Tests d hypothèses restreintes
|
|
- Élodie Marie-Paule Viau
- il y a 8 ans
- Total affichages :
Transcription
1 Tests d hypothèses restreintes Céline Delmas & Jean-Louis Foulley Station de Génétique Quantitative et Appliquée I.N.R.A., Domaine de Vilvert 7835 Jouy-en-Josas Cedex {delmas,foulley}@dga.jouy.inra.fr Résumé: Nous donnons la loi asymptotique, sous l hypothèse nulle et sous l alternative, de statistiques de tests basées sur la vraisemblance, quand l espace paramétrique est restreint par un cône sphérique ou par le cône C = {t = (t 1,, t p ) T R p ; t 1,, t p }. Les résultats obtenus permettent le calcul du niveau et de la puissance de ces tests restreints. Notre étude n est pas limitée au cas d observations iid. Des calculs numériques montrent que le test du rapport de vraisemblance restreint par un cône C 1 C est uniformément plus puissant que le test du rapport de vraisemblance restreint par le cône C sur toutes les alternatives qui appartiennent à C 1. En particulier, un test restreint est uniformément plus puissant qu un test non restreint sur toutes les alternatives qui appartiennent à l espace restreint. Mots-clés: Cone, Hypothèses restreintes, Méthode de Rice, Test de score, Test du rapport de vraisemblance Abstract: We give the asymptotic distribution function, under the null and the alternative hypothesis, of statistics based on the likelihood, when the parameter space is restricted by a spherical cone or by the polyhedral cone C = {t = (t 1,, t p ) T R p ; t 1,, t p }. The results obtained ensure the calculation of threshold and power of such restricted tests. Our study is not limited to iid observations. Numerical calculations show that the likelihood ratio test restricted by a cone C 1 C is uniformly more powerful than the likelihood ratio test restricted by C on all the alternatives that belong to C 1. Particularly, a restricted test is uniformly more powerful than a non-restricted one on all the restricted alternatives. Key words: Cone, Likelihood ratio test, Projection, Restricted Hypothesis, Rice method, Score test 1 Introduction Supposons qu une maladie soit caractérisée par une sur-expression de p gènes spécifiques dans un extrait biologique d un patient. Notons Y l expression simultanée des p gènes. 1
2 Supposons que Y suit une N (µ; Σ) sur les sujets sains et une N (µ + m; Σ) avec m = (m 1,, m p ) T et m 1,, m p sur les sujets malades. Notons X = Y µ. Un patient se fait tester pour la maladie. Nous devons tester, à partir de l unique observation de X, H, X suit une N (; Σ), contre H 1, X suit une N (m; Σ), avec m et m C Ω = {m R p ; m 1,, m p }. C Ω est un cône de R p de sommet. Nous rappelons qu un cône C Ω de sommet θ dans R p satisfait: C Ω = {x R p / si x C Ω alors a(x θ ) + θ C Ω a R + }. On note P C (Z) la projection de Z sur le cône C. La statistique de test du rapport des vraisemblances, [ln(exp( 1(X ˆm)T Σ 1 (X ˆm))) ln(exp( 1 XT Σ 1 X))] avec ˆm l estimateur du maximum de vraisemblance de m sous H 1, est: S = P Σ 1/ C Ω (Σ 1/ X). Sous H, S suit une loi P Σ 1/ C Ω (Z) où Z est N (, Id). Sous H 1, S suit une loi P Σ 1/ C Ω (Z + Σ 1/ m)). De manière plus générale on peut montrer que, dans le cas d une hypothèse nulle simple, les lois asymptotiques des statistiques de test de rapport de vraisemblance se réduisent à P C (Z + λ) où C est un cône (cf Weiss (1971, 1973), Self et Liang (1987), Delmas et Foulley (article soumis)). La loi de P C (Z) peut être trouvée, quand C est un cône convexe de R p et Z N (, Id), dans Pincus (1975), Lin et Lindsay (1997) ou Takemura et Kuriki (1997). Des résultats, quand C est un cône sphérique nonconvexe, sont obtenus dans Delmas (3). La loi de P C (Z + λ) qui donne la puissance du test est inconnue. Dans la section, nous donnons l expression de la fonction de répartition de P C (Z + λ) quand C est un cône sphérique ou bien quand C = {t = (t 1,, t p ) T R p ; t 1,, t p }. Dans la section 3, des calculs numériques montrent que le test du rapport des vraisemblances restreint par un cône C 1 C est uniformément plus puissant que le test du rapport des vraisemblances restreint par C pour toutes les alternatives qui appartiennent à C 1. Résultats Soit C un cône sphérique de R de sommet caractérisé par l angle T [, π]. Théorème 1 Notons Z = (Z 1, Z ) T une variable aléatoire N (m, Id), m = (m 1, m ) T, m(t) = m 1 cos(t) + m sin(t), m (t) = m cos(t) m 1 sin(t), ϕ et Φ sont respectivement la densité et la fonction de répartition d une gaussienne standard, Φ = 1 Φ. Alors, pour v > : P [ Z v] = π ϕ(m (t))[ϕ(v m(t)) + m(t) Φ(v m(t))]dt. (1)
3 Quand T π (C est un cône convexe), pour u > : P [ P C (Z) u] = Φ(u m 1 ) + Quand T [π; π[ (C est un cône non-convexe), pour u > : ϕ(u m(t))[m (t)φ(m (t)) + ϕ(m (t))]dt. () P [ P C (Z) u] = Φ(u m 1 ) + ϕ(u m(t))[m (t)φ(m (t)) + ϕ(m (t))]dt (3) ( ) ( ) u(1 cos(t)) + sin(t)m (t) u(1 cos(t)) + sin(t)m ϕ(u m(t))[ϕ + m (t) (t)φ ]dt. π sin(t) sin(t) Remarque : Quand m =, nous avons, quand T π: et quand T [π; π[, P [ P C (Z) u] = 1 P [χ (1) u ] + T π P [χ () u ] P [ P C (Z) u] = 1 P [χ (1) u ] + T π P [χ () u ] π exp[ u (1 cos(t)) sin(t) ] π dt. Soit C un cône de R N+1 de sommet caractérisé par l angle t = (t 1,, t N ) avec t S [, π] [, π] N 1. Notons β(t) = (β 1 (t),, β N+1 (t)) T avec: β 1 (t) = sin(t N ) sin(t N 1 ) sin(t ) cos(t 1 ) β (t) = sin(t N ) sin(t N 1 ) sin(t ) sin(t 1 ) β 3 (t) = sin(t N ) sin(t N 1 ) cos(t ) Notons:. β N+1 (t) = cos(t N ). v 1 = sin (t N ) sin (t N 1 ) sin (t ) v = sin (t N ) sin (t N 1 ) sin (t 3 ). v N 1 = sin (t N ) v N = 1 Notons Z = (Z 1,, Z N+1 ) T une variable aléatoire N (m; Id), m = (m 1,, m N+1 ) T, m(t) = N+1 i=1 βi (t)m i, m j(t) = N+1 β i (t) i=1 m t j i. 3
4 Théorème Soit C le cône caractérisé par t S = [, π ]N ou par β(t) [; + [ N+1. Alors, avec p < k 1 < < k j, et en notant S p,k1,,k j = {t S : t k, pour k = 1 à p 1, fixés à une valeur arbitraire, t p =, t k 1 = t k = = t k j = π }, nous avons pour u > : P [ P C (Z) u] = p= N p j= k 1,, k j = 1 p < k 1 < < k j S p,k1,,k j dt N i = p + 1 i k 1, i k j vi + u dx xn p j exp[ (x m(t)) ] ( π) N p j+1 exp[ 1 i = p + 1 i k 1, i k j m i (t) v i ] (4) exp[ 1 p i=1 dz 1 dz (z i λ i ) ] p p π où λ = (m, m 1, m 3, m 4,, m N+1 ). Remark : Quand m = nous avons: + dy k1 + j i=1 (y ki m k i (t)) v ki ] exp[ 1 dy kj j π j, i=1 vki P [ P C (Z) u] = k= C k N+1 N+1 P [χ (N + 1 k) u ]. Nous renvoyons à Delmas et Foulley (article soumis) pour les preuves et les résultats pour un cône sphérique de R N+1 avec N > 1. 3 Calculs numériques L objectif de ces calculs numériques est de comparer la puissance de différents tests de rapport de vraisemblance restreints. Nous considérons les tests de rapport de vraisemblance restreint et non-restreint dont les lois asymptotiques sont respectivement P C (Z) et Z. Z est N (, Id) sous l hypothèse nulle et N (m, Id) sous l alternative. C est un cône sphérique. Nous considérons le cas où Z R. Alors m = (m 1, m ) T. C est le cône sphérique de R caractérisé par l angle T [; π]. Le seuil à 5% du test non-retreint est ln.5 =.448. Il a été obtenu par (1) avec m =. Les seuils à 5% des tests restreints, pour différentes valeurs de T, ont été obtenus par dichotomie à partir de () et (3) avec m =. Ils sont donnés dans la Table 1. 4
5 π π 3π 5π 3π 7π T π π Threshold Table 1 : Seuil asymptotique à 5% du test de rapport de vraisemblances restreint par le cône sphérique de R caractérisé par l angle T [; π]. La puissance asymptotique à 5% a été obtenue à partir de (1) pour le test non-retreint et par () et (3) pour les tests restreints. Les résultats, pour différentes valeurs de m 1 et m et pour T = π 4 ; π, 3π et π, sont donnés dans la Table. Nous obtenons les mêmes résultats pour le test non-restreint et le test restreint avec T = π. Nous ne donnons donc pas les résultats pour le cas non-restreint. m 1 = 1 m 1 = 1 m 1 = m = T = π/4 m = m = m = T = π/ m = m = m = T = 3π/ m = m = m = T = π m = m = Table : Puissance asymptotique à 5% pour le test du rapport de vraisemblance restreint par le cône sphérique de R caractérisé par l angle T [; π]. Pour les cônes C 1 et C caractérisés par les angles T 1 et T avec T 1 < T, nous remarquons que le test du rapport de vraisemblance restreint par C 1 est uniformément plus puissant que celui restreint par C pour toutes les alternatives qui appartiennent à C 1. Plus un test est restreint, plus grande est sa puissance. En particulier, nous remarquons qu un test restreint est uniformément plus puissant qu un test non-restreint pour toutes les alternatives qui appartiennent à l espace restreint. Bibliographie [1] Azaïs, J. M. et Delmas, C. () Asymptotic expansions for the distribution of the maximum of Gaussian random fields. Extremes,, [] Delmas, C. (3) Projections on spherical cones, maximum of Gaussian fields and Rice s method. Statistics & Probability Letters, 64, [3] Delmas, C. et Foulley, J. L. On testing restricted hypothesis. Article soumis. [3] Lin, Y. et Lindsay, B.G. (1997) Projections on cones, chi-bar squared distributions, and Weyl s formula, Statistics & Probability Letters, 3,
6 [4] Pincus, R. (1975) Testing linear hypotheses under restricted alternatives, Math. Oper. Statist., 6, [5] Self, S.G. et Liang, K.Y. (1987) Asymptotic properties of maximum likelihood estimators and likelihood ratio tests under nonstandard conditions, J. Amer. Statist. Assoc., 8, 398, [6] Takemura, A. et Kuriki, S. (1997) Weights of χ distribution for smooth or piecewise smooth cone alternatives, The Annals of Statistics, 5, 6, [7] Weiss, L. (1971, 1973) Asymptotic Properties of Maximum Likelihood Estimators in Some Nonstandard Cases. Journal of the American Statistical Association, 66, 68; 334, 34; Theory and Methods Section; ;
Principe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailModèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes
de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz
Plus en détailApproche par groupe de gènes pour les données longitudinales d expression génique avec une application dans un essai vaccinal contre le VIH
Approche par groupe de gènes pour les données longitudinales d expression génique avec une application dans un essai vaccinal contre le VIH Boris Hejblum 1,2,3 & Rodolphe Thiébaut 1,2,3 1 Inserm, U897
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailKeywords: Probability of catastrophic events, Bivariate extreme value theory, Heavy tailed distributions, ALS methods.
E Laurence Lescourret & Christian Y. Robert Centre de Recherche en Economie et Statistique LaboratoiredeFinanceetd Assurance 5 Boulevard Gabriel Peri, 92245 Malakoff Résumé: De par leur nature, les événements
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailchoisir H 1 quand H 0 est vraie - fausse alarme
étection et Estimation GEL-64943 Hiver 5 Tests Neyman-Pearson Règles de Bayes: coûts connus min π R ( ) + ( π ) R ( ) { } Règles Minimax: coûts connus min max R ( ), R ( ) Règles Neyman Pearson: coûts
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailDétection de têtes dans un nuage de points 3D à l aide d un modèle de mélange sphérique
Détection de têtes dans un nuage de points 3D à l aide d un modèle de mélange sphérique Denis Brazey & Bruno Portier 2 Société Prynɛl, RD974 290 Corpeau, France denis.brazey@insa-rouen.fr 2 Normandie Université,
Plus en détailExercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument
Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour
Plus en détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailÉconometrie non paramétrique I. Estimation d une densité
Économetrie non paramétrique I. Estimation d une densité Stéphane Adjemian Université d Évry Janvier 2004 1 1 Introduction 1.1 Pourquoi estimer une densité? Étudier la distribution des richesses... Proposer
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailAnalyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe
Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe des n n groupes quantiques compacts qui ont la théorie
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
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 détailEntreposage de données complexes pour la médecine d anticipation personnalisée
Manuscrit auteur, publié dans "9th International Conference on System Science in Health Care (ICSSHC 08), Lyon : France (2008)" Entreposage de données complexes pour la médecine d anticipation personnalisée
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
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 détailModélisation géostatistique des débits le long des cours d eau.
Modélisation géostatistique des débits le long des cours d eau. C. Bernard-Michel (actuellement à ) & C. de Fouquet MISTIS, INRIA Rhône-Alpes. 655 avenue de l Europe, 38334 SAINT ISMIER Cedex. Ecole des
Plus en détailTests exacts d indépendance sérielle dans les cas de distributions continues et discrètes
Tests exacts d indépendance sérielle dans les cas de distributions continues et discrètes Jean-Marie Dufour Université de Montréal Abdeljelil Farhat Université de Montréal First version: August 2001 This
Plus en détailRETHINKING JACQUES ELLUL AND THE TECHNOLOGICAL SOCIETY IN THE 21ST CENTURY REPENSER JACQUES ELLUL ET LA SOCIETE TECHNICIENNE AU 21EME SIECLE
CALL FOR PAPERS / APPEL A COMMUNICATIONS RETHINKING JACQUES ELLUL AND THE TECHNOLOGICAL SOCIETY IN THE 21ST CENTURY REPENSER JACQUES ELLUL ET LA SOCIETE TECHNICIENNE AU 21EME SIECLE The Conference Rethinking
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailStratégie DataCenters Société Générale Enjeux, objectifs et rôle d un partenaire comme Data4
Stratégie DataCenters Société Générale Enjeux, objectifs et rôle d un partenaire comme Data4 Stéphane MARCHINI Responsable Global des services DataCenters Espace Grande Arche Paris La Défense SG figures
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailAgile&:&de&quoi&s agit0il&?&
Association Nationale des Directeurs des Systèmes d Information &:&de&quoi&s agit0il&?& Pierre Delort, Président, Association Nationale des DSI http://www.andsi.fr/tag/delort/ Document confidentiel Ne
Plus en détailStéphane Lefebvre. CAE s Chief Financial Officer. CAE announces Government of Canada participation in Project Innovate.
Stéphane Lefebvre CAE s Chief Financial Officer CAE announces Government of Canada participation in Project Innovate Montreal, Canada, February 27, 2014 Monsieur le ministre Lebel, Mesdames et messieurs,
Plus en détailApplication Form/ Formulaire de demande
Application Form/ Formulaire de demande Ecosystem Approaches to Health: Summer Workshop and Field school Approches écosystémiques de la santé: Atelier intensif et stage d été Please submit your application
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 détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détailIntégrales doubles et triples - M
Intégrales s et - fournie@mip.ups-tlse.fr 1/27 - Intégrales (rappel) Rappels Approximation éfinition : Intégrale définie Soit f définie continue sur I = [a, b] telle que f (x) > 3 2.5 2 1.5 1.5.5 1 1.5
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailTHÈSE. présentée à TÉLÉCOM PARISTECH. pour obtenir le grade de. DOCTEUR de TÉLÉCOM PARISTECH. Mention Informatique et Réseaux. par.
École Doctorale d Informatique, Télécommunications et Électronique de Paris THÈSE présentée à TÉLÉCOM PARISTECH pour obtenir le grade de DOCTEUR de TÉLÉCOM PARISTECH Mention Informatique et Réseaux par
Plus en détailNouveautés printemps 2013
» English Se désinscrire de la liste Nouveautés printemps 2013 19 mars 2013 Dans ce Flash Info, vous trouverez une description des nouveautés et mises à jour des produits La Capitale pour le printemps
Plus en détailCommunications numériques
Communications numériques 1. Modulation numérique (a) message numérique/signal numérique (b) transmission binaire/m-aire en bande de base (c) modulation sur fréquence porteuse (d) paramètres, limite fondamentale
Plus en détailApplication de l'analyse multifractale à l'estimation des crues extrêmes en Tunisie
Hydrology of die Mediterranean and Semiarid Regions (Proceedings of an inlernational symposium held at Montpellier.' April 2003). IAHS Publ. no. 278. 2003. 251 Application de l'analyse multifractale à
Plus en détailÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE
ÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE ANALYSIS OF THE EFFICIENCY OF GEOGRIDS TO PREVENT A LOCAL COLLAPSE OF A ROAD Céline BOURDEAU et Daniel BILLAUX Itasca
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailModélisation et simulation
Modélisation et simulation p. 1/36 Modélisation et simulation INFO-F-305 Gianluca Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Modélisation et simulation p.
Plus en détailAu-delà du coalescent : quels modèles pour expliquer la di
Au-delà du coalescent : quels modèles pour expliquer la diversité génétique? LPMA, Université Paris 6, CMAP Polytechnique 13 octobre 2009 A partir de travaux conjoints avec N. Berestycki, V. Limic, J.
Plus en détail0 h(s)ds et h [t = 1 [t, [ h, t IR +. Φ L 2 (IR + ) Φ sur U par
Probabilités) Calculus on Fock space and a non-adapted quantum Itô formula Nicolas Privault Abstract - The aim of this note is to introduce a calculus on Fock space with its probabilistic interpretations,
Plus en détailPrincipe de TrueCrypt. Créer un volume pour TrueCrypt
Sommaire : Principe de TrueCrypt...1 Créer un volume pour TrueCrypt...1 Premier montage...6 Réglages...8 Save Currently Mounted Volumes as Favorite...8 Settings > Preferences...9 TrueCrypt Traveller pour
Plus en détailERRATA ET AJOUTS. ( t) 2 s2 dt (4.7) Chapitre 2, p. 64, l équation se lit comme suit : Taux effectif = 1+
ERRATA ET AJOUTS Chapitre, p. 64, l équation se lit comme suit : 008, Taux effectif = 1+ 0 0816 =, Chapitre 3, p. 84, l équation se lit comme suit : 0, 075 1 000 C = = 37, 50$ Chapitre 4, p. 108, note
Plus en détailModèles bi-dimensionnels de coques linéairement élastiques: Estimations de l écart entre leurs solutions.
Problèmes mathématiques de la mécanique/mathematical problems in Mechanics Modèles bi-dimensionnels de coques linéairement élastiques: Estimations de l écart entre leurs solutions. Cristinel Mardare Laboratoire
Plus en détailAnalyse statistique de données qualitatives et quantitatives en sciences sociales : TP RÉGRESSION LOGISTIQUE (MODÈLES CHAPITRE 1)
Analyse statistique de données qualitatives et quantitatives en sciences sociales : TP RÉGRESSION LOGISTIQUE (MODÈLES CHAPITRE 1) Modèles de régression logistique à réaliser Une explicative catégorielle
Plus en détailNow enhanced with powerful workplace solutions Maintenant amélioré, diet+ vous offre de puissantes solutions novatrices pour le milieu de travail
Now enhanced with powerful workplace solutions Maintenant amélioré, diet+ vous offre de puissantes solutions novatrices pour le milieu de travail The award winning slim-line panel system with universal
Plus en détailFOAD COURS D ECONOMETRIE 1 CHAPITRE 2 : Hétéroscédasicité des erreurs. 23 mars 2012.
FOAD COURS D ECONOMETRIE CHAPITRE 2 : Hétéroscédasicité des erreurs. 23 mars 202. Christine Maurel Maître de conférences en Sciences Economiques Université de Toulouse - Capitole Toulouse School of Economics-ARQADE
Plus en détailAGROBASE : un système de gestion de données expérimentales
AGROBASE : un système de gestion de données expérimentales Daniel Wallach, Jean-Pierre RELLIER To cite this version: Daniel Wallach, Jean-Pierre RELLIER. AGROBASE : un système de gestion de données expérimentales.
Plus en détail(51) Int Cl.: H04L 29/06 (2006.01) G06F 21/55 (2013.01)
(19) TEPZZ 8 8 4_A_T (11) EP 2 838 241 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 18.02.1 Bulletin 1/08 (1) Int Cl.: H04L 29/06 (06.01) G06F 21/ (13.01) (21) Numéro de dépôt: 141781.4
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailTravail en collaboration avec F.Roueff M.S.Taqqu C.Tudor
Paramètre de longue mémoire d une série temporelle : le cas non linéaire Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor Notion de longue mémoire Les valeurs d une série temporelle X = (X l )
Plus en détailQuatre axes au service de la performance et des mutations Four lines serve the performance and changes
Le Centre d Innovation des Technologies sans Contact-EuraRFID (CITC EuraRFID) est un acteur clé en matière de l Internet des Objets et de l Intelligence Ambiante. C est un centre de ressources, d expérimentations
Plus en détailCours de Mécanique du point matériel
Cours de Mécanique du point matériel SMPC1 Module 1 : Mécanique 1 Session : Automne 2014 Prof. M. EL BAZ Cours de Mécanique du Point matériel Chapitre 1 : Complément Mathématique SMPC1 Chapitre 1: Rappels
Plus en détailMulford C. (1992). The Mother-Baby Assessment(MBA): An Apgar Score for breastfeeding. Journal of Human Lactation, 8(2), 79-82.
MOTHER-BABY ASSESSMENT SCALE Mulford C. (1992). The Mother-Baby Assessment(MBA): An Apgar Score for breastfeeding. Journal of Human Lactation, 8(2), 79-82. Instrument de Mother-Baby Assessment scale mesure
Plus en détailGEIDE MSS /IGSS. The electronic document management system shared by the Luxembourg
GEIDE MSS /IGSS The electronic document management system shared by the Luxembourg Social Security Ministry and IGSS Introduction: The administrative context IGSS missions Legal and international affairs
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailEstimations de convexité pour des équations elliptiques nonlinéaires
Estimations de convexité pour des équations elliptiques nonlinéaires et application à des problèmes de frontière libre Jean DOLBEAULT a, Régis MONNEAU b a Ceremade (UMR CNRS no. 7534), Université Paris
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
Plus en détailAICp. Vincent Vandewalle. To cite this version: HAL Id: inria-00386678 https://hal.inria.fr/inria-00386678
Sélection prédictive d un modèle génératif par le critère AICp Vincent Vandewalle To cite this version: Vincent Vandewalle. Sélection prédictive d un modèle génératif par le critère AICp. 41èmes Journées
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailChristian BONTEMPS né le 08 juillet 1969
Curriculum Vitae Christian BONTEMPS né le 08 juillet 1969 Situation actuelle : Ingénieur en Chef des Ponts et Chaussées, Chercheur IDEI Professeur Sciences Économiques, GREMAQ - Université Toulouse I.
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailÉquation de Langevin avec petites perturbations browniennes ou
Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,
Plus en détailArithmetical properties of idempotents in group algebras
Théorie des Groupes/Group Theory Arithmetical properties of idempotents in group algebras Max NEUNHÖFFER Lehrstuhl D für Mathematik, Templergraben 64, 52062 Aachen, Allemagne E-mail: max.neunhoeffer@math.rwth-aachen.de
Plus en détailMAP 553 Apprentissage statistique
MAP 553 Apprentissage statistique Université Paris Sud et Ecole Polytechnique http://www.cmap.polytechnique.fr/~giraud/map553/map553.html PC1 1/39 Apprentissage? 2/39 Apprentissage? L apprentissage au
Plus en détailTheme Sensorial marketing, from stores to Internet : retailers and sensorial marketing integration in multichannel distribution management.
Les enseignes spécialisées et l intégration du marketing sensoriel dans l approche multicanale de leur distribution. Fanny NOYELLE Année Universitaire 2007 / 2008 ESUPCOM Lille Directeurs de mémoire :
Plus en détailÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE
ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers
Plus en détail1 Comment faire un document Open Office /writer de façon intelligente?
1 Comment faire un document Open Office /writer de façon intelligente? 1.1 Comment fonctionne un traitement de texte?: les balises. Un fichier de traitement de texte (WRITER ou WORD) comporte en plus du
Plus en détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailLamia Oukid, Ounas Asfari, Fadila Bentayeb, Nadjia Benblidia, Omar Boussaid. 14 Juin 2013
Cube de textes et opérateur d'agrégation basé sur un modèle vectoriel adapté Text Cube Model and aggregation operator based on an adapted vector space model Lamia Oukid, Ounas Asfari, Fadila Bentayeb,
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailVÉZINA NICOLE Chaire GM en ergonomie de l UQAM
ANALYSE DES DÉTERMINANTS DE LA QUALITÉ DE COUPE DU WHIZARD : VERS LA CONCERTATION DES ACTIONS ET L ÉLABORATION D UNE FORMATION OUELLET SYLVIE Centre d étude des intéractions biologiques entre la santé
Plus en détailCours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
Plus en détailAbstract : Mots clefs : Résistance thermique de contact ; Modèles prédictifs. 1 Introduction
Étude comparative et validation de modèles prédictifs de résistance thermique de contact dans le cas solide-liquide avec prise en compte de la tension superficielle Saannibe Ciryle SOME a, Didier DELAUNAY
Plus en détailWINTER BOAT STORAGE SYSTEM SYSTÈME DE REMISAGE HIVERNAL POUR BATEAU
MANUAL / MANUEL VIDEO WINTER BOAT STORAGE SYSTEM SYSTÈME DE REMISAGE HIVERNAL POUR BATEAU ASSEMBLY INSTRUCTIONS GUIDE D ASSEMBLAGE NAVIGLOO 14-18½ ft/pi FISHING BOAT! RUNABOUT! PONTOON BOAT! SAILBOAT (SAILBOAT
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailQualité de la conception de tests logiciels : plate-forme de conception et processus de test
Ecole Doctorale en Sciences de l Ingénieur de l ECP Formation doctorale en Génie Industriel Qualité de la conception de tests logiciels : plate-forme de conception et processus de test Quality of the design
Plus en détailTelephony over IP by. www.m2msoft.com
Telephony over IP by www.m2msoft.com Telephony over IP by ENTREPRISE Au delà des services standards, la téléphonie sur IP de M2Msoft offre aux entreprises le meilleur de la technologie avec : Mobilité,
Plus en détailApproximation diophantienne uniforme et dimension de Hausdorff
Approximation diophantienne uniforme et dimension de Hausdorff Lingmin LIAO Travaux en collaboration avec Yann Bugeaud, Dong Han Kim et Micha l Rams Université Paris-Est Créteil Séminaire de Probabilités
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailLe No.1 de l économie d énergie pour patinoires.
Le No.1 de l économie d énergie pour patinoires. Partner of REALice system Economie d énergie et une meilleure qualité de glace La 2ème génération améliorée du système REALice bien connu, est livré en
Plus en détailGénération de scénarios économiques
Modélisation des taux d intérêt Pierre-E. Thérond ptherond@galea-associes.eu pierre@therond.fr Galea & Associés ISFA - Université Lyon 1 22 novembre 2013 Motivation La modélisation des taux d intérêt est
Plus en détailAllocation Robuste et Restrictions sur les Contributions au Risque
Allocation Robuste et Restrictions sur les Contributions au Risque QuantValley/QMI Workshop, Geneve, 26 Septembre, 2013 http://ssrn.com/abstract=2192399 1/33 Les contributions du papier: Nous définissons
Plus en détailRAPID 3.34 - Prenez le contrôle sur vos données
RAPID 3.34 - Prenez le contrôle sur vos données Parmi les fonctions les plus demandées par nos utilisateurs, la navigation au clavier et la possibilité de disposer de champs supplémentaires arrivent aux
Plus en détail