Analyse de la variance Comparaison de plusieurs moyennes

Dimension: px
Commencer à balayer dès la page:

Download "Analyse de la variance Comparaison de plusieurs moyennes"

Transcription

1 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

2 Plan 1 Introduction 2 Théorie de l Analyse de la Variance (ANOVA) 3 Application de l ANOVA

3 Plan 1 Introduction 2 Théorie de l Analyse de la Variance (ANOVA) 3 Application de l ANOVA

4 Contexte Précédemment : Comparaison d une moyenne à une moyenne de référence comparaison de deux moyennes observée par test z ou t Quid des cas où il y a plusieurs moyennes? comparer l effet de trois traitements A, B et C sur la cholestérolémie comparer l expression d un gène entre 4 stades de cancer comparer la durée de séjour entre 3 établissements hospitaliers ou plusieurs techniques opératoires comparer une protéine sérique entre tabagiques actifs, anciens tabagiques et non tabagiques

5 Contexte Soit un facteur F à J classes, de j = 1,..., J traitement, stades de cancer, hôpitaux, techn. chir. Soit une variable aléatoire X cholestérolémie, niveau d expression du gène, durée de séjours, Comparaison des J moyennes µ j La question : existe-t-il au moins un groupe qui diffère des autres? µ 0 = µ 1 = = µ J? ou µ j µ j pour au moins un couple (j, j )?

6 Contexte Donc, comparaison de différents groupes indépendants une mauvaise solution : comparaisons deux à deux entre les groupes car : augmentation du risque α : si 4 groupes 6 comparaisons de deux groupes risque de conclure à tort à au moins une différence = 1 0,95 6 = 0,265 au lieu de 0,05 mauvaise estimation de la variance sous H 0 si H 0 vraie, la meilleure estimation de la variance commune est faite sur l ensemble des groupes simultanément

7 Plan 1 Introduction 2 Théorie de l Analyse de la Variance (ANOVA) 3 Application de l ANOVA

8 Théorème fondamental de la Variance Les éléments de base : soient une V.A. X, continue, distribuée suivant une loi de Gauss un facteur F constitué de J groupes avec n j sujets par groupe et N le nombre total de sujets x ij la valeur de la mesure pour le sujet i du groupe j µ la moyenne générale inconnue (pop o ) des valeurs de X µ j la moyenne inconnue (pop o ) des valeurs de X dans le groupe j α j l écart entre la moyenne µ j du groupe j et la moyenne générale µ : α j = µ j µ x j la moyenne observée dans le groupe j a j = x j x un résidu ε ij = x ij µ j estimé par e ij

9 Théorème fondamental de la Variance Le modèle théorique decrivant les données est : x ij = µ + α j + ε ij le test de comparaison de moyennes implique sous H 0 que les α j = 0, j. dans ce cas, le facteur F n a pas d effet sur la variable X sous H 1, α j 0 pour au moins un j : alors, le facteur F a un effet non nul sur la valeur de X données gaussiennes, sinon réaliser une transformation des valeurs pour normaliser les valeurs

10 Décomposition de la variation totale A partir du modèle fondamental : x ij = µ + α j + ε ij x ij = x + a j + e ij pour les valeurs observées x ij x = ( x j x) + (x ij x j ) où (x ij x j ) est un résidu e ij estimant ε ij = modèle observé de l ANOVA, pour un sujet i dans le groupe j. les écarts entre les observations individuelles et la moyenne générale sont constitués des écarts des observations individuelles à la moyenne des groupes et des écarts de la moyenne des groupes à la moyenne générale.

11 Décomposition de la variation totale Passage d une unité statistique à l ensemble des unités : x ij x = ( x j x) + (x ij x j ) En élevant au carré et en sommant sur toutes les unités : soit : n j i=1 j =1 n j i=1 j =1 J (x ij x) 2 = J (x ij x) 2 = n j i=1 j =1 n J j ( x j x) 2 + i=1 j =1 n J j [n j ( x j x) 2 ] + j =1 i=1 j =1 J (x ij x j ) 2 J (x ij x j ) 2

12 Décomposition de la variation totale L équation fondamentale de la variance n j i=1 j =1 J (x ij x) 2 = n J j [n j ( x j x) 2 ] + j =1 i=1 j =1 J (x ij x j ) Cette équation contient plusieurs sources de variations : une variation totale 1 une variation factorielle i.e. liée au facteur contrôlé 2 une variation résiduelle i.e. entre unités statistiques dans chacun des groupes 3

13 Décomposition de la variation totale Les moyennes ne diffèrent pas : la variabilité inter-groupes est proche de la variabilité intra-groupe

14 Décomposition de la variation totale Les moyennes diffèrent : la variabilité inter-groupes est supérieure à la variabilité intra-groupe

15 Décomposition de la variation totale Remarque L équation ne contient pas de double produit car la somme des doubles produits est nulle en raison de la nullité de la somme des écarts par rapport à la moyenne En effet : n j 2 i=1 j =1 n J j (x ij x j )( x j x) = 2 ( x j x) i=1 J (x ij x j ) = 0 j =1

16 Décomposition de la variation totale L équation fondamentale de la variance n j i=1 j =1 J (x ij x) 2 = n J j [n j ( x j x) 2 ] + j =1 i=1 j =1 J (x ij x j ) Cette équation contient plusieurs sources de variations : une variation totale 1 une variation factorielle ou liée au facteur contrôlé 2 une variation résiduelle = i.e. entre unités statistiques dans chacun des groupes 3

17 Les sources de variations Donc : variation totale = Somme des Carrés Totaux (SCE T ) = n j i=1 j =1 J (x ij x) 2 variation factorielle = Somme des Carrés Factoriels (SCE F ) = J [n j ( x j x) 2 ] j =1 variation résiduelle = Somme des Carrés Résiduels (SCE R ) = n j i=1 j =1 J (x ij x j ) 2

18 Les sources de variations On a alors : SCE T = SCE F + SCE R On y associe des degrés de libertés : N 1 = (J 1) + (N J )

19 Définition des carrés moyens Les sommes des carrés des écarts peuvent être divisées par leur nombres de degré de liberté respectifs on obtient alors : CM T = SCE T /(N 1) CM F = SCE F /(J 1) CM R = SCE R /(N J ) Ces carrés moyens ont les propriétés de variances, notamment en ce qui concernent leur distribution d échantillonage.

20 Le tableau d analyse de la variance : première partie Les données d une analyse de la variance sont généralement présentées dans un tableau de la forme suivante : Sources Degrés Sommes des Carrés de variation de liberté carrés des écarts moyens diff. entre groupes J-1 SCE F CM F diff. entre unités N-J SCE R CM R (dans les groupes) (= résiduelle) Total N-1 SCE T

21 Les tests statistiques associés Comment tester l écart entre les moyennes à partir de ces éléments? plusieurs moyennes et un test, H 0 vs H 1 des sommes de carrés d écarts et leur distributions d échantillonnage La solution : les sommes de carrés d écart sont assimilables à des variances. sous H 0, les CM F et la CM R sont deux estimations différentes d une même variance leur rapport est donc égal à 1 sous H 0 leur comparaison se fait par leur rapport CM F /CM R si le rapport est trop grand, on rejette l hypothèse d égalité des moyennes

22 Les tests statistiques associés le rapport CM F /CM R est un rapport de variance, i.e. variance factorielle / variance résiduelle (rappel : le terme de variance est abusif mais utilisé partout et donc aussi ici, à partir de maintenant) un rapport de variances suit une loi de Fisher F donc pour tester l écart de plusieurs moyennes : test de Fisher CM F CM R F J 1;N J ce qui permet donc de tester les écarts entre plusieurs moyennes simultanément!

23 Le tableau d analyse de la variance : première partie Le tableau complet d une ANOVA : Sources de variation Degrés de liberté Sommes des carrés des écarts Carrés moyens Test F p-valeur diff. entre groupes diff. entre unités (résiduelle) J 1 SCE F CM F CM F CM R N J SCE R CM R p Total N 1 SCE T

24 Retour sur le concept de l ANOVA Plusieurs points : si plus de deux moyennes : ne pas faire de comparaisons deux à deux car estimation commune des variances sur plusieurs groupes sous H 0 l eq o. fondamentale de l ANOVA : somme d écart inter-groupes et d écarts intra-groupes si pas de différence, la variabilité inter-groupes variabilité intra-groupes si l un au moins des groupes s éloigne des autres : l écart des moyennes (inter-groupes) est supérieur à l écart intra groupes

25 Retour sur le concept de l ANOVA Les moyennes ne diffèrent pas : la variabilité inter-groupes est proche de la variabilité intra-groupe

26 Retour sur le concept de l ANOVA Les moyennes diffèrent : la variabilité inter-groupes est supérieure à la variabilité intra-groupe

27 Retour sur le concept de l ANOVA on compare donc plusieurs variables en comparant des variances! cette comparaison test F de Fisher (ou Fisher-Snedecor) (ne pas confondre avec test exact de Fisher) test de rapport de variances, avec des ddl. si le rapport CM F /CM R est supérieur à la valeur seuil de la loi de F pour J 1 et N J ddl, on rejette H 0.

28 Les calculs de l ANOVA Calculs des moyennes : x j = 1 n j i x ij Soit T j = i x ij la somme des x ij dans le groupe j Soit Tj 2 j = ( i x ij ) 2 le carré de la somme des x ij dans le groupe Calcul des carrés moyens : CM F = j Tj 2 n j ( j T j ) 2 N J 1 CM R = x 2 ij j N J T 2 j n j

29 Plan 1 Introduction 2 Théorie de l Analyse de la Variance (ANOVA) 3 Application de l ANOVA

30 Exemple On veut étudier l effet de deux médicaments sur le taux de lymphocytes d animaux de laboratoires. On construit un plan factoriel dans lequel il y a trois groupes d animaux d effectifs 10 animaux par groupe. On garde un des groupes comme témoin et l on administre les médicaments A et B aux deux autres groupes.

31 Exemples Valeurs observées (10 3 ) : Groupe témoin : 272 ; 193 ; 432 ; 259 ; 386 ; 349 ; 320 ; 247 ; 260 ; 478 ; Groupe traité par A : 468 ; 333 ; 375 ; 398 ; 534 ; 451 ; 474 ; 278 ; 255 ; 528 ; Groupe traité par B : 368 ; 290 ; 325 ; 298 ; 314 ; 350 ; 378 ; 321 ; 275 ; 401 ; Les données correspondent au modèle d ANOVA : une variable de groupe, une variable continue dont on veut comparer les moyennes

32 Exemple Descriptif des données : $Descriptif leuco groupes = 1 groupes = 2 groupes = 3 Effectifs présents Proportions de présents Effectifs manquants Proportions de manquants Moyenne Ecart-type Variance Erreur standard (s.e.m) Err. Std (basée sur l ANOVA) NA

33 Exemple Les valeurs : n 1 = n 2 = n 3 = 10 x 1 = 319.6, x 2 = 409.4, x 3 = T 1 = 3196, T 2 = 4094, T 3 = 3320 T 2 1 = 31962, T 2 2 = 40942, T 2 3 = 33202

34 Exemple Résultats de l analyse de la variance (logiciel R) : summary(aov(leuco~groupes)) Df Sum Sq Mean Sq F value Pr(>F) groupes * Residuals Signif. codes: 0 *** ** 0.01 *

35 SCE : SCEt = SCEA + SCEe ddl : (30-1) = (3-1) + (30-3) Valeurs : ,7 = 47361, ,8 Carrés Moyens : CMA = 47361,9/2 = 23680,9 CM_R = ,8/27 = 6523,4 Rapport et test (CMA / CMe ) = 23680,9 / 6523,4 = 3,63 --> F calculé Valeur seuil F à 2 et 27 ddl = 3,354 F obs < F seuil d où la conclusion : on rejette H 0 et au moins un des groupes a une moyenne différente des deux autres groupes.

STATISTIQUES. Cours I : Test d hypothèses. Télécom Physique Strasbourg Module 2101. Fabrice Heitz. Octobre 2014

STATISTIQUES. Cours I : Test d hypothèses. Télécom Physique Strasbourg Module 2101. Fabrice Heitz. Octobre 2014 Télécom Physique Strasbourg Module 2101 STATISTIQUES Cours I : Test d hypothèses Fabrice Heitz Octobre 2014 Fabrice Heitz (Télécom PS) Statistiques 2014 1 / 75 Cours I TESTS D HYPOTHÈSES Fabrice Heitz

Plus en détail

Analyse de la variance à deux facteurs

Analyse de la variance à deux facteurs 1 1 IRMA, Université Louis Pasteur Strasbourg, France Master 1 Psychologie du développement 06-10-2008 Contexte Nous nous proposons d analyser l influence du temps et de trois espèces ligneuses d arbre

Plus en détail

3. COMPARAISON DE PLUS DE DEUX GROUPES

3. COMPARAISON DE PLUS DE DEUX GROUPES 3. COMPARAISON DE PLUS DE DEUX GROUPES La comparaison de moyennes de plus de deux échantillons se fait généralement par une analyse de variance (ANOVA) L analyse de variance suppose l homogénéité des variances

Plus en détail

Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30

Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30 Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30 I1 Connaissances préalables : Buts spécifiques : Outils nécessaires: Consignes générales : Test t de comparaison de moyennes pour

Plus en détail

L analyse de variance à un critère de classification (ANOVA)

L analyse de variance à un critère de classification (ANOVA) Bio 041 L analyse de variance à un critère de classification (ANOVA) Pierre Legendre & Daniel Borcard, Université de Montréal Référence: Scherrer (007), section 14.1.1.1 et 14.1. 1 - Introduction Objectif:

Plus en détail

Analyse de la variance

Analyse de la variance M2 Statistiques et Econométrie Fanny MEYER Morgane CADRAN Margaux GAILLARD Plan du cours I. Introduction II. Analyse de la variance à un facteur III. Analyse de la variance à deux facteurs IV. Analyse

Plus en détail

Analyse de variance à un facteur Tests d hypothèses Analyse de variance à deux facteurs. Analyse de la variance ANOVA

Analyse de variance à un facteur Tests d hypothèses Analyse de variance à deux facteurs. Analyse de la variance ANOVA Analyse de la variance ANOVA Terminologie Modèles statistiques Estimation des paramètres 1 Analyse de variance à un facteur Terminologie Modèles statistiques Estimation des paramètres 2 3 Exemple. Analyse

Plus en détail

Cours 7 : Exemples. I- Régression linéaire simple II- Analyse de variance à 1 facteur III- Tests statistiques

Cours 7 : Exemples. I- Régression linéaire simple II- Analyse de variance à 1 facteur III- Tests statistiques Cours 7 : Exemples I- Régression linéaire simple II- Analyse de variance à 1 facteur III- Tests statistiques Exemple 1 : On cherche à expliquer les variations de y par celles d une fonction linéaire de

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

L essentiel sur les tests statistiques

L essentiel sur les tests statistiques L essentiel sur les tests statistiques 21 septembre 2014 2 Chapitre 1 Tests statistiques Nous considérerons deux exemples au long de ce chapitre. Abondance en C, G : On considère une séquence d ADN et

Plus en détail

Analyse de la Variance pour Plans à Mesures Répétées

Analyse de la Variance pour Plans à Mesures Répétées Analyse de la Variance pour Plans à Mesures Répétées Pr Roch Giorgi roch.giorgi@univ-amu.fr SESSTIM, Faculté de Médecine, Aix-Marseille Université, Marseille, France http://sesstim-orspaca.org http://optim-sesstim.univ-amu.fr/

Plus en détail

L analyse de variance à deux critère de classification

L analyse de variance à deux critère de classification L analyse de variance à deux critère de classification Objectif : comparer l influence de chaque facteur sur la moyenne de plusieurs (k) groupes indépendants d observations La méthode détaillée ci-dessous

Plus en détail

Analyse de la variance (ANOVA)

Analyse de la variance (ANOVA) Chapitre 7 Analyse de la variance (ANOVA) Introduction L analyse de la variance (ANOVA) a pour objectif d étudier l influence d un ou plusieurs facteurs sur une variable quantitative. Nous nous intéresserons

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

Analyse de la variance à un facteur

Analyse de la variance à un facteur Analyse de la variance à un facteur Frédéric Bertrand et Myriam Maumy-Bertrand IRMA, UMR 7501, Université de Strasbourg 08 juin 2015 F. Bertrand et M. Maumy-Bertrand (UdS) Analyse de la variance à un facteur

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

ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat

ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat Objectifs du TP : Savoir utiliser Excel et Rstat pour calculer des moyennes pondérées, des variances pondérées et savoir faire des approximations

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2 UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 Master d économie Cours de M. Desgraupes MATHS/STATS Document 4 : Les tests statistiques 1 Généralités sur les tests

Plus en détail

ANALYSE BIVARIÉE DE VARIABLES QUALITATIVE ET QUANTITAVIE Analyse de Variance (ANOVA)

ANALYSE BIVARIÉE DE VARIABLES QUALITATIVE ET QUANTITAVIE Analyse de Variance (ANOVA) ANALYSE BIVARIÉE DE VARIABLES QUALITATIVE ET QUANTITAVIE Analyse de Variance (ANOVA) Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS

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

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

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

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

Introduction au cours STA 102 Analyse des données : Méthodes explicatives

Introduction au cours STA 102 Analyse des données : Méthodes explicatives Analyse des données - Méthodes explicatives (STA102) Introduction au cours STA 102 Analyse des données : Méthodes explicatives Giorgio Russolillo giorgio.russolillo@cnam.fr Infos et support du cours Slide

Plus en détail

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

Mémoire de n d'étude: Etudes statistiques. Mémoire de n d'étude: Etudes statistiques. Nicolas Sutton-Charani. Université Montpellier 1 1/31

Mémoire de n d'étude: Etudes statistiques. Mémoire de n d'étude: Etudes statistiques. Nicolas Sutton-Charani. Université Montpellier 1 1/31 1/31 Mémoire de n d'étude: Etudes statistiques Nicolas Sutton-Charani Université Montpellier 1 Plan Rappels de cours La base La Statistique Types des variables Outils mathématiques Statistiques descriptives

Plus en détail

Simulation d un système d assurance automobile

Simulation d un système d assurance automobile Simulation d un système d assurance automobile DESSOUT / PLESEL / DACHI Plan 1 Introduction... 2 Méthodes et outils utilisés... 2.1 Chaines de Markov... 2.2 Méthode de Monte Carlo... 2.3 Méthode de rejet...

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

11. Tests d hypothèses (partie 1/2)

11. Tests d hypothèses (partie 1/2) 11. Tests d hypothèses (partie 1/2) MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v1) MTH2302D: tests d hypothèses 1/30 Plan 1. Introduction 2. Hypothèses et erreurs 3. Tests d hypothèses

Plus en détail

Master 1 de Psychologie du Travail et des Organisations : Recueil et analyse des données - Corrigés des T.D. ( 2014/2015) -

Master 1 de Psychologie du Travail et des Organisations : Recueil et analyse des données - Corrigés des T.D. ( 2014/2015) - Dominique Ferrieux - Université Paul Valéry - Montpellier III Master de Psychologie du Travail et des Organisations : Recueil et analyse des données - Corrigés des T.D. ( /) - Deuxième partie : Plans :

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

Christophe Fournier. Clinique de Thuys. Aunége - Christophe Fournier

Christophe Fournier. Clinique de Thuys. Aunége - Christophe Fournier Christophe Fournier Clinique de Thuys Aunége - Christophe Fournier 2 Table des matières Information sur l'échantillon 3 Structure de l'échantillon...4 Point méthodologique 6 Point méthodologique...7 Représentativité

Plus en détail

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Département Universitaire de Recherche et d Enseignement en Médecine Générale GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Enseignants : Esther GUERY, Julien LE BRETON, Emilie FERRAT, Jacques

Plus en détail

Loi normale ou loi de Laplace-Gauss

Loi normale ou loi de Laplace-Gauss LivreSansTitre1.book Page 44 Mardi, 22. juin 2010 10:40 10 Loi normale ou loi de Laplace-Gauss I. Définition de la loi normale II. Tables de la loi normale centrée réduite S il y avait une seule loi de

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

Simulation Examen de Statistique Approfondie II **Corrigé **

Simulation Examen de Statistique Approfondie II **Corrigé ** Simulation Examen de Statistique Approfondie II **Corrigé ** Ces quatre exercices sont issus du livre d exercices de François Husson et de Jérôme Pagès intitulé Statistiques générales pour utilisateurs,

Plus en détail

Analyse de variance. avec interaction. Données - notations. Données - exemple. Données - notations

Analyse de variance. avec interaction. Données - notations. Données - exemple. Données - notations Données - notations Analyse de variance F. Husson husson@agrocampus-ouest.fr avec interaction Lait Cacao Amer Acide Sucre Produit Juge Séance S1 J1 P6 3 5,5 7,5 S1 J1 P 1,, 6 7,6 5,5 S1 J1 P 1,8 3,6 5,

Plus en détail

Conditions d application des méthodes statistiques paramétriques :

Conditions d application des méthodes statistiques paramétriques : Conditions d application des méthodes statistiques paramétriques : applications sur ordinateur GLELE KAKAÏ R., SODJINOU E., FONTON N. Cotonou, Décembre 006 Conditions d application des méthodes statistiques

Plus en détail

Examen de Statistique Appliquée I

Examen de Statistique Appliquée I Université de Strasbourg Master Éthologie-Écophysiologie 1ère année Examen de Statistique Appliquée I ************************************************************** Le cours, les exercices de travaux dirigés,

Plus en détail

Statistiques descriptives Variance et écart type

Statistiques descriptives Variance et écart type Statistiques descriptives Variance et écart type I) Rappel : la moyenne (caractéristique de position ) Définition Soit la série statistique définie dans le tableau suivant : Valeur... Effectif... Fréquences

Plus en détail

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population.

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population. Première STMG1 2014-2015 progression. - 1 Table des matières Fil rouge. 3 Axes du programme. 3 Séquence : Proportion d une sous population dans une population. 3 Information chiffrée : connaître et exploiter

Plus en détail

y i = αx i + β + u i,

y i = αx i + β + u i, I.1 ) TD1 L3 Econométrie Rappel : L estimateur ˆα (resp. ˆβ)estaussinotéa (resp. b). 160 150 consommation Y 140 130 10 (x i, ŷ i ) e i 110 100 110 10 130 140 150 160 170 180 )a). Sous forme exacte y i

Plus en détail

Régression de Poisson

Régression de Poisson ZHANG Mudong & LI Siheng & HU Chenyang 21 Mars, 2013 Plan Composantes des modèles Estimation Qualité d ajustement et Tests Exemples Conclusion 2/25 Introduction de modèle linéaire généralisé La relation

Plus en détail

9. Distributions d échantillonnage

9. Distributions d échantillonnage 9. Distributions d échantillonnage MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v3) MTH2302D: distributions d échantillonnage 1/46 Plan 1. Échantillons aléatoires 2. Statistiques et distributions

Plus en détail

Analyse de Variance. Groupe 1... Groupe K x 1,1... x... ... ... x... = µ + α i. + e ij. x ij

Analyse de Variance. Groupe 1... Groupe K x 1,1... x... ... ... x... = µ + α i. + e ij. x ij Analyse de Variance Analyse de Variance à 1 Facteur L'objectif de l'analyse de variance à 1 facteur est de tester l'égalité des moyennes théoriques d'une variable quantitative de différents groupes ou

Plus en détail

11 OSMOLARITÉ, MULTIPLES SOURCES DE VARIATION

11 OSMOLARITÉ, MULTIPLES SOURCES DE VARIATION 11 OSMOLARITÉ, MULTIPLES SOURCES DE VARIATION Dans cette étude de cas nous nous retrouvons face à des données dont la variabilité court terme est très différente de celle à long terme. Les cartes de contrôle

Plus en détail

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p. STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,

Plus en détail

Chapitre 4 NOTIONS DE PROBABILITÉS

Chapitre 4 NOTIONS DE PROBABILITÉS Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 4 NOTIONS DE PROBABILITÉS Les chapitres précédents donnent des méthodes graphiques et numériques pour caractériser

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

Cours de Statistiques

Cours de Statistiques Cours de Statistiques Romain Raveaux 1 1 Laboratoire L3I Université de La Rochelle romain.raveaux01 at univ-lr.fr Octobre 24-11, 2008 1 / 35 Sommaire 1 Quelques Rappels 2 numériques Relations entre deux

Plus en détail

Le programme de mathématiques Classes de première STI2D STL

Le programme de mathématiques Classes de première STI2D STL Journée de l inspection 15 avril 2011 - Lycée F. BUISSON 18 avril 2011 - Lycée J. ALGOUD 21 avril 2011 - Lycée L. ARMAND Le programme de mathématiques Classes de première STI2D STL Déroulement de la journée

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

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

Master 1 Informatique Éléments de statistique inférentielle

Master 1 Informatique Éléments de statistique inférentielle Master 1 Informatique Éléments de statistique inférentielle Faicel Chamroukhi Maître de Conférences UTLN, LSIS UMR CNRS 7296 email: chamroukhi@univ-tln.fr web: chamroukhi.univ-tln.fr 2014/2015 Faicel Chamroukhi

Plus en détail

Cours 9 : Plans à plusieurs facteurs

Cours 9 : Plans à plusieurs facteurs Cours 9 : Plans à plusieurs facteurs Table des matières Section 1. Diviser pour regner, rassembler pour saisir... 3 Section 2. Définitions et notations... 3 2.1. Définitions... 3 2.2. Notations... 4 Section

Plus en détail

Exemples d application

Exemples d application Institut National Agronomique Paris - Grignon Exemples d application du modèle linéaire E Lebarbier, S Robin Département OMIP 12 février 2007 Table des matières 1 Introduction 4 11 Avertissement 4 12 Notations

Plus en détail

Chapitre VI Échantillonages et simulations

Chapitre VI Échantillonages et simulations Chapitre VI Commentaires : Récursivement, les commentaires ne sont pas à l attention des élèves.. Fluctuation d échantillonnage Définition : En statistiques, un échantillon de taille n est la liste des

Plus en détail

PROBABILITÉS STATISTIQUES

PROBABILITÉS STATISTIQUES PROBABILITÉS ET STATISTIQUES Probabilités et Statistiques PAES 0-03 L FOUCA Sommaire Chapitre Statistique descriptive 4 La statistique et les statistiques 4 Généralités sur les distributions statistiques

Plus en détail

Devoir Surveillé n 5 BTS 2009 groupement B

Devoir Surveillé n 5 BTS 2009 groupement B EXERCICE 1 (12 points) Devoir Surveillé n 5 BTS 2009 groupement B Les trois parties de cet exercice peuvent être traitées de façon indépendante. A. Résolution d une équation différentielle On considère

Plus en détail

Statistique de base avec R Partie 2 : Test d hypothèses et régression linéaire

Statistique de base avec R Partie 2 : Test d hypothèses et régression linéaire Statistique de base avec R Partie 2 : Test d hypothèses et régression linéaire Julien JACQUES Polytech Lille - Université Lille 1 Julien JACQUES (Polytech Lille) Statistiques de base 1 / 48 Plan 1 Tests

Plus en détail

Chapitre 2. Caractéristiques des distributions à une variable quantitative

Chapitre 2. Caractéristiques des distributions à une variable quantitative Chapitre 2. Caractéristiques des distributions à une variable quantitative Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University

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

4.1 Planification d une expérience complètement randomisée

4.1 Planification d une expérience complètement randomisée Chapitre 4 La validation des hypothèses d ANOVA à un facteur Dans le modèle standard d ANOVA, on a fait quelques hypothèses. Pour que les résultats de l analyse effectuée soient fiables, il est nécessaire

Plus en détail

STATISTICIENS: ATTENTION, LOGICIELS! JMS 16-17 décembre 2002 Dominique Ladiray Statistique Canada

STATISTICIENS: ATTENTION, LOGICIELS! JMS 16-17 décembre 2002 Dominique Ladiray Statistique Canada STATISTICIENS: ATTENTION, LOGICIELS! JMS 16-17 décembre 2002 Dominique Ladiray Statistique Canada Introduction Critères de choix d un logiciel statistique: Fonctionnalités Ergonomie, «jolis graphiques»

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

Introduction à l étude des Corps Finis

Introduction à l étude des Corps Finis Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur

Plus en détail

Feuille de TP N 3 : Modèle log-linéaire - Travail guidé. 1 Cancers : modèle log-linéaire à deux facteurs croisés

Feuille de TP N 3 : Modèle log-linéaire - Travail guidé. 1 Cancers : modèle log-linéaire à deux facteurs croisés M1 MLG Année 2012 2013 Feuille de TP N 3 : Modèle log-linéaire - Travail guidé 1 Cancers : modèle log-linéaire à deux facteurs croisés Ce premier exercice reprend l exercice 1 de la feuille de TD n 3.

Plus en détail

Analyse de la variance

Analyse de la variance Plan Analyse de la variance - Chapitre VI - Notes de cours Statistique L3 MIASHS - Université de Bordeaux - Chapitre VI - L3 MIASHS- Analyse de la variance 1/37 Plan Plan 1 Introduction 2 3 4 5 - Chapitre

Plus en détail

La fonction carré Cours

La fonction carré Cours La fonction carré Cours CHAPITRE 1 : Définition CHAPITRE 2 : Sens de variation CHAPITRE 3 : Parité et symétrie CHAPITRE 4 : Représentation graphique CHAPITRE 5 : Equation du type CHAPITRE 6 : Inéquation

Plus en détail

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2 Test du Khi 2 Le test du Khi 2 (khi deux ou khi carré) fournit une méthode pour déterminer la nature d'une répartition, qui peut être continue ou discrète. Domaine d application du test : Données qualitatives

Plus en détail

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE DES MATIERES. C Exercices complémentaires 42 TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence

Plus en détail

6. Comparaisons non planifiées : tests post-hoc

6. Comparaisons non planifiées : tests post-hoc 6. Comparaisons non planifiées : tests post-hoc Soumis par Éric Raufaste Dernière mise à jour : 27-01-2013 UOH - Psychométrie et Statistique en L2 Objectifs. Montrer quand et comment comparer les moyennes

Plus en détail

Activité Intitulé de l'activité Volume horaire

Activité Intitulé de l'activité Volume horaire Informations de l'unité d'enseignement Implantation IPL Cursus de Bachelier en chimie Introduction à la statistique C1110 Cycle 1 Bloc 1 Quadrimestre 2 Pondération 1 Nombre de crédits 4 Nombre d heures

Plus en détail

TUTORAT UE 4 2015-2016 Biostatistiques Séance n 5 Semaine du 19/10/2015

TUTORAT UE 4 2015-2016 Biostatistiques Séance n 5 Semaine du 19/10/2015 TUTORAT UE 4 2015-2016 Biostatistiques Séance n 5 Semaine du 19/10/2015 Tests statistiques 2 M. Molinari. Séance préparée par Cécile JOURDAN, Charlotte SILVESTRE, Brice LAVABRE, Julie DUSSAUT, Mathilde

Plus en détail

Les variables indépendantes catégorielles

Les variables indépendantes catégorielles Les variables indépendantes catégorielles Jean-François Bickel Statistique II SP08 Jusqu à maintenant, nous avons considéré comme variables indépendantes uniquement des variables intervalles (âge) ou traitées

Plus en détail

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon PACES - APEMK UE 4 Evaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie

Plus en détail

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures) CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un

Plus en détail

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3 Chapitre 5 Systèmes linéaires 1 Généralités sur les systèmes linéaires 2 11 Définitions 2 12 Opérations élémentaires 2 13 Systèmes échelonnés et triangulaires 3 2 Résolution des systèmes linéaires 3 21

Plus en détail

La survie nette actuelle à long terme Qualités de sept méthodes d estimation

La survie nette actuelle à long terme Qualités de sept méthodes d estimation La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg

Plus en détail

Bureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr

Bureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr Dominique Muller Laboratoire Inter-universitaire de Psychologie Bureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr Supports de cours : webcom.upmf-grenoble.fr/lip/perso/dmuller/m2r/acm/

Plus en détail

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème.

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème. Mathématiques - classe de 1ère des séries STI2D et STL. 1. Analyse On dote les élèves d outils mathématiques permettant de traiter des problèmes relevant de la modélisation de phénomènes continus ou discrets.

Plus en détail

Principe des Tests Statistiques

Principe des Tests Statistiques Principe des Tests Statistiques Vocabulaire & Notions Générales Marc AUBRY Plateforme Transcriptome Biogenouest Rennes Askatu Les Étapes d un Test Statistique Question scientifique Choix d un test statistique

Plus en détail

Chapitre III Analyse de la variance

Chapitre III Analyse de la variance Chapitre III Analyse de la variance Licence 3 MIASHS - Université de Bordeaux Marie Chavent Chapitre 3 Analyse de la variance 1/30 1 Introduction - Analyse de la variance = ANOVA (ANalysis Of VAriance)

Plus en détail

Classe de 3ème. Effectif partiel n Effectif total N

Classe de 3ème. Effectif partiel n Effectif total N Classe de 3ème Chapitre 2 Statistiques. 1. Quelques rappels. Une série statistique est composée de valeurs. Le nombre de fois où une valeur est répétée s'appelle l'effectif partiel de cette valeur. La

Plus en détail

COURS DE STATISTIQUES (24h)

COURS DE STATISTIQUES (24h) COURS DE STATISTIQUES (24h) Introduction Statistiques descriptives (4 h) Rappels de Probabilités (4 h) Echantillonnage(4 h) Estimation ponctuelle (6 h) Introduction aux tests (6 h) Qu est-ce que la statistique?

Plus en détail

Analyse de la variance avec Excel

Analyse de la variance avec Excel Analyse de la variance avec Excel Benoît Laine (ULB) 7 mars 2005 1 Quelques rappels sur l ANOVA 1.1 Introduction L objet de l analyse de variance est de définir et d étudier par le biais d un modèle statistique

Plus en détail

Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq»

Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq» Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq» Guy Perrière Pôle Rhône-Alpes de Bioinformatique 14 novembre 2012 Guy Perrière (PRABI) Tests statistiques 14 novembre 2012 1 / 40 Plan

Plus en détail

Seconds pas vers l analyse de données...

Seconds pas vers l analyse de données... Fiche TD avec le logiciel : tdr1102 Seconds pas vers l analyse de données... A.B. Dufour & D. Clot Cette fiche comprend des exercices portant sur les paramètres descriptifs principaux et les représentations

Plus en détail

MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE

MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE Forum HH 05.02.2013 Ghislaine Gagnon Unité HPCI Qualitatif ou quantitatif? Les 2 méthodes peuvent être utilisées séparément ou en conjonction - le qualitatif

Plus en détail

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Université Paris1, Licence 00-003, Mme Pradel : Principales lois de Probabilité 1 DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Notations Si la variable aléatoire X suit la loi L, onnoterax

Plus en détail

Travaux dirigés - Régression linéaire simple: corrigé partiel Julien Chiquet et Guillem Rigaill 1er octobre 2015

Travaux dirigés - Régression linéaire simple: corrigé partiel Julien Chiquet et Guillem Rigaill 1er octobre 2015 Travaux dirigés - Régression linéaire simple: corrigé partiel Julien Chiquet et Guillem Rigaill 1er octobre 2015 Quelques révisions de R 1. Manipulation de vecteur. On rappelle que e x = k 0 Créer dans

Plus en détail

Correction de l épreuve de Statistiques et Informatique appliquées à la Psychologie

Correction de l épreuve de Statistiques et Informatique appliquées à la Psychologie Université de Bretagne Occidentale Année Universitaire 2013-2014 U.F.R. de Lettres et Sciences Humaines CS 93837-29238 BREST CEDEX 3 Section : Psychologie - Licence 3è année Enseignant responsable : F.-G.

Plus en détail

Université d Orléans - Licence Economie et Gestion Statistique Mathématique

Université d Orléans - Licence Economie et Gestion Statistique Mathématique Université d Orléans - Licence Economie et Gestion Statistique Mathématique C. Hurlin. Correction du Contrôle de Décembre 00 Exercice Barème : 7 points Partie I : Test d hypothèses simples (0 points) Question

Plus en détail

Statistique (MATH-F-315, Cours #3)

Statistique (MATH-F-315, Cours #3) Statistique (MATH-F-315, Cours #3) Thomas Verdebout Université Libre de Bruxelles 2015 Plan de la partie Statistique du cours 1. Introduction. 2. Théorie de l estimation. 3. Tests d hypothèses et intervalles

Plus en détail

R i = a 0 +b 0 B i +ε i, R = Xβ +ε,

R i = a 0 +b 0 B i +ε i, R = Xβ +ε, Statistiques 2010-2011 TP sur le Modèle linéaire gaussien avec R 1 Les exercices Vous traiterez les exercices suivants avec le logiciel R. Exercice 1 Des photographies aériennes de champs d orge sont analysées

Plus en détail

Lois de probabilité 3/3. Anita Burgun

Lois de probabilité 3/3. Anita Burgun Lois de probabilité 3/3 Anita Burgun Contenu des cours Loi binomiale Loi hypergéométrique Loi de Poisson Loi normale Loi du Chi2 Loi de Student Loi normale VA continue X Densité de probabilité de X" Loi

Plus en détail

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Master Modélisation et Simulation / ENSTA TD 1 2012-2013 Les méthodes dites de Monte-Carlo consistent en des simulations expérimentales de problèmes

Plus en détail

Normalité des rendements?

Normalité des rendements? Normalité des rendements? Daniel Herlemont 31 mars 2011 Table des matières 1 Introduction 1 2 Test de Normalité des rendements 2 3 Graphiques quantile-quantile 2 4 Estimation par maximum de vraisemblance

Plus en détail

Tests statistiques élémentaires

Tests statistiques élémentaires Résumé Il serait vain de chercher à présenter l ensemble des tests statistiques, la littérature est très abondante sur le sujet. Cette vignette introduit les plus couramment calculés par les logiciels

Plus en détail