STAT-I301 Chapitre VI: Méthodes non paramétriques. Caroline Verhoeven
|
|
- Louis St-Jean
- il y a 7 ans
- Total affichages :
Transcription
1 STAT-I301 Chapitre VI: Méthodes non paramétriques Caroline Verhoeven
2 Table des matières 1 Test de Mann-Whitney 2 Test de rangs de Wilcoxon pour 2 échantillons appariés 3 Coefficient de corrélation de rangs de Spearman Calcul du coefficient de corrélation Test de significativité pour r s Caroline Verhoeven STAT-I301 2 / 39
3 1. Test de Mann-Whitney Test de Mann-Whitney : Exemple I Exemple 1 Chez le grillon des sauges (Cyphoderris strepitans), durant l accouplement, la femelle grignote les extrémités des ailes du mâle. En 1999, Johnson et al. se sont demandé si une femelle affamée aura plus facilement tendance à s accoupler. Ils ont pris 24 grillons et ont choisi un groupe de N 1 = 11 au hasard qu ils ont affamé, l autre groupe de N 2 = 13 a été nourri. Apres quoi chaque femelle a été mise dans une cage avec 1 mâle, et on a enregistré le temps d attente pour l accouplement Les mesures se trouvent sur le slide suivant Caroline Verhoeven STAT-I301 3 / 39
4 1. Test de Mann-Whitney Test de Mann-Whitney : Exemple II Exemple 1 faim nourri 1,9 1,5 2,1 1,7 3,8 2,4 9,0 3,6 9,6 5,7 13,0 22,6 14,7 22,8 17,9 39,0 21,7 54,4 29,0 72,1 72,3 73,6 79,5 88,9 Caroline Verhoeven STAT-I301 4 / 39
5 1. Test de Mann-Whitney Mann-Whitney : Exemple III nombre Femelles affamées temps nombre Femelles nouries temps Clairement non normal Caroline Verhoeven STAT-I301 5 / 39
6 1. Test de Mann-Whitney Test de Mann-Whitney : Principes Egalement appelé test de rangs de Wilcoxon pour 2 échantillons indépendants équivalent non-paramétrique du test t pour 2 échantillons indépendants Formulation des hypothèses H 0 : µ 1 = µ 2 médianes! H a : µ 1 µ 2 Caroline Verhoeven STAT-I301 6 / 39
7 1. Test de Mann-Whitney Mann-Whitney : Calcul et résolution de l exemple I 1 Classer les mesures de la plus petite à la plus grande, tous groupes confondus Exemple 1 groupe temps classement groupe temps classement 2 1, , , , , , , , , , , , , , , , , , , , , , , ,9 24 Caroline Verhoeven STAT-I301 7 / 39
8 1. Test de Mann-Whitney Mann-Whitney : Calcul et résolution de l exemple II 2 Calculer la somme des classements du plus petit groupe : Exemple 1 r 1 = = Calcul de la statistique : r 1 Caroline Verhoeven STAT-I301 8 / 39
9 1. Test de Mann-Whitney Mann-Whitney : Calcul et résolution de l exemple III 4 Comparer la statistique avec la table de Wilcoxon Exemple 1 Ici on regarde un test bilatéral et on veut savoir si il y a une différence à α = 0, 05. On regarde dans la table pour α = 0, 05 et N 1 = 11, N 2 = 13 et on voit 2 nombres : w 0,025 = 103 w 0,975 = 172 Si r 1 w 0,025 ou r 1 w 0,975 On rejette H 0 Si w 0,025 < r 1 < w 0,975 On ne rejette pas H 0 Ici : w 0,025 = 103 < r 1 = 121 < w 0,975 = 172 On ne rejette pas H 0 Caroline Verhoeven STAT-I301 9 / 39
10 1. Test de Mann-Whitney Valeur attendue pour R 1 I On sait que n i=1 i = n = n(n+1) 2 Si on additionne tous le classements, on a (N 1 + N 2 ) = (N 1 + N 2 )(N 1 + N 2 + 1) 2 La moyenne des classements est donnée par 1 (1+2+ +(N 1 + N 2 )) = N 1 + N N 1 + N 2 2 Caroline Verhoeven STAT-I / 39
11 1. Test de Mann-Whitney Valeur attendue pour R 1 II La valeur attendue E(R 1 ), si H 0 est vraie, est proportionnelle : au nombre de sujets dans le groupe 1 : N 1 à la moyenne des classements N 1 + N Et donc : E(R 1 ) = N 1 N 1 + N Caroline Verhoeven STAT-I / 39
12 1. Test de Mann-Whitney Si les échantillons sont grands? Si N 1 et N 2 sont trop grands, ils ne sont plus dans les tables. Alors, on calcule z = r 1 E(R 1 ) N1 N 2 (N 1 + N 2 + 1), s(r 1 ) = s(r 1 ) 12 Z N(0, 1) Si on regarde un test bilatéral à un taux α = 0, 05 : On rejette H 0 si z < 1, 96 ou z > 1, 96 On ne rejette pas H 0 si 1, 96 < z < 1, 96 Caroline Verhoeven STAT-I / 39
13 1. Test de Mann-Whitney Classement avec mesures égales Comment classe-t-on si on a plusieurs fois la même mesure? Exemple 2 Considérons les mesures fictives groupe x i classement , , Classement des mesures égales : moyenne des places qu elles prennent Caroline Verhoeven STAT-I / 39
14 1. Test de Mann-Whitney Test de Mann-Whitney : conditions Il n y a pas de conditions sur la distribution de la population Les distributions de 2 populations doivent avoir la même forme Les 2 échantillons sont aléatoires simples Les 2 échantillons sont indépendants Caroline Verhoeven STAT-I / 39
15 2. Test de rangs de Wilcoxon pour 2 échantillons appariés Wilcoxon pour 2 échantillons appariés : Exemple I Exemple 3 En 2002, Haguenauer a étudié le pas de base de la danse sur glace. Il a étudié l impact de la position de la jambe d appui en phase de repositionnement après une poussée. La jambe peut être en flexion ou en extension. La différence des position a-t-elle un impact sur la vitesse du patineur? On a demandé de faire le même pas, 1 fois avec la jambe en extension et 1 fois avec la jambe en flexion à N = 7 patineurs. La vélocité de poussée a été enregistrée. Caroline Verhoeven STAT-I / 39
16 2. Test de rangs de Wilcoxon pour 2 échantillons appariés Wilcoxon pour 2 échantillons appariés : Exemple II Exemple 3 patineur E F 1 2,13 1,90 2 1,77 1,55 3 1,68 1,62 4 2,04 1,89 5 2,12 2,01 6 1,92 1,91 7 2,08 2,10 Caroline Verhoeven STAT-I / 39
17 2. Test de rangs de Wilcoxon pour 2 échantillons appariés Wilcoxon pour 2 échantillons appariés : Principes Egalement appelé test de Wilcoxon des rangs signés Equivalent non-paramétrique du test t pour 2 échantillons appariés Hypothèse sur la médiane δ des différence entre les 2 mesures d 1 paire Formulation des hypothèses H 0 : δ = 0 H a : δ 0 Caroline Verhoeven STAT-I / 39
18 2. Test de rangs de Wilcoxon pour 2 échantillons appariés Wilcoxon pour 2 échantillons appariés : Calcul et résolution de l exemple I 1 Calcul des différences d i = x i1 x i2 entre les 2 mesures 2 Calcul des valeurs absolues d i Exemple 3 i x i1 x i2 d i d i 1 2,13 1,90 0,23 0,23 2 1,77 1,55 0,22 0,22 3 1,68 1,62 0,06 0,06 4 2,04 1,89 0,15 0,15 5 2,12 2,01 0,11 0,11 6 1,92 1,91 0,01 0,01 7 2,08 2,10-0,02 0,02 Caroline Verhoeven STAT-I / 39
19 2. Test de rangs de Wilcoxon pour 2 échantillons appariés Wilcoxon pour 2 échantillons appariés : Calcul et résolution de l exemple II 3 Classement des d i de la plus petite à la plus grande. Si d i = 0, on élimine la donnée de l analyse. (Il nous reste n données) Si 2 différences sont identiques, on prend la moyenne de leur place Exemple 3 i x i1 x i2 d i d i classement 1 2,13 1,90 0,23 0, ,77 1,55 0,22 0, ,68 1,62 0,06 0, ,04 1,89 0,15 0, ,12 2,01 0,11 0, ,92 1,91 0,01 0, ,08 2,10-0,02 0,02 2 Caroline Verhoeven STAT-I / 39
20 2. Test de rangs de Wilcoxon pour 2 échantillons appariés Wilcoxon pour 2 échantillons appariés : Calcul et résolution de l exemple II 4 On regarde les classement des différences positives et négatives 5 On prend la somme des c+ et la somme des c- Exemple 3 i x i1 x i2 d i d i classement c+ c- 1 2,13 1,90 0,23 0, ,77 1,55 0,22 0, ,68 1,62 0,06 0, ,04 1,89 0,15 0, ,12 2,01 0,11 0, ,92 1,91 0,01 0, ,08 2,10-0,02 0, t + = 26 t = 2 Caroline Verhoeven STAT-I / 39
21 2. Test de rangs de Wilcoxon pour 2 échantillons appariés Wilcoxon pour 2 échantillons appariés : Calcul et résolution de l exemple II 6 Prendre le plus petit entre les t + et t, on le nomme t Exemple 3 Dans notre example, on a t = t = 2 Caroline Verhoeven STAT-I / 39
22 2. Test de rangs de Wilcoxon pour 2 échantillons appariés Wilcoxon pour 2 échantillons appariés : Calcul et résolution de l exemple III 6 On compare t avec la table de Wilcoxon pour 2 échantillons appariés Exemple 3 Ici on regarde un test bilatéral et on veut savoir si il y a une différence à α = 0, 05. On regarde dans la table pour α = 0, 05 et n = 7 et on voit le nombres : t 0,025 = 3 Caroline Verhoeven STAT-I / 39
23 2. Test de rangs de Wilcoxon pour 2 échantillons appariés Wilcoxon pour 2 échantillons appariés : Calcul et résolution de l exemple IV Exemple 3 Si t t 0,025 ou t t 0,975 On rejette H 0 Ici : Si t 0,025 < t < t 0,975 On ne rejette pas H 0 t = 2 < t 0,025 = 3 On rejette H 0 Caroline Verhoeven STAT-I / 39
24 2. Test de rangs de Wilcoxon pour 2 échantillons appariés Valeur attendue pour T Si H 0 est vrai, on s attend à ce que la somme des classements de différence négative soit la même que celle des classements des différences positives : E(T ) = E(T + ) On sait que la somme totale des classements est : t + + t = n = n(n+1) 2 En combinant les 2 infos, on obtient : E(T ) = E(T + ) = 1 n(n+1) = n(n+1) La distribution T de Wilcoxon est symétrique autour de n(n + 1)/4 Caroline Verhoeven STAT-I / 39
25 2. Test de rangs de Wilcoxon pour 2 échantillons appariés Si les échantillons sont grands Si n est trop grand pour le trouver dans les tables, on calcule z = t E(T) s(t) s(t) = n(n+1)(2n+1) 24 Z N(0, 1) Si on regarde un test bilatéral à un taux α = 0, 05 : On rejette H 0 si z < 1, 96 ou z > 1, 96 On ne rejette pas H 0 si 1, 96 < z < 1, 96 Caroline Verhoeven STAT-I / 39
26 2. Test de rangs de Wilcoxon pour 2 échantillons appariés Test de rangs de Wilcoxon pour 2 échantillons appariés : conditions La distribution ne doit pas être trop asymétrique Les données ne peuvent pas être biaisées Les sujets doivent être indépendants Caroline Verhoeven STAT-I / 39
27 3. Coefficient de corrélation de rangs de Spearman 1. Calcul du coefficient de corrélation Coefficient de corrélation de Spearman : Exemple I Exemple 4 En 1986, Woloschuk a étudié le lien entre la performance d une équipe de basket-ball et sa volonté de gagner. Durant un tournoi, il a donné un questionnaire mesurant la volonté de gagner aux joueuses de 18 équipes, On a enregistré le score moyen pour la volonté de vaincre par équipe et le nombre de points moyen de cette équipe pour le tournoi? Le score pour la volonté de vaincre est-il relié au nombre de points moyen obtenus par l équipe? Les données se trouvent sur le slide suivant Caroline Verhoeven STAT-I / 39
28 3. Coefficient de corrélation de rangs de Spearman 1. Calcul du coefficient de corrélation Coefficient de corrélation de Spearman : Exemple II Exemple 4 équipe vaincre points équipe vaincre points 1 9,50 46, ,71 30,33 2 9,46 40, ,64 22,00 3 9,00 41, ,56 40,75 4 8,90 48, ,17 39,50 5 8,55 45, ,00 42,75 6 8,22 43, ,00 28,50 7 8,18 28, ,50 42,50 8 8,09 46, ,29 25,33 9 7,80 27, ,75 41,00 Caroline Verhoeven STAT-I / 39
29 3. Coefficient de corrélation de rangs de Spearman 1. Calcul du coefficient de corrélation Coefficient de corrélation de Spearman : Exemple II Exemple 4 Nuage de points pour cet exemple points volonté de vaincre Caroline Verhoeven STAT-I / 39
30 3. Coefficient de corrélation de rangs de Spearman 1. Calcul du coefficient de corrélation Coefficient de corrélation de Spearman : Calcul et résolution de l exemple I 1 Déterminer le classement des mesures x et des mesures y. Si 2 mesures sont identiques, on prend la moyenne de leur place. Exemple 4 i x i y i c x,i c y,i 1 9,50 46, ,46 40, ,00 41, ,90 48, ,55 45, ,22 43, ,18 28, ,09 46, ,75 41, Caroline Verhoeven STAT-I / 39
31 3. Coefficient de corrélation de rangs de Spearman 1. Calcul du coefficient de corrélation Coefficient de corrélation de Spearman : Calcul et résolution de l exemple II 2 Prendre la différence entre les 2 classements d i = c x,i c yi 3 Calculer d 2 i Exemple 4 i x i y i c x,i c y,i d i di 2 1 9,50 46, ,46 40, ,00 41, ,90 48, ,55 45, ,22 43, ,18 28, ,09 46, ,75 41, Caroline Verhoeven STAT-I / 39
32 3. Coefficient de corrélation de rangs de Spearman 1. Calcul du coefficient de corrélation Coefficient de corrélation de Spearman : Calcul et résolution de l exemple II 4 Calculer le total des d 2 i Exemple 4 i x i y i c x,i c y,i d i di 2 1 9,50 46, ,46 40, ,00 41, ,90 48, ,55 45, ,22 43, ,18 28, ,09 46, ,75 41, ,5 Caroline Verhoeven STAT-I / 39
33 3. Coefficient de corrélation de rangs de Spearman 1. Calcul du coefficient de corrélation Coefficient de corrélation de Spearman : Calcul et résolution de l exemple III 5 Calculer le coefficient de corrélation de Spearman r s r s = 1 6 N i=1 d i 2 N(N 2 1) Exemple 4 Dans notre exemple : Remarque 5 1 r s 1 r s = , 5 18(18 2 = 0, 315 1) Caroline Verhoeven STAT-I / 39
34 3. Coefficient de corrélation de rangs de Spearman 1. Calcul du coefficient de corrélation Formule et ex aequo La formule r s = 1 6 N i=1 d i 2 N(N 2 1) n est exacte que si il n y a pas d ex aequos dans les mesures! Si il y a des ex aequos, on utilise la formule r s = N i=1 (c x,i c x )(c y,i c y ) N i=1 (c N x,i c x ) 2 i=1 (c y,i c y ) 2 c x et c y : moyenne des classements pour x et y : c x = c y = N Caroline Verhoeven STAT-I / 39
35 3. Coefficient de corrélation de rangs de Spearman 2. Test de significativité pour r s Test de significativité pour r s : Exemple Exemple 4 Dans l exemple de basket, nous avons obtenu un coefficient de corrélation de rangs de Spearman r s = 0, 315. Peut-on conclure à partir de cet exemple, que la performance d une équipe est relié à sa volonté de vaincre, avec un taux α = 0, 05? Caroline Verhoeven STAT-I / 39
36 3. Coefficient de corrélation de rangs de Spearman 2. Test de significativité pour r s Test de significativité pour r s : Principe ρ s : Coefficient de corrélation de Spearman pour la population Formulation d hypothèses H 0 : ρ s = 0 H a : ρ s 0 Calcul de la statistique : r s On regarde dans la table de distribution du coefficient de corrélation du Spearman le nombre r N,1 α/2 r s r N;1 α/2 ou r s r N;1 α/2 on rejette H 0 r N;1 α/2 < r s < r N;1 α/2 on ne rejette pas H 0 Caroline Verhoeven STAT-I / 39
37 3. Coefficient de corrélation de rangs de Spearman 2. Test de significativité pour r s Test de significativité pour r s : Résolution de l exemple Exemple 4 Formulation d hypothèses H 0 : ρ s = 0 H a : ρ s 0 Calcul de la statistique : r s = 0, 315 On regarde dans la table de distribution du coefficient de corrélation du Spearman : r 18;0,975 = 0, 472 r s = 0, 315 < r 18;0,975 = 0, 472 On ne rejette pas H 0 Caroline Verhoeven STAT-I / 39
38 3. Coefficient de corrélation de rangs de Spearman 2. Test de significativité pour r s Si les échantillons sont grands Si N est trop grand pour le trouver dans les tables, on calcule t = r s 1 rs 2, s rs = s rs N 2 T t(df = N 2) Caroline Verhoeven STAT-I / 39
39 3. Coefficient de corrélation de rangs de Spearman 2. Test de significativité pour r s Corrélation de Spearman : Conditions Les échantillons sont aléatoires simples La relation entre les 2 classements doit être linéaire Caroline Verhoeven STAT-I / 39
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en 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 détailI. Cas de l équiprobabilité
I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
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 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 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 détailThéorie des sondages : cours 5
Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur
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 détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en détailLES DECIMALES DE π BERNARD EGGER
LES DECIMALES DE π BERNARD EGGER La génération de suites de nombres pseudo aléatoires est un enjeu essentiel pour la simulation. Si comme le dit B Ycard dans le cours écrit pour le logiciel SEL, «Paradoxalement,
Plus en détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
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 détailExposing a test of homogeneity of chronological series of annual rainfall in a climatic area. with using, if possible, the regional vector Hiez.
Test d homogéné$é Y. BRUNET-MORET Ingénieur hydrologue, Bureau Central Hydrologique Paris RÉSUMÉ Présentation d un test d homogénéi.té spécialement conçu pour vérijier Z homogénéité des suites chronologiques
Plus en détailCorrélation entre deux classements. ρ Le coefficient de rang de Spearman
Corrélation entre deux classements Cas: échelle ordinale On peut utilisé le Rhô ρ Le coefficient de rang de Spearman Cours réalisé par Benjamin Putois Novembre 2008 bputois@gmail.com Indice statistique
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
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 détailCalculs de probabilités
Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailPourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
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 détailL Econométrie des Données de Panel
Ecole Doctorale Edocif Séminaire Méthodologique L Econométrie des Données de Panel Modèles Linéaires Simples Christophe HURLIN L Econométrie des Données de Panel 2 Figure.: Présentation Le but de ce séminaire
Plus en détailExo7. Probabilité conditionnelle. Exercices : Martine Quinio
Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle
Plus en détailExercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015
Exercices M1 SES 214-215 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 215 Les exemples numériques présentés dans ce document d exercices ont été traités sur le logiciel R, téléchargeable par
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 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 détailLE CADRE COMMUN DE REFERENCE LA CONVERGENCE DES DROITS 3 e forum franco-allemand
LE CADRE COMMUN DE REFERENCE LA CONVERGENCE DES DROITS 3 e forum franco-allemand Guillaume Wicker Professeur à l Université Montesquieu - Bordeaux IV 1 Je commencerais par cette interrogation : est-il
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en 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 détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailItem 169 : Évaluation thérapeutique et niveau de preuve
Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes
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 détailIl y a trois types principaux d analyse des résultats : l analyse descriptive, l analyse explicative et l analyse compréhensive.
L ANALYSE ET L INTERPRÉTATION DES RÉSULTATS Une fois les résultats d une investigation recueillis, on doit les mettre en perspective en les reliant au problème étudié et à l hypothèse formulée au départ:
Plus en détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
Plus en détailLES MODELES DE SCORE
LES MODELES DE SCORE Stéphane TUFFERY CONFERENCE GENDER DIRECTIVE 31 mai 2012 31/05/2012 ActuariaCnam Conférence Gender Directive Stéphane Tufféry 1 Plan Le scoring et ses applications L élaboration d
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 détailCollège St JO Votre avis nous intéresse
Collège St JO Votre avis nous intéresse Généré par WysuForms - http://www.wysuforms.com 1 Questions et Variables Questions En quelle classe est votre enfant? Sans réponses 0 0 % 6e 69 34.2 % 5e 53 26.2
Plus en détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
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 détailPartie 1 - Séquence 3 Original d une fonction
Partie - Séquence 3 Original d une fonction Lycée Victor Hugo - Besançon - STS 2 I. Généralités I. Généralités Définition Si F(p) = L [f(t)u (t)](p), alors on dit que f est l original de F. On note f(t)
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 détailRevenu net 2,509,803 101,280 113,506 115,765 119,401
Propr. VPN 2011 2012 2013 2014 C 49 50 51 52 S 47 48 49 50 C 0 100,000 116,555 134,383 153,941 S 0 0 6,536 13,778 21,811 C 0 35,000 39,869 39,859 33,783 C 5,000 10,931 S 0 35,000 37,869 35,694 27,739 S
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 détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
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 (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailExamen de Logiciels Statistiques
G. Hunault Angers, mai 2011 Licence MEF Examen de Logiciels Statistiques On s intéresse ici au dossier EAEF01 qui contient un extrait des données du recensement américain. On trouvera ces données et leur
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 détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ARTHUR CHARPENTIER 1 Un certain test médical révèle correctement, avec probabilité 0.85, qu une personne a le sida lorsqu elle l a vraiment et révèle incorrectement,
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailIII- Raisonnement par récurrence
III- Raisonnement par récurrence Les raisonnements en mathématiques se font en général par une suite de déductions, du style : si alors, ou mieux encore si c est possible, par une suite d équivalences,
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailRégression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr
Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailPRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.
PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.. Donner les erreurs en position, en vitesse et en accélération d un système de transfert F BO = N(p) D(p) (transfert en boucle ouverte) bouclé par retour
Plus en détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailIntroduction à la théorie des graphes. Solutions des exercices
CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailoù «p» représente le nombre de paramètres estimés de la loi de distribution testée sous H 0.
7- Tests d austement, d indépendance et de coélation - Chapite 7 : Tests d austements, d indépendance et de coélation 7. Test d austement du Khi-deux... 7. Test d austement de Kolmogoov-Sminov... 7.. Test
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailExamen Médian - 1 heure 30
NF01 - Automne 2014 Examen Médian - 1 heure 30 Polycopié papier autorisé, autres documents interdits Calculatrices, téléphones, traducteurs et ordinateurs interdits! Utilisez trois copies séparées, une
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 détailAlgorithmes récursifs
Licence 1 MASS - Algorithmique et Calcul Formel S. Verel, M.-E. Voge www.i3s.unice.fr/ verel 23 mars 2007 Objectifs de la séance 3 écrire des algorithmes récursifs avec un seul test rechercher un élément
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailPRIME D UNE OPTION D ACHAT OU DE VENTE
Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,
Plus en détailNote:... Q1 :... Q2 :... Q3 :... Q4 :... Bonus :... Total :...
FACUL S HAUS US COMMRCIALS L'UNIVRSI LAUSANN Professeurs :. Andrei C. Bobtcheff Matière : Principes généraux de finance Session : té Informations générales: o ocumentation autorisée. o Calculatrices autorisées
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
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 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 détailPEUT- ON SE PASSER DE LA NOTION DE FINALITÉ?
PEUT- ON SE PASSER DE LA NOTION DE FINALITÉ? à propos de : D Aristote à Darwin et retour. Essai sur quelques constantes de la biophilosophie. par Étienne GILSON Vrin (Essais d art et de philosophie), 1971.
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 détailNouveau Barème W.B.F. de points de victoire 4 à 48 donnes
Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes Pages 4 à 48 barèmes 4 à 48 donnes Condensé en une page: Page 2 barèmes 4 à 32 ( nombre pair de donnes ) Page 3 Tous les autres barèmes ( PV de
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en détailThéorie et codage de l information
Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q
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 détailProbabilités (méthodes et objectifs)
Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d
Plus en détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
Plus en détailCours de Probabilités et de Statistique
Cours de Probabilités et de Statistique Licence 1ère année 2007/2008 Nicolas Prioux Université Paris-Est Cours de Proba-Stat 2 L1.2 Science-Éco Chapitre Notions de théorie des ensembles 1 1.1 Ensembles
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailTD 3 : suites réelles : application économique et nancière
Mathématiques Appliquées Cours-TD : K. Abdi, M. Huaulmé, B. de Loynes et S. Pommier Université de Rennes 1 - L1 AES - 009-010 TD 3 : suites réelles : application économique et nancière Exercice 1 Calculer
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détail5. Apprentissage pour le filtrage collaboratif
686 PARTIE 5 : Au-delà de l apprentissage supervisé 5. Apprentissage pour le filtrage collaboratif Il semble que le nombre de choix qui nous sont ouverts augmente constamment. Films, livres, recettes,
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
Plus en 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 détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détailPRINCIPES DE LA CONSOLIDATION. CHAPITRE 4 : Méthodes de consolidation. Maître de conférences en Sciences de Gestion Diplômé d expertise comptable
PRINCIPES DE LA CONSOLIDATION CHAPITRE 4 : Méthodes de consolidation David Carassus Maître de conférences en Sciences de Gestion Diplômé d expertise comptable SOMMAIRE CHAPITRE I Les fondements de la consolidation
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 détailIntroduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
Plus en détailArbre de probabilité(afrique) Univers - Evénement
Arbre de probabilité(afrique) Univers - Evénement Exercice 1 Donner l univers Ω de l expérience aléatoire consistant à tirer deux boules simultanément d une urne qui en contient 10 numérotés puis à lancer
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailCours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
Plus en détailOrganisme d arbitrage autorisé par la Régie du bâtiment : Centre canadien d arbitrage commercial (CCAC)
ARBITRAGE En vertu du Règlement sur le plan de garantie des bâtiments résidentiels neufs (Décret 841-98 du 17 juin 1998, c. B-1.1, r.0.2, Loi sur le bâtiment, Lois refondues du Québec (L.R.Q.), c. B-1.1,
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 détailL exclusion mutuelle distribuée
L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué
Plus en détail