CINQUIEME PARTIE ANALYSE DE VARIANCE A UN FACTEUR CONTROLE
|
|
- Edgar St-Amand
- il y a 7 ans
- Total affichages :
Transcription
1 64 CINQUIEME PARTIE ANALYSE DE ARIANCE A UN FACTEUR CONTROLE. Application à la coparaison de plusieurs oyennes. L analyse de variance est souvent utilisée coe un test d égalité de oyennes. Mais elle a beaucoup d autres applications, c est pourquoi on l étudie à part. a) But du test Lorsqu'on veut ontrer l'égalité des oyennes de plusieurs séries de esures, il n'est pas possible d'effectuer un test de Student sur les oyennes prises deux à deux parce que les tests statistiques peuvent déontrer une non-différence, ais pas une égalité au sens athéatique du tere. Le problèe de l'égalité des oyennes revient, dans ce cas à ontrer si elles peuvent être différenciées ou non en fonction d'un certain facteur, appelé facteur différenciant. b) Notion de facteur différenciant Il s'agit d'une grandeur qualitative ou quantitative suivant laquelle on peut discerner les résultats d'une êe étude. Exeple : Nuéro de lot ou date dans une fabrication Laboratoire, appareil ou opérateur dans une série de esures physico-chiiques Lieu géographique Grandeur physique (tepérature, pression) si l'on veut déontrer une corrélation avec cette grandeur c) Principe du test On partage l'échantillon en "groupes" suivant le facteur discriinant que l'on veut prendre en copte. Dans le doaine de la validation de éthodes de esure, ce partage est naturel puisqu'on s'intéresse à des séries de esures d'une êe grandeur, effectuées à des oents différents, sur des appareils différents ou par des laboratoires différents. La variabilité existe toujours d'un groupe à l'autre, ais celle-ci peut être due au hasard. L'analyse de variance peret de ontrer si la variabilité d'un groupe à l'autre peut s'expliquer uniqueent par le hasard ou si le facteur discriinant intervient dans cette variabilité.
2 65 Pour ceci, on copare à l'aide d'un test de Fisher-Snédécor la variance à l'intérieur des groupes ou "variance intra-goupes" à la variance entre les groupes appelée "variance inter-groupes". Si la variance inter-groupes n'est pas significativeent supérieure à la variance intra-groupes, les différentes oyennes sont déclarées globaleent égales (il n'y a pas de facteur différenciant). Il faut évideent que le facteur choisi soit pertinent, c'est à dire qu'il existe des raisons physiques ou expérientales perettant de préconiser l'influence de ce facteur sur les esures. Lorsqu'on veut tester plusieurs facteurs il faut les considérer globaleent par une analyse de variance ultifactorielle car l'influence de deux ou de plusieurs facteurs n'équivaut pas à la soe des influences des facteurs pris séparéent (il peut y avoir synergie ou au contraire inhibition de l'effet de deux facteurs). d) Calcul de la variance intra-groupes On calcule les variances à l'intérieur de chaque groupe. s j ( xij j ) n j i variant de à n j (38) x ij : ièe valeur dans le jèe groupe j : oyenne du jèe groupe Ensuite on fait la soe sur les k groupes : n j : effectif du jèe groupe ( ) INTRA n j s j S j variant de à k (39) S Intra peut égaleent être calculé directeent à l'aide d'une double soe : S INTRA k n x ij j i j ( ) j A partir de S Intra on calcule la variance intra-groupes INTRA S S INTRA INTRA avec N Σn j et υ INTRA N - k (40) N k υintra
3 66 e) Calcul de la variance inter-groupes On calcule la oyenne générale M et la variance des oyennes de chaque groupe par rapport à cette oyenne générale. En d'autres teres chaque groupe de oyenne j est considéré par rapport à la oyenne générale coe une esure de poids n j. ( ) SINTER nj j M j variant de à k (4) et INTER Sinter k (4) f) Test propreent dit En principe INTER > INTRA. Si ce n'est pas le cas on peut conclure que les oyennes sont égales ou encore que le facteur discriinant est al choisi puisqu'il a tendance à regrouper les oyennes. (une forte inhoogénéité des variances peut égaleent conduire à ce résultat) On terine par un test de Fisher. F INTRER INTRA et F F(k-, N-k,-α) (43) Si la condition (43) est vraie, alors le facteur considéré est un facteur discriinant et les oyennes varient significativeent avec ce facteur. Dans le cas contraire les oyennes sont égales lorsqu'on fait varier le facteur en question. Le choix du facteur différenciant est par conséquent très iportant. Dans les problèes de aintenance on pourra effectuer le test en fonction de l'âge d'un coposant électronique ou d'une colonne chroatographique par exeple. En validation de éthodes de esures, le facteur étudié est sipleent le nuéro de la série de esures, l'échantillon étant évideent identique. g) ariance Totale On définit la variance totale coe la variance de toutes les esures par rapport à la oyenne générale : S T k n j x ( j i ij M ) (44) TOTAL ST N (45)
4 67 h) Tableau d analyse de variance Les trois variances ne sont pas indépendantes. Origine SCE Degrés de liberté ariances Intra-groupes S INTRA N-k INTRA Inter-groupes S INTER k- INTER Totale S T N- TOTAL On peut déonter que les soes des carrés des écarts (notés SCE) ainsi que les degrés de libertés sont additifs. Cette équation est appelée équation de l'analyse de variance. On en déduit : S T SIntra + et N-(N-k)+(k-) SInter N k + k N (( ) ( ) ) TOTAL INTRA INTER (46) L'équation 46 est intéressante puisqu'elle peret de calculer la variance totale à partir de résultats partiels ( j, s j et n j ) sans avoir à reonter aux résultats bruts. i) ariance liée au facteur discriinant, variance inter-laboratoire La variance inter-groupes ne dépend pas uniqueent de l'effet du facteur discriinant sur les esures, ais égaleent des erreurs aléatoires "naturelles", donc de la variance intra-groupes. On peut décoposer INTER en ses deux coposantes, la variance intra-groupe et la variance due uniqueent au facteur discriinant. On peut ontrer que : INTER INTRA + n A (47) A est la contribution du facteur discriinant (appelé A par convention) à la variance intra-groupes. A est appelé "variance liée au facteur A". Lorsque l'effet de A est nul INTER INTRA. n représente le nobre oyen de esures par série. n n'est pas une oyenne arithétique, il est défini par l'équation : n n N k N j soe étendue de j à k (48) INTER INTRA A n (49) Dans les essais inter-laboratoires on effectue des séries de esures dans des laboratoires différents sur le êe échantillon. On fait ensuite une analyse de variance en considérant coe facteur contrôlé, le no du laboratoire. L'influence du facteur "laboratoire" est une variable aléatoire de variance A appelée dans ce cas "ariance inter-laboratoire" et notée L.
5 68 j) Interprétation graphique de l'analyse de variance Traçons sur un êe graphique toutes les valeurs de x ij en faisant apparaître claireent les séries de esures. On place en abscisse la valeur de i + 0 (j-) par exeple si les effectifs de chaque série sont inférieurs à 0. x i,j Série Série Série 3 Série 4 3 i+8(j-) Fig. 9 a Distribution des esures brutes x ij dans une analyse de variance L'analyse de variance peret de scinder ce graphique en deux graphiques ettant en évidence la variance intra-groupes et la variance inter-groupes. Traçons les différences r ij x ij - j c'est à dire les esures rapportées aux oyennes de chaque groupe. x i,j - j Série Série Série 3 Série 4 0 i+8(j-) - Fig. 9 b Distribution des différences x ij - j dans une analyse de variance On obtient une distribution de oyenne nulle qui adet coe variance globale lorsqu'on élange toutes les valeurs de r ij, la variance intra-groupe INTRA. Dans le cas d'une analyse inter-laboratoire, cette variance reflète les incertitudes liées à une éthode de esure, les différentes variances s j doivent donc en principe être hoogènes. (une faible variation de sj d'un groupe à l'autre est acceptable puisque les esures sont effectuées par des personnes différentes avec des appareils différents).
6 69 Lorsqu'on a retranché les fluctuations r ij sur la figure 9 a, il reste une distribution statistique de oyennes autour de la oyenne générale M. j Série Série Série 3 Série 4 3 M i+8(j-) Fig. 9 c Distribution des oyennes j dans une analyse de variance La variance de cette distribution est la variance inter-groupes INTER. L'objet de l'analyse de variance est de ontrer que cette dernière peut être expliquée uniqueent par les fluctuations aléatoires c'est à dire qu'elle est du êe ordre de grandeur que INTRA ou au contraire qu'il faut invoquer l'effet du facteur différenciant.. Conditions pour une bonne ise en application de l analyse de variance. a) Distribution gaussienne des données L analyse de variance peut conduire à des résultats inexacts si les données de chaque groupe ne sont pas distibuées suivant une loi Norale. Il faudrait donc faire un test de Shapiro-Wilk pour les données de chaque groupe, ce qu on fait rareent. Lorsque le nobre de esures de chaque groupe est > 0 la condition de noralité est supposée vérifiée. b) Hoogénéité des variances à l intérieur des groupes. Noraleent, la variance inter-groupes doit être supérieure à la variance intra-groupes, faute de quoi la variance due au facteur différenciant devient négative ce qui est anoral. Si les variances des groupes sont inhoogènes c'est-à-dire s il en existe une qui est netteent supérieure aux autres, la variance intra-groupes devient anoraleent élevée et parfois supérieure à la variance inter-groupes. Il est donc recoandé de vérifier préalableent l hoogénéité des variances à l aide d un test de Cochran ou de Bartlett. Si l hoogénéité des variances est en défaut on recherchera l existence de points aberrants.
7 70 physique. 3. Application de l analyse de variance à l évaluation de la qualité d une esure La qualité d une esure physique s exprie par sa fidélité et son exactitude. a) Définitions concernant la fidélité La fidélité est l'étroitesse de l'accord entre des résultats d'essais indépendants obtenus dans des conditions de variabilité expérientales stipulées. On considère trois définitions de la fidélité suivant la variabilité des conditions expérientales : La répétabilité représente la qualité de l'accord entre des esures d'un êe échantillon effectuées dans des conditions expérientales très faibleent variables. Elle s'obtient en répétant un protocole de esure sur un êe échantillon, l'appareillage et l'opérateur étant identiques et les esures étant effectuées dans un faible intervalle de teps. Evideent la répétabilité n'intègre pas les erreurs systéatiques ou les défauts d'appareillage. Elle donne sipleent une esure de la dispersion du signal pour un protocole de esure effectué sur un appareil donné et par un opérateur donné. La reproductibilité correspond à la êe définition, ais dans le cas de esures effectuées dans des conditions forteent variables (opérateurs, appareillages, époques et souvent laboratoires différents). Plus la variabilité des conditions expérientales est grande, plus le nobre de causes d'erreurs prises en copte dans la dispersion des résultats est grande. En principe, une étude de reproductibilité iplique une capagne d'essais inter-laboratoires ipliquant des entreprises différentes et parfois des pays différents. Un niveau interédiaire de variabilité des conditions expérientales a été préconisé lorsque de véritables essais inter-laboratoires sont ipossibles (le plus souvent pour des raisons de confidentialité lorsqu'on étudie un produit ou un atériau nouveau). On liite les facteurs de variabilité à l'équipeent, au personnel et au teps. Parfois, seul le facteur teps peut être pris en considération. On parle alors de Fidélité interédiaire ou reproductibilité intralaboratoire b) Calculs concernant la fidélité On effectue une analyse de variance en prenant coe facteur différenciant, le labo ou l appareillage ou le jour de la esure. On exprie toujours une non-fidélité, c'est à dire qu'on donne un nobre d'autant plus grand que la fidélité est plus auvaise.
8 7 ariance de répétabilité et de reproductibilité. La variance de répétabilité appelée r n'est autre que la variance intra-groupes INTRA. La variance de reproductibilité R s'exprie par deux relations différentes suivant l'influence du facteur différenciant : si l'influence du facteur différenciant est négligeable R T et voisin de INTRA dans le cas contraire R LABO + INTRA Ecarts-types de répétabilité et de reproductibilité Ce sont les racines carrés des variances correspondantes. Leur intérêt est qu'ils s'exprient dans les êes unités que les oyennes s r r et s R R Coefficients de variation de répétabilité et de reproductibilité Ce sont les écarts-types divisés par la oyenne générale s C r r M et C s R R M b) Définition de l exactitude L'exactitude d'une éthode de esure exprie l'étroitesse de l'accord entre la valeur esurée et la valeur adise coe exacte La valeur exacte peut être un poids étalon, une résistance étalon etc.., ais aussi un produit naturel ou un atériau de coposition certifiée ou ayant les propriétés physiques certifiées. b) Evaluation de l exactitude d une esure physique L'exactitude d'une éthode d'analyse n'est pas à propreent parler une grandeur esurable. On évalue l'exactitude en coparant la valeur expérientale à la valeur théorique par un test de Student au seuil de 95 %, ou en ontrant que la valeur théorique se trouve dans l'intervalle de confiance de 95 % de la valeur expérientale. On répond à ce test par "oui" ou "non". Pour oduler la réponse, on peut agir sur le risque α du test de Student ais la valeur α 5 % est counéent adise.
9 7 On peut égaleent exprier quantitativeent l exactitude au oyen d un biais qui exprie la différence entre la oyenne esurée et la valeur exacte. Ce biais peut être exprié coe une différence algébrique ou une différence relative ou encore un taux de recouvreent. Si R représente la variance de reproductibilité et si la valeur exacte M 0 est connue, on adet qu'une éthode est exacte si la oyenne générale M n'est pas significativeent différente de M 0 au risque bilatéral de 5 %. M M t R 0 ( N, ) (50) N N : nobre total de esures ; M : oyenne générale Dans ce cas l exactitude s exprie par RAI ou FAUX sans considération quantitative. On peut égaleent un biais algébrique ou relatif. D M-M 0 ou encore D (M-M 0 )/M 0 (biais relatif parfois exprié en %) Si l intervalle de confiance sur le biais est faible (l intervalle de confiance sur le biais D est égal à l intervalle de confiance sur M) on peut l utiliser coe facteur correctif de la éthode de esure, ais seuleent dans un doaine expériental voisin de M. Si on veut corriger la éthode de esure dans un large doaine, il faut faire l étude d exactitude à plusieurs points de ce doaine et odéliser le biais par une fonction adéquate.
10 73 ANALYSE DE ARIANCE CE QU IL FAUT ABSOLUMENT RETENIR Principe de l analyse de variance. Calcul des variances intra et inter-groupes. SINTRA ( ) n s j j j variant de à k INTRA S N k INTRA avec N Σn j inter j j ( ) S n M j variant de à k INTER Sinter k Test de Fisher pour l analyse de variance. F INTRER et F F(k-, N-k,-α) INTRA (conclusion : oyennes dépendantes du facteur différenciant) ariance totale et variance inter-laboratoire ( ij ) S x M T k n j j i TOTAL S T N Labo INTER n INTRA avec n n N k N j pour j à k Définition de la répétabilité et de la reproductibilité d une esure Calcul de l écart-type de répétabilité et de reproductibilité. Définition et évaluation de l exactitude d une esure
Arrondissage des résultats de mesure. Nombre de chiffres significatifs
BUREAU NATIONAL DE MÉTROLOGIE COMMISSARIAT À L'ÉNERGIE ATOMIQUE LABORATOIRE NATIONAL HENRI BECQUEREL Note technique LNHB/04-13 Arrondissage des résultats de esure Nobre de chiffres significatifs M.M. Bé,
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 détailMécanique : Cinématique du point. Chapitre 1 : Position. Vitesse. Accélération
2 e B et C 1 Position. Vitesse. Accélération 1 Mécanique : Cinéatique du point La écanique est le doaine de tout ce qui produit ou transet un ouveent, une force, une déforation : achines, oteurs, véhicules,
Plus en détailL étalonnage par traceur Compton, une nouvelle méthode de mesure primaire d activité en scintillation liquide
PH. CASSEE L étalonnage par traceur Copton, une nouvelle éthode de esure priaire d activité en scintillation liquide he Copton source efficiency tracing ethod, a new standardization ethod in liquid scintillation
Plus en détailÉquations générales des milieux continus
Équations générales des ilieux continus Jean Garrigues 1 ai 212 ii Avant-propos L objectif de ce cours est d établir les équations générales régissant tous les ilieux continus, qu ils soient solides ou
Plus en détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détailL indice des prix à la consommation
L indice des prix à la consoation Base 2004 Direction générale Statistique et Inforation éconoique 2007 L indice des prix à la consoation Base 2004 = 100 La Direction générale Statistique et Inforation
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 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 détailAbstract. Key-words: The flowshop problem, Heuristics, Job scheduling, Total flowtime.
Abstract Since the flowshop scheduling proble has found to be an NP-coplete proble, the developent of heuristic algoriths that give better solutions becoe necessary. In this paper we discuss how to resolve
Plus en détailLA MESURE DE MASSE POUR LA DÉTERMINATION DE PÉRIODES RADIOACTIVES
LA EURE DE AE POUR LA DÉTERINATION DE PÉRIODE RADIOACTIVE CEA ACLAY, DEN/DAN/DPC ervice d Études Analytiques et de Réactivité des urfaces Laboratoire de développement Analytique Nucléaire Isotopique et
Plus en détailVoyez la réponse à cette question dans ce chapitre. www.alternativesjournal.ca/people-and-profiles/web-exclusive-ela-alumni-make-splash
Une personne de 60 kg est à gauche d un canoë de 5 de long et ayant une asse de 90 kg. Il se déplace ensuite pour aller à droite du canoë. Dans les deux cas, il est à 60 c de l extréité du canoë. De cobien
Plus en détailDOSSIER SUR LE SECTEUR DES NOMS DE DOMAINE VOLUME 11 - NUMÉRO 4 - JANVIER 2015
DOSSIER SUR LE SECTEUR DES NOMS DE DOMAINE VOLUME 11 - NUMÉRO - JANVIER 2015 RAPPORT DE VERISIGN SUR LES NOMS DE DOMAINE LEADER MONDIAL DU SECTEUR DES NOMS DE DOMAINE ET DE LA SÉCURITÉ D'INTERNET, VERISIGN
Plus en détailLes bases de données. Historique
1 Les bases de données Aujourd hui indispensables dans tous les systèes de gestion de l inforation, les bases de données sont une évolution logique de l augentation de la deande de stockage de données.
Plus en détailRéseaux Évidentiels pour la fusion de données multimodales hétérogènes : application à la détection de chutes
Réseaux Évidentiels pour la fusion de données ultiodales hétérogènes : application à la détection de chutes Paulo Arando Cavalcante Aguilar To cite this version: Paulo Arando Cavalcante Aguilar. Réseaux
Plus en détailDosage des sucres par CLHP dans les vins (Oeno 23/2003)
Méthode OIV-MA-AS311-03 Méthode Type II Dosage des sucres par CLHP dans les vins (Oeno 23/2003) 1. DOMAINE D'APPLICATION Cette recommandation spécifie une méthode de dosage du fructose, du glucose et du
Plus en détail2.1 Comment fonctionne un site?
Coent fonctionne un site? Dans ce chapitre, nous allons étudier la liste des logiciels nécessaires à la création d un site ainsi que les principes de base indispensables à son bon fonctionneent. 2.1 Coent
Plus en détail1. Introduction...2. 2. Création d'une requête...2
1. Introduction...2 2. Création d'une requête...2 3. Définition des critères de sélection...5 3.1 Opérateurs...5 3.2 Les Fonctions...6 3.3 Plusieurs critères portant sur des champs différents...7 3.4 Requête
Plus en détailEXERCICE II : LE TELEPHONE "POT DE YAOURT" (5 points)
USA 2005 EXERCICE II : LE TELEPHONE "POT DE YAOURT" (5 points) A l'ère du téléphone portable, il est encore possible de couniquer avec un systèe bien plus archaïque L'onde sonore produite par le preier
Plus en détailFctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines
FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html
Plus en détailPROPRIETES ELASTIQUES DU PLI UNIDIRECTIONNEL APPROCHE MICROMECANIQUE
Cours Matériau Coposites Fiche 2 PROPRITS LASTIQUS DU PLI UNIDIRCTIONNL APPROCH MICROMCANIQU A. Chateauinois RSUM : Cette iche présente des approches sipliiées perettant d'éaluer le odule longitudinal
Plus en détailRÉPONSES D'HYDRO-QUÉBEC DISTRIBUTION À LA DEMANDE DE RENSEIGNEMENTS N O 2 DE L'UMQ
RÉPONSES D'HYDRO-QUÉBEC DISTRIBUTION À LA DEMANDE DE RENSEIGNEMENTS N O 2 DE L'UMQ Page 1 de 7 1. Références : (i) Notes sténographiques du 30 mars 2012, page 56, lignes 8 à 15; (ii) Notes sténographiques
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détail«Des places de jeux pour tous» Formulaire de demande
«Des places de jeux pour tous» Forulaire de deande Ce questionnaire infore quant à la place de jeu en projet et ne constitue pas une grille d évaluation. Les renseigneents doivent donner une ipression
Plus en détailÉTUDE BDC LES CINQ FACTEURS CLÉS ET LES CINQ PIÈGES À ÉVITER POUR RÉUSSIR EN AFFAIRES
ÉTUDE BDC LES CINQ FACTEURS CLÉS ET LES CINQ PIÈGES À ÉVITER POUR RÉUSSIR EN AFFAIRES Seaine de la PME BDC 2014 Résué --------------------------------------------------------------------------------------
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 détailUtiliser Internet Explorer
5 Utiliser Internet Explorer 5 Utiliser Internet Explorer Internet Explorer est le plus utilisé et le plus répandu des navigateurs web. En effet, Internet Explorer, couraent appelé IE, est le navigateur
Plus en détailEstimations d erreur a priori de la méthode de Lagrange Galerkin pour les équations de type Kazhikhov Smagulov
Estiations d erreur a priori de la étode de Lagrange Galerkin pour les équations de type Kazikov Sagulov Jocelyn Étienne b,a Pierre Saraito a a LMC-IMAG, BP 53, 3841 Grenoble cedex b Adresse actuelle:
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 détailProbabilités Loi binomiale Exercices corrigés
Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre
Plus en détailSimulation numérique de la réponse d un pieu en cours de battage
Siulation nuérique e la réponse un pieu en cours e battage Philippe LEPERT Ingenieur Division Géotechnique et Mécanique es Chaussées Laboratoire Central es Ponts et Chaussées Daniel MEIGNEN Technicien
Plus en détailChapitre 4 : les stocks
Chapitre 4 : les stocks Stocks et actifs Une entreprise achète généralement des biens pour les utiliser dans son processus de production, ce sont les matières premières et les fournitures, elle peut également
Plus en détailTHESE. Applications des algorithmes d'auto-organisation à la classification et à la prévision
UNIVERSITE PARIS I PANTHEON SORBONNE U.F.R. DE MATHEMATIQUES et INFORMATIQUE Année 999 THESE Pour obtenir le rade de DOCTEUR DE L'UNIVERSITE PARIS I Discipline : Mathéatiques Présentée et soutenue publiqueent
Plus en détailTolérance aux fautes-2 Serveurs à haute disponibilité
École Doctorale de Grenoble Master 2 Recherche Systèes et Logiciel Disponibilité des s Tolérance aux fautes-2 Serveurs à haute disponibilité Sacha Krakowiak Université Joseph Fourier Projet Sardes (INRIA
Plus en détailIntroduction. Préambule. Le contexte
Préambule... INTRODUCTION... BREF HISTORIQUE DE L ACP... 4 DOMAINE D'APPLICATION... 5 INTERPRETATIONS GEOMETRIQUES... 6 a - Pour les n individus... 6 b - Pour les p variables... 7 c - Notion d éléments
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailBien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction
Antécédents d un nombre par une fonction 1) Par lecture graphique Méthode / Explications : Pour déterminer le ou les antécédents d un nombre a donné, on trace la droite (d) d équation. On lit les abscisses
Plus en détailCours de Métrologie & Assurance qualité
UNIVERSITE MOHAMMED V-AGDAL FACULTE DES SCIENCES DEPARTEMENT DE CHIMIE RABAT Cours de Métrologie & Assurance qualité Licence Professionnelle Génie Analytique (chimie) Pr R. BCHITOU 1 La métrologie existe
Plus en détailAutour des nombres et des polynômes de Bernoulli
Autour des nobres et des polynôes de Bernoulli Gaëtan Bisson d après un cours de Don Zagier Résué En athéatiques, les nobres de Bernoulli ont d abord été étudiés en cherchant à calculer les soes du type
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 détailinnovation / construction / territoire Crèche modulaire-bois La Rose des Vents GAILLAC (81) COMMUNAUTÉ DE COMMUNES
innovation / construction / territoire Crèche odulaire-bois La Rose des Vents GAILLAC (81) COMMUNAUTÉ DE COMMUNES Présentation de la crèche éco-responsable et odulaire de la Rose des vents à Gaillac La
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 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 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 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 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 détailLa mémoire C HAPITRE S EPT. 7.1 Qu est-ce que la mémoire? 166. 7.2 L utilisation de la mémoire à court terme 169
La éoire C HAPITRE S EPT 7.1 Qu est-ce que la éoire? 166 Les types de éoires 166 Vue d enseble des processus éoriels 168 7.2 L utilisation de la éoire à court tere 169 La éoire iconique 169 La éoire à
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 détailGamme et conseils de mise en œuvre
ENVELOPPE DU BÂTIMENT Gae et conseils de ise en œuvre BATIROC COMPLÉMENT DE GAMME, nous consulter PROFILS DE BARDAGE BATIBAC 4-25BV BATIBAC 6-25BH BATIBAC 5-35BH 25 267,5 FACE B (extérieur) 25 80,8 FACE
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 détailIntroduction aux sondages
Introduction aux sondages Fiche technique Introduction Les sondages d'opinion publique sont très répandus. La plupart du temps, les rapports publiés par les enquêteurs ne fournissent pas suffisamment d'informations
Plus en détailREF01 Référentiel de labellisation des laboratoires de recherche_v3
Introduction Le présent référentiel de labellisation est destiné aux laboratoires qui souhaitent mettre en place un dispositif de maîtrise de la qualité des mesures. La norme ISO 9001 contient essentiellement
Plus en détailDÉVERSEMENT ÉLASTIQUE D UNE POUTRE À SECTION BI-SYMÉTRIQUE SOUMISE À DES MOMENTS D EXTRÉMITÉ ET UNE CHARGE RÉPARTIE OU CONCENTRÉE
Revue Construction étallique Référence DÉVERSEENT ÉLASTIQUE D UNE POUTRE À SECTION BI-SYÉTRIQUE SOUISE À DES OENTS D EXTRÉITÉ ET UNE CHARGE RÉPARTIE OU CONCENTRÉE par Y. GALÉA 1 1. INTRODUCTION Que ce
Plus en détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16
ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que
Plus en détailPrélèvement/préparation p des échantillons et analyse des reliquats d azote
Prélèvement/préparation p des échantillons et analyse des reliquats d azote Matthias CARRIERE Plan de l intervention Introduction : I. méthodes et outils de prélèvement. 11. Les normes d échantillonnage
Plus en détaile-commerce+ Passez au e-commerce pour simplifier vos process de vente! RENCONTREZ-NOUS Salon E-commerce 23-25 septembre - Paris
e-coerce+ agazine d inforation d Octave N 11 Juin 2014 TO Passez au e-coerce pour siplifier vos process de vente! RENCONTREZ-NOUS Salon E-coerce 23-25 septebre - Paris Salon #vad.conext 21-23 octobre -
Plus en détailINTRODUCTION EN BOURSE EVALUATION D ENTREPRISE
INTRODUCTION EN BOURSE EVALUATION D ENTREPRISE Avril 2013 EVALUATION D ENTREPRISE 1 Introduction en bourse Une introduction en bourse est avant tout une opération financière. Les avantages financiers de
Plus en détailLes mesures à l'inclinomètre
NOTES TECHNIQUES Les mesures à l'inclinomètre Gérard BIGOT Secrétaire de la commission de Normalisation sols : reconnaissance et essais (CNSRE) Laboratoire régional des Ponts et Chaussées de l'est parisien
Plus en détailÉchafaudage de façade UNI 70/100
Stark gerüstet. Échafaudage de façade 70/100 Français valable à partir du 15.04.2013 Table des atières Montage du systèe / Avantages du systèe 2-3 Châssis 4-5 Planchers 6 Escaliers «intérieurs» 7 Escaliers
Plus en détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détail6. Les différents types de démonstrations
LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,
Plus en détailIncertitudes expérimentales
Incertitudes expérimentales F.-X. Bally et J.-M. Berroir Février 2013 Table des matières Introduction 4 1 Erreur et incertitude 4 1.1 Erreurs............................................. 4 1.1.1 Définition
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailPOKER ET PROBABILITÉ
POKER ET PROBABILITÉ Le poker est un jeu de cartes où la chance intervient mais derrière la chance il y a aussi des mathématiques et plus précisément des probabilités, voici une copie d'écran d'une main
Plus en détailCOURS GESTION FINANCIERE A COURT TERME SEANCE 2 COUVERTURE DU BESOIN DE FINANCEMENT CHOIX DU NIVEAU DU FONDS DE ROULEMENT
COURS GESTION FINANCIERE A COURT TERME SEANCE 2 COUVERTURE DU BESOIN DE FINANCEMENT CHOIX DU NIVEAU DU FONDS DE ROULEMENT SEANCE 2 COUVERTURE DU BESOIN DE FINANCEMENT CHOIX DU NIVEAU DU FONDS DE ROULEMENT
Plus en détailJCGM 100:2008(F) GUM 1995 avec des corrections mineures. Évaluation des données de mesure Guide pour l expression de l incertitude de mesure
JCGM 100:008(F) GUM 1995 avec des corrections mineures Évaluation des données de mesure Guide pour l expression de l incertitude de mesure Evaluation of measurement data Guide to the expression of uncertainty
Plus en détailINTRODUCTION 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 détailIntroduction : Cadkey
Introduction Cadkey Cadkey est un logiciel de dessin assisté par ordinateur. La fenêtre du logiciel devrait ressembler à quelque chose comme suit: Le menu supérieur: Redraw Autoscale Efface Modifier les
Plus en détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
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 détailMODE D'EMPLOI DE LA CALCULATRICE POUR LES COURTS SÉJOURS DANS L'ESPACE SCHENGEN
MODE D'EMPLOI DE LA CALCULATRICE POUR LES COURTS SÉJOURS DANS L'ESPACE SCHENGEN 1. Introduction Le règlement (UE) n 610/2013 du 26 juin 2013 a modifié la convention d'application de l'accord de Schengen,
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 détailExprimer ce coefficient de proportionnalité sous forme de pourcentage : 3,5 %
23 CALCUL DE L INTÉRÊT Tau d intérêt Paul et Rémi ont reçu pour Noël, respectivement, 20 et 80. Ils placent cet argent dans une banque, au même tau. Au bout d une année, ce placement leur rapportera une
Plus en détailÀ l'intention des parents
Septembre 2011 À l'intention des parents Information sur les examens en vue de l'obtention du diplôme Votre fils ou votre fille passera bientôt des examens en vue de l'obtention du diplôme? Voici de l'information
Plus en détailPRÉSENTATION DE LA MAINTENANCE INFORMATIQUE
1000. PRÉSENTATION DE LA MAINTENANCE INFORMATIQUE En informatique, la notion de maintenance n'est pas figée et comporte des prestations de natures forts différentes qui vont du simple dépannage des équipements
Plus en détailBureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr
Dominique Muller Laboratoire Inter-universitaire de Psychologie Bureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr Supports de cours : webcom.upmf-grenoble.fr/lip/perso/dmuller/m2r/acm/
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailCOMMENT MAITRISER LA GESTION DES APPROVISIONNEMENTS ET DES STOCKS DE MEDICAMENTS
1 sur 9 COMMENT MAITRISER LA GESTION DES APPROVISIONNEMENTS ET DES STOCKS DE MEDICAMENTS (L'article intégral est paru dans Gestions Hospitalières n 357 de juin-juillet 1996) Pour plus d'informations concernant
Plus en détailSYNTHÈSE DOSSIER 1 Introduction à la prospection
SYNTHÈSE DOSSIER 1 Introduction à la prospection La prospection est une activité indispensable pour développer le nombre de clients, mais aussi pour contrecarrer la perte de clients actuels. Elle coûte
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 détailAnnales du Contrôle National de Qualité des Analyses de Biologie Médicale
Annales du Contrôle National de Qualité des Analyses de Biologie Médicale ARN du virus de l hépatite C : ARN-VHC ARN-VHC 03VHC1 Novembre 2003 Edité : mars 2006 Annales ARN-VHC 03VHC1 1 / 8 ARN-VHC 03VHC1
Plus en détailPour tout renseignement complémentaire, veuillez contacter le service technique au 01 40 13 37 77. HORAIRES MONTAGE-DEMONTAGE
Salon de l iobilier d entreprise règleent de décoration VALIDATION DES PROJETS Vos projets d aénageent de stand devront être validés dans le cadre du respect des règles d architecture du salon et du respect
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 détailMASSE, VOLUME ET QUANTITE DE MATIERE
MASSE, OLUME ET QUANTITE DE MATIERE Exercices du Livre Microega Hatier (004 Correction L acide sulfurique 1. Calculons la asse olaire de l acide sulfurique : M(H SO 4 xm(h + M(S + 4xM(O M(H SO 4 x1,00
Plus en détailIMPORTATION, CRÉATION, MANIPULATION, EXPORTATION DE DONNÉES STATISTIQUES
IMPRTATIN, CRÉATIN, MANIPULATIN, EXPRTATIN DE DNNÉES STATISTIQUES Bernard Dupont Bernard.Dupont@univ-lille1.fr ahm.bahah@yahoo.fr Bien que l'analyse et le traitement des données ne soient pas sa vocation
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailSNC du Chemin de Paris Création d un bâtiment d activité industrielle et de stockage ZAC du Chemin de Paris 60440 Nanteuil le Haudouin
DOSSIER DE DEMANDE D ENREGISTREMENT D UNE INSTALLATION CLASSEE POUR LA PROTECTION DE L ENVIRONNEMENT Code de l Environneent Livre V Titre I SNC du Chein de Paris Création d un bâtient d activité industrielle
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 détailChristophe CANDILLIER Cours de DataMining mars 2004 Page 1
Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe
Plus en détailGESTION DE STOCKS AVEC CIEL GESTION COMMERCIALE
GESTION DE STOCKS AVEC CIEL GESTION COMMERCIALE La gestion de stocks est complexe. Deux questions illustrent cette complexité : Première question : en supposant que le stock d un article comprenne 2 unités
Plus en détailApplication 1- VBA : Test de comportements d'investissements
Application 1- VBA : Test de comportements d'investissements Notions mobilisées Chapitres 1 à 5 du cours - Exemple de récupération de cours en ligne 1ère approche des objets (feuilles et classeurs). Corps
Plus en détailCentre d'etudes Nucléaires de Fontenay-aux-Roses Direction des Piles Atomiques Département des Etudes de Piles
CEA-N-1195 Note CEA-N-1195 Centre d'etudes Nucléaires de Fontenay-aux-Roses Direction des Piles Atomiques Département des Etudes de Piles Service d'etudes de Protections de Piles PROPAGATION DES NEUTRONS
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
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 détailChapitre 3 Les régimes de fonctionnement de quelques circuits linéaires
Chapitre 3 Les régimes de fonctionnement de quelques circuits linéaires 25 Lechapitreprécédent avait pour objet l étude decircuitsrésistifsalimentéspar dessourcesde tension ou de courant continues. Par
Plus en détailDocument d orientation sur les allégations issues d essais de non-infériorité
Document d orientation sur les allégations issues d essais de non-infériorité Février 2013 1 Liste de contrôle des essais de non-infériorité N o Liste de contrôle (les clients peuvent se servir de cette
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailTPE/PME : comment me situer et justifier de mon statut?
TPE/PME : comment me situer et justifier de mon statut? Vérification du statut de PME par les micro, petites et moyennes entreprises au sens du règlement REACH Ce document est traduit et librement adapté
Plus en détail