ACP Voitures 1- Méthode

Dimension: px
Commencer à balayer dès la page:

Download "ACP Voitures 1- Méthode"

Transcription

1 acp=princomp(voit,cor=t) ACP Voitures 1- Méthode Call: princomp(x = voit, cor = T) Standard deviations: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp variables and 24 observations.

2 ACP Voitures 1- Méthode summary(acp) Importance of components: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Standard deviation Proportion of Variance Cumulative Proportion Comp.6 Standard deviation Proportion of Variance Cumulative Proportion Rq : sum(acp$sdev^2)=6

3 ACP Voitures 2- Choix du nombre d axes Critère de Kaiser : (acp$sdev)^2 Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp On ne retient que la première composante qui retient 77,6% de l inertie totale

4 ACP Voitures 2- Choix du nombre d axes Critère du coude : plot(acp) On sélectionne deux axes, représentant 92,8% de l inertie totale.

5 ACP Voitures 2- Choix du nombre d axes Scree-test de Catell list(acp$sdev^2,diff(acp$sdev^2),diff(diff(acp$sdev^2))) [[1]] Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp [[2]] Comp.2 Comp.3 Comp.4 Comp.5 Comp [[3]] Comp.3 Comp.4 Comp.5 Comp Conduit à retenir 3 composantes

6 ACP Voitures 2- Choix du nombre d axes Conclusion : Un bon compromis est de considérer deux composantes, représentant à peu près 93% de l inertie totale.

7 ACP Voitures 3- Etude de l axe 1 Individus : Contribuent essentiellement les individus dont les coordonnées sur l axe 1 (composantes principales) sont > en valeur absolue à la racine de la valeur propre d ordre 1, égale à , sous réserve qu ils soient bien représentés sur l axe.

8 ACP Voitures 3- Etude de l axe 1 qlt=(acp$scores^2/apply(acp$scores^2,1, sum))[,1] tab=cbind(contrib=acp$scores[,1],qlt) tab1=tab[tab[,1]<0,] tab2=tab[tab[,1]>0,] contrib qlt Renault_ Bmw_530i Rover_827i Renault_ Opel_Omega Peugeot_405_Break Ford_Sierra Bmw_325iX Audi_90_Quattro Ford_Scorpio Renault_Espace VW_Caravelle contrib qlt Honda_Civic Renault_ Fiat_Tipo Peugeot_ Citroen_BX Nissan_Vanette Ford_Fiesta Fiat_Uno Peugeot_ Peugeot_205_Rallye Seat_Ibiza_SX_I Citroen-ax-sport

9 ACP Voitures 3- Etude de l axe 1 L'axe 1 oppose la Bmw 530i, la Rover 827i, la Renault 25 et la Ford Scorpio à la Fiat Uno, la Ford Fiesta, la Citroen-ax-sport, la Peugeot 205 Rallye et la Peugeot 205 et éventuellement Seat Ibiza SX I et le Honda Civic, c est à dire les grosses berlines aux citadines. Tous les modèles sont assez bien représentés sur l'axe 1, à part la Nissan Vanette, la Peugeot_405 et la Renault 21.

10 Vitesse Bmw_325iX Peugeot_205_Rallye Citroen-ax-sport Audi_90_Quattro Comp Puissance Bmw_530i Rover_827i Cylindre Poids Longueur Largeur Renault_25 Ford_Scorpio Seat_Ibiza_SX_I Peugeot_205 Honda_Civic Peugeot_405_Break Fiat_Uno Renault_19 Citroen_BX Ford_Sierra Peugeot_405 Fiat_Tipo Renault_21 Opel_Omega Renault_Espace Ford_Fiesta Nissan_Vanette VW_Caravelle Comp.1

11 ACP Voitures 3- Etude de l axe 1 Variables : On retient les variables telles que la coordonnée de u1 (premier vecteur propre) est supérieur en valeur absolue à 1/racine(nombre de variables)= Il n y a pas de problème de représentativité car ce sont les variables qui contribuent le plus qui sont le mieux représentées. loadings(acp)[,1] Cylindre Puissance Vitesse Poids Longueur Largeur [1,] L axe1 isole les modèles ayant de fortes valeurs de toutes leurs caractéristiques aux autres (effet taille)

12 ACP Voitures 3- Etude de l axe 1 Conclusion pour l axe 1: l axe 1 est un axe de «taille». Il oppose les grosses berlines puissantes et de grande dimension aux citadines de faible dimension et peu puissantes.

13 ACP Voitures 4- Etude de l axe 2 Individus : Contribuent essentiellement les individus dont les coordonnées sur l axe 2 (composantes principales) sont > en valeur absolue à la racine de la valeur propre d ordre 2, égale à , sous réserve qu ils soient bien représentés sur l axe.

14 ACP Voitures 4- Etude de l axe 2 qlt=(acp$scores^2/apply(acp$scores^2,1,su m))[,2] tab=cbind(contrib=acp$scores[,2],qlt) tab1=tab[tab[,1]<0,] contrib qlt Renault_ e-02 Fiat_Tipo e-02 Peugeot_ e-01 Renault_ e-01 Citroen_BX e-02 Opel_Omega e-01 Ford_Sierra e-01 Ford_Scorpio e-03 Renault_Espace e-01 Nissan_Vanette e-01 VW_Caravelle e-01 Ford_Fiesta e-02 Fiat_Uno e-05 tab2=tab[tab[,1]>0,] contrib qlt Honda_Civic Bmw_530i Rover_827i Renault_ Peugeot_405_Break Bmw_325iX Audi_90_Quattro Peugeot_ Peugeot_205_Rallye Seat_Ibiza_SX_I Citroen-ax-sport

15 ACP Voitures 4- Etude de l axe 2 L axe 2 oppose les voitures familiales (vans ou volumineuses) - VW caravelle, Nissan caravelles et accessoirement ford fiesta et renault espace-, aux sportives (et accessoirement routières) - Bmw_325iX, Audi_90_Quattro Peugeot_205_Rallye, Seat_Ibiza_SX_I et Citroen-axsport -

16 Vitesse Bmw_325iX Peugeot_205_Rallye Citroen-ax-sport Audi_90_Quattro Comp Puissance Bmw_530i Rover_827i Cylindre Poids Longueur Largeur Renault_25 Ford_Scorpio Seat_Ibiza_SX_I Peugeot_205 Honda_Civic Peugeot_405_Break Fiat_Uno Renault_19 Citroen_BX Ford_Sierra Peugeot_405 Fiat_Tipo Renault_21 Opel_Omega Renault_Espace Ford_Fiesta Nissan_Vanette VW_Caravelle Comp.1

17 ACP Voitures 4- Etude de l axe 2 Variables : On retient les variables telles que la coordonnée de u2 (deuxième vecteur propre) est supérieur en valeur absolue à 1/racine(nombre de variables)= Il n y a pas de problème de représentativité car ce sont les variables qui contribuent le plus qui sont le mieux représentées.

18 ACP Voitures 4- Etude de l axe 2 tab1=loadings(acp)[loadings(acp)[, 2]<0,2] tab2=loadings(acp)[loadings(acp)[,2]> 0,2] Poids Longueur Largeur Cylindre Puissance Vitesse

19 ACP Voitures 4- Etude de l axe 2 Conclusion : L axe 2 oppose les voitures familiales (VW caravelle, Nissan caravelles et accessoirement ford fiesta et renault espace), imposantes mais lentes aux sportives (Bmw_325iX,Audi_90_Quattro Peugeot_205_Rallye, Seat_Ibiza_SX_I et Citroen-axsport), de petit gabarit (moins larges que la moyenne et aussi accessoirement moins longues et moins lourdes) mais roulant vite et puissantes.

20 Classification 1- Méthode Ici, il y a peu d individus et n-p est raisonnable. La méthode la plus appropriée est la CAH. On va utiliser la métrique inverse des écartstypes (tableau centré réduit, puis utilisation de la métrique Euclidienne), et la distance de Ward comme stratégie d agrégation. >voi=scale(voit)*sqrt(24/23) On peut vérifier que l inertie du nuage de points individus=nombre de variables (car le tableau est centré réduit ): > sum(voi^2)/24 [1] 6

21 Classification 1- Méthode > cl=hclust(dist(voi)^2, method="ward") Perte d inertie inter-classes (distance d agrégation) à chaque agrégation : >dib=cl$height/48 [1] [7] [13] [19]

22 Classification on vérifie: >sum(dib) [1] 6 Ainsi, l inertie interclasses passe de 6 (=inertie totale) à 6- sum(dib)=0.

23 Classification 2- Choix du nombre de classes Pourcentage d inertie inter conservé à chaque itération > r2=(6-cumsum(dib))/6;r2 [1] e e e e e-01 [6] e e e e e-01 [11] e e e e e-01 [16] e e e e e-01 [21] e e e-16 >r2=r2[24-1:24] > plot(r2,type="b", main="r² : % de variance inter expliquée", cex=0.5, xlab=«nombre de classes")

24 Classification 2- Choix du nombre de classes Pourcentage de variation perdu à chaque itération > sprs2=dib/6;sprs2 [1] [6] [11] [16] [21] >sprs=sprs2[24-1:24] > plot(sprs2,type="b", cex=0.5, main="r² semi-partiel",xlab=«nombre de classes")

25 Classification 2- Choix du nombre de classes

26 Dendogramme

27 Classification 2- Choix du nombre de classes Conclusion : Avec le R2 : La première chute notable du % de variance interclasses eu lieu au passage de 7 à 6 classes, où l on passe de 91% à 87% de l inertie totale. Un deuxième décrochement du % de variance interclasses a lieu lorsque l on passe à deux classes. Jusqu à 3 classes, la perte d inertie inter est tolérable 3 classes restituent encore 75% de l inertie totale (ie, de l information contenue dans les données). Il semble que le bon choix soit 7 classes, mais si cela fait trop ou qu elles ne sont pas interprétables, on peut en choisir 3. Avec le R2 semi-partiel : le pic suivi d un creux dans le graphe se fait au passage de 6 à 7 classes, ensuite la perte est beaucoup trop importante, ce qui conduit par ce critère à choisir 7 classes. On retrouve un saut sur le dendogramme au passage de 7 à 6 classes.

28 Classification 3- Identification des classes >plot(cl,hang=-1,cex=0.7); rect.hclust(cl, k=7, border="red"); rect.hclust(cl, k=7, border=«blue")

29 Classification 3- Identification des classes Vérification de la stabilité des classes par partitionnement km=kmeans(voi,7) ; sort(km$cluster) Renault_19 Fiat_Tipo Peugeot_405 Renault_ Citroen_BX Bmw_325iX Audi_90_Quattro Opel_Omega Peugeot_405_Break Ford_Sierra Renault_Espace Honda_Civic Peugeot_205_Rallye Seat_Ibiza_SX_I Citroen-ax-sport Bmw_530i Rover_827i Renault_25 Ford_Scorpio Ford_Fiesta Fiat_Uno Peugeot_205 Nissan_Vanette VW_Caravelle

30 Classification 3- Identification des classes

31 Classification 3- Identification des classes C1(n=4) C4 C2(n=5) C1 C3(n=4) C5 C4(n=4) C3 C5(n=2) C2 C6(n=2) C7 C7(n=3) Petites Berlines Grandes volumin routières vans petites sportives moyennes routières euses Honda_Civic Peugeot_205 _Rallye Seat_Ibiza_S X_I Citroen-axsport Renault_19 Fiat_Tipo Peugeot_405 Renault_21 Citroen_BX Bmw_530i Rover_827i Renault_25 Ford_Scorpio Opel_Omega Peugeot_405 _Break Ford_Sierra Renault_Esp ace Bmw_325iX Audi_90_Qu attro Nissan_Vane tte VW_Caravell e C6 Ford_Fiesta Fiat_Uno Peugeot_205

32 Classification 4- Caractérisation Calcul des moyennes par classes sur le tableau centré réduit > km$center (classes de la k-means) Cylindre Puissance Vitesse Poids Longueur Largeur On compare les moyennes à 0.

33 Classification 4- Caractérisation Calcul de l excentricité des classes= distance renormalisée du centre de gravité de la classe au centre de gravité du nuage= distance du centre de gravité du tableau centré réduit à 0 apply(km$centers^2,1,sum) Calcul des moyennes par classes du tableau brut tab= cbind(voit,class=cutree(cl,k=7)) t=matrix(rep(0,49),7,7) for(i in 1:7){t[i,]= apply(tab[which(tab[,7]==i),],2,mean)}

34 Classification 4- Caractérisation Moyennes brutes (avec classes de la CAH) C1 C2 C3 C4 C5 C6 C7 total Cylindre Puissance Vitesse Poids Longueur Largeur excentricité

35 Classification 4- Caractérisation

36 Classification 5- Représentation dans les axes factoriels de l ACP (programme n 3 du cours modifié cl=hclust(dist(voi), method="ward") p = princomp(voi) u = p$loadings x = (t(u) %*% t(voi))[1:2,] x = t(x) plot(x, col=cutree(cl, k=7), pch=3, lwd=3, xlab="caractéristiques fortes--- faibles", ylab="volumineuses---puissantes") text( x[,1], x[,2], attr(x, "dimnames")[[1]],col=cutree(cl, k=7),cex=0.7 )

37

38 Classification

39 Discrimination >tab= cbind(voit,class=cutree(cl,k=7)) >library(mass) >a=lda(class~cylindre+puissance+vitesse+poids+longueur+largeur,dat a=tab) Call: lda(class ~ Cylindre + Puissance + Vitesse + Poids + Longueur + Largeur, data = tab) Prior probabilities of groups:

40 Discrimination Group means: Cylindre Puissance Vitesse Poids Longueur Largeur

41 Discrimination Coefficients of linear discriminants: LD1 LD2 LD3 LD4 LD5 Cylindre Puissance Vitesse Poids Longueur Largeur

42 Discrimination Proportion of trace: LD1 LD2 LD3 LD4 LD5 LD Deux axes conservent à peu près 87% de l information donc on n interprètera que les deux premiers axes.

43 Discrimination > rbind(a$mean,mean(voi)) Cylindre Puissance Vitesse Poids Longueur Largeur

44 Discrimination > D=matvoi%*%a$scaling > cor(voi,d[,1:2]) LD1 LD2 Cylindre Puissance Vitesse Poids Longueur Largeur L axe 1 oppose les voitures dont les caractéristiques sont faibles à celles dont toutes les caractéristiques sont fortes. L axe 2 oppose les voitures lourdes et peu rapides aux autres.

45 Discrimination >plot(a, col = as.numeric(tab[,7]),dimen=2,xlab="faible-----forte",ylab=" lourdes et lentes")

46 Discrimination

Il y a 24 individus en ligne (les modèles de voitures) et 6 variables en colonnes (paramètres mécaniques). Valeurs propres

Il y a 24 individus en ligne (les modèles de voitures) et 6 variables en colonnes (paramètres mécaniques). Valeurs propres VOITURE: On étudie 6 différents paramètres mécaniques (les variables), exprimées dans des unités différentes, de 24 modèles de voitures (les individus). Modèle Cylindre Puissance Vitesse Poids Longueur

Plus en détail

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

Plus en détail

TD2 Gestion de la relation clientèle

TD2 Gestion de la relation clientèle TD2 Gestion de la relation clientèle Prof. Christophe Sempels Contexte Année 1980 27 modèles de voitures analysés Caractéristiques spécifiées : CV, prix, cylindrée, puissance, vitesse, longueur, prime

Plus en détail

Commentaires sur le 9ème Palmarès / avril 2013

Commentaires sur le 9ème Palmarès / avril 2013 Commentaires sur le 9ème Palmarès / avril 2013 1423 versions de 215 modèles de 42 marques Le classement de la voiture citoyenne établi avec les modèles et les versions disponibles le 1 er décembre 2012

Plus en détail

Ricco.Rakotomalala http://eric.univ-lyon2.fr/~ricco/cours

Ricco.Rakotomalala http://eric.univ-lyon2.fr/~ricco/cours Ricco.Rakotomalala http://eric.univ-lyon2.fr/~ricco/cours R.R. Université Lyon 2 1 Fichier de données Prédiction de la consommation de véhicules (1) Prédire la consommation des véhicules à partir de ses

Plus en détail

Mastertitelformat bearbeiten. Indice de marché AutoScout24 Décembre 2013. Flamatt 10.01.2014. www.autoscout24.ch

Mastertitelformat bearbeiten. Indice de marché AutoScout24 Décembre 2013. Flamatt 10.01.2014. www.autoscout24.ch Mastertitelformat bearbeiten www.autoscout24.ch Indice de marché AutoScout24 Décembre 2013 Flamatt 10.01.2014 Page 1 Titre de la présentation Auteur de la présentation Occasions selon type de carrosserie

Plus en détail

Quelques analyses simples avec R en écologie des communautés

Quelques analyses simples avec R en écologie des communautés Jérôme Mathieu janvier 2007 Quelques analyses simples avec R en écologie des communautés 1 Visualisation des données... 2 Aperçu rapide d'un tableau de données... 3 Visualiser les corrélations entre des

Plus en détail

Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI

Déroulement 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 détail

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et

Plus en détail

PLAN. Ricco Rakotomalala Tutoriels Tanagra - http://tutoriels-data-mining.blogspot.fr/ 2

PLAN. Ricco Rakotomalala Tutoriels Tanagra - http://tutoriels-data-mining.blogspot.fr/ 2 Apprentissage non-supervisé ou apprentissage multi-supervisé? Ricco RAKOTOMALALA Tutoriels Tanagra - http://tutoriels-data-mining.blogspot.fr/ PLAN. Classification automatique, typologie, etc.. Interprétation

Plus en détail

Etude comparative de la classification ascendante hiérarchique et de la classification floue pour identifier cinq familles de voitures

Etude comparative de la classification ascendante hiérarchique et de la classification floue pour identifier cinq familles de voitures Etude comparative de la classification ascendante hiérarchique et de la classification floue pour identifier cinq familles de voitures Geneviève PAVIOT Maître de Conférences en Gestion 2 RESUME Le marché

Plus en détail

2 nd semestre. Synthèse de l étude D3 Parcours Analyse de la fidélité des clients par marque. En partenariat avec

2 nd semestre. Synthèse de l étude D3 Parcours Analyse de la fidélité des clients par marque. En partenariat avec 2 nd semestre 2014 Synthèse de l étude D3 Parcours Analyse de la fidélité des clients par marque En partenariat avec Note de synthèse 1 +33 6 87 70 31 12 1. Cadre général L étude D3 Parcours est réalisée

Plus en détail

L'analyse des données à l usage des non mathématiciens

L'analyse des données à l usage des non mathématiciens Montpellier L'analyse des données à l usage des non mathématiciens 2 ème Partie: L'analyse en composantes principales AGRO.M - INRA - Formation Permanente Janvier 2006 André Bouchier Analyses multivariés.

Plus en détail

"Étude TOPÉO" Le Concept de la voiture low cost en France => Cas concret : la NANO de TATA

Étude TOPÉO Le Concept de la voiture low cost en France => Cas concret : la NANO de TATA "Étude TOPÉO" Le Concept de la voiture low cost en France => Cas concret : la NANO de TATA Étude en Ligne, réalisée par CEGMA TOPO, du 0 au 06 avril 009 Auprès de 360 individus : titulaires du permis de

Plus en détail

INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES

INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine

Plus en détail

Voitures. quelle est la plus fiable? Enquête

Voitures. quelle est la plus fiable? Enquête Voitures quelle est la plus fiable? La plus fiable de toutes les voitures est aussi l une des plus compliquées techniquement : une petite familiale hybride, c est-à-dire avec à la fois un moteur électrique

Plus en détail

La Belgique, pays du diesel? Automania.be

La Belgique, pays du diesel? Automania.be Automania.be L'intégration de véhicules hybrides et électriques dans les flottes des entreprises : une formule rentable Publié le 08.05.2014 Une étude sur le point critique entre conduire à l'essence,

Plus en détail

D3 Parcours. 1 er semestre 2015. Synthèse de l étude Bilan fidélité et conquête dans l automobile. En partenariat avec

D3 Parcours. 1 er semestre 2015. Synthèse de l étude Bilan fidélité et conquête dans l automobile. En partenariat avec D3 Parcours 1 er semestre 2015 Synthèse de l étude Bilan fidélité et conquête dans l automobile En partenariat avec 1. Cadre général L étude complète D3 Parcours est réalisée à partir des données extraites

Plus en détail

Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE. 04/04/2008 Stéphane Tufféry - Data Mining - http://data.mining.free.fr

Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE. 04/04/2008 Stéphane Tufféry - Data Mining - http://data.mining.free.fr Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE 1 Plan du cours Qu est-ce que le data mining? A quoi sert le data mining? Les 2 grandes familles de techniques Le déroulement d un projet de data

Plus en détail

Méthodes Numériques et Informatiques (MP050) Examen de TP du 23 juin 2010

Méthodes Numériques et Informatiques (MP050) Examen de TP du 23 juin 2010 Méthodes Numériques et Informatiques () Examen de TP du 23 juin 2010 Calculatrices et documents autorisés Les deux parties sont indépendantes. Les questions indépendantes sont signalées par le symbole

Plus en détail

Initiation à l analyse en composantes principales

Initiation à l analyse en composantes principales Fiche TD avec le logiciel : tdr601 Initiation à l analyse en composantes principales A.B. Dufour & J.R. Lobry Une première approche très intuitive et interactive de l ACP. Centrage et réduction des données.

Plus en détail

Consommation de flotte (1989 2012)

Consommation de flotte (1989 2012) Bases et méthodologie de comparaison L Association des importateurs suisses d automobiles «auto-suisse» établit chaque année la consommation moyenne des voitures de tourisme vendues appelée consommation

Plus en détail

Première ES IE1 pourcentages 2014-2015 S1

Première ES IE1 pourcentages 2014-2015 S1 1 Première ES IE1 pourcentages 2014-2015 S1 Exercice 1 : (4 points) En 2009, le nombre des immatriculations des voitures neuves en France, a été le suivant : Renault 506 000 Peugeot 378 000 Citroën 340

Plus en détail

GUIDE DU DATA MINER. Scoring - Modélisation. Data Management, Data Mining, Text Mining

GUIDE DU DATA MINER. Scoring - Modélisation. Data Management, Data Mining, Text Mining GUIDE DU DATA MINER Scoring - Modélisation Data Management, Data Mining, Text Mining 1 Guide du Data Miner Scoring - Modélisation Le logiciel décrit dans le manuel est diffusé dans le cadre d un accord

Plus en détail

Logiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS

Logiciel 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 détail

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

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

Plus en détail

Individus et informations supplémentaires

Individus et informations supplémentaires ADE-4 Individus et informations supplémentaires Résumé La fiche décrit l usage des individus supplémentaires dans des circonstances variées. En particulier, cette pratique est étendue aux analyses inter

Plus en détail

Séries Statistiques Simples

Séries Statistiques Simples 1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

TP R de Statistiques sur l analyse multivariée: AFC, ACP, CAH, k-means et AFCM

TP R de Statistiques sur l analyse multivariée: AFC, ACP, CAH, k-means et AFCM TP R de Statistiques sur l analyse multivariée: AFC, ACP, CAH, k-means et AFCM Emmanuel Rachelson and Matthieu Vignes 9 octobre 2013, SupAero - ISAE 1 Présidentielles 2008 - AFC Récupérer les données,

Plus en détail

document proposé sur le site «Sciences Physiques en BTS» : http://nicole.cortial.net BTS AVA 2015

document proposé sur le site «Sciences Physiques en BTS» : http://nicole.cortial.net BTS AVA 2015 BT V 2015 (envoyé par Frédéric COTTI - Professeur d Electrotechnique au Lycée Régional La Floride Marseille) Document 1 - Etiquette énergie Partie 1 : Voiture à faible consommation - Une étiquette pour

Plus en détail

UN CONDENSÉ DE PLAISIR

UN CONDENSÉ DE PLAISIR MÉGANE RENAULT SPORT, UN CONDENSÉ DE PLAISIR Mégane Renault Sport revendique l agilité, la vélocité et le plaisir de conduite d une sportive tout en préservant les qualités de confort et d insonorisation

Plus en détail

Introduction à l approche bootstrap

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

Plus en détail

COURS DE DATA MINING 4 : MODELISATION NON-SUPERVISEE CLASSIFICATIONS AUTOMATIQUES

COURS DE DATA MINING 4 : MODELISATION NON-SUPERVISEE CLASSIFICATIONS AUTOMATIQUES COURS DE DATA MINING 4 : MODELISATION NON-SUPERVISEE CLASSIFICATIONS AUTOMATIQUES EPF 4/ 5 ème année - Option Ingénierie d Affaires et de Projets - Finance Bertrand LIAUDET 4 : Modélisation non-supervisée

Plus en détail

Base de données en mémoire

Base de données en mémoire Base de données en mémoire Plan Bases de données relationnelles OnLine Analytical Processing Difficultés de l OLAP Calculs en mémoire Optimisations 1 Base de données relationnelle Introduction Date Exemple

Plus en détail

ISFA 2 année 2002-2003. Les questions sont en grande partie indépendantes. Merci d utiliser l espace imparti pour vos réponses.

ISFA 2 année 2002-2003. Les questions sont en grande partie indépendantes. Merci d utiliser l espace imparti pour vos réponses. On considère la matrice de données : ISFA 2 année 22-23 Les questions sont en grande partie indépendantes Merci d utiliser l espace imparti pour vos réponses > ele JCVGE FM1 GM JCRB FM2 JMLP Paris 61 29

Plus en détail

Enjeux mathématiques et Statistiques du Big Data

Enjeux mathématiques et Statistiques du Big Data Enjeux mathématiques et Statistiques du Big Data Mathilde Mougeot LPMA/Université Paris Diderot, mathilde.mougeot@univ-paris-diderot.fr Mathématique en Mouvements, Paris, IHP, 6 Juin 2015 M. Mougeot (Paris

Plus en détail

01-2014 Brochure ALD ELECTRIC PART OF ALD NEWMOBILITY

01-2014 Brochure ALD ELECTRIC PART OF ALD NEWMOBILITY 01-2014 Brochure ALD ELECTRIC PART OF ALD NEWMOBILITY 1 Brochure ALD electric INTRODUCTION Notre offre ALD electric se compose d une gamme très complète de véhicules électriques comprenant des hybrides

Plus en détail

Principes de rémunération des plans d intéressement long terme

Principes de rémunération des plans d intéressement long terme Principes de rémunération des plans d intéressement long terme Le présent document a pour objet de préciser les principes de rémunération mis en œuvre dans les plans d intéressement à long terme («LTI»)

Plus en détail

Marché de l'automobile - Automobile - Type de carrosserie - Modèle d'automobile

Marché de l'automobile - Automobile - Type de carrosserie - Modèle d'automobile Le marché automobile est fréquemment analysé sous forme de segments ou catégories de voitures, qui indiquent le positionnement de chaque modèle sur le marché. Catégories : Marché de l'automobile - Automobile

Plus en détail

os selleno sawqa 6 février 2015 - N 1379 PAYS : France PAGE(S) : 42-47 SURFACE : 435 % PERIODICITE : Hebdomadaire

os selleno sawqa 6 février 2015 - N 1379 PAYS : France PAGE(S) : 42-47 SURFACE : 435 % PERIODICITE : Hebdomadaire sawqa os selleno es autos entretenir? Parmilescritèresà intégrer lorsde l achatd uneauto, il enestun dont onfait peu decașfauted infos: le coûtdentretien dansle réseau. Pourtanț lesvariationssont importantes

Plus en détail

Tableau de bord automobile

Tableau de bord automobile Tableau de bord automobile Année 2010 N 25 Chiffres-clés du secteur Chiffres-clés du secteur Chiffres-clés du secteur Chiffres-clés du secteur Chiffres-clés du secteur Chiffres-clés du secteur Chiffres-clés

Plus en détail

Chaîne de valeur de l industrie automobile: une opportunité pour les équipementiers

Chaîne de valeur de l industrie automobile: une opportunité pour les équipementiers Automobile Chaîne de valeur de l industrie automobile: une opportunité pour les équipementiers Jacques aschenbroich Directeur général de Valeo Un équilibre nouveau s annonce dans l industrie automobile.

Plus en détail

Classification non supervisée

Classification non supervisée AgroParisTech Classification non supervisée E. Lebarbier, T. Mary-Huard Table des matières 1 Introduction 4 2 Méthodes de partitionnement 5 2.1 Mesures de similarité et de dissimilarité, distances.................

Plus en détail

1 GENERALITES : 2 CLASSIFICATION DES VEHICULES PAR FAMILLES : 3 LES VEHICULES MOTORISES

1 GENERALITES : 2 CLASSIFICATION DES VEHICULES PAR FAMILLES : 3 LES VEHICULES MOTORISES LYCEE GASTON BARRÉ 1 CAP VENDEURS MAGASINIERS 1 GENERALITES : Un véhicule automobile se différencie des autres par sa forme, son volume, le nombre de roues, sa motorisation, ses roues motrices. 1.1 Fonctions

Plus en détail

Sièges d'enfants: les voitures familiales à l essai

Sièges d'enfants: les voitures familiales à l essai Service de Presse TCS Vernier Tel +41 58 827 27 16 Fax +41 58 827 51 24 www.pressetcs.ch Communiqué de Presse Sièges d'enfants: les voitures familiales à l essai Emmen, 13 novembre 2014. Le TCS a examiné

Plus en détail

ANALYSE DES DONNEES. Cours 2 ème partie

ANALYSE DES DONNEES. Cours 2 ème partie IV. Analyse Factorielle des Correspondances Multiples IUT STID Carcassonne 2 ème année AS Cours analyse des données- 2 ème partie : AFCM Classification p /9 ANALYSE DES DONNEES Cours 2 ème partie Le but

Plus en détail

Calcul des pertes de pression et dimensionnement des conduits de ventilation

Calcul des pertes de pression et dimensionnement des conduits de ventilation Calcul des pertes de pression et dimensionnement des conduits de ventilation Applications résidentielles Christophe Delmotte, ir Laboratoire Qualité de l Air et Ventilation CSTC - Centre Scientifique et

Plus en détail

HONDA CIVIC EX 2006. Habitacle et coffre

HONDA CIVIC EX 2006. Habitacle et coffre HONDA CIVIC EX 2006 La toute nouvelle Civic est déjà la huitième génération à rouler sur nos routes. La berline a gagné 3,6 cm en longueur et en largeur tandis que l empattement a crû de 8,1 cm. La nouvelle

Plus en détail

Statistiques Descriptives à une dimension

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

Plus en détail

La Nissan Leaf 2.0 est élue Grand Prix Auto Environnement

La Nissan Leaf 2.0 est élue Grand Prix Auto Environnement INFORMATION PRESSE Le 22 mai 2013 PRIX AUTO ENVIRONNEMENT MAAF 2013 La Nissan Leaf 2.0 est élue Grand Prix Auto Environnement MAAF Assurances récompense 5 véhicules pour la nouvelle édition du Prix Auto

Plus en détail

Etude Annuelle. Analyse expérimentale et données constructeur. Comportement «durable» Contenu. Citroën C4-Coupé, Entreprise.

Etude Annuelle. Analyse expérimentale et données constructeur. Comportement «durable» Contenu. Citroën C4-Coupé, Entreprise. décembre 8 Yann DUCHEMIN Citroën C4-Coupé, Entreprise Etude Annuelle Analyse expérimentale et données constructeur Au terme d une année d utilisation d un véhicule de marque Citroën, et de type C4- coupé

Plus en détail

1 Complément sur la projection du nuage des individus

1 Complément sur la projection du nuage des individus TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent

Plus en détail

Analyse en Composantes Principales

Analyse en Composantes Principales Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées

Plus en détail

Scénario: Données bancaires et segmentation de clientèle

Scénario: Données bancaires et segmentation de clientèle Résumé Scénario: Données bancaires et segmentation de clientèle Exploration de données bancaires par des méthodes uni, bi et multidimensionnelles : ACP, AFCM k-means, CAH. 1 Présentation Le travail proposé

Plus en détail

STATISTIQUE avec la calculatrice TI-nspire. Applications : Tableur & listes - Données et statistiques

STATISTIQUE avec la calculatrice TI-nspire. Applications : Tableur & listes - Données et statistiques STATISTIQUE avec la calculatrice TI-nspire. Applications : Tableur & listes - Données et statistiques 1) Caractère qualitatif : représentations graphiques Moyen de locomotion pour venir à l école. x i

Plus en détail

La Création de Valeur Durable des Constructeurs Automobiles

La Création de Valeur Durable des Constructeurs Automobiles La Création de Valeur Durable des Constructeurs Automobiles Une analyse des performances durables des constructeurs automobiles au niveau mondial RÉSUMÉ ET RÉSULTATS CLÉS www.sustainablevalue.com Auteurs

Plus en détail

AC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =

AC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x = LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste

Plus en détail

Principales caractéristiques de Mixmod

Principales caractéristiques de Mixmod Modèle de mélanges Principales caractéristiques de Mixmod Gérard Govaert et Gilles Celeux 24 octobre 2006 1 Plan Le modèledemélange Utilisations du modèle de mélange Les algorithmes de Mixmod Modèle de

Plus en détail

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

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

Plus en détail

Ricco.Rakotomalala http://eric.univ-lyon2.fr/~ricco/cours

Ricco.Rakotomalala http://eric.univ-lyon2.fr/~ricco/cours Ricco.Rakotomalala http://eric.univ-lyon2.fr/~ricco/cours Références : 1. G. Saporta, «Probabilités, Analyse de données et Statistique», Dunod, 2006 ; partie théorique, pages 155 à 177 ; partie pratique,

Plus en détail

Théorie des graphes pour l analyse de réseaux réels

Théorie des graphes pour l analyse de réseaux réels Théorie des graphes pour l analyse de réseaux réels Bertrand Jouve Laboratoire ERIC - IXXI - Université Lyon 2 Plan 1 Entre théorie des graphes et réseaux réels 2 Partitionnement métrique Exemple d étude

Plus en détail

Honda arrive en tête du classement des constructeurs; Toyota l emporte dans trois segments

Honda arrive en tête du classement des constructeurs; Toyota l emporte dans trois segments Etude de J.D. Power and Associates en partenariat avec L Automobile Magazine : La Toyota Prius se classe en tête du classement en termes de satisfaction client en France pour la troisième année consécutive

Plus en détail

1. Vocabulaire : Introduction au tableau élémentaire

1. Vocabulaire : Introduction au tableau élémentaire L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie

Plus en détail

TROISI` EME PARTIE L ALG` EBRE

TROISI` EME PARTIE L ALG` EBRE TROISIÈME PARTIE L ALGÈBRE Chapitre 8 L algèbre babylonienne Sommaire 8.1 Présentation..................... 135 8.2 Résolution d équations du second degré..... 135 8.3 Bibliographie.....................

Plus en détail

Hyundai i10 1.2 Premium

Hyundai i10 1.2 Premium Test de voiture LA HYUNDAI i10 DE SECONDE GÉNÉRATION EST CONVAINCANTE PAR SON DESIGN MODERNE AUX LIGNES ÉLÉGANTES. LE RAPPORT PRIX/PERFORMANCES DE MÊME QUE LES EXCELLENTES PRESTATIONS DE GARANTIE FONT

Plus en détail

L analyse discriminante

L analyse discriminante L analyse discriminante À Propos de ce document... Introduction... La démarche à suivre sous SPSS... 2. Statistics... 2 2. Classify... 2 Analyse des résultats... 3. Vérification de l existence de différences

Plus en détail

Voitures hybrides. Par: Donald Thibault. Instructeur Centre de perfectionnement

Voitures hybrides. Par: Donald Thibault. Instructeur Centre de perfectionnement Voitures hybrides Par: Donald Thibault Instructeur Centre de perfectionnement Agenda Modèles disponibles Consommation vs émanation Les systèmes Transmission CVT-E Batterie Refroidissement de batterie Inverseur

Plus en détail

Statistique Descriptive Multidimensionnelle. (pour les nuls)

Statistique Descriptive Multidimensionnelle. (pour les nuls) Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Multidimensionnelle (pour les nuls) (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219

Plus en détail

Assurer notre développement malgréles vents contraires. 12 septembre 2011

Assurer notre développement malgréles vents contraires. 12 septembre 2011 Assurer notre développement malgréles vents contraires 12 septembre 2011 Une période contrastée I. Des développements majeurs II. dans un contexte européen difficile III. Nos plans d action pour assurer

Plus en détail

Le 1er Comparateur de prix d automobiles

Le 1er Comparateur de prix d automobiles Le 1er Comparateur de prix d automobiles Avec Kidioui.fr, vous payez le bon prix sans négocier! Le site Kidioui.fr est un comparateur de prix pour les véhicules neufs et d occasion. Il réunit les meilleures

Plus en détail

Les événements professionnels de 2011 organisés par. l Automobile. de l Et. de la Rechange. et de la Réparation

Les événements professionnels de 2011 organisés par. l Automobile. de l Et. de la Rechange. et de la Réparation Les événements professionnels de 2011 organisés par Le Journal de de l Et l Automobile Le Journal de la Rechange et de la Réparation Evénements Professionnels Incontournables Homme de Grand prix Concession

Plus en détail

Utiliser les propriétés Savoir réduire un radical savoir +,-,x,: Utiliser les propriétés des puissances Calculer avec des puissances

Utiliser les propriétés Savoir réduire un radical savoir +,-,x,: Utiliser les propriétés des puissances Calculer avec des puissances ARITHMETIQUE 1 C B A Numération Ecrire en lettres et en chiffres Poser des questions fermées autour d un document simple (message, consigne, planning ) Connaître le système décimal Déterminer la position

Plus en détail

Christelle REYNES EA 2415 Epidémiologie, Biostatistique et Santé Publique Université Montpellier 1. 8 Juin 2012

Christelle REYNES EA 2415 Epidémiologie, Biostatistique et Santé Publique Université Montpellier 1. 8 Juin 2012 Extraction et analyse des mesures haut-débit pour l identification de biomarqueurs : problèmes méthodologiques liés à la dimension et solutions envisagées EA 2415 Epidémiologie, Biostatistique et Santé

Plus en détail

Objectif du groupe GT1.1 Fusion de Données

Objectif du groupe GT1.1 Fusion de Données Objectif du groupe GT1.1 Fusion de Données Le groupe travaille dans trois directions Le vocabulaire (piloté par ADVITAM et l aide de SITE) L état de l art (piloté par SYROKKO) Deux applications illustratives

Plus en détail

La structure de la base de données et l utilisation de PAST. Musée Royal de l Afrique Centrale (MRAC Tervuren)

La structure de la base de données et l utilisation de PAST. Musée Royal de l Afrique Centrale (MRAC Tervuren) La structure de la base de données et l utilisation de PAST La structure de la base de données données originales SPÉCIMENS Code des spécimens: Identification des spécimens individuels. Dépend du but de

Plus en détail

Le travail isocinétique

Le travail isocinétique Le travail isocinétique Les principes L évaluation Le renforcement La rééducation GN PICHARD IFMK REIMS 2009 1 GN PICHARD IFMK REIMS 2009 2 généralités Définition: travail basé sur la résistance maximale

Plus en détail

Akka Technologies au service de la voiture électrique - Cartech.fr

Akka Technologies au service de la voiture électrique - Cartech.fr 1 sur 5 30/08/2010 12:40 508 peugeot Accueil News & blogs Produits Shopping Telecharger forum Cartech Inscription CNET France Forums Infotrafic Environnement Technologies embarquées Concept-car Accessoires

Plus en détail

ATELIER SOLUTION. Acheter ou louer? Réforme 2006 de la fiscalité applicable aux véhicules. Avec la collaboration de P.1

ATELIER SOLUTION. Acheter ou louer? Réforme 2006 de la fiscalité applicable aux véhicules. Avec la collaboration de P.1 ATELIER SOLUTION Acheter ou louer? Réforme 2006 de la fiscalité applicable aux véhicules Avec la collaboration de P.1 Le marché du véhicule d entreprise P.2 La proportion d'entreprises qui financent au

Plus en détail

www.ademe.fr L ademe en bref

www.ademe.fr L ademe en bref L ademe en bref L Agence de l Environnement et de la Maîtrise de l Energie (ADEME) est un établissement public sous la triple tutelle du ministère de l Ecologie, du Développement durable, des Transports

Plus en détail

Arbres binaires de décision

Arbres binaires de décision 1 Arbres binaires de décision Résumé Arbres binaires de décision Méthodes de construction d arbres binaires de décision, modélisant une discrimination (classification trees) ou une régression (regression

Plus en détail

Sillage Météo. Notion de sillage

Sillage Météo. Notion de sillage Sillage Météo Les représentations météorologiques sous forme d animation satellites image par image sont intéressantes. Il est dommage que les données ainsi visualisées ne soient pas utilisées pour une

Plus en détail

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Année 2008/2009 1 Décomposition QR On rappelle que la multiplication avec une matrice unitaire Q C n n (c est-à-dire Q 1 = Q = Q T ) ne change

Plus en détail

VOTRE SOLUTION LOCATION DE VOITURE EN EUROPE

VOTRE SOLUTION LOCATION DE VOITURE EN EUROPE LOCATION DE VOITURE RAPPEL Avec Eurocar TT, vous participez à notre programme de récompense agents de voyages et avez la possibilité de miser sur l ensemble de nos produits pour cumuler des gains! 15 %

Plus en détail

LOW COST TOUT INCLUS FIAT PANDA. Moteur: Essence A/C Radio CD Assurance tous risques sans franchise Réservoir plein PRIX / SEMAINE

LOW COST TOUT INCLUS FIAT PANDA. Moteur: Essence A/C Radio CD Assurance tous risques sans franchise Réservoir plein PRIX / SEMAINE LOW COST TOUT INCLUS FIAT PANDA Assurance tous risques sans franchise Réservoir plein 01.01.15-30.06.15 20.09.15 30.06.15 01.07.15-31.07.15 01.08.15-23.08.15 23.08.15-20.09.15 190 240 315 240 LOW COST

Plus en détail

Une comparaison de méthodes de discrimination des masses de véhicules automobiles

Une comparaison de méthodes de discrimination des masses de véhicules automobiles p.1/34 Une comparaison de méthodes de discrimination des masses de véhicules automobiles A. Rakotomamonjy, R. Le Riche et D. Gualandris INSA de Rouen / CNRS 1884 et SMS / PSA Enquêtes en clientèle dans

Plus en détail

EXERCICES DE REVISIONS MATHEMATIQUES CM2

EXERCICES DE REVISIONS MATHEMATIQUES CM2 EXERCICES DE REVISIONS MATHEMATIQUES CM2 NOMBRES ET CALCUL Exercices FRACTIONS Nommer les fractions simples et décimales en utilisant le vocabulaire : 3 R1 demi, tiers, quart, dixième, centième. Utiliser

Plus en détail

Structure financière et performance économique des PME : Étude empirique sur les entreprises belges

Structure financière et performance économique des PME : Étude empirique sur les entreprises belges Structure financière et performance économique des PME : Étude empirique sur les entreprises belges Tarek MILOUD (UCL) * Résumé : Notre But est de caractériser la propriété financière des petites et moyennes

Plus en détail

Le baromètre BforBank - Vague 5 - Présentation globale des résultats Thème abordé : L automobile

Le baromètre BforBank - Vague 5 - Présentation globale des résultats Thème abordé : L automobile Le baromètre BforBank - Vague 5 - Présentation globale des résultats Thème abordé : L automobile Présentation du 22 juin 2011 N Projet : BJ7418 A : BforBank & L Express De : OpinionWay OpinionWay, 06/07/2011

Plus en détail

WWW.ATD-FRANCE.COM BOÎTES DE VITESSES MANUELLES AUTOMATIQUES FRANCE 05 57 68 17 68 PARIS 0 820 250 200

WWW.ATD-FRANCE.COM BOÎTES DE VITESSES MANUELLES AUTOMATIQUES FRANCE 05 57 68 17 68 PARIS 0 820 250 200 WWW.ATD-FRANCE.COM 2013 BOÎTES DE VITESSES MANUELLES AUTOMATIQUES FRANCE 05 57 68 17 68 PARIS 0 820 250 200 1 CHOISIR LE LEADER DU RECONDITIONNEMENT DE BOÎTES DE VITESSES EN FRANCE C'EST S'ASSURER : LA

Plus en détail

PRIX AUTO ENVIRONNEMENT MAAF 2014

PRIX AUTO ENVIRONNEMENT MAAF 2014 INFORMATION PRESSE Le 4 juin 2014 PRIX AUTO ENVIRONNEMENT MAAF 2014 La PEUGEOT 308 1,2L PURETECH STOP&START élue Grand Prix Auto Environnement Attribution d un Prix Spécial 10 ans pour Toyota pour sa gamme

Plus en détail

Synthèse de l étude ADEME "2 roues motorisés Euro3 : progrès environnementaux et comparaison à l automobile"

Synthèse de l étude ADEME 2 roues motorisés Euro3 : progrès environnementaux et comparaison à l automobile mai 2007 Synthèse de l étude ADEME "2 roues motorisés Euro3 : progrès environnementaux et comparaison à l automobile" Contexte de l étude La mise en application de la nouvelle étape réglementaire Euro3

Plus en détail

Précision d un résultat et calculs d incertitudes

Précision d un résultat et calculs d incertitudes Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................

Plus en détail

Incompatible avec de nombreux véhicules

Incompatible avec de nombreux véhicules Nouveau type de carburant en Allemagne Incompatible avec de nombreux véhicules Quelles voitures sont compatibles avec le SP95-E10? La liste qui se trouve aux pages suivantes se base sur les données de

Plus en détail

ESIEA PARIS 2011-2012

ESIEA PARIS 2011-2012 ESIEA PARIS 2011-2012 Examen MAT 5201 DATA MINING Mardi 08 Novembre 2011 Première Partie : 15 minutes (7 points) Enseignant responsable : Frédéric Bertrand Remarque importante : les questions de ce questionnaire

Plus en détail

Citroën C-ZERO TEST DE VOITURE. 1 www.test.tcs.ch

Citroën C-ZERO TEST DE VOITURE. 1 www.test.tcs.ch TEST DE VOITURE Citroën C- La Citroën C- est, avec la Mitsubishi i-miev et la Peugeot I-ON de construction similaire, une des premières voitures électriques de série commercialisée sur le marché suisse.

Plus en détail

La systématique de la statistique TCS 2009 des pannes de voitures

La systématique de la statistique TCS 2009 des pannes de voitures Annexe au communiqué de presse Statistique TCS 2009 des pannes de voitures La systématique de la statistique TCS 2009 des pannes de voitures 1. Sont prises en considération toutes les pannes qui ont été

Plus en détail