Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année UE «Introduction à la biostatistique»
|
|
- Tiphaine Lavergne
- il y a 8 ans
- Total affichages :
Transcription
1 Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année UE «Introduction à la biostatistique»
2 Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences Utilisé pour comparer : Une moyenne observée à une moyenne théorique Deux moyennes Deux moyennes de deux séries appariées.
3 Principe du test de Z (1) 2 paramètres de 2 échantillons que l on désire comparer : H 0 : Les paramètres des populations d où sont issus les 2 échantillons sont identiques H 1 bilatérale : Les paramètres sont différents H 1 unilatérale : un des paramètres est inférieur (ou supérieur) à l autre
4 Principe du test de Z (2) On compare les 2 paramètres par leur différence est une variable aléatoire Si H 0 est vrai alors est proche de 0 : Si H 0 est vrai et que l échantillon est de taille suffisance La division de par son écart type suit une loi Z normale centrée réduite de moyenne 0 et d écart type 1
5 Le test de Z consiste : Principe du test de Z (3) à estimer l écart type de la différence s d à calculer l écart réduit z o = /s d à comparer cette valeur à la distribution théorique de la loi Z On utilise la table Z Condition d application : effectif de chaque échantillon 30
6 H 1 bilatérale : Interprétation du test de Z (1)
7 Interprétation du test de Z (2) α de 5%, H 1 bilatérale : Si la valeur observée z o < 1,96, on ne rejette pas H 0 On ne peut pas affirmer que les échantillons proviennent de populations différentes la différence entre les paramètres n est pas significative Si la valeur observée z o >1,96, on rejette H 0 On accepte H 1 en affirmant que les échantillons proviennent de populations différentes On affirme que la différence entre les paramètres est significative On recherche le degré de signification
8 Exemple (1) On veut comparer la fréquence du palu dans 2 régions d Afrique. La fréquence de la maladie a été mesurée dans 2 échantillons d individus tirés au sort dans chacune des deux régions. Le calcul du test a montré une valeur égale à z o =2,6 Formulez les hypothèses H 0 et H 1 Qu en concluez vous?
9 Exemple (2) H 0 : il n y pas de différence significative entre les fréquences des deux régions H 1 : Les fréquences sont différentes d une région à l autre z o >1,96 on rejette donc H o La valeur immédiatement inférieur à 2,6 correspond à une valeur α = 0,01 On affirme donc que la fréquence du palu est significativement différente entre les deux régions avec un degré de signification p<1%
10 Interprétation du test de Z (3) α de 5%, H1 unilatérale : On s intéresse au sens de la différence On postule que 1 des paramètres est supérieur ou inférieur à l autre on ne considère qu une seule extrémité de la distribution Z Le risque d erreur est deux fois moindre que l hypothèse bilatérale La valeur seuil pour un risque α =5% est de 1,645
11 Interprétation du test de Z (4) Valeur observée z o <1,645, on ne rejette pas H 0 : la différence entre les paramètres n est pas significative Valeur observée z o > 1,645, on rejette H 0 : On accepte H 1 en affirmant non seulement que la différence entre les paramètres est significative, mais en outre que l un des paramètres est inférieur ou supérieur à l autre On recherche le degré de signification p
12 Exemple (1) On désire étudier la supériorité d un nouveau médicament visant à réduire l HTA. Le nouveau produit A est administré à un groupe de malades hypertendus. L effet sur la pression artérielle est mesuré dans ce groupe et comparé à un groupe témoin de sujets hypertendus traités par un produit classique B. Le paramètre calculé est z o =1,82 Poser les hypothèses H 0 et H 1 Qu en concluez vous?
13 Exemple (2) H 0 : effet de A similaire à B H 1 : effet de A supérieur à B z o =1,82 z o >1,645 (risque α unilatéral) On rejette H 0 Pour une valeur z=1,82 on trouve un α=0,07. H 1 unilatéral, p est divisé par 2 : p=0,07/2 = 0,035 A possède un effet supérieur à B avec un degré de signification p<4%. il faut poser les hypothèse avant de faire les tests Si on avait pris un test bilatéral, on n aurait pas pu conclure (1,82<1,96)
14 Utilisation du test Z
15 Comparer moyenne observée à moyenne théorique On compare une moyenne observée dans un échantillon à une moyenne connue dans la population de référence Variable quantitative Paramètre étudié moyenne Taille de l échantillon >= 30 Hypothèses H 0 : M = µ H 1 bilatérale : M µ H 1 unilatérale : M > µ ou M < µ Formulation µ : moyenne théorique connue de la population de référence M : moyenne inconnue de la population d où est issu l échantillon m : moyenne observée de l échantillon s : écart type de l échantillon n : effectif
16 Conditions d applications Taille >= 30 (sinon : test de T) Principe du test : Si H 0 est vrai : m est l une des valeurs possibles d une variable normale centrée autour de M La différence Δ entre cette variable et µ suit une loi normale de moyenne 0 Le rapport de Δ sur l écart type de µ suit une loi Z normale centrée réduite L écart type de µ estimé par l écart type de la moyenne de l échantillon Test de Z z = m µ s n H 1 z Rejet H 0 Interprétation bilatérale < 1,96 Non M n est pas significativement différent de µ 1,96 Oui M diffère significativement de µ unilatérale < 1,645 Non M n est pas significativement supérieur (ou inférieur) à µ 1,645 Oui M est significativement supérieur (ou inférieur) à µ s n
17 Exercice (1) Lors d une enquête sur la durée de sommeil des enfants de 2 à 3 ans dans un département français, on a trouvé une moyenne du temps de sommeil par nuit de 10,2 heures dans un groupe de 40 enfants. L écart type est 2,1 heures. La moyenne du temps de sommeil est de 11,7 heures chez les enfants de cet âge. La durée de sommeil des enfants de ce département diffère-t-elle du temps de sommeil des enfants de cet âge?
18 Exercice (2) H 0 : les enfants de ce département dorment autant que ceux de la population H 1 bilatérale : la durée de sommeil des enfants de ce département est différente z =(11,7 10,2)/(2,1/ 40) = 4,5 4,5 > 1,96 On rejette H 0 z est encore inférieur à 4,5 pour un risque α = 0,00001 La population des enfants examinés présente un temps de sommeil significativement différent de la population générale ( p < 10-5 )
19 Comparaison de deux moyennes (1) On veut comparer les moyennes observées dans deux échantillons Paramètre étudié moyennes Taille de l échantillon >= 30 par échantillon Hypothèses H 0 : µ 1 =µ 2 H 1 bilatérale : µ 1 µ 2 H 1 unilatérale : µ 1 <µ 2 ou µ 1 > µ 2 Formulation µ 1 et µ 2 : moyennes inconnues des deux populations d où sont tirés les échantillons m 1 et m 2 : moyennes observées des 2 échantillons s 2 1 et s 2 2 : variances des 2 échantillons n 1 et n 2 : effectifs des 2 échantillons
20 Comparaison de deux moyennes (2) Conditions d application : effectif de chaque échantillon >=30 (sinon test de T) Principe du test : Si H 0 est vrai : m 1 et m 2 sont deux valeurs possible d une variable normale centrée autour de la moyenne commune au deux populations La différence Δ = m 1 -m 2 suit une loi normale de moyenne 0 Le rapport de cette différence sur son écart type suit une loi de Z
21 Comparaison de deux moyennes (3) Calcul : z = m m s s + n n 1 2 H 1 z Rejet H 0 Interprétation bilatérale < 1,96 Non µ 1 n est pas significativement différent de µ 2 1,96 Oui µ 1 diffère significativement de µ 2 unilatérale < 1,645 Non µ 1 n est pas significativement supérieur (ou inférieur) à µ 2 1,645 Oui µ 1 est significativement supérieur (ou inférieur) à µ 2
22 Exercice (1) On désire comparer la pression artérielle diastolique d un groupe de sujets sains et d un groupe de sujets atteints de drépanocytose. Une étude donne les résultats suivants : Formulez les hypothèses H 0 et H 1 Que concluez vous? Effectif (n) Pression artérielle diastolique Variance (s²) Sujets sains 88 70,1 10,8 Sujets drépanocytaires 85 61,8 6,9
23 Exercice (2) H 0 : les pressions artérielles sont identiques H 1 : la pression artérielle est différente chez les sujets drépanocytaires s d = (10,8/88) + (6,9/85) = 0,45 z = ( 70,1 61,8 ) / 0,45 = 18,4 18,4 > 1,96 : on rejette H 0 La pression artérielle des sujets drépanocytaires est significativement différente de celle des sujets sains p < 10-5
24 Comparaison de deux moyennes sur deux séries appariées (1) Chaque observation d un échantillon est liée à une observation homologue d un deuxième échantillon. Chaque couple de valeur constitue une paire On a un seul échantillon, mais 2 séries de valeurs observées et liée à des individus. Ex : comparer la moyenne du poids avant et après régime Paramètre étudié moyenne des différences entre sujet appariés Taille de l échantillon >= 30 Hypothèses H 0 : M δ =0 H 1 bilatérale : M δ 0 H 1 unilatérale : M δ >0 ou M δ <0
25 Comparaison de deux moyennes sur deux séries appariées (2) Formulation : x i et y i :valeurs observées dans chaque série d i : différence observée entre deux valeurs appariées s d2 : variance des différence m d : moyenne des différences entre sujets appariés s md : écart type de la moyenne des différences n : nombre de couples appariés (paires) Condition d application : Le nombre de paires n doit être >=30 Sinon test T de Student pour série appariées
26 Comparaison de deux moyennes sur deux séries appariées (3) Principe du test : On teste hypothèse que les différences individuelles entre sujets appariés sont nulles La moyenne des différences suit une loi Z normale centrée réduite de moyenne 0 et l écart-type 1 Intérêt du test : élimine la variabilité entre individus de la même série. On ne prend en compte que la variabilité des différences entre paires Ce test est plus puissant qu un simple test de comparaison de moyenne
27 Comparaison de deux moyennes sur deux séries appariées (4) Calculs Différence entre paire: Moyenne des différences : Variance des différences : Ecart type de la moyenne: Test de Z: z = m d s 0 md d i = m s s x 2 d i d = md y i n d i ( ) 2 di di = n = s n 2 d n 1 2
28 Comparaison de deux moyennes sur deux séries appariées (5) H 1 z Rejet H o Interprétation bilatérale < 1,96 Non Les moyennes des deux séries ne diffèrent pas significativement 1,96 Oui Les moyennes des deux séries diffèrent significativement unilatérale < 1,645 Non Les moyennes des deux séries ne diffèrent pas significativement 1,645 Oui La moyenne d une des deux séries est significativement supérieure (ou inférieure) à l autre
29 Exercice (1) Chez 58 personnes présumées diabétiques, on a pratiqué un test d'hyperglycémie provoquée par voie orale, et on a mesuré chez chaque sujet, dans les mêmes conditions techniques, la glycémie juste avant et 2 heures après l'ingestion de glucose. x i désigne la glycémie de départ, y i la glycémie 2 heures après. on a trouvé : Σ x i = 5646 Σ y i = 5722 Σ x i ² = Σ y i ² = Σ x i y i = Comparer les glycémies à jeun et au bout de 2 heures
30 Exercice (2) Comparaison de moyennes sur séries appariées n > 30 : H 0 : le différence moyenne est nulle M δ =0 H 1 : la différence moyenne est non nulle M δ 0 Σ d i = 76 m d = 76/58 = 1,31 Σ d i ² = s d ² = [41064 (76² / 58)] / 57= 719 z = 1,31 / ( 719 / 58) = 0,37 0,37 < 1,96 : on ne rejette pas H 0 la glycémie au bout de 2 heures n est pas significativement différente de la glycémie à jeun
31 Test de T
32 Test T de Student Lorsque la taille des échantillons est faible (n<30) le rapport entre les différences de leurs moyennes et l écart type ne suit pas une loi normale centrée réduite Z On utilise alors le test T de Student Le test de Student sert à comparer : Une moyenne observée à une moyenne théorique Les moyennes de 2 petits échantillons Les moyennes de 2 petites séries appariées
33 Principe du test T Principe : idem à Z On calcule la différence Δ entre les moyennes On estime l écart type s d de la différence Δ On calcule t o = Δ / s d On compare cette valeur à la distribution théorique de la loi T de Student On utilise la table de la loi T
34 Interprétation du test T H 1 bilatérale : t o < T 5% la différence entre les paramètres n est pas significative t o > T 5% la différence entre les paramètres est significative H 1 unilatérale : La valeur seuil pour un risque de 5% est donné par la valeur de T 10% t o < T 10% la différence entre les paramètres n est pas significative t o > T 10% la différence entre les paramètres est significative. L un des paramètres est inférieur (ou supérieur) à l autre Conditions d application : Utilisable si petits effectifs Mais la distribution de la variable dans les populations doit être normale Et les populations doivent avoir des variances identiques Soit on le sait Soit on le teste (test de F de comparaison des variances)
35 Utilisation de la table T (1) La table de T est plus difficile à utiliser que la table de Z Il y a autant de table de T que de degré de liberté ddl c est l effectif d un échantillon-1 Pour 1 échantillon : ddl = n-1 Pour 2 échantillons : ddl = (n 1-1) + (n 2-1) En ligne les valeurs possible de ddl En colonne les valeurs de α
36 Utilisation de la table T (2) Repérer la ligne correspondant au degré de liberté Repérer la valeur T 5% dans cette ligne H 1 bilatérale : Si la valeur calculée t o < à T 5%, on ne rejette pas H 0 Si la valeur calculée t o > à T 5%, on rejette H 0 et on accepte H 1 on recherche dans la même ligne la valeur de T immédiatement inférieure à t o La valeur correspondante lue dans la colonne α donne le degré de signification p
37 Utilisation de la table T (3) H 1 unilatérale : Si la valeur calculée t o < à T 10% on ne rejette pas H 0 Si la valeur calculée t o > à T 10% on rejette H 0 et on accepte H 1 on recherche dans la même ligne la valeur de T immédiatement inférieure à t o le p obtenu est divisé par 2
38 Exemple (1) Un test de T bilatéral de comparaison de moyenne a été effectué sur deux échantillons comportant chacun 3 sujets. Le calcul a abouti à un t o = 3,9 Calculez le ddl Lire T 5% Conclure ddl= (3-1)+(3-1)=4 H 1 bilatérale : T 5% = 2,776 t o > T 5% : on rejette H 0 p < 0,02
39 Valeur immédiatement inférieure à t o =3,9 Zone de rejet d H o Zone de non rejet d H o
40 Exemple (2) H 1 unilatérale : T 10% = 2,132 t o > T 5% : on rejette H 0 p = 0,02 / 2
41 Test T : comparaison moyenne observée à une moyenne théorique (1) On compare une moyenne observée dans un échantillon de petite taille à une moyenne connue dans une population de référence Variable quantitative Paramètre étudié moyenne Taille de l échantillon < 30 Hypothèses H 0 : M=µ H 1 bilatérale : M µ H 1 unilatérale : M>µ ou M<µ
42 Test T : comparaison moyenne observée à une moyenne théorique (2) Formulation µ : moyenne théorique connue de la population de référence M : moyenne inconnue de la population d où est issu l échantillon m : moyenne observée de l échantillon s : écart type de l échantillon n : effectif ddl : degré de liberté Condition d application : la distribution de la variable doit être supposée normale dans la population d où est issu l échantillon
43 Test T : comparaison moyenne observée à une moyenne théorique (3) Principe du test : Si H 0 est vrai, le rapport de la différence Δ= m- µ sur l écart type de µ suit une loi T de student de n-1 ddl m µ Test T de student : t = avec ddl = s n n -1
44 Test T : comparaison moyenne observée à une moyenne théorique (4) H 1 t Rejet H 0 Interprétation bilatérale < T 5% Non M n est pas significativement différent de µ T 5% Oui M diffère significativement de µ unilatérale < T 10% Non M n est pas significativement supérieur (ou inférieur) à µ T 10% Oui M est significativement supérieur (ou inférieur) à µ
45 Exercice (1) Dans un échantillon de 18 sujets suspects d être atteints de trypanosomiase, on mesure la quantité de protéines dans le liquide céphalorachidien. On trouve dans ce groupe une protéinorachie moyenne de 460 mg/l avec un écart type de 280 mg/l. Dans la population générale, la protéinorachie est en moyenne de 300 mg/l. On se demande si ce groupe de sujet présente une protéinorachie différente de normale? Formulez les hypothèses H 0 et H 1 Quel test utilisez-vous? Justifiez la réponse Que concluez vous?
46 Exercice (2) H 0 : la protéinorachie des sujets atteints de trypanosomiase ne diffère pas de celle de la population générale H 1 : la protéinorachie des sujets atteints de trypanosomiase est différente de celle de la population n < 30 : Test de T Condition d application : on suppose que la protéinorachie est distribuée normalement chez les sujets atteints de trypanosomiase t = ( ) / (280 / 18 ) = 2,4 ddl =17 T 5% pour 17 ddl = 2,11 2,4 > 2,11 : on rejette H 0 la protéinorachie des sujets atteints de trypanosomiase est significativement différente de celle de la population p < 0,03
47 Test de T pour comparer 2 moyennes (1) On veut comparer les moyennes dans 2 échantillons de petite taille Paramètre étudié moyennes Taille de l échantillon au moins un inférieur à 30 Hypothèses H 0 : µ 1 =µ 2 H 1 bilatérale : µ 1 µ 2 H 1 unilatérale : µ 1 <µ 2 ou µ 1 > µ 2 Formulation µ 1 et µ 2 : moyennes inconnues des deux populations d où sont tirés les échantillons m 1 et m 2 : moyennes observées des 2 échantillons s 2 1 et s 2 2 : variances des 2 échantillons n 1 et n 2 : effectifs des 2 échantillons ddl : degré de liberté
48 Test de T pour comparer 2 moyennes (2) Conditions d application : Les distributions de la variable dans les populations d où sont tirés les échantillons doivent être normales Les variances des deux populations d où sont tirés les échantillons doivent être égales Principe du test : Si H 0 est vraie, le rapport de la différence µ 1 -µ 2 sur son écart type suit une loi de T de Student lorsque les effectifs sont faibles
49 Test de T pour comparer 2 moyennes (3) par : Ecart type de la différence 2 1) ( 1) ( s variance commune aux 2 échantillons Estimation de la = + + = n n s n s n µ µ 2 n avec ddl m t Test T de Student : s d + = = + = n s m n s n s d
50 Test de T pour comparer 2 moyennes (4) H 1 z Rejet H 0 Interprétation bilatérale < T 5% Non µ 1 n est pas significativement différent de µ 2 T 5% Oui µ 1 diffère significativement de µ 2 unilatérale < T 10% Non µ 1 n est pas significativement supérieur (ou inférieur) à µ 2 T 10% Oui µ 1 est significativement supérieur (ou inférieur) à µ 2
51 Exercice (1) On a mesuré un marqueur biologique chez 2 séries de sujets, l une composée de sujets sains, l autre de sujets atteints d hépatite alcoolique. L étude a trouvé les résultats suivants: Effectif (n) Moyenne du marqueur (g/l) Ecart type Sujets sains 15 1,6 0,19 Sujets alcooliques 12 1,4 0,21 On veut comparer les 2 populations. Formuler les hypothèses Quel test choisissez vous? Quelles en sont les conditions d application? Que concluez vous?
52 Exercice (2) H 0 : la valeur moyenne du marqueur est identique dans les 2 populations H 1 : la valeur moyenne du marqueur est différente chez les sujets atteints d hépatite alcoolique n < 30 : test de T Condition d application : on suppose que : le marqueur se distribue normalement dans les 2 populations Les variances des 2 populations sont égales s² = [((15-1) * (0,19)² ) + ((12-1) * (0,21)² )] / ( )= 0,04 s d = (0,04 / 15) + (0,04 / 12) = 0,077 t = (1,6 1,4) / 0,077 = 2,60
53 Exercice (3) ddl = = 25 T 5% pour 25 ddl = 2,06 2,6 > 2,06 : on rejette H 0 Les malades atteints d hépatite alcoolique présentent une valeur du marqueur significativement différente de celle des sujets sains p < 0,02
54 Test de T pour comparer 2 moyennes sur séries appariées (1) On compare 2 séries d une variable quantitative provenant de deux petits échantillon et chaque observation d un échantillon est liée à une observation homologue de l autre échantillon Paramètre étudié moyenne des différences entre sujet appariés Taille de l échantillon < 30 Hypothèses H 0 : M δ =0 H 1 bilatérale : M δ 0 H 1 unilatérale : M δ >0 ou M δ <0
55 Test de T pour comparer 2 moyennes sur séries appariées (2) Formulation : x i et y i : valeurs observées dans chaque série d i : différence observée entre deux valeurs appariées s d2 : variance des différence m d : moyenne des différences entre sujets appariés s md : écart type de la moyenne des difference n : nombre de couples appariés Condition d application : les différences doivent être distribuées de façon normales
56 Test de T pour comparer 2 moyennes sur séries appariées (3) Principe du test : Sous H 0, les différences individuelles entres individus appariées sont nulles La moyenne des différence divisée par sont écart type suit une loi T de Student à n-1 ddl On élimine la variabilité entre individus de la même série. Le test apparié est plus puissant qu un simple test de comparaison de 2 moyennes.
57 Test de T pour comparer 2 moyennes sur séries appariées (4) Différence entre paires: Moyenne des différences: Variance des différences : Ecart type de la Test de T : t moyenne: = m d s 0 md d i = m s s 2 d avec d md x i = y i n d i ( d ) 2 i di = n = ddl = s n 2 d n -1 n 1 2
58 Test de T pour comparer 2 moyennes sur séries appariées (5) H 1 t Rejet H o Interprétation bilatérale < T 5% Non Les moyennes des deux séries ne diffèrent pas significativement T Oui Les moyennes des deux séries diffèrent significativement 5% unilatérale < T 10% Non Les moyennes des deux séries ne diffèrent pas significativement T 10% Oui La moyenne d une des deux séries est significativement supérieure (ou inférieure) à l autre
59 Exercice (1) On désire étudier l effet d une nouvelle stratégie de traitement du diabète sur la glycémie. On dose la glycémie chez 15 sujets avant le début du nouveau protocole (série A) et 3 mois après (série B) : A 2,47 3,09 2,14 2,47 3,06 2,72 2,29 1,90 2,34 2,75 2,67 2,80 2,51 2,23 2,20 B 2,30 2,96 2,23 2,34 2,84 2,59 2,15 1,88 2,32 2,65 2,68 2,58 2,43 2,02 2,17 Le nouveau protocole est-il efficace? Formuler les hypothèses Quel test choisissez vous? Quelles en sont les conditions d application? Que concluez vous?
60 Exercice (2) Comparaison de moyennes sur séries appariées : H 0 : les glycémies sont identiques avant et après le nouveau protocole H 1 : la glycémie est abaissée grâce au nouveau protocole n < 30 : test de T Condition d application : la différence de glycémie avant et après le traitement est distribuée de façon normale On calcule les différences : d i 0,17 0, ,13 0,22 0,13 0,14 0,02 0,02 0,1-0,01 0,22 0,08 0,21 0,03
61 Exercice (3) Σ d i = 1,5 m d = 1,5 / 15 = 0,10 Σ d i ² = 0,266 s d ² = [0,266 (1,5² / 15)] / 14 = 0,0083 t = 0,10 / ( 0,0083 / 15) = 4,25 ddl = 15 1 = 14 T 10% pour 14 ddl = 1,761 4,25 > 1,761 : on rejette H 0 La glycémie est abaissée significativement après administration de la nouvelle stratégie p < 0,0005
Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailLecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888
Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques
Plus en détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en 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 détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en 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 détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en 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 détailT de Student Khi-deux Corrélation
Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailI - CLASSIFICATION DU DIABETE SUCRE
I - CLASSIFICATION DU DIABETE SUCRE 1- Définition : Le diabète sucré se définit par une élévation anormale et chronique de la glycémie. Cette anomalie est commune à tous les types de diabète sucré, mais
Plus en détailPackage TestsFaciles
Package TestsFaciles March 26, 2007 Type Package Title Facilite le calcul d intervalles de confiance et de tests de comparaison avec prise en compte du plan d échantillonnage. Version 1.0 Date 2007-03-26
Plus en détailDocument d orientation sur les allégations issues d essais de non-infériorité
Document d orientation sur les allégations issues d essais de non-infériorité Février 2013 1 Liste de contrôle des essais de non-infériorité N o Liste de contrôle (les clients peuvent se servir de cette
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 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 détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailItem 169 : Évaluation thérapeutique et niveau de preuve
Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes
Plus en 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 détailÉquivalence et Non-infériorité
Équivalence et Non-infériorité Éléments d Introduction Lionel RIOU FRANÇA INSERM U669 Mars 2009 Essais cliniques de supériorité Exemple d Introduction Données tirées de Brinkhaus B et al. Arch Intern Med.
Plus en détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en détailImpact du mobile banking sur les comportements d épargne et de transferts à Madagascar. Florence Arestoff Baptiste Venet
Impact du mobile banking sur les comportements d épargne et de transferts à Madagascar Florence Arestoff Baptiste Venet 1 Introduction : contexte du contrat de recherche Ce contrat de recherche fait suite
Plus en détailBiostatistiques : Petits effectifs
Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailStatistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014
Tests du χ 2 Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 A. Lourme http://alexandrelourme.free.fr Outline
Plus en détailProbabilité et Statistique pour le DEA de Biosciences. Avner Bar-Hen
Probabilité et Statistique pour le DEA de Biosciences Avner Bar-Hen Université Aix-Marseille III 2000 2001 Table des matières 1 Introduction 3 2 Introduction à l analyse statistique 5 1 Introduction.................................
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en 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 détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailTESTS D HYPOTHÈSE FONDÉS SUR LE χ². http://fr.wikipedia.org/wiki/eugénisme
TESTS D HYPOTHÈSE FONDÉS SUR LE χ² http://fr.wikipedia.org/wiki/eugénisme Logo du Second International Congress of Eugenics 1921. «Comme un arbre, l eugénisme tire ses constituants de nombreuses sources
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en détailGuide de rédaction d un protocole de recherche clinique à. l intention des chercheurs évoluant en recherche fondamentale
V E R S I O N A V R I L 2 0 1 2 C E N T R E D E R E C H E R C H E C L I N I Q U E É T I E N N E - L E B E L D U C H U S Guide de rédaction d un protocole de recherche clinique à l intention des chercheurs
Plus en détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
Plus en détailEVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO
EVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO Auteur Baguinébié Bazongo 1 Ingénieur Statisticien Economiste Chef de l Unité de recherche à l Institut national
Plus en détailEVALUATION DES TECHNOLOGIES DE SANTÉ ANALYSE MÉDICO-ÉCONOMIQUE. Efficacité et efficience des hypolipémiants Une analyse centrée sur les statines
EVALUATION DES TECHNOLOGIES DE SANTÉ ANALYSE MÉDICO-ÉCONOMIQUE Efficacité et efficience des hypolipémiants Une analyse centrée sur les statines Juillet 2010 Mise à jour Septembre 2010 1 Le rapport complet
Plus en détailStatistiques 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 détailLa pratique du coaching en France. Baromètre 2010
SFCoach : crée du lien entre le monde du travail et les professionnels de l accompagnement La pratique du coaching en France Baromètre 2010 Fondée en 1996 22, Bd Sébastopol 75004 Paris Association 1901
Plus en détailComparaison des enjeux énergétiques de la France et de l Allemagne
Comparaison des enjeux énergétiques de la France et de l Allemagne Dans la perspective de la première conférence franco-allemande sur l énergie qui se tiendra le 2 juillet prochain à Paris 1, il paraît
Plus en détailActivité 38 : Découvrir comment certains déchets issus de fonctionnement des organes sont éliminés de l organisme
Activité 38 : Découvrir comment certains déchets issus de fonctionnement des organes sont éliminés de l organisme 1. EXTRAITS REFERENTIELS DU BO Partie du programme : Fonctionnement de l organisme et besoin
Plus en détailLES DECIMALES DE π BERNARD EGGER
LES DECIMALES DE π BERNARD EGGER La génération de suites de nombres pseudo aléatoires est un enjeu essentiel pour la simulation. Si comme le dit B Ycard dans le cours écrit pour le logiciel SEL, «Paradoxalement,
Plus en détailMETHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES
Enseignement du Deuxième Cycle des Etudes Médicales Faculté de Médecine de Toulouse Purpan et Toulouse Rangueil Module I «Apprentissage de l exercice médical» Coordonnateurs Pr Alain Grand Pr Daniel Rougé
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détail4. Résultats et discussion
17 4. Résultats et discussion La signification statistique des gains et des pertes bruts annualisés pondérés de superficie forestière et du changement net de superficie forestière a été testée pour les
Plus en détailEXERCICES : MECANISMES DE L IMMUNITE : pages 406 407 408 409 410
EXERCICES : MECANISMES DE L IMMUNITE : pages 406 407 408 409 410 EXERCICE 1 PAGE 406 : EXPERIENCES A INTERPRETER Question : rôles respectifs du thymus et de la moelle osseuse dans la production des lymphocytes.
Plus en détailRAPPORT SYNTHÈSE. En santé après 50 ans. Évaluation des effets du programme Les médicaments :
S A N T É P U B L I Q U E RAPPORT SYNTHÈSE Évaluation des effets du programme Les médicaments : Oui Non Mais! En santé après 50 ans Depuis janvier 1997, la Direction de santé publique s est associée à
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailUne variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants)
CIVILITE-SES.doc - 1 - Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants) 1 PRÉSENTATION DU DOSSIER CIVILITE On s intéresse
Plus en détailL obésité et le diabète de type 2 en France : un défi pour la prochaine décennie. DANIEL RIGAUD CHU de Dijon
L obésité et le diabète de type 2 en France : un défi pour la prochaine décennie DANIEL RIGAUD CHU de Dijon 46 Obésité : définition L obésité est définie comme un excès de masse grasse associée à un surcroît
Plus en détailLe chi carré. Le sommaire. Approche quantitative
Approche quantitative Le chi carré Les objectifs pédagogiques Définir le test du chi carré Déterminer la nature des données propres au chi carré Savoir calculer le chi carré Savoir déterminer les fréquences
Plus en détailÉpreuve collaborative
Épreuve collaborative Pour chaque partie, la grille permet d apprécier, selon quatre niveaux, les compétences développées dans le sujet par le candidat. Pour cela, elle s appuie sur des indicateurs traduisant
Plus en détailDCG 6. Finance d entreprise. L essentiel en fiches
DCG 6 Finance d entreprise L essentiel en fiches DCG DSCG Collection «Express Expertise comptable» J.-F. Bocquillon, M. Mariage, Introduction au droit DCG 1 L. Siné, Droit des sociétés DCG 2 V. Roy, Droit
Plus en détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailTableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1
UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés
Plus en détailAnalyse de l enquête de consommation de boissons énergisantes
Analyse de l enquête de consommation de boissons énergisantes Territoire de Thourotte (60) 2014 Depuis 2013, la Mutuelle Familiale en partenariat avec l IRBMS sensibilise ses adhérents à la consommation
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
Plus en détailBien-être et information sur la santé
( Bien-être et santé sont indissociablement liés. Des enquêtes qualitatives menées auprès des jeunes rapportent le stress et la fatigue parmi les principaux problèmes de santé. L ennui est aussi souvent
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailNobody s Unpredictable
Connaissance qu a le public de la Banque du Canada (Comparaison des résultats de l enquête téléphonique et de l enquête en ligne) Enquête de décembre 2010 commandée par la Banque du Canada Nobody s Unpredictable
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
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 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 détailCONCEPTION ET TIRAGE DE L ÉCHANTILLON
CHAPITRE 4 CONCEPTION ET TIRAGE DE L ÉCHANTILLON Ce chapitre technique 1 s adresse principalement aux spécialistes de sondage, mais aussi au coordinateur et aux autres responsables techniques de l enquête.
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailUne pseudo-science : 1. Pourquoi l astrologie n est pas une science reconnue?
Une pseudo-science : 1 Pourquoi l astrologie n est pas une science reconnue? Les revendications des astrologues sont rejetées par la communauté scientifique. Néanmoins, l astrologie est populaire. Même
Plus en détailLe VIH et votre cœur
Le VIH et votre cœur Le VIH et votre cœur Que dois-je savoir au sujet de mon cœur? Les maladies cardiovasculaires représentent une des cause les plus courante de décès, elles incluent: les maladies coronariennes,
Plus en détailA.-M. Cubat PMB - Import de lecteurs - Généralités Page 1 Source : http://amcubat.be/docpmb/import-de-lecteurs
A.-M. Cubat PMB - Import de lecteurs - Généralités Page 1 Diverses méthodes d import de lecteurs Les données (noms, prénoms, adresses. des lecteurs) proviennent en général du secrétariat, et se trouvent
Plus en détailCOMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES
J. sci. pharm. biol., Vol.9, n - 00, pp. 9-0 EDUCI 00 9 VALLEE POLNEAU S.* DIAINE C. COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES Notre étude visait à comparer les résultats obtenus
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailDegré de confiance pour les indicateurs de performance : degré de fiabilité du processus de production et écart significatif 1
Degré de confiance pour les indicateurs de performance : degré de fiabilité du processus de production et écart significatif 1 L utilisation des indicateurs de performance ne peut se faire de manière pertinente
Plus en détailÉvaluations aléatoires : Comment tirer au sort?
Évaluations aléatoires : Comment tirer au sort? William Parienté Université Catholique de Louvain J-PAL Europe povertyactionlab.org Plan de la semaine 1. Pourquoi évaluer? 2. Comment mesurer l impact?
Plus en détailLe test de dépistage qui a été pratiqué à la
élever CommenT UN enfant ayant une drépanocytose Q Le test de dépistage qui a été pratiqué à la maternité vient de révéler que votre bébé est atteint de drépanocytose. Aujourd hui, votre enfant va bien,
Plus en détailAJO/ BJO/ Retina Oct 2014 Par Wilfried Minvielle
AJO/ BJO/ Retina Oct 2014 Par Service du Professeur E. Souied Ophtalmologie Centre Hospitalier Intercommunal de Creteil Objectif Déterminer l inocuité du laser diode micropulse transfovéolaire dans l'œdème
Plus en détailStratégie d assurance retraite
Stratégie d assurance retraite Département de Formation INDUSTRIELLE ALLIANCE Page 1 Table des matières : Stratégie d assurance retraite Introduction et situation actuelle page 3 Fiscalité de la police
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailStatistique inférentielle TD 1 : Estimation
POLYTECH LILLE Statistique inférentielle TD : Estimation Exercice : Maîtrise Statistique des Procédés Une entreprise de construction mécanique fabrique de pièces demoteurdevoiturepourungrandconstructeur
Plus en détailREER, CELI ou prêt hypothécaire : comment faire le bon choix?
REER, CELI ou prêt hypothécaire : comment faire le bon choix? Jamie Golombek L épargne est une pratique importante. Elle nous permet de mettre de côté une partie de nos revenus actuels afin d en profiter
Plus en détailPEUT- ON SE PASSER DE LA NOTION DE FINALITÉ?
PEUT- ON SE PASSER DE LA NOTION DE FINALITÉ? à propos de : D Aristote à Darwin et retour. Essai sur quelques constantes de la biophilosophie. par Étienne GILSON Vrin (Essais d art et de philosophie), 1971.
Plus en détailLa crise économique vue par les salariés français
La crise économique vue par les salariés français Étude du lien entre la performance sociale et le contexte socioéconomique Baggio, S. et Sutter, P.-E. La présente étude s intéresse au lien entre cette
Plus en détailL Equilibre Macroéconomique en Economie Ouverte
L Equilibre Macroéconomique en Economie Ouverte Partie 3: L Equilibre Macroéconomique en Economie Ouverte On abandonne l hypothèse d économie fermée Les échanges économiques entre pays: importants, en
Plus en détailLes effets nocifs du bruit sur l'homme
La santé n'est pas seulement l'absence de maladie mais un état de complet bien être physique, mental et social (OMS) Le bruit est un ensemble confus de sons non désirés (Littré) ou un ensemble de sons
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 détailLe WACC est-il le coût du capital?
Echanges d'expériences Comptabilité et communication financière Dans une évaluation fondée sur la méthode DCF, l objectif premier du WACC est d intégrer l impact positif de la dette sur la valeur des actifs.
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 détailOSGOODE HALL LAW SCHOOL Université York MÉMOIRE PRIVILÉGIÉ ET CONFIDENTIEL
OSGOODE HALL LAW SCHOOL Université York MÉMOIRE PRIVILÉGIÉ ET CONFIDENTIEL À : &' 1$,'6 M. Richard Drouin, O.C., c.r. Président, Commission d examen sur la rémunération des juges 2CVTKEM,/QPCJCP DATE :
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailÉVALUATION DE LA PERSONNE ATTEINTE D HYPERTENSION ARTÉRIELLE
ÉVALUATION DE LA PERSONNE ATTEINTE D HYPERTENSION ARTÉRIELLE PRISE EN CHARGE SYSTÉMATISÉE DES PERSONNES ATTEINTES D HYPERTENSION ARTÉRIELLE SOCIÉTÉ QUÉBÉCOISE D HYPERTENSION ARTÉRIELLE 23 ÉVALUATION DE
Plus en détailFormat de l avis d efficience
AVIS D EFFICIENCE Format de l avis d efficience Juillet 2013 Commission évaluation économique et de santé publique Ce document est téléchargeable sur www.has-sante.fr Haute Autorité de santé Service documentation
Plus en détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
Plus en détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en détailCours 9 : Plans à plusieurs facteurs
Cours 9 : Plans à plusieurs facteurs Table des matières Section 1. Diviser pour regner, rassembler pour saisir... 3 Section 2. Définitions et notations... 3 2.1. Définitions... 3 2.2. Notations... 4 Section
Plus en détail