2014 Date de mise à jour : 25/09/2014 SOMMAIRE : Questions sur la négociation de l accord : LEGENDE : rouge : question
Plus en détailFORD FOCUS 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 17 19 20 21 9 3 1 1 6 4 2 5 7 8 10 23 25
Plus en détailBaromètre de l innovation Janvier 2015
Baromètre de l innovation Janvier 2015 Les pratiques culturelles des français et leurs usage s numériques Un baromètre BVA Syntec numérique Sondage réalisé par pour le Méthodologie Recueil Enquête réalisée
Plus en détailManuel d Utilisateur - Logiciel ModAFi. Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO
Manuel d Utilisateur - Logiciel ModAFi Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO Grenoble, 12 juin 2012 Table des matières 1 Introduction 3 2 Modèles supportés 3 2.1 Les diérents modèles supportés pour
Plus en détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailMesurer le retour sur investissement
Mesurer le retour sur investissement Les statistiques... 268 Tableau de bord et corrélation... 271 Google Analytics... 272 Google Webmaster Tools... 276 Google AdWords... 278 Résumé... 281 Chapitre 6 Mesurer
Plus en détailProbabilités conditionnelles
Probabilités conditionnelles Exercice Dans une usine, on utilise conjointement deux machines M et M 2 pour fabriquer des pièces cylindriques en série. Pour une période donnée, leurs probabilités de tomber
Plus en détailAide-mémoire de statistique appliquée à la biologie
Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela
Plus en détailLe suivi de la qualité. Méthode MSP : généralités
Le suivi de la qualité La politique qualité d une entreprise impose que celle maîtrise sa fabrication. Pour cela, elle doit être capable d évaluer la «qualité» de son processus de production et ceci parfois
Plus en détailPLAN. Industrialisateur Open Source LANS DE SECOURS INFORMATIQUES PRINCIPES GENERAUX ETAT DE L ART SELON BV ASSOCIATES
PLAN LANS DE SECOURS INFORMATIQUES PRINCIPES GENERAUX & ETAT DE L ART SELON BV ASSOCIATES Copyright BV Associates 2013 IMEPSIA TM est une marque déposée par BV Associates Page 1 SOMMAIRE 1 PRINCIPES GENERAUX
Plus en détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détailTests de montée en charge & Haute disponibilité
V1.7 Tests de montée en charge & Haute disponibilité Appliqués à l ENT de Paris Descartes ESUP-Days 13 8 Fév 2012 Sommaire Contexte et enjeux à Paris Descartes Une architecture Apache/Tomcat en «load balancing»
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailTD1 PROPAGATION DANS UN MILIEU PRESENTANT UN GRADIENT D'INDICE
TD1 PROPAGATION DANS UN MILIEU PRESENTANT UN GRADIENT D'INDICE Exercice en classe EXERCICE 1 : La fibre à gradient d indice On considère la propagation d une onde électromagnétique dans un milieu diélectrique
Plus en détailManipuler fichiers et dossiers
Manipuler fichiers et dossiers 1- Créer des dossiers Ouvrir le Poste de travail, Ouvrir le disque dur C:, Ouvrir le dossier Mes documents, Créer un dossier : - cliquer avec le bouton droit de la souris
Plus en détailModélisation de la dépendance entre les garanties applicables en assurance automobile
RICHARD VERMETTE Modélisation de la dépendance entre les garanties applicables en assurance automobile Mémoire présenté à la Faculté des études supérieures de l Université Laval dans le cadre du programme
Plus en détailProgramme canadien pour l épargne-études Rapport statistique annuel
Programme canadien pour l épargne-études Rapport statistique annuel Décembre 2008 TABLE DES MATIÈRES MESSAGE AUX INTERVENANTS... 3 PROGRAMME CANADIEN POUR L ÉPARGNE-ÉTUDES (PCEE)... 4 MÉTHODOLOGIE DU RAPPORT...
Plus en détailMigration: un plus pour la Suisse Relations entre État social et migration: la position de Caritas
Migration: un plus pour la Suisse Relations entre État social et migration: la position de Caritas Prise de position de Caritas_mars 2011 Migration: un plus pour la Suisse En bref: Quel est l effet de
Plus en détailSpectrophotométrie - Dilution 1 Dilution et facteur de dilution. 1.1 Mode opératoire :
Spectrophotométrie - Dilution 1 Dilution et facteur de dilution. 1.1 Mode opératoire : 1. Prélever ml de la solution mère à la pipette jaugée. Est-ce que je sais : Mettre une propipette sur une pipette
Plus en détailModèle de budget mensuel
Modèle de budget mensuel Ce modèle de budget a été créé pour vous aider à vous fixer un budget adapté à votre situation. Que vous épargniez en vue de votre mariage ou de l arrivée d un enfant, établir
Plus en détailDonnées longitudinales et modèles de survie
ANALYSE DU Données longitudinales et modèles de survie 5. Modèles de régression en temps discret André Berchtold Département des sciences économiques, Université de Genève Cours de Master ANALYSE DU Plan
Plus en détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailCaméra Numérique de Microscopie Couleur USB. Guide d installation
Caméra Numérique de Microscopie Couleur USB Guide d installation Introduction Félicitations, vous venez de faire l acquisition d un oculaire électronique spécialement adapté pour une loupe binoculaire,
Plus en détailSmartClass+ Plateforme de gestion de classe. Qu importe le lieu, le moment, l appareil. ipad, Mac Android Windows Téléphones intelligents «AVEC»
SmartClass+ Plateforme de gestion de classe Qu importe le lieu, le moment, l appareil ipad, Mac Android Windows Téléphones intelligents «AVEC» La classe du XXI e siècle, à l ère du numérique La technologie
Plus en détailBaccalauréat universitaire (bachelor) en mathématiques et sciences informatiques
Baccalauréat universitaire (bachelor) en mathématiques et sciences informatiques CONDITIONS GENERALES Art. A 3 Baccalauréat universitaire en mathématiques et sciences informatiques 1. La Faculté décerne
Plus en détailPremiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données. Premiers pas avec SES-Pegase 1
Premiers pas avec SES-Pegase 1 Premiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données www.delta-expert.com Mise à jour : Premiers pas avec SES-Pegase
Plus en détail