FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 1
|
|
- Florence Vincent
- il y a 8 ans
- Total affichages :
Transcription
1 INTRODUCTION ça L'INFçERENCE STATISTIQUE 1. Introduction 2. Notion de variable alçeatoire íprçesentation ívariables alçeatoires discrçetes ívariables alçeatoires continues 3. Reprçesentations d'une distribution í Reprçesentations graphiques írçesumçes numçeriques í Reprçesentations semi-graphiques. 4. Estimation FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 1
2 INTRODUCTION Populations - çechantillons En statistique, on appelle population une collection d'çelçements possçedant au moins une caractçeristique commune permettant de les regrouper. Un çelçement est un individu ou une unitçe statistique. Si le nombre d'çelçements est limitçe, la population est dite ænie. Si ce nombre est illimitçe ou diæcilement calculable, la population est dite inænie. On dçeænit un çechantillon comme un sous-ensemble de la population statistique. FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 2
3 INTRODUCTION Les deux types de dçemarches statistiques POPULATION inænie et connue ænie, petite et connue - RECENSEMENT SONDAGE? çechantillon - STATISTIQUE EXPLORATOIRE on ne s'intçeresse qu'aux individus dont on a les mesures?? STATISTIQUE INF ç ERENTIELLE FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 3
4 VARIABLE ALçEATOIRE Notion de phçenomçene alçeatoire Dans de nombreux cas, la rçepçetition d'une expçerience dans des conditions apparemment identiques ne conduit pas toujours au m^eme rçesultat. Exemples: ímçelange ça parts çegales d'un produit A et d'un produit B et examen du rçesultat du mçelange: produit C; í semis de graines dans une terrine et comptage du nombre de levçees aprçes 5 jours; í lancement d'une piçece de monnaie; í jet d'un dçe et examen du nombre indiquçe sur la face supçerieure. Si le rçesultat d'une expçerience ne peut ^etre dçeterminçe par la connaissance des conditions initiales, nous dirons que le phçenomçene est alçeatoire. FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 4
5 VARIABLE ALçEATOIRE Dçeænition d'une variable Une variable X est une application d'un ensemble æ d'çevçenements dans un ensemble S de valeurs numçeriques ou non appelçees rçealisations. æ est un ensemble discret d'objets, d'individus, d'occasions,...: æ=f! 1 ;! 2 ;æææ;! n g alors que S peut ^etre n'importe quoi. En particulier, les valeurs de S peuvent^etre numçeriques, ordinales ou nominales. FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 5
6 VARIABLE ALçEATOIRE Exemples de variables Exemples: Soit æ une population d'individus et í X 1 la variable sexe prenant ses valeurs dans S =fhomme, femmeg; í X 2 la variable dipl^ome prenant ses valeurs dans S = fcertiæcat d'çetude,..., thçese g í X 3 la variable poids en kg prenant ses valeurs dans l'intervalle S = ë0;200ë; FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 6
7 VARIABLE ALçEATOIRE Dçeænition Une variable alçeatoire X est une variable associçee ça une expçerience alçeatoire et servant ça caractçeriser le rçesultat de cette expçerience. Autrement dit, ça chaque rçealisation valeur de S est associçee í une probabilitçe si la variable est discrçete; í une densitçe de probabilitçe si la variable est continue Ces deux notions seront vues plus loin. Exemples í On jette un dçe bleu et un dçe rouge et on considçere la somme X du dçe bleu et du dçe rouge; í On jette un dçe bleu et un dçe rouge et on considçere la valeur Y correspondant ça lavaleur absolue de la diæçerence entre les valeurs des 2 dçes. í On prend au hasard un ananas dans la rçecolte d'un champ et on considçere le poids Z de l'ananas. X, Y, Z sont des variables alçeatoires. FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 7
8 VARIABLE ALçEATOIRE Il existe plusieurs types de variable alçeatoire. Les types les plus frçequents qui seront dçeænis sont: í les variables alçeatoires discrçetes Ex: somme de 2 dçes,... í les variables alçeatoires continues Ex: taille des individus dans une population,... FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 8
9 VARIABLE ALçEATOIRE DISCRçETE Dçeænition í l'ensemble des rçealisations possibles S d'une telle variable alçeatoire notçee X a un nombre æni ou inæni dçenombrable d'çelçements íça chacune des valeurs x 2 S que peut prendre la variable alçeatoire X, correspond une probabilitçe P x oup x ; Px=P x =PX=x í l'ensemble des valeurs x et des probabilitçes correspondantes P x dçeænit une distribution de probabilitçe; í l'ensemble des probabilitçes cumulçees dçeænit une fonction de rçepartition: F x =PXçx FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 9
10 VARIABLE ALçEATOIRE DISCRçETE Exemple Exemple: Jet de 2 dçes et calcul de la somme. x PrfX = xg F x FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 10
11 VARIABLE ALçEATOIRE CONTINUE Dçeænition í l'ensemble des rçealisations possibles d'une telle variable alçeatoire notçee X a un nombre de valeurs non dçenombrables; í il n'est plus possible d'associer ça chacune des valeurs x que peut prendre la variable alçeatoire X une probabilitçe P x oup x ; í par contre, il est possible de dçeænir une fonction de rçepartition: F x =PXçx í de m^eme on peut dçeænir la probabilitçe d'observer une valeur comprise dans un intervalle donnçe ëa;bë PaçXçb=Fb,Fa í si F est dçerivable on peut encore çecrire í F x +æx,fx lim æx!0 æx F x = æf = lim æx!0 æx = f x Z x,1 f xdx f est appelçee densitçe FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 11
12 REPRçESENTATION DES DONNçEES Exemple: rçepartition par ^age des agents INRA ^Age Eæectif Eæectif Frçequence cumulçe Frçequence cumulçee FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 12
13 REPRçESENTATION DES DONNçEES Les reprçesentations graphiques í Diagramme en B^atons í Histogramme í Densitçe ífonction de rçepartition Les reprçesentations numçeriques í de tendance centrale: mçediane, moyenne í de dispersion: variance, çecart-type, quantiles, çetendue Les reprçesentations semi-graphiques í bo^çte ça pattes box-plot í branchage stem and leaf FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 13
14 LES REPRçESENTATIONS GRAPHIQUES Diagramme en b^aton de la population INRA effectif age FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 14
15 effectif LES REPRçESENTATIONS GRAPHIQUES Histogramme des eæectifs des ^ages des agents INRA age FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 15
16 frequence LES REPRçESENTATIONS GRAPHIQUES Polygone des frçequences - Courbe de densitçe age histogramme et polygone des frçequences d'^ages densite courbe de densitçe pour une variable continue FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 16
17 freq. cumulee LES REPRçESENTATIONS GRAPHIQUES Polygone des frçequences cumulçees Courbe de fonction de rçepartition age histogramme et polygone des frçequences cumulçees d'^ages freq. cumulee courbe de fonction de rçepartition pour une variable continue FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 17
18 RçESUMçES NUMçERIQUES: Tendance centrale : espçerance et mçediane effectif age (mu= 41.7,m= 41 ) espçerance :moyenne arithmçetique des rçealisations pondçerçees par leur probabilitçe. EX=ç= X xp x : x2s mçediane :valeur m telle que PXém'PXém'1=2: FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 18
19 RçESUMçES NUMçERIQUES : Stabilitçe delamçediane effectif age (mu= 41.7,m= 41 ) effectif age (mu= 42.2,m= 41 ) FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 19
20 RçESUMçES NUMçERIQUES: tendance centrale 6= dispersion FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 20
21 RçESUMçES NUMçERIQUES: Dispersion : variance et çecart-type çecart ça l'espçerance : X, ç. Mesurer la dispersion par E X, ç? = 0 Carrçe del'çecart ça l'espçerance ç : X, ç 2. Variance : ç 2 =E X,ç 2ç. Formule de calcul : ç 2 = X x2s x, ç 2 P x : çecart-type : ç. FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 21
22 RçESUMçES NUMçERIQUES Dispersion : çetendue, quartiles et IQR effectif min mediane max çetendue :valeur maximale, valeur minimale age effectif % Q1 25% Q2 25% Q3 25% age Quartiles : Q 1 ;Q 2 ;Q 3. Intervalle interquartile : Q 3, Q 1. FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 22
23 RçESUMçES NUMçERIQUES Dispersion : quantiles k parties : i rrr rrr - k, 1 k min Q 1 Q 2 Q 3 Q i,1 Q i Q k,2 Q k,1 max 100 i k des observations ont une valeur infçerieure ça Q i FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 23
24 RçESUMçES NUMçERIQUES Dispersion : quantiles prob. cumulee Q1 Q2 Q3 courbe de fonction de rçepartition densite Q1 Q2 Q3 courbe de densitçe FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 24
25 LES REPRçESENTATIONS SEMI-GRAPHIQUES La bo^çte ça pattes - min Q 1 Q 2 Q 3 max 50 ç - IQR min Q 1 Q 2 Q 3 max FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 25
26 LES REPRçESENTATIONS SEMI-GRAPHIQUES Exemple : la bo^çte ça pattes de l'^age des agents INRA FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 26
27 LES REPRçESENTATIONS SEMI-GRAPHIQUES Exemples de bo^çtes ça pattes distribution uniforme distribution ëpointue" distribution ëcreuse" distribution bimodale FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 27
28 LES REPRçESENTATIONS SEMI-GRAPHIQUES Exemple : branchage de l'^age des agents INRA Histogramme des ^ages des 139 agents de Lille effectif age Branchage des ^ages du Centre de Lille N = 139 Median = 36 Quartiles = 31, 42 Decimal point is 1 place to the right of the colon 1: 9 2: : : : : : : : : FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 28
29 ESTIMATION estimation empirique 1 Sondage : 40 agents environ 0:5 de la population totale Distribution de la population et distribution de l'çechantillon FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 29
30 ESTIMATION estimation empirique 2 Bo^çtes ça pattes population echantillon Rçesumçes numçeriques paramçetres population çechantillon espçerance variance Q Q Q FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 30
31 PARAMçETRES - ESTIMATEURS Dçeænitions On appelle paramçetre la caractçeristique quantitative qui permet une reprçesentation condensçee de l'information contenue dans une ou plusieurs populations. L'expression mathçematique permettant de mesurer, ça partir des donnçees de l'çechantillon, un paramçetre de la population s'appelle un estimateur d'un paramçetre. C'est une variable alçeatoire dont on espçere que la valeur sera ësouvent proche" du paramçetre que l'on cherche ça estimer. EXEMPLE : Si on a observçe S = f1; 1; 4; 5g; alors la moyenne arithmçetique des observations X = est un estimateur de l'espçerance ç. Formule gçençerale : X = 1 n nx X n : i=1 FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 31
32 PARAMçETRES - ESTIMATEURS Propriçetçes des estimateurs estimateurs biaisés avec grande variance estimateurs non biaisés avec grande variance estimateurs biaisés avec petite variance estimateurs non biaisés avec petite variance FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 32
33 ESTIMATION Dçeænition L'estimation est la valeur prise par un estimateur pour un çechantillon particulier. L'estimation d'un paramçetre ça partir d'un çechantillon unique ne conduit gçençeralement pas ça la vraie valeur du paramçetre. Cette estimation va varier d'un çechantillon ça l'autre. La rçealisation d'un trçes grand nombre d'çechantillons de m^eme taille permet de construire la distribution d'çechantillonnage de l'estimateur. L'estimation d'un paramçetre peut ^etre ponctuelle ou par intervalle. FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 33
34 PARAMçETRES - ESTIMATEURS POPULATION ç ECHANTILLON æxe alçeatoire paramçetres thçeoriques versions empiriques = estimateurs ëtout est connu" INF ç ERENCE ëinformation" sur les paramçetres de la population inconnue FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 34
35 PARAMçETRES - ESTIMATEURS NOTATIONS paramçetres thçeoriques population version empiriques çechantillon mçediane m g X dm moyenne ç X cç variance ç 2 cç 2 S 2 fonction de rçepartition F c F FPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 35
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 détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailSERIE 1 Statistique descriptive - Graphiques
Exercices de math ECG J.P. 2 ème A & B SERIE Statistique descriptive - Graphiques Collecte de l'information, dépouillement de l'information et vocabulaire La collecte de l information peut être : directe:
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en 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 détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailÉlément 424b Introduction à la statistique descriptive
CTU Master AGPS De la donnée à la connaissance : traitement, analyse et transmission Élément 44b Introduction à la statistique descriptive Prof. Marie-Hélène de Sède-Marceau Année / Statistique Introduction
Plus en détailQuelques bases de donnçees d'çetoiles doubles et. Abstract. The increasing proportion of double stars makes necessary
Etoiles Doubles Ecole CNRS de Goutelas XXIII è2000è Editçe par D. Egret, J.-L. Halbwachs & J.M. Hameury Quelques bases de donnçees d'çetoiles doubles et multiples Edouard Oblak Observatoire de Besançcon
Plus en détailStatistiques 0,14 0,11
Statistiques Rappels de vocabulaire : "Je suis pêcheur et je désire avoir des informations sur la taille des truites d'une rivière. Je décide de mesurer les truites obtenues au cours des trois dernières
Plus en détailLecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888
Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailStatistiques - Cours. 1. Gén éralités. 2. Statistique descriptive univari ée. 3. Statistique descriptive bivariée. 4. Régression orthogonale dans R².
Statistiques - Cours Page 1 L I C E N C E S c i e n t i f i q u e Cours Henri IMMEDIATO S t a t i s t i q u e s 1 Gén éralités Statistique descriptive univari ée 1 Repr é s e n t a t i o n g r a p h i
Plus en détail- Ressources pour les classes
Mathématiques Collège - Ressources pour les classes de 6 e, 5 e, 4 e, et 3 e du collège - - Organisation et gestion de données au collège - Ce document peut être utilisé librement dans le cadre des enseignements
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailINFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X.
INFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X. Année scolaire 009-010 TABLE DES MATIERES CHAPITRE 1: Eléments de statistiques descriptives...
Plus en détailStatistique descriptive. Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne. Notes de cours
Statistique descriptive Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne Notes de cours Dernière mise à jour le mercredi 25 février 2009 1 ère année de Licence Aix & Marseille
Plus en détailUNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand
UNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand Service méthodes statistiques Institut National d Etudes Démographiques (Ined)
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailIntroduction à la statistique descriptive
Chapitre chapitre 1 Introduction à la statistique descriptive Les méthodes de la statistique descriptive (statistique déductive) permettent de mener des études à partir de données exhaustives, c est-à-dire
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en 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 détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
Plus en 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 détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
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 détailMATHÉMATIQUES. Mat-4104
MATHÉMATIQUES Pré-test D Mat-404 Questionnaire e pas écrire sur le questionnaire Préparé par : M. GHELLACHE Mai 009 Questionnaire Page / 0 Exercice ) En justifiant votre réponse, dites quel type d étude
Plus en détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en 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 détailIntroduction à la lecture des tableaux statistiques. par Jean-Paul Grémy Professeur honoraire à l université de Paris V
Introduction à la lecture des tableaux statistiques par Jean-Paul Grémy Professeur honoraire à l université de Paris V 2 Ce manuel propose quelques principes empiriques destinés à faciliter la lecture
Plus en détailAide-mémoire de statistique appliquée à la biologie
Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela
Plus en détailRésumé du Cours de Statistique Descriptive. Yves Tillé
Résumé du Cours de Statistique Descriptive Yves Tillé 15 décembre 2010 2 Objectif et moyens Objectifs du cours Apprendre les principales techniques de statistique descriptive univariée et bivariée. Être
Plus en détailLa simulation probabiliste avec Excel
La simulation probabiliste avec Ecel (2 e version) Emmanuel Grenier emmanuel.grenier@isab.fr Relu par Kathy Chapelain et Henry P. Aubert Incontournable lorsqu il s agit de gérer des phénomènes aléatoires
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailLicence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015.
Licence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015. Thèmes des séances de TD Thème n.1: Tableaux statistiques et représentations graphiques. Thème
Plus en détail1 Importer et modifier des données avec R Commander
Université de Nantes 2015/2016 UFR des Sciences et Techniques Département de Mathématiques TP1 STATISTIQUE DESCRIPTIVE Frédéric Lavancier Avant propos Ouvrir l application R Saisir dans la console library(rcmdr)
Plus en détailStatistiques descriptives
Statistiques descriptives L3 Maths-Eco Université de Nantes Frédéric Lavancier F. Lavancier (Univ. Nantes) Statistiques descriptives 1 1 Vocabulaire de base F. Lavancier (Univ. Nantes) Statistiques descriptives
Plus en détailMéthodes quantitatives en sciences humaines. 2 Pratique : 2 Étude personnelle : 2. BUREAU poste courriel ou site web
360-300-RE HIVER 2008 MATHÉMATIQUES Plan de cours COURS : Méthodes quantitatives en sciences humaines PROGRAMME : 300.A0 Sciences humaines DISCIPLINE : Mathématiques Pondération : Théorie : 2 Pratique
Plus en détailNOTES DE COURS STT1700. Introduction à la statistique. David Haziza
NOTES DE COURS STT1700 Introduction à la statistique David Haziza Automne 008 Qu est ce que la statistique? La statistique est la science dont le but est de donner un sens aux données. L étude statistique
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détailClasse de première L
Classe de première L Orientations générales Pour bon nombre d élèves qui s orientent en série L, la classe de première sera une fin d étude en mathématiques au lycée. On a donc voulu ici assurer à tous
Plus en détailLa place de SAS dans l'informatique décisionnelle
La place de SAS dans l'informatique décisionnelle Olivier Decourt ABS Technologies - Educasoft Formations La place de SAS dans l'informatique décisionnelle! L'historique de SAS! La mécanique! La carrosserie
Plus en détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
Plus en détailObservatoire Economique et Statistique d Afrique Subsaharienne
Observatoire Economique et Statistique d Afrique Subsaharienne Termes de référence pour le recrutement de quatre (4) consultants dans le cadre du Projet «Modules d initiation à la statistique à l attention
Plus en détailStatistique inférentielle TD 1 : Estimation
POLYTECH LILLE Statistique inférentielle TD : Estimation Exercice : Maîtrise Statistique des Procédés Une entreprise de construction mécanique fabrique de pièces demoteurdevoiturepourungrandconstructeur
Plus en détailIBM SPSS Statistics Base 20
IBM SPSS Statistics Base 20 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 316. Cette version s applique à IBM SPSS
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 détailPremiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données. Premiers pas avec SES-Pegase 1
Premiers pas avec SES-Pegase 1 Premiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données www.delta-expert.com Mise à jour : Premiers pas avec SES-Pegase
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 détailAnalyse exploratoire des données
Analyse exploratoire des données Introduction à R pour la recherche biomédicale http://wwwaliquoteorg/cours/2012_biomed Objectifs Au travers de l analyse exploratoire des données, on cherche essentiellement
Plus en détailStatistiques à une variable
Statistiques à une variable Calcul des paramètres statistiques TI-82stats.fr? Déterminer les paramètres de la série statistique : Valeurs 0 2 3 5 8 Effectifs 16 12 28 32 21? Accès au mode statistique Touche
Plus en détailUNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES. Éric TÉROUANNE 1
33 Math. Inf. Sci. hum., (33 e année, n 130, 1995, pp.33-42) UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES Éric TÉROUANNE 1 RÉSUMÉ Le stéréogramme de liaison est
Plus en détailIBM SPSS Direct Marketing 21
IBM SPSS Direct Marketing 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 109. Cette version s applique à IBM SPSS
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 détailSéquence 4. Statistiques. Sommaire. Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement
Séquence 4 Statistiques Sommaire Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement 1 Introduction «Etude méthodique des faits sociaux par des
Plus en détail1 Objectifs. Traitement statistique des données d enquête avec introduction à SPSS. Plan
1 Objectifs Traitement statistique des données d enquête avec introduction à SPSS Gilbert Ritschard Département d économétrie, Université de Genève gilbert.ritschard@themes.unige.ch Bamako, 7-11 octobre
Plus en détailSTATISTIQUES DESCRIPTIVES
1 sur 7 STATISTIQUES DESCRIPTIVES En italien, «stato» désigne l état. Ce mot à donné «statista» pour «homme d état». En 1670, le mot est devenu en latin «statisticus» pour signifier ce qui est relatif
Plus en détailEvolution de la fréquence des sinistres 2002-2011 en assurance RC automobile
Evolution de la fréquence des sinistres 2002-2011 en assurance RC automobile Contenu 1. Nombre de sinistres en RC tourisme et affaires... 2 Fréquence des sinistres en RC tourisme et affaires... 2 Fréquence
Plus en détailUnité E Variation et analyse statistique
Unité E Variation et analyse statistique VARIATION ET ANALYSE STATISTIQUE Introduction Ce module présente aux élèves deux méthodes d'utilisation des statistiques pour décrire des données et tirer des conclusions
Plus en détailLe suivi de la qualité. Méthode MSP : généralités
Le suivi de la qualité La politique qualité d une entreprise impose que celle maîtrise sa fabrication. Pour cela, elle doit être capable d évaluer la «qualité» de son processus de production et ceci parfois
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en détailChapitre 3 - L'enquête descriptive simple
Chapitre 3 - L'enquête descriptive simple Version 1.2 AUTEURS PRINCIPAUX : NELLY AGRINIER - CÉDRIC BAUMANN - ISABELLE FOURNEL CO-AUTEURS : FRANCIS GUILLEMIN - GUY HÉDELIN Septembre 2010 Table des matières
Plus en détailBACCALAURÉAT PROFESSIONNEL SUJET
SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)
Plus en détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
Plus en détailExercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible»
Exercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible» Quand la trésorerie d une entreprise est positive, le trésorier cherche le meilleur placement pour placer les excédents.
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailLa segmentation à l aide de EG-SAS. A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM
La segmentation à l aide de EG-SAS A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM Définition de la segmentation - Au lieu de considérer une population dans son ensemble,
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 détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en 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 détailLes tableaux croisés dynamiques
Les tableaux croisés dynamiques Table des matières Les tableaux croisés dynamiques... 1 1. Les tutoriels... 1. Quelle est l'utilité d'un tableau croisé dynamique... 3. Vérifier les données de départ...
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en 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 détailContenu pédagogique des unités d enseignement Semestre 1(1 ère année) Domaine : Sciences et techniques et Sciences de la matière
Contenu pédagogique des unités d enseignement Semestre 1(1 ère année) Domaine : Sciences et techniques et Sciences de la matière Algèbre 1 : (Volume horaire total : 63 heures) UE1 : Analyse et algèbre
Plus en détailSIG ET ANALYSE EXPLORATOIRE
SIG ET ANALYSE EXPLORATOIRE VERS DE NOUVELLES PRATIQUES EN GÉOGRAPHIE Jean-Marc ORHAN Equipe P.A.R.I.S., URA 1243 du CNRS Paris Résumé L'offre actuelle dans le domaine des logiciels de type Système d'information
Plus en détailFiche qualité relative à l enquête Santé et Itinéraire Professionnel 2010 (SIP) Carte d identité de l enquête
Fiche qualité relative à Santé et Itinéraire Professionnel 2010 (SIP) Nom Années de Périodicité Panel (suivi d échantillon) Services concepteurs Service réalisant Sujets principaux traités dans Carte d
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 détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailNOTIONS DE PROBABILITÉS
NOTIONS DE PROBABILITÉS Sommaire 1. Expérience aléatoire... 1 2. Espace échantillonnal... 2 3. Événement... 2 4. Calcul des probabilités... 3 4.1. Ensemble fondamental... 3 4.2. Calcul de la probabilité...
Plus en détailglossaire Appellation commerciale Voir nom de marque.
glossaire Accessibilité financière Le coût d un traitement par rapport au revenu de la population. dans cette enquête, le salaire journalier minimum d un employé non-qualifié du secteur public est comparé
Plus en détailModélisation et simulation
Modélisation et simulation p. 1/36 Modélisation et simulation INFO-F-305 Gianluca Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Modélisation et simulation p.
Plus en détailLE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION
LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs
Plus en détailUtilisation du module «Geostatistical Analyst» d ARCVIEW dans le cadre de la qualité de l air
Etude n 10 Assistance en modélisation (Rapport 3/3) Utilisation du module «Geostatistical Analyst» d ARCVIEW dans le cadre de la qualité de l air Novembre 2004 Convention : 04000087 Giovanni CARDENAS Utilisation
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailAppliquer la maîtrise statistique des processus (MSP/SPC)
Maurice PILLET Professeur des Universités IUT Annecy Université de Savoie, Laboratoire LISTIC Ancien élève de l'ecole Normale Supérieure de CACHAN Appliquer la maîtrise statistique des processus (MSP/SPC)
Plus en détailProjet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies
Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure
Plus en détailChap17 - CORRECTİON DES EXERCİCES
Chap17 - CORRECTİON DES EXERCİCES n 3 p528 Le signal a est numérique : il n y a que deux valeurs possibles pour la tension. Le signal b n est pas numérique : il y a alternance entre des signaux divers
Plus en détailCatalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands.
Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands. Pourquoi un autre catalogue en Suisse romande Historique En 1990, la CRUS (Conférences des
Plus en détailGuide sur l'utilisation du logiciel S-PLUS Normand Ranger CIRANO Centre Interuniversitaire de Recherche en ANalyse des Organisations 2020 rue University, 25e çetage Montrçeal, Quçe. H3A 2A5 æ Guide è 7-Version
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détail