Bureau : 238 Tel : dominique.muller@upmf-grenoble.fr
|
|
- Flore Jobin
- il y a 8 ans
- Total affichages :
Transcription
1 Dominique Muller Laboratoire Inter-universitaire de Psychologie Bureau : 238 Tel : dominique.muller@upmf-grenoble.fr Supports de cours : webcom.upmf-grenoble.fr/lip/perso/dmuller/m2r/acm/
2 Test omnibus et tests de contrastes MA : Err i + β 1 C1 i + β 2 C2 i Dans R : ma<-lm(y~c1+c2,df) summary(ma) Correspond à la comparaison du modèle déclaré et du modèle simple > effet omnibus 2
3 Test omnibus et tests de contrastes MA : MC : Err i + β 1 C1 i + β 2 C2 i Err i L'anova qui nous est donnée correspond à l'effet omnibus (dans Statistica R modèle complet ) La comparaison de modèles sous-jacente, illustre la question traitée ici : Diminue-t-on l'erreur de manière intéressante lorsqu'on prend en compte l'existence des conditions? Ici la réponse est oui mais on ne peut rien dire de plus 3
4 Modèles ANOVA à un facteur (catégoriel) : k > 2 Y i + β 1 C1 i + β 2 C2 i Y i C1 i 1.11C2 i Prédiction pour FBm : Prédiction pour FBnm : Prédiction pour NoFB : Y (2) 1.11(0) Y ( 1) 1.11(1) Y ( 1) 1.11( 1) Ces prédictions sont les moyennes des trois conditions expérimentales Groupe FBm FBnm NoFB Moyenne
5 Tests des contrastes MA : Y i + β 1 C1 i + β 2 C2 i ma<-lm(y~c1+c2,df) confint(ma) 2.5 % 97.5 % (Intercept) c c
6 Tests des contrastes Y i C1 i 1.11C2 i! Interprétation de b : prédiction pour C1 et C2 0, ces deux contrastes étant centrés, cela correspond à une condition moyenne est donc la moyenne 6
7 Tests du contraste 1 Y i C1 i 1.11C2 i -6,26 (FBnm et NoFB) Contraste 1 (FBm) 7
8 Tests des contrastes Y i C1 i 1.11C2 i! Interprétation de b : prédiction pour C1 et C2 0, ces deux contrastes étant centrés, cela correspond à une condition moyenne est donc la moyenne! Interprétation de b : pour toute augmentation d'une unité, notre prédiction diminue de Il y a 3 unités de différence entre FBnm/NoFB et FBm, 6.26 correspond donc à 1/3 de la différence entre la moyenne de FBnm/NoFB et FBm.! Interprétation de b : pour toute augmentation d'une unité, notre prédiction diminue de Il y a 2 unités de différence entre FBnm et NoFB, 1.11 correspond donc à 1/2 de la différence entre la moyenne de FBnm et NoFB. 8
9 Pourquoi une famille de contrastes orthogonaux? Y a-t-il un problème avec le fait d'utiliser des contrastes non orthogonaux? FBm FBnm NoFB C C' Moyenne Y i C1i C '2 i! b 1 devrait être égal à 1/3 de la différence entre et la moyenne de et 54.48, soit Or b , soit 2/3 de la différence entre la moyenne des deux premières conditions et NoFB, soit un contraste 0.5, 0.5, -1! b 2 devrait être égale à 1/2 de la différence entre et 52.26, soit Or b , soit la différence entre FBnm et NoFB, soit un contraste 0, -0.5, 0.5 FBm FBnm NoFB C C.O. Cont. Ortho. FBm FBnm NoFB C.O. Cont. Ortho. C' Oui, il y a un problème, nous ne savons pas ce que nous testons! 9
10 Exemple de codage non orthogonaux : dummy codings FBm FBnm NoFB D D Moyenne Y i + β 1 D1 i + β 2 D2 i Avec un tel codage, la condition codée 0 sur les deux prédicteurs sera opposée à la condition codée 1. Ainsi,! D1 : la condition NoFB est opposée à la condition FBm! D2 : la condition NoFB est opposée à la condition FBnm (NB : R utilise ce type de codage si nous lui donnons une variable catégorielle non-recodée) 10
11 Un codage alternatif : test d'une tendance linéaire Imaginons qu'un chercheur ait comme hypothèse une augmentation linéaire telle que FBm < FBnm < NoFB Nous avons vu que le codage correspondant est 1, 0, 1, donc L 1, 0, 1 Il nous faut également définir un contraste orthogonal à celui-ci pour avoir une famille de contrastes orthogonaux > contraste de tendance quadratique Q -1, 2, -1 FBm FBnm NoFB L Q L teste la tendance linéaire mais c'est aussi le test de la condition FBm contre la condition NoFB Q teste la tendance quadratique mais c'est aussi le test de la condition FBnm contre la moyenne des deux autres conditions Ainsi, pour dire que les données suivent une tendance linéaire, il faudra que le contraste de linéarité soit significatif MAIS pas celui de tendance quadratique 11
12 Modèle à un facteur catégoriel k > 2 : test de linéarité Prédiction pour FBm : Y i + β 1 L i + β 2 Q i Y i L i Q i Y ( 1) ( 1) Prédiction pour FBnm : Y (0) (2) Prédiction pour NoFB : Y (1) ( 1) Ces prédictions sont, là encore, les moyennes des trois conditions expérimentales Groupe FBm FBnm NoFB Moyenne Un arrangement, un découpage, différent pour arriver à une même solution 12
13 Modèle à un facteur catégoriel k > 2 : test de linéarité Groupe FBm FBnm NoFB Moyenne L Q Y i L i Q i 13
14 Test omnibus et tests de contrastes F omnibus identique au découpage précédent Ici encore le contraste qui teste notre hypothèse, la linéarité, est significatif, mais pas celui qui teste la variance résiduelle 14
15 Découpage du SCR (SC effet) total SCR total C2 C1 L Q Y i β β 1.1 C1 i + β 1.2 C2 i Y i β β 2.1 L i + β 2.2 Q i 15
16 Plan Introduction Modèles simples (une VD) Variables continues (une VD et une VI continue) 2 conditions inter-sujets Conditions applications et sujets déviants 2 conditions intra-sujets 3 conditions inter-sujets 3 conditions intra-sujets Inter-sujets k > 3 ANCOVA et Régressions multiples Interaction variable dichotomique et continue (inter-sujets) 2 * 2 Inter-sujets 2 * 2 Intra-sujets 2 * 2 mixtes 2 (intra) * Continue
17 Modèle ANOVA intra à 3 modalités! VI : type d'items positifs (Rien, Compatible et Incompatible)! VD : temps de réaction pour dire si l'item du milieu est positif ou négatif Rien Compatible Incompatible Comme pour les VI inter, pour traiter les VI intra à 3 modalités, utilisation de familles de contrastes orthogonaux Ici deux questions orthogonales : La présence d'un «flanker» augmente-t-elle le temps de réponse? (Q1) Les temps de réponse sont-ils plus lents avec un «flanker» incompatible qu'avec un «flanker» compatible? (Q2)
18 VI intra à 3 modalités : Flanker effect (Fenske et Eastwood, 2003) Première question : La présence d'un «flanker» augmente-t-elle le temps de réponse? Rien Compatible Incompatible Là encore, utilisation d'un contraste pour opposer la première condition aux deux autres Comme nous sommes en intra le contraste renvoie à un calcul sur les trois mesures (trois colonnes) 19
19 VI intra à 3 modalités : première question, premier contraste Modèles pour Q1 : W 1 i + ε 1i Avec : W 1 i ( 2)Rien i + (1)Comp i + (1)Inc i 2Rien i + Comp i + Inc i Tester ce premier contraste revient donc encore une fois à tester la moyenne de W 1 contre 0 (test T pour échantillon unique) 20
20 VI intra à 3 modalités : première question, premier contraste Comparaison de modèles pour Q1 : MC : W 1 i 0 MA : W 1 i 120 SCE C SCE A PRE SCEC SCE SCE C A F SCR SCE ( pa pc) A ( N pa) ( 1 0) ( 6 1) 5.52 Le contraste opposant la condition rien avec les deux autres est donc tendanciel, F(1,5) 5.52, p <.07, PRE.52
21 VI intra à 3 modalités : première question, premier contraste W 1 i + ε1 i Comme pour tous modèles simples, on peut tester b 0 contre 0 en utilisant un test t pour échantillon unique : Le contraste opposant la condition rien avec les deux autres est donc tendanciel, t(5) 2.35, p <.07, PRE.52 Aparté : quand ddl effet 1 > F t PRE F 5.52 ddlerreur F + ddl effet 0.52
22 VI intra à 3 modalités : Flanker effect (Fenske et Eastwood, 2003) Seconde question : Les temps de réponse sont-ils plus lents avec un «flanker» incompatible qu'avec un «flanker» compatible? Rien Compatible Incompatible Là encore, utilisation d'un contraste mais cette fois pour opposer les deux dernières conditions. Soit : W 2 i + ε 2i Avec: W 2 i (0)Rien i + ( 1)Comp i + (1)Inc i Inc i Comp i 23
23 VI intra à 3 modalités : seconde question, second contraste Comparaison de modèles pour Q2 : MC : W 2 i 0 MA : W 2 i 57 SCE C SCE A PRE SCEC SCE SCE C A F SCR SCE ( pa pc) A ( N pa) ( 1 0) ( 6 1) 8.67 Le contraste opposant les conditions Comp et Inc est donc significatif, F(1,5) 8.67, p <.04, PRE.63
24 VI intra à 3 modalités : test omnibus Problème : la formule omnibus W i h δ h h Y hi 2 δ h devait être appliquée pour retrouver le test Recalculons les contrastes, que nous appellerons W1' et W2', mais en utilisant la formule ci-dessus. Ceci nous donne : W1' i ( 2) Rien i ( 2) + (1) Comp 2 + (1) 2 i + (1) + (1) Inc 2 i 2Rien i + Comp 6 i + Inc i W 2' i (0) Rien i + ( 1) Comp (0) 2 + ( 1) 2 i + (1) + (1) Inc 2 i Inc i Comp 2 i Pour le test de W1' : MC : MA : W1' i 0 + ε1 ' c i W1' i + ε1 ' a i SCE C SCE A Pour le test de W2' : MC : W 2' i 0 + ε 2 ' c i MA : W 2' i + ε 2 ' a i SCE C SCE A 5542
25 VI intra à 3 modalités : test omnibus Pour le test omnibus, il nous suffit d'additionner les SC et ddl des 2 contrastes :
26 VI intra à 3 modalités : une raison pour éviter de tester des effets à plus d'1 ddl en intra! " Exemple de comparaison de modèles pour un test à plus d'1 ddl en inter (k 3) MC : Y i MA : Y i + β 1 C1 i + β 2 C2 i Le terme d'erreur utilisé pour le test de l'effet omnibus sera le même que celui que nous aurions utilisé pour les tests à 1 ddl > SCE A " Exemple de test à plus d'1 ddl en intra (k 3) MA : W1' i + ε1 ' a i SCE A1' et MA : W 2' i + ε 2 ' a i SCE A2' 5542 SCE omnibus SCE A1' + SCE A2' Le terme d'erreur utilisé pour le test de l'effet omnibus d'une variable intra est (potentiellement) un composé de deux termes d'erreur totalement différents (ici l'un est plus de deux fois plus grand que l'autre) (note : pas de test vraiment efficace pour voir si cette différence est trop importante)
27 Plan Introduction Modèles simples (une VD) Variables continues (une VD et une VI continue) 2 conditions inter-sujets Conditions applications et sujets déviants 2 conditions intra-sujets 3 conditions inter-sujets 3 conditions intra-sujets Inter-sujets k > 3 ANCOVA et Régressions multiples Interaction variable dichotomique et continue (inter-sujets) 2 * 2 Inter-sujets 2 * 2 Intra-sujets 2 * 2 mixtes 2 (intra) * Continue
28 Test d'un modèle théorique avec facteurs catégoriels k > 3 Y i + β 1 C1 i + β 2 C2 i + β 3 C3 i β k Ck 1 i Nous avons parfois une hypothèse très précise sur ce que nous attendons Exemple de prédiction avec k 4 : 1) Trouver le contraste du modèle théorique 2) Trouver des contrastes pour tester ce qui n'est pas expliqué par le modèle théorique, ce que l'on appelle le résidu ou la variance résiduelle 3) Montrer que le modèle théorique est significatif MAIS pas le(s) résidu(s) 30
29 1) Contraste du modèle théorique Placer des poids correspondant aux «hauteurs» prévues pour chaque condition Prédictions Ensuite, faire de ces poids un code de contraste (centrer) : Pds T Pds TA Pds TV Pds TVA MOY Résultats observés Nous utiliserons donc un contraste appelé «Mod» du type : - 1, 0, 0, 1 31
30 2) Contrastes du résidu Trouver deux contrastes orthogonaux avec le modèle : T TA TV TVA Mod Res k k λmod. k 0 λres1. k 0 Res k λres2. k 0 Vérification de l'orthogonalité deux à deux des contrastes : Mod * Res1 : (-1 * 0) + (0 * 1) + (0 * -1) + (1 * 0) 0 Mod * Res2 : (-1 * -1) + (0 * 1) + (0 * 1) + (1 * -1) 0 Res1 * Res2 : (0 * -1) + (1 * 1) + (-1 * 1) + (0 * -1) 0 Il s'agit donc d'une famille de contrastes orthogonaux, nous pouvons tester le modèle : Chgt i + β 1 Mod i + β 2 Res1 i + β 3 Res2 i (adresse pour trouver des contrastes orthogonaux : 32
31 3a) Test du modèle Test du modèle théorique > simplement le test du contraste lui correspondant : MA : Chgt i + β 1 Mod i + β 2 Res1 i + β 3 Res2 i SCE A MC : Chgt i + β 1 Res1 i + β2res2 i! b est significatif, le changement d'attitude est donc plus fort dans la condition Texte seul (M 34.95) que dans la condition Texte + Audio + Vidéo (M 58.43), t(16) 3.8, p <.002.! Ce contraste seul ne nous en dit pas plus 33
32 3b) Test du résidu 3b) Test du résidu > nous allons mettre ensemble tout ce qui n est pas le modèle théorique : MA : MC : Chgt i + β 1 Mod i + β 2 Res1 i + β 3 Res2 i Chgt i + β 1 Mod i Pour une fois, le logiciel ne fera pas tout seul la comparaison de modèles qui nous intéresse. Comment faire? Nous allons faire les deux modèles (MA et MC), l un après l autre : > SC Erreur SCE A > SC Erreur SCE C 34
33 Trouver la SCE A Chgt i + β 1 Mod i + β 2 Res1 i + β 3 Res2 i Ici, nous faisons «tourner» ce modèle uniquement pour obtenir la SCE > SCE A Note : dans R, après avoir utilisé ma<-lm(chgt~mod+res1+res2,df) La fonction deviance(ma) nous donne directement
34 Trouver la SCE C Chgt i + β 1 Mod i Là encore, nous faisons «tourner» ce modèle uniquement pour obtenir la SCE. ATTENTION : la SCE que nous allons retenir correspond, paradoxalement, à ce que nous appelons habituellement la SCE A > SCE C Dans R, deviance(mc) nous donne directement
35 3b) Test du résidu 3b) Test du résidu > nous allons mettre ensemble tout ce qui n est pas le modèle théorique : MA : Chgt i + β 1 Mod i + β 2 Res1 i + β 3 Res2 i SCE A MC : Chgt i + β 1 Mod i SCE C Test du résidu > SCR SCE C SCE A F SCR SCE ( pa pc) A ( N pa) ( 4 2) ( 20 4) 0.31! Modèle significatif ET résidu non significatif > hypothèse vérifiée! Nous pourrions également être encore plus durs avec nous-mêmes en testant le F du résidu avec un ddl de l effet 1 > dans ce cas F(1,16)
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailRÉSOLUTION DE SYSTÈMES À DEUX INCONNUES
RÉSOLUTION DE SYSTÈMES À DEUX INCONNUES Sommaire 1 Méthodes de résolution... 3 1.1. Méthode de Substitution... 3 1.2. Méthode des combinaisons linéaires... 6 La rubrique d'aide qui suit s'attardera aux
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailQuelques rappels concernant la méthode expérimentale
Quelques rappels concernant la méthode expérimentale 1. La Méthode expérimentale : Définition. Une définition classique de la méthode expérimentale est qu elle «correspond à la méthode d investigation
Plus en détailCours 9 : Plans à plusieurs facteurs
Cours 9 : Plans à plusieurs facteurs Table des matières Section 1. Diviser pour regner, rassembler pour saisir... 3 Section 2. Définitions et notations... 3 2.1. Définitions... 3 2.2. Notations... 4 Section
Plus en détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détailSAS ENTERPRISE MINER POUR L'ACTUAIRE
SAS ENTERPRISE MINER POUR L'ACTUAIRE Conférence de l Association des Actuaires I.A.R.D. 07 JUIN 2013 Sylvain Tremblay Spécialiste en formation statistique SAS Canada AGENDA Survol d Enterprise Miner de
Plus en détailAnalyse statistique de données qualitatives et quantitatives en sciences sociales : TP RÉGRESSION LOGISTIQUE (MODÈLES CHAPITRE 1)
Analyse statistique de données qualitatives et quantitatives en sciences sociales : TP RÉGRESSION LOGISTIQUE (MODÈLES CHAPITRE 1) Modèles de régression logistique à réaliser Une explicative catégorielle
Plus en détailRégression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr
Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R
Plus en détailRapport d'expérience final
Rapport d'expérience final Ricci Arnaud et Garretas Victor 1 juin 2015 Table des matières Introduction Problématique Cadre théorique et résultats précédents Hypothèses générales Méthodologie Participants
Plus en détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
Plus en détailCritère du choix des variables auxiliaires à utiliser dans l'estimateur par calage
des variables auxiliaires à utiliser dans l'estimateur par calage Mohammed El Haj Tirari Institut National de Statistique et d'economie Appliquée - roc Laboratoire de Statistique d'enquêtes, CREST - Ensai
Plus en détailEvaluation de la variabilité d'un système de mesure
Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailLES DÉTERMINANTS DE MATRICES
LES DÉTERMINANTS DE MATRICES Sommaire Utilité... 1 1 Rappel Définition et composantes d'une matrice... 1 2 Le déterminant d'une matrice... 2 3 Calcul du déterminant pour une matrice... 2 4 Exercice...
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailSTATISTIQUES. UE Modélisation pour la biologie
STATISTIQUES UE Modélisation pour la biologie 2011 Cadre Général n individus: 1, 2,..., n Y variable à expliquer : Y = (y 1, y 2,..., y n ), y i R Modèle: Y = Xθ + ε X matrice du plan d expériences θ paramètres
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailIntroduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.
Introduction L'objectif de mon TIPE est la reconnaissance de sons ou de notes de musique à l'aide d'un réseau de neurones. Ce réseau doit être capable d'apprendre à distinguer les exemples présentés puis
Plus en détailLE PROBLÈME DE RECHERCHE ET LA PROBLÉMATIQUE
LE PROBLÈME DE RECHERCHE ET LA PROBLÉMATIQUE Un problème de recherche est l écart qui existe entre ce que nous savons et ce que nous voudrions savoir à propos d un phénomène donné. Tout problème de recherche
Plus en détailUne variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants)
CIVILITE-SES.doc - 1 - Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants) 1 PRÉSENTATION DU DOSSIER CIVILITE On s intéresse
Plus en détailLe Modèle Linéaire par l exemple :
Publications du Laboratoire de Statistique et Probabilités Le Modèle Linéaire par l exemple : Régression, Analyse de la Variance,... Jean-Marc Azaïs et Jean-Marc Bardet Laboratoire de Statistique et Probabilités
Plus en détailMises en relief. Information supplémentaire relative au sujet traité. Souligne un point important à ne pas négliger.
Cet ouvrage est fondé sur les notes d un cours dispensé pendant quelques années à l Institut universitaire de technologie de Grenoble 2, au sein du Département statistique et informatique décisionnelle
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailModèle de calcul des paramètres économiques
Modèle de calcul des paramètres économiques selon norme SIA 480 Calcul de rentabilité pour les investissements dans le bâtiment Version 3.2 1. Introduction 1.1 Version Excel Le modèle de calcul a été développé
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailService formation permanente locale. Cahier des charges : «HABILITATIONS ELECTRIQUES FORMATIONS INTIALES ET RECYCLAGES»
Service formation permanente locale Cahier des charges : «HABILITATIONS ELECTRIQUES FORMATIONS INTIALES ET RECYCLAGES» Décembre 2013 1 Contexte A. Le centre L Institut National de la Recherche Agronomique
Plus en détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détailChapitre 1 I:\ Soyez courageux!
Chapitre 1 I:\ Soyez courageux! Pour ne rien vous cacher, le langage d'assembleur (souvent désigné sous le terme "Assembleur", bien que ce soit un abus de langage, puisque "Assembleur" désigne le logiciel
Plus en détailAnalyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9
Analyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9 L analyse de variance à un facteur permet de vérifier, moyennant certaines hypothèses, si un facteur (un critère de classification,
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailBIOSTATISTIQUES AVANCEES PLAN. Quelques références. Master Biologie Intégrative 1 ère année
Master Biologie Intégrative 1 ère année 1 BIOSTATISTIQUES AVANCEES Yves Desdevises! Observatoire Océanologique de Banyuls-sur-Mer (www.obs-banyuls.fr)! 04 68 88 73 13! desdevises@obs-banyuls.fr! http://desdevises.free.fr
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailLa correction des erreurs d'enregistrement et de traitement comptables
La correction des erreurs d'enregistrement et de traitement comptables Après l'étude des différents types d'erreurs en comptabilité (Section 1) nous étudierons la cause des erreurs (Section 2) et les techniques
Plus en détailComment enregistrer simplement toute musique restituée par votre PC
Comment enregistrer simplement toute musique restituée par votre PC Il s'agit, vous l'avez compris d'enregistrer tout ce qui passe par la carte son de votre machine : musique ou paroles, chansons ou commentaires
Plus en détail1. Introduction... 2. 2. Création d'une macro autonome... 2. 3. Exécuter la macro pas à pas... 5. 4. Modifier une macro... 5
1. Introduction... 2 2. Création d'une macro autonome... 2 3. Exécuter la macro pas à pas... 5 4. Modifier une macro... 5 5. Création d'une macro associée à un formulaire... 6 6. Exécuter des actions en
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailAnalyse discriminante et régression logistique: application au cas de l innovation pour les entreprises du Canton du Tessin
Analyse discriminante et régression logistique: application au cas de l innovation pour les entreprises du Canton du Tessin Sandro Petrillo Université de Neuchâtel - Diplôme Postgrade en Statistique Projet
Plus en détailCHAPITRE VIII : Les circuits avec résistances ohmiques
CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On
Plus en détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en détailFaille PayPal sous Magento ou comment faire ses achats (presque) gratuitement
NBS System : Advisory sur la faille Magento / PayPal Le 19/04/2012 par Antonin le Faucheux Versions affectées : EE pré 1.10.1 et CE pré 1.5, site proposants PayPal Faille PayPal sous Magento ou comment
Plus en détailSTA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes
STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités
Plus en détailInitiation à la comptabilité Hellodoc 4.56. Niveau : normal à confirmé
Initiation à la comptabilité Hellodoc 4.56 Niveau : normal à confirmé Ca y est, vous avez décidé de franchir le grand pas et d'utiliser cette année la comptabilité de Hellodoc. Dans HD5, il s'agit toujours
Plus en détail2.1 Le point mémoire statique Le point mémoire statique est fondé sur le bistable, dessiné de manière différente en Figure 1.
Mémoires RAM 1. LOGIUE STATIUE ET LOGIUE DYNAMIUE Le point mémoire est l élément de base, capable de mémoriser un bit. Il y a deux approches possibles. L approche statique est fondée sur la l'utilisation
Plus en détailBiostatistiques : Petits effectifs
Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l
Plus en détailConnecter un PC sur une TV.
Connecter un PC sur une TV. Mode opératoire pour connecter un poste de téléviseur sur un ordinateur. Vous devez posséder une carte graphique avec une sortie TV (TV-Out). Il vous faudra également un cable
Plus en détailT de Student Khi-deux Corrélation
Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailChapitre 4 : Régression linéaire
Exercice 1 Méthodes statistiques appliquées aux sciences sociales (STAT-D-203) Titulaire : Catherine Vermandele Chapitre 4 : Régression linéaire Le diplôme de Master of Business Administration ou MBA est
Plus en détailIBM SPSS Regression 21
IBM SPSS Regression 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 46. Cette version s applique à IBM SPSS Statistics
Plus en détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détailOrganisation de dispositifs pour tous les apprenants : la question de l'évaluation inclusive
Organisation de dispositifs pour tous les apprenants : la question de l'évaluation inclusive Transcription et traduction de la communication de Verity DONNELLY colloque Éducation inclusive, la question
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailComparer l intérêt simple et l intérêt composé
Comparer l intérêt simple et l intérêt composé Niveau 11 Dans la présente leçon, les élèves compareront divers instruments d épargne et de placement en calculant l intérêt simple et l intérêt composé.
Plus en détailExemples d application
AgroParisTech Exemples d application du modèle linéaire E Lebarbier, S Robin Table des matières 1 Introduction 4 11 Avertissement 4 12 Notations 4 2 Régression linéaire simple 7 21 Présentation 7 211 Objectif
Plus en détailUNIVERSITÉ DE MONTRÉAL DÉPARTEMENT DE SOCIOLOGIE ************* Cours de niveau gradué en méthodes quantitatives *************
************* Cours de niveau gradué en méthodes quantitatives ************* SOL 6210 - Analyse quantitative avancée Le séminaire d analyse quantitative avancée se donne en classe une fois par année. Chaque
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détail(Customer Relationship Management, «Gestion de la Relation Client»)
(Customer Relationship Management, «Gestion de la Relation Client») Les Banques et sociétés d assurance sont aujourd'hui confrontées à une concurrence de plus en plus vive et leur stratégie " clientèle
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailEric Bertrand ebertrand@ixis-cib.com. 08/11/06 Maître de conférence 1
Calcul parallèle des options MC. Eric Bertrand ebertrand@ixis-cib.com 1 Plan Contexte du calcul parallèle Qualités requises Architecture Outillage Problèmes rencontrés perspectives 2 Contexte du calcul
Plus en détailProjet SINF2275 «Data mining and decision making» Projet classification et credit scoring
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems
Plus en détailGuide d'utilisation EMP Monitor
Guide d'utilisation EMP Monitor Signification des symboles utilisés 1 Attention Signale un risque de blessure corporelle ou de dommage au projecteur. N.B. Informations supplémentaires qu'il peut être utile
Plus en détailEFFICACITE DE LA RPP DANS LA DÉTECTION DE SUBSTANCES ISSUES DES FAMILLES DU MDMA, DES AMPHETAMINES ET DES HALLUCINOGENES TYPE 2CB RECUEILLIES EN MILIEU FESTIF PRADEILLE J.L.*, CHAKROUN N.**, BELTRAN V.*,
Plus en détailChaine de transmission
Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailDes goûts et des couleurs ou Quel crédit accorder aux «tests» dans le secteur de la consommation? 1
Des goûts et des couleurs ou Quel crédit accorder aux «tests» dans le secteur de la consommation? 1 Ce texte aurait tout aussi bien pu s'intituler «La généralisabilité et la fondue». En effet, l'idée des
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailGuide de l'utilisateur NaviPlan : Calculatrices (Volume II sur VI)
Guide de l'utilisateur NaviPlan : Calculatrices (Volume II sur VI) Version canadienne - NaviPlan v15.0 Droits d'auteur et droits de marques de commerce Droit d'auteur 2013-2014 Advicent LP et ses filiales
Plus en détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailLes effets d une contrainte de crédit sur la convergence économique : Le cas des pays de l UEMOA
Les effets d une contrainte de crédit sur la convergence économique : Le cas des pays de l UEMOA Auteurs : Abdoulaye DIAGNE et Abdou-Aziz NIANG Introduction Ceci devrait contribuer à réduire l écart entre
Plus en détail1 sur 5 10/06/14 13:10
Time Machine est un outil proposé par Mac OS depuis sa version 10.5 (Leopard) et qui permet d'effectuer des sauvegardes de votre disque dur de manière régulière. Mais au-delà de la simple sauvegarde périodique,
Plus en détail3-La théorie de Vygotsky Lev S. VYGOTSKY (1896-1934)
3-La théorie de Vygotsky Lev S. VYGOTSKY (1896-1934) Psychologue russe contemporain de Piaget, a également élaboré une théorie interactionniste de l'apprentissage, sage, mais qui insiste sur tout sur la
Plus en détailLimitations of the Playstation 3 for High Performance Cluster Computing
Introduction Plan Limitations of the Playstation 3 for High Performance Cluster Computing July 2007 Introduction Plan Introduction Intérêts de la PS3 : rapide et puissante bon marché L utiliser pour faire
Plus en détailApplication sur le Dispositif en Blocs Complètement Randomisés
Roger Vumilia. KIZUNGU Directeur de l Expérimentation Agricole à l INERA Professeur Associé Faculté des Sciences Agronomiques Université de Kinshasa Utilisation des Logiciels de base dans la Recherche
Plus en détailAnalyse des correspondances avec colonne de référence
ADE-4 Analyse des correspondances avec colonne de référence Résumé Quand une table de contingence contient une colonne de poids très élevé, cette colonne peut servir de point de référence. La distribution
Plus en détailUtiliser Subversion (SVN) avec Tortoise
Utiliser Subversion (SVN) avec Tortoise (source: Jonathan Petitcolas - http://www.jonathan-petitcolas.com/utilisersubversion-svn-avec-tortoise/) Initialement destiné à mes associés, j'ai décidé de vous
Plus en détailLes tests logiques avec Excel
1. La fonction SI (test simple) : Les tests logiques avec Excel a) Nous aimerions qu'excel nous avertisse dés qu'une certaine valeur est atteinte, par exemple en affichant un message d'avertissement. Nous
Plus en détailTP : Shell Scripts. 1 Remarque générale. 2 Mise en jambe. 3 Avec des si. Systèmes et scripts
E3FI ESIEE Paris Systèmes et scripts B. Perret TP : Shell Scripts 1 Remarque générale Lorsque vous cherchez des informations sur Internet, n'oubliez pas que langage de shell script que nous avons vu correspond
Plus en détailLE PROBLEME DU PLUS COURT CHEMIN
LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs
Plus en détailComplexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation
Complexité Objectifs des calculs de complexité : - pouvoir prévoir le temps d'exécution d'un algorithme - pouvoir comparer deux algorithmes réalisant le même traitement Exemples : - si on lance le calcul
Plus en détailLa conversion de données : Convertisseur Analogique Numérique (CAN) Convertisseur Numérique Analogique (CNA)
La conversion de données : Convertisseur Analogique Numérique (CAN) Convertisseur Numérique Analogique (CNA) I. L'intérêt de la conversion de données, problèmes et définitions associés. I.1. Définitions:
Plus en détailL évaluation du transfert des apprentissages suite à un programme de perfectionnement
L évaluation du transfert des apprentissages suite à un programme de perfectionnement Johann Jacob, M.A.P. et Richard Marceau, Ph. D. Centre de recherche et d expertise en évaluation (CREXE) Colloque annuel
Plus en détailEnregistrement et transformation du son. S. Natkin Novembre 2001
Enregistrement et transformation du son S. Natkin Novembre 2001 1 Éléments d acoustique 2 Dynamique de la puissance sonore 3 Acoustique géométrique: effets de diffusion et de diffraction des ondes sonores
Plus en détailImputation du salaire d ego dans TeO
Imputation du salaire d ego dans TeO Objet de la note : linéariser la réponse en tranche du salaire, et imputer le salaire en cas de non réponse Champ et principe de la méthode Les individus qui se sont
Plus en détailIntroduire un nouveau type de maille ou un nouvel élément de référence
Titre : Introduire un nouveau type de maille ou un nouvel [...] Date : 05/10/2012 Page : 1/11 Introduire un nouveau type de maille ou un nouvel élément de référence Résumé : Ce document décrit ce qu il
Plus en détailCHAPITRE 5. Stratégies Mixtes
CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,
Plus en détailPrésentation du projet de la médiathèque de Mauguio
Présentation du projet de la médiathèque de Mauguio Ce projet nous donne l opportunité de tester des scénarios auxquels nous réfléchissons depuis l ouverture de notre portail en octobre 2008 et la mise
Plus en détailTrajet d'une recette payée par un tiers (2)
Trajet d'une recette payée par un tiers (2) niveau : confirmé Nous avons vu dans l'article précédent la saisie d'une recette en mode "tierspayant" dans le dossier-patient. Il est déjà possible d'aller
Plus en détailLES AMORTISSEMENTS : CALCULS ENREGISTREMENTS
LES AMORTISSEMENTS : CALCULS ENREGISTREMENTS PRESENTATION DES MODES D AMORTISSEMENT Exemple 1 : CAS D UN AMORTISSEMENT VARIABLE On acquiert le 04/08/N une machine-outil pour une valeur HT de. Cette machine,
Plus en détailRencontre des personnes-ressources en déficience motrice et organique RÉCIT MST - RÉCIT Adaptation scolaire Pierre Couillard
Rencontre des personnes-ressources en déficience motrice et organique RÉCIT MST - RÉCIT Adaptation scolaire Pierre Couillard Pylote (http://pascal.peter.free.fr/?17/pylote) Logiciels d aide en mathématique
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détail