Cours et Exercices de Probabilités et Statistique descriptive Niveau Licence 1
|
|
- Arlette Cartier
- il y a 7 ans
- Total affichages :
Transcription
1 Cours et Exercices de Probabilités et Statistique descriptive Niveau Licece 1 U.F.R. Maths-Ifo i Prof. Auguste AMAN et Dr. Jea Marc OWO
2 Table des matières I Statistique descriptive 1 1 Les doées statistiques 3 1. Les variables statistiques-élémets de vocabulaire Les types de variables Variables qualitatives Variables quatitatives Tableaux statistiques 5 1. Les variables qualitatives Tableaux de distributio de fréquece absolues, relatives et cumulées Les variables quatitatives discrètes Tableaux de distributio de fréqueces Les variables quatitatives cotiues Tableaux de distributio de fréqueces-fréqueces cumulées Représetatios graphiques 9 1. Les variables qualitatives Les variables quatitatives Les variables quatitatives discrètes Les variables quatitatives cotiues Résumés umériques Paramètre de tedace cetrale Le mode La moyee La médiae Quatiles Utilisatio des paramètres de tedace cetrale Paramètres de dispersio L étedue ii
3 TABLE DES MATIÈRES 2.2. L itervalle iter-quartile La variace et l écart-type Chagemet de variable liéaire ou affie - Variable cetrée réduite Chagemet de variable liéaire ou affie Variable cetrée réduite Boîtes à moustaches Laiso etre deux variables Gééralités Tableau de cotigece Distributio margiale Distributio coditiolle Laiso liéaire etre deux variables quatitatives Caractéristiques margiales et coditioelles Covariace Coefficiet de corrélatio Régressio liéaire Régressio liéaire aprés trasformatio d ue variable Liaiso etre deux variables qualitatives Mesure de la liaiso etre deux variables qualitatives Représetatio graphique liaiso etre variable qualitative et ue variable quatitative Classemet des doées et distributios margiales U.F.R. Maths-Ifo iii Prof. Auguste AMAN et Dr. Jea Marc OWO
4 Première partie Statistique descriptive 1
5 Itroductio Recueillir et aalyser les doées sot les deux objectifs fodametaux de la Statistique. Pour parveir à cela, il faut suivre les étapes suivates : 1. La collecte des doées : défiir l objet étudié, les variables statistiques mises e cause, le questioaire et fabriquer l échatillo représetatif (sodage, pla d expérieces...) 2. Ue fois les doées collectées et corrigées, les visualiser sous forme de tableaux ou graphes et les résumer grâce à des paramètres qui permettet de dégager les caractéristiques essetielles du phéomèe étudié (statistique descriptive, aalyse des doées) 3. L étape de la modélisatio (statistique iféretielle) est de fourir des résultats relatifs à ue populatio à partir de mesures statistiques réalisées sur des échatillos. La statistique iféretielle fourit des élémets permettat de spécifier du mieux possible, à partir de l échatillo observé, le modèle probabiliste qui a egedré les doées. Nous etedros le terme de modèle das le ses d ue formalisatio mathématique supposée reproduire de maière approchée la réalité d u phéomèe das le but d e reproduire le foctioemet pour permettre de compredre, de prédire et/ou d agir. Les méthodes statistiques sot utilisées das de ombreux domaies tels que l igéierie (cotrôle de qualité de fabricatio...), la médecie (expérimetatio de ouveaux traitemets...), les scieces écoomiques et sociales, l écoometrie, la démographie, et bie d autres. 2
6 Chapitre 1 Les doées statistiques 1. Les variables statistiques-élémets de vocabulaire O observe u échatillo composé de idividus apparteat à ue même populatio de taille N. Chaque idividu de l échatillo est observé à travers des caractéristiques, caractères ou idicateurs appelés variables. Ue série statistique (x 1 ; x 2 ; ; x ) est la suite des valeurs prises par ue ou plusieurs variables pour chacu des idividus de l échatillo. Chaque valeur prise par ue ou plusieurs variables est appelé ue modalité. Exemple 1. U questioaire est distribué à 150 persoes das la cour d u établissemet secodaire. Il comporte diverses questios. La populatio = l esemble des elèves de cet établissemet. L échatillo = les étudiats ayat répodu au questioaire. U idividu est ue persoe iterrogée. Les variables correspodet aux questios posées : l âge, la taille, la couleur des yeux, etc. E statistique descriptive la populatio c est l esemble des idividus effectivemet étudiés, sas chercher à étedre les costatatios faites à ue populatio plus vaste, ce qui relève de la statistique iféretielle. 2. Les types de variables Le type d ue variables depedet de la ature de ses modalités. O distigue plusieurs types de variables : 2.1. Variables qualitatives Ue variable est dite qualitative lorsque les réposes possibles à la questio posée, ou les modalités, e correspodet pas à ue quatité mesurable par u ombre mais appartieet à u groupe de catégories. 3
7 CHAPITRE 1. LES DONNÉES STATISTIQUES Exemple 2. le sexe, la couleur des yeux, la metio au baccalauréat, la fréquece d ue activité (jamais, raremet, parfois, souvet, très souvet). o distigue : les variables qualitatives omiales : il y a pas d hiérachie etre les differetes modalités ; exemple : sexe, couleur des yeux. les varibles qualitatives ordiales : les differetes modalités peuvet être ordoées de maière aturelle ; exemple : la metio au baccalauréat, la frequece d ue activité, iveau d études scolaires : école primaire < 1er cycle < CAP < BEP < Bac < BTS < DEUG <... Remarque 1.1. Certaies variables omiales peuvet être désigées par u code umerique, qui a pas de valeur quatité. Exemple : le code postal, le sexe (1 = garço, 2 = fille) 2.2. Variables quatitatives Les réposes correspodet à des quatités mesurables et sot doées sous forme de ombre. O distigue : Les variables quatitatives discrètes : elles preet leurs valeurs das u esemble discret, le plus souvet fii. Exemple : le ombre d efats, la poiture du pied. les variables quatitatives cotiues : elles peuvet predre toutes les valeurs d u itervalle réel. Exemple : la taille des idividus, ue ote à u exame. Remarque 1.2. L âge peut être vu et traité comme ue variable quatitative discrète ou cotiue suivat la précisio que l o choisit et le ombre de valeurs qu il pred au sei de la populatio. Il peut égalemet exister des variables basées sur l âge qui sot qualitatives. Si das u sodage o pose la questio "quelle est votre trache d âge parmi les possibilités suivates : - de 25 as, etre 25 et 45, etre 40 et 60 et +60 as", o peut voir la variable "trache d âge" comme ue variable qualitative ordiale U.F.R. Maths-Ifo 4 Prof. Auguste AMAN et Dr. Jea Marc OWO
8 Chapitre 2 Tableaux statistiques 1. Les variables qualitatives Exemple 3. O s itéresse à la variable "couleur des yeux" sur u groupe de 20 persoes. O code chaque modalité de la maière suivate : M=marro, V=vert, N=oir, B=bleu. O obtiet la série statistique suivate : M,V,M,M,M,M,M,N,M,N,M,M,B,M,M,M,B,M,M,M Tableaux de distributio de fréquece absolues, relatives et cumulées Exemple 4. Pour l exemple précédet, o remplit le tableau suivat : Couleur des yeux M V N B Total Effectif Proportio Tableau-type : O choisit ue otatio pour la variable, par exemple : X. désige le ombre d idividus das l échatillo. o ote C 1,..., C k les k modalités de la variable. Pour 1 j k, o ote j l effectif associé à la modalité C j (le ombre d idividus pour lesquels la valeur prise par la variable est C j ), f j = j / la fréquece relative ou proportio associée à cette modalité, et si la variable est qualitative ordiale : N j = j resp. φ j = f 1 + f f j la frequece absolue (effectif) cumulée croissate resp. la frequece relative cumulée croissate pour cette modalité (avec la covetio : φ 0 = 0). Elle a de ses que si la variable est qualitative ordiale et si les modalités C 1, C 2,..., C k sot ordoées suivat l odre croissat aturel (ou hiérachique ascedat) qui rège parmi ces modalités. Exemple : iveau d études scolaires : école primaire < 1er cycle < CAP < BEP < Bac < BTS < DEUG <... 5
9 CHAPITRE 2. TABLEAUX STATISTIQUES Le tableau suivat est u tableau-type qui permet de résumer les doées. Variable X C 1 C 2... C k Totales Fréquece absolue ou effectif k Fréquece relative ou proportio f 1 = 1 / f 2 = 2 /... f k = k / 1 Fréquece relative cumulée* φ 1 = f 1 φ 2 = f 1 + f 2... φ k = 1 pas de ses *Attetio : uiquemet das le cas de variables qualitatives ordiales. 2. Les variables quatitatives discrètes Exemple 5. O s itéresse à la variable "poiture" ( que l o otera P ) sur u groupe de 20 persoes. O obtiet la série statistique suivate : 39, 43, 38, 39, 39, 42, 44, 44, 48, 40, 44, 43, 41, 37, 39, 38, 45, 41, 44, Tableaux de distributio de fréqueces Exemple 6. Pour la variable P, o remplie le tableau suivat : P Effectif Proportio Proportio cumulée O ote v 1, v 2,..., v k les k valeurs différetes que peut predre la variable avec v i < v j si i < j (o e recotrera pas pas d exemple das ce cour, mais ue variable discrète peut predre ue ifiité de valeurs). Pour 1 j, o ote j l effectif des idividus pour lesquels la variable pred la valeur v j. O ote f j la fréquece relative ou proportio pour la valeur v j et Φ j = f f j la j-ème fréquece relative cumulée ( avec la covetio : Φ 0 = 0 ). O résume habituelemet les doées comme das le tableau-type suivat : Valeurs prises par la variable v 1 v 2... v k Total Fréquece absolue k Fréquece relative f 1 = 1 / f 2 = 2 /... f k = k / 1 Fréquece relative cumulée Φ 1 = f 1 Φ 2 = f 1 + f 2... Φ k = 1 pas de ses O défiit de même pour la valeur v j la fréquece cumulée décroissate : G j = 1 ( j k ) = f j f k. La quatité N d j = j k est appelée effectif cumulé décroissat. U.F.R. Maths-Ifo 6 Prof. Auguste AMAN et Dr. Jea Marc OWO
10 CHAPITRE 2. TABLEAUX STATISTIQUES 3. Les variables quatitatives cotiues Exemple 7. O s itéresse à la taille, otée T et exprimée e mètre, de 20 idividus. O a obteu la série statistique suivate : 1,72 ; 1,87 ; 1,66 ; 1,73 ; 1,64 ; 1,77 ; 1,80 ; 1,81 ; 1,60 ; 1,78 ; 1,83 ; 1,75 ; 1,70 ; 1,58 ; 1, 68 ; 1,66 ; 1,93 ; 1,75 ; 1,80 ; 1, Tableaux de distributio de fréqueces-fréqueces cumulées Les doées brutes de la variable pour chaque idividu sot otées x 1,..., x. Elle peuvet predre importe quelle valeur das u iterval de R et il est très rare d avoir deux fois la même valeur pour deux idividus différets. Il serait doc uitile de tracer u diagramme e bâto comme das le cas d ue variable discrète : il cosisterait e u amocellemmet illisible de bâto de hauteur 1/. O choisir doc de faire u Regroupemet e classe. L itervalle où la variable pred ses valeurs est divisé e k classes : [b 0, b 1 [, [b 1, b 2 [,..., [b k 1, b k [ ( il est possible d avoir des bores ifiies). Pour 1 j, o ote j l effectif associé à la classe [b j 1, b j [, f j = j / la fréquece relative associé à cette classe et Φ j = f f j la j-ème fréquece cumulée (avec la covetio Φ 0 = 0) O ote a j = b j b j 1 l amplitude de la classe [b j 1, b j [. O ote d j = f j /a j la desité de proportio pour la classe [b j 1, b j]. Exemple 8. de la taille T [1, 50; 1, 65[ [1, 65; 1, 70[ [1, 70; 1, 75[ [1, 75; 1, 80[ [1, 80; 1, 85[ [1, 85; 2, 00[ Effectif Proportio Proportio cumulée Amplitude Desité de proportio Remarque 2.1. la desité de la proportio permet de comparer les effectifs das chaque classe e teat compte de la taille de ces classes (cf. la otio de desité de la populatio e géographie). Das le cas de classes qui ot toutes les même logueur, il est pas écessaire de calculer la desité de proportio, il est suffisat d étudier les fréqueces relatives ou absolues ( qui sot directemet proportioelle a la desité de proportio ). U.F.R. Maths-Ifo 7 Prof. Auguste AMAN et Dr. Jea Marc OWO
11 CHAPITRE 2. TABLEAUX STATISTIQUES Tableau-type Variable X [b 0, b 1 [ [b 1, b 2 [... [b k 1, b k [ Total Fréq. relative f 1 = 1 / f 2 = 2 /... f k = k / 1 Fréq. relative cumulée Φ 1 = f 1 Φ 2 = f 1 + f 2... Φ k = 1 Amplitude a 1 = b 1 b 0 a 2 = b 2 b 1... a k = b k 1 b k Desité de proportio d 1 = f 1 /a 1 d 2 = f 2 /a 2... d k = f k /a k Remarque 2.2. Cotrairemet au cas d ue variable qualitative ou discrète, ce tableau représete ue perte d iformatio par rapport aux doées brutes U.F.R. Maths-Ifo 8 Prof. Auguste AMAN et Dr. Jea Marc OWO
12 Chapitre 3 Représetatios graphiques 1. Les variables qualitatives Pour ue variable ou caractère qualitatif, o utilise pricipalemet trois types de représetatio graphique : le diagramme e bâtos, la représetatio par tuyaux d orgue et la représetatio par secteurs. - Diagramme e bâtos : e abscisse sot disposées les différetes modalités, de faço arbitraire aux quelles o associe des segmets espacés etre eux dot les logeurs ( e ordoée ) sot proportioelles à l effectif ou à la fréquece relative de chaque modalité. Preciser le om des axes, le om du graphique et la source des iformatios Nous appelos polygoe statistique, ou diagramme polygoal, la lige obteue e joigat les sommets des bâtos. Exemple : Caractère : catégorie socio-professioelle. Ouvriers = O, Cadre moye = CM, Cadre supérieur = CS. caractère O CM CS Effectifs Diagramme e tuyaux d orgue : e abscisse sot disposées les différetes modalités, de faço arbitraire aux quelles o associe des rectagles espacés etre eux, de largeur costete, dot la hauteur ( e ordoée ) sot proportioelle à l effectif ou à la fréquece relative de chaque modalité. Preciser le om des axes, le om du graphique et la source des iformatios. Das le cas d ue variable qualitative ordiale, o peut égalemet costruire le diagramme e tuyau d orgue des effectifs ou des proportios cumulés. Exemple 9. - Diagrammes e secteurs : chaque modalité est représetée par u secteur de disque dot l agle est proportioel à l effectif ou à la fréquece de la modalité ( ou pourcetage ). 9
13 CHAPITRE 3. REPRÉSENTATIONS GRAPHIQUES Ces diagrammes covieet très bie pour des doées politiques ou socio-écoomiques. Das u diagramme circulaire (cercle complet), l effetif total ou la fréquece relative 1 ( ou le pourcetage 100%) correspod à l agle 360. Pour représeter les doées sur u diagramme semi-circulaire (demi-cercle), il suffira de calculer les mesures des secteurs agulaires par rapport à 180. Exemple Les variables quatitatives Il existe deux types de représetatio graphique d ue distributio statistique à caractère quatitatif : - Le diagramme différetiel correspod à ue représetatio des effectifs ou des fréqueces. - Le diagramme itégral correspod à ue représetatio des effectifs cumulés, ou des fréqueces cumulées Les variables quatitatives discrètes - Diagramme différetiel : diagramme e bâtos O trace u graphique avec sur l axe des abscisses les différetes valeurs prises par la variable, placées e respectat ue échelle, e ordoé les fréqueces relatives ou les fréqueces absolues. Pour chaque valeur v j o costruit u bâto vertical à l abscisse v j, de hauteur proportioel a la fréquece de la valeur v j. Exemple : poiture. Nous appelos polygoe statistique, ou diagramme polygoal, la lige obteue e joigat les sommets des bâtos. - Diagramme itégral : courbe e escaliers des effectifs cumulés ou des fréqueces cumulées. Foctio de répartitio empirique La foctio de répartitio empirique permet de décrire la série statistique de maière complète. Elle est défiie sur R et pred ses valeurs das [0, 1]. Pour x das R, elle est défiie par 0 si x < v 1 F (x) = Φ j si v j x < v j+1 1 si v k x Exemple 11. Poiture U.F.R. Maths-Ifo 10 Prof. Auguste AMAN et Dr. Jea Marc OWO
14 CHAPITRE 3. REPRÉSENTATIONS GRAPHIQUES 2.2. Les variables quatitatives cotiues - Diagramme différetiel : histogramme des desités. Sur l axe des abscisses sot placées les bores des classes représetat les modalités e respectat ue échelle. Pour chaque classe, o élève u rectagle de hauteur (ordoée) proportioelle à la desité de proportio ou d effectif. Exemple de taille T : Remarque 3.1. O représete la desité de proportio ou d effectif et o pas les fréqueces relatives ou absolues. Cosequece 1. L aire d u rectagle est proportioelle à la fréquece (absolues ou relatives) de la classe correspodate. E effet, pour le rectagle corespodat à la classe [b j, b j 1 [ l aire est (b j b j 1 ) d j = f j. Das la pratique, o utilise la règle de costructio suivate : Vérifier si les amplitudes des différetes classes sot idetiques. - Si les amplitudes sot idetiques, o représete sur l axe des abscisse les classes par des segmets de même logueur. O associe à chaque classe u rectagle dot la hauteur est proportioelle à l effectif ou à la fréquece. - Si les amplitudes sot o idetiques, o choisit ue uité d amplitude U et o costruit l histogramme de telle sorte que la hauteur du rectagle de la classe [b j 1, b j [ soit proportioelle à l effectif par uité d amplitude i a i U associé. - Diagramme itégral : courbe cumulative des effectifs ou des fréqueces. La courbe cumulative des fréqueces doit représeter la foctio de répartitio de la variable statistique. Foctio de répartitio empirique Pour x ue valeur das l itervalle [b j 1, b j [, o approche la proportio d idividus pour lesquels la variable est iférieure ou égale à x par l aire de l histogramme etre les abscisses b j 1 et x otée F (x) : F (x) = f 1 + f f j 1 + (x b j 1 ) d j = Φ j 1 + (x b j 1 ) d j O a aisi défiie ue foctio Φ qui vaut 0 sur ], b 0 [ et 1 sur [b 1, + [. Elle vaut Φ j e b j. Sur [b j 1, b j [, cette foctio, affie par morceaux, est appelée foctio de répartitio empirique. Exemple 12. Foctio de répartitio empirique de la variable T. U.F.R. Maths-Ifo 11 Prof. Auguste AMAN et Dr. Jea Marc OWO
15 Chapitre 4 Résumés umériques d ue variable statistique 1. Paramètre de tedace cetrale 1.1. Le mode Le mode red compte de l edroit où les doées sot le plus cocetrées. Le mode, oté Mo, est la modalite la plus frequete ou domiate das la populatio i.e. celle qui admet la plus grade frequece : f(mo) = max i [1,k] (f i). Il est parfaitemet defii pour ue variable qualitative ou ue variable quatitative discrète. Pour ue variable quatitative cotiue regroupée e classe, ous parlos de classe modale : c est la classe dot la desité de fréquece est maximum. Si les classes ot même amplitude la desité est remplacée par l effectif ou la fréquece et ous retrouvos la défiitio précédete. Nous défiissos le mode, pour ue variable quatitative cotiue, e teat compte des desités de fréquece des 2 classes adjacetes par la méthode suivate : avec Mo = x m + a i i + s x m : limite iferieure de la classe d effectif (par uité d amplitude) maximal a : l amplitude de la classe modale i : Ecart d effectif (par uité d amplitude) etre la classe modale et la classe iferieure la plus proche s : Ecart d effectif (par uité d amplitude) etre la classe modale et la classe superieure la plus proche Exemple 13. Poiture, taille. 12
16 CHAPITRE 4. RÉSUMÉS NUMÉRIQUES Remarque : Lorsque les classes adjacetes à la classe modale ot des desités de fréqueces égales, le mode coïcide avec le cetre de la classe modale. Le mode déped beaucoup de la répartitio e classes. Ue variable statistique peut préseter plusieurs modes locaux : o dit alors qu elle est plurimodale. Cette situatio est itéressate : elle met e évidece l existece de plusieurs sous-populatios, doc l hétérogééité de la populatio étudiée La moyee O ote {x 1, x 2,..., x } la série statistique. La moyee est défiie par : x = x 1 + x x = 1 x i Exemple 14. poiture, taille Cas d ue variale discrète : si v 1, v 2,..., v k sot les k valeurs prises par la variable X, j l effectif et f j la fréquece relative correspodat à la valeur v j, o peut réécrire : x = 1v v k v k = 1 k i v i = k f i v i Exemple 15. Poiture. Cas d ue variable cotiue regroupée e classes : la variable X est regroupée das les classes [b j 1, b j [ (1 j ), les fréqueces relatives associées à ces classe sot otées f j, 1 j. Lorsque les doées brutes e sot plus accessibles et qu o e dispose que des doées regroupées e classe, o calcule ue moyee approchée grâce à des représetat des classes(leur cetre) : c j = (b j + b j 1 )/2, par la formule : x app = f 1 c 1 + f 2 c f k c k = k f j c j Exemple : calcul d ue moyee approchée de la variable "taille" à partir du groupemet e classes. Propriétés de la moyee : si o fait le chagemet de variable Y = ax + b (traductio sur la série statistiques : y i = ax i + b,1 i ), alors ȳ = a x + b Exemple 16. calcul de la taille moyee e mètres. U.F.R. Maths-Ifo 13 Prof. Auguste AMAN et Dr. Jea Marc OWO
17 CHAPITRE 4. RÉSUMÉS NUMÉRIQUES 1.3. La médiae La médiae M e correspod au cetre des valeurs observées classées par ordre croissat x (1) x (2)... x (), ou à la valeur pour laquelle 50% des valeurs observées sot supérieures et 50% sot iférieures. a) Cas d ue variable discrète : si est impair, la médiae est la ième valeur observée : Me = x ( +1 2 ). si est pair, ue médiae est ue valeur quelcoque etre la 2 -ième valeur observée : x ( 2 ) et la ième valeur observée : x ( 2 +1). O parle doc d itervalle média. O peut predre comme médiae x ( 2 ) ou x ( 2 +1). Mais il peut être commode de predre le milieu : Me = x ( 2 ) + x ( 2 +1). 2 La détermiatio de la médiae se fait doc à l aide des effectifs cumulés, des proportios cumulées ou de la foctio de répartitio empirique (graphiquemet). Exemple 17. poiture b) Cas d ue variable cotiue. La médiae est défiie comme la solutio de l équatio : F (Me) = 0, 5 où F est la foctio de répartio empirique de la variable. O sait que cette solutio existe parce que F est cotiue, et lim F (x) = 0, lim F (x) = 1. Si de plus F est strictemet croissate, la x x + solutio Me est uique. la méthode pratique est la suivate : 1. S il existe ue bore de classe b j telle que la proportio cumulée sur la classe [b j 1, b j [ est exatemet 0, 5, alors la médiae est ce b j. 2. Sio, alors il existe ue classe [b j 1, b j [ telle que F (b j 1 ) < 0, 5 < F (b j ). Cette classe est la première sur laquelle la frequece cumulée dépasse 0, 5. Pour x [b j 1, b j [, F (x) = Φ j 1 + (x b j 1 ) d j. Mais e particulier : F (Me) = Φ j 1 + (Me b j 1 ) d j = 0, 5 d où Ou ecore, e terme de b j et de F : Me = 0, 5 Φ j 1 d j + b j 1 Me = 0, 5 F (b j 1) F (b j ) F (b j 1 ) (b j b j 1 ) + b j 1 U.F.R. Maths-Ifo 14 Prof. Auguste AMAN et Dr. Jea Marc OWO
18 CHAPITRE 4. RÉSUMÉS NUMÉRIQUES Cette méthode peut se traduire graphiquemet et utilisat le graphe de la foctio de répartitio empirique et le théorème de Thalès. Exemple 18. médiae de la variable "taille", regroupée e classes. Méthode graphique avec la foctio de répartitio empirique 1.4. Quatiles a) cas d ue variable cotiue Soit X ue variable quatitative cotiue, de foctio de répartitio empirique F. O suppose qu o dispose de la répartitio e classe des observatios. Le Quatile d ordre p de X est la solutio otée q p de : F (q p ) = p. Cela sigifie qu ue proportio d eviro p des observatios est iferieur à q p et qu ue proportio d eviro 1 p des doées est supérieure à q p. Quatiles particuliers Quartiles : quatiles correspodat aux proportios multiples de 0, 25 (u quart). O ote Q 1 le premier quartile, qui correspod à q 0,25, Q 3 le troisième quartile, qui correspod à q 0,75. La médiae est le deuxième quartile Q 2 = q 0,5. Déciles : quatiles correspodat aux proportios multiples de 0, 1 : q 0,1 (premier décile), q 0,2 (deuxième décile), etc. Percetiles ou cetiles : quatiles correspodat aux proportios multiples de 0, 01. Par exemple, le 65ème percetile est le quatile q 0,65 Calcul du quatile q p : même méthode que pour le calcul de la médiae. 1. S il existe ue bore de class b j telle que la proportio cumulée sur la classe [b j 1, b j [ est exatemet p, autremet dit : F (b j ) = p, alors q p. 2. Sio, alors il existe ue classe [b j 1, b j [ telle que F (b j 1 ) < p < F (b j ). Cette classe est la première sur laquelle la fréquece cumulée dépasse p. Pour x [b j 1, b j [, F (x) = Φ j 1 + (x b j 1 ) d j. Mais e particulier : F (q p ) = Φ j 1 + (q p b j 1 ) d j = p D où q p = p F (b j 1) F (b j ) F (b j 1 ) (b j b j 1 ) + b j 1 Ou ecore, e terme des b j et de F : q p = p F (b j 1) F (b j ) F (b j 1 ) (b j b j 1 ) + b j 1 U.F.R. Maths-Ifo 15 Prof. Auguste AMAN et Dr. Jea Marc OWO
19 CHAPITRE 4. RÉSUMÉS NUMÉRIQUES Exemple 19. troisième quartile de la variable "taille" b) cas d ue variable discrète Comme pour la médiae, il existe diverses maières de défiir les quatiles d ue loi discrète : comme la foctio de répartitio empirique est pas cotiue mais a des paliers, elle e pred pas toutes les valeurs etre 0 et 1. Pour ue proportio p fixée, o cherche doc ue valeur x telle que F (x) s approche, e u certai ses, de p. Nous choisissos la défiitio suivate : v 1 lorsque 0 < p Φ 1 = f 1 q p = v 2 lorsque Φ 1 < p Φ 2..., v j lorsque Φ j 1 < p Φ j..., v k lorsque p = Φ k = 1 ou q p = x ( p ) où p est le plus petit etier tel que p p. Exemple 20. troisième quartile de la variable "poiture" Utilisatio des paramètres de tedace cetrale Robustesse La médiae est plus robuste que la moyee : ue ou plusieurs doées erroées e fot pratiquemet, voire pas du tout, chager la médiae, alors qu elles peuvet affecter cosidérablemet la moyee. Assymétrie La comparaiso de la médiae et de la moyee permet de détecter des assymétries de doées : Si la distributio des valeurs est symétrique, la valeur de la médiae est proche de la valeur de la moyee arithmétique. M e x. De faço géérale o a : - M o = M e = x = distributio symétrique, - M o < M e < x = distributio dissymétrique à gauche, - M o > M e > x = distributio dissymétrique à droite 2. Paramètres de dispersio Il est possible que deux variables statistiques aiet la même valeur cetrale mais complètemet différetes du poit de vue de la cocetratio ou dispersio des valeurs observées autour de cette valeur cetrale. Il est doc écessaire de trouver des mesures permetat d apprécier la dispersio d ue série statistique ou d ue distributio observée. U.F.R. Maths-Ifo 16 Prof. Auguste AMAN et Dr. Jea Marc OWO
20 CHAPITRE 4. RÉSUMÉS NUMÉRIQUES 2.1. L étedue Soit x mi la plus petite observatio et x max la plus grade. O défiie l étedue e = x max x mi. Elle a la même uité que l uité de la variable. Elle est pas très iformative car elle e tiet pas du tout compte de la répartitio des doées à l itérieur de l itervalle [x mi, x max ]. Exemple 21. étedu de la variable "taille" 2.2. L itervalle iter-quartile O appelle itervalle iter-quartile l itervalle [Q 1, Q 3 ], qui cotiet eviro 50% des observatios. La distace iter-quartile Q 3 Q 1 est ue mésure de dispersio. Exemple 22. itervalle iter-quartile de la variable "taille" La variace et l écart-type La variace est défiie par : V ar(x) = 1 (x i x) 2 L expressio suivate est la plus pratique pour le calcul de la variace : ( ) 1 V ar(x) = x 2 i ( x) 2 Preuve : e développat le carré das la défiitio de la variace. Pour ue variable quatitative discrète e preat la valeur v j u ombre j de fois ou (ou avec la fréquece f j ), pour 1 j k : V ar(x) = 1 k k j (v j x) 2 = f j (v j x) 2 j=1 j=1 ( ) ( 1 k k ) = j vj 2 ( x) 2 = f j vj 2 ( x) 2 j=1= Das le cas le cas d ue variable cotiue pour laquelle o dispose seulemet des doées regroupées e classes, o peut faire u calcule approché similaire à celui de la moyee approchée x app. O calcule ue valeur approchée de la variace, otée V ar app (X). Toutes les expressios qui suivet sot équivaletes. V ar app (X) = 1 k k j (c j x app ) 2 = f j (c j x app ) 2 j=1 j=1 ( ) ( 1 k k ) = j c 2 j ( x app ) 2 = f j c 2 j ( x app ) 2 j=1 j=1 j=1 U.F.R. Maths-Ifo 17 Prof. Auguste AMAN et Dr. Jea Marc OWO
21 CHAPITRE 4. RÉSUMÉS NUMÉRIQUES où c j est le cetre de la j-ème classe, dotée de l effectif j (ou de la fréquece relative f j ). Propriétés de la variace La variace est toujour positive ou ullle. Elle est ulle si et seulemet si toutes les observatio sots idetiques : 1 (x i x) 2 i, x i x = 0 L utité de la variace est l utié de X au carré. L ecart-type σ X est défii par : Propriété : l uité de σ X est l uité de X. σ X = V ar(x) Plus σ X est grad plus les modalités sot dispersés. Exemple 23. variace et ecart-type de la variable "poiture", de la variable "taille". Le coefficiet de variatio La comparaiso des dispersios de deux séries statistiques peut se faire grâce aux écart-types lorsque ses séries ot des moyees du même ordre de gradeur et e cotiet pas de valeurs aberrates. Das le cas cotraire, o peut utiliser le coefficiet de variatio défii par CV = σ X x. Ce paramètre est ue mesure relative de dispersio et permet ue iterprétatio plus appropriée. O l exprime e gééral e pourcetage. 3. Chagemet de variable liéaire ou affie - Variable cetrée réduite 3.1. Chagemet de variable liéaire ou affie O cosidère ue variable quatative X et o lui faire subir ue applicatio affie qui la trasforme e ue variable Y. a et b sot des costates réelles Nouvelle variable Y Observatios y i Moyee de Y Variace de Y Ecart-type de Y Y = ax y i = ax i ȳ = a x V ar(y ) = a 2 V ar(x) σ Y = a σ X Y = X + b y i = x i + b ȳ = x + b V ar(y ) = V ar(x) σ Y = σ X Y = ax + b y i = ax i + b ȳ = a x + b V ar(y ) = a 2 V ar(x) σ Y = a σ X Exemple 24. U.F.R. Maths-Ifo 18 Prof. Auguste AMAN et Dr. Jea Marc OWO
22 CHAPITRE 4. RÉSUMÉS NUMÉRIQUES 3.2. Variable cetrée réduite O cosidére ue variable X de moyee x et de variace V ar(x), d écart-type σ X = V ar(x). O défiit ue ouvelle variable Y = X x σ X Elle est sas uité. Cette variable est appelée variable cetrée réduite associée à X. E effet, elle est : cetrée : ȳ = x x σ X = 0. réduite : V ar(y ) = V ar(x) V ar(x) = 1. Quad o trasforme ue variable e la variable cetrée réduite associée, o retire à cette variable toute l iformatio cocerat so échelle ou uité, et sa localisatio. Il e reste plus que des iformatios sur la forme de la distributio. Cette trasformatio permet de comparer plusieurs variables sur le pla de la forme, même si ce sot des variables exprimées das des échelles différetes ou qui ot des moyees complètemet différetes. Exemple 25. Variable cetrée réduite associée à la variable "poiture", à la variable "taille". Autre utilisatio : Etat doé u idividu i pour lequel la variable pred la valeur x i, o peut situer cet idividu das l esemble des observatios e calculat so écart à la moyee réduit : x i x σ X Exemple 26. quel est l écart à la moyee, mesuré e écart-types, d u idividu mesurat 177 cm? 4. Boîtes à moustaches La boîte à moustaches est ue représetatio graphique qui permet de visualiser les quartiles aisi que la dispersio des doées et de repérer les doées extrêmes ou outliers. Elle se fait courammet pour les variables quatitatives cotiues ou pour les variables quatitatives discrètes preat u grad ombre de valeurs différetes. E revache, elle a pas beaucoup d itérêt pour ue variable discrète preat peu de valeurs différetes. Elle est costituée : d ue boîte dot les bores sot les premier et troisième quartile Q 1 et Q 3. A l itérieur de la boîte figure la médiae Q 2. de moustaches. O défiit tout d abord deux bores : m = Q 1 1, 5(Q 3 Q 1 ) et m + = Q 3 + 1, 5(Q 3 Q 1 ). O ote m if la plus petite observatio supérieure à m, et m sup la plus grade observatio iférieure à m +. Soit : m if = mi{x i : x i m } m sup = max{x i : x i m + } U.F.R. Maths-Ifo 19 Prof. Auguste AMAN et Dr. Jea Marc OWO
23 CHAPITRE 4. RÉSUMÉS NUMÉRIQUES La moustache iférieure est le segmet [m if, Q 1 ]. La moustache supérieure, de la même maière, est le segmet [Q 3, m sup ] des doées extrêmes évetuelles : les observatios qui sot e dehors de la boîte et des moustaches, c est à dire : supérieures à m + ou iférieures à m. O place ces doées ue à ue quad o e dispose. Remarque : Ue boite et des moustaches courtes idiquet que la série est assez cocetrée autour de sa médiae. Au cotraire ue boite et des moustaches logues idiquet que la série est assez dispersée. L exame de la boite à moustaches permet d avoir ue idée de la symétrie de la distributio selo que la boîte et les moustaches sot symétriques ou, au cotraire, de plus petite amplitude à gauche (asymétrie à gauche) ou à droite (asymétrie à droite). La représetatio peut aussi se faire vertcalemet, d où l appelatio de "boite à pattes". Exemple 27. Boîte à moustache de la variable "taille" à partir de la série statistique de 20 observatios. Das le cas où o e dispose pas des doées brutes mais seulemet des doées regroupées e classes, o utilise les extrémités b 0 et b k de la première et de la k-ème classe. la limite iférieure m if de la moustache iférieure est max{m, b 0 } et la limite supérieure m sup de la moustache supérieure est mi{m +, b k }. O e peut pas placer les doées extrêmes, sauf si elles sot fouries e plus. Exemple 28. Boîte à moustaches de la variable "taille" à partir des doées regroupées. U.F.R. Maths-Ifo 20 Prof. Auguste AMAN et Dr. Jea Marc OWO
24 Chapitre 5 Laiso etre deux variables 1. Gééralités O observe ue série statistique {(x 1, y 1 ),..., (x, y )} composée de couples d observatios d u couple de variables (X, Y ). O suppose que X a I modalités otées C 1,..., C I et Y a J modalitées otées D 1,..., D J. Pour 1 i I et 1 j J, o ote ij l effectif des couples d observatios égaux à (C i, D j ) Tableau de cotigece Das le tableau de cotigece, o regroupe les effectifs ij. O peut compléter le tableau de cotigece e ajoutat les totaux e liges et e coloes. J O ote i. = i1 + + IJ = le total sur la lige i de la table de cotigece,.j = 1j + + IJ = j=1 ij I ij le total sur la coloe j de la table de cotigece. Y D 1 D 2... D J Total X C J 1. C J C I I1 I2... IJ I. Total J Exemple 29. L INSEE fourit les doées suivates relatives à la situatio professioelle des persoes habitat e Frace e 2006, immigrées ou o immigrées. 21
25 CHAPITRE 5. LAISON ENTRE DEUX VARIABLES situatio quat à l immigratio Immigrés No immigrés Esemble Situatio professioelle Actif ayat u emploi Chômeur Retraité ou préretraités Elèves, étudiats, stagiaire Femme ou homme au foyer Autres iactifs Esemble Remarque 5.1. La défiitio d u immigré selo le Haut coseil à l immigratio,utilisée pour cette étude, est ue persoe ée étragère à l étrager et résidat e Frace Distributio margiale La distributio margiale de la variable X est la doée des effectifs margiaux 1.,..., I.. C est la distributio de la variable X. O peut la préseter das u tableau et calculer les fréqueces (f i. = i. /), qui sot les proportios associée à chaque modalité de la variable X. O peut calculer de même la distributio margiale de la variable Y. Distributio margiale de X : X C 1... C I Total Effectif I. Proportio f 1. = 1. /... f I. = I. / 1 Distributio margiale de Y : Y D 1... D I Total Effectif.1....J Proportio f.1 =.1 /... f.j =.J / 1 Exemple 30. Situatio professioelle de la populatio e Frace e Distributio coditiolle a) Profils-liges La distributio coditioelle de Y sachat la modalité de C i proportios sot doées das le tableaux suivat : de X est la distributio dot les Y X=Ci D 1... D I Total Proportio i1 / i... ij / i 1 U.F.R. Maths-Ifo 22 Prof. Auguste AMAN et Dr. Jea Marc OWO
26 CHAPITRE 5. LAISON ENTRE DEUX VARIABLES Ue telle distributio est appelée profil-lige. L esemble des profils-liges peut être préseté das u tableau : Y X D 1 D 2... D J Total X C 1 11 / / J / 1. 1 C 1 21 / / J / C I I1 / I. I2 / I.... IJ / I. 1 Exemple 31. Distributio coditioelle de la variable " Situatio quat à l immigratio" sachat la modalité " Actifs ayat u emploi" e Frace e 2006, ou : situatio quat à l immigratio des actifs ayat u emploi e Frace e b) Profils-coloes De même, l esemble des distributios coditioelles de X sachat les modalités de Y est l esemble des profils-coloes, que l o peut préseter das le tableau suivat : X Y Y D 1 D 2... D J C 1 11 /.1 12 / J /.J C 1 21 /.1 22 / J /.J C I I1 /.1 I2 /.2... IJ /.J Total Exemple 32. Esemble des profils-coloes du couple de variables "Situatio professioelle" et "Situatio vis-à-vis de l immigratio". 2. Laiso liéaire etre deux variables quatitatives Les valeurs distites de X et Y sot représetées respectivemet par x 1,..., x p et y 1,..., y q O désige par ij l effectif associé à l observatio (x i, y j ) et par f ij la fréquece associée : y 1 y j y q Total x j 1q x i i1 ij iq i x p p1 pj pq p Total 1 j q U.F.R. Maths-Ifo 23 Prof. Auguste AMAN et Dr. Jea Marc OWO
27 CHAPITRE 5. LAISON ENTRE DEUX VARIABLES Avec i = q ij ; j = j=1 p ij ; q q ij = j=1 p i = q j = j= Caractéristiques margiales et coditioelles Moyees et variaces margiales X : x = 1 p i x i, s 2 (X) = 1 p i (x i x) 2 Y : ȳ = 1 q j y j, j=1 s 2 (Y ) = 1 q j (y j ȳ) 2 j=1 Moyees et variaces coditioelles X Y = y j : x j = 1 j p ij x i, s 2 j(x) = 1 j p ij (x i x j ) Covariace Y X = x i : ȳ i = 1 q ij y j, s 2 i (Y ) = 1 q ij (y j ȳ i ) 2. i i j=1 j=1 Défiitio 5.1. O défiit la covariace de X et dey par : Cov(X, Y ) = 1 p q ij [(x i x)(y j ȳ)]. j=1 L uité das est exprimée la covariace est le produit des uités de X et de Y. Remarque 5.2. Lie avec la variace : Cov(X, X) = V ar(x) Remarque 5.3. Formule pratique : Cov(X, Y ) = ( 1 p ) q ij x i y j xȳ. Propriété 5.1. Chagemet d échelle : soiet a, b, c, d des costates réelles. O a j=1 Cov(aX + b, cy + d) = accov(x, Y ). U.F.R. Maths-Ifo 24 Prof. Auguste AMAN et Dr. Jea Marc OWO
28 CHAPITRE 5. LAISON ENTRE DEUX VARIABLES Propositio 5.1. Expressio de la variace d ue somme de variables : Propositio 5.2. Iégalité de Cauchy-Schwarz : V ar(x + Y ) = V ar(x) + V ar(y ) + 2Cov(X, Y ). Cov(X, Y ) σ X σ Y. Preuve : Pour tout réelle a, o peut développer grâce à la propositio 1 la quatité V ar(x + ay ) 0 : V ar(x + ay ) = V ar(x) + V ar(ay ) + 2Cov(X, ay ) = V ar(x) + a 2 V ar(y ) + 2aCov(X, Y ) par la propriéte 1 (5.1) 0 Le polyôme du secod degré e a état de sige costat, so discrimiat est égatif ou ul : d où l égalité recherchée. 4(Cov(X, Y )) 2 4V ar(x)v ar(y ) 0, Remarquos au passage que le cas d égalité se produit lorsque le discrimiat de l équatio 5.1 est ul. Das ce cas, l équatio admet ue racie double : 2Cov(X, Y )) a = 2V ar(y ) = = Cov(X, Y ) V ar(y ) { σ X σ Y si Cov(X, Y ) = +σ X σ Y σ X σy si Cov(X, Y ) = σ X σ Y Das le premier cas, cela sigifie que X σ X σy Y a ue variace ulle, doc est ue costate, d où Das le secod cas, X = σ X σ Y Y + costate. X = σ X σ Y Y + costate. Ces deux cas sot les seuls cas d égalité das la propositio 2. Ils correspodet au fait que les variables Y et Y s obtieet l ue à partir de l autre par ue applicatio affie Coefficiet de corrélatio Défiitio 5.2. Le coefficiet de corrélatio r(x, Y ) est défii par : r(x, Y ) = Cov(X, Y ) σ X σ Y. U.F.R. Maths-Ifo 25 Prof. Auguste AMAN et Dr. Jea Marc OWO
29 CHAPITRE 5. LAISON ENTRE DEUX VARIABLES C est u coefficiet sas uité. Sa valeur absolue est ivariate par traslatio et chagemet d échelle des variables : pour toutes costates réelles a 0, b, c 0, d, Propriété 5.2. il découle de la propositio 2 que De plus, les cas de l égalité sot les suivates : r(ax + b, cy + d) = ac r(x, Y ). ac 1 r(x, Y ) 1..r(X, Y ) = 1 si et seulemet si les deux variables satisfot ue relatio affie du type Y = ax + b avec a > 0..r(X, Y ) = 1 si et seulemet si les deux variables satisfot ue relatio affie du type Y = ax + b avec a < 0. Lorque le uage des poits (x i, y i ) est exactemet situé sur ue droite (cas idéal), o est das la situatio où r(x, y) = ±1. Lorsque r(x, Y ) est proche de ±1 (pour fixer les idées : r(x, Y ) 0, 8, alors il y a ue laiso liéaire importate etre X et Y. Lorsqu au cotraire r(x, Y ) est proche de 0, alors il existe pas de relatio liéaire etre X et Y. Attetio, il peut y avoir quad même u autre type de laiso etre X et Y Régressio liéaire O suppose à préset que les observatios du couple de variable (X, Y ) satisfot ue relatio de la forme suivate, y i = ax i + b + ɛ i, i = 1,...,, (5.2) où a et b sot des coefficiets réels. Le terme ɛ i désige u bruit, c est à dire ue pertubatio supposée petite. Das ce cour, o e cherchera pas à doer u ses précis a la mesure de ce bruit. Disposat des observatios (x i, y i ) du couple (X, y), o cherche à trouver les coefficiets a et b qui permettet le mieux d ajuster les doées à ue relatio du type (5.2), au ses du critère des moidres carrés. O cherche mi a,b (y i b ax i ) 2. (5.3) La solutio, qui s obtiet e aulat les dérivées partielles de la foctio de (a, b) qui est miimisée e (5.3), est â = Cov(X, Y ) V ar(x), ˆb = ȳ â x, où x et ȳ désige les moyees respective de X et Y. La droite des moidres carrés est la droite d équatio : y = âx + ˆb. O peut remarquer qu elle passe toujours par le barycetre ( x, ȳ) du uage U.F.R. Maths-Ifo 26 Prof. Auguste AMAN et Dr. Jea Marc OWO
30 CHAPITRE 5. LAISON ENTRE DEUX VARIABLES de poits. Sa pete peut aussi s écrire à l aide du coefficiet de corrélatio : â = r(x, y) σ X σy. Predictio Pour ue valeur x 0 de la variable X qui e fait pas partie des observatios, o peut faire ue prédictio de la valeur correspodate de Y e calculat l ordoée du poit d abscisse x 0 sur la droite des moidres carrés : y 0 = âx 0 + ˆb 2.5. Régressio liéaire aprés trasformatio d ue variable O suppose que les observatios (x i, y i ) satisfot ue rélatio de type y i = af(x i ) + b + ɛ i, Pour ue certaie foctio f doée et de bruit ɛ i. O peut estimer les coefficiets de la droite de régressio de Y sur f(x) par la méthode décrite auparavat. 3. Liaiso etre deux variables qualitatives 3.1. Mesure de la liaiso etre deux variables qualitatives Compairaiso qualitative des profils-liges ou des profils-coloes Il y a idépedace stricte etre X et Y lorsque tous les profils-liges sot idetiques. Il sot das ce cas tous idetiques à la distributio margial de Y. De la même maière, l idépedace a lieu lorsque tous les profils-coloes sot égaux à la distributio margiale de X. Ceci implique : pour tous i, j, ij = i..j. (5.4) Réciproquemet, si (5.4) a lieu, alors il y a idépedace etre X et Y. preuve : La distace du χ 2 pour mesurer l écart à l idépedace Das la pratique, cette idépedace stricte e s observe jamais sur u échatillos. O peut être plus ou mois éloigé de cette situatio parfaite. La distace du χ 2 d écart à l idépedace permet de mesurer le degré de dépedace etre X et Y. Elle se base sur la comparaiso etre ij et i..j. U.F.R. Maths-Ifo 27 Prof. Auguste AMAN et Dr. Jea Marc OWO
31 CHAPITRE 5. LAISON ENTRE DEUX VARIABLES Défiitio 5.3. La distace du χ 2 observée sur la série statistique {(x 1, y 1 ),..., (x, y )} est défiie par χ 2 = I (( J ij i..j j=1 Exemple 33. Distace du χ 2 pour mesurer l écart à l idépedace etre les variables "situatio i..j quat à l immigratio" et "situatio professioelle" e Frace Propriété 5.3. la gradeur χ 2 = 0 si il y a idépedace stricte etre X et Y. la gradeur χ 2 est d autat plus élevée que la laiso est forte : il existe alors des cellules (i, j) avec ue écart importat ij i..j. l iégalité suivate est toujours vérifiée : ) 2 ) χ 2 mi{i 1, J 1}. Défiitio 5.4. O appelle cotributio au χ 2 du couple de modalités (C i, D j ) et (X, Y ) la quatité ( ij i..j ) 2 i..j. Plus la cotributio est forte, plus la laiso etre les modalités C i et D j est importate. Défiitio 5.5. L associatio etre les modalités C i et D j est dite positive si ij i..j est égative si ij i..j < 0. > 0. Elle Exemple 34. Liaiso etre la modalité "Elèves, étudiats, stagiaires" de la variable "Situatio professioelle" et la modalité "Immigrés" de la variable "Situatio quat à l immigratio". Défiitio 5.6. Le coefficiet C de Cramer est défii par : χ C = 2. mi{i 1, J 1}. Propriété C 1 C = 0 lorsqu il y a idépedace. De petites valeurs de C sigiet que la liaiso etre X et Y est trés faible. Des valeurs proches de 1 sigifiet qu il y a ue forte liaiso forte etre X et Y. Ce coefficiet, qui varie etre 0 et 1, permet de comparer la laiso etre plusieurs couples de variables. Exemple 35. Calcul du C de Cramer pour mesurer l écart à l idépedace etre les variables "Situatio quat à l immigratio" et " Situatio professioelle" e Frace e Représetatio graphique a) Distributio joit U.F.R. Maths-Ifo 28 Prof. Auguste AMAN et Dr. Jea Marc OWO
32 CHAPITRE 5. LAISON ENTRE DEUX VARIABLES Exemple 36. Diagramme e barres de la distributio joite des variables "Situatio quat à l immigratio" et "Situatio professioelle". b) Distributio coditioelle Exemple 37. Diagramme e barres de la distributio de la variable "Situatio professioelle" sachat la variable "Situatio quat à l immigratio". 4. liaiso etre variable qualitative et ue variable quatitative O observe des couples {(x i, y i ), 1 i } d observatios du couple de variable (X, Y ) avec : X qualitative à I modalités : C 1,..., C I Y quatitative, discrète ou cotiue,avec doée brutes ou regroupées e classes. Exemple Classemet des doées et distributios margiales La distributio margiale de X est la distributio associée à la série statistique (x 1,..., x ) (variable qualitative). La distributio margiale de Y est est la distributio associée à la série statistique (y 1,..., y ) (variable quatitative). O ote ȳ la moyee margiale e la variable Y et de σy 2 sa variace margiale. O ote 1.,..., I. les effectifs margiaux de la variable X. C est-à-dire : 1. est l effectif des observatios pour lesquelles X pred la modalité C 1, etc...o peut regrouper les couples d observatios (x i, y i ) qui comportet la même modalité x i. Après regroupemet, o obtiet la ouvelle éumératio : (x 11, y 11 ), (x 12, y 12 ),..., (x 11., y 11. ) = (C 1, y 11 ), (C 1, y 12 ),..., (C 1, y 11. ) (x 21, y 21 ), (x 22, y 22 ),..., (x 22., y 22. ) = (C 2, y 21 ), (C 2, y 22 ),..., (C 2, y 22. )... (x I1, y I1 ), (x I2, y I2 ),..., (x II., y II. ) = (C I, y I1 ), (C I, y I2 ),..., (C I, y II. ) U.F.R. Maths-Ifo 29 Prof. Auguste AMAN et Dr. Jea Marc OWO
Statistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailLimites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailSTATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en détailPrincipes et Méthodes Statistiques
Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............
Plus en détailEtude de la fonction ζ de Riemann
Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
Plus en détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **
Plus en détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailCours 5 : ESTIMATION PONCTUELLE
Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailCHAPITRE 2 SÉRIES ENTIÈRES
CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailInitiation à l analyse factorielle des correspondances
Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique
Plus en détailCours de Statistiques inférentielles
Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailx +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.
EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détail3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.
3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios
Plus en détailUNIVERSITÉ DE SFAX École Supérieure de Commerce
UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première
Plus en détailStatistique Numérique et Analyse des Données
Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques
Plus en détailComment les Canadiens classent-ils leur système de soins de santé?
Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailChapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.
Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE
Plus en détailDares Analyses. Plus d un tiers des CDI sont rompus avant un an
Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée
Plus en détailExamen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot
Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailRECHERCHE DE CLIENTS simplifiée
RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées
Plus en détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en détailProbabilités et statistique pour le CAPES
Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes
Plus en détailConvergences 2/2 - le théorème du point fixe - Page 1 sur 9
Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios
Plus en détailSuites et séries de fonctions
[http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de
Plus en détailÉchantillonnage et estimation
Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailLe Sphinx. Enquêtes, Sondages. Analyse de données. Internet : http://www.lesphinxdeveloppement.fr/club/index.html
Equêtes, Sodages Aalyse de doées Le Sphix! Iteret : http://www.lesphixdeveloppemet.fr/club/idex.html Lagarde J. Aalyse statistique de doées, Duod. Réaliser vos equêtes Questioaire Traitemets et aalyses
Plus en détailTerminale S. Terminale S 1 F. Laroche
Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM
Plus en détailLa maladie rénale chronique
La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie
Plus en détailUniversité Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014
Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
Plus en détail4 Approximation des fonctions
4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour
Plus en détailUV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1
UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice
Plus en détailExercices de mathématiques
MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris
Plus en détailDETERMINANTS. a b et a'
2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio
Plus en détailOpérations bancaires avec l étranger *
Opératios bacaires avec l étrager * Coditios bacaires au 1 er juillet 2011 Etreprises et orgaismes d itérêt gééral Opératios à destiatio de l étrager Viremets émis vers l étrager : viremet e euros iférieur
Plus en détailSTRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO
Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est
Plus en détailTARIFS BANCAIRES. Opérations bancaires avec l étranger Extrait des conditions bancaires au 1 er juillet 2014. Opérations à destination de l étranger
Opératios bacaires avec l étrager Extrait des coditios bacaires au 1 er juillet Opératios à destiatio de l étrager Viremets émis vers l étrager : Frais d émissio de viremets e euros (3) vers l Espace écoomique
Plus en détailPOLITIQUE ECONOMIQUE ET DEVELOPPEMENT
POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier
Plus en détailTableaux Croisés et Diagrammes en Mosaïque : Pour Voir Les Probabilités Marginales et Conditionnelles.
Tableaux Croisés et Diagrammes e Mosaïque : Pour Voir Les Probabilités Margiales et Coditioelles. Moique Le Gue CNRS- MATISSE 1 Résumé Cet article s iscrit das ue démarche de sesibilisatio aux différetes
Plus en détailPROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS
PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie
Plus en détailWorking Paper RETAIL RÉGIONAL RESPONSABLE
«BANQUE DE DÉTAIL DE MASSE» : COMMENT LES CAISSES D ÉPARGNE EN AFRIQUE, ASIE ET AMÉRIQUE LATINE PEUVENT FOURNIR DES SERVICES ADAPTÉS AUX BESOINS DES POPULATIONS DÉFAVORISÉES Travailler avec les caisses
Plus en détailUn nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction
A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés
Plus en détailLes algorithmes de tri
CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....
Plus en détailTélé OPTIK. Plus spectaculaire que jamais.
Télé OPTIK Plus spectaculaire que jamais. Vivez toute la puissace de la télévisio sur IP grâce au réseau OPTIK 1 de TELUS et découvrez-e l extraordiaire potetiel. Télé OPTIK MC vous doe la parfaite maîtrise
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailUne action! Un message!
Ue actio! U message! Cotact Master est u service exclusif de relaces automatiques de vos actes vers vos cliets, par SMS, messages vocaux, e-mails, courrier... Il se décleche lorsque vous réalisez ue actio
Plus en détailMUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB
MUTUELLE D&O MUTUELLE D&O Copilote de votre saté AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyace CRC CRIS CRPB-AFB DOMISSIMO-Assuraces DOMISSIMO-Services FONGECFA-Trasport IPRIAC MUTUELLE D&O OREPA-Prévoyace
Plus en détailChaînes de Markov. Arthur Charpentier
Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.
Plus en détailLa fibre optique arrive chez vous Devenez acteur de la révolution numérique
2 e éditio Edité par l Autorité de régulatio des commuicatios électroiques et des postes RÉPUBLIQUE FRANÇAISE DÉCEMBRE 2010 La fibre optique arrive chez vous Deveez acteur de la révolutio umérique Petit
Plus en détailTempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation
Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail
Plus en détailNeolane Message Center. Neolane v6.0
Neolae Message Ceter Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord.
Plus en détailPROMENADE ALÉATOIRE : Chaînes de Markov et martingales
PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières
Plus en détailCompte Sélect Banque Manuvie Guide du débutant
GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de
Plus en détailRESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)
RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &
Plus en détailRéseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus
Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio
Plus en détailFaites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes
Faites prospérer vos affaires grâce aux solutios d éparge et de gestio des dettes Quelques excelletes raisos d offrir des produits bacaires et de fiducie à vos cliets Vous avez la compétece écessaire pour
Plus en détail