STAT-I301 Chapitre IV: Tests d hypothèse. Caroline Verhoeven

Dimension: px
Commencer à balayer dès la page:

Download "STAT-I301 Chapitre IV: Tests d hypothèse. Caroline Verhoeven"

Transcription

1 STAT-I301 Chapitre IV: Tests d hypothèse Caroline Verhoeven

2 Table des matières 1 Principe Significativité Puissance d un test Etapes d un test d hypothèse 2 Tests statistiques Test t pour 1 échantillon Tests z pour les proportions Test t pour échantillons appariés Test t pour 2 échantillons indépendants Test du χ 2 Caroline Verhoeven STAT-I301 2 / 59

3 Principe de base : exemples Exemple 1 En 2002, 2 chercheurs français ont étudié l impact de l entraînement intensif sur les jeunes gymnaste féminines. Question : Les jeunes gymnastes sont elles plus petites que les jeunes filles de leur age? H 0 : µ gym = µ controle H a : µ gym < µ controle Exemple 2 On étudie l expression moyenne d un gène sous un certain traitement. A priori on ne sait pas si l expression sera plus grande ou plus petite sous le traitement H 0 : µ traitement = µ controle H a : µ traitement µ controle Caroline Verhoeven STAT-I301 3 / 59

4 1. Principe Principe de base But : Utiliser les données d un échantillon afin d étudier une hypothèse sur un paramêtre de la population Comparaison de 2 hypothèses contradictoires : Hypothèse nulle (H 0 ) : Hypothèse selon laquelle la population suit une loi donnée. Formulée comme une égalité Exemple : le traitement n a pas d effet, effet=0 Hypothèse alternative (H a ) : Hypothèse selon laquelle la population ne suit pas une loi donnée. Formulée comme <, > ou En général : ce que le chercheur espère Exemple : effet 0, effet> 0 ou effet< 0 Après le test on rejette H 0 (RH 0 ) ou on ne rejette pas H 0 (NRH 0 ) Caroline Verhoeven STAT-I301 4 / 59

5 Erreurs de test hypothèse 1. Principe 1. Significativité NRH 0 RH 0 H 0 vraie Erreur du type I Réalité H 0 fausse Erreur du type II Caroline Verhoeven STAT-I301 5 / 59

6 1. Principe 1. Significativité Erreur du type I : Exemple I Exemple 3 Résultat d un essai antibiotique sur des souris 60 souris ont été inoculées avec une souche potentiellement mortelle de Salmonelle sp. Après cette injection : 30 souris tirées au hasard (lot témoin) sont laissées tranquille 30 autres (lot traité) reçoivent une dose de pentacycline (un antibiotique à large spectre) Résultat Dans le groupe traité, 19 souris (63,3%) ont survécus Dans le groupe non traité, 14 souris (46,7%) ont survécus Conclusion : le traitement a un effet positif Caroline Verhoeven STAT-I301 6 / 59

7 1. Principe 1. Significativité Erreur du type I : Exemple II Exemple 3 Résultat Dans le groupe traité, 19 souris (63,3%) ont survécus Dans le groupe non traité, 14 souris (46,7%) ont survécus Conclusion : le traitement a un effet positif FAUX Ce n est pas une expérience réelle Ce sont 2 30 nombres générés aléatoirement (0 pour mort, 1 pour en vie) Equivalent à lancer 2 30 fois une pièce Caroline Verhoeven STAT-I301 7 / 59

8 1. Principe 1. Significativité Erreurs de type I Erreur du type I : Rejeter H 0 si elle est vraie Exemple : Conclure que le traitement a un effet alors que non Il faut éviter ce type d erreur Limiter le fait que la différence entre le résultat obtenu et H 0 est dû au hasard En général on accepte que la probabilité de se tromper est α = 0.05 α : le seuil significatif Caroline Verhoeven STAT-I301 8 / 59

9 1. Principe 1. Significativité Seuil significatif : Exemple Exemple 4 QI moyen de la population : µ 0 = 100, écart-type pour la population : σ 0 = 15. Des chercheurs développe un médicament pour augmenter artificiellement le QI. 30 personnes prennent ce médicament, ensuite on teste leur QI. QI moyen de ces 30 personnes : x = 140. Ce médicament augmente-t-il en moyenne le QI? Formulation de l hypothèse nulle : H 0 : µ = 100 H a : µ > 100 Les données donnent x > µ 0 Doit-on rejeter H 0 ou non? Caroline Verhoeven STAT-I301 9 / 59

10 Seuil significatif I 1. Principe 1. Significativité On a des données d un échantillon et on veut conclure si : H 0 : µ = µ 0 H a : µ > µ 0 Supposons que les données donnent x > µ 0 Doit-on rejeter H 0 ou non? 1 Α Α Μ 0 NRH 0 q RH 0 Distribution d échantillonnage si H 0 vraie α = P(Y q H 0 vraie) q : le quantile de niveau 1 α x q RH 0 x < q NRH 0 Caroline Verhoeven STAT-I / 59

11 Seuil significatif II 1. Principe 1. Significativité H 0 : µ = µ 0, H a : µ < µ 0 Α 1 Α Μ 0 RH 0 q NRH 0 H 0 : µ = µ 0, H a : µ µ 0 Α 2 1 Α Α 2 Μ 0 RH 0 NRH q 0 RH 1 q 0 2 Distribution d échantillonnage si H 0 vraie α = P(Y q H 0 vraie) q : le quantile de niveau α x q RH 0 x > q NRH 0 Distribution d échantillonnage si H 0 vraie α = P(Y q 1 ou q 2 H 0 vraie) q 1 : le quantile α/2 q 2 : le quantile 1 α/2 x q 1 ou x q 2 RH 0 q 1 < x < q 2 NRH 0 Caroline Verhoeven STAT-I / 59

12 1. Principe 1. Significativité Seuil significatif : Résolution de l exemple On choisit α = 0,05 On centre et réduit en supposant que H 0 est vraie : z = x µ 0 σ 0 N = = 14, Z N(0,1) si H 0 vrai q : 95ème centile q = 1, z > q RH 0 z q Caroline Verhoeven STAT-I / 59

13 1. Principe 1. Significativité La valeur p (p-value) : unilatéral I Supposons que H 0 : µ = µ 0 H a : µ > µ 0 Nous avons x des données Μ 0 x x p Distribution d échantillonnage si H 0 vraie p = P(Y x H 0 vraie) p : une probabilité p α RH 0 p > α NRH 0 Caroline Verhoeven STAT-I / 59

14 1. Principe 1. Significativité La valeur p (p-value) : unilatéral II Si H 0 : µ = µ 0 H a : µ < µ 0 x p = P(Y < x H 0 vraie) p p α RH 0 p > α NRH 0 x Μ 0 Caroline Verhoeven STAT-I / 59

15 1. Principe 1. Significativité La valeur p (p-value) : bilatéral Si H 0 : µ = µ 0 H a : µ µ 0 x > µ 0 : p/2 = P(Y x H 0 vraie) x p 2 et x < µ 0 : p/2 = P(Y x H 0 vraie) p α RH 0 Μ 0 x 2 p > α NRH 0 Caroline Verhoeven STAT-I / 59

16 1. Principe 1. Significativité La valeur p : Résolution de l exemple On centre et réduit en supposant que H 0 est vraie : z = x µ 0 σ 0 N = = 14, Exercice Caroline Verhoeven STAT-I / 59

17 Erreurs de test hypothèse 1. Principe 2. Puissance d un test NRH 0 RH 0 H 0 vraie Erreur du type I Réalité H 0 fausse Erreur du type II Caroline Verhoeven STAT-I / 59

18 1. Principe 2. Puissance d un test Erreur du type II Erreur du type II : Ne pas rejeter H 0 si H 0 est incorrect Exemple : Conclure que le traitement n a pas d effet alors qu il en a. β : P(NRH 0 H 0 fausse), risque de faire une erreur du type II 1 β : P(RH 0 H 0 fausse), puissance du test On ne sait calculer β que si on a une valeur précise µ a Caroline Verhoeven STAT-I / 59

19 1. Principe 2. Puissance d un test Erreur du type II : Exemple I Exemple 5 En 2002, 2 chercheurs français ont étudié l impact de l entraînement intensif sur les jeunes gymnaste féminines de haut niveau. Ces jeunes gymnastes de haut niveau sont-elles en moyennes plus petites que la moyenne des filles de 15 ans? En moyenne les filles de 15 ans ont une taille µ 0 = 161cm, σ = 10cm On regarde 30 gymnastes de 15 ans. Déterminons β pour de valeurs différentes de µ a Α Β RH 0 NRH 0 β = P(Y x H a vraie ), x : quantile α si H 0 vraie µ 0 = 161cm, µ a = 157cm β = 0,293 µ 0 = 161cm, µ a = 155cm β = 0,050 µ 0 = 161cm, µ a = 153cm β = 0,003 Caroline Verhoeven STAT-I / 59

20 1. Principe 2. Puissance d un test Erreur du type II : Exemple II On peut diminuer β en agrandissant N Α Β µ 0 = 161cm, µ a = 157cm N = 30 β = 0,293 N = 50 β = 0,118 N = 100 β = 0,009 Caroline Verhoeven STAT-I / 59

21 1. Principe 3. Etapes d un test d hypothèse 1 Choisir le seuil significatif α 2 Formuler H 0 et H a 3 Choisir le test approprié 4 Calculer la valeur p et comparer avec α 5 Formuler une conclusion Caroline Verhoeven STAT-I / 59

22 Types de tests 2. Tests statistiques Test de conformité : Comparaison entre 1 échantillon et 1 population Test servant à vérifier si l échantillon qu on considère est bien issu de la population considérée Test d égalité : Comparaison entre 2 échantillons Test permettant de comparer 2 populations Test d indépendance Test pour des données qualificatives Test permettant de de contrôler l indépendance de plusieurs critères de classification Caroline Verhoeven STAT-I / 59

23 2. Tests statistiques Test pour z pour 1 échantillon pour la moyenne Nous venons de faire un test z pour 1 échantillon pour la moyenne : l exemple des QI Caroline Verhoeven STAT-I / 59

24 2. Tests statistiques 1. Test t pour 1 échantillon Test t pour 1 échantillon : Exemple Exemple 6 Retournons à l exemple 4 Question : Les jeunes gymnastes sont elles plus petites que les jeunes filles de leur age? Taille moyenne des jeunes filles de 15 ans µ 0 = 161cm, σ 0 pas connu On considère un échantillon de 7 gymnastes On a x = 146,8cm et s = 8,5cm Cette différence est-elle significative à un seuil α = 0,05? Caroline Verhoeven STAT-I / 59

25 2. Tests statistiques 1. Test t pour 1 échantillon Test t pour 1 échantillon : Principe But : Vérifier que la population a une moyenne µ 0, spécifiée à l avance Formulation des hypothèses : H 0 : µ = µ 0 vs H a : µ > µ 0 (ou H a : µ < µ 0, ou H a : µ µ 0 ) Calcul de la mesure statistique t = x µ 0 s/ N, T = X µ 0 s/ N t(df = N 1) Calcul de la valeur p Si H a : µ > µ 0, alors p = P(T t) µ < µ 0, alors p = P(T t) µ µ 0 : si x µ 0, alors p = 2P(T t) si x µ 0, alors p = 2P(T t) p 2 p 2 t Caroline Verhoeven STAT-I / 59

26 2. Tests statistiques 1. Test t pour 1 échantillon Test t pour 1 échantillon : Résolution de l exemple Exemple 6 Nous voulons conclure à partir d un échantillon de 7 gymnastes, si les gymnastes de 15 ans sont en moyenne plus petites que la moyenne des jeunes filles de leur âge. Formulation de l hypothèse : H 0 : µ gym = µ 0 et H a : µ gym < µ 0 µ 0 = 161cm, x = 146,8cm et s = 8,5cm Calcul de la mesure statistique : t = x µ 0 s/ N = 4,42 0,3 La variable T t(df = 6) Calcul de la valeur p : p = P(T 4,42) = 0,0024 < α = 0,05 0,2 0,1 p 5t 1,94 5 Caroline Verhoeven STAT-I / 59

27 2. Tests statistiques 2. Tests z pour les proportions Test z pour 1 échantillon : Exemple Exemple 7 Dans une étude de 1991, on a regardé si les individus nés au 4ème trimestre avait une probabilité moindre de jouer en Ligue Nationale de Hockey canadienne On s attend à une proportion π 0 = 0,25 de joueurs nés au 4ème trimestre N = 388 joueurs canadiens sont inscrits sur la liste de la Ligue en de ces joueurs sont nés au 4ème trimestre On a donc p = A-t-on moins de joueurs nés au 4ème trimestre à un seuil significatif α = 0,05? Caroline Verhoeven STAT-I / 59

28 2. Tests statistiques 2. Tests z pour les proportions Test z pour 1 échantillon : Principe But : Décider si la proportion de la population qui satisfait à une certaine caractéristique correspond à une proportion π 0, spécifiée à l avance Formulation des hypothèses H 0 : π = π 0, H a : π > π 0 (ou π < π 0 ou π π 0 ) Calcul de la mesure statistique Z N(0,1) z = p π 0 π 0 (1 π 0 ) N Caroline Verhoeven STAT-I / 59

29 2. Tests statistiques 2. Tests z pour les proportions Caroline Verhoeven STAT-I / 59 On rejette H au niveau α = 0,05 Test z pour 1 échantillon : Résolution de l exemple Exemple 7 A-t-on moins de joueurs nés au 4ème trimestre à un seuil significatif α = 0,05? Formulation des hypothèses H 0 : π = π 0 = 0,25, H a : π < π 0 p = 0,178, N = 388 Calcul de la mesure statistique Calcul de la valeur p z = p π 0 π 0 (1 π 0 ) N = 3,28 p = P(Z 3,28) = 0,0005

30 2. Tests statistiques 2. Tests z pour les proportions Test z pour 1 échantillon : Conditions Conditions sur les données La population doit être beaucoup plus grande que l échantillon L échantillon ne peut pas être biaisé Nπ 0 10 et N(1 π 0 ) 10 Caroline Verhoeven STAT-I / 59

31 2. Tests statistiques 3. Test t pour échantillons appariés Test t pour échantillon appariés : Exemple Exemple 8 On fait une étude pour voir l effet d un traitement contre l hypertension On considères N = 5 individus auxquels on donne dans un 1 er temps un placebo et dans un 2 nd temps un antihypertenseur Voici les résultats : patient placebo traitement différence La différence est elle significative au niveau α = 0,05? Caroline Verhoeven STAT-I / 59

32 2. Tests statistiques 3. Test t pour échantillons appariés Test t pour échantillons appariés But : Tester si la moyenne reste la même ou non pour les mêmes sujets dans des conditions différentes x (1) j : 1ère mesure du sujet ; j x (2) j : 2ème mesure du sujet j d j = x (1) j x (2) j, d :moyenne des d j Equivalent à un test t pour 1 échantillon avec les d j Formulation des hypothèses : H 0 : δ = µ 1 µ 2 = 0 vs H a : δ > 0 (ou δ < 0 ou δ 0) Calcul de la mesure statistique t = T t(df = N 1) d s d / N, s2 d = 1 N 1 N (d j d) 2 j=1 Caroline Verhoeven STAT-I / 59

33 2. Tests statistiques 3. Test t pour échantillons appariés Test t pour échantillons appariés : Résolution de l exemple I Exemple 8 Regardons nos hypertendus d = 1, s d = 1,58 Formulation de l hypothèse : H 0 : δ = 0, H a : δ 0 Calcul de la mesure statistique : T t(df = 4) t = d s d / N = 1,41 Caroline Verhoeven STAT-I / 59

34 2. Tests statistiques 3. Test t pour échantillons appariés Test t pour échantillons appariés : Résolution de l exemple II Exemple 8 T t(df = 4) Calcul de la valeur p t = d s d / N = 1,41 p = P(T 1,41) = 0,23 On ne rejette pas H 0 Caroline Verhoeven STAT-I / 59

35 2. Tests statistiques 3. Test t pour échantillons appariés Test t pour échantillons appariés : Conditions Conditions sur les données Les sujets doivent être sélectionnés de manière indépendante Les échantillons ne peuvent pas être biaisés Les données doivent être normalement distribuées ou N 15 Caroline Verhoeven STAT-I / 59

36 2. Tests statistiques 4. Test t pour 2 échantillons indépendants Test t pour 2 échantillons indépendants : Exemple Exemple 9 En 1996, Solberg a étudié l impact de la pratique de la méditation sur les performances en tir. Un groupe de N 1 = 13 tireurs a suivi un entraînement à la méditation pendant 7 semaines Un groupe de N 2 = 12 tireurs n a pas suivi cet entraînement On enregistre les résultats de ces tireurs en compétition avant et après l intervention L impact est-il significatif au seuil α = 0,05? Moyenne des différences de points (avant-après) pour le groupe 1 : x 1 = 0,6 et s 1 = 2,16 Moyenne des différences de points (avant-après) pour le groupe 2 : x 2 = 1,5 et s 2 = 2,70 Caroline Verhoeven STAT-I / 59

37 2. Tests statistiques 4. Test t pour 2 échantillons indépendants Test t pour 2 échantillons indépendants : principe But : Conclure si les moyennes µ 1 et µ 2 de 2 populations sont égales ou non Formulation des hypothèses : H 0 : µ 1 = µ 2 vs H a : µ 1 > µ 2 (ou µ 1 < µ 2, ou µ 1 µ 2 ) On considère 2 échantillons de N 1 et N 2 sujets Caroline Verhoeven STAT-I / 59

38 2. Tests statistiques 4. Test t pour 2 échantillons indépendants Test t pour 2 échantillons indépendants : calcul I Calcul de la mesure statistique Si σ 2 1 = σ2 2 (Homocédasticité) : t = T t(df = N 1 + N 2 2) x 1 x 2 ( (N 1 1)s 2 1 +(N 2 1)s 2 2 N 1 +N 2 2 ) 1 N N 2 Caroline Verhoeven STAT-I / 59

39 2. Tests statistiques 4. Test t pour 2 échantillons indépendants Test t pour 2 échantillons indépendants : calcul II Calcul de la mesure statistique Si σ 2 1 σ2 2 (Hétérocédasticité) : T t df = t = x 1 x 2 s 2 1 N 1 + s2 2 N 2 ( s 2 1 N 1 + s2 2 N 2 ) 2 ( ) s 2 2/(N1 ( ) 1 s 2 2/(N2 N 1 1)+ 2 N 2 1) Caroline Verhoeven STAT-I / 59

40 2. Tests statistiques 4. Test t pour 2 échantillons indépendants Interlude : Tester l égalité des variances Test préliminiare : Test de Fisher Formulation des hypothèses : H 0 : σ 2 1 = σ2 2, H a : σ 2 1 σ2 2 ou H 0 : σ 2 1 /σ2 2 = 1, H a : σ 2 1 /σ2 2 1 Calcul de la mesure statistique f = s2 1 s 2 2 F F(N 1 1,N 2 1) F(ν 1,ν 2 ) : distribution de Fisher avec ν 1 et ν 2 degrés de liberté Distribution de Fisher F(12,12) F(4,4) F(15,5) Caroline Verhoeven STAT-I / 59

41 2. Tests statistiques 4. Test t pour 2 échantillons indépendants Test de l égalité des variances : Exemple I Exemple 9 Retournons à nos tireurs Formulation de l hypothèse : Le groupe 1 : N 1 = 13, s 1 = 2,16 Le groupe 2 : N 2 = 12, s 2 = 2,7 Ces 2 variances sont elles différentes à un seuil significatif α = 0,05? Caroline Verhoeven STAT-I / 59

42 2. Tests statistiques 4. Test t pour 2 échantillons indépendants Test de l égalité des variances : Exemple I Exemple 9 Calcul de la mesure statistique : f = (2,16)2 (2,70)2 = 0,64 f = (2,70) 2 (2,16) 2 = 1,56 F F(11,12) On regarde si f > 97,5ème centile. f = 1,56 < F 11;12;0,975 = 3,321 0,8 0,4 On ne rejette pas H 0 1 f F 11,12, 97.5 Α 2 Caroline Verhoeven STAT-I / 59

43 2. Tests statistiques 4. Test t pour 2 échantillons indépendants Test t pour 2 échantillons indépendants : Résolution de l exemple I Exemple 9 La méditation a-t-elle un impact sur la performance des tireurs? Formulation des hypothèses : H 0 : µ 1 = µ 2, H a : µ 1 µ 2 N 1 = 13, x 1 = 0,6 et s 1 = 2,16 N 2 = 11, x 1 = 1,5 et s 1 = 2,70 Caroline Verhoeven STAT-I / 59

44 2. Tests statistiques 4. Test t pour 2 échantillons indépendants Test t pour 2 échantillons indépendants : Résolution de l exemple II Exemple 9 Calcul de la mesure statistique : t = (N 1 1)s 2 1 +(N 2 1)s 2 2 N 1 +N 2 2 x 1 x 2 ( = 2, N1 N2) T t(df = N 1 + N 2 2) = t(df = 23) Calcul de la valeur p p = 2P(T 2,156) = 0,041 On rejette H 0 au seuil α = 0,05 Caroline Verhoeven STAT-I / 59

45 2. Tests statistiques 4. Test t pour 2 échantillons indépendants Test t pour 2 échantillons indépendants : conditions Conditions sur les données Les échantillons doivent être indépendants Les échantillons ne peuvent pas être biaisés Les données doivent être normalement distribuées pour les 2 échantillons ou N 1 et N 2 doivent être assez grands Si la distribution n est pas trop différente de la normale, N 1 5 et N 2 5 est suffisant Il faut vérifier si σ 1 = σ 2 ou pas Caroline Verhoeven STAT-I / 59

46 Tableau de contingence I 2. Tests statistiques 5. Test du χ 2 Un tableau de contingence sert à représenter 2 variables qualitatives de manière à voir si elles sont reliées Exemple 10 L IRM est une technique qui permet de détectés des signaux dans le cerveaux associés avec des dysfonctionnements cognitifs. En 1997, 2 chercheurs se sont demandés si on pouvait détecter des liaisons cérébrales chez des gens subissant fréquemment des chocs à la tête par contact. Ils ont convaincu 18 joueurs de foot américain, 15 footballeurs et 20 non sportifs de passer une IRM et on relevé la présence (ou non) de ces signaux Caroline Verhoeven STAT-I / 59

47 Tableau de contingence II 2. Tests statistiques 5. Test du χ 2 Exemple 10 Le résultat signal foot am. foot contrôle oui non Totaux marginaux des lignes oui =23 non =30 Totaux marginaux des colonnes foot am. 7+11=18 foot 11+4=15 contrôle 5+15=20 Caroline Verhoeven STAT-I / 59

48 2. Tests statistiques 5. Test du χ 2 Tableau de contingence III Exemple 10 La table de contingence signal foot am. foot contrôle total oui non total Caroline Verhoeven STAT-I / 59

49 Test du χ 2 : Exemple I 2. Tests statistiques 5. Test du χ 2 Exemple 11 Lien entre les signaux sur l IRM et les chocs à la tête? Les données donnent signal foot am. foot contrôle total oui non total Population 1 : foot am., p 1,oui 7 18 = 0,389 Population 2 : foot, p 2,oui = = 0,733 Population 3 : contrôle, p 3,oui = 5 20 = 0,25 H 0 : π 1,oui = π 2,oui = π 3,oui H a : Il y a un lien entre les caractéristiques Caroline Verhoeven STAT-I / 59

50 Test du χ 2 : Exemple II 2. Tests statistiques 5. Test du χ 2 H 0 : π 1,oui = π 2,oui = π 3,oui Si H 0 vrai, On s attend à ce que p 1,oui = p 2,oui = p 3,oui. A quoi ressemblerait le tableau? signal foot am. foot contrôle total oui e 11 e 12 e non e 21 e 22 e total e 11 = e = e = e = e = e = e = = 7,81 e 12 = = 6,51 Caroline Verhoeven STAT-I / 59

51 Test du χ 2 : Exemple III 2. Tests statistiques 5. Test du χ 2 Le tableau attendu serait donc : signal foot am. foot contrôle total oui 7,81 6,51 8,68 23 non 10,19 8,49 11,32 30 total Le tableau observé et le tableau attendu sont ils significativement différents? Caroline Verhoeven STAT-I / 59

52 test du χ 2 : Principe I 2. Tests statistiques 5. Test du χ 2 But : Conclure si il y a un lien ou non entre 2 caractéristiques Formulation des hypothèses : H 0 : π 1 = π 2 = = π c H a : une de ces proportion est différentes des autres Calcul de la mesure statistique : Considérons le tableau de contigence observé : C 1 C 2... C c total R 1 o 11 o o 1c o 1 R 2 o 21 o o 2c o R r o r1 o r2... o rc o r total o 1 o 2... o c o e ij = o i o j o Caroline Verhoeven STAT-I / 59

53 Test du χ 2 : Principe II 2. Tests statistiques 5. Test du χ 2 Tableau des valeurs attendue (expected values) si H 0 est vraie C 1 C 2... C c total R 1 e 11 e e 1c o 1 R 2 e 21 e e 2c o R r e r1 e r2... e rc o r total o 1 o 2... o c o χ 2 = r i=1 j=1 c (o ij e ij ) 2 χ 2 χ 2 ((c 1)(r 1)) On rejette H 0 si χ 2 plus grand qu un certain seuil On ne rejette pas H 0 si χ 2 plus petit que ce seuil e ij Caroline Verhoeven STAT-I / 59

54 Test du chi 2 : Principe III 2. Tests statistiques 5. Test du χ 2 La distribution χ 2 (df = k) k = 1 k = 3 k = Caroline Verhoeven STAT-I / 59

55 2. Tests statistiques 5. Test du χ 2 Test du χ 2 : Résolution de l exemple I Exemple 11 Y a-t-il une différence entre les 2 tableaux au seuil significatif α = 0,05 foot am. foot contrôle total oui Le tableau observé signal non total Le tableau attendu signal foot am. foot contrôle total oui 7,81 6,51 8,68 23 non 10,19 8,49 11,32 30 total Caroline Verhoeven STAT-I / 59

56 2. Tests statistiques 5. Test du χ 2 Test du χ 2 : Résolution de l exemple II Exemple 11 La différence entre les 2 tableaux o ij e ij foot am. foot contrôle total oui -0,81 4,49-3,68 0 signal non 0,81-4,49 3,68 0 total Calcul de la statistique : χ 2 = ( 0,81)2 7,81 + (4,49)2 6,51 + ( 3,68)2 + (0,81)2 8,68 10,19 + ( 4,49)2 + (3,68)2 8,49 11,32 = 8,32 χ 2 χ 2 (df = (3 1)(2 1)) = χ 2 (2) Le 95ème centile de la distribution χ 2 : 5,99 On rejette H 0 Caroline Verhoeven STAT-I / 59

57 2. Tests statistiques 5. Test du χ 2 Test du χ 2 : conditions Le test du χ 2 est un test non paramétrique : pas de supposition sur la distribution de la population Conditions sur les données : Pas plus d 1 sur 5 e ij < 5 Aucun e ij < 1 Caroline Verhoeven STAT-I / 59

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction

Plus en détail

Analyse de la variance Comparaison de plusieurs moyennes

Analyse de la variance Comparaison de plusieurs moyennes Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction

Plus en détail

Chapitre 6 Test de comparaison de pourcentages χ². José LABARERE

Chapitre 6 Test de comparaison de pourcentages χ². José LABARERE UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables

Plus en détail

distribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position

distribution 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 détail

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,

Plus en détail

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,

Plus en détail

Principe d un test statistique

Principe d un test statistique Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre

Plus en détail

Estimation et tests statistiques, TD 5. Solutions

Estimation et tests statistiques, TD 5. Solutions ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études

Plus en détail

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences

Plus en détail

FORMULAIRE DE STATISTIQUES

FORMULAIRE DE STATISTIQUES FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)

Plus en détail

FONCTION DE DEMANDE : REVENU ET PRIX

FONCTION DE DEMANDE : REVENU ET PRIX FONCTION DE DEMANDE : REVENU ET PRIX 1. L effet d une variation du revenu. Les lois d Engel a. Conditions du raisonnement : prix et goûts inchangés, variation du revenu (statique comparative) b. Partie

Plus en détail

VI. Tests non paramétriques sur un échantillon

VI. Tests non paramétriques sur un échantillon VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes

Plus en détail

Chapitre 3. Les distributions à deux variables

Chapitre 3. Les distributions à deux variables Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe commune aux séries ES, L et S : boîtes et quantiles Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans

Plus en détail

Exo7. Probabilité conditionnelle. Exercices : Martine Quinio

Exo7. Probabilité conditionnelle. Exercices : Martine Quinio Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle

Plus en détail

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.

Plus en détail

QUESTIONNAIRE DE PRE-AUDIT. Rubrique n 1 : Présentation de l entreprise

QUESTIONNAIRE DE PRE-AUDIT. Rubrique n 1 : Présentation de l entreprise QUESTIONNAIRE DE PRE-AUDIT MISE A NIVEAU DE L ENTREPRISE PAR LE GENIE INDUSTRIEL Pré-audit réalisé le... Rédacteur(s). Rubrique n 1 : Présentation de l entreprise Renseignements généraux - Identité de

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de

Plus en détail

Introduction à l approche bootstrap

Introduction à l approche bootstrap Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?

Plus en détail

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA 75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche

Plus en détail

R.C. Professionnelle Proposition

R.C. Professionnelle Proposition R.C. Professionnelle Proposition AMMA ASSURANCES a.m. Association d assurance mutuelle à cotisations fixes conformément à l article 2, 2 de la Loi du 25.06.1992 (M.B. 20.08.1992) agréée sous le code 0126

Plus en détail

Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014

Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 Tests du χ 2 Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 A. Lourme http://alexandrelourme.free.fr Outline

Plus en détail

Hier, Mathilde rencontrer son professeur. A pu A pue. Les animaux.malades pendant une courte période. Sont été Ont été Sont étés

Hier, Mathilde rencontrer son professeur. A pu A pue. Les animaux.malades pendant une courte période. Sont été Ont été Sont étés Hier, Mathilde rencontrer son professeur. A pu A pue Les animaux.malades pendant une courte période. Sont été Ont été Sont étés Le facteur.le paquet à la vieille dame. Est monté A monté Marie 7 ans la

Plus en détail

Dans une année, il y a 12 mois. Dans une année, il y a 52 semaines. Dans une année, il y a 4 trimestres. Dans une année, il y a 365 jours.

Dans une année, il y a 12 mois. Dans une année, il y a 52 semaines. Dans une année, il y a 4 trimestres. Dans une année, il y a 365 jours. Dans un siècle, il y a 100 ans. Dans une année, il y a 12 mois. Dans une année, il y a 52 semaines. Dans une année, il y a 4 trimestres. Dans une année, il y a 365 jours. Dans un trimestre, il y a 3 mois.

Plus en détail

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre. Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences

Plus en détail

Otite Moyenne Aiguë. Origine bactérienne dans 70 % des cas. Première infection bactérienne tous âges confondus

Otite Moyenne Aiguë. Origine bactérienne dans 70 % des cas. Première infection bactérienne tous âges confondus Otite Moyenne Aiguë OMA / modèle Origine bactérienne dans 70 % des cas Première infection bactérienne tous âges confondus Efficacité prouvée des antibiotiques Une des première cause d utilisation des antibiotiques

Plus en détail

Introduction aux Statistiques et à l utilisation du logiciel R

Introduction aux Statistiques et à l utilisation du logiciel R Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil

Plus en détail

1. QU'EST CE QUE LE TABLEAU DE BORD D UN PROJET?

1. QU'EST CE QUE LE TABLEAU DE BORD D UN PROJET? 1. QU'EST CE QUE LE TABLEAU DE BORD D UN PROJET?... 1 2. LES TABLEAUX DE BORD, OUTILS DE PILOTAGE... 2 3. LES TABLEAUX DE BORD : OUTILS DE DIALOGUE A L'INTERIEUR DE L'ORGANISATION... 3 4. LA PRESENTATION

Plus en détail

BTS Banque session 2011 EP 5 : Techniques bancaires Corrigé indicatif CORRIGE INDICATIF BANQUE PARIS MÉDICIS

BTS Banque session 2011 EP 5 : Techniques bancaires Corrigé indicatif CORRIGE INDICATIF BANQUE PARIS MÉDICIS BTS Banque session 2011 EP 5 : Techniques bancaires Corrigé indicatif CORRIGE INDICATIF BANQUE PARIS MÉDICIS DOSSIER A : GESTION DES MOYENS DE PAIEMENT 26 points A.1 Frais prélevés 3 A.2 Montant des agios

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 2D CH X : Exemples de lois à densité 1 TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun

Plus en détail

Chapitre 2. Eléments pour comprendre un énoncé

Chapitre 2. Eléments pour comprendre un énoncé Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données

Plus en détail

Cours de Tests paramétriques

Cours de Tests paramétriques Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.

Plus en détail

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3

Plus en détail

Tests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision

Tests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision Page n 1. Tests du χ 2 une des fonctions des statistiques est de proposer, à partir d observations d un phénomène aléatoire (ou modélisé comme tel) une estimation de la loi de ce phénomène. C est que nous

Plus en détail

Exercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015

Exercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015 Exercices M1 SES 214-215 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 215 Les exemples numériques présentés dans ce document d exercices ont été traités sur le logiciel R, téléchargeable par

Plus en détail

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

Chapitre 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 détail

Application sur le Dispositif en Blocs Complètement Randomisés

Application sur le Dispositif en Blocs Complètement Randomisés Roger Vumilia. KIZUNGU Directeur de l Expérimentation Agricole à l INERA Professeur Associé Faculté des Sciences Agronomiques Université de Kinshasa Utilisation des Logiciels de base dans la Recherche

Plus en détail

Analyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9

Analyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9 Analyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9 L analyse de variance à un facteur permet de vérifier, moyennant certaines hypothèses, si un facteur (un critère de classification,

Plus en détail

Lire ; Compter ; Tester... avec R

Lire ; Compter ; Tester... avec R Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................

Plus en détail

Le chi carré. Le sommaire. Approche quantitative

Le chi carré. Le sommaire. Approche quantitative Approche quantitative Le chi carré Les objectifs pédagogiques Définir le test du chi carré Déterminer la nature des données propres au chi carré Savoir calculer le chi carré Savoir déterminer les fréquences

Plus en détail

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

Plus en détail

L ANALYSE COUT-EFFICACITE

L ANALYSE COUT-EFFICACITE L ANALYSE COUT-EFFICACITE 1 Pourquoi utiliser cet outil en évaluation? L analyse coût-efficacité est un outil d aide à la décision. Il a pour but d identifier la voie la plus efficace, du point de vue

Plus en détail

Examen de Logiciels Statistiques

Examen de Logiciels Statistiques G. Hunault Angers, mai 2011 Licence MEF Examen de Logiciels Statistiques On s intéresse ici au dossier EAEF01 qui contient un extrait des données du recensement américain. On trouvera ces données et leur

Plus en détail

T de Student Khi-deux Corrélation

T de Student Khi-deux Corrélation Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes

Plus en détail

Exercices de Statistique HEI 3-2014/2015 A. RIDARD

Exercices de Statistique HEI 3-2014/2015 A. RIDARD Exercices de Statistique HEI 3-2014/2015 A. RIDARD 2 Table des matières 1 Loi normale 5 2 Estimation 7 3 Tests statistiques 11 4 Régression linéaire 13 5 Analyse de variance 19 Annales 25 3 4 Chapitre

Plus en détail

COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES

COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES J. sci. pharm. biol., Vol.9, n - 00, pp. 9-0 EDUCI 00 9 VALLEE POLNEAU S.* DIAINE C. COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES Notre étude visait à comparer les résultats obtenus

Plus en détail

EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG

EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette

Plus en détail

OSGOODE HALL LAW SCHOOL Université York MÉMOIRE PRIVILÉGIÉ ET CONFIDENTIEL

OSGOODE HALL LAW SCHOOL Université York MÉMOIRE PRIVILÉGIÉ ET CONFIDENTIEL OSGOODE HALL LAW SCHOOL Université York MÉMOIRE PRIVILÉGIÉ ET CONFIDENTIEL À : &' 1$,'6 M. Richard Drouin, O.C., c.r. Président, Commission d examen sur la rémunération des juges 2CVTKEM,/QPCJCP DATE :

Plus en détail

La Celle Saint-Cloud, ville fibrée

La Celle Saint-Cloud, ville fibrée La Celle Saint-Cloud, ville fibrée Préambule Quelles sont les caractéristiques du réseau cuivre actuellement utilisé? Actuellement, la majorité des français bénéficient des services voix, internet et TV

Plus en détail

1 Définition de la non stationnarité

1 Définition de la non stationnarité Chapitre 2: La non stationnarité -Testsdedétection Quelques notes de cours (non exhaustives) 1 Définition de la non stationnarité La plupart des séries économiques sont non stationnaires, c est-à-direqueleprocessusquiles

Plus en détail

Attirez-vous les Manipulateurs? 5 Indices

Attirez-vous les Manipulateurs? 5 Indices Attirez-vous les Manipulateurs? Claire Parent 1 Attirez-vous les Manipulateurs? Claire Parent Mini livre gratuit Sherpa Consult Bruxelles, Mai 2012 Tous droits de reproduction, d'adaptation et de traduction

Plus en détail

Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010

Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année

Plus en détail

Transgene accorde une option de licence exclusive pour le développement et la commercialisation de son produit d immunothérapie TG4010

Transgene accorde une option de licence exclusive pour le développement et la commercialisation de son produit d immunothérapie TG4010 Parc d Innovation d Illkirch, France, le 10 mars 2010 Transgene accorde une option de licence exclusive pour le développement et la commercialisation de son produit d immunothérapie TG4010 Transgene (Euronext

Plus en détail

Biostatistiques : Petits effectifs

Biostatistiques : Petits effectifs Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l

Plus en détail

TESTS D'HYPOTHESES Etude d'un exemple

TESTS D'HYPOTHESES Etude d'un exemple TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses

Plus en détail

Licence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015.

Licence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015. Licence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015. Thèmes des séances de TD Thème n.1: Tableaux statistiques et représentations graphiques. Thème

Plus en détail

Analyse trimestrielle du marché des jeux en ligne en France

Analyse trimestrielle du marché des jeux en ligne en France Analyse trimestrielle du marché des jeux en ligne en France 1 er trimestre 2013 2 Synthèse des données d activité Les éléments suivants ont été constitués sur la base des données transmises par les opérateurs

Plus en détail

Lecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888

Lecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques

Plus en détail

Une introduction. Lionel RIOU FRANÇA. Septembre 2008

Une introduction. Lionel RIOU FRANÇA. Septembre 2008 Une introduction INSERM U669 Septembre 2008 Sommaire 1 Effets Fixes Effets Aléatoires 2 Analyse Classique Effets aléatoires Efficacité homogène Efficacité hétérogène 3 Estimation du modèle Inférence 4

Plus en détail

BOURSES DU GOUVERNEMENT DU JAPON 2016. Questions Fréquemment Posées / Réponses indicatives

BOURSES DU GOUVERNEMENT DU JAPON 2016. Questions Fréquemment Posées / Réponses indicatives BOURSES DU GOUVERNEMENT DU JAPON 2016 Questions Fréquemment Posées / Réponses indicatives 1. Les personnes n ayant pas encore obtenu le diplôme/niveau requis peuvent-elles faire acte de candidature aux

Plus en détail

Nom Prénom :... Mon livret de stage

Nom Prénom :... Mon livret de stage Nom Prénom :..... Mon livret de stage 1. Présentation Tuteur de stage : NOM et Prénom: Fonctions dans l entreprise : Téléphone et poste : Stagiaire NOM et Prénom : Né(e) le : Stage effectué du au Professeur

Plus en détail

OUVERTURE ET MISE EN PLACE

OUVERTURE ET MISE EN PLACE OUVERTURE ET MISE EN PLACE Estelle Marcault 20/01/2012 URC PARIS NORD 1 Ouverture et mise en place Trois types de visites/ réunions peuvent avoir lieu : Visite de sélection Réunion investigateur Visite

Plus en détail

Les probabilités. Chapitre 18. Tester ses connaissances

Les probabilités. Chapitre 18. Tester ses connaissances Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce

Plus en détail

Statistique Bayésienne

Statistique Bayésienne Statistique Bayésienne Éléments de Culture Générale Lionel RIOU FRANÇA INSERM U669 Mai 2009 Lionel RIOU FRANÇA (INSERM U669) Statistique Bayésienne Mai 2009 1 / 139 Sommaire Sommaire 1 Approche Bayésienne

Plus en détail

PEUT- ON SE PASSER DE LA NOTION DE FINALITÉ?

PEUT- ON SE PASSER DE LA NOTION DE FINALITÉ? PEUT- ON SE PASSER DE LA NOTION DE FINALITÉ? à propos de : D Aristote à Darwin et retour. Essai sur quelques constantes de la biophilosophie. par Étienne GILSON Vrin (Essais d art et de philosophie), 1971.

Plus en détail

Analyse en Composantes Principales

Analyse en Composantes Principales Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées

Plus en détail

LES DECIMALES DE π BERNARD EGGER

LES DECIMALES DE π BERNARD EGGER LES DECIMALES DE π BERNARD EGGER La génération de suites de nombres pseudo aléatoires est un enjeu essentiel pour la simulation. Si comme le dit B Ycard dans le cours écrit pour le logiciel SEL, «Paradoxalement,

Plus en détail

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent

Plus en détail

Stéphanie Dupays. du fait de stratégies individuelles ou familiales ou bien de contraintes liées aux changements

Stéphanie Dupays. du fait de stratégies individuelles ou familiales ou bien de contraintes liées aux changements En un quart de siècle, la mobilité sociale a peu évolué Stéphanie Dupays En 2003, un homme âgé de 40 à 59 ans sur trois a une position sociale identique à celle de son père au même âge. Ce chiffre cache

Plus en détail

Transfusions sanguines, greffes et transplantations

Transfusions sanguines, greffes et transplantations Transfusions sanguines, greffes et transplantations Chiffres clés en 2008 La greffe d organes est pratiquée depuis plus de 50 ans. 4 620 malades ont été greffés. 1 563 personnes ont été prélevées. 222

Plus en détail

Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...

Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie... 1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................

Plus en détail

Première partie: Restitution + Compréhension (08 points)

Première partie: Restitution + Compréhension (08 points) Lycée M hamdia Année scolaire : 2011/2012 Prof : Saïd Mounir Date : 17/05/2012 Première partie: Restitution + Compréhension (08 points) EXERCIE N O 1: (4 points) : 1 : a-b 2 : b 3 : a-b 4 : d 5 : d 6 :

Plus en détail

Introduction à la statistique non paramétrique

Introduction 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 détail

Tableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1

Tableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1 UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés

Plus en détail

Science et technique. La température et la durée de stockage sont des facteurs déterminants. Viande bovine et micro-organisme pathogène

Science et technique. La température et la durée de stockage sont des facteurs déterminants. Viande bovine et micro-organisme pathogène Science et technique Viande bovine et micro-organisme pathogène La température et la durée de stockage sont des facteurs déterminants La contamination des carcasses lors des opérations d abattage et la

Plus en détail

Statistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année 2010-2011

Statistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année 2010-2011 Master 1 Biologie et technologie du végétal Année 010-011 Statistiques Rappels de cours et travaux dirigés (Seul ce document sera autorisé en examen) auteur : Jean-Marc Labatte jean-marc.labatte@univ-angers.fr

Plus en détail

Plan. - La VaR. - Introduction à l FRTB. - Principales révisions Frontières Banking / Trading book l Expected Shortfall Les horizons de liquidité

Plan. - La VaR. - Introduction à l FRTB. - Principales révisions Frontières Banking / Trading book l Expected Shortfall Les horizons de liquidité PAGE 1 F R T B ( F u n d a m e n t a l R e v i e w o f t h e T r a d i n g B o o k ) u n e n o u v e l l e p e r s p e c t i v e d e m e s u r e d e l a V A R. Y o u s s e f M e l l o u k i Plan PAGE 2

Plus en détail

Liste de contrôle à utiliser pour les ménages privés

Liste de contrôle à utiliser pour les ménages privés Examen de l habitat à des fins de prévention des chutes Liste de contrôle à utiliser pour les ménages privés 1. Aspects d ordre général Ces points sont à examiner pour chaque pièce du logement utilisée

Plus en détail

Surveillance consolidée des banques et des négociants en valeurs mobilières

Surveillance consolidée des banques et des négociants en valeurs mobilières Foire aux questions (FAQ) Surveillance consolidée des banques et des négociants en valeurs mobilières (Dernière modification : 31 mars 2015) La FINMA surveille plus de 100 groupes de banques et de négociants

Plus en détail

Université Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot. 1 Ensemble fondamental loi de probabilité

Université Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot. 1 Ensemble fondamental loi de probabilité Université Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot 1 Ensemble fondamental loi de probabilité Exercice 1. On dispose de deux boîtes. La première contient

Plus en détail

Relation entre deux variables : estimation de la corrélation linéaire

Relation entre deux variables : estimation de la corrélation linéaire CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence

Plus en détail

Sondage sur les expériences d hospitalisation des patients canadiens Foire aux questions

Sondage sur les expériences d hospitalisation des patients canadiens Foire aux questions Janiver 2014 Sondage sur les expériences d hospitalisation des patients canadiens Foire aux questions Sondage sur les expériences d hospitalisation des patients canadiens Questions sur le projet 1. En

Plus en détail

REGLEMENT INTERIEUR. En cas d erreur, d omission ou de contradiction entre un article du présent règlement et les statuts, ces derniers font foi.

REGLEMENT INTERIEUR. En cas d erreur, d omission ou de contradiction entre un article du présent règlement et les statuts, ces derniers font foi. Acrocirque Baby Gym Basket Ball Chorespace danse Course d orientation Escrime Football Golf Gym d'entretien Handball Judo Karaté Shito Ryu Pétanque Qi Cong Rugby Tai Chi Chuan Tennis de Table Tir à l'arc

Plus en détail

Construction d un fichier de zone Déboguage et dépannage

Construction d un fichier de zone Déboguage et dépannage Construction d un fichier de zone Déboguage et dépannage Atelier AfTLD, Yaoundé 2004 Construction d un fichier de zone Choisir un nom de domaine: .ws.trstech.net Ecrire le nom et l adresse IP de votre

Plus en détail

EXERCICES : MECANISMES DE L IMMUNITE : pages 406 407 408 409 410

EXERCICES : MECANISMES DE L IMMUNITE : pages 406 407 408 409 410 EXERCICES : MECANISMES DE L IMMUNITE : pages 406 407 408 409 410 EXERCICE 1 PAGE 406 : EXPERIENCES A INTERPRETER Question : rôles respectifs du thymus et de la moelle osseuse dans la production des lymphocytes.

Plus en détail

FORMULAIRE DE DECLARATION DE RISQUE ART ET PRECIEUX TOUS RISQUES EXPOSITIONS

FORMULAIRE DE DECLARATION DE RISQUE ART ET PRECIEUX TOUS RISQUES EXPOSITIONS FORMULAIRE DE DECLARATION DE RISQUE ART ET PRECIEUX TOUS RISQUES EXPOSITIONS COURTIER Nom du Cabinet : Nom et prénom du représentant : E-mail : Téléphone : Adresse : N : Type de voie : Nom de la voie :

Plus en détail

Questionnaire de vérification pour l implantation de la norme ISO 14001 dans une entreprise

Questionnaire de vérification pour l implantation de la norme ISO 14001 dans une entreprise Questionnaire de vérification pour l implantation de la norme ISO 14001 dans une entreprise Questionnaire de vérification pour l implantation de la norme ISO 14001 dans une entreprise La politique environnementale

Plus en détail

Item 169 : Évaluation thérapeutique et niveau de preuve

Item 169 : Évaluation thérapeutique et niveau de preuve Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes

Plus en détail

www.traditionford.com F-150 xlt 4X4 2015 plus gros événement de l année 819 477.3050 Carrosserie et plateau en alliage d aluminium haute densité

www.traditionford.com F-150 xlt 4X4 2015 plus gros événement de l année 819 477.3050 Carrosserie et plateau en alliage d aluminium haute densité $ 11 260 Une première Carrosserie et plateau en alliage d aluminium haute densité dans la catégorie une exclusivité dans la catégorie Employé de Ford MAX F. BAILIE P. Employée de Ford F-150 xlt 4X4 2015

Plus en détail

Enquête 2014 «Digital et R.O.I» «Digital et R.O.I» Enquête FNIM - Doctors 2.0 & You

Enquête 2014 «Digital et R.O.I» «Digital et R.O.I» Enquête FNIM - Doctors 2.0 & You «Digital et R.O.I» Enquête FNIM - Doctors 2.0 & You L enquête FNIM Doctors 2.0 & You 2014 «Digital et R.O.I» Retour sur investissements et outils de communication, une enquête réalisée dans le cadre du

Plus en détail

Evaluation quantitative du risque - critères d acceptabilité

Evaluation quantitative du risque - critères d acceptabilité Evaluation quantitative du risque - critères d acceptabilité Urbanisme Aménagement du Territoire Evaluation des Risques Risques & Développement Eric LEROI (Urban-planning Land-use planning Risk assessment)

Plus en détail

CorDial 2010 Gouvernement d entreprise. Constat / Propositions

CorDial 2010 Gouvernement d entreprise. Constat / Propositions CorDial 2010 Gouvernement d entreprise Constat / Propositions CorDial : un outil de Dialogue actionnarial lancé par le FIR en 2010 Léchantillon de sociétés du SBF 120 a été établi sur la base d un seuil

Plus en détail

Estimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison

Estimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence

Plus en détail

DEBAT PHILO : L HOMOSEXUALITE

DEBAT PHILO : L HOMOSEXUALITE Ecole d Application STURM Janvier-Février 2012 CM2 Salle 2 Mme DOUILLY DEBAT PHILO : L HOMOSEXUALITE Sujet proposé par les élèves et choisi par la majorité. 1 ère séance : définitions et explications Réflexion

Plus en détail

L analyse économique est-elle transposable à l éducation?

L analyse économique est-elle transposable à l éducation? Est-il possible de procéder à une analyse économique du fonctionnement des systèmes éducatifs? Si oui, dans quels buts? Quel est l'objet de la science économique? «L économique (économie politique) recherche

Plus en détail

1. Assurance-invalidité : si vous devenez incapable de travailler

1. Assurance-invalidité : si vous devenez incapable de travailler Assurances Aspects financiers du statut d associé : les assurances 1. Assurance-invalidité 2. Assurance-vie 3. Assurance responsabilité professionnelle Votre cabinet a peut-être déjà mis en place un programme

Plus en détail

Dérivés Financiers Contrats à terme

Dérivés Financiers Contrats à terme Dérivés Financiers Contrats à terme Mécanique des marchés à terme 1) Supposons que vous prenez une position courte sur un contrat à terme, pour vendre de l argent en juillet à 10,20 par once, sur le New

Plus en détail

STATISTIQUES. UE Modélisation pour la biologie

STATISTIQUES. UE Modélisation pour la biologie STATISTIQUES UE Modélisation pour la biologie 2011 Cadre Général n individus: 1, 2,..., n Y variable à expliquer : Y = (y 1, y 2,..., y n ), y i R Modèle: Y = Xθ + ε X matrice du plan d expériences θ paramètres

Plus en détail

(51) Int Cl.: H04L 29/06 (2006.01) G06F 21/55 (2013.01)

(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 détail

Analyse trimestrielle du marché des jeux en ligne en France. Autorité de régulation des jeux en ligne Données T2 2013

Analyse trimestrielle du marché des jeux en ligne en France. Autorité de régulation des jeux en ligne Données T2 2013 1 Analyse trimestrielle du marché des jeux en ligne en France 2 ème trimestre 2013 2 Synthèse des données d activité Les éléments suivants ont été constitués sur la base des données transmises par les

Plus en détail