CORRIGE DES EXERCICES : Distributions d'échantillonnage - Intervalles de variation
|
|
- Roland Rondeau
- il y a 7 ans
- Total affichages :
Transcription
1 U.F.R. S.P.S.E. Licece de psychologie L3 PLPSTA0 Bases de la statistique iféretielle UNIVERSITE PARIS X NANTERRE CORRIGE DES EXERCICES : Distributios d'échatilloage - Itervalles de variatio Exercice 1 P{élèves du secodaire} X résultat de fluidité au test de pesée Créative de Torrace, variable quatitative de moyee coue µ 0, et d'écarttype cou 6,5 das P. Echatillos de taille de X issu de P pour lesquels x, s et s* e sot pas calculés. 1) O peut prévoir le résultat moye observé x pour chaque échatillo par la moyee de la moyee empirique X qui est égale à µ puisque vaut µ 0. X est u estimateur sas biais de µ : cette prévisio est costate pour tous les échatillos et ) O peut calculer la variace (écart-type) du résultat moye par la variace (écart-type) de la moyee empirique X qui est égale à (égal à ) qui varie avec la taille de l'échatillo : plus la taille de l'échatillo est grade plus la variace (écart-type) est faible d'où ue plus grade précisio das l'estimatio (cf tableau ci-dessous coloes 3 et 4). taille distributio de la moyee empirique X distributio de la variace empirique sas biais S * biaisée moyee ( 1 ) distributio de l'écart-type empirique S sas biais S * biaisé S moyee variace écart-type moyee moyee moyee µ ,5 6,5 4,5 6,5 0 0,115 1,4534 4,5 40,1375 6,5 6, ,845 0,919 4,5 41,4050 6,5 6, ,45 0,65 4,5 41,875 6,5 6,4674 remarque : o pourra affier la prévisio du résultat moye observé e calculat u itervalle de variatio au risque α (par exemple α5%) de la moyee empirique X e utilisat l'approximatio ormale sur X pour les deux échatillos de taille 50 et 100 ( 30), qui prédira le résultat moye observé avec u risque d'erreur de α (α5%) e faisat iterveir sa moyee µ et so écart-type : I ( ) 95% X µ ± z 0, 975 I X 0 ± 1,96 0,919 0 ± 1,8 18, ; 1,8 pour % ( ) [ ] [ ] [ ] pour 100 I ( X ) [ 0 ± 1,96 0,65] [ 0 ± 1,74] [ 0 ± 1,3] [ 18,7 ; 1,3] 95 % 3) O peut prévoir la variace observée du résultat, biaisée s ou sas biais s* pour chaque échatillo, par la moyee de la variace empirique biaisée S ou sas biais S *. - la moyee de S est égale à ( 1 ) : S est u estimateur biaisé de qui sous estime toujours. Cette prévisio varie avec la taille de l'échatillo : plus la taille de l'échatillo est grade plus le biais est faible, d'où ue prévisio qui se rapproche de (cf tableau ci-dessus coloe 6). - la moyee de S * est égale à puisque S * est u estimateur sas biais de : cette prévisio est costate pour tous les échatillos et vaut 6,5 4,5 (cf tableau ci-dessus coloe 5). O peut prévoir l'écart-type observé du résultat, biaisé s ou sas biais s* pour chaque échatillo, par la moyee de l'écart-type empirique biaisé S ou sas biais S *. - la moyee de S est égale à 1 : S est u estimateur biaisé de qui sous estime toujours. Cette prévisio varie avec la taille de l'échatillo : plus la taille de l'échatillo est grade plus le biais est faible, d'où ue prévisio qui se rapproche de 6,5 (cf tableau ci-dessus coloe 8). - la moyee de S * est égale à puisque S * est u estimateur sas biais de : cette prévisio est costate pour tous les échatillos et vaut 6,5 (cf tableau ci-dessus coloe 7).
2 Exercice P{fraçais recesés e 1999} X âge, variable quatitative X~N(µ 39, 3) das P. Echatillos de taille 5 de X issu de P 1) La moyee empirique de l'âge, X 5 a ue distributio ormale de moyee µ39, de variace 3 1, 16 et 5 d'écart-type 3 4, 6 puisque X a ue distributio ormale de moyee µ39 et d'écart-type 3 das P ,6 où F est la foctio de répartitio de la loi N(0,1). quasimet aucu des échatillos de taille 5 de X issus de P ot u âge moye observé iférieur à 0 as. ) P( X 5 0) P Z F( 4,13) 1 F( 4,13) 1 F( 4,1) 1 0, , ) ( 0 X 60) P( X 60) P( X 0) avec P( X 5 0) 0, P et ( X 60) P Z F( 4,565) F( 4,6) 0, d'où ( 0 X 60) P 5 P 5 0, ,000010, ,6 où F est la foctio de répartitio de la loi N(0,1). quasimet tous les échatillos de taille 5 de X issus de P ot u âge moye observé compris etre 0 et 60 as. 4) Itervalle de variatio à 90% (au risque α10%) de l'âge moye sur les échatillos de taille 5 de X issus de P : ( ) [ Q ; Q ] [ 39 ± 4,6 z ] [ 39 ± 4,6 1,645] [ 39 ± 7,567] [ 39 ± 7,6] [ 31,4; 46,6] I % 0,05 0,95 0, X car z 1 (α/) z 0,95 1,645 est le quatile d'ordre 0,95 de la loi N(0,1). 90% des échatillos de taille 5 de X issus de P ot u âge moye compris etre 31,4 et 46,6 as. Itervalle de variatio à 95% (au risque α5%) de l'âge moye sur les échatillos de taille 5 de X issus de P : ( ) [ Q ; Q ] [ 39 ± 4,6 z ] [ 39 ± 4,6 1,96] [ 39 ± 9,016] [ 39 ± 9] [ 30; 48] I % 0,05 0,975 0, X car z 1 (α/) z 0,975 1,96 est le quatile d'ordre 0,975 de la loi N(0,1). 95% des échatillos de taille 5 de X issus de P ot u âge moye compris etre 30 et 48 as. la valeur de la bore iférieure de cet itervalle de variatio à 95% e peut plus remettre e cause l'hypothèse de ormalité faite sur la variable moyee empirique de l'âge sur les échatillos de taille 5. 5) O observe u âge moye de 35 as, alors qu'o s'attedait "raisoablemet" (das 95% des cas) à observer u âge moye compris etre 30 et 48 as, ce qui 'est pas surpreat : o e peut doc pas mettre e cause la représetativité de l'échatillo pour la variable âge das la populatio des femmes fraçaises du recesemet de ) La demi-logueur de l'itervalle de variatio à 95% de l'âge moye ( ) I est d eviro 9 as (cf questio 4) ; pour obteir ue demi-logueur plus faible, de as maximum, il faudrait doc plus de 5 femmes. Pour icou, 3 et α5% cous, la demi-logueur de l'itervalle I 95% ( X ) s'écrit : z 1,96 3 0, % X O cherche tel que : 3 1,96 3 1,96 3 1,96 c'est à dire d'où,54 508, 05 o choisirait doc ue taille d'échatillo au mois égale à 509 pour que la demi-logueur de l'itervalle de pari à 95% soit iférieure à as. O aurait doc ue marge d'erreur à 95% d au plus as das l estimatio de la moyee d'âge das P, c est à dire das l itervalle [39 ± ] soit etre 37 et 41 as, pour 95% des échatillos de taille 509.
3 Exercice 3 P{efats de 1 as} X résultat au test de richesse et de précisio du vocabulaire, variable quatitative de moyee coue µ 60, et d'écarttype cou 10 das P. Echatillos de taille de X issu de P pour lesquels x, s et s* e sot pas calculés. 1) La moyee empirique X a pour moyee µ 60 (puisque X est u estimateur sas biais de µ) : cette moyee est costate quelle que soit la taille des échatillos (cf tableau ci-dessous coloe ). La moyee empirique X a pour variace et pour écart-type qui variet avec la taille des échatillos : plus la taille de l'échatillo est grade plus variace et écart-type sot faibles, d'où ue plus grade précisio das l'estimatio (cf tableau ci-dessous coloes 3 et 4). La forme de la distributio de la moyee empirique X est icoue (quelcoque) tat que la taille de l'échatillo est faible (<30) puisque la distributio de X est icoue (quelcoque). Lorsque la taille de l'échatillo est suffisammet grade ( 30), o peut cosidérer, d'après le théorème cetral-limite, que la distributio de X est approximativemet ormale N µ, (cf tableau ci-dessous coloe 5). taille distributio de la moyee empirique X moyee variace écart-type forme P( X > 63) icoue icoue /5 icoue icoue ,5 10/ 3,54 icoue icoue , 10/4,5 icoue icoue ,15 10/4 1,77 approx. ormale 0, ,565 10/81,5 approx. ormale 0, /101 approx. ormale 0,00135 ) Pour u échatillo de taille 16 la forme de la distributio de la moyee empirique X est icoue (quelcoque) puisque <30. Il est doc impossible de calculer cette probabilité. 3) Pour u échatillo de taille 3 la forme de la distributio de la moyee empirique X est approximativemet ormale puisque 30. Il est doc possible de calculer cette probabilité de maière approchée : P( X ) ( ) > 63 1 P X P Z 1 F( 1,7 ) 1 0,9554 0, ,768 où F est la foctio de répartitio de la loi N(0,1). eviro 4,46% des échatillos de taille 3 de X issus de P ot u résultat moye supérieur à 63. 4) Cette probabilité dimiue avec la taille de l'échatillo puisque l'écart-type de la moyee empirique X dimiue (cf tableau ci-dessus coloe 4) : la distributio de X état doc plus cocetrée autour de sa moyee µ 60, la probabilité P( X > 63) représetée par la surface à droite de la valeur 63 sous la desité de la loi de X (approximativemet ormale pour 30), sera plus petite. Pour 30 X est approximativemet ormale, il est doc possible de calculer cette probabilité de maière approchée : pour 64 P( X ) ( ) > 63 1 P X P Z 1 F(,4) 1 0,9918 0, 008 1,5 où F est la foctio de répartitio de la loi N(0,1). eviro 0,8% des échatillos de taille 64 de X issus de P ot u résultat moye supérieur à 63. pour 100 P( X ) ( ) ( > 63 1 P X P Z ) 1 F() 3 1 0, , où F est la foctio de répartitio de la loi N(0,1). eviro 0,135% des échatillos de taille 100 de X issus de P ot u résultat moye supérieur à 63. quad la taille de l'échatillo augmete, il est de mois e mois probable d'observer u résultat moye supérieur à 63 lorsque la vraie moyee est égale à 60 (cf tableau ci-dessus coloe 6). 3
4 Exercice 4 P{efats âgés de 7 as} X quotiet itellectuel QI, variable quatitative X~N(µ 100, 10) das P. Echatillo de taille 16 de X issu de P pour lequel x 106 et s 13. 1) populatio échatillo taille N? 16 moyee µ 100 x 106 variace s ) La moyee empirique du score sur les échatillos de taille 16, X 16 a ue distributio ormale de moyee µ100, de variace 100 6, 5 et d'écart-type 10, 5 puisque X a ue distributio ormale de moyee µ100 et d'écart-type 10 das P. > x ,5 où F est la foctio de répartitio de la loi N(0,1). 0,8% des échatillos de taille 16 de X issus de P ot u QI moye supérieur à 106, QI moye observé. 3) ( X ) P( X > 106) 1 P( X 106) 1 P Z 1 F(,4) 1 0,9918 0, 008 P ),5% des échatillos de taille 16 ot u QI moye supérieur au QI cherché, doc 97,5% des échatillos de taille 16 ot u QI moye iférieur au QI cherché, qui est doc par défiitio le quatile d'ordre 0,975 de X 16 : 100 +,5 z 100 +,5 1, ,9 104, ( ) ( ) 9 Q0,975 0, 975 car z 0,975 1,96 est le quatile d'ordre 0,975 de la loi N(0,1).,5% des échatillos de taille 16 de X issus de P ot u QI moye supérieur à 104,9. 5) Itervalle de variatio à 95% (au risque α5%) du QI moye sur les échatillos de taille 16 de X issus de P : ( X ) [ Q ;Q ] [ 100 ± 4,9] [ 95,1; 104,9] I95 % 0,05 0, 975 car Q 0,05 est symétrique de Q 0,975 par rapport à µ 100. X Q ;Q 100 ±,5 z 100 ±,5 1,96 ( ) [ ] [ ] [ ] [ 100 ± 4,9] [ 95,1 ; 104,9] I95 % 0,05 0,975 0, 975 car z 1 (α/) z 0,975 1,96 est le quatile d'ordre 0,975 de la loi N(0,1). 95% des échatillos de taille 16 de X issus de P ot u QI moye compris etre 95,1 et 104,9. 6) La moyee empirique du score sur les échatillos de taille 100, X 100 a ue distributio ormale de moyee µ100, de variace et d'écart-type 10 1 puisque X a ue distributio ormale de moyee µ100 et d'écart-type 10 das P. ( X > x) P( X > 106) 1 P( X 106) 1 P Z F( 6) P où F est la foctio de répartitio de la loi N(0,1). quasimet aucu échatillo de taille 100 de X issus de P 'a u QI moye supérieur à 106, QI moye observé. Le QI cherché, est par défiitio le quatile d'ordre 0,975 de X 100 : z , ,96 101, ( ) ( ) 96 Q 0,975 0, 975 car z 0,975 1,96 est le quatile d'ordre 0,975 de la loi N(0,1).,5% des échatillos de taille 100 de X issus de P ot u QI moye supérieur à 101,96. Itervalle de variatio à 95% (au risque α5%) du QI moye sur les échatillos de taille 100 de X issus de P : ( X ) [ Q ; Q ] [ 100 ± 1,96] [ 98,04; 101,96] I95 % 0,05 0, 975 car Q 0,05 est symétrique de Q 0,975 par rapport à µ 100. X Q ; Q 100 ± 1 z 100 ± 1,96 ( ) [ ] [ ] [ ] [ 98,04 ; 101,96] I95 % 0,05 0,975 0, 975 car z 1 (α/) z 0,975 1,96 est le quatile d'ordre 0,975 de la loi N(0,1). 95% des échatillos de taille 100 de X issus de P ot u QI moye compris etre 98,04 et 101,96. 4
5 7) La demi-logueur de l'itervalle de variatio à 95% du QI moye ( ) I est d eviro 4,9 poits pour les 95% X échatillos de taille 16 et est d eviro 1,96 poit pour les échatillos de taille 100 ; pour obteir ue demilogueur plus faible, de 1 poit maximum, il faudrait doc plus de 100 efats. La demi-logueur de l'itervalle ( ) I s'écrit : z, 975 avec icou, 10 et α5% cous et pour qu'elle 'excède pas 1 poit, il faut que : z 10 0, doc que 1,96 10 c'est à dire que 19,6 384,16 doc que % X 0 o choisirait doc ue taille d'échatillo au mois égale à 385 pour que la demi-logueur de l'itervalle de pari à 95% 'excède pas 1 poit. O aurait doc ue marge d'erreur à 95% maximum de 1 poit das l estimatio du QI moye das P, c est à dire das l itervalle [100 ± 1] soit etre 99 et 101 poits de QI, pour 95% des échatillos de taille 385. Exercice 5 P{efats âgés de 4 à 1 as} X score au questioaire CBCL, variable quatitative de moyee µ0 et d'écart-type 14 das P. Echatillo de taille 36 de X issu de P pour lequel x 0, 5. 1) populatio échatillo taille N? 36 moyee µ 0 x 0, 5 variace s *? ) Puisque 36 30, la moyee empirique du score X 36 a ue distributio approximativemet ormale de moyee µ0, de variace 196 5, 44 et d'écart-type ,44, 33 car X a ue distributio de moyee µ0 et d'écart-type 14. 0,5 0 < x où F est la foctio de répartitio de la loi,33 3) ( X ) P( X < 0,5) P Z F( 0,14) F( 0,1) 0, 583 P N(0,1). eviro 58,3% des échatillos de taille 36 de X issus de P ot u score moye iférieur à 0,5, score moye observé. P ,33 eviro 1,6% (peu) des échatillos de taille 36 de X issu de P ot u score moye supérieur à 5. 4) ( X > 5) 1 P( X 5) 1 P Z 1 F(,149) 1 F(,14) 1 0,9838 0, 016 5) 99% des échatillos de taille 36 ot u score moye iférieur au score cherché, qui est doc par défiitio le quatile d'ordre 0,99 de X 36 : 0 +,33 z 0 +,33, ,45 5,45 5, ( ) ( ) 4 Q 0,99 0, 99 car z 0,99,35 est le quatile d'ordre 0,99 de la loi N(0,1). 99% des échatillos de taille 36 de P ot u score moye iférieur à 5,4 eviro. 6) Itervalle de variatio à 98% (au risque α%) du score moye sur les échatillos de taille 36 de X issus de P : X Q ; Q 0 ± 5,45 0 ± 5,4 14,6; 5,4 ( ) [ ] [ ] [ ] [ ] I98 % 0,01 0, 99 car Q 0,01 est symétrique de Q 0,99 par rapport à µ0. ( X ) [ Q ; Q ] [ 0 ±,33 z ] [ 0 ±,33,35] [ 0 ± 5,4] [ 14,6; 5,4] I98 % 0,01 0,99 0, 99 car z 1 (α/) z 0,99,35 est le quatile d'ordre 0,99 de la loi N(0,1). 98% des échatillos de taille 36 de X issus de P ot u score moye compris etre 14,6 et 5,4 eviro. 7) La demi-logueur de l'itervalle de variatio à 98% du score moye ( ) I est d eviro 5,4 poits pour les échatillos de taille 36 ; pour obteir ue demi-logueur plus faible, de 4 poits maximum, il faudrait doc plus de 36 efats. La demi-logueur de l'itervalle I 98% ( X ) s'écrit : z 0, 99 avec icou, 14 et α1% cous et 98% X 5
6 pour qu'elle 'excède pas 4 poits, il faut que : z 14 0, 99 4 doc que,35 14 c'est à dire que 4 (,35 14 ) 66, 5 doc que 67 4 o choisirait doc ue taille d'échatillo au mois égale à 67 pour que la demi-logueur de l'itervalle de pari à 98% 'excède pas 4 poits. O aurait doc ue marge d'erreur à 98% d au plus 4 poits das l estimatio du score moye das P, c est à dire das l itervalle [0 ± 4] soit etre 16 et 4 poits de QI, pour 98% des échatillos de taille 67. Exercice 6 P{sujets} X score de résistace au stress (test de Stroop), variable quatitative de moyee µ50 et d'écart-type 5 das P. Echatillo de taille 30 de X issu de P pour lequel x 41. populatio échatillo taille N? 30 moyee µ 50 x 41 écart-type 5 s*? 1) Puisque 30 30, la moyee empirique du score X 30 a ue distributio approximativemet ormale de moyee µ50, de variace 5 0, 83 et d'écart-type 5 4, car X a ue distributio de moyee µ50 et d'écart-type 5. ) ( ) ( ) P X30 < x P X30 < 41 P Z F( 1,9718) F( 1,97) 1 F( 1,97) 1 0,9756 0, 044 où F est la 4,564 foctio de répartitio de la loi N(0,1). eviro,5% (peu) des échatillos de taille 30 de X issus de P ot u score moye iférieur à 41, score moye observé. 3) ( X ) P( X > 41) 1 P( X < 41) 1 0,044 0, 9756 P > x avec F foctio de répartitio de la loi N(0,1). eviro 97,5% des échatillos de taille 30 de X issu de P 'a u score moye supérieur à 41, score moye observé. 4) 5% des échatillos de taille 30 ot u score moye supérieur au score cherché doc 95% des échatillos de taille 30 ot u score moye iférieur au score cherché, qui est doc par défiitio le quatile d'ordre 0,95 de X 30 : ,564 z ,564 1, ,5 57, ( ) ( ) 5 Q 0,95 0, 95 car z 0,95 1,645 est le quatile d'ordre 0,95 de la loi N(0,1). 95% des échatillos de taille 30 de X issus de P ot u score moye iférieur à 57,5 eviro. 5) Itervalle de variatio à 90% (au risque α10%) du score moye sur les échatillos de taille 30 de X issus de P : X Q ; Q 50 ± 7,5 50 ± 7,5 4,5; 57,5 ( ) [ ] [ ] [ ] [ ] I90 % 0,05 0, 95 car Q 0,05 est symétrique de Q 0,95 par rapport à µ50. X Q ; Q 50 ± 4,564 z 50 ± 4,564 1,645 ( ) [ ] [ ] [ ] [ 50 ± 7,5] [ 4,5; 57,5] I90 % 0,05 0,95 0, 95 car z 1 (α/) z 0,95 1,645 est le quatile d'ordre 0,95 de la loi N(0,1). 90% des échatillos de taille 30 de X issus de P ot u score moye compris etre 4,5 et 57,5 eviro. Exercice 7 P{fumeurs} X score au test de dépedace tabagique de Fagerström, variable quatitative de moyee µ5 et d'écarttype 4,5 das P. Echatillo de taille 45 de X issu de P. populatio échatillo taille N? 45 moyee µ 5 x? écart-type 4,5 s*? 6
7 1) Puisque 45 30, la moyee empirique du score X 45 a ue distributio approximativemet ormale de moyee µ5, de variace 4,5 0, 45 et d'écart-type 4,5 0, 67 car X a ue distributio de moyee µ5 et d'écart-type 4,5. < 6 5 où F est la foctio de répartitio de la loi N(0,1). 0,67 eviro 93% des échatillos de taille 45 de X issus de P ot u score moye iférieur à 6. ) P( X 45 6) P Z F( 1,49) 0, ,67 3) P( X 45 < 3) P Z F(,9851) 1 F(,99) 1 0,9986 0, 0014 eviro 0,14% des échatillos de taille 45 de X issus de P ot u score moye iférieur à 3. 4) ( 3 < X < 6) P( X 6) P( X 3) 0,9319 0,0014 0, 9305 P eviro 93% des échatillos de taille 45 de X issus de P ot u score moye compris etre 3 et ,67 5) ( X > 9) 1 P( X 9) 1 P Z 1 F( 4,97) 1 F( 5) P quasimet aucu échatillo de taille 45 de X issu de P 'a u score moye supérieur à 9. 6) 90% des échatillos de taille 45 ot u score moye iférieur au score cherché, qui est doc par défiitio le quatile d'ordre 0,9 de X 45 : 5 + 0,67 z 5 + 0,67 1, ,8576 5,8576 5, ( ) ( ) 86 Q0,9 0, 9 car z 0,9 1,8 est le quatile d'ordre 0,9 de la loi N(0,1). 90% des échatillos de taille 45 de X issus de P ot u score moye iférieur à 5,86 eviro. 7) Itervalle de variatio à 80% (au risque α0%) du score moye sur les échatillos de taille 45 de X issus de P : X Q ;Q 5 ± 0, ± 0,86 4,14; 5,86 ( ) [ ] [ ] [ ] [ ] I80 % 0,1 0, 9 car Q 0,1 est symétrique de Q 0,9 par rapport à µ5. X Q ;Q 5 ± 0,67 z 5 ± 0,67 1,8 ( ) [ ] [ ] [ ] [ 5 ± 0,86] [ 4,14; 5,86] I80 % 0,1 0,9 0, 9 car z 1 (α/) z 0,9 1,8 est le quatile d'ordre 0,9 de la loi N(0,1). 80% des échatillos de taille 45 de X issus de P ot u score moye compris etre 4,14 et 5,86 eviro. Exercice 8 P{cosommateurs} X ifluece de la marque de commerce lors de l'achat d'u produit, variable qualitative dichotomique : oui, o p proportio de cosommateurs ifluecés par la marque de commerce das P, p 5% 0,5 Echatillo de taille 100 de X issu de P sur lequel lesquels i le ombre observé de cosommateurs ifluecés, i la fréquece (proportio) observée de cosommateurs ifluecés f e sot doés. 1) populatio échatillo taille N? 100 proportio p 0,5 f? ) Puisque , p 100 0,5 5 5 d'où (1 p) 100 0,75 5, la fréquece empirique F 100 a ue distributio approximativemet ormale de moyee p 0,5 p(1 p) 0,5 0,75 p(1 p) 0,5 0,75 de variace 0, , et d'écart-type 0, , 0433 car la proportio de cosommateurs ifluecés par la marque de commerce p 0,5 das P. 3) Observer au mois 35 cosommateurs ifluecés sur 100 c'est observer ue fréquece f de plus de 0,35. 0,35 0,5 P( F ) P( F 0,35) 1 P( F 0,35) 1 P 100 > f 100 > 100 Z 1 F(,31) 1 0,9896 0, 0104 où F est la 0,0433 foctio de répartitio de la loi N(0,1). 7
8 la probabilité d'observer ue fréquece de cosommateurs ifluecés par la marque de commerce supérieure à 35% sur u échatillo de taille 100 de X issus de P (c'est à dire plus de 35 cosommateurs ifluecés par la marque de commerce), est d'eviro 1%. eviro 1% des échatillos de taille 100 de X issus de P ot ue fréquece observée de cosommateurs ifluecés par la marque de commerce supérieure à 35%. 4) Observer mois de 0 cosommateurs ifluecés sur 100 c'est observer ue fréquece f de mois de 0,. 0, 0,5 P( F ) P( F 0,) 1 P 100 f 100 Z F( 1,15) 1 F( 1,15) 1 0,8749 0, 151 où F est la foctio de 0,0433 répartitio de la loi N(0,1). la probabilité d'observer ue fréquece de cosommateurs ifluecés par la marque de commerce iférieure à 0% sur u échatillo de taille 100 de X issus de P (c'est à dire mois de 0 cosommateurs ifluecés par la marque de commerce), est d'eviro 1,5%. eviro 1,5% des échatillos de taille 100 de X issus de P ot ue fréquece observée de cosommateurs ifluecés par la marque de commerce iférieure à 0%. 5) Itervalle de variatio à 90% (au risque α10%) de la fréquece observée sur les échatillos de taille 100 de X issus de 0,5 0,75 P : I ( F ) [ Q ;Q ] [ 0,5 ± z ] [ 0,5 ± 1,645 0,0433] [ 0,5 0,07] 90 % 0,05 0,95 0,95 ± 100 I 90% (F ) [0,18 ; 0,3] [18% ; 3%] car z 1 (α/) z 0,95 1,645 est le quatile d'ordre 0,95 de la loi N(0,1). 90% des échatillos de taille 100 de X issus de P ot ue fréquece observée de cosommateurs ifluecés par la marque de commerce comprise etre eviro 18% et 3% (soit eviro etre 18 et 3 cosommateurs ifluecés par la marque de commerce). O peut doc s'attedre à ce que, sur les 100 cosommateurs de l'échatillo observé, 18 à 3 d'etre-eux eviro soiet ifluecés par la marque de commerce. 6) O observe 31 cosommateurs ifluecés par la marque de commerce sur 100 cosommateurs, soit ue fréquece observée de 31%, alors qu'o s'attedait "raisoablemet" (das 90% des cas) à e observer etre 18% et 3%, ce qui 'est pas surpreat : sur cette observatio, o e peut pas mettre e doute la représetativité de l'échatillo. Exercice 9 P{lacers d'ue pièce de moaie équilibrée} X tomber sur le côté face, variable qualitative dichotomique : oui, o p proportio de lacers tombat sur le côté face das P, p 50% 0,5 Echatillos de taille de X issu de P sur lesquels i le ombre de faces observé, i la fréquece (proportio) observée de faces f e sot doés. 1) La fréquece empirique F a pour moyee p 0,5 (puisque F est u estimateur sas biais de p) : cette moyee est costate quelle que soit la taille des échatillos (cf tableau ci-après coloe ). p(1 p) p(1 p) La fréquece empirique F a pour variace et pour écart-type qui variet avec la taille des échatillos : plus la taille de l'échatillo est grade plus la variace et l'écart-type sot faibles d'où ue plus grade précisio das l'estimatio (cf tableau ci-après coloes 3 et 4). Puisque la distributio de X 'est pas ormale ("icoue"), la forme de la distributio de la fréquece empirique F 'est pas ormale ("icoue") tat que la taille de l'échatillo est faible (<30). Lorsque la taille de l'échatillo est suffisammet grade ( 30) et que la proportio p 'est pas trop proche de 0 ou de p(1 p) 1 (p 5 et (1 p) 5), o peut cosidérer que la distributio de F est approximativemet ormale N p, (cf tableau ci-après coloes 5 et 6). taille distributio de la fréquece empirique F moyee variace écart-type coditio forme P(F > 0,6) 5 0,5 0,05 0,36 "icoue" "icoue" 10 0,5 0,05 0,1581 "icoue" "icoue" 30 0,5 0,0083 0,0913 /15 approx. ormale 0, ,5 0,005 0,0707 /5 approx. ormale 0, ,5 0,005 0,05 /50 approx. ormale 0,08 8
9 ) Pour u échatillo de taille 30 la forme de la distributio de la fréquece empirique F est approximativemet ormale puisque 30 (p (1 p) 30/15 5). Il est possible de calculer cette probabilité de maière approchée, e remarquat préalablemet qu'observer 18 faces sur 30 lacers correspod à observer ue fréquece de 18/300,6 : 0,6 0,5 P( F 0,6) 1 P( F 0,6) 1 P 30 > 30 Z 1 F( 1,1 ) 1 0,8643 0, ,0913 où F est la foctio de répartitio de la loi N(0,1). eviro 13,6% des échatillos de taille 30 de X issus de P ot u ombre de faces supérieur à 18 (ou ue fréquece de faces supérieure à 0,6). 3) Pour u échatillo de taille 50 la forme de la distributio de la fréquece empirique F est approximativemet ormale puisque 30 et p (1 p) 50/5 5. Il est doc possible de calculer cette probabilité de maière approchée : 0,6 0,5 P( F 0,6) 1 P( F 0,6) 1 P 50 > 50 Z 1 F( 1,41) 1 0,907 0, ,0707 où F est la foctio de répartitio de la loi N(0,1). eviro 7,9% des échatillos de taille 50 de X issus de P ot ue fréquece de faces supérieure à 0,6 (ombre de faces supérieur à 50 0,630). 4) Cette probabilité dimiue avec la taille de l'échatillo puisque l'écart-type de la fréquece empirique F dimiue (cf tableau ci-dessus coloe 4) : la distributio de F état doc plus cocetrée autour de sa moyee p 0,5, la probabilité P(F >0,6) représetée par la surface à droite de la valeur 0,6 sous la desité de la loi de F (approximativemet ormale pour 30) sera plus petite. Pour 30, F est approximativemet ormale, il est doc possible de calculer cette probabilité de maière approchée : 0,6 0,5 pour 100 P( F 0,6) 1 P( F 0,6) 1 P 100 > 100 Z 1 F( ) 1 0,977 0, 08 0,05 où F est la foctio de répartitio de la loi N(0,1). eviro,3% des échatillos de taille 100 de X issus de P ot ue fréquece de faces supérieure à 0,6 (ombre de faces supérieur à 100 0,660). quad la taille de l'échatillo augmete, il est de mois e mois probable d'observer ue fréquece de faces supérieure à 0,6 lorsque la vraie proportio est égale à 0,5 (cf tableau ci-dessus coloe 6). 5) O s'atted à observer e moyee ue fréquece de faces égale à p0,6 c'est à dire 60 faces sur u échatillo de 100 lacers. O peut raffier cette prévisio e doat l'itervalle de variatio, par exemple à 95% (au risque α5%), de la fréquece empirique de faces sur les échatillos de taille 100 de X issus de P, déduit à partir de l'approximatio ormale de F puisque (p (1 p) 100/50 5) : I 0,5 0,5 ( F ) [ Q ;Q ] [ 0,5 ± z ] [ 0,5 ± 1,96 0,05] [ 0,5 0,098] 95 % 0,05 0,975 0,975 ± [0,5 ± 0,1] [0,4 ; 0,6] I 95% (F ) [40% ; 60%] car z 1 (α/) z 0,975 1,96 est le quatile d'ordre 0,975 de la loi N(0,1). pour 95% des échatillos de taille 100 de X issus de P la fréquece observée de faces sera comprise etre eviro 40% et 60% (soit eviro etre 40 et 60 faces sur 100 lacers), ce que l'o s'atted doc "raisoablemet" à observer. 6) O observe 35 faces sur 100 lacers soit ue fréquece observée de faces de 35%, alors qu'o s'attedait "raisoablemet" (das 95% des cas) à e observer etre 40% et 60%, ce qui est surpreat : soit l'échatillo observé fait partie des 5% qui ot, par costructio de l'itervalle, ue fréquece de faces e dehors de l'itervalle de pari à 95%, soit l'échatillo observé 'est pas représetatif de la variable (par ex, la pièce 'est pas réellemet équilibrée doc la proportio de faces das P est différete de (iférieure à) 50%). O peut doc douter de la représetativité de l'échatillo. 7) Sur u échatillo de taille 100, la demi-logueur de l'itervalle de variatio à 95% est d eviro 10% (cf questio 5) ; pour obteir ue demi-logueur plus faible, de 5%, il faudrait doc plus de 100 lacers. Pour icou, p0,50 et p(1 p) 0,5( 1 0,5) α5% cous, la demi-logueur de l'itervalle I 95% (F ) s'écrit : z 0, 975 1,96. 0,5 1,96 O cherche tel que : 1,96 5% 0, 05 c'est à dire 0,5 0,05 1,96 0,05 d'où 0,5 ( 1,96 10) 384, 16 o choisirait doc ue taille d'échatillo au mois égale à 385 pour que la demi-logueur de l'itervalle de pari à 95% soit iférieure à 5%. O aurait doc ue marge d'erreur à 95% d au plus 5% das l estimatio de la proportio de faces das P, c est à dire das l itervalle [0,5 ± 0,05] [0,45 ; 0,55] soit etre 45% et 55%, pour 95% des échatillos de taille 385.
10 Exercice 10 P{étudiats d'ue uiversité} X pratique d'au mois ue activité physique par semaie, variable qualitative dichotomique : oui, o p proportio d'étudiats pratiquat au mois ue activité physique par semaie das P, p 45% 0,45 Echatillo de taille 400 de X issu de P sur lequel o observe 05 étudiats pratiquat au mois ue activité physique par semaie c'est à dire ue fréquece (proportio) observée f 05/400 0,515. 1) populatio échatillo taille N? 400 proportio p 0,45 f 0,515 ) Puisque , p 400 0, d'où (1 p) 400 0,55 5, la fréquece empirique F 400 a ue p(1 p) 0,45 0,55 distributio approximativemet ormale de moyee p 0,45, de variace 0, , et 400 p(1 p) 0,45 0,55 d'écart-type 0, ,049 0, 05 car la proportio d'étudiats pratiquat au 400 mois ue activité physique par semaie p 0,45 das P. 0,515 0,45 3) P( F ) P( F 0,515) 1 P( F 0,515) 1 P 400 > f 400 > 400 Z 1 F(,51) 1 0,994 0, 006 0,049 où F est la foctio de répartitio de la loi N(0,1). eviro 0,6% des échatillos de taille 400 de X issus de P ot ue fréquece d'étudiats pratiquat au mois ue activité physique par semaie supérieure à 51,5%. L'échatillo observé fait partie de ces 0,6% d'échatillos : o avait très peu de chace d'observer autat d'étudiats (05 ou plus) pratiquat au mois ue activité physique par semaie sur u échatillo de taille 400, ce résultat est doc surpreat. 4) Itervalle de variatio à 95% (au risque α5%) de la fréquece observée sur les échatillos de taille 400 de X issus de 0,45 0,55 P : I95 % ( F ) [ Q 0,05;Q 0,975 ] [ 0,45 ± z 0,975 ] [ 0,45 ± 1,96 0,049] [ 0,45 ± 0,0488] 400 I 95% (F ) [0,45 ± 0,05] [0,4 ; 0,5] [40% ; 50%] car z 1 (α/) z 0,975 1,96 est le quatile d'ordre 0,975 de la loi N(0,1). 95% des échatillos de taille 400 de X issus de P ot ue fréquece observée d'étudiats pratiquat au mois ue activité physique par semaie comprise etre eviro 40% et 50% (soit eviro etre 160 et 00 étudiats pratiquat au mois ue activité physique par semaie). 5) La demi-logueur de l'itervalle précédet I 95% (F ) est d eviro 5% ; pour obteir ue demi-logueur plus faible, de %, il faudrait doc plus de 400 étudiats. Pour icou, p0,45 et α5% cous, la demi-logueur de l'itervalle p( 1 p) 0,45( 1 0,55) 0,45 0,55 I 95% (F ) s'écrit : z 0, 975 1,96. O cherche tel que : 1,96 % 0, 0 c'est à 1,96 1,96 dire 0,45 0,55 d'où 0,45 0,55 376, 99 0,0 0,0 o choisirait doc ue taille d'échatillo au mois égale à 377 pour que la demi-logueur de l'itervalle de pari à 95% soit iférieure à %. O aurait doc ue marge d'erreur d au plus ± % das l estimatio de la proportio d étudiats pratiquat au mois ue activité physique das P, c est à dire das l itervalle [0,45 ± 0,0] [0,43 ; 0,47] soit etre 43% et 47%, pour 95% des échatillos de taille
11 Exercice 11 P {fraçais} X cosommer des atidépresseurs, variable qualitative dichotomique : oui, o p proportio de fraçais cosommateurs d'atidépresseurs das P, p coue das P : p 10% 0,1 1) Pour u échatillo de taille 30 de X issu de P 30 30, mais p 30 0,1 3 > 5, il 'est doc pas possible de cosidérer que la fréquece empirique F 30 a ue distributio approximativemet ormale. E revache F 30 a pour p(1 p) 0,1 0,9 moyee p 0,1 et pour écart-type 0,003 0, , 055 car la proportio de fraçais 30 cosommateurs d'atidépresseurs das P est p 0,1. ) Pour u échatillo de taille 80 de X issu de P, puisque 80 30, p 80 0,1 8 5 d'où (1 p) 80 0,9 5, la fréquece empirique F 80 a ue distributio approximativemet ormale de moyee p 0,1 et d'écart-type p(1 p) 0,1 0,9 80 0, , ,034 car la proportio de fraçais cosommateurs d'atidépresseurs das P est p 0,1. 3) Observer 1 cosommateurs d'atidépresseurs, ou plus sur 80 correspod à observer ue fréquece (proportio) d'au mois f 1/80 0,15. La probabilité correspodate s'écrit : 0,15 0,1 P( F80 > f ) P( F80 > 0,15) 1 P( F80 0,15) 1 P Z 1 F( 1,4706) 1 F(1,47) 1 0,99 0, ,034 où F est la foctio de répartitio de la loi N(0,1) (calcul exact : 1 F(1,4907) 1 F(1,49)1 0,93190,0681). eviro 7% des échatillos de taille 80 de X issus de P ot ue fréquece de cosommateurs d'atidépresseurs supérieure à 15%, soit plus de 1 cosommateurs sur 80 fraçais. 4) Observer cosommateurs d'atidépresseurs ou mois sur 80 correspod à observer ue fréquece (proportio) d'au plus f /80 0,05. La probabilité correspodate s'écrit : 0,05 0,1 P( F80 f ) P( F80 0,05) P Z F(,059) 1 F(,1) 1 0,9864 0, 0136 où F est la foctio 0,034 de répartitio de la loi N(0,1) (calcul exact : F(,361) 1 F(,4) 1 0,98750,015). eviro 1% des échatillos de taille 80 de X issus de P ot ue fréquece de cosommateurs d'atidépresseurs iférieure à,5%, soit mois de cosommateurs sur 80 fraçais. 5) Itervalle de variatio au iveau 95% (au risque α5%) de la fréquece empirique sur les échatillos de taille 80 de X 0,1 0,9 issus de P : I ( F ) [ Q ; Q ] [ 0,1 ± z ] [ 0,1 ± 1,96 0,034] [ 0,1 ± 0,066] [ 0,034; 0,166] 95 % 80 0,05 0,975 0, I 95% (F 80 ) [10% ± 6,6%] [3,4% ; 16,6%] car z 1 (α/) z 0,975 1,96 est le quatile d'ordre 0,975 de la loi N(0,1) 95% des échatillos de taille 80 de X issus de P ot ue fréquece observée de fraçais cosommateurs d'atidépresseurs etre 3,4% et 16,6% eviro (soit etre 3 et 13 cosommateurs eviro sur 80 fraçais). 6) Observer 10 cosommateurs sur 80 persoes iterrogées c'est observer ue fréquece de f 10/800,151,5% plus élevée que la proportio p10% mais qui appartiet à l'itervalle de variatio à 95% trouvé précédemmet, c'est à dire que la probabilité d'observer cette proportio de 1,5% ou plus est supérieure à,5%, elle 'est doc pas très faible. (Elle est égale à : 0,15 0,1 P( F f ) P( F 0,15) 1 P 80 > 80 > Z 1 F( 0,7353) 1 F( 0,74) 1 0,7704 0, 96 0,034 doc eviro 3% des échatillos de taille 80 de X issus de P ot ue proportio de fraçais cosommateurs d'atidépresseurs supérieure à 1,5%) ue proportio o égligeable d'échatillos (plus de,5%) de taille 80 de X issus de P ot ue proportio de fraçais cosommateurs d'atidépresseurs supérieure à 1,5%, soit plus de 10 cosommateurs sur 80. O peut doc e déduire que ce 'est pas surpreat d'observer ue telle fréquece de cosommateurs et que l'o e peut pas mettre e doute la représetativité de l'échatillo pour la variable étudiée das la populatio étudiée, la cosommatio d'atidépresseurs chez les fraçais. 11
Comportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détailx +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.
EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détailSTATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détailCours 5 : ESTIMATION PONCTUELLE
Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailCours de Statistiques inférentielles
Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détailPrincipes et Méthodes Statistiques
Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détailChapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.
Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE
Plus en détailUniversité Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014
Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,
Plus en détailÉchantillonnage et estimation
Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailLimites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
Plus en détailDares Analyses. Plus d un tiers des CDI sont rompus avant un an
Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée
Plus en détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en détailEtude de la fonction ζ de Riemann
Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détailCHAPITRE 2 SÉRIES ENTIÈRES
CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détailProcessus géométrique généralisé et applications en fiabilité
Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détailExamen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot
Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars
Plus en détailStatistique Numérique et Analyse des Données
Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques
Plus en détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détailSuites et séries de fonctions
[http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de
Plus en détailConvergences 2/2 - le théorème du point fixe - Page 1 sur 9
Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios
Plus en détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
Plus en détailUV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1
UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailLa maladie rénale chronique
La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie
Plus en détailSTRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO
Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est
Plus en détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détailMUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB
MUTUELLE D&O MUTUELLE D&O Copilote de votre saté AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyace CRC CRIS CRPB-AFB DOMISSIMO-Assuraces DOMISSIMO-Services FONGECFA-Trasport IPRIAC MUTUELLE D&O OREPA-Prévoyace
Plus en détailProbabilités et statistique pour le CAPES
Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes
Plus en détailn tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...
Nom:... Préom :... Chaque répose peut valoir : c) 2 poits si le choix est totalemet exact + poit si le choix est partiellemet exact + 0 poit si le choix est erroé + -i poit si le choix est u coeses Ue
Plus en détailTempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation
Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
Plus en détailSimulations interactives de convertisseurs en électronique de puissance
Simulatios iteractives de covertisseurs e électroique de puissace Jea-Jacques HUSELSTEIN, Philippe ENII Laboratoire d'électrotechique de Motpellier (LEM) - Uiversité Motpellier II, 079, Place Eugèe Bataillo,
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **
Plus en détailRisque de longévité et détermination du besoin en capital : travaux en cours
Risque de logévité et détermiatio du besoi e capital : travaux e cours Frédéric PLANCHET ISFA Laboratoire SAF Versio.6 / Septembre 2008 Sommaire La prise e compte de l expériece propre au groupe das l
Plus en détailSéries numériques. Chap. 02 : cours complet.
Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm
Plus en détailLE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE
LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe
Plus en détailTerminale S. Terminale S 1 F. Laroche
Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM
Plus en détail3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.
3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios
Plus en détailPOLITIQUE ECONOMIQUE ET DEVELOPPEMENT
POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détailLogiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd
easylab Le logiciel de gestio de fichiers pour baladeurs et tablettes Visualisatio simplifiée de la flotte Gestio des baladeurs par idividus / classes / groupes / activités Activatio des foctios par simple
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice
Plus en détailUn nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction
A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés
Plus en détailInitiation à l analyse factorielle des correspondances
Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique
Plus en détailNeolane Leads. Neolane v6.0
Neolae Leads Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord. Cette publicatio
Plus en détailSyGEMe: Géo-Monitoring et gestion de l eau potable
SyGMe: U systèe itelliget de gestio de l eau potable SyGMe: Géo-Moitorig et gestio de l eau potable S Stéphae Storelli, CRM hierry Bussie, PFL SyGMe: U systèe itelliget de gestio de l eau potable S Structure
Plus en détailRéseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus
Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio
Plus en détailPROMENADE ALÉATOIRE : Chaînes de Markov et martingales
PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières
Plus en détailII - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1
II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d
Plus en détailLES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE
LES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE Qu est-ce que l Écoomie sociale et solidaire? Coopératives Etreprises sociales Scop Fiaceurs sociaux Scic CAE Mutuelles Coopératives d etreprises
Plus en détailSommes de signaux : Décomposition de Fourier Spectre ondes stationnaires et résonance
Sommes de sigaux : Décompositio de Fourier Spectre odes statioaires et résoace Das le cours précédet, o a étudié la propagatio des odes moochromatiques mais celles-ci e peuvet pas porter d iformatio ;
Plus en détailComment les Canadiens classent-ils leur système de soins de santé?
Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté
Plus en détail4 Approximation des fonctions
4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour
Plus en détailWorking Paper RETAIL RÉGIONAL RESPONSABLE
«BANQUE DE DÉTAIL DE MASSE» : COMMENT LES CAISSES D ÉPARGNE EN AFRIQUE, ASIE ET AMÉRIQUE LATINE PEUVENT FOURNIR DES SERVICES ADAPTÉS AUX BESOINS DES POPULATIONS DÉFAVORISÉES Travailler avec les caisses
Plus en détailDéveloppement en Série de Fourier
F-IRIS-5.ex Développeme e Série de Fourier Développer e série de Fourier les focios de période T défiies aisi : a b { f impaire T = f = si ] ; { f paire T = f = si ; ] Faire das chaque cas ue représeaio
Plus en détailRECHERCHE DE CLIENTS simplifiée
RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées
Plus en détail2. Commerce international et emploi informel en zone CEMAC
2. Commerce iteratioal et emploi iformel e zoe CEMAC Mathuri Tchakoute Njoda 1 et Alai Remy Zolo Eyea 2 Résumé Cet article eamie durat ue courte période la relatio etre le commerce iteratioal et l emploi
Plus en détailRÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION
RÈGLES ORDIALES : UE GÉÉRALISATIO DES RÈGLES D'ASSOCIATIO SYLVIE GUILLAUME ALI KHECHAF 2 RÉSUMÉ: La plupart des mesures des règles cocere les variables biaires et écessite pour les autres types de variables
Plus en détailDETERMINANTS. a b et a'
2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio
Plus en détail