1 Principe des tests statistiques
|
|
- Matthieu Cantin
- il y a 7 ans
- Total affichages :
Transcription
1 CHU Amiens IFTLM 2 ème année Statistique Cours 5 1 Principe des tests statistiques Tests statistiques, tests de comparaison Les tests statistiques (ou tests d hypothèse) sont un outil des statistiques inductives : ils permettent d extrapoler à une population toute entière (ou deux populations) des résultats connus seulement sur un échantillon (ou deux échantillons) issu de cette (ou ces) population. Pour cela, un risque α (classiquement α = 0, 05) est fixé. Plaçons-nous dans le cas où l on compare les résultats observés d une certaine mesure X dans une même expérience sur deux échantillons notés respectivement 1 et 2, chacun d eux étant supposé représentatif de la population. A partir de ces résultats observés, diverses quantités peuvent être calculées, les moyennes sur les échantillons m 1 et m 1, les écart-types sur les échantillons s 1 et s 2 etc... Le problème est le suivant : on observe une différence entre les deux moyennes m 1 et m 2, cette différence est-elle statistiquement significative? Autrement dit, peut-on en déduire avec un certain risque que les moyennes sur les populations dont sont issus les échantillons, µ 1 et µ 2, sont différentes? Ou encore, les deux échantillons proviennent-ils de la même population? Exemple 1 Pour comparer deux médicaments en fonction de leur activité tachycardisante (accélératrice du rythme cardiaque), on effectue un sondage dans une population de malades de façon à grouper n 1 = 40 malades utilisant le premier médicament et n2 = 30 malades utilisant le second médicament. On évalue ensuite pour chaque malade la différence y entre la fréquence cardiaque une heure après la prise et la fréquence juste avant la prise. On obtient, pour des fréquences exprimées en battements par minute, les résultats suivants pour la moyenne et la variance corrigée groupe x s 2 1 7, , 6 6 Peut-on conclure avec une confiance de 98% qu il y a une différence entre les médicaments? 1. Hypothèse nulle H0 : c est l hypothèse principale, que l on va supposer vraie pour faire le test. C est toujours une hypothèse d égalité. Ici H0 : µ 1 = µ 2. Supposer cette hypothèse vraie implique que les deux échantillons se comportent de la même façon face à l expérience. 2. Hypothèse alternative H1 : c est une hypothèse incompatible avec H0. Cela peut être l hypothèse contraire µ 1 µ 2 en cas de test bilatéral, ou bien une hypothèse plus forte, µ 1 > µ 2 ou µ 1 < µ 2, dans le cas d un test unilatéral. 3. Erreur de première espèce α : c est le risque, qu on accepte de prendre, de conclure à tort à une différence significative, c est donc la probabilité d accepter H1 sachant que H0 est vraie. Elle est fixée à priori (en général à 0,05). 4. Erreur de deuxième espéce β : c est le risque de conclure à une absence de différence significative alors qu elle existe, c est donc la probabilité de ne pas rejeter H0 sachant que H1 est vraie. 5. Puissance du test π = 1 β : lorsque l on suppose que les deux populations d origine ne sont pas les mêmes (H1), on doit clairement s attendre à trouver une différence significative entre les résultats sur les échantillons, c est-à-dire à rejeter H0, avec une probabilité d autant plus grande que l étude est puissante. La puissance peut être fixée a priori et peut servir à calculer le nombre de sujets nécessaires pour avoir un test assez puissant.
2 6. Degré de signification du test : en cas de rejet de l hypothèse H0, ce paramètre mesure la "force du rejet". C est la probabilité que la différence observée sur les deux échantillons se produise, si H0 est vraie. C est aussi la plus petite valeur de α avec laquelle on accepte H1. Elle s obtient par lecture dans la table de l écart réduit a posteriori. Règle de décision du test : il s agit d une règle qui va nous pousser, en fonction des mesures sur les échantillons, à rejeter ou à ne pas rejeter H0. Pour cela, on utilise une "statistique", c est-à-dire une variable aléatoire dont on connaît la loi sous H0, et qui va mesurer la différence entre les deux échantillons. Le calcul de cette variable sur l échantillon donne une valeur u, que l on compare à une valeur u α, obtenue à partir du risque de première espèce α. Si cette différence u est assez grande u > u α, on est amené à rejeter H0 (RH0). Le raisonnement est le suivant : on suppose que H0 est vraie, on doit donc s attendre, si on tient compte seulement du hasard, à une différence u petite. Si c est le cas, on ne rejette pas H0 (NRH0). Si ce n est pas le cas, cela signifie que la différence n est pas seulement due au hasard mais qu elle est statistiquement significative. Il est à noter qu on ne dit jamais que H0 est vraie, même dans le cas où on ne la rejette pas. 2 Tests de comparaison On effectue ce type de tests lorsque l on compare les résultats d une certaine mesure X entre un échantillon et la population générale ou bien entre deux échantillons (tests quantitatifs), d une part, ou bien lorsque l on compare la proportion d individus qui possèdent une certaine qualité X (tests qualitatifs). Rappel des notations proportion moyenne variance écart-type variance corrigée écart-type corrigé population, théorique p µ σ 2 σ échantillon f n m s 2 s s 2 c s c u α tel que P(X > u α ) = α, où X suit une loi normale N (0; 1). 2 t α,n 1 tel que P(T > t α,n 1 ) = α, où T suit une loi de Student à n 1 degrés de liberté Comparaison de deux proportions Comparaison d une proportion observée à une proportion théorique Soit p pop la proportion dans la population dont est issu l échantillon. Les hypothèses du test sont H0 : p pop = p et H1 : p pop p (pour un test bilatéral). Conditions de validité du test : np 5, n(1 p) 5 u = f n p p(1 p) n u > u α = RH0 Exemple 2 Sur un échantillon de 400 naissances dans une population de rongeurs, on a observé 206 mâles, soit une fréquence de mâles de f n = 206 = 0, 515. On se demande s il y a autant de mâles que 400 de femelles dans la population, autrement dit, si la proportion de mâles dans la population est p = 0, 5. On peut effectuer le test statistique de H 0 : p = 0, 5 contre H 1 : p 0, 5. On calcule u = 0, 515 0, 5 0,5(1 0,5) 400 = 0, 6 Pour α = 0, 05, on a u α = 1, 96. Comme u ] u α, u α [, on ne peut pas rejeter H 0. Il est donc possible que p = 0, 5.
3 2.1.2 Comparaison de deux pourcentages observés, échantillons indépendants Soit p A,pop la proportion dans la population dont est issu l échantillon A (idem pour B). Les hypothèses du test sont H0 : p A,pop = p B,pop et H1 : p A,pop p B,pop (pour un test bilatéral). Conditions de validité du test : n A p A 5, n A q A 5, n B p B 5, n B q B 5. p = n Ap A + n B p B u = p A p B n A + n B pq n A + pq n B u > u α = RH0 Exemple 3 Dans une même catégorie sociale, un échantillon de 40 hommes a fourni 8 fumeurs et un échantillon de 60 femmes a fourni 18 fumeuses. On se demande si la proportion de fumeurs est la même pour les deux sexes. On peut considérer la situation suivante. Population 1 : hommes. Variable X 1 : être fumeur, représenté par une variable aléatoire X 1 de loi de Bernoulli B(p 1 ) où p 1 est la proportion d hommes fumeurs. Echantillon de taille n 1 = 40 Estimateur de p 1 : f 1 = 8 = 0, 2. Population 40 2 : femmes. Variable X 2 : être fumeuse, représenté par une variable aléatoire X 2 de loi de Bernoulli B(p 2 ) où p 2 est la proportion de femmes fumeuses. Echantillon de taille n 2 = 60. Estimateur de p 2 : estimation de p 2 : f 2 = = 0, 3. Les échantillons E 1 et E 2 sont indépendants. Test bilatéral de H 0 : p 1 = p 2 contre H 1 : p 1 p 2. On a n 1 f 1 = 8 > 5, n 1 (1 f 1 ) = 32 > 5, n 2 f 2 = 18 > 5 et n 2 (1 f 2 ) = 42 > 5. Sous l hypothèse H O, en regroupant les deux échantillons, on peut estimer p par f 1,2 = n 1f 1 + n 2 f 2 = n 1 + n = 0, 26. On calcule alors : , 2 0, 3 u = ( ) = 1, , 26(1 0, 26) Avec α = 0, 05, on obtient u α = 1, 96 et comme u ] u α, u α [, on ne peut rejeter H 0. La proportion de fumeurs ne diffère pas significativement entre les deux sexes. Pour cette décision de non-rejet, on ne connaît pas la probabilité de se tromper (erreur de deuxième espèce). 2.2 Comparaison de deux moyennes Comparaison d une moyenne observée m à une moyenne théorique µ, n 30 Soit µ pop la moyenne sur la population dont est issu l échantillon. Les hypothéses sont H0 : µ pop = µ et H1 : µ pop µ (pour un test bilatéral). La statistique utilisée est u = x µ σ n u > u α = RH0 si σ est inconnue, on l estime par s c. Exemple 4 Dans une usine du secteur de l agroalimentaire, une machine à embouteiller est alimentée par un réservoir d eau et par une file d approvisionnement en bouteilles vides. Pour contrôler le bon fonctionnement de la machine, on veut construire un test d hypothèse bilatéral qui sera mis en oeuvre toutes les heures. Pour une production d une heure, on suppose que la variable aléatoire X qui à toute bouteille, prise au hasard dans cette production, associe le volume d eau (en litres) qu elle contient, est une variable aléatoire d espérance µ et d écart-type σ inconnus. On considère que la machine est bien réglée lorsque le volume d eau moyen dans une bouteille est µ = 1, 5l. On a prélevé un échantillon de 100 bouteilles, et on a obtenu un volume d eau moyen de 1, 495l et un écart-type corrigé de 0, 01. Peut-on conclure, au risque 5%, que la machine est bien réglée? On peut considérer la situation suivante. Population : bouteilles produites. Variable X : volume d eau, variable aléatoire de moyenne µ et d écart-type σ = 0, 01. Echantillon E de taille n = 100.
4 Estimations ponctuelles x = 1, 495 et s c = 0, 01. On a un grand échantillon. On effectue un test bilatéral de H 0 : µ = 1, 5 contre H 1 : µ 1, 5. On calcule u = 1, 495 1, 5 0,01 = Pour α = 0, 05, on obtient u α = 1, 96. Comme u / ] u α, u α [, on rejette H 0 avec une probabilité de 5% de se tromper : la machine n est pas bien réglée Comparaison d une moyenne observée x à une moyenne théorique µ : n 30 et population de distribution normale t = x µ σ n t > t α,n 1 = RH0 si σ est inconnue, on l estime par s c Comparaison de deux moyennes observées x A et x B : échantillons indépendants, n A 30 et n B 30 Soit µ A la moyenne sur la population dont est issu l échantillon A (idem pour B). Les hypothèses sont H0 : µ A = µ B et H1 : µ A µ B (test bilatéral). u = x A x B s 2 c,a n A + s2 c,b n B u > u α = RH0 Exemple 5 Pour comparer deux médicaments en fonction de leur activité tachycardisante (accélératrice du rythme cardiaque), on effectue un sondage dans une population de malades de façon à grouper n 1 = 40 malades utilisant le premier médicament et n2 = 30 malades utilisant le second médicament. On évalue ensuite pour chaque malade la différence y entre la fréquence cardiaque une heure après la prise et la fréquence juste avant la prise. On obtient, pour des fréquences exprimées en battements par minute, les résultats suivants pour la moyenne et la variance corrigée groupe x s 2 1 7, , 6 6 Peut-on conclure avec une confiance de 98% qu il y a une différence entre les médicaments? Comparaison de deux moyennes observées x A et x B : échantillons indépendants, min(n A, n B ) < 30, distribution normale et égalité des variances s 2 A,B = (n A 1)s 2 c,a + (n B 1)s 2 c,b n A + n B 2 t = x A x B s 2 A,B n A + s2 A,B n B t > t α,na+nb 2 = RH0 Exemple 6 Le myélome se traduit par une prolifération des plasmocytes, ce qui provoque un accroissement des globulines (protéines du sang ayant fonction d anticorps). On veut tester cet accroissement chez des malades atteints de myélome à un stade précoce. A cet effet, on mesure en g/l les concentrations des globulines dans le sang dans un échantillon de tels malades, puis dans un échantillon de personnes en bonne santé. On suppose enfin que dans la population toute entière, le taux de globuline suit une loi normale. échantillon de malades : taille 20, moyenne 50 g/l, écart-type 14 g/l échantillon de personnes saines : taille 10, moyenne 40 g/l, écart-type 12 g/l
5 2.2.5 Comparaison de deux moyennes observées x A et x B : échantillons appariés, min(n A, n B ) < 30, distribution normale On forme les différences et on compare la moyenne des différences à 0. On est ainsi ramené à la comparaison d une moyenne observée à une norme qui est 0. Exemple 7 Chez un groupe de 10 malades, on expérimente les effets d un traitement destiné à diminuer la pression artérielle. On observe les résultats suivants (valeur de la tension artérielle systolique en cm Hg) : sujet no avant traitement après traitement On se demande si le traitement à une action significative. On peut considérer la situation suivante. Population 1 : malades avant traitement. Variable X 1 : la tension, variable aléatoire de moyenne µ 1 et de variance σ 2 1. Echantillon E 1 de taille n 1 = 10. Population 2 : malades après traitement. Variable X 2 : la tension, variable aléatoire de moyenne µ 2 et de variance σ 2 2. Echantillon E 2 de taille n 2 = 10. On a donc deux petits échantillons appariés extraitsde populations gaussiennes. On considère la variable aléatoire D = X 1 X 2. A partir de l observation de l échantillon (3, 2, 0, 2, 4, 3, 1, 1, 3, 2), on obtient les estimations d = 1, 5 et s c, d 2 = 1, 96. On fait un test unilatéral de H 0 : µ 1 = µ 2 contre H 1 : µ 1 > µ 2. On calcule : t = 1, 5 1,96 10 = 2, 42. on compare cette valeur à la valeur trouvée dans la table de la loi de Student pour α = 0, 05 et ν = n 1 = 9, soit t 0,05,9 = 1, 833. Comme t > t 0,05,9, on rejette H 0 avec une probabilité de 5% de se tromper. On conclut que la tension a diminué de manière significative après le traitement et donc que ce denier a une action significative. 2.3 Test bilatéral, test unilatéral Selon la manière dont la question est posée, on peut choisir de faire un test bilatéral (erreur coupée en deux) ou un test unilatéral (erreur entièrement du même côté). Si la question est "peut-on conclure que les deux moyennes diffèrent significativement au risque 5%?", le test sera bilatéral. Si la question est "peut-on conclure au risque 5% que la moyenne dans la population 2 est supérieure à la moyenne dans la population 1?", le test sera unilatéral. Pour un test bilatéral, l hypothèse H 1 est du type p p 0 ou µ µ 0 ou µ 1 µ 2. La définition de u α (ou t α ) est alors P( u α < u < u α ) = 1 α. Pour un test unilatéral, H 1 est du type p < p 0 ou p > p 0 ou µ 1 < µ 2 ou µ 1 > µ 2. La définition de u α devient alors P(u < u α ) = 1 α pour une hypothèse H 1 du type p > p 0 et P(u > u α ) = 1 α pour une hypothèse H 1 du type p < p 0. 3 Exercices Exercice 1 Pour traiter un certain type de tumeur, on a utilisé deux schémas thérapeutiques : sur 40 malades traités avec le schéma A, on a observé une mortalité à 5 ans de 15% ; sur 60 malades traités avec le schéma B, on a observé une mortalité à 5 ans de 25%. Si l on considère la mortalité à 5 ans, peut-on dire que les schémas A et B diffèrent significativement au risque 10%? au risque 5%?
6 Exercice 2 On suppose que chez les femmes non malades, la teneur en hémoglobine du sang (en g pour 100 ml) est une variable aléatoire de loi normale de moyenne 14,5 et d écart-type 1,1. Sur un échantillon de 20 femmes, on trouve une teneur moyenne en hémoglobine de 13,8 et un écart-type corrigé de 1,2. Au risque de 5%, peut-on conclure que la population de femmes dont est extrait cet échantillon présente une teneur en hémoglobine normale? trop faible? Exercice 3 On compare les effets d un même traitement dans deux hopitaux différents. Dans le premier hopital, 70 des 100 malades traités montrent des signes de guérison. Dans le deuxième hopital, c est le cas pour 100 des 150 malades traités. Quelle conclusion peut-on en tirer? Exercice 4 Des dosages de l acide aspartique total de l urine, en mg/24h, ont été effectués sur deux groupes d adultes à régime alimentaire normal. Les dosages ont donné les résultats suivants : Hommes Femmes Effectif du groupe Moyenne 91, , 9 Ecart-type 30, 49 48, Préciser la(les) population(s) et le(s) caractère(s) étudié(s), ainsi que la(les) taille(s) d échantillon. Indiquer le(s) estimations(s) mises en jeu dans la suite. 2. Peut-on considérer, au risque 5%, que les deux populations étudiées ont le même dosage d acide aspartique? Justifier votre réponse. 3. Si les deux groupes avaient les mêmes moyennes et écart-types que dans le tableau ci-dessus, mais n étaient constitués que de 12 hommes et 10 femmes, chacun, pourrait-on encore appliquer la méthode suivie au 2)? En cas de réponse négative, indiquer la démarche à suivre. Exercice 5 La durée de gestation humaine est en moyenne de 40,5 semaines. 1. Dans une maternité, on a noté l âge gestationnel de 100 nouveaux-nés successifs. On a observé une moyenne de 38,5 semaines et un écart-type de 5 semaines. On pense que cette maternité est spécialisée dans les accouchements prématurés. Tester cette hypothèse. 2. Dans cette même maternité, les mères des 100 nouveaux-nés suivants ont reçu un traitement inhibant les contractions utérines. Pour ces nouveaux-nés, on a observé une moyenne de 39,5 semaines et un écart-type de 4 semaines. Tester l égalité des moyennes des durées de gestation des 2 groupes au risque 2%.
7 " " % " N (0, 1) Φ(t)! #"! Z %'&)(+*-,.* /0*213 (!,4% %'&)5 N (0, "3 > "3#"3 > 1)*768&)9 /:&<;! (!,45>&< /B? &C5A,D %'E %F? &C/:G<9,4/ %H? &C5A,I5 68&K1:&LE %'?,4= 5>&0,4H? % %'&C5>&L1M(N,45>&< /:1B? & 1 Φ(t)O'9 &</,4= 5>&0,4@? % %'&)5A, /3;J,45>& Φ(t) = P(Z < t)* / t 3* 0 t t t
8 D ( (. C. 6 " 8 8 ( 8 & 8 C 8 T α/2 α/2! #"% 4 #C G 1 #"98 : =< T & ')(+*-,/.0, 12,34& *#.5' & ')(76 (;' 8 "%C ν 8 "%C (;>?1A@B3 (+6 C " "% 6E( ' ')(?F!G & 1IHAJ.#K:&)( (;>?1A@ (L6 νfm6e(b3n*?.56e(;& 1A3.BOM.5' 8RQTS; α T (;'V*?.56E(;& 1W. 3 6%&)(YX α = P( T > t), t 0 t ν α
Chapitre 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 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 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 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 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 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 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 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 détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en 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 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 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 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 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 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 détailActivité 38 : Découvrir comment certains déchets issus de fonctionnement des organes sont éliminés de l organisme
Activité 38 : Découvrir comment certains déchets issus de fonctionnement des organes sont éliminés de l organisme 1. EXTRAITS REFERENTIELS DU BO Partie du programme : Fonctionnement de l organisme et besoin
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 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 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 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 détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailFICHE 1 Fiche à destination des enseignants
FICHE 1 Fiche à destination des enseignants 1S 8 (b) Un entretien d embauche autour de l eau de Dakin Type d'activité Activité expérimentale avec démarche d investigation Dans cette version, l élève est
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 détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailGUIDE D INFORMATIONS A LA PREVENTION DE L INSUFFISANCE RENALE
GUIDE D INFORMATIONS A LA PREVENTION DE L INSUFFISANCE RENALE SOURCES : ligues reins et santé A LA BASE, TOUT PART DES REINS Organes majeurs de l appareil urinaire, les reins permettent d extraire les
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 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 détailPUIS-JE DONNER UN REIN?
Registre de donneurs vivants jumelés par échange de bénéficiaires PUIS-JE DONNER UN REIN? Réponses aux questions que se posent les personnes souhaitant faire un don de rein non dirigé Vous vous posez beaucoup
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 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 détailMesures et incertitudes
En physique et en chimie, toute grandeur, mesurée ou calculée, est entachée d erreur, ce qui ne l empêche pas d être exploitée pour prendre des décisions. Aujourd hui, la notion d erreur a son vocabulaire
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 détailT de Student Khi-deux Corrélation
Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes
Plus en détailPUIS-JE DONNER UN REIN?
Registre de donneurs vivants jumelés par échange de bénéficiaires PUIS-JE DONNER UN REIN? Réponses aux questions que se posent les personnes souhaitant faire un don de rein non dirigé UN DON DE REIN DE
Plus en détailSite : http://www.isnab.com mail : mennier@isnab.fr SUJET ES - session 2003 Page 1 68-(7(6VHVVLRQ
Site : http://www.isnab.com mail : mennier@isnab.fr SUJET ES - session 003 Page 1 68-(7(6VHVVLRQ LE JUS E FRUIT 35(0,Ê5(3$57,(%LRFKLPLHSRLQWV L'analyse d'un jus de fruit révèle la présence d'un composé
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailLa Greffe de Cellules Souches Hématopoïétiques
La Greffe de Cellules Souches Hématopoïétiques Professeur Ibrahim Yakoub-Agha CHRU de LILLE (Illustration de J. Cloup, extraite du CD-Rom «greffe de Moelle» réalisé par la société K Noë) La moelle osseuse
Plus en détailI - CLASSIFICATION DU DIABETE SUCRE
I - CLASSIFICATION DU DIABETE SUCRE 1- Définition : Le diabète sucré se définit par une élévation anormale et chronique de la glycémie. Cette anomalie est commune à tous les types de diabète sucré, mais
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 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 détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailInsuffisance cardiaque
Insuffisance cardiaque Connaître son évolution pour mieux la vivre Guide d accompagnement destiné au patient et ses proches Table des matières L évolution habituelle de l insuffisance cardiaque 5 Quelles
Plus en détailFormation à l utilisation du défibrillateur semi-automatique (DSA)
Formation à l utilisation du défibrillateur semi-automatique (DSA) Que devons nous savoir? Utiliser en toute sécurité un défibrillateur semi-automatique au cours de la réanimation cardio-pulmonaire Durée
Plus en détailCONCOURS DE L INTERNAT EN PHARMACIE
Ministère de l enseignement supérieur et de la recherche Ministère de la santé et des sports CONCOURS DE L INTERNAT EN PHARMACIE Valeurs biologiques usuelles Edition de Novembre 2009 (6 pages) Conseil
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailEPREUVES AU CHOIX DU CANDIDAT. Durée : De 09 h 00 à 12 h 00 (Heure de Yaoundé, TU + 1)
1 CYCLE MST-A 30 JUIN 2010 10 ème Promotion 2010 / 2012 CONCOURS D ENTREE A L IIA DROIT EPREUVES AU CHOIX DU CANDIDAT Durée : De 09 h 00 à 12 h 00 (Heure de Yaoundé, TU + 1) Le candidat traitera au choix
Plus en détailLA CONDUITE D UNE MISSION D AUDIT INTERNE
1 LA CONDUITE D UNE MISSION D AUDIT INTERNE Toute mission d Audit est réalisée en trois étapes essentielles: 1 ère étape : La préparation de la mission 2 ème étape : La réalisation de la mission 3 ème
Plus en détailEXERCICES : MECANISMES DE L IMMUNITE : pages 406 407 408 409 410
EXERCICES : MECANISMES DE L IMMUNITE : pages 406 407 408 409 410 EXERCICE 1 PAGE 406 : EXPERIENCES A INTERPRETER Question : rôles respectifs du thymus et de la moelle osseuse dans la production des lymphocytes.
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
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 détailDON DE SANG. Label Don de Soi
DON DE SANG Label Don de Soi 2015 SOMMAIRE Les différents types de dons p.3 Le don de sang total Le don de plasma Le don de plaquettes Le don de moelle osseuse Que soigne-t-on avec un don de sang? p.7
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 détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailStatistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014
Tests du χ 2 Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 A. Lourme http://alexandrelourme.free.fr Outline
Plus en détailMaladie hémolytique du nouveau né. Dr Emmanuel RIGAL Unité d hématologie transfusionelle GENEVE Présentation du 13 janvier 2012.
Maladie hémolytique du nouveau né. Dr Emmanuel RIGAL Unité d hématologie transfusionelle GENEVE Présentation du 13 janvier 2012. HISTORIQUE Période de DESCRIPTION : -Ictère, Anasarque 1609 Louyse BOURGEOIS
Plus en détailFormation des enseignants. Le tensiomètre. Objet technique modélisable issu de l environnement des élèves
Le tensiomètre Objet technique modélisable issu de l environnement des élèves Un peu d'histoire C'est en 1628 que W. Harvey découvrit la circulation du sang. C'est pourtant seulement en 1730 que la pression
Plus en détailRessources pour le lycée général et technologique
éduscol Ressources pour le lycée général et technologique Ressources pour la classe de terminale générale et technologique Exercices de mathématiques Classes de terminale S, ES, STI2D, STMG Ces documents
Plus en détailQU EST-CE QUE LA PROPHYLAXIE?
QU EST-CE QUE LA PROPHYLAXIE? TABLES DES MATIÈRES Publié par la Fédération mondiale de l hémophilie (FMH) Fédération mondiale de l hémophilie, 2014 La FMH encourage la traduction et la redistribution de
Plus en détailFluctuation d une fréquence selon les échantillons - Probabilités
Fluctuation d une fréquence selon les échantillons - Probabilités C H A P I T R E 3 JE DOIS SAVOIR Calculer une fréquence JE VAIS ÊTRE C APABLE DE Expérimenter la prise d échantillons aléatoires de taille
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 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 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 détailLa maladie de Berger Néphropathie à IgA
Néphropathie à IgA La maladie Le diagnostic Les aspects génétiques Le traitement, la prise en charge, la prévention Vivre avec En savoir plus Madame, Monsieur, Cette fiche est destinée à vous informer
Plus en détailTHEME 2 : CORPS HUMAIN ET SANTE : L EXERCICE PHYSIQUE
THEME 2 : CORPS HUMAIN ET SANTE : L EXERCICE PHYSIQUE Introduction générale : L Homme, pour vivre, a besoin de se nourrir. La nutrition fait appel à différentes fonctions que sont l alimentation, la respiration
Plus en détailPremière partie: Restitution + Compréhension (08 points)
Lycée M hamdia Année scolaire : 2011/2012 Prof : Saïd Mounir Date : 17/05/2012 Première partie: Restitution + Compréhension (08 points) EXERCIE N O 1: (4 points) : 1 : a-b 2 : b 3 : a-b 4 : d 5 : d 6 :
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 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 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 détailProfesseur Diane GODIN-RIBUOT
UE3-2 - Physiologie rénale Chapitre 5 : Mesure de la fonction rénale : la clairance rénale Professeur Diane GODIN-RIBUOT Année universitaire 2011/2012 Université Joseph Fourier de Grenoble - Tous droits
Plus en détailLe groupe Casino choisit NP6 pour adapter sa communication email aux enjeux du Responsive Design
Le groupe Casino choisit NP6 pour adapter sa communication email aux enjeux du Responsive Design Client de NP6 depuis 2010, le groupe Casino, l un des leaders mondiaux du commerce alimentaire, souhaitait
Plus en détailProfil médico-économique de plerixafor en remobilisation dans le myélome multiple
Profil médico-économique de plerixafor en remobilisation dans le myélome multiple Aline Voidey Soirée de la Société de Médecine de Franche-Comté Jeudi 27 novembre 2014 L hématopoièse Une seule et unique
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailSP. 3. Concentration molaire exercices. Savoir son cours. Concentrations : Classement. Concentration encore. Dilution :
SP. 3 Concentration molaire exercices Savoir son cours Concentrations : Calculer les concentrations molaires en soluté apporté des solutions désinfectantes suivantes : a) Une solution de 2,0 L contenant
Plus en détailLes Jeudis de l'europe
LE DIABETE SUCRE EST DEFINI EN DEHORS DE TOUT EPISODE DIABETOGENE : 1.26 g/l SOIT 7 mmol/l PREVALENCE DU DIABETE DE TYPE 2 EN FRANCE METROPOLITAINE 3.4 % AGE = 63 ANS HOMMES = 54% 25% > 75 ans OUTRE MER
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 détailTableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1
UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés
Plus en détailAPPLICATION THOMSON HEALTHCARE GUIDE D UTILISATION
APPLICATION THOMSON HEALTHCARE GUIDE D UTILISATION Créer son profil 2 Autorisation Health Kit (sous ios 8 uniquement) Autoriser Thomson Healthcare à écrire et à lire des données de santé 3 Création Profil
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 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 détailLE ROLE DES INCITATIONS MONETAIRES DANS LA DEMANDE DE SOINS : UNE EVALUATION EMPIRIQUE.
LE ROLE DES INCITATIONS MONETAIRES DANS LA DEMANDE DE SOINS : UNE EVALUATION EMPIRIQUE. Synthèse des travaux réalisés 1. Problématique La question D7 du plan d exécution du Programme National de Recherches
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailSOMMAIRE... SOMMAIRE... SOMMAIRE... SOMMAIRE... SOMMAIRE... SOMMAIRE... LES MESURES
SOMMAIRE... SOMMAIRE... SOMMAIRE... SOMMAIRE... SOMMAIRE... SOMMAIRE... LES MESURES MES 1 Les mesures de longueurs MES 2 Lecture de l heure MES 3 Les mesures de masse MES 4 Comparer des longueurs, périmètres.
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en 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 détailTableau récapitulatif : composition nutritionnelle de la spiruline
Tableau récapitulatif : composition nutritionnelle de la spiruline (Valeur énergétique : 38 kcal/10 g) Composition nutritionnelle Composition pour 10 g Rôle Protéines (végétales) 55 à 70 % Construction
Plus en détailLivret des nouveaux anticoagulants oraux. Ce qu il faut savoir pour bien gérer leur utilisation
Livret des nouveaux anticoagulants oraux Ce qu il faut savoir pour bien gérer leur utilisation DONNÉES DU PATIENT Nom Adresse Tél MÉDECIN TRAITANT Nom Adresse Tél SPÉCIALISTE Nom Hôpital Tél MÉDICAMENT
Plus en détail25/01/05 TD Entrepôt de données IHS / Master ICA
Une compagnie d assurance de biens (automobile, immobilier, responsabilité civile) possède une application transactionnelle de production permet de gérer les polices (contrats) de ses clients ainsi que
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 détailSuivi d une réaction lente par chromatographie
TS Activité Chapitre 8 Cinétique chimique Suivi d une réaction lente par chromatographie Objectifs : Analyser un protocole expérimental de synthèse chimique Analyser un chromatogramme pour mettre en évidence
Plus en détailPrestations de soins et d assistance dispensées par les proches : temps investi et évaluation monétaire
BUREAU D ETUDES DE POLITIQUE DU TRAVAIL ET DE POLITIQUE SOCIALE BASS SA KONSUMSTRASSE 20. CH-3007 BERNE. TEL +41 (0)31 380 60 80. FAX +41 (0)31 398 33 63 INFO@BUEROBASS.CH. WWW.BUEROBASS.CH Prestations
Plus en détailChapitre 7 Les solutions colorées
Chapitre 7 Les solutions colorées Manuel pages 114 à 127 Choix pédagogiques. Ce chapitre a pour objectif d illustrer les points suivants du programme : - dosage de solutions colorées par étalonnage ; -
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 détailComment se déroule le prélèvement? Il existe 2 modes de prélèvements des cellules souches de la moelle osseuse:
La greffe de moelle osseuse représente une chance importante de guérison pour de nombreuses personnes atteintes de maladies graves du sang. Le don de moelle osseuse est un acte volontaire, anonyme et gratuit
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 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 détailSTAGE D'INITIATION AUX SOINS INFIRMIERS D'ACCES EN PCEM2 ou en 2ème ANNEE DE CHIRURGIE DENTAIRE
FACULTÉ DE MÉDECINE FACULTÉ DE CHIRURGIE DENTAIRE Université de Strasbourg STAGE D'INITIATION AUX SOINS INFIRMIERS D'ACCES EN PCEM2 ou en 2ème ANNEE DE CHIRURGIE DENTAIRE JUILLET ou AOUT ou SEPTEMBRE 2012
Plus en détailLes personnes âgées et le système de santé : quelles sont les répercussions des multiples affections chroniques?
Janvier 2011 Les personnes âgées et le système de santé : quelles sont les répercussions des multiples affections chroniques? Introduction Les soins dispensés aux patients souffrant d affections chroniques
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 détail