Principes et Méthodes Statistiques

Dimension: px
Commencer à balayer dès la page:

Download "Principes et Méthodes Statistiques"

Transcription

1 Esimag - 2ème aée x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi

2 2

3 Table des matières 1 Itroductio Défiitio et domaies d applicatio de la statistique La démarche statistique Objectifs et pla du cours Statistique descriptive Termiologie Représetatios graphiques Variables discrètes Variables qualitatives Variables quatitatives Choix d u modèle probabiliste discret Variables cotiues Histogramme et polygoe des fréqueces Foctio de répartitio empirique Les graphes de probabilités Idicateurs statistiques Idicateurs de localisatio ou de tedace cetrale La moyee empirique Les valeurs extrêmes La médiae empirique Caractérisatio des idicateurs de localisatio Idicateurs de dispersio ou de variabilité Variace et écart-type empiriques L étedue Les quatiles empiriques Estimatio poctuelle Itroductio Méthodes d estimatio Défiitio d u estimateur La méthode des momets L estimateur des momets (EMM) Exemples La méthode du maximum de vraisemblace

4 4 TABLE DES MATIÈRES La foctio de vraisemblace Exemple itroductif L estimateur de maximum de vraisemblace (EMV) Exemples Qualité d u estimateur Estimateur sas biais et de variace miimale (ESBVM) Quatité d iformatio, efficacité d u estimateur Propriétés des EMM et des EMV Propriétés des estimateurs des momets Propriétés des estimateurs de maximum de vraisemblace Exemples Itervalles de cofiace Problématique et défiitio Itervalles de cofiace pour les paramètres de la loi ormale Itervalle de cofiace pour la moyee Itervalle de cofiace pour la variace Itervalle de cofiace pour ue proportio Tests d hypothèses Itroductio : le problème de décisio Formalisatio du problème de test paramétrique sur u échatillo Tests d hypothèses simples Tests d hypothèses composites Tests sur la moyee d ue loi ormale Exemple itroductif : essais thérapeutiques Première idée Deuxième idée Troisième idée Exemple La p-valeur Remarques Les tests de Studet Lie etre tests d hypothèses et itervalles de cofiace Procédure pour costruire u test d hypothèses Tests sur la variace d ue loi ormale Tests sur ue proportio Test de comparaiso de deux échatillos Itroductio Comparaiso de deux échatillos gaussies idépedats Test de Fisher de comparaiso des variaces Test de Studet de comparaiso des moyees Comparaiso de deux proportios Comparaiso d échatillos gaussies appariés

5 TABLE DES MATIÈRES Le test du χ Le test du χ 2 sur les probabilités d évèemets Test d adéquatio du χ 2 à ue loi etièremet spécifiée Test d adéquatio du χ 2 à ue famille de lois La régressio liéaire Itroductio Le modèle de régressio liéaire simple Estimatio par la méthode des moidres carrés Le modèle liéaire simple gaussie Défiitio du modèle et estimatio des paramètres Maximum de vraisemblace Itervalles de cofiace et tests d hypothèses Etude complète de l exemple e R Aexe A : Rappels de probabilités pour la statistique Variables aléatoires réelles Loi de probabilité d ue variable aléatoire Variables aléatoires discrètes et cotiues Momets et quatiles d ue variable aléatoire réelle Vecteurs aléatoires réels Loi de probabilité d u vecteur aléatoire Espérace et matrice de covariace d u vecteur aléatoire Covergeces et applicatios Quelques résultats sur quelques lois de probabilité usuelles Loi biomiale Loi géométrique Loi de Poisso Loi expoetielle Loi gamma et loi du chi Loi ormale Lois de Studet et de Fisher-Sedecor Aexe B : Lois de probabilité usuelles Caractéristiques des lois usuelles Variables aléatoires réelles discrètes Variables aléatoires réelles cotiues Vecteurs aléatoires das IN d et das IR d Tables de lois Table 1 de la loi ormale cetrée réduite Table 2 de la loi ormale cetrée réduite Table de la loi du χ Table de la loi de Studet Tables de la loi de Fisher-Sedecor Exemples de représetatios de probabilités et de desités

6 6 TABLE DES MATIÈRES Lois discrètes Lois cotiues Aexe C : Itroductio à R Les bases de R Commades pour les deux premiers TD e R Quelques commades utiles de R Les lois de probabilité usuelles e R Les pricipaux tests d hypothèses e R Les graphiques das R Graphique simple Autres foctios graphiques Paramétrage de la commade plot Bibliographie 145

7 Chapitre 1 Itroductio 1.1 Défiitio et domaies d applicatio de la statistique La statistique est la sciece dot l objet est de recueillir, de traiter et d aalyser des doées issues de l observatio de phéomèes aléatoires, c est-à-dire das lesquels le hasard iterviet. L aalyse des doées est utilisée pour décrire les phéomèes étudiés, faire des prévisios et predre des décisios à leur sujet. E cela, la statistique est u outil essetiel pour la compréhesio et la gestio des phéomèes complexes. Les doées étudiées peuvet être de toute ature, ce qui red la statistique utile das tous les champs discipliaires et explique pourquoi elle est eseigée das toutes les filières uiversitaires, de l écoomie à la biologie e passat par la psychologie, et bie sûr les scieces de l igéieur. Doos quelques exemples d utilisatio de la statistique das divers domaies. écoomie, assurace, fiace : prévisios écoométriques, aalyse de la cosommatio des méages, fixatio des primes d assurace et frachises, études quatitatives de marchés, gestio de portefeuille, évaluatio d actifs fiaciers,... biologie, médecie : essais thérapeutiques, épidémiologie, dyamique des populatios, aalyse du géôme,... scieces de la terre : prévisios météorologiques, exploratio pétrolière,... scieces humaies : equêtes d opiio, sodages, études de populatios,... scieces de l igéieur : cotrôle de qualité, maîtrise statistique des procédés (méthode six-sigma ), sûreté de foctioemet (fiabilité, dispoibilité, sécurité,...), maîtrise des risques idustriels, évaluatio des performaces des systèmes complexes,... scieces de l iformatio et de la commuicatio : traitemet des images et des sigaux, recoaissace des formes et de la parole, aalyse exploratoire des grades bases de doées, aalyse des réseaux de commuicatio,... physique : mécaique statistique, théorie ciétique des gaz,... etc...

8 8 Chapitre 1 - Itroductio Le poit fodametal est que les doées sot etâchées d icertitudes et présetet des variatios pour plusieurs raisos : le déroulemet des phéomèes observés est pas prévisible à l avace avec certitude (par exemple o e sait pas prévoir avec certitude les cours de la bourse ou les paes des voitures) toute mesure est etâchée d erreur seuls quelques idividus sot observés et o doit extrapoler les coclusios de l étude à toute ue populatio (cotexte des sodages) etc... Il y a doc itervetio du hasard et des probabilités. L objectif essetiel de la statistique est de maîtriser au mieux cette icertitude pour extraire des iformatios utiles des doées, par l itermédiaire de l aalyse des variatios das les observatios. Nous e ous itéresseros pas à la collecte des doées, qui est ue tâche importate et difficile, mais qui e relève pas des mathématiques. Si o omet la collecte des doées, les méthodes statistiques se répartisset e deux classes : La statistique descriptive, statistique exploratoire ou aalyse des doées, a pour but de résumer l iformatio coteue das les doées de faço sythétique et efficace. Elle utilise pour cela des représetatios de doées sous forme de graphiques, de tableaux et d idicateurs umériques (par exemple des moyees). Elle permet de dégager les caractéristiques essetielles du phéomèe étudié et de suggérer des hypothèses pour ue étude ultérieure plus sophistiquée. Les probabilités ot ici qu u rôle mieur. La statistique iféretielle va au delà de la simple descriptio des doées. Elle a pour but de faire des prévisios et de predre des décisios au vu des observatios. E gééral, il faut pour cela proposer des modèles probabilistes du phéomèe aléatoire étudié et savoir gérer les risques d erreurs. Les probabilités jouet ici u rôle fodametal. Pour le grad public, les statistiques désiget les résumés de doées fouris par la statistique descriptive. Par exemple, o parle des statistiques du chômage ou des statistiques de l écoomie américaie. Mais o oublie e gééral les aspects les plus importats liés aux prévisios et à l aide à la décisio apportés par la statistique iféretielle. L iformatique et la statistique sot deux élémets du traitemet de l iformatio : l iformatique acquiert et traite l iformatio tadis que la statistique l aalyse. Les deux disciplies sot doc étroitemet liées. E particulier, l augmetatio cosidérable de la puissace des ordiateurs et la facilité de trasmissio des doées par iteret ot redu possible l aalyse de très grades masses de doées, ce qui écessite l utilisatio de méthodes de plus e plus sophistiquées, coues sous le om de data miig ou fouille de doées. Efi, l iformatique décisioelle ou busiess itelligece regroupe les outils d aide à la décisio deveus essetiels das la gestio des etreprises. Ces outils écessitet u recours importat aux méthodes statistiques. Plus gééralemet, tout igéieur est ameé à predre des décisios au vu de certaies iformatios, das des cotextes où de ombreuses icertitudes demeuret. Il importe doc qu u igéieur soit formé aux techiques de gestio du risque et de traitemet de

9 1.2 La démarche statistique 9 doées expérimetales. 1.2 La démarche statistique La statistique et les probabilités sot les deux aspects complémetaires de l étude des phéomèes aléatoires. Ils sot cepedat de atures bie différetes. Les probabilités peuvet être evisagées comme ue brache des mathématiques pures, basée sur la théorie de la mesure, abstraite et complètemet décoectée de la réalité. Les probabilités appliquées proposet des modèles probabilistes du déroulemet de phéomèes aléatoires cocrets. O peut alors, préalablemet à toute expériece, faire des prévisios sur ce qui va se produire. Par exemple, il est usuel de modéliser la durée de bo foctioemet ou durée de vie d u système, mettos ue ampoule électrique, par ue variable aléatoire X de loi expoetielle de paramètre λ. Ayat adopté ce modèle probabiliste, o peut effectuer tous les calculs que l o veut. Par exemple : la probabilité que l ampoule e soit pas ecore tombée e pae à la date t est P (X > t) = e λt. la durée de vie moyee est E(X) = 1/λ. Si ampoules idetiques sot mises e foctioemet e même temps, et qu elles foctioet idépedammet les ues des autres, le ombre N t d ampoules qui tomberot e pae avat u istat t est ue variable aléatoire de loi biomiale B (, P (X t)) = B (, 1 e λt). Doc o s atted à ce que, e moyee, E(N t ) = ( 1 e λt) ampoules tombet e pae etre 0 et t. Das la pratique, l utilisateur de ces ampoules est très itéressé par ces résultats. Il souhaite évidemmet avoir ue évaluatio de leur durée de vie, de la probabilité qu elles foctioet correctemet pedat plus d u mois, u a, etc... Mais si l o veut utiliser les résultats théoriques éocés plus haut, il faut d ue part pouvoir s assurer qu o a choisi u bo modèle, c est-à-dire que la durée de vie de ces ampoules est bie ue variable aléatoire de loi expoetielle, et, d autre part, pouvoir calculer d ue maière ou d ue autre la valeur du paramètre λ. C est la statistique qui va permettre de résoudre ces problèmes. Pour cela, il faut faire ue expérimetatio, recueillir des doées et les aalyser. O met doc e place ce qu o appelle u essai ou ue expériece. O fait foctioer e parallèle et idépedammet les ues des autres = 10 ampoules idetiques, das les mêmes coditios expérimetales, et o relève leurs durées de vie. Admettos que l o obtiee les durées de vie suivates, exprimées e heures : Notos x 1,..., x ces observatios. Il est bie évidet que la durée de vie des ampoules est pas prévisible avec certitude à l avace. O va doc cosidérer que x 1,..., x sot les réalisatios de variables aléatoires X 1,..., X. Cela sigifie qu avat l expériece, la durée de vie de la ième ampoule est icoue et que l o traduit cette icertitude e

10 10 Chapitre 1 - Itroductio modélisat cette durée par ue variable aléatoire X i. Mais après l expériece, la durée de vie a été observée. Il y a doc plus d icertitude, cette durée est égale au réel x i. O dit que x i est la réalisatio de X i sur l essai effectué. Puisque les ampoules sot idetiques, il est aturel de supposer que les X i sot de même loi. Cela sigifie qu o observe plusieurs fois le même phéomèe aléatoire. Mais le hasard fait que les réalisatios de ces variables aléatoires de même loi sot différetes, d où la variabilité das les doées. Puisque les ampoules ot foctioé idépedammet les ues des autres, o pourra égalemet supposer que les X i sot des variables aléatoires idépedates. O peut alors se poser les questios suivates : 1. Au vu de ces observatios, est-il raisoable de supposer que la durée de vie d ue ampoule est ue variable aléatoire de loi expoetielle? Si o, quelle autre loi serait plus appropriée? C est u problème de choix de modèle ou de test d adéquatio. 2. Si le modèle de loi expoetielle a été reteu, commet proposer ue valeur (ou u esemble de valeurs) vraisemblable pour le paramètre λ? C est u problème d estimatio paramétrique. 3. Das ce cas, peut-o garatir que λ est iférieur à ue valeur fixée λ 0? Cela garatira alors que E(X) = 1/λ 1/λ 0, autremet dit que les ampoules serot suffisammet fiables. C est u problème de test d hypothèses paramétriques. 4. Sur u parc de 100 ampoules, à combie de paes peut-o s attedre e mois de 50 h? C est u problème de prévisio. Le premier problème cetral est celui de l estimatio : commet proposer, au vu des observatios, ue approximatio des gradeurs icoues du problème qui soit la plus proche possible de la réalité? La première questio peut se traiter e estimat la foctio de répartitio ou la desité de la loi de probabilité sous-jacete, la secode reviet à estimer u paramètre de cette loi, la quatrième à estimer u ombre moye de paes sur ue période doée. Le secod problème cetral est celui des tests d hypothèses : il s agit de se proocer sur la validité d ue hypothèse liée au problème : la loi est-elle expoetielle? λ est-il iférieur à λ 0? u objectif de fiabilité est-il atteit? E répodat oui ou o à ces questios, il est possible que l o se trompe. Doc, à toute répose statistique, il faudra associer le degré de cofiace que l o peut accorder à cette répose. C est ue caractéristique importate de la statistique par rapport aux mathématiques classiques, pour lesquelles u résultat est soit juste, soit faux. Pour résumer, la démarche probabiliste suppose que la ature du hasard est coue. Cela sigifie que l o adopte u modèle probabiliste particulier (ici la loi expoetielle), qui permettra d effectuer des prévisios sur les observatios futures. Das la pratique, la ature du hasard est icoue. La statistique va, au vu des observatios, formuler des hypothèses sur la ature du phéomèe aléatoire étudié. Maîtriser au mieux cette icertitude permettra de traiter les doées dispoibles. Probabilités et statistiques agisset doc e aller-retour das le traitemet mathématique des phéomèes aléatoires. L exemple des ampoules est ue illustratio du cas le plus fréquet où les doées se présetet sous la forme d ue suite de ombres. C est ce cas que ous traiteros das ce cours, mais il faut savoir que les doées peuvet être beaucoup plus complexes : des

11 1.3 Objectifs et pla du cours 11 foctios, des images, etc... Les pricipes et méthodes gééraux que ous traiteros das ce cours serot adaptables à tous les types de doées. 1.3 Objectifs et pla du cours Ce cours a pour but de préseter les pricipes de base d ue aalyse statistique de doées (descriptio, estimatio, tests), aisi que les méthodes statistiques les plus usuelles. Ces méthodes serot toujours illustrées par des problèmes cocrets, issus de l iformatique, la médecie, le cotrôle de qualité, la physique, etc... Il e s agit pas de doer u catalogue de recettes. Les méthodes statistiques serot la plupart du temps justifiées mathématiquemet, ce qui permettra d éviter u certai ombre d erreurs d iterprétatio des résultats, fréquetes das la pratique. Néamois, le cours privilégie l applicatio à la théorie. Les approfodissemets théoriques serot étudiés das les cours du 2ème semestre de Statistique Iféretielle Avacée et Aalyse Statistique Multidimesioelle. Les méthodes présetées serot mises e œuvre à l aide du logiciel R. La plupart du temps, o associera à chaque méthode la sytaxe et les sorties (tableaux, graphiques) correspodates de R. Le chapitre 2 présete les techiques de base e statistique descriptive, représetatios graphiques et idicateurs statistiques. Le chapitre 3 est cosacré aux problèmes d estimatio paramétrique poctuelle, le chapitre 4 aux itervalles de cofiace et le chapitre 5 aux tests d hypothèses. Le derier chapitre est cosacré à ue des méthodes statistiques les plus utilisées, la régressio liéaire. Efi, des aexes doet quelques rappels de probabilités utiles e statistique, des tables des lois de probabilité usuelles et ue courte itroductio à R.

12 12 Chapitre 1 - Itroductio

13 Chapitre 2 Statistique descriptive La statistique descriptive a pour but de résumer l iformatio coteue das les doées de faço à e dégager les caractéristiques essetielles sous ue forme simple et itelligible. Les deux pricipaux outils de la statistique descriptive sot les représetatios graphiques et les idicateurs statistiques. 2.1 Termiologie Les doées dot ous disposos sot des mesures faites sur des idividus (ou uités statistiques) issus d ue populatio. O s itéresse à ue ou plusieurs particularités des idividus appelées variables ou caractères. L esemble des idividus costitue l échatillo étudié. Exemple : si l échatillo est u groupe de TD à l ENSIMAG, u idividu est u étudiat la populatio peut être l esemble des étudiats de l ENSIMAG, des élèves igéieur de Frace, des habitats de Greoble, etc... les variables étudiées peuvet être la taille, la filière choisie, la moyee d aée, la couleur des yeux, la catégorie socio-professioelle des parets,... Si l échatillo est costitué de tous les idividus de la populatio, o dit que l o fait u recesemet. Il est extrêmemet rare que l o se trouve das cette situatio, essetiellemet pour des raisos de coût. Quad l échatillo est qu ue partie de la populatio, o parle de sodage. Le pricipe des sodages est d étedre à l esemble de la populatio les eseigemets tirés de l étude de l échatillo. Pour que cela ait u ses, il faut que l échatillo soit représetatif de la populatio. Il existe des méthodes pour y parveir, dot ous e parleros pas ici. Remarque : le mot variable désige à la fois la gradeur que l o veut étudier (variable statistique) et l objet mathématique qui la représete (variable aléatoire). Ue variable statistique peut être discrète ou cotiue, qualitative ou quatitative. Les méthodes de représetatio des doées diffèret suivat la ature des variables étudiées.

14 14 Chapitre 2 - Statistique descriptive Das ce chapitre, o e s itéresse qu au cas où o e mesure qu ue seule variable sur les idividus, comme das l exemple des ampoules. O dit alors que l o fait de la statistique uidimesioelle. Das ce cas, les doées sot sous la forme de la série des valeurs prises par la variable pour les idividus, otées x 1,..., x. O supposera que ces doées sot les réalisatios de variables aléatoires X 1,..., X idépedates et de même loi. O otera X ue variable aléatoire de cette loi. Le terme d échatillo désigera à la fois les séries x 1,..., x et X 1,..., X. Quad o mesure plusieurs variables sur les mêmes idividus, o dit que l o fait de la statistique multidimesioelle. Des doées de ce type serot traitées das le chapitre cosacré à la régressio liéaire et le cours de 2ème semestre d Aalyse Statistique Multidimesioelle leur est etièremet cosacré. L objectif premier de la statistique descriptive est u objectif de représetatio des doées, et pas d estimatio. O peut cepedat utiliser les outils de statistique descriptive das u but d estimatio. Notammet, o s itéressera au choix d u modèle probabiliste pertiet, ce qui reviedra à estimer la foctio de répartitio F ou la desité f de la variable aléatoire X sous-jacete, quad celle-ci est quatitative. 2.2 Représetatios graphiques Variables discrètes Ue variable discrète est ue variable à valeurs das u esemble fii ou déombrable. Mais l esemble des valeurs prises par cette variable das u échatillo de taille est forcémet fii. Les variables qui s exprimet par des ombres réels sot appelées variables quatitatives ou umériques (ex : logueur, durée, coût,...). Les variables qui s exprimet par l apparteace à ue catégorie sot appelées variables qualitatives ou catégorielles (ex : couleur, catégorie socio-professioelle,...) Variables qualitatives Si la variable est qualitative, o appelle modalités les valeurs possibles de cette variable. L esemble des modalités est oté E = {e 1,..., e k }. Par exemple, si la variable est la couleur des yeux d u idividu, l esemble des modalités est E = {bleu, vert, bru, pers, oir}. Si o iterroge = 200 persoes, les doées brutes se préseterot sous la forme d ue suite du type : bru, vert, vert, bleu,..., oir, vert. Cette suite est pas lisible. La meilleure maière de représeter ces doées est d utiliser les fréqueces absolues et relatives. Défiitio 1 O appelle fréquece absolue de la modalité e j le ombre total j d idividus de l échatillo pour lesquels la variable a pris la modalité e j : j = 1 {ej }(x i ). O appelle fréquece relative de la modalité e j le pourcetage j / d idividus de l échatillo pour lesquels la variable a pris la modalité e j. Das l exemple, o obtiet u tableau du type du tableau 2.1.

15 2.2 Représetatios graphiques 15 couleur des yeux bleu vert bru pers oir fréqueces absolues fréqueces relatives 33% 17% 40% 7.5% 2.5% Table 2.1 couleur des yeux d u échatillo de 200 persoes De même, das le cas des résultats d électio e Frace, les idividus sot les = 42 millios d électeurs et la variable est la persoe ou la liste pour laquelle l idividu a voté. La suite des 42 millios de votes a aucu itérêt. Le résultat est exprimé directemet sous forme du tableau des fréqueces relatives. Par exemple, le tableau 2.2 doe le résultat des électios européees de Listes NPA LO FrGauche PS EurEco EcoId Modem DivD UMP Libertas FN Autres % Voix Table 2.2 résultats des électios européees de NPA LO FrGauche PS EurEco EcoId Modem DivD UMP Libertas FN Autres Figure 2.1 électios européees, diagramme e coloes Les représetatios graphiques correspodates sot de deux types : diagrammes e coloes ou e bâtos : à chaque modalité correspod u rectagle vertical dot la hauteur est proportioelle à la fréquece relative de cette modalité diagrammes sectoriels ou camemberts : à chaque modalité correspod u secteur de disque dot l aire (ou l agle au cetre) est proportioelle à la fréquece relative de cette modalité Les commades R pour les diagrammes e coloes et sectoriels sot barplot(x) et pie(x). Das l exemple des électios, les figures 2.1 et 2.2 sot obteues à l aide des commades :

16 16 Chapitre 2 - Statistique descriptive > x<-c(3.3, 5.2, 28.9, 7.4, 5.9, 10.7, 11.9, 16.6, 9.8, 0.3) > partis<-c("npa","lo","frgauche","ps","eureco","ecoidep","modem","divd", "UMP","Libertas","FN","Autres") > barplot(x,ames=partis) > pie(x,labels=partis) PS EurEco FrGauche EcoId LO NPA Modem DivD FN Autres Libertas UMP Figure 2.2 électios européees, diagramme sectoriel Variables quatitatives Quad la variable est quatitative, o utilise les mêmes représetatios à l aide des fréqueces absolues et relatives. La différece fodametale etre les représetatios pour des variables qualitatives et quatitatives tiet au fait qu il existe u ordre aturel sur les modalités (qui sot des ombres réels) pour les variables quatitatives, alors qu aucu ordre est prédéfii pour les variables qualitatives. C est pourquoi les diagrammes e bâtos sot toujours utilisés, mais pas les diagrammes sectoriels. Par exemple, o a effectué ue equête auprès de 1000 couples e leur demadat otammet leur ombre d efats. Le tableau 2.3 doe les fréqueces et la figure 2.3 doe le diagramme e bâtos, obteu à l aide de la commade : > barplot(c(235,183,285,139,88,67,3),ames=c(0,1,2,3,4,5,6)) Nombre d efats > 6 fréquece absolue fréquece relative 23.5% 18.3% 28.5% 13.9% 8.8% 6.7% 0.3% 0 Table 2.3 ombre d efats de 1000 couples Choix d u modèle probabiliste discret Les représetatios graphiques effectuées permettet de guider le statisticie das le choix d u modèle probabiliste adapté aux doées. E effet, la fréquece relative j /, pourcetage d observatio de la modalité e j das l échatillo, est ue estimatio aturelle de la probabilité que la variable pree la modalité e j, P (X = e j ). Ue loi de probabilité vraisemblable pour X est ue loi telle que le diagramme des P (X = e j ) soit proche, e u certai ses, du diagramme e bâtos.

17 2.2 Représetatios graphiques Figure 2.3 ombre d efats de 1000 couples, diagramme e bâtos Par exemple, pour le ombre d efats par famille, ue loi géométrique est impossible car ue variable aléatoire de loi géométrique e peut pas predre la valeur 0. Ue loi biomiale est evisageable, par exemple la loi B (6, p) ou la loi B (7, p). Le problème est de savoir s il existe u paramètre p das [0,1] tel que le diagramme des P (X = j) ait ue allure proche de celle de la figure 2.3. Ue loi de Poisso est aussi possible a priori. Pour pouvoir choisir u modèle par cette méthode, il faudrait doc coaître au mois les formes des diagrammes des probabilités élémetaires des lois biomiale et de Poisso. Ce est pas simple du fait de la complexité des expressios de ces probabilités. De plus, la forme de ces diagrammes peut chager assez sesiblemet suivat la valeur des paramètres. Il est doc difficile de proposer u modèle probabiliste vraisemblable au seul vu d u diagramme e bâtos. O verra que c est beaucoup plus facile quad la variable est cotiue. Fialemet, le diagramme e bâtos sert plus à visualiser l allure géérale de la distributio qu à véritablemet aider à choisir u modèle probabiliste pertiet Variables cotiues Quad la variable étudiée est cotiue, les représetatios du type diagramme e bâtos sot sas itérêt, car les doées sot e gééral toutes distictes, doc les fréqueces absolues sot toutes égales à 1. O cosidèrera ici deux types de représetatios graphiques : l histogramme et le polygoe des fréqueces qui lui est associé. la foctio de répartitio empirique, qui permet otammet de costruire des graphes de probabilités. Ces deux types de représetatios écessitet d ordoer les doées. Si l échatillo iitial est oté x 1,..., x, l échatillo ordoé sera oté x 1,..., x. Das l exemple des ampoules, l échatillo iitial est : et l échatillo ordoé est :

Estimations et intervalles de confiance

Estimations et intervalles de confiance Estimatios et itervalles de cofiace Estimatios et itervalles de cofiace Résumé Cette vigette itroduit la otio d estimateur et ses propriétés : covergece, biais, erreur quadratique, avat d aborder l estimatio

Plus en détail

Chapitre 4 Lois discrètes

Chapitre 4 Lois discrètes Chapitre 4 Lois discrètes 1. Loi de Beroulli Ue variable aléatoire X est ue variable de Beroulli si elle e pred que les valeurs 0 et 1 avec des probabilités o ulles. P(X = 1) = p, P(X = 0) = 1 p = q, avec

Plus en détail

La classification de données quantitatives avec SPAD

La classification de données quantitatives avec SPAD La classificatio de doées quatitatives avec SPAD SPAD effectue toujours ue ACP de la matrice des doées quatitatives X " p avat de faire la classificatio des idividus. Les méthodes de classificatio s appliquet

Plus en détail

TS Intervalle de fluctuation et estimation Cours

TS Intervalle de fluctuation et estimation Cours Aée 2013/2014 TS Itervalle de fluctuatio et estimatio Cours est u etier aturel o ul et p est u réel de l itervalle 0 ; 1. I Itervalle de fluctuatio Cotexte : Das ue populatio, la proportio d idividus présetat

Plus en détail

PROBABILITES à la STATISTIQUE - APPLICATIONS - Jean-Marie MARION

PROBABILITES à la STATISTIQUE - APPLICATIONS - Jean-Marie MARION Des PROBABILITES à la STATISTIQUE - APPLICATIONS - Jea-Marie MARION 1 STATISTIQUE DESCRIPTIVE (décrire ue populatio à l aide de caractéristiques et graphiques) STATISTIQUE INFERENTIELLE (étedre des résultats

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

Sciences Po Option Mathématiques

Sciences Po Option Mathématiques Scieces Po Optio Mathématiques Epreue 3 Vrai-Fau Questio FAUX La suite ( u ) état géométrique de raiso différete de, o a classiquemet, pour tout etier aturel : où q est la raiso de la suite ( u ) Ici,

Plus en détail

TP R : méthodes statistiques élémentaires

TP R : méthodes statistiques élémentaires M2 IFMA et MPE TP R : méthodes statistiques élémetaires À la fi de la séace vous déposerez vos scripts R das la boîte de dépôt de votre espace Sakai : http://australe.upmc.fr/portal. 1 Importatio des doées

Plus en détail

Séquence 9. Sommaire. 1. Pré-requis 2. Intervalles de fluctuation 3. Estimation 4. Synthèse de la séquence 5. Exercices de synthèse

Séquence 9. Sommaire. 1. Pré-requis 2. Intervalles de fluctuation 3. Estimation 4. Synthèse de la séquence 5. Exercices de synthèse Séquece 9 Itervalles de fluctuatio, estimatio Objectifs de la séquece Das le chapitre 2, o étudie des itervalles de fluctuatio des variables aléatoires X F =, fréqueces des variables aléatoires biomiales

Plus en détail

STATISTIQUE : ESTIMATION

STATISTIQUE : ESTIMATION STATISTIQUE : ESTIMATION Préparatio à l Agrégatio Bordeaux Aée 202-203 Jea-Jacques Ruch Table des Matières Chapitre I. Estimatio poctuelle 5. Défiitios 5 2. Critères de comparaiso d estimateurs 6 3. Exemples

Plus en détail

Correction Bac ES France juin 2010

Correction Bac ES France juin 2010 Correctio Bac ES Frace jui 010 Exercice 1 (4 poits) (Commu à tous les cadidats) Pour ue meilleure compréhesio, les réposes serot justifiées das ce corrigé. Questio 1 Le ombre 3 est solutio de l équatio

Plus en détail

Correction des exercices sur la nature ondulatoire de la lumière

Correction des exercices sur la nature ondulatoire de la lumière CORRECTION EXERCICES TS /5 CHAPITRE 3 Correctio des exercices sur la ature odulatoire de la lumière Correctio exercice : idice d u verre et réfractio. La radiatio = 530 m est verte et la radiatio = 680

Plus en détail

BTS Mécanique et Automatismes Industriels. Statistiques inférentielles

BTS Mécanique et Automatismes Industriels. Statistiques inférentielles BTS Mécaique et Automatismes Idustriels Statistiques iféretielles, Aée scolaire 2005 2006 Statistiques iféretielles 1. Itroductio vocabulaire Pour étudier ue populatio statistique, o a recours à deux méthodes

Plus en détail

Méthodes basiques en statistiques sous R

Méthodes basiques en statistiques sous R Méthodes basiques e statistiques sous R Master II Modélisatio Aléatoire - Paris VII Eseigat : Mme Picard Sébastie Le Berre 12 mai 2011 R est u logiciel de calcul largemet utilisé par la commuauté scietifique

Plus en détail

Bac Blanc Terminale L - Février 2015 Épreuve de Spécialité Mathématiques (durée 3 heures)

Bac Blanc Terminale L - Février 2015 Épreuve de Spécialité Mathématiques (durée 3 heures) Exercice 1 (5 poits) Bac Blac Termiale L - Février 015 Épreuve de Spécialité Mathématiques (durée 3 heures) Questio 1 : La populatio d'ue ville baisse de 1 % tous les as pedat 10 as. Elle est doc multipliée

Plus en détail

Organisme de recherche et d information sur la logistique et le transport LES PREVISIONS DES CONSOMMATIONS

Organisme de recherche et d information sur la logistique et le transport LES PREVISIONS DES CONSOMMATIONS LES PREVISIONS DES CONSOMMATIONS Les logiciels utilisés pour la gestio des stocks itègret de ombreuses foctios de calcul. L ue des plus importates est l exécutio des prévisios des cosommatios futures d

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

Séquence 8. Suites arithmétiques et géométriques. Sommaire

Séquence 8. Suites arithmétiques et géométriques. Sommaire Séquece 8 Suites arithmétiques et géométriques Sommaire Pré-requis Suites arithmétiques Suites géométriques Sythèse du cours Exercices d approfodissemet Séquece 8 MA Ced - Académie e lige Pré-requis A

Plus en détail

Fluctuation et estimation

Fluctuation et estimation Fluctuatio et estimatio Table des matières I Idetificatio de la situatio........................................ II Échatilloage, itervalle de fluctuatio asymptotique........................ II. Itervalle

Plus en détail

Corrigés TD Chapitre 2 : Variables aléatoires sur un univers fini 0 0 0 1/6 0 0 1 0 1/4 0 1/4 0 4 1/6 0 0 0 1/6

Corrigés TD Chapitre 2 : Variables aléatoires sur un univers fini 0 0 0 1/6 0 0 1 0 1/4 0 1/4 0 4 1/6 0 0 0 1/6 Corrigés TD Chapitre : Variables aléatoires sur u uivers fii Exercice : Soit X la VAR défiie par le tableau suivat : x i - - 0 p 6 4 6 4 6 i O ote Y = X ) Détermier la loi cooite de X et Y ) Détermier

Plus en détail

DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités conditionnelles - Suites géométriques - fonctions exponentielles Calculatrice autorisée

DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités conditionnelles - Suites géométriques - fonctions exponentielles Calculatrice autorisée DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités coditioelles - Suites géométriques - foctios epoetielles Calculatrice autorisée Termiale ES123 Eercice 1 : 5 poits Partie A : Ue agece de locatio

Plus en détail

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

Baccalauréat S Nouvelle-Calédonie 7 mars 2014

Baccalauréat S Nouvelle-Calédonie 7 mars 2014 Durée : 4 heures Baccalauréat S Nouvelle-Calédoie 7 mars 2014 A. P. M. E. P. EXERCICE 1 Commu à tous les cadidats 4 poits Cet exercice est u QCM questioaire à choix multiple. Pour chaque questio, ue seule

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h Etrée à Scieces Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h A P M E P Les calculatrices sot autorisées Exercice Vrai-Faux 8 poits Pour chacue des affirmatios suivates,

Plus en détail

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques Variables discrètes fiies - Exercices pratiques Exercice - Loi d u dé truqué - L2/ECS -. X pred ses valeurs das {,..., 6}. Par hypothèse, il existe u réel a tel que P (X k) ka. Maiteat, puisque P X est

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

Devoir de statistiques: CORRIGE

Devoir de statistiques: CORRIGE CPP - la prépa des INP ( ème aée). Bordeaux, 6/04/04. Devoir de statistiques: CORRIGE durée h Doées: O rappelle que si Z suit ue loi N (0, ), o a P(Z.96) 0, 975 et P(Z.65) 0, 95. Exercice. θ et O cosidère

Plus en détail

La calculatrice est autorisée. Le sujet comporte un total de 5 exercices. ( ) ( ) ( )

La calculatrice est autorisée. Le sujet comporte un total de 5 exercices. ( ) ( ) ( ) Aée 01-013 Mathématiques Décembre 01 Durée : 3 heures BAC blac N 1 La calculatrice est autorisée. Le sujet comporte u total de 5 exercices. Les élèves e suivat pas l eseigemet de spécialité traiterot les

Plus en détail

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson 4 L E Ç O N Loi biomiale Niveau : Première S + SUP (Covergece) Prérequis : Variable aléatoire, espérace, variace, théorème limite cetral, loi de Poisso 1 Loi de Beroulli Défiitio 41 Loi de Beroulli Soit

Plus en détail

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS CHAPITRE 4 MATRICES ET SUITES 1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS 11/ Présetatio et modélisatio O cosidère u système ui peut se trouver soit das u état A, soit das u état, et

Plus en détail

B) CHAÎNES DE SOLIDES

B) CHAÎNES DE SOLIDES Chaîes de solides B) CHAÎNES DE SOLIDES Objectifs Cette théorie a pour but d'aalyser les comportemets statique et ciématique d'u mécaisme à partir d'u modèle défii par le schéma ciématique du mécaisme.

Plus en détail

Dénombrement - Combinatoire Cours

Dénombrement - Combinatoire Cours Déombremet - Combiatoire Cours La combiatoire (ou aalyse combiatoire) étudie commet compter des objets. Elle fourit des méthodes de déombremet particulièremet utiles e probabilité. U des pricipaux exemples

Plus en détail

Cours de méthodes de simulation

Cours de méthodes de simulation ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION ( ESSAIT) Cours de méthodes de simulatio Préparé par Hasse MATHLOUTHI Aée uiversitaire 2014-2015 AVANT PROPOS Ce documet propose u cours sur

Plus en détail

Estimation. Exemple Les statistiques des notes obtenues en mathématiques au BTS OL en France pour l année 2014 sont :

Estimation. Exemple Les statistiques des notes obtenues en mathématiques au BTS OL en France pour l année 2014 sont : Estimatio Objectifs Estimer poctuellemet ue proportio, ue moyee ou u écart type d ue populatio à l aide de la calculatrice ou d u logiciel, à partir d u échatillo Détermier u itervalle de cofiace à u iveau

Plus en détail

Chapitre 3 Détermination de la taille de l'échantillon

Chapitre 3 Détermination de la taille de l'échantillon Chapitre 3 Détermiatio de la taille de l'échatillo Lorsqu o prélève u échatillo pour estimer u paramètre, o court toujours le risque de découvrir u peu trop tard que l'échatillo prélevé est trop petit

Plus en détail

La Méthode de Monte Carlo

La Méthode de Monte Carlo La Méthode de Mote Carlo Etiee Pardoux UMR 6632 Laboratoire d Aalyse, Topologie, Probabilités et EA 3781 Evolutio Biologique Uiversité de Provece Etiee Pardoux (LATP) Marseille, 13/09/2006 1 / 33 Cotets

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

CONCOURS EXTERNE POUR l ACCÈS AU GRADE D INSPECTEUR DES FINANCES PUBLIQUES AFFECTÉ AU TRAITEMENT DE L INFORMATION EN QUALITÉ D ANALYSTE

CONCOURS EXTERNE POUR l ACCÈS AU GRADE D INSPECTEUR DES FINANCES PUBLIQUES AFFECTÉ AU TRAITEMENT DE L INFORMATION EN QUALITÉ D ANALYSTE J. 3 398 CONCOURS EXTERNE POUR l ACCÈS AU GRADE D INSPECTEUR DES FINANCES PUBLIQUES AFFECTÉ AU TRAITEMENT DE L INFORMATION EN QUALITÉ D ANALYSTE ANNÉE 04 ÉPREUVE ÉCRITE D ADMISSIBILITÉ N 3 Durée : 3 heures

Plus en détail

Intervalle de fluctuation des fréquences. Estimation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES. fréquence F n. fréquence obtenue f.

Intervalle de fluctuation des fréquences. Estimation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES. fréquence F n. fréquence obtenue f. Chapitre 14 Itervalle de fluctuatio des fréqueces. Estimatio Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Itervalle de fluctuatio Estimatio Itervalle de cofiace (*). Niveau

Plus en détail

AVRIL 2012 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie B Option Économie. MATHÉMATIQUES (Durée de l épreuve : 4 heures)

AVRIL 2012 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie B Option Économie. MATHÉMATIQUES (Durée de l épreuve : 4 heures) ÉCOLE NATIONALE SUPÉRIEURE DE STATISTIQUE ET D ÉCONOMIE APPLIQUÉE ENSEA ABIDJAN AVRIL 2012 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES ITS Voie B Optio Écoomie MATHÉMATIQUES (Durée de l épreuve : 4 heures)

Plus en détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1)

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1) Corrigé ESSEC III 008 par Pierre Veuillez Das certaies situatios paris sportifs, ivestissemets fiaciers..., o est ameé à miser de l arget de faço répétée sur des paris à espérace favorable. O se propose

Plus en détail

Questions Chapitre 2 L approche statistique de la réalité 1

Questions Chapitre 2 L approche statistique de la réalité 1 Questios Chapitre 2 L approche statistique de la réalité 1 Expliquer la otio de variable et défiir les différets types de variables Décrire les échelles de classificatio et trasformer les doées pour passer

Plus en détail

20. Algorithmique & Mathématiques

20. Algorithmique & Mathématiques L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus

Plus en détail

Travaux dirigés G33 Dimensionnement 2 séances Enseignant : Anthony Busson.

Travaux dirigés G33 Dimensionnement 2 séances Enseignant : Anthony Busson. Travaux dirigés G33 Dimesioemet 2 séaces Eseigat : Athoy Busso. Exercice 1 : O cosidère u web switch et 3 serveurs web. Le web switch reçoit les requêtes http proveat des cliets et les répartit de maière

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours Exo7 Logique, esembles et applicatios Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I :

Plus en détail

Mathématiques. Cours. BTS Informatique de gestion 2 e année. Denis Jaudon. Directrice de publication : Valérie Brard-Trigo

Mathématiques. Cours. BTS Informatique de gestion 2 e année. Denis Jaudon. Directrice de publication : Valérie Brard-Trigo BTS Iformatique de gestio e aée Deis Jaudo Mathématiques Cours Directrice de publicatio : Valérie Brard-Trigo Les cours du Ced sot strictemet réservés à l usage privé de leurs destiataires et e sot pas

Plus en détail

Test de validité et d'hypothèse

Test de validité et d'hypothèse Test de validité et d'hypothèse 1 Vocabulaire Problème: Il s'agit à partir de l'étude d'u ou plusieurs échatillos de predre des décisios cocerat l'esemble de la populatio. O est alors ameé à émettre des

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

ADMISSION AU COLLEGE UNIVERSITAIRE

ADMISSION AU COLLEGE UNIVERSITAIRE ADMISSION AU COLLEGE UNIVERSITAIRE Samedi mars 204 MATHEMATIQUES durée de l'épreuve : 3h - coefficiet 2 Le sujet est uméroté de à 5. L'aexe est à redre avec la copie. L'exercice Vrai-Faux est oté sur 8,

Plus en détail

Chapitre 13. Statistiques et probabilités. Sommaire

Chapitre 13. Statistiques et probabilités. Sommaire 13 Chapitre Chapitre 13 Statistiques et probabilités Les statistiques et les probabilités occupet ue place importate das l eseigemet de certaies classes préparatoires Les pricipales foctios écessaires

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

Université Paris VII - Agrégation de Mathématiques (François Delarue) MÉTHODE DE MONTE-CARLO

Université Paris VII - Agrégation de Mathématiques (François Delarue) MÉTHODE DE MONTE-CARLO Uiversité Paris VII - Agrégatio de Mathématiques Fraçois Delarue) MÉTHODE DE MONTE-CARLO Ce texte vise à préseter l utilisatio de la méthode de Mote-Carlo das le calcul du prix d ue optio. 1. Positio du

Plus en détail

DIDIER AUROUX POLYTECH NICE-SOPHIA MAM5 - OPTION IMAFA 2010-2011

DIDIER AUROUX POLYTECH NICE-SOPHIA MAM5 - OPTION IMAFA 2010-2011 MÉTHODES NUMÉRIQUES POUR LE PRICING D OPTIONS DIDIER AUROUX POLYTECH NICE-SOPHIA MAM5 - OPTION IMAFA 2010-2011 Table des matières 1 Notatios et équatio de Black-Scholes 2 11 Notatios 2 12 Équatio de Black-Scholes

Plus en détail

Université de Provence 2011 2012. Planche 6. Nombres réels. Suites réelles. Nombres réels.

Université de Provence 2011 2012. Planche 6. Nombres réels. Suites réelles. Nombres réels. Uiversité de Provece 011 01 Mathématiques Géérales I Plache 6 Nombres réels Suites réelles Nombres réels Exercice 1 Mettre sous forme irréductible p/q les ratioels suivats (les chiffres souligés se répètet

Plus en détail

Utilisation du bootstrap pour les problèmes statistiques liés à l estimation des paramètres

Utilisation du bootstrap pour les problèmes statistiques liés à l estimation des paramètres B A S E Biotechol Agro Soc Eviro 00 6 (3) 43 53 Utilisatio du bootstrap pour les problèmes statistiques liés à l estimatio des paramètres Rudy Palm Uité de Statistique et Iformatique Faculté uiversitaire

Plus en détail

Promenades aléatoires : vers les chaînes de Markov

Promenades aléatoires : vers les chaînes de Markov AME Dossier : Matrices et suites 545 romeades aléatoires : vers les chaîes de Markov ierre Griho (*) Cet article propose ue mise e perspective de la otio de promeade ou de marche aléatoire itroduite das

Plus en détail

Correction HEC III 2007

Correction HEC III 2007 HEC III 7 Voie Écoomique Correctio Page Correctio HEC III 7 Voie écoomique La correctio comporte 9 pages. Eercice. Par dé itio est ue valeur propre de t si et seulemet si est ue valeur propre de T: Et

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

Éléments finis de joint mécaniques et éléments finis de joint couplés hydromécanique

Éléments finis de joint mécaniques et éléments finis de joint couplés hydromécanique Titre : Élémets fiis de joit mécaiques et élémets fi[...] Date : 28/10/2014 Pae : 1/10 Élémets fiis de joit mécaiques et élémets fiis de joit couplés hydromécaique Résumé : Cette documetatio porte sur

Plus en détail

PROJET DE MONTE CARLO SUJET 1: LE PRICING

PROJET DE MONTE CARLO SUJET 1: LE PRICING LE Age KHOURI Nadie M MMD PROJE DE MONE ARLO SUJE : LE PRIING Selim ZOUGHLAMI QUESION : Supposos d abord que X est u mouvemet browie W t G([ 0, ]) Alors W0 G( 0 ) suit ue loi N(0,0) et doc W 0ps 0 Esuite,

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

Plus en détail

Remise à Niveau Mathématiques

Remise à Niveau Mathématiques Mathématiques RAN - Calcul et raisoemet Remise à Niveau Mathématiques Première partie : Calcul et raisoemet Exercices Page sur 9 RAN Calcul et raisoemet Ex - Rev 04 Mathématiques RAN - Calcul et raisoemet

Plus en détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

Probabilités & Statistiques L1: Cours. December 20, 2008

Probabilités & Statistiques L1: Cours. December 20, 2008 Probabilités & Statistiques L1: Cours December 20, 2008 Chapter 1 Déombremets I 1.1 Pricipes gééraux Règle du produit O fait deux expérieces, successives ou simultaées. Si la première doe 1 résultats possibles

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

Inégalités souvent rencontrées

Inégalités souvent rencontrées Iégalités souvet recotrées Recotres Putam 004 Uiversité de Sherbrooke Jea-Philippe Mori Théorie Certaies iégalités sot deveues célèbres e raiso de leur grade utilité Elles sot aussi souvet au coeur de

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

Plus en détail

Formulaire de statistiques

Formulaire de statistiques Formulaire de statistiques E. Depiereux G. Vicke B. De Hertogh Javier 009 Formulaire de statistiques I. Statistiques descriptives : Moyee arithmétique : (populatio: m x = µ) (échatillo = x = M x ) 1 i

Plus en détail

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES II

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES II CHAMBRE DE COMMERCE ET D INDUSTRIE DE PARIS DIRECTION DE L ENSEIGNEMENT Directio des Admissios et cocours ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON CONCOURS

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

Intérêt simple CHAPITRE. Sommaire

Intérêt simple CHAPITRE. Sommaire HAPTRE térêt simple Sommaire A B D E F G H J K L Notio d itérêt Formule fodametale de l itérêt simple Durée de placemet exprimée e mois Durée de placemet exprimée e jours alculs sur la formule fodametale

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

PROBABILITÉS. A cette expérience aléatoire, on associe l ensemble des résultats possibles appelé univers. Ses éléments sont appelés éventualités.

PROBABILITÉS. A cette expérience aléatoire, on associe l ensemble des résultats possibles appelé univers. Ses éléments sont appelés éventualités. PROBABILITÉS I. PROBABILITÉS ( RAPPELS) a. Expérieces aléatoires et modèles Le lacer d ue pièce de moaie, le lacer d u dé sot des expérieces aléatoires, car avat de les effectuer, o e peut pas prévoir

Plus en détail

APPLICATION DE LA STATISTIQUE AU TRAITEMENT DES DONNÉES AU LABORATOIRE D'ANALYSES ET EN FABRICATION

APPLICATION DE LA STATISTIQUE AU TRAITEMENT DES DONNÉES AU LABORATOIRE D'ANALYSES ET EN FABRICATION Philippe TRIBOULET (Lycée Niepce Chalo sur Saôe) 03/03/007 PPLICTION DE L STTISTIQUE U TRITEMENT DES DONNÉES U LBORTOIRE D'NLYSES ET EN FBRICTION I/ INTRODUCTION L'utilisatio de la statistique pour le

Plus en détail

Probabilités et Statistique

Probabilités et Statistique Probabilités et Statistique Jea-Michel JOLION Départemet Géie Idustriel 3ème Aée Versio électroique : http://rfv.isa-lyo.fr/ jolio/stat/poly.html May 26, 2006 INSA Lyo - Bât. J. Vere - 69621 Villeurbae

Plus en détail

Apprentissage: cours 3a Méthodes par moyennage local

Apprentissage: cours 3a Méthodes par moyennage local Appretissage: cours 3a Méthodes par moyeage local Guillaume Oboziski 1 er mars 2012 Réferece : chap. 6 of [Hastie et al., 2009] ad chap. 6 of [Devroye et al., 1996]. Algorithmes par moyeage local O cosidère

Plus en détail

09 G 18bis AR Durée: 4 heures Séries : S1-S3 - Coeff. 8.. Epreuve du 1 er groupe

09 G 18bis AR Durée: 4 heures Séries : S1-S3 - Coeff. 8.. Epreuve du 1 er groupe UNIVERSITE CHEIKH ANTA DIOP DE DAKAR 1/ 9 OFFICE DU BACCALAUREAT BP 5005-DAKAR-Fa-Séégal Serveur Vocal: 68 05 59 Téléfax (1) 864 67 39 - Tél : 84 95 9-84 65 81 M A T H E M A T I Q U E S 09 G 18bis AR Durée:

Plus en détail

ANNALES BACCALAURÉAT 2013 MATHÉMATIQUES TERMINALE S. 1. Suites

ANNALES BACCALAURÉAT 2013 MATHÉMATIQUES TERMINALE S. 1. Suites ANNALES BACCALAURÉAT 03 MATHÉMATIQUES TERMINALE S ANNALES 03 TERMINALE S Suites Foctios 9 3 Probabilités 4 Géométrie 9 8 5 Spécialité 34 6 Cocours 44 Suites - : Amérique du Nord 03, 5 poits, o spécialistes

Plus en détail

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC Lycée Féelo aite-marie Préparatio ciece-po/prépa HEC Foctios Versio du juillet 05 Eercice d degré : racies et coefficiets O rappelle que si l équatio a + b + c = 0 ( a 0 ) adet deu racies α et β (évetuelleet

Plus en détail

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

Mathématiques. Statistiques. Stéphane Perret. Version 3.001

Mathématiques. Statistiques. Stéphane Perret. Version 3.001 Mathématiques Statistiques Stéphae Perret Versio 3.001 Table des matières Itroductio 1 1 Variables aléatoires 3 1.1 Variables aléatoires discrètes......................... 3 1.1.1 Jets d ue pièce bie

Plus en détail

PRINCIPALES DISTRIBUTIONS DE PROBABILITÉS

PRINCIPALES DISTRIBUTIONS DE PROBABILITÉS PRINCIPALES DISTRIBUTIONS DE PROBABILITÉS INTRODUCTION De ombreuses situatios pratiques peuvet être modélisées à l aide de variables aléatoires qui sot régies par des lois spécifiques. Il importe doc d

Plus en détail

Bio-Statistique. 1 ère partie. Discipline : Bio-statistique, Bio-mathématique et Sciences de l Information

Bio-Statistique. 1 ère partie. Discipline : Bio-statistique, Bio-mathématique et Sciences de l Information Bio-Statistique 1 ère partie Disciplie : Bio-statistique, Bio-mathématique et Scieces de l Iformatio OBJECTIFS PEDAGOGIQUES Réaliser l importace du problème de la variabilité ihérete au doées médicales,

Plus en détail

Application «Calculs» Application «Graphiques» Application «Tableur et listes» FR

Application «Calculs» Application «Graphiques» Application «Tableur et listes» FR TI Nspire Documet de Formatio T3 Walloie TI-Nspire Le tout e u des mathématiques Suites umériques La loi de Verhulst Applicatio «Calculs» Applicatio «Graphiques» Applicatio «Tableur et listes» FR Formatios

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

École de technologie supérieure

École de technologie supérieure École de techologie supérieure Mat 165-04 Algèbre liéaire et aalyse vectorielle A-015 Michel Beaudi michel.beaudi@etsmtl.ca Liste d exercices à faire e T.P./Caledrier des évaluatios Itroductio au cours

Plus en détail

FLUCTUATION ET ESTIMATION

FLUCTUATION ET ESTIMATION 1 FLUCTUATION ET ESTIMATION Le mathématicie d'origie russe Jerzy Neyma (1894 ; 1981), ci-cotre, pose les fodemets d'ue approche ouvelle des statistiques. Avec l'aglais Ego Pearso, il développe la théorie

Plus en détail

CORRECTION DU BAC BLANC 2

CORRECTION DU BAC BLANC 2 CORRCTION DU BAC BLANC 2 XRCIC 1 (6 poits) Baccalauréat ST Mercatique Podichéry - 2010 Deux tableaux sot doés e aexe : le premier doe l évolutio du prix du mètre carré das l immobilier résidetiel acie

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. Calcul pour une évolution d une proportion entre deux années non consécutives Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages

Plus en détail

FONCTION EXPONENTIELLE

FONCTION EXPONENTIELLE FONCTION EXPONENTIELLE I. RAPPELS : METHODE D EULER Si f est ue foctio dérivable e x 0, o sait que f(x 0 + h) a pour approximatio affie f(x 0 ) + f '(x 0 )h O peut doc sur de "petits" itervalles, approcher

Plus en détail

Séquence 9. Lois normales, intervalle de fluctuation, estimation. Sommaire

Séquence 9. Lois normales, intervalle de fluctuation, estimation. Sommaire Séquece 9 Lois ormales, itervalle de fluctuatio, estimatio Sommaire 1. Prérequis. Lois ormales 3. Itervalles de fluctuatio 4. Estimatio 5. Sythèse de la séquece Séquece 9 MA0 1 Ced - Académie e lige Das

Plus en détail

ÉCHANTILLONNAGE ESTIMATION

ÉCHANTILLONNAGE ESTIMATION Chapitre 16 ÉCHANTILLONNAGE ESTIMATION Vous vous ferez estimer e supportat les ijustices. Cicéro 1 ÉCHANTILLONNAGE 1.1 Itroductio O cosidère ue populatio (par exemple la populatio fraçaise) et u certai

Plus en détail

ANNALES BACCALAURÉAT 2014 MATHÉMATIQUES TERMINALE S 1

ANNALES BACCALAURÉAT 2014 MATHÉMATIQUES TERMINALE S 1 ANNALES BACCALAURÉAT 014 MATHÉMATIQUES TERMINALE S ANNALES BACCALAURÉAT 014 MATHÉMATIQUES TERMINALE S 1 1 Suites 1 Foctios 11 3 Probabilités 4 Géométrie 4 33 5 Spécialité 41 6 Cocours 53 1 Suites 1-1 :

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail