Master Eseec Statistique pour l expertise - partie2
|
|
- Adèle Adélaïde Lefebvre
- il y a 7 ans
- Total affichages :
Transcription
1 Master Eseec Statistique pour l expertise - partie2 Christia Laverge Uiversité Paul Valéry - Motpellier (UPV) Eseec 1 / 57
2 Lois limites de la Statistique et Estimatio : 1 Loi des grads ombres et estimatio poctuelle 2 Théorème cetral limite et estimatio par itervalle (UPV) Eseec 2 / 57
3 La loi de beroulli et le sodage Soit X ue expériece aléatoire à 2 états (codés 1/0) : X Ber(p) P(X = 1) = p ; P(X = 0) = 1 p so espérace mathématique E(X ) = p sa variace V (X ) = E(X E(X )) 2 = p(1 p) so écart-type p(1 p) La même expériece (de Berouilli) répétée fois de faço idépedate (X 1, X 2,..., X ) alors l espérace mathématique de X i est p ; sa variace est p(1 p) L espérace de la somme est la somme des espéraces ; la variace de la somme est la somme des variaces i (UPV) Eseec 3 / 57
4 La moyee de loi de Beroulli : l espérace mathématique de la moyee X = 1 répétitios est : sa variace so écart-type E(X ) = E( 1 V (X ) = σ(x ) = X i ) = p. i p(1 p) p(1 p) X i de ces La dispersio de la moyee (ici la proportio de 1) se réduit quad gradit : c est la loi des grads ombres i=1 (UPV) Eseec 4 / 57
5 La loi des grads ombres pour la loi de Beroulli Soiet X 1, X 2,..., X répétitios idépedates d ue même expériece aléatoire de Beroulli (P(X = 1) = p)) alors : La proportio de 1 est aussi proche que possible de p à coditio que soit grad X = 1 X i grad p i=1 (UPV) Eseec 5 / 57
6 Loi des grads ombres et estimatio poctuelle Soiet X 1, X 2,..., X répétitios idépedates d ue même expériece aléatoire X telle que E(X ) = µ alors : La moyee des observatios est aussi proche que possible de la vraie valeur µ à coditio que soit grad X = 1 i=1 X i grad µ (UPV) Eseec 6 / 57
7 Exemple 1 : U jeu de la Fraçaise des jeux. Exemple 2 : 2 persoes A et B jouet au dé (à 6 faces) et o propose les gais suivats : Si "le résultat est la face 6", B paie 600 euros à A sio A paie 100 euros à B. À chaque coup, quelle est l espérace de gai de A? P(A gage 600) = 1 6 et P(A perd 100) = 5 6 doc A a pour espérace de gai : = = euros À chaque coup, A gage 600 ou perd 100, et so espérace de gai est de Doc si A joue u très grad ombre de fois, A est sûr de gager. (UPV) Eseec 7 / 57
8 La loi des grads ombres : jeu du dé (UPV) Eseec 8 / 57
9 La loi des grads ombres : jeu du dé (UPV) Eseec 9 / 57
10 Propriété de la moyee X = 1 de répétitios idépedates X 1, X 2,..., X d ue même expériece aléatoire X telle que E(X ) = µ et V (X ) = σ 2 : so espérace mathématique i=1 X i E(X ) = µ sa variace so écart-type V (X ) = σ2 σ(x ) = σ La dispersio de la moyee se réduit quad gradit : c est la loi des grads ombres (UPV) Eseec 10 / 57
11 Estimatio poctuelle La moyee X = 1 X 1 i est doc u bo prétedat pour approcher le paramètre icou µ. i=1 La variable aléatoire X sera appelée l Estimateur du paramètre µ. otatio : ˆµ = X Au vu d observatios, la valeur prise par X et otée x sera appelée ue estimatio du paramètre µ (otée aussi ˆµ). E pratique il y a UN (voir deux ou trois) Estimateur aturel du paramètre icou ; mais il y a toujours ue ifiité d estimatios possible de ce paramètre. 1. X 1, X 2,..., X sot répétitios idépedates d ue même expériece aléatoire X telle que E(X ) = µ et V (X ) = σ 2 (UPV) Eseec 11 / 57
12 Forme géérale et propriétés Soiet X 1, X 2,..., X répétitios d ue expériece aléatoire et T ue combiaiso (ou foctio) de ces répétitios. T sera u bo prétedat pour approcher u paramètre icou θ ; doc u Estimateur raisoable de θ ; (T sera u ˆθ) si : L espérace mathématique de l estimateur est aussi proche que possible du paramètre icou θ, idéalemet o souhaite que E(T ) = θ et o dira que T est u estimateur sas biais de θ ; mais o peut se coteter de E(T ) grad La variace de l estimateur dimiue avec le ombre de répétitios : θ V (T ) grad 0 (UPV) Eseec 12 / 57
13 Exemple : das la cas de répétitios idépedates X 1, X 2,..., X d ue même expériece aléatoire X telle que E(X ) = µ et V (X ) = σ 2. Si µ est icou ; la moyee X = 1 X i est u estimateur sas biais de µ ; ˆµ. i=1 Si µ est cou et σ 2 icou ; la moyee des dispersios 1 (X i µ) 2 est u estimateur sas biais de σ 2 ; oté ˆσ 2 µ. i=1 Si µ est icou et σ 2 icou ; la variace empirique 1 (X i X ) 2 est u estimateur biaisé de σ 2 ; oté ˆσ 2. i=1 Si µ est icou et σ 2 icou ; 1 (X i X ) 2 est u estimateur sas biais de σ 2 ; oté ˆσ SB 2 1. i=1 (UPV) Eseec 13 / 57
14 Exercice 1 : O suppose avoir observé variables aléatoires Y 1, Y 2,...Y et o propose 3 estimateurs d u paramètre θ : T 1, T 2, T 3 ayat les propriétés suivats ( λ est u autre paramètre icou) : E(T 1 ) = θ + λ et V (T 1 ) = (θ λ)/ E(T 2 ) = θ + λ/ et V (T 2 ) = (θ λ)/ Doer les propriétés : E(T 3 ) = θ et V (T 3 ) = λ de biais ( "estimateur sas biais" ; "so biais dimiue quad, le ombre d observatios gradit") et de variace ("sa variace dimiue quad, le ombre d observatios gradit") Lequel des 3 est il raisoable de garder? (UPV) Eseec 14 / 57
15 Estimatio poctuelle Soiet X 1, X 2,..., X répétitios idépedates d ue même expériece aléatoire de Beroulli (P(X = 1) = p), p paramètre icou) alors : X, la proportio ou la fréquece de 1 est u Estimateur du paramètre p. Après avoir effectué le sodage, la valeur prise par X et otée x sera doc ue estimatio du paramètre p. E pratique o a toujours le même Estimateur du paramètre icou p ; mais chaque sodage pratiqué amèe ue estimatio différete de ce paramètre. (UPV) Eseec 15 / 57
16 Théorème cetral limite et estimatio par itervalle Variable cetrée, réduite : défiitio variable cetrée : X E(X ) variable cetrée, réduite : X E(X ) σ(x ) Ue variable cetrée réduite a pour espérace 0 et écart-type 1 Pour la moyee de répétitios idépedates d ue même expériece aléatoire d espérace µ et de variace σ 2 alors X µ σ 2 est ue variable cetrée réduite Pour la moyee de répétitios de même loi de Beroulli idépedates : X p est ue variable cetrée réduite p(1 p) (UPV) Eseec 16 / 57
17 Théorème cetral limite Soiet X 1, X 2,..., X répétitios idépedates d ue même expériece aléatoire alors : La moyee se comporte comme ue loi ormale à coditio que soit grad doc cetrée et réduite se comporte comme ue N (0,1) X µ σ 2 grad N (0, 1) (UPV) Eseec 17 / 57
18 Le sodage Soiet X 1, X 2,..., X répétitios idépedates d ue même expériece aléatoire de Beroulli (P(X = 1) = p)) alors : La proportio de 1 se comporte comme ue loi ormale à coditio que soit grad doc cetrée et réduite se comporte comme ue N (0,1) X p p(1 p) grad N (0, 1) (UPV) Eseec 18 / 57
19 Notio élémetaire d itervalle de dispersio Termiologie de base : o cherchera à costruire u itervalle de la réalisatio d ue expériece qui soit d ue grade probabilité. État doé ue faible probabilité α, appelé "iveau" (e pratique α vaut 1%, 5% parfois 10%, 0.1%. Itervalle de dispersio à 1-α Exemple 1 : si o jette 500 fois ue même pièce, o cherche l itervalle de dispersio à 95% du ombre de faces. P(Nfaces [B 1, B 2 ]) = 95% Est ce [220, 280]? ou alors [240, 260]? Exemple 2 : Courbes das les carets de saté! (UPV) Eseec 19 / 57
20 Exemple 3 : Ue chaîe de supermarché décide de supprimer das ses prix toutes référeces aux cetimes d euros par l arrodi suivat : {0, 1, 2} doe 0 ; {3, 4} doe 5. À quoi peut-elle s attedre après la vete de produits? (UPV) Eseec 20 / 57
21 Itervalle de dispersio de la loi ormale Soit Z ue variable aléatoire de loi ormale N(0,1) alors : P( 1.96 < Z < 1.96) =.95 C est u itervalle de dispersio (ID) à 95% (UPV) Eseec 21 / 57
22 P( < Z < ) =.99 C est u itervalle de dispersio (ID) à 99% (UPV) Eseec 22 / 57
23 De faço géérale o otera : [ l α 2 ; l α 2 ] u itervalle de dispersio (ID) à 1 α d ue loi ormale N (0,1) P( l α 2 < Z < l α 2 ) = 1 α (UPV) Eseec 23 / 57
24 Itervalle de dispersio d ue somme de Beroulli Soiet X 1, X 2,..., X réalisatios idépedates d ue même expériece aléatoire de Beroulli (P(X = 1) = p 0 ), p 0 cou) alors o sait que : X i p 0 i=1 p0 (1 p 0 ) grad N (0, 1) Et o sait si Z est ue variable aléatoire N(0,1) P( l α 2 < Z < l α 2 ) = 1 α Doc P( l α 2 < X i p 0 i=1 p0 (1 p 0 ) < l α ) 1 α 2 (UPV) Eseec 24 / 57
25 Et, P ( p 0 l α 2 p0 (1 p 0 ) < i=1 X i < p 0 + l α p0 (1 p 2 0 ) ) 1 α [ p 0 l α p0 (1 p 2 0 ), p 0 + l α p0 (1 p 2 0 ) est doc u I.D. de X i approximativemet à (1 α)% i=1 Exemple : Sur 500 aissaces, le ombre de garços sera compris à 95% etre : [ (1 12 ), ] ] = [ , ] [228, 272] L itervalle serait de [221, 279] à 99% (UPV) Eseec 25 / 57
26 Notio élémetaire d itervalle de cofiace Termiologie de base : o cherche à costruire u itervalle d ue gradeur particulière icoue (e gééral le paramètre d itérêt d ue loi de probabilité) qui soit d ue grade probabilité. État doé ue faible probabilité α, appelée "risque" (e pratique α vaut 1%, 5% parfois 10%, 0.1%. L itervalle de cofiace à 1-α que l o otera : IC 1 α (paramètre) représetera u itervalle (dot les bores serot aléatoires) qui aura ue probabilité 1 α de coteir le paramètre icou recherché. (UPV) Eseec 26 / 57
27 Exemple 1 : à la veille d ue électio, o réalise u sodage pour coaître le plus précisémet possible le paramètre associé au score d u cadidat. P(score [B 1, B 2 ]) = 95% les bores B 1, B 2 de l itervalle serot calculées à l aide d observatios. Exemple 2 : o mesure les performaces de idividus ( = 200) afi de proposer u itervalle pour l esemble de la populatio. P(performace [B 1, B 2 ]) = 99% (UPV) Eseec 27 / 57
28 Itervalle de cofiace du paramètre p d ue loi de Beroulli Soiet X 1, X 2,..., X répétitios idépedates d ue même expériece aléatoire X de Beroulli (X Ber(p) ) alors o sait que : X p p(1 p) grad N (0, 1) Et o sait que si Z est ue variable aléatoire N(0,1) P( l α 2 < Z < l α 2 ) = 1 α Doc P( l α 2 < X p p(1 p) < l α 2 ) 1 α (UPV) Eseec 28 / 57
29 Et, P P ( X l α 2 X l α 2 p(1 p) < p < X + l α 2 X (1 X ) < p < X + l α 2 ) p(1 p) X (1 X ) 1 α D où IC 1 α (p) = X l α 2 X (1 X ) X (1 X ), X + l α 2 est doc u itervalle de cofiace de p approximativemet à (1 α)% (UPV) Eseec 29 / 57
30 Exemple : = 1000 x(1 x) x IC à 95% IC à 99% [0.1752, 0,2248] [0.1674, ] [0.4690, ] [0.4593, ] [0.8814, ] [0.8756, ] = 400 x(1 x) x IC à 95% IC à 99% (UPV) Eseec 30 / 57
31 Itervalle de cofiace du paramètre µ d ue loi gaussiee N (µ, σ 2 ) Avec X 1, X 2,..., X répétitios idépedates d ue même expériece aléatoire de loi gaussiee N (µ, σ 2 ), o sait que : X µ σ 2 N (0, 1) Et o sait que si Z est ue variable aléatoire N(0,1) P( l α 2 < Z < l α 2 ) = 1 α Doc P( l α 2 < X µ σ 2 < l α 2 ) = 1 α (UPV) Eseec 31 / 57
32 Et Doc P ( X l α 2 σ 2 < µ < X + l α 2 σ 2 ) = 1 α IC 1 α (µ) = [ X l α 2 σ 2, X + l α 2 σ 2 ] est doc u itervalle de cofiace de µ à (1 α)% lorsque σ 2 est cou. Das le cas où σ est icou, o remplacera σ 2 par u estimateur : la variace empirique des observatios 1 (x i x) 2. i=1 Ce qui écessite u grad ombre d observatios. (UPV) Eseec 32 / 57
33 1 Itroductio et Vocabulaire 2 U test das le cas cotiu 3 U test das le cas du sodage Le test statistique : (UPV) Eseec 33 / 57
34 Notio élémetaire du test statistique Termiologie de base : o cherche à costruire u test d ue hypothèse H 0 (appelée hypothèse ulle) cotre ue hypothèse H 1 (appelée hypothèse alterative) das le but de rejeter l hypothèse H 0. Costruire le test de H 0 cotre H 1 C est adopter ue règle de décisio qui amèe : à rejeter H 0 ou e pas rejeter H 0. Exemple 1 : avat so etrée e campage, la popularité d u cadidat était stabilisée à 40%. U récet sodage lui doe ue popularité de 43%. Est-ce que la popularité du cadidat a effectivemet augmeté ou est-ce dû à ue fluctuatio du sodage? O costruira le test de l hypothèse H 0 "status quo" cotre l hypothèse alterative H 1 "augmetatio de la popularité". (UPV) Eseec 34 / 57
35 Exemple 2 : u fabriquat de composat assure la qualité de so produit par la phrase suivate "la fiabilité de ma productio est supérieure ou égale à 99%. Lors d u cotrôle, o relève 1,09% de pièces défectueuses sur u échatillo de 1000 pièces. Doit-o supprimer l accréditatio au fabriquat? O costruira le test de : l hypothèse H 0 "le taux de pièces défectueuses est de 1%" cotre l hypothèse alterative H 1 "le taux de pièces défectueuses est > 1%". Exemple 3 : o coaît les résultats d u test (éducatif, psychologique,...) sur l esemble de la populatio. O fait alors pratiquer ce test sur u groupe particulier et o observe sur ce groupe ue augmetatio des résultats. Est-ce que ce groupe a effectivemet de meilleurs résultats ou est-ce dû à ue fluctuatio d échatilloage? O costruira le test de : l hypothèse H 0 "le résultat au test est idetique à celui de la populatio géérale" l hypothèse alterative H 1 "le résultat au test est supérieur". (UPV) Eseec 35 / 57
36 Erreurs du test statistique O peut se tromper e déclarat H 1 vraie alors que H 0 est vraie : c est l erreur de 1 re espèce. O peut se tromper e déclarat H 0 vraie alors que H 1 est vraie : c est l erreur de 2 e espèce. Choix de H 0 Choix de H 1 H 0 vraie Décisio juste Erreur de 1 re espèce H 1 vraie Erreur de Décisio juste 2 e espèce E pratique, l erreur de 1 re espèce ou iveau, otée α est fixée par l utilisateur et o costruit doc u test de H 0 cotre H 1 de iveau α (UPV) Eseec 36 / 57
37 Das les exemples précédets l erreur de 1 re espèce correspod à : Exemple 1 : P(de croire à ue "augmetatio de la popularité" alors qu il e est rie) Exemple 2 : P(supprimer l accréditatio au fabriquat alors que le taux de pièces défectueuses est coforme) Exemple 3 : est rie) P(peser à ue amélioratio dû au groupe alors qu il e (UPV) Eseec 37 / 57
38 Test du paramètre d espérace d ue loi gaussiee N (µ, σ 2 ) de l hypothèse H 0 µ = µ 0 " cotre H 1 µ > µ 0 " Exemple 3 : o coaît les résultats d u test (éducatif, psychologique,...) sur l esemble de la populatio. O fait alors pratiquer ce test sur u groupe particulier et o observe sur ce groupe ue augmetatio des résultats. Est-ce que ce groupe a effectivemet de meilleurs résultats ou est ce dû à ue fluctuatio du sodage? O costruira le test de : l hypothèse H 0 "le résultat au test est idetique à celui de la populatio géérale" l hypothèse alterative H 1 "le résultat au test est supérieur". (UPV) Eseec 38 / 57
39 Exemple 3 : Les résultats d u test (éducatif, psychologique,...) sur l esemble de la populatio sot supposés N (µ 0 = 100, σ 2 ). O fait alors pratiquer ce test sur u groupe particulier de 80 idividus et o observe sur ce groupe ue augmetatio moyee des résultats : sur ces 80 idividus, la moyee au test est de 110. Les résultats du groupe sot toujours supposés gaussies N (µ groupe, σ 2 ) ; avec la même variace σ 2. Y-a-t-il ue augmetatio sigificative etre les résultats du groupe et la populatio totale? O costruira le test de : l hypothèse H 0 : µ groupe = 100 l hypothèse alterative H 1 : µ groupe > 100. (UPV) Eseec 39 / 57
40 Test de l hypothèse H 0 µ = µ 0 " cotre H 1 µ > µ 0 " Si les observatios sot gaussiees N (µ, σ 2 ) alors : leur moyee X est gaussiee N (µ, σ2 ) et o rejettera l hypothèse H 0 si X est grad par rapport à µ 0. O se place alors sous H 0 vraie ( µ = µ 0 ") alors : X µ 0 σ 2 N (0, 1) Doc, ( σ 2 P X < µ 0 + l α ) = 1 α (UPV) Eseec 40 / 57
41 Doc le test de H 0 µ = µ 0 " cotre H 1 µ > µ 0 ", d erreur de première espèce (ou iveau) α : Rejet de H 0 si x > µ 0 + l α σ C est u test uilatéral. Mais le fait de coaître la moyee x e permet aucue coclusio, la coaissace de la valeur de σ est fodametale. Exemple 3 : µ 0 = 100 ; = 80 ; pour α = 5% ; l α = 1.65 Rejet de H 0 si X > σ. Doc si σ = 40, o rejettera si x > et si σ = 80, o rejettera si x > Das l éocé, il est doé que x groupe = 110, o peut doc pas ecore coclure puisque le paramètre σ est pas doé! (UPV) Eseec 41 / 57
42 Cas 1 : σ cou. Il y a doc pas de difficulté, mais ce est pas u cas réaliste e pratique. Cas 2 : σ icou. O remplacera σ 2 par la variace empirique des observatios σ 2 = 1 (x i x) 2. i=1 E cotre-partie, il est écessaire que le ombre d observatios soit grad. E pratique, il est doc écessaire d avoir coservé les doées et il est coseillé de predre ue erreur de 1 re espèce plus faible que lorsque l o coaît σ. (UPV) Eseec 42 / 57
43 Cas 3 (fréquemmet recotré das la littérature) : σ icou. O remplace σ 2 par σ 2 = 1 (x i x) 2 1 qui est u estimatio (sas biais) du paramètre σ 2. Sous l hypothèse H 0 la statistique de test deviet ue loi de Studet à ( 1) degrés de liberté. i=1 X µ 0 σ 2 S 1 E pratique, il est pas écessaire que le ombre d observatios soit grad mais demade ue grade cofiace e l hypothèse de ormalité des observatios. (UPV) Eseec 43 / 57
44 Test du paramètre d espérace d ue loi gaussiee de l hypothèse H 0 µ = µ 0 " cotre H 1 µ µ 0 " Si H 0 est vraie alors : X µ 0 σ 2 N (0, 1) Doc, P ( µ 0 l α 2 σ 2 < X < µ 0 + l α 2 = 1 α σ 2 ) (UPV) Eseec 44 / 57
45 Doc le test de H 0 µ = µ 0 " cotre H 1 µ µ 0 ", d erreur de première espèce (ou iveau) α. Rejet de H 0 si x < µ 0 l α 2 σ 2 ou x > µ 0 + l α 2 σ 2 C est u test bilatéral, e remplaçat σ 2 par la variace empirique des observatios 1 (x i x) 2. i=1 (UPV) Eseec 45 / 57
46 Exemple : Das u magasi d habillemet, o a oté ces derières aées le prix moye d u article du rayo efat" qui est de 18 euros. La directio souhaite commuiquer sur sa politique de promotio das ce rayo par la baisse du prix moye d u article. Pour cela, elle relève le prix de 121 articles du rayo (pris au hasard). 1 Costruire le test statistique associé à cette démarche. Le prix d u article du rayo efat" est ue variable aléatoire cotiue ; Le test statistique associé à cette démarche est le test sur l espérace de cette variable. H 0 "µ = 18" cotre H 1 " µ < 18" La variable P suit ue loi ormale et o a sous H 0 et o rejettera H 0 si P < 18 l α σ/ avec l α = P 18 σ/ est N(0,1) (UPV) Eseec 46 / 57
47 2 Calculer la zoe de rejet de ce test, état doé l iformatio suivate : sur les 121 articles o a calculé que la dispersio 121 i=1 (p i p) 2 = 5929 où p i est le prix de l article i et p le prix moye observé de ces 121 articles. Comme o e coaît pas σ 2, o peut l estimer par "la dispersio / " soit 5929/121 = 49 doc σ est estimé par 7. La zoe de rejet est doc : 18 l α σ/ = /11 = (UPV) Eseec 47 / 57
48 3 Sur ces 121 articles le prix moye observé au mois de mai 2008 est de 16.8 euros. Quel est la décisio à predre cocerat ce test statistique? Que proposeriez-vous alors à la directio? Au mois de mai, le prix moye observé est de 16.8 euros ; o e rejette doc H 0 (le prix moye e baisse pas de faço sigificative) et o proposera alors à la directio d accetuer sa sa politique de promotio. 4 Sur ces 121 articles le prix moye observé au début du mois de jui 2008 est de 16.2 euros. Quel est la décisio à predre cocerat ce test statistique? Au mois de jui, le prix moye observé est de 16.2 euros ; o rejette doc H 0 (le prix moye baisse de faço sigificative) (UPV) Eseec 48 / 57
49 5 Costruire alors u itervalle du prix moye d u article du rayo efat" (choisir u risque α = 3.6 %). Quel est le om de cet itervalle? O calcule alors u itervalle de CONFIANCE du prix moye d u article du rayo efat" : avec p = 16.2 et l α/2 = et o trouve [ p l α/2 σ/ ; p + l α/2 σ/ ] [ /11; /11] = [ , ] (UPV) Eseec 49 / 57
50 Test du paramètre d ue loi de Beroulli de l hypothèse H 0 p = p 0 " cotre H 1 p p 0 " Si H 0 est vraie alors : X p 0 p0 (1 p 0 ) grad N (0, 1) Doc, ( p0 (1 p 0 ) p0 (1 p 0 ) ) P p 0 l α 2 < X < p 0 + l α 2 1 α (UPV) Eseec 50 / 57
51 Doc le test de H 0 p = p 0 " cotre H 1 p p 0 ", d erreur de première espèce (ou iveau) α : Rejet de H 0 si x < p 0 l α 2 p0 (1 p 0 ) ou x > p 0 + l α 2 p0 (1 p 0 ) C est u test bilatéral. (UPV) Eseec 51 / 57
52 Test du paramètre d ue loi de Beroulli de H 0 p = p 0 " cotre H 1 p > p 0 " De faço géérale : P(Z < l α ) = 1 α P(Z < ) =.95 (UPV) Eseec 52 / 57
53 Si H 0 est vraie alors : ( ) P X p 0 < l α p0 (1 p 0 ) = P p0 (1 p 0 ) X < p 0 + l α 1 α Doc le test de H 0 p = p 0 " cotre H 1 p > p 0 ", d erreur de première espèce (ou iveau) α : Rejet de H 0 si x > p 0 + l α p0 (1 p 0 ) C est u test uilatéral. (UPV) Eseec 53 / 57
54 Exemple 1 : U fabricat de disques compacts affirme qu au mois 99% de ses disques ot aucu défaut. Pour vérifier cette affirmatio ue associatio de défese des cosommateurs teste 500 disques de ce fabriquat et e trouve 10 défectueux. Avec u seuil de 1%, l associatio peut-elle cotester l affirmatio du fabricat? Elle doit costruire le test de iveau 1% H 0 p = 0.99 cotre H 1 p < 0.99 et vérifier que l hypothèse H 0 est rejetée. (UPV) Eseec 54 / 57
55 Le test costruit est alors : Rejet de H 0 si p0 (1 p 0 ) x < p 0 l α x < (1.99) 500 = où X est la proportio de disques o défectueux". Das l exemple : la proportio de disques o défectueux" est =.98 (UPV) Eseec 55 / 57
56 Exemple 2 : Le même fabricat de disques compacts affirme toujours qu au mois 99% de ses disques ot aucu défaut. Il cherche à coquérir u ouveau marché à l aide de cette affirmatio et doit doc rassurer so ouveau cliet. Il lui propose de veir cotrôler sa chaîe de productio e relevat 1000 ou 2000 exemplaires. Quel sera la démarche de ce ouveau cliet? Il va costruire le test de iveau α plutôt petit (ex 1%) H 0 p = 0.99 cotre H 1 p > 0.99 et vérifier que l hypothèse H 0 est rejetée. (UPV) Eseec 56 / 57
57 Le test costruit est alors : Rejet de H 0 si p0 (1 p 0 ) X > p 0 + l α X > (1.99) 2000 = (= si = 1000) où x est la proportio de disques o défectueux". Sur les 2000 (resp. 1000) disques prélevés, le fabriquat fait doc "le pari" que le ombre de o défectueux" atteidra au mois : = 1991 (resp. 998) élémets. (UPV) Eseec 57 / 57
Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.
Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE
Plus en détailCours de Statistiques inférentielles
Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios
Plus en détailSTATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailPrincipes et Méthodes Statistiques
Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détailÉchantillonnage et estimation
Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos
Plus en détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailCours 5 : ESTIMATION PONCTUELLE
Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-
Plus en détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détailTerminale S. Terminale S 1 F. Laroche
Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM
Plus en détailx +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.
EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailUniversité Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014
Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailRenseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.
Reseigemets et moitorig. Reseigemets commerciaux et de solvabilité sur les etreprises et les particuliers. ENSEMBLE CONTRE LES PERTES. Reseigemets Creditreform. Pour plus de trasparece. Etreteir des rapports
Plus en détailExamen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot
Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détailUV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1
UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détailProbabilités et statistique pour le CAPES
Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes
Plus en détailUne action! Un message!
Ue actio! U message! Cotact Master est u service exclusif de relaces automatiques de vos actes vers vos cliets, par SMS, messages vocaux, e-mails, courrier... Il se décleche lorsque vous réalisez ue actio
Plus en détailDonnez de la liberté à vos données. BiBOARD. www.biboard.fr
Doez de la liberté à vos doées BiBOARD www.biboard.fr Le décisioel pour tous Le décisioel évolue. L etreprise quelle que soit sa taille, a besoi de piloter so activité à l aide d outils simples, fiables,
Plus en détailDivorce et séparation
Coup d oeil sur Divorce et séparatio Être attetif aux besois de votre efat Divorce et séparatio «Les premiers mois suivat u divorce ou ue séparatio sot très stressats. Votre patiece, votre cohérece et
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailLimites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détailCHAPITRE 2 SÉRIES ENTIÈRES
CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.
Plus en détailLe chef d entreprise développe les services funéraires de l entreprise, en
Le chef d etreprise développe les services fuéraires de l etreprise, e assurat lui-même tout ou partie des activités de vete et e ecadrat directemet le persoel techique et commercial et d exploitatio.
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détailn tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...
Nom:... Préom :... Chaque répose peut valoir : c) 2 poits si le choix est totalemet exact + poit si le choix est partiellemet exact + 0 poit si le choix est erroé + -i poit si le choix est u coeses Ue
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailOne Office Voice Pack Vos appels fixes et mobiles en un seul pack
Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre
Plus en détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détailOptions Services policiers à Moncton Rapport de discussion
Optios Services policiers à Mocto Rapport de discussio Le 22 ovembre 2010 Also available i Eglish TABLE DES MATIÈRES Chapitre 1.0 Sommaire 3 Chapitre 2.0 Problématique 4 Chapitre 3.0 Cotexte 5 Chapitre
Plus en détailInitiation à l analyse factorielle des correspondances
Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique
Plus en détailTélé OPTIK. Plus spectaculaire que jamais.
Télé OPTIK Plus spectaculaire que jamais. Vivez toute la puissace de la télévisio sur IP grâce au réseau OPTIK 1 de TELUS et découvrez-e l extraordiaire potetiel. Télé OPTIK MC vous doe la parfaite maîtrise
Plus en détailDares Analyses. Plus d un tiers des CDI sont rompus avant un an
Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée
Plus en détailStatistique Numérique et Analyse des Données
Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques
Plus en détailLes nouveaux relevés de compte
Ifo CR Les ouveaux relevés de compte Les relevés de compte actuels du Crédit Agricole de Champage-Bourgoge sot issus de la migratio iformatique sur le GIE AMT e 2001 : petit format (mais A4 pour les Professioels),
Plus en détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
Plus en détailRESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)
RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &
Plus en détailLE WMS EXPERT DE LA SUPPLY CHAIN DE DÉTAIL
LE WMS EXET DE LA SULY HAIN DE DÉTAIL QUELS SNT LES ENJEUX DE LA SULY HAIN? garatir la promesse cliet es derières aées, la distributio coaît ue véritable mutatio avec l évolutio des modes de cosommatio.
Plus en détailRECHERCHE DE CLIENTS simplifiée
RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées
Plus en détailExercices de mathématiques
MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris
Plus en détailCompte Sélect Banque Manuvie Guide du débutant
GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détailLES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE
LES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE Qu est-ce que l Écoomie sociale et solidaire? Coopératives Etreprises sociales Scop Fiaceurs sociaux Scic CAE Mutuelles Coopératives d etreprises
Plus en détail3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.
3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios
Plus en détailLa maladie rénale chronique
La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie
Plus en détailComment les Canadiens classent-ils leur système de soins de santé?
Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté
Plus en détailQuand BÉBÉ VOYAGE. Guide pratique sur les précautions à prendre
Quad BÉBÉ VOYAGE Guide pratique sur les précautios à predre Vous partez bietôt pour u log voyage avec votre jeue efat. Quelques précautios sot à predre avat, pedat le déplacemet et durat votre séjour.
Plus en détailII - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1
II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d
Plus en détailSTRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO
Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détailCréation et développement d une fonction audit interne*
Créatio et développemet d ue foctio audit itere* Ue démarche e 10 étapes [ Sommaire] Dix étapes pour réussir... 7 Étapes 1 à 4 Défiitio du cadre d itervetio... 9 1 Idetifier les attetes des parties preates...
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détailRisque de longévité et détermination du besoin en capital : travaux en cours
Risque de logévité et détermiatio du besoi e capital : travaux e cours Frédéric PLANCHET ISFA Laboratoire SAF Versio.6 / Septembre 2008 Sommaire La prise e compte de l expériece propre au groupe das l
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détailMécanismes de protection contre les vers
Mécaismes de protectio cotre les vers Itroductio Au cours de so évolutio, l Iteret a grademet progressé. Il est passé du réseau reliat quelques cetres de recherche aux États-Uis au réseau actuel reliat
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détailPrésentation & organisation du cours. Introduction : décider en milieu industriel. Les méta-heuristiques. Le travail à réaliser
Iformatique idustrielle Présetatio & orgaisatio du cours Itroductio : décider e milieu idustriel les difficultés à affroter «il faut que cela marche!» élémets de gestio de productio et illustratios Les
Plus en détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
Plus en détailUNIVERSITÉ 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 détailNeolane Leads. Neolane v6.0
Neolae Leads Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord. Cette publicatio
Plus en détailSemestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR
Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets
Plus en détailSuites et séries de fonctions
[http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de
Plus en détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en détailMUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB
MUTUELLE D&O MUTUELLE D&O Copilote de votre saté AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyace CRC CRIS CRPB-AFB DOMISSIMO-Assuraces DOMISSIMO-Services FONGECFA-Trasport IPRIAC MUTUELLE D&O OREPA-Prévoyace
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détailProtection de votre réseau d entreprise:
Protectio de votre réseau d etreprise: Que savez-vous exactemet de vos postes fixes et mobiles? White Paper LIVRE BLANC LANDESK: Protectio de votre réseau d etreprise: Que savez-vous exactemet de vos postes
Plus en détailMobile Business. Communiquez efficacement avec vos relations commerciales 09/2012
Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre
Plus en détailFaites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes
Faites prospérer vos affaires grâce aux solutios d éparge et de gestio des dettes Quelques excelletes raisos d offrir des produits bacaires et de fiducie à vos cliets Vous avez la compétece écessaire pour
Plus en détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
Plus en détail