Statistique descriptive
|
|
- Bernadette Gignac
- il y a 7 ans
- Total affichages :
Transcription
1 Présentation d une série statistique simple Chapitre 1 : Séries statistiques simples Télécom Saint-Étienne janvier 20
2 Sommaire 1 Présentation d une série statistique simple Série à valeurs isolées Série à valeurs classées 2 3
3 Plan 1 Présentation d une série statistique simple Série à valeurs isolées Série à valeurs classées 2 3
4 Définition Présentation d une série statistique simple Série à valeurs isolées Série à valeurs classées On a observé sur n individus d une population un caractère quantitatif x dont on note les valeurs observées : x 1,,x n.
5 Définition Présentation d une série statistique simple Série à valeurs isolées Série à valeurs classées On a observé sur n individus d une population un caractère quantitatif x dont on note les valeurs observées : x 1,,x n. Définition (x 1,,x n ) est appelée une série statistique simple.
6 Présentation d une série statistique simple Série à valeurs isolées Série à valeurs isolées Série à valeurs classées Les séries statistiques simples à valeurs isolées sont utilisées pour les caractères quantitatifs discrets. On regroupe les valeurs égales de la série, on note l effectif de chaque valeur isolée et on les range par ordre croissant. On suppose qu il y a r valeurs différentes : y 1,,y r.
7 Présentation d une série statistique simple Série à valeurs isolées Série à valeurs isolées Série à valeurs classées Les séries statistiques simples à valeurs isolées sont utilisées pour les caractères quantitatifs discrets. On regroupe les valeurs égales de la série, on note l effectif de chaque valeur isolée et on les range par ordre croissant. On suppose qu il y a r valeurs différentes : y 1,,y r. Table : Série à valeurs isolées Valeurs isolées y 1 y 2 y i y r Effectifs n 1 n 2 n i n r Fréquences f 1 = n 1 n f 2 = n 2 n f i = n i n f r = nr n
8 Exemple Proposition D abord, r n. Ensuite : r n i = n et i=1 r f i = 1. i=1 Ici, f i est la proportion d éléments de la série égaux à y i.
9 Exemple Proposition D abord, r n. Ensuite : r n i = n et i=1 r f i = 1. i=1 Ici, f i est la proportion d éléments de la série égaux à y i. Table : Exemple de série à valeurs isolées x i n i (effectifs) f i (fréquence) N i F i
10 Diagramme en bâtons des effectifs On représente cette série par le diagramme en bâtons des effectifs (ou des fréquences) : Figure : Effectifs d une série statistique simple
11 Diagramme en bâtons des effectifs On représente cette série par le diagramme en bâtons des effectifs (ou des fréquences) : Figure : Effectifs d une série statistique simple Les points où l on a un maximum relatif (ou local) de l effectif (ou de la fréquence) sont appelés des modes. Dans le Tableau, les modes sont en et 40.
12 Présentation d une série statistique simple Effectifs cumulés - 1 Série à valeurs isolées Série à valeurs classées On calcule les effectifs cumulés et les fréquences cumulées (l équivalent de la fonction de répartition) : N i := n 1 + +n i, et F i := f 1 + +f i = N i n. N i est le nombre d éléments de la série qui sont inférieurs ou égaux à x i. Et, F i est la proportion de tels éléments. Ainsi, douze éléments de la série sont inférieurs ou égaux à 40.
13 Présentation d une série statistique simple Effectifs cumulés - 2 Série à valeurs isolées Série à valeurs classées On construit ensuite le diagramme en bâtons des effectifs cumulés (ou des fréquences cumulées) : Figure : Effectifs cumulés d une série statistique simple
14 Présentation Présentation d une série statistique simple Série à valeurs isolées Série à valeurs classées Les séries à valeurs classées sont utilisées pour les caractères quantitatifs continus. On regroupe les éléments de la série dans des intervalles semi-ouverts [z i ;z i+1 [ appelés classe. Et, on note l effectif (et la fréquence de chaque classe). On considère s classes.
15 Présentation Présentation d une série statistique simple Série à valeurs isolées Série à valeurs classées Les séries à valeurs classées sont utilisées pour les caractères quantitatifs continus. On regroupe les éléments de la série dans des intervalles semi-ouverts [z i ;z i+1 [ appelés classe. Et, on note l effectif (et la fréquence de chaque classe). On considère s classes. Table : Série à valeurs classées Classes [z 0 ;z 1 [ [z 1 ;z 2 [ [z i 1 ;z i [ [z s 1 ;z s [ Effectifs n 1 n 2 n i n s Fréquences f 1 = n 1 n f 2 = n 2 n f i = n i n f s = ns n
16 Exemple Proposition D abord, s n. Ensuite : s n i = n et i=1 s f i = 1. i=1
17 Exemple Proposition D abord, s n. Ensuite : s n i = n et i=1 s f i = 1. i=1 On donne un exemple avec n = : Table : Exemple de série à valeurs classées [z i 1 ;z i [ n i f i z i z i 1 k i n i k i (effectifs corrigés) F i [100; 120[ [120; 130[ [130; 140[ [140; 0[ [0; 170[
18 Histogramme des effectifs On regarde maintenant l histogramme des effectifs (ou des fréquences). En abscisse, on met les bornes des classes et en ordonnée les effectifs par unité de longueur de classe (effectifs corrigés) : Figure : Aire du rectangle d un histogramme L aire du rectangle est A i = (z i z i 1 ) n i k i = k i u n i k i = n i u.
19 Présentation d une série statistique simple Exemple d histogramme Série à valeurs isolées Série à valeurs classées Figure : Histogramme des effectifs corrigés
20 Présentation d une série statistique simple Classes modales et modes Série à valeurs isolées Série à valeurs classées Définition Les classes pour lesquelles on a un maximum relatif ou local de l effectif corrigé sont appelées classes modales. On prend pour modes les milieux des classes modales.
21 Présentation d une série statistique simple Classes modales et modes Série à valeurs isolées Série à valeurs classées Définition Les classes pour lesquelles on a un maximum relatif ou local de l effectif corrigé sont appelées classes modales. On prend pour modes les milieux des classes modales. Ici, la classe modale est [130;140[ et le mode est 135. Les effectifs cumulés et les fréquences cumulées sont calculés de la même manière que pour les séries statistiques simples à valeurs isolées. Ainsi, 50 éléments sont strictement inférieurs à 140. N i (respectivement F i ) représente le nombre (respectivement la proportion) d éléments de la série strictement inférieurs à z i.
22 Présentation d une série statistique simple Courbe des effectifs cumulés Série à valeurs isolées Série à valeurs classées On obtient la courbe des effectifs cumulés (ou celle des fréquences cumulées) en joignant par des segments de droite les points (z i,n i ) (ou (z i,f i )). Ici, on a : Figure : Courbe des effectifs cumulés
23 Par convention, on posejulian N 0 Tugaut = F 0 = Statistique 0. descriptive Présentation d une série statistique simple Courbe des effectifs cumulés Série à valeurs isolées Série à valeurs classées On obtient la courbe des effectifs cumulés (ou celle des fréquences cumulées) en joignant par des segments de droite les points (z i,n i ) (ou (z i,f i )). Ici, on a : Figure : Courbe des effectifs cumulés
24 Plan 1 Présentation d une série statistique simple 2 3
25 Présentation d une série statistique simple On se donne une série statistique simple (x 1,,x n ).
26 Présentation d une série statistique simple On se donne une série statistique simple (x 1,,x n ). Définition On appelle moyenne arithmétique de cette série le nombre égal à la somme des éléments de la série divisé par l effectif n. On note x cette moyenne arithmétique : x = ni=1 x i n.
27 Présentation d une série statistique simple On se donne une série statistique simple (x 1,,x n ). Définition On appelle moyenne arithmétique de cette série le nombre égal à la somme des éléments de la série divisé par l effectif n. On note x cette moyenne arithmétique : x = ni=1 x i n. Cette quantité correspond à l espérance dans le cas d une variable aléatoire réelle discrète.
28 Présentation d une série statistique simple On se donne une série statistique simple (x 1,,x n ). Définition On appelle moyenne arithmétique de cette série le nombre égal à la somme des éléments de la série divisé par l effectif n. On note x cette moyenne arithmétique : x = ni=1 x i n. Cette quantité correspond à l espérance dans le cas d une variable aléatoire réelle discrète. Remarque La moyenne est sensible aux valeurs extrêmes (qui peuvent être aberrantes) de la série.
29 Calcul dans le cas d une série à valeurs isolées x i n i (effectifs) f i (fréquence) N i F i
30 Calcul dans le cas d une série à valeurs isolées x i n i (effectifs) f i (fréquence) N i F i Alors, la moyenne arithmétique est égale à x = 2 39, ,5+2 39, , ,5 = 39..
31 Calcul dans le cas d une série à valeurs isolées x i n i (effectifs) f i (fréquence) N i F i Alors, la moyenne arithmétique est égale à x = 2 39, ,5+2 39, , ,5 = 39.. On remarque par ailleurs : x = r f i x i. i=1
32 Calcul dans le cas d une série à valeurs classées On peut faire l approximation consistant à supposer que pour toute classe [z i 1 ;z i [, les éléments de la série à l intérieur de cette classe sont égaux à z i 1+z i 2. On est alors ramené au cas précédent.
33 Calcul dans le cas d une série à valeurs classées On peut faire l approximation consistant à supposer que pour toute classe [z i 1 ;z i [, les éléments de la série à l intérieur de cette classe sont égaux à z i 1+z i 2. On est alors ramené au cas précédent. [z i 1 ;z i [ n i f i z i z i 1 k i n i k i (effectifs corrigés) F i [100; 120[ [120; 130[ [130; 140[ [140; 0[ [0; 170[
34 Calcul dans le cas d une série à valeurs classées On peut faire l approximation consistant à supposer que pour toute classe [z i 1 ;z i [, les éléments de la série à l intérieur de cette classe sont égaux à z i 1+z i 2. On est alors ramené au cas précédent. [z i 1 ;z i [ n i f i z i z i 1 k i n i k i (effectifs corrigés) F i [100; 120[ [120; 130[ [130; 140[ [140; 0[ [0; 170[ x = =
35 Plan 1 Présentation d une série statistique simple 2 3
36 Définitions Présentation d une série statistique simple Définition On appelle variance de la série statistique simple x la moyenne des carrés des écarts des éléments de la série à leur moyenne arithmétique x : sx 2 = 1 n (x i x) 2. n i=1
37 Définitions Présentation d une série statistique simple Définition On appelle variance de la série statistique simple x la moyenne des carrés des écarts des éléments de la série à leur moyenne arithmétique x : sx 2 = 1 n (x i x) 2. n i=1 Définition On appelle écart-type de la série la racine carrée de la variance : s x : s x = 1 n n (x i x) 2. i=1
38 Exemples Présentation d une série statistique simple Exemple On considère la série x := (9,11). Sa moyenne est 10 et sa variance est s 2 x = 1 2 [ (9 10) 2 +(11 10) 2] = 1.
39 Exemples Présentation d une série statistique simple Exemple On considère la série x := (9,11). Sa moyenne est 10 et sa variance est s 2 x = 1 2 [ (9 10) 2 +(11 10) 2] = 1. Exemple On considère la série x := (5,). Sa moyenne est 10 et sa variance est s 2 x = 1 2 [ (5 10) 2 +( 10) 2] = 25.
40 Présentation d une série statistique simple Formule de calcul Proposition Soit une série statistique simple x := (x 1,,x n ). On note x 2 la série statistique simple : x 2 := ( x 2 1,,x2 n). On a alors s 2 x = x 2 x 2.
41 Présentation d une série statistique simple Formule de calcul Proposition Soit une série statistique simple x := (x 1,,x n ). On note x 2 la série statistique simple : x 2 := ( x 2 1,,x2 n). On a alors s 2 x = x 2 x 2. Cette formule est à rapprocher de Var[X] = E[X 2 ] E[X] 2.
42 Présentation d une série statistique simple Calcul dans le cas d une série à valeurs isolées x i n i (effectifs) f i (fréquence) N i F i
43 Présentation d une série statistique simple Calcul dans le cas d une série à valeurs isolées x i n i (effectifs) f i (fréquence) N i F i Ici, x = 39.. Et la variance est sx 2 = 1 [2 ( ) ( ) 2] =
44 Calcul dans le cas d une série à valeurs classées [z i 1 ;z i [ n i f i z i z i 1 k i n i k i (effectifs corrigés) F i [100; 120[ [120; 130[ [130; 140[ [140; 0[ [0; 170[
45 Calcul dans le cas d une série à valeurs classées [z i 1 ;z i [ n i f i z i z i 1 k i n i k i (effectifs corrigés) F i [100; 120[ [120; 130[ [130; 140[ [140; 0[ [0; 170[ On fait l approximation consistant à supposer que pour toute classe [z i 1 ;z i [, les éléments de la série à l intérieur de cette classe sont égaux à z i 1+z i 2. On est alors ramené au cas précédent.
46 Calcul dans le cas d une série à valeurs classées d où l écart-type est s x [z i 1 ;z i [ n i f i z i z i 1 k i n i k i (effectifs corrigés) F i [100; 120[ [120; 130[ [130; 140[ [140; 0[ [0; 170[ On fait l approximation consistant à supposer que pour toute classe [z i 1 ;z i [, les éléments de la série à l intérieur de cette classe sont égaux à z i 1+z i 2. On est alors ramené au cas précédent. Ainsi, on a déjà vu que l on avait x = Et, la variance est sx 2 = = ,
47 Présentation d une série statistique simple Coefficient de dispersion Le coefficient de dispersion mesure la dispersion de la série en tenant compte de sa moyenne arithmétique. Il s agit de s x x. Ce coefficient ne dépend pas de l unité de mesure choisie.
Statistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailC f tracée ci- contre est la représentation graphique d une
TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe
Plus en détailExercice 3 (5 points) A(x) = 1-e -0039' -0 156e- 0,039x A '() -'-,..--,-,--,------:-- X = (l_e-0,039x)2
Les parties A et B sont indépendantes. Partie A Exercice 3 (5 points) Commun à tous les candidats On considère la fonction A définie sur l'intervalle [1 ; + 00 [ par A(x) = 1-e -0039' ' x 1. Calculer la
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailValidation probabiliste d un Système de Prévision d Ensemble
Validation probabiliste d un Système de Prévision d Ensemble Guillem Candille, janvier 2006 Système de Prévision d Ensemble (EPS) (ECMWF Newsletter 90, 2001) Plan 1 Critères de validation probabiliste
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailThéorie et codage de l information
Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q
Plus en détailLire ; 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 détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailThéorie des sondages : cours 5
Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur
Plus en détailElec II Le courant alternatif et la tension alternative
Elec II Le courant alternatif et la tension alternative 1-Deux types de courant -Schéma de l expérience : G -Observations : Avec une pile pour G (courant continu noté ): seule la DEL dans le sens passant
Plus en détailDeux disques dans un carré
Deux disques dans un carré Table des matières 1 Fiche résumé 2 2 Fiche élève Seconde - version 1 3 2.1 Le problème............................................... 3 2.2 Construction de la figure avec geogebra...............................
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailDURÉE DU JOUR EN FONCTION DE LA DATE ET DE LA LATITUDE
DURÉE DU JUR E FCTI DE LA DATE ET DE LA LATITUDE ous allons nous intéresser à la durée du jour, prise ici dans le sens de période d éclairement par le Soleil dans une journée de 4 h, en un lieu donné de
Plus en détailDécouverte du logiciel ordinateur TI-n spire / TI-n spire CAS
Découverte du logiciel ordinateur TI-n spire / TI-n spire CAS Mémento Ouvrir TI-Nspire CAS. Voici la barre d outils : L insertion d une page, d une activité, d une page où l application est choisie, pourra
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailUnion générale des étudiants de Tunisie Bureau de l institut Préparatoire Aux Etudes D'ingénieurs De Tunis. Modèle de compte-rendu de TP.
Union générale des étudiants de Tunisie Modèle de compte-rendu de TP Dipôle RC Ce document a été publié pour l unique but d aider les étudiants, il est donc strictement interdit de l utiliser intégralement
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détailSéquence 4. Statistiques. Sommaire. Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement
Séquence 4 Statistiques Sommaire Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement 1 Introduction «Etude méthodique des faits sociaux par des
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailpoint On obtient ainsi le ou les points d inter- entre deux objets».
Déplacer un objet Cliquer sur le bouton «Déplacer». On peut ainsi rendre la figure dynamique. Attraper l objet à déplacer avec la souris. Ici, on veut déplacer le point A du triangle point ABC. A du triangle
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailBien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction
Antécédents d un nombre par une fonction 1) Par lecture graphique Méthode / Explications : Pour déterminer le ou les antécédents d un nombre a donné, on trace la droite (d) d équation. On lit les abscisses
Plus en détailRelation 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 détailProbabilité. 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 détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailProbabilités Loi binomiale Exercices corrigés
Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détail1 Modélisation d être mauvais payeur
1 Modélisation d être mauvais payeur 1.1 Description Cet exercice est très largement inspiré d un document que M. Grégoire de Lassence de la société SAS m a transmis. Il est intitulé Guide de démarrage
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailExprimer ce coefficient de proportionnalité sous forme de pourcentage : 3,5 %
23 CALCUL DE L INTÉRÊT Tau d intérêt Paul et Rémi ont reçu pour Noël, respectivement, 20 et 80. Ils placent cet argent dans une banque, au même tau. Au bout d une année, ce placement leur rapportera une
Plus en détailApllication au calcul financier
Apllication au calcul financier Hervé Hocquard Université de Bordeaux, France 1 er novembre 2011 Intérêts Généralités L intérêt est la rémunération du placement d argent. Il dépend : du taux d intérêts
Plus en détailLa 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 détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailBaccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé.
Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé. L usage d une calculatrice est autorisé Durée : 3heures Deux annexes sont à rendre avec la copie. Exercice 1 5 points 1_ Soit f la
Plus en détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
Plus en détailReprésentation géométrique d un nombre complexe
CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres
Plus en détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
Plus en détailLicence Sciences et Technologies Examen janvier 2010
Université de Provence Introduction à l Informatique Licence Sciences et Technologies Examen janvier 2010 Année 2009-10 Aucun document n est autorisé Les exercices peuvent être traités dans le désordre.
Plus en détailIntroduction à la statistique descriptive
Chapitre chapitre 1 Introduction à la statistique descriptive Les méthodes de la statistique descriptive (statistique déductive) permettent de mener des études à partir de données exhaustives, c est-à-dire
Plus en détailAC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Plus en détail1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R.
Angles orientés Trigonométrie I. Préliminaires. Le radian Définition B R AB =R C O radian R A Soit C un cercle de centre O. Dire que l angle géométrique AOB a pour mesure radian signifie que la longueur
Plus en détailFormats d images. 1 Introduction
Formats d images 1 Introduction Lorsque nous utilisons un ordinateur ou un smartphone l écran constitue un élément principal de l interaction avec la machine. Les images sont donc au cœur de l utilisation
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailHABITER MIEUX DANS LE GRAND NANCY juin 2011 ~ juin 2014
Programme d Intérêt Général HABITER MIEUX DANS LE GRAND NANCY juin 2011 ~ juin 2014 LANEUVEVILLE-DEVANT-NANCY SOMMAIRE Qu est-ce que le Programme d Intérêt Général Habiter Mieux? Enjeux et objectifs Présentation
Plus en détailchapitre 4 Nombres de Catalan
chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailChapitre 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 détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailAmélioration de la fiabilité d inspection en CND grâce à la fusion d information : applications en rayons X et ultrasons
Amélioration de la fiabilité d inspection en CND grâce à la fusion d information : applications en rayons X et ultrasons Ahmad OSMAN 1a, Valérie KAFTANDJIAN b, Ulf HASSLER a a Fraunhofer Development Center
Plus en détailLISTE D EXERCICES 2 (à la maison)
Université de Lorraine Faculté des Sciences et Technologies MASTER 2 IMOI, parcours AD et MF Année 2013/2014 Ecole des Mines de Nancy LISTE D EXERCICES 2 (à la maison) 2.1 Un particulier place 500 euros
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailStatistiques à une variable
Statistiques à une variable Calcul des paramètres statistiques TI-82stats.fr? Déterminer les paramètres de la série statistique : Valeurs 0 2 3 5 8 Effectifs 16 12 28 32 21? Accès au mode statistique Touche
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16
ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que
Plus en détailNombre de marches Nombre de facons de les monter 3 3 11 144 4 5 12 233 5 8 13 377 6 13 14 610 7 21 15 987 8 34 16 1597 9 55 17 2584 10 89
Soit un escalier à n marches. On note u_n le nombre de façons de monter ces n marches. Par exemple d'après l'énoncé, u_3=3. Pour monter n marches, il faut d'abord monter la première. Soit on la monte seule,
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailCorrection : E = Soit E = -1,6. F = 12 Soit F = -6 3 + 45. y = 11. et G = -2z + 4y G = 2 6 = 3 G = G = -2 5 + 4 11
Correction : EXERCICE : Calculer en indiquant les étapes: (-6 +9) ( ) ( ) B = -4 (-) (-8) B = - 8 (+ 6) B = - 8 6 B = - 44 EXERCICE : La visite médicale Calcul de la part des élèves rencontrés lundi et
Plus en détailNombre dérivé et tangente
Nombre dérivé et tangente I) Interprétation graphique 1) Taux de variation d une fonction en un point. Soit une fonction définie sur un intervalle I contenant le nombre réel a, soit (C) sa courbe représentative
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailModélisation des risques
2 Modélisation des risques 2. Introduction L objectif de ce chapitre est de présenter les modèles de base utilisés pour décrire le comportement aléatoire d un risque en actuariat pour une période xe. Les
Plus en détailPartie Agir : Défis du XXI ème siècle CHAP 20-ACT EXP Convertisseur Analogique Numérique (CAN)
1/5 Partie Agir : Défis du XXI ème siècle CHAP 20-ACT EXP Convertisseur Analogique Numérique (CAN) Objectifs : Reconnaître des signaux de nature analogique et des signaux de nature numérique Mettre en
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailDéfinitions. Définitions sur le logement
Définitions sur le logement Logement Un logement est défini par son utilisation : c est un local séparé et indépendant utilisé pour l habitation. Il doit être séparé d autres locaux par des murs ou cloisons
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailOUTILS STATISTIQUES ET NUMÉRIQUES
UNIVERSITÉ D ORLEANS Année universitaire 211-212 UFR Sciences Master FAC et SAE, 2ème année OUTILS STATISTIQUES ET NUMÉRIQUES POUR LA MESURE ET LA SIMULATION T. Dudok de Wit Université d Orléans 16 septembre
Plus en détailSub CalculAnnuite() Const TITRE As String = "Calcul d'annuité de remboursement d'un emprunt"
TD1 : traduction en Visual BASIC des exemples du cours sur les structures de contrôle de l'exécution page 1 'TRADUCTION EN VBA DES EXEMPLES ALGORITHMIQUES SUR LES STRUCTURES 'DE CONTROLE DE L'EXECUTION
Plus en détail