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

Dimension: px
Commencer à balayer dès la page:

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

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

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

Plus en détail

Analyse de la variance Comparaison de plusieurs moyennes

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Principe d un test statistique

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

Plus en détail

VI. Tests non paramétriques sur un échantillon

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

Plus en détail

Chapitre 6 Test de comparaison de pourcentages χ². José LABARERE

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

Plus en détail

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES

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

Plus en détail

T de Student Khi-deux Corrélation

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

Plus en détail

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

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

Plus en détail

Introduction aux Statistiques et à l utilisation du logiciel R

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

Plus en détail

Points méthodologiques Adapter les méthodes statistiques aux Big Data

Points méthodologiques Adapter les méthodes statistiques aux Big Data Points méthodologiques Adapter les méthodes statistiques aux Big Data I. Répétition de tests et inflation du risque alpha II. Significativité ou taille de l effet? 2012-12-03 Biomédecine quantitative 36

Plus en détail

Estimation et tests statistiques, TD 5. Solutions

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

Plus en détail

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

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

Plus en détail

Lois de probabilité. Anita Burgun

Lois 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 détail

La 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 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 détail

Devoir Surveillé n 5 BTS 2009 groupement B

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

Plus en détail

Package TestsFaciles

Package 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 détail

Simulation d un système d assurance automobile

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

Plus en détail

Internet est-il l avenir des enquêtes Génération?

Internet est-il l avenir des enquêtes Génération? Établissement public sous double tutelle des ministères de l'éducation nationale, de l'enseignement supérieur et de la Recherche du Travail, de l Emploi, de la Formation professionnelle et du Dialogue

Plus en détail

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

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

Plus en détail

Relation entre deux variables : estimation de la corrélation linéaire

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

Plus en détail

Cours de Tests paramétriques

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

Plus en détail

I - CLASSIFICATION DU DIABETE SUCRE

I - 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 détail

DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES

DETERMINATION 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 détail

201-DUA-05 Probabilités et statistique

201-DUA-05 Probabilités et statistique 1. La longueur de tiges usinées est une variable de moyenne 47,0 cm et d écart-type 0,36 cm. (a) Si l on prélève un échantillon aléatoire de taille 51, alors quelle est la probabilité que la moyenne échantillonnale

Plus en détail

Introduction à l approche bootstrap

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

Plus en détail

Document d orientation sur les allégations issues d essais de non-infériorité

Document 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 détail

23. Interprétation clinique des mesures de l effet traitement

23. 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 détail

Équivalence et Non-infériorité

Équivalence 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 détail

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

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

Plus en détail

TUTORAT UE 4 2014-2015 Biostatistiques Séance n 6 Semaine du 03/11/2014

TUTORAT UE 4 2014-2015 Biostatistiques Séance n 6 Semaine du 03/11/2014 TUTORAT UE 4 2014-2015 Biostatistiques Séance n 6 Semaine du 03/11/2014 Epidémiologie Mme Fabbro-Peray Séance préparée par les tuteurs du TSN QCM n 1 : Choisir la ou les proposition(s) exacte(s). A. Parmi

Plus en détail

Item 169 : Évaluation thérapeutique et niveau de preuve

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

Plus en détail

Chapitre 3. Les distributions à deux variables

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

Plus en détail

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

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

Plus en détail

Surveillance de la glycémie à domicile

Surveillance de la glycémie à domicile Surveillance de la glycémie à domicile La surveillance de la glycémie à domicile vous donnera les renseignements nécessaires pour vous aider à maîtriser votre diabète. Cela vous aidera à déterminer comment

Plus en détail

Probabilité et Statistique pour le DEA de Biosciences. Avner Bar-Hen

Probabilité 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 détail

TESTS D'HYPOTHESES Etude d'un exemple

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

Plus en détail

Correction du baccalauréat ES/L Métropole 20 juin 2014

Correction 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 détail

Impact 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 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 détail

Biostatistiques : Petits effectifs

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

Plus en détail

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

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

Plus en détail

Séance 8 : Régression Logistique

Séance 8 : Régression Logistique Séance 8 : Régression Logistique Sommaire Proc LOGISTIC : Régression logistique... 2 Exemple commenté : Achat en (t+1) à partir du sexe et du chiffre d affaires de la période précédente. 4 La régression

Plus en détail

Jeux sous forme normale

Jeux sous forme normale CHAPITRE 4 Jeux sous forme normale Dans les problèmes de décision, nous avons relié les choix qui pouvaient être faits par un agent avec les utilités qu il pouvait en dériver. L idée qu un agent rationnel

Plus en détail

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation Programme des épreuves des concours externes de recrutement des personnels E1 RECRUTEMENT DES ASSISTANTS INGENIEURS DE RECHERCHE ET DE FORMATION...2 E1.1 Gestionnaire de base de données...2 E1.2 Développeur

Plus en détail

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Baccalauréat 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 détail

Solutions - Concentrations

Solutions - Concentrations Solutions - Concentrations Table des matières I - Solutions et concentrations 3 1. Exercice : Dilution... 3 2. Exercice : Dilution... 3 3. Exercice : Dilutions multiples... 3 4. Exercice : Dose journalière

Plus en détail

LES GENERATEURS DE NOMBRES ALEATOIRES

LES 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 détail

Guide de rédaction d un protocole de recherche clinique à. l intention des chercheurs évoluant en recherche fondamentale

Guide 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 détail

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation.

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation. Travaux Dirigés de Probabilités - Statistiques, TD 4 Lois limites ; estimation. Exercice 1. Trois machines, A, B, C fournissent respectivement 50%, 30%, 20% de la production d une usine. Les pourcentages

Plus en détail

Table des matières. PREMIÈRE PARTIE Étapes initiales des études marketing 7

Table des matières. PREMIÈRE PARTIE Étapes initiales des études marketing 7 Table des matières Préface Public 1 Structure de l ouvrage 1 Caractéristiques de l ouvrage 3 Contenu 3 Pédagogie 4 Remarques sur l adaptation française 4 Ressources numériques 5 Biographie 6 PREMIÈRE PARTIE

Plus en détail

Le chi carré. Le sommaire. Approche quantitative

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

Plus en détail

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

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

Plus en détail

Normalité des rendements?

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

Plus en détail

l École nationale des ponts et chaussées http://cermics.enpc.fr/scilab

l École nationale des ponts et chaussées http://cermics.enpc.fr/scilab scilab à l École nationale des ponts et chaussées http://cermics.enpc.fr/scilab Tests de comparaison pour l augmentation du volume de précipitation 13 février 2007 (dernière date de mise à jour) Table

Plus en détail

Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants)

Une 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 détail

CAPTEURS - CHAINES DE MESURES

CAPTEURS - 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 détail

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

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

Plus en détail

Activité 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 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 détail

La pratique du coaching en France. Baromètre 2010

La 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 détail

Le bootstrap expliqué par l exemple

Le bootstrap expliqué par l exemple Le bootstrap expliqué par l exemple 1 Le bootstrap expliqué par l exemple 1. Les concepts du bootstrap 2. Des variantes adaptées au contexte 3. Comparaison des différentes méthodes 4. Les cas sensibles

Plus en détail

La régression logistique. Par Sonia NEJI et Anne-Hélène JIGOREL

La régression logistique. Par Sonia NEJI et Anne-Hélène JIGOREL La régression logistique Par Sonia NEJI et Anne-Hélène JIGOREL Introduction La régression logistique s applique au cas où: Y est qualitative à 2 modalités Xk qualitatives ou quantitatives Le plus souvent

Plus en détail

Décrire les données. Chapitre 2

Décrire les données. Chapitre 2 Chapitre 2 Décrire les données La description des données est une étape importante de la démarche d analyse. Beaucoup d enquêtes se limitent à cette étape, qui donne un premier niveau de lecture des résultats

Plus en détail

4. Résultats et discussion

4. 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 détail

TESTS 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 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 détail

Mercredi 24 Juin 2015

Mercredi 24 Juin 2015 BACCALAURÉAT GÉNÉRAL Session 2015 MATHÉMATIQUES Série ES ENSEIGNEMENT OBLIGATOIRE Durée de l épreuve : 3 heures coefficient : 5 MATHÉMATIQUES Série L ENSEIGNEMENT DE SPÉCIALITÉ Durée de l épreuve : 3 heures

Plus en détail

Examen d accès - 1 Octobre 2009

Examen d accès - 1 Octobre 2009 Examen d accès - 1 Octobre 2009 Aucun document autorisé - Calculatrice fournie par le centre d examen Ce examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses sont

Plus en détail

Algorithmique et Programmation Projets 2012/2013

Algorithmique et Programmation Projets 2012/2013 3 Dames 3. Objectif Il s agit d écrire un programme jouant aux Dames selon les règles. Le programme doit être le meilleur possible. Vous utiliserez pour cela l algorithme α β de recherche du meilleur coup

Plus en détail

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

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

Plus en détail

Analyse de l enquête de consommation de boissons énergisantes

Analyse 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 détail

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

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

Plus en détail

La prise en charge de votre maladie, le diabète de type 2

La prise en charge de votre maladie, le diabète de type 2 GUIDE - AFFECTION DE LONGUE DURÉE La prise en charge de votre maladie, le diabète de type 2 Vivre avec un diabète de type 2 Avril 2007 Pourquoi ce guide? Votre médecin traitant vous remet ce guide, La

Plus en détail

Nobody s Unpredictable

Nobody 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 détail

FORMULAIRE DE STATISTIQUES

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

Plus en détail

EVALUATION 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 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 détail

Méthode automatisée de dosage colorimétrique du dioxyde de soufre total dans les vins

Méthode automatisée de dosage colorimétrique du dioxyde de soufre total dans les vins Méthode automatisée de dosage colorimétrique du dioxyde de soufre total dans les vins Marc DUBERNET* et Françoise GRASSET* Laboratoire DUBERNET - 9, quai d Alsace - 11100 Narbonne France 1. Objet Méthode

Plus en détail

EVALUATION 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 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 détail

Les échanges bilatéraux entre les nations : Une approche linéaire mixte des modèles gravitationnels* Kamel Ghaddab 1

Les échanges bilatéraux entre les nations : Une approche linéaire mixte des modèles gravitationnels* Kamel Ghaddab 1 Les échanges bilatéraux entre les nations : Une approche linéaire mixte des modèles gravitationnels* Kamel Ghaddab 1 Ahmed Silem 2 Introduction Dans le cadre de la détermination empirique de la composition

Plus en détail

CE QU IL FAUT SAVOIR PARTICIPATION À UN ESSAI CLINIQUE SUR UN MÉDICAMENT

CE QU IL FAUT SAVOIR PARTICIPATION À UN ESSAI CLINIQUE SUR UN MÉDICAMENT CE QU IL FAUT SAVOIR PARTICIPATION À UN ESSAI CLINIQUE SUR UN MÉDICAMENT Sommaire Comment se fait la recherche sur un nouveau médicament? (page 1) A quoi sert la recherche sur un nouveau médicament? (page

Plus en détail

Statistiques Descriptives à une dimension

Statistiques Descriptives à une dimension I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des

Plus en détail

Dr Donatien MOUKASSA Département des sciences biomédicales Anatomie et Cytologie Pathologiques FSS, Brazzaville, Congo

Dr Donatien MOUKASSA Département des sciences biomédicales Anatomie et Cytologie Pathologiques FSS, Brazzaville, Congo COMMENT REDIGER UN PROJET DE RECHERCHE POUR UNE THESE DE MEDECINE OU UN MEMOIRE EN SCIENCES DE LA SANTE? Dr Donatien MOUKASSA Département des sciences biomédicales Anatomie et Cytologie Pathologiques FSS,

Plus en détail

5. Information et accès aux moyens de paiement

5. Information et accès aux moyens de paiement 5. Information et accès aux moyens de paiement Cette dernière partie mobilise des méthodes d analyse des données, permettant de mieux comprendre comment s articulent d une part l accès aux différents services

Plus en détail

Comparaison des enjeux énergétiques de la France et de l Allemagne

Comparaison 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 détail

LES DECIMALES DE π BERNARD EGGER

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

Plus en détail

Hyperglycémie nocturne dans le diabète de type 2 associée au syndrome d apnée du sommeil.

Hyperglycémie nocturne dans le diabète de type 2 associée au syndrome d apnée du sommeil. Hyperglycémie nocturne dans le diabète de type 2 associée au syndrome d apnée du sommeil. S.Fendri, D.Rose,S.Myambu,S.Jeanne,JDLalau Diab Res Clin Pract, Doi :10.1016/j.diabres.2010.09.O29 Relation SAS

Plus en détail

Dépistage, prise en charge et. Journée du médecin de famille, 10 juin 2004

Dépistage, prise en charge et. Journée du médecin de famille, 10 juin 2004 Diabète gestationnel Dépistage, prise en charge et recommandations Journée du médecin de famille, 10 juin 2004 Diabète gestationnel Prévalence: 3 à 6% Quel test? Quel seuil? Quelle population? A quel moment

Plus en détail

Stratégie d assurance retraite

Stratégie 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 détail

Chapitre 3 : INFERENCE

Chapitre 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 détail

ETUDE PROBABILISTE DE L ENVIRONNEMENT ELECTROMAGNETIQUE GENERE DANS UN VEHICULE AUTOMOBILE

ETUDE PROBABILISTE DE L ENVIRONNEMENT ELECTROMAGNETIQUE GENERE DANS UN VEHICULE AUTOMOBILE ETUDE PROBABILISTE DE L ENVIRONNEMENT ELECTROMAGNETIQUE GENERE DANS UN VEHICULE AUTOMOBILE Fatou DIOUF * - Sébastien LALLECHERE* - Françoise PALADIAN * - Marco KLINGLER***- Michel FOGLI ** (*) LASMEA,

Plus en détail

Réalisé avec la collaboration du Dr Colas. Pour vous, jour après jour. - FRDBT00584 - Septembre 2013 - Lilly - Tous droits de reproduction réservés.

Réalisé avec la collaboration du Dr Colas. Pour vous, jour après jour. - FRDBT00584 - Septembre 2013 - Lilly - Tous droits de reproduction réservés. Pour vous, jour après jour. - FRDBT00584 - Septembre 2013 - Lilly - Tous droits de reproduction réservés. INVENTIV HEALTH COMMUNICATIONS EUROPE Tout savoir sur son HbA1c Réalisé avec la collaboration du

Plus en détail

METHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES

METHODOLOGIE 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 détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

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

Plus en détail

Le test de dépistage qui a été pratiqué à la

Le 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 détail

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

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

Plus en détail

COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES

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

Plus en détail

Le diabète gestationnel

Le diabète gestationnel Le diabète gestationnel Nature du diabète gestationnel Le diabète gestationnel apparait durant la grossesse et disparaît généralement après l accouchement. Dans la plupart des cas, il est trouvé par une

Plus en détail

La surveillance utile : un guide pour vous. De nouveaux renseignements sur le diabète de type 2 et la surveillance de la glycémie

La surveillance utile : un guide pour vous. De nouveaux renseignements sur le diabète de type 2 et la surveillance de la glycémie La surveillance utile : un guide pour vous De nouveaux renseignements sur le diabète de type 2 et la surveillance de la glycémie Surveillance de la glycémie La vérification du taux de glucose (glycémie)

Plus en détail

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

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

Plus en détail

SECTION 3 Les outils pour la personne

SECTION 3 Les outils pour la personne SECTION 3 Les outils pour la personne DISCUTER AVEC MON OU MA MÉDECIN/PSYCHIATRE : DÉVELOPPER DES STRATÉGIES POUR REGAGNER DU POUVOIR 1 Le moment de la consultation avec le ou la psychiatre/médecin dans

Plus en détail