MB6. Statistiques descriptives Estimation ponctuelle Estimation par intervalle de confiance. Objectifs pédagogiques
|
|
- Rose Roussy
- il y a 7 ans
- Total affichages :
Transcription
1 MB6 Statitique decriptive Etimation nctuelle Etimation par intervalle de confiance MB UFR médecine Montpellier-îme Objectif pédagogique Donner la définition d'une variable aléatoire Reconnaître une variable qualitative dan de exemple Reconnaître une variable quantitative dan de exemple Donner la définition de la moyenne,variance, médiane, quartile, percentile Ditinguer pulation/échantillon dan de exemple concret Définir la notion de repréentativité d'un échantillon Traduire un problème clinique en une de problématique tatitique uivante : Etimation d' une fréquence théorique à partir d'une fréquence obervée par un intervalle de confiance Etimation d' une moyenne théorique à partir d'une moyenne obervée par un intervalle de confiance. Statitique decriptive : pulation, échantillon Population élection tirage au ort repréentativité Echantillon Enemble exhautif de ujet dont on a défini le caractéritique Sou-enemble fini iu d une pulation Paramètre théorique Paramètre obervé 3
2 . Statitique decriptive : Variable aléatoire Variable Aléatoire : Pour un ujet donné, la valeur de la variable ne peut être prévue avec certitude. Type de variable aléatoire (VA) VA quantitative : fruit d une meure d un intrument, meure une quantité continue ex : glycémie dicrète ex : nb de elle/jour VA qualitative : Catégorie excluive ominale : catégorie an relation d ordre dichotomique ( booléenne, binaire) ex : exe Ordinale : catégorie ordonnée ex : protéinurie (,+,++ ) VA cenurée : Survenue d un événement Ex : Survenue d un décè dan le ix moi..statitique decriptive : VA qualitative Population Fréquence théorique tirage au ort Echantillon Fréquence obervée Répartition de groupe anguin dan la pulation françaie Groupe anguin O A B AB total 43% 45% 9% 3% % Répartition de groupe anguin dan échantillon TAS Groupe anguin O A B AB total ni % 4% 47% 8% 3% % Fréquence théorique : pi Σpi= = Σni Effectif ob : ni Fréquence ob : fi=ni/ 5... Statitique decriptive : VA qualitative Population tirage au ort Echantillon Tableau de fréquence théorique Tableau de contingence Répartition de groupe anguin dan la pulation françaie Rhéu Groupe anguin O A B AB Total Rh+ 37 % 39 % 7 % % 85 % rh- 6 % 6 % % % 5 % Total : 43 % 45 % 9 % 3 % % Répartition de groupe anguin dan échantillon TAS Rhéu Groupe anguin O A B AB Rh rh Total Total : Probabilité marginale Effectif marginaux obervé 6
3 .. Statitique decriptive : VA quantitative - Population Dan pulation VA dicrète Chaque valeur x i a proba p i avec Σp i = Paramètre de ition : Moyenne théorique µ = E(X) = Σ x i p i Paramètre de diperion : Variance théorique V(X)= σ (X) = Σ (x i - µ) p i Ecart-type (tandard deviation) théorique σ toujour >; paramètre de diperion autour de moyenne VA continue denité de proba f(x) = P(x X x+dx) Moyenne théorique µ = E(X) = xf ( x ) dx Variance théorique V = σ (X) = ( x µ ) f ( x ) dx Ecart-type théorique σ 7.. Statitique decriptive : VA quantitative Loi de laplace Gau = Loi normale : LG (µ,σ) µ-σ Symétrique par raprt à µ µ+σ Écart-type : 7% valeur de la VA ont contenue dan intervalle µ-σ et µ+σ ; prob(µ-σ <X< µ+σ ),7 Loi normale centrée réduite : µ = ; σ = ; LG (,) 8.. Statitique decriptive : VA quantitative Table de la loi normale centrée réduite LG (,) LG(,) α/ - α Table de la loi ormale centrée réduite α α/ La table donne la probabilité α ur que l écart-réduit égale ou dépae, en valeur abolue, une valeur donnée, c et à dire la probabilité extérieure à l intervalle (-, +). α,,,,3,4,5,6,7,8,9, +,57 6,3 6,7,5 4,96,88,8,75,69 5,,64 5,59 8,55 5,5 4,47 6,44,4 5,37,34,3 3 couple de valeur doivent être connu α =,5 corrend à =,96 α =, corrend à =,576 α =, corrend à = 3,9 3
4 .. Statitique decriptive : VA quantitative Paage de LG (µ,σ) à LG (,) Ditribution de X LG(µ,σ) Ditribution de écart-réduit LG(,) X µ -σ µ µ +σ - Changement de variable = ( X σ µ ) ( X ) : écart-réduit uit LG (,).. Statitique decriptive : VA quantitative - Population Propriété Epérance (moyenne théorique) Soient X, une variable aléatoire, et a et b deux contante E(X +a) = E(X) + a E(aX) = a E(X) Si X et Y ont variable aléatoire E(X + Y) = E(X) + E(Y) E(aX + by) = a E(X) + b E(Y) E(X Y) = E(X) E(Y) Variance V(X+a) = V(X) V(aX) = a V(X) Si X et Y ont variable aléatoire indépendante : V(X+Y) = V(X) + V(Y) V(aX + by) = a V(X) + b V(Y) V(X Y) = V(X) + V(Y).. Statitique decriptive : VA quantitative - échantillon Population tirage au ort Dan un échantillon de taille Echantillon Enemble de valeur x i Paramètre de ition Moyenne arythmétique obervée m = E(X) = Σ x i / Paramètre de diperion Variance obervée =Σ (x i - m) /(-) Ecart-type obervé 4
5 Cadre upérieur Cadre moyen Ouvrier profeionnel Cadre moyen,5% 7 Ouvrier pécialié > 49 Poid de nai ance Répartition par catégorie ocio-profeionnelle de employé d'une entreprie,5% 5,%,5% 5,% % % % 3% 4% 5% 6% Répartition par catégorie ocio-profeionnelle de employé d'une entreprie Cadre upérieur 5,% Ouvrier profeionnel,5% Ouvrier pécialié 5,%.. Statitique decriptive : VA quantitative Autre paramètre de ition Médiane Médiane : valeur de X qui partage la érie ordonnée en groupe de même effectif Quartile : valeur de X qui partage la érie ordonnée en 4 groupe de même effectif Premier quartile : valeur de X telle que 5% de individu ont x < er quartile Décile, percentile Mode : Valeur de X la plu fréquente dan une ditribution Autre paramètre de diperion Etendue (range) : minimum ; maximum Ditance interquartile : Q Q3 ou P5 P75.3. Statitique decriptive : graphique tatitique Diagramme en barre Diagramme circulaire Hitogramme b d e nouveau-né Catégorie excluive et exhautive, effectif Diagramme à moutache. Etimation d un paramètre théorique à partir d un paramètre obervé pulation valeur probable? Echantillon repréentatif Tirage au ort échantillon VA qualitative Etimation f th à partir d une f ob VA quantitative Etimation µ à partir d une m ob 5
6 . Etimation d un paramètre théorique pulation valeur probable? échantillon Exemple échantillon de femme tirée au ort dan la pulation françaie âge moyen à la ménopaue : m = 5,7 an écart-type : = an Quetion : A partir de ce donnée (obervée) quel et l âge moyen (théorique) à la ménopaue µ, de l enemble de femme françaie?. Etimation - nctuelle et par intervalle de confiance Etimation nctuelle = valeur obervée du paramètre ur l échantillon ex : âge moyen de femme à la ménopaue dan la pulation françaie : 5,7 an Problème : autre échantillon : 5,5 an Etimation par intervalle ou intervalle de confiance Donner un intervalle qui a une probabilité (-α) de contenir la valeur théorique du paramètre => intervalle de confiance de niveau -α Probabilité fixée en général à 95 % => 95% a 95% de chance de contenir la vraie valeur du paramètre Un intervalle de confiance et toujour défini par on niveau et e deux borne éceite que l échantillon oit repréentatif de la pulation. Etimation par intervalle de confiance () Principe Echantillon et extrait au haard de la pulation Paramètre théorique θ et voiin du paramètre obervé avec une probabilité -α que l on e fixe VA quantitative : µ voiine de m VA qualitative : fth voiine de fob Écart réduit et voiin de au niveau - α que l on e fixe Intervalle de confiance à - α - α : Prob (θ -c < θ < θ +c) = - α - α : Prob (-u α < < u α ) = - α i ~ LG (,) : 95% : Prob (-,96 < <,96) =,95 - α LG(,) α/ - u α u α α/ 6
7 . Etimation par intervalle de confiance d une moyenne théorique Moyenne obervée ex: âge moyen pulation Variable X: âge moyenne théorique µ écart-type théorique σ Tirage de individu au haard recommencé K foi Échantillon Σx m = i m = moyenne obervée (âge moyen) µ mai voiine m m m 3 m 4 tou voiin et µ 9. Etimation par intervalle de confiance d une moyenne théorique Propriété de la moyenne obervée m Variable aléatoire Moyenne théorique E(m) = µ Variance théorique Var(m)= σ / Loi de ditribution de m dépend de la loi de X et de l effectif Si σ connu Loi de X LG (µ, σ) Unimodale,? σ / Effectif 3 LG (µ, ) LG (µ, ) σ / <3 LG (µ, )? σ /. Etimation par intervalle de confiance d une moyenne théorique Ca où σ inconnue ( x i Etimation de Var(X) = Écart-réduit (): = ( m µ ) / n et une variable aléatoire de ditribution m ) Si σ inconnu Loi de X LG (µ, σ) Unimodale,? Effectif 3 Student à - ddl LG (,) Student à - ddl LG (,) <3 Student à - ddl? 7
8 .. Etimation par intervalle de confiance d une moyenne théorique - Table de Student La table donne la probabilité α ur que t égale ou dépae, en valeur abolue, une valeur donnée, en fonction du nombre de degré de liberté (d.d.l.). ddl / α,9,5,3,,,5,,,,58,,963 3,78 6,34,76 3,8 63, ,6 9,4,86,386,886,9 4,33 6,965 9,95 3,598 3,37,765,5,638,353 3,8 4,54 5,84,94 4,34,74,9,553,3,776 3,747 4,64 8,6 5,3,77,56,476,5,57 3,365 4,3 6,869 6,3,78,34,44,943, ,77 5,959 +,6,674,36,8,645,96,36,576 3,9. Etimation par intervalle de confiance d une moyenne théorique LG(,) Student α/ - u α - t α Echantillon repréentatif On commet erreur faible en conidérant σ => Intervalle de confiance de niveau - α Si 3 : uit LG(,) u α t α α/ = ( m µ)/ n α :[ m uα ; m + uα 95% : u α =,96 - α : -proba (-t α < < t α ) = - α α :[ m tα, ddl ; m + tα, ddl Si < 3 et X uit LG : - α : proba (-u α < < u α ) = - α. Etimation par intervalle de confiance d une moyenne théorique Exemple : âge moyen de la ménopaue dan la pulation françaie Echantillon de femme tiré au ort dan la pulation françaie, âge moyen à la ménopaue m = 5,7 an ; écart-type =. Problématique: etimation d une moyenne théorique à partir d une moyenne obervée Etimation nctuelle : 5,7 an Etimation par intervalle de confiance : > 3 donc uit LG(,) α : [ m uα ; m + uα 95 % : [5,7,96 ;5,7 +,96 95% : [5,5 an 5,9 an a 95% de chance de contenir la vraie valeur de l âge moyen de la ménopaue dan pulation françaie 8
9 . Etimation par intervalle de confiance d une moyenne théorique : Influence de et de α Exemple : âge moyen de la ménopaue dan la pulation françaie Echantillon de 5 femme tiré au ort dan la pulation françaie, âge moyen à la ménopaue m = 5,7 an ; écart-type =. Etimation par - α : < 3, et âge moyen ~ LG donc uit loi de Student à 4 ddl (,) :[ m tα,4 ; m tα, 4 α + % :[5,7,64 ;5,7 5 % :[5,7,797 ;5, ,64 5,797 5 [49,3 an 5, an [48,8 an 5,6 an.. Etimation par intervalle de confiance d une fréquence théorique pulation Fréquence théorique f th = P valeur probable? échantillon Fréquence obervée f ob = f Fréquence obervée ( modalité) Echantillon repréentatif de la pulation f : variable aléatoire ditribuée autour de P elon LG (P, P ( P ) ) i P 5, et (-P) 5 Ecart réduit = f P P ( P ) ~ LG (, ) i P 5, et (-P) 5.. Etimation par intervalle de confiance d une fréquence théorique On commet une erreur faible en conidérant P = p Intervalle de confiance de niveau -α α LG(,) α/ - u α - α = Proba(-u α < < u α ) = - α :[ p u o α Condition de validité : *( ) ; + u p inf * 5, et (-p inf )* 5, et p up * 5, et (-p up )* 5 α u α α/ = *( ) f P P ( P ) Si condition de validité non remplie : utilier de table ou autre méthode 9
10 .. Etimation par intervalle de confiance d une fréquence théorique Exemple : Quel et le taux de céarienne chez femme préentant un diabète getationnel? femme préentant un diabète getationnel 3 femme ont eu une céarienne Problématique: etimation d une fréquence théorique à partir d une fréquence obervée Etimation nctuelle : = 3/ =,56 Etimation par intervalle de confiance *( ) *( ) α :[ uα ; + uα,56*(-,56),56*(-,56) 95% =,56,96 ;,56+,96 95% : [8% ; 33% Condition de validité :,8* 5; (-,8)* 5;,33* 5; (-,33)* 5; Récapitulatif Statitique decriptive Paramètre de ition Paramètre de diperion Attention au niveau où on e place (pulation ou échantillon) et au type de variable Etimation nctuelle (inuffiante) Etimation par intervalle de confiance d un paramètre théorique Identifier le type de variable Formuler la problématique Ex : etimation d une moyenne théorique à partir d une moyenne obervée Vérifier le condition de validité Appliquer la formule appropriée La préciion de l etimation du paramètre théorique augmente avec, à niveau de confiance donné. 9
3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en 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 détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
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 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 détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
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 détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en 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 détailBAREME sur 40 points. Informatique - session 2 - Master de psychologie 2006/2007
BAREME ur 40 point Informatique - eion 2 - Mater de pychologie 2006/2007 Bae de donnée PRET de MATERIEL AUDIO VISUEL. Remarque : Le ujet comporte 7 page. Vérifier qu il et complet avant de commencer. Une
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailCaractérisation de l interface Si/SiO 2 par mesure C(V)
TP aractériation de l interface Si/SiO par meure (V) aractériation de l interface Si/SiO par meure (V) Introduction p I Effet de champ à l interface Si/SiO p Fonctionnement d une capacité MOS p Principe
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 détailLe paiement de votre parking maintenant par SMS
Flexibilité et expanion L expanion de zone de tationnement payant ou la modification de tarif ou de temp autorié peut e faire immédiatement. Le adree et le tarif en vigueur dan le nouvelle zone doivent
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailIntroduction aux algorithmes de bandit
Mater MVA: Apprentiage par renforcement Lecture: 3 Introduction aux algorithme de bandit Profeeur: Rémi Muno http://reearcher.lille.inria.fr/ muno/mater-mva/ Référence bibliographique: Peter Auer, Nicolo
Plus en détailPrudence, Epargne et Risques de Soins de Santé Christophe Courbage
Prudence, Epargne et Rique de Soin de Santé Chritophe Courbage ASSOCIATION DE GENÈVE Introduction Le compte d épargne anté (MSA), une nouvelle forme d intrument pour couvrir le dépene de anté en ca de
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 détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
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 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 détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailINFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X.
INFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X. Année scolaire 009-010 TABLE DES MATIERES CHAPITRE 1: Eléments de statistiques descriptives...
Plus en détailLe compte épargne temps
2010 N 10-06- 05 Mi à jour le 15 juin 2010 L e D o i e r d e l a D o c 1. Définition Sommaire 2. Modification iue du décret n 2010-531 3. Principe du compte épargne temp Bénéficiaire potentiel Alimentation
Plus en détailProgressons vers l internet de demain
Progreon ver l internet de demain COMPRENDRE LA NOTION DE DÉBIT La plupart de opérateur ADSL communiquent ur le débit de leur offre : "512 Kb/", "1 Méga", "2 Méga", "8 Méga". À quoi ce chiffre correpondent-il?
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 détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailProjet. Courbe de Taux. Daniel HERLEMONT 1
Projet Courbe de Taux Daniel HERLEMONT Objectif Développer une bibliothèque en langage C de fonction relative à la "Courbe de Taux" Valeur Actuelle, Taux de Rendement Interne, Duration, Convexité, Recontitution
Plus en détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailTP6 : ALIMENTATION A DECOUPAGE : HACHEUR SERIE ET CONVERTISSEUR STATIQUE ABAISSEUR DE TENSION
P6 : ALIMNAION A DCOUPAG : HACHUR SRI CONVRISSUR SAIQU ABAISSUR D NSION INRODUCION Le réeau alternatif indutriel fournit l énergie électrique principalement ou de tenion inuoïdale de fréquence et d amplitude
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 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 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 détailRETIRER DE L ARGENT DE VOTRE SOCIÉTÉ
LETTRE MENSUELLE DE CONSEILS DESTINÉS À MAXIMALISER LE FLUX DE REVENUS RETIRÉS DE VOTRE SOCIÉTÉ OPTIMALISATION DU MOIS Déterminer le taux du marché... Si votre ociété vou vere un intérêt, elle doit de
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailTests 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 détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailGEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau
GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles
Plus en détailBACCALAURÉAT PROFESSIONNEL SUJET
SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)
Plus en détailStatistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année 2010-2011
Master 1 Biologie et technologie du végétal Année 010-011 Statistiques Rappels de cours et travaux dirigés (Seul ce document sera autorisé en examen) auteur : Jean-Marc Labatte jean-marc.labatte@univ-angers.fr
Plus en détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
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 détailDistribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités
Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements
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 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 détailEPFL 2010. TP n 3 Essai oedomètrique. Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilias Nafaï Weil Florian
1 EPFL 2010 Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilia Nafaï Weil Florian 11 Table de matière Ø Introduction 3 Ø Objectif 3 Ø Déroulement de l eai 4 Ø Exécution de deux palier de charge 6 Ø Calcul
Plus en détailStatistiques à une variable
Statistiques à une variable Calcul des paramètres statistiques TI-82stats.fr? Déterminer les paramètres de la série statistique : Valeurs 0 2 3 5 8 Effectifs 16 12 28 32 21? Accès au mode statistique Touche
Plus en détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailSéquence 4. Statistiques. Sommaire. Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement
Séquence 4 Statistiques Sommaire Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement 1 Introduction «Etude méthodique des faits sociaux par des
Plus en détailLoi d une variable discrète
MATHEMATIQUES TD N : VARIABLES DISCRETES - Corrigé. P[X = k] 0 k point de discontinuité de F et P[X = k] = F(k + ) F(k ) Ainsi, P[X = ] =, P[X = 0] =, P[X = ] = R&T Saint-Malo - nde année - 0/0 Loi d une
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 détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailVoyez la réponse à cette question dans ce chapitre. www.lifeinsuranceinsights.com/life-insurance-2/what-will-your-hobby-cost-you.
Erwan, d une mae de 65 kg, fait un aut de Bungee. Il tombe de 0 m avant que la corde du bungee commence à étirer. Quel era l étirement maximal de la corde i cette dernière agit comme un reort d une contante
Plus en détailRésumé du Cours de Statistique Descriptive. Yves Tillé
Résumé du Cours de Statistique Descriptive Yves Tillé 15 décembre 2010 2 Objectif et moyens Objectifs du cours Apprendre les principales techniques de statistique descriptive univariée et bivariée. Être
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 détailParcours Hydrologie-Hydrogéologie. Apport des méthodes d infiltrométrie à la compréhension de l hydrodynamique de la zone non-saturée des sols.
Univerité Pierre et Marie Curie, École de Mine de Pari & École Nationale du Génie Rural de Eaux et de Forêt Mater Science de l Univer, Environnement, Ecologie Parcour Hydrologie-Hydrogéologie Apport de
Plus en détailEvaluation des modèles non-linéaires à effets mixtes
Evaluation des effets mixtes INSERM UMR738 GDR Statistiques et Santé, 20 octobre 2009 Pharmacométrie Définition modélisation des données obtenues lors d essais cliniques sur des médicaments développement
Plus en détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
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 détailLES DIFFERENTS TYPES DE MESURE
LES DIFFERENTS TYPES DE MESURE Licence - Statistiques 2004/2005 REALITE ET DONNEES CHIFFREES Recherche = - mesure. - traduction d une réalité en chiffre - abouti à des tableaux, des calculs 1) Qu est-ce
Plus en détailCourrier Fédéral @ @ N 320 EDITORIAL INDUSTRIE PLUS LOIN QUE NOS DROITS. PUBLICITE page 8. Adresse du site de la FTM-CGT. http://www.ftm-cgt.
Courrier Fédéral N 320 du 13.10.12 au 19.10.12 @ @ Adree du ite de la FTM-CGT http://www.ftm-cgt.fr Fédération de travailleur de la métallurgie CGT ISSN 0152-3082 EDITORIAL Aprè la journée de mobiliation
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
Plus en détailTable des matières. Introduction. 1
Avant propo Le travail préenté dan ce mémoire a été réalié au ein du laboratoire d électromécanique de Compiègne (LEC) ou la direction de Monieur Jean Paul Vilain dan le cadre d une convention indutrielle
Plus en détailStatistiques avec la graph 35+
Statistiques avec la graph 35+ Enoncé : Dans une entreprise, on a dénombré 59 femmes et 130 hommes fumeurs. L entreprise souhaite proposer à ses employés plusieurs méthodes pour diminuer, voire arrêter,
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 détailEI - EXERCICES DE PROBABILITES CORRIGES
EI 1 EI - EXERCICES DE PROBABILITES CORRIGES Notations 1 Les coefficients du binôme sont notés ( n p 2 Un arrangement de n objets pris p à p est noté A p n 3 Si A est un ensemble fini, on notera A ou card
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détailFPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 1
INTRODUCTION ça L'INFçERENCE STATISTIQUE 1. Introduction 2. Notion de variable alçeatoire íprçesentation ívariables alçeatoires discrçetes ívariables alçeatoires continues 3. Reprçesentations d'une distribution
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en détailIntégrales doubles et triples - M
Intégrales s et - fournie@mip.ups-tlse.fr 1/27 - Intégrales (rappel) Rappels Approximation éfinition : Intégrale définie Soit f définie continue sur I = [a, b] telle que f (x) > 3 2.5 2 1.5 1.5.5 1 1.5
Plus en détailStatistiques 0,14 0,11
Statistiques Rappels de vocabulaire : "Je suis pêcheur et je désire avoir des informations sur la taille des truites d'une rivière. Je décide de mesurer les truites obtenues au cours des trois dernières
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 détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailDossier. Vtech, leader en France. Lexibook, leader en Europe
Doier Par Yoan Langlai La tablette pour enf Si 6 million de tablette devraient e vendre cette année en France (préviion GfK), on etime à 1 million le nombre de vente de tablette pour enfant en 2013. Sur
Plus en détailBases : Probabilités, Estimation et Tests.
Université René Descartes LMD Sciences de la Vie et de la Santé UFR Biomédicale, M1 de Santé Publique 45 rue des Saints-Père, 75 006 Paris Spécialité Biostatistique M1 COURS de BIOSTATISTIQUE I Bases :
Plus en détail1.1 Codage de source et test d hypothèse
Théorie de l information et codage 200/20 Cours 8février20 Enseignant: Marc Lelarge Scribe: Marc Lelarge Pour information Page webdu cours http://www.di.ens.fr/~lelarge/info.html Notations Pour des variables
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailOUTILS STATISTIQUES ET NUMÉRIQUES
UNIVERSITÉ D ORLEANS Année universitaire 211-212 UFR Sciences Master FAC et SAE, 2ème année OUTILS STATISTIQUES ET NUMÉRIQUES POUR LA MESURE ET LA SIMULATION T. Dudok de Wit Université d Orléans 16 septembre
Plus en détailunenfant Avoir en préservant ses droits
Avoir unenfant en préervant e droit Guide adreant aux travailleue et travailleur du ecteur public du réeau de la anté et de ervice ociaux Le comité de condition féminine de la La mie à jour de ce guide
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en 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 détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailProduire moins, manger mieux!
Raak doier d Alimentation : o Produire moin, manger mieux! Nou voulon une alimentation de qualité. Combien de foi n entendon-nou pa cette revendication, et à jute titre. Mai i tout le monde et d accord
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 détailUNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES. Éric TÉROUANNE 1
33 Math. Inf. Sci. hum., (33 e année, n 130, 1995, pp.33-42) UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES Éric TÉROUANNE 1 RÉSUMÉ Le stéréogramme de liaison est
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détail