UFR de Sciences Economiques Année TESTS PARAMÉTRIQUES

Dimension: px
Commencer à balayer dès la page:

Download "UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES"

Transcription

1 Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2, 11 et 12, ainsi que les exercices 17, 18, 22, 23 et 24 seront a priori corrigés en cours. 1. Tests simples et unilatères Exercice 1. Soit x = 20 obtenu à l aide d un échantillon de taille 50 de loi gaussienne d écart type σ = 5. (1) Tester H 0 : µ = 30 contre H 1 : µ = 29 pour un risque de première espèce α = Calculer la puissance 1 β de ce test. (2) Tester H 0 : µ = 30 contre H 1 : µ < 30 pour un risque de première espèce α = Exercice 2. On considre un n-échantillon de loi exponentielles E λ. (1) Trouver la forme optimale de la zone de rejet pour tester H 0 : λ = λ 0 contre H 1 : λ = λ 1 au niveau α en supposant que λ 1 < λ 0. (2) Déterminer cette zone de rejet lorsque n = 100, λ 0 = 5, λ 1 = 4 et α = 0.05, et calculer la puissance de ce test. Donner le résultat obtenu lorsque x n = Exercice 3. On veut tester si une pièce d or est bien en or ou si elle a été fraudée (par un mélange avec un autre métal). On sait qu une pièce en or pèse exactement m 0 = 19, 3 grammes. La balance sur laquelle on pèse donne le poids de la pièce avec une erreur gaussienne d espérance nulle (pas de biais) et d écart type 0, 2 (il dépend de la précision de la balance). On effectue avec la même pièce dix mesures que l on peut supposer indépendantes. Les résultats sont les suivants : (1) Tester, au niveau α = 0.1, m = m 0 contre m < m 0 (2) Calculer l erreur de seconde espèce du test si m = 19.1 (3) Chercher le nombre de pesées nécessaires pour que l erreur de seconde espèce définie au 2) soit inférieure ou égale à 0.1. Exercice 4. Dans une grande ville américaine, 57% des électeurs sont inscrits comme étant démocrates. Récemment un institut de sondage a sélectionné au hasard 1600 électeurs dans cette ville, et leur a demandé comment ils s inscriraient s ils avaient à le faire ce jour là. Seulement 54, 5% ont répondu Démocrates. Cela indique-t-il une tendance? Pourquoi? Exercice 5. Un commerçant veut acheter à un fabricant de conserves un grand nombre de boîtes dont le fabricant affirme que le poids moyen est de 1000 g. Le commerant prétend, lui, que le poids moyen est de 995 g. Pour savoir qui a raison, ils pèsent ensemble 20 boîtes au hasard et trouvent un poids moyen de 998 g. Il s agit d un test paramétrique, de signification, de l hypothèse H0 : m = 1000 g contre H1 : m = 995 g Date: Novembre

2 2 (1) Est-ce qu on a toutes les informations pour répondre à la question? (2) Le fabricant et le commerçant sont d accord pour dire que généralement 98 % des boîtes ne s écartent du poids moyen que de 20 g (en plus ou en moins) au maximum. En supposant que le poids des boîtes est gaussien, déterminez la valeur de σ. (3) Construisons le test d hypothse. Il s agit d un test unilatral. La variable de dcision est X. Le risque de 1ère espèce α représente : le risque de dire que m = 1000 alors qu en fait m = 995 g? ou le risque de dire que m = 995 alors qu en fait m = 1000 g? α est donc le risque du vendeur (le fabricant en l occurence). L autre risque ci-dessus est-il l erreur de seconde espèce β? β est donc le risque de l acheteur (le commerant en l occurence) Si le vendeur fixe α = 0.05 et n = 20, la valeur critique pour X est : En conclusion, accepte-t-on H0? Dans ce cas le risque β de l acheteur vaut : β =. (4) Afin de rendre le test plus équilibré, le fabricant et le commerant décident de changer la procédure : ils veulent que les risques α et β soient tous deux au plus égaux à 0.05, afin de ne lser aucun des deux portagonistes. Pour cela faut-il augmenter ou réduire la taille n de l échantillon? Calculer la valeur minimale de n, puis la valeur critique de X correspondante. (5) Si, sur un chantillon de 32 boîtes, le poids moyen est de 998 g, quelle hypothèse conservera-t-on? H0 : m = 1000 g ou H1 : m = 995 g Exercice 6. On considère un échantillon de taille 40 de gaussiennes centrées de variance σ 2 inconnue. On a calculé 40 i=1 x2 i = 50. Tester au risque α = 0, 05 H 0 : σ 2 = 1 contre H 1 : σ 2 > Tests bilatères ou composés Exercice 7. On veut vérifier qu une pièce est bien équilibrée. Pour cela on effectue 100 lancers et l on modélise le résultat du i-ème lancer comme la réalisation d une variable de Bernouilli X i de paramètre θ ]0, 1[. (1) Construire le test de θ = 1/2 contre θ 1/2 de niveau α = (2) Quelle doit être l écart maximal entre la proportion de piles et celle de faces pour que l hypotèse H 0 soit retenue? (3) Déterminer l expression de la puissance de ce test en fonction de θ pour θ 1/2. (4) Calculer sa valeur pour θ = 1/3. Exercice 8. Un professeur est chargé de corriger un très grand nombre de copies d examen. Sur un échantillon aléatoire de 30 copies, il trouve une note moyenne i (xi x)2 de 10.3 avec un écart-type n = 1.2. On supposera de plus que les notes suivent une répartition normale N (m, σ 2 ). (1) On affirme que le test de H0 : m = 10 contre H1 : m > 10 est un test paramétrique, de signification, portant sur un échantillon de taille 30, et qu une variable de décision possible est X. Ces affirmations sont-elles toutà-fait exactes? (2) Donner une estimation non biaisée de σ 2. (3) Le test est-il unilatère ou bilatère? (4) On note α le risque de première espèce de ce test. Donner la zone de rejet si α = 0.05, puis si α = 0.1.

3 3 (5) Quelle est votre décision si α = 0.05? Si α = 0.1? (6) On a calculé la P-Value et on a trouvé p = Cette valeur est-elle en contradiction avec les résultats de la question précédente? (7) Conserve-t-on l hypothèse H0 avec α = 0.08? Exercice 9. On veut vérifier la solidité de câbles métalliques fabriqués selon un certain procédé, dont la charge de rupture (en kg) suit en principe une loi N (m, σ 2 ), où m = 8000 et σ = 150 ). (1) Jusqu à quelle valeur de l écart-type s, sur un échantillon de taille 40, peuton dire que l écart-type ne dépasse pas 150 kg? (0n prendra α = 0.05 ; on ne supposera pas m connue). (2) On mesure la charge de rupture de 40 câbles pris au hasard. La moyenne de ces valeurs est : kg, avec un cart-type : s = 174 kg (a) Est-ce que s dépasse de façon significative 150 kg? (b) En tenant pour acquis que σ = 150, peut-on considrer que m = 8000? ( toujours avec α = 0.05 ) (c) La conclusion est-elle la même si on tient compte du fait que σ est inconnu? Exercice 10. Le tableau suivant représente les mesures de 10 pièces éffectuées par deux contrôleurs différents. Contrôleur 1 Contrôleur (1) Quelle est, en moyenne, la différence entre leurs mesures? (2) Quel est l écart-type de cette différence : Pouvait-on le dduire des variances des mesures de chaque contrôleur? (3) Les mesures du 2ème contrôleur semblent être systématiquement plus grandes que celles du 1er. Quelle est la valeur critique à considrer, pour pouvoir dire si cela est significatif : (au risque α = 0.05) (4) Les mesure du 2ème contrôleur sont-elles significativement plus grandes que celles du premier? (au risque α = 0.05) (5) Pensez-vous que pour comparer les 2 contrôleurs il aurait été plus avantageux de comparer leurs mesures sur deux échantillons différents? En fait, lorsqu on utilise comme ici des données appariées, on a V (X 1 X 2 ) = V (X 1 ) + V (X 2 ) 2cov(X 1, X 2 ), et si la covariance est 0 (cas le plus frquent), on obtient une zone d acceptation du test plus étroite pour X 1 Y, et donc un test plus puissant qu en prenant deux échantillons indépendants.

4 4 Exercice 11. Soient n 1 = 10 n 2 = 12 x 1 = 20 x 2 = 18 pour deux gaussiennes X 1 et X 2 indépendantes supposées s 1 = 6 s 2 = 5 de même variance. Tester l hypothèse H 0 : µ 1 = µ 2. Donner un intervalle de confiance pour µ 1 µ 2 à 95%. Exercice 12. On se donne deux échantillons, de tailles respectives n 1 et n 2, de deux gaussiennes indépendantes X et Y de moyennes nulles et de variances σ1 2 et σ2 2 inconnues. On veut tester H 0 : σ1 2 = σ2 2 contre H 1 : σ1 2 σ2. 2 Donner une région critique réunion de deux sous régions F < F 1 et F > F 2, où F est égale à χ 2 1/ν 1 χ 2 2 /ν, 2 et où χ 2 1 et χ 2 2 sont deux variables aléatoires indépendantes, qui suivent des lois du χ 2 à ν 1 et ν 2 degrés de liberté. Application numérique : Tester H 0 : σ1 2 = σ2 2 pour deux gaussiennes de moyenne nulle, si n 1 = 10, n 2 = 20, x 2 i = 1440, et yi 2 = Exercice 13. Même question que dans l exercice précédent, mais sans supposer que les moyennes µ 1 et µ 2 de X et Y sont connues. Application numérique, en notant s 2 1 et s 2 2 les estimations non biaisées de σ 2 1 et σ 2 2: n 1 = 10 n 2 = 20 s 1 = 12 s 2 = Tests d ajustement et d indépendance Exercice 14. Selon la loi de Mendel, les fruits d un certain croisement devraient être de couleur rouge, noire, ou blanche, dans les proportions 9, 3 et 4. Si une expérience produit 150, 70 et 100 fruits rouges, noirs, blancs, la théorie est-elle justifiée? Exercice 15. Selon la formule de Hardy-Weinberg, le nombre de moustiques produits par certains croisements doivent respecter les proportions q 2, 2pq, p 2, où p + q = 1. Une expérience qui donne les fréquences 80, 90, 40, est-elle compatible avec cette formule? Indication: On estimera le paramètre q par le maximum de vraisemblance ˆq = n n2 n 1+n 2+n 3, où n 1, n 2, et n 3 sont les fréquences observées des 3 espèces, et l on appliquera le test du χ 2 en remplaçant q par ˆq. Exercice 16. Un exemple historique On a compté le nombre de morts annuelles occasionnées par une morsure de cheval au sein de 10 corps d armée de la cavalerie Prussienne sur une durée de 20 ans. L échantillon est ici de taille 200. On cherche à savoir si ce nombre de morts suit une loi de Poisson. Les données sont les suivantes: Nombre de morts Fréquence observée Appliquer le test du χ 2 pour savoir si l hypothèse de Poisson est raisonnable.

5 5 Exercice 17. Un exemple anthropométrique On a reporté dans le tableau suivant les largeurs en mm de 106 crânes humains découverts à Londres en (Ces crânes appartenaient sans doute à des habitants de Londres morts durant la grande peste de ). largeur effectif largeur effectif Tester au niveau 0,05 l hypothèse selon laquelle cette pression suit une loi normale. (1) Tracer l histogramme des données. (2) Sous l hypothèse que ces données sont gaussiennes, estimer la moyenne et la variance. (3) Calculer les effectifs espérés des différentes classes. (4) Tracer l histogramme espéré obtenu. (5) Mettre en place en test du χ 2, en regroupant les classes si besoin est. Exercice 18. On donne dans le tableau suivant les résultats d un sondage IPSOS effectué début Mai 1997 et publiés dans le Monde sur les intentions de vote au premier tour des législatives en France, ainsi que les résultats réels obtenus au premier tout du scrutin. Dans ce sondage, 1000 personnes étaient interrogées, et 780 parmi se sont prononcées. Les pourcentages ont donc été calculés à partir des 780 qui ont donné une intention de vote. Partis Résultats du sondage en % Résultats du scrutin en % Extrême Gauche P.C P.S Ecologistes UDF-RPR Divers Droite F.N. + Extrême Droite (1) Calculer les effectifs théoriques et les effectifs observés sur cette population de 780 personnes en laissant deux chiffres après la virgule. (2) Effectuer un test d ajustement du χ 2 et analyser le(s) facteur(s) expliquant ce résultat. (3) Regrouper les cases UDF-RPR et Divers Droite en une seule case, et effectuer un nouveau test d ajustement. Quelles sont vos réflexions sur le résultat obtenu? Exercice 19. Un échantillon aléatoire de 1250 diplômes d université, délivrés en 1976, a donné la répartition suivante: Diplôme Sexe Licence Maîtrise Doctorat Masculin Féminin (1) Exprimer H 0. (2) Calculer le χ 2, donner son nombre de degrés de liberté.

6 6 (3) Conclure. Exercice 20. Voici la répartition de 6800 individus selon la couleur des yeux et celle des cheveux. Dans ce tableau les lignes sont des couleurs d yeux et les colonnes de cheveux. blond brun noir roux total bleu gris ou vert brun total Tester au niveau 0,01 l hypothèse selon laquelle la couleur des yeux et la couleur des cheveux sont indépendantes. 4. Extraits de partiels Exercice 21. On suppose que l on joue avec un seul dé, et que l on perd chaque fois que le dé sort l as. Après 100 jets, on remarque que l on a subi un peu trop de pertes: 20 as. On soupçonne l adversaire d utiliser un dé pipé. Plus précisément, on commence à se demander si ce n est pas un de ces dés pipés, dont une publicité a récemment vanté qu ils sortaient l as une fois sur quatre. Nous noterons p la probabilité qu a le dé utilisé de sortir l as. (1) Construire un intervalle de confiance à 95% pour p. (2) On veut tester H 0 : p = 1/6, contre H 1 : p = 1/4. Trouver la proportion critique d as au delà de laquelle on rejetterait H 0 au seuil de 5 %. (3) Donner, pour ce test, une évaluation de l erreur de seconde espèce β. (4) Avec l observation de 20 as, quelle est la décision? (5) Si on double le risque de première espèce α, évaluez grossièrement ce qui arrive à β? Exercice 22. Vingt lignes, de longueur 60 cm chacune, ont été dessinées. Un étudiant a estimé visuellement le centre de chaque ligne. La distance en cm de chaque point désigné à l extrémité gauche de la ligne a été mesurée. Les 20 mesures sont reportées dans le tableau suivant: 29,7 32,3 30,0 29,8 31,1 29,8 30,6 30,7 29,7 30,2 29,8 30,7 31,8 29,2 30,0 30,3 31,3 31,3 29,4 32,0 On supposera que les données sont des réalisations de Gaussiennes indépendantes de moyenne m et de variance σ 2. (1) Estimer la moyenne m et la variance σ 2 en en donnant des estimations non biaisées. (2) Construire un intervalle de confiance au niveau 0.95 pour m. (3) On cherche à tester H 0 : m = 30 contre H 1 : m > 30. Construire un test unilatère pour décider si l étudiant fait au non une erreur systématique. On prendra le risque égal à Exercice 23. (1) Les 608 premières décimales de π sont réparties comme suit: En supposant que les décimales de π sont indépendantes les unes des autres, peut-on affirmer que les 10 chiffres ont la même fréquence d apparition?

7 7 (2) On a reporté dans le tableau suivant les répartitions par âge des hommes et des femmes affectés d une certaine maladie et traités dans un même hôpital. Age et + Hommes Femmes Peut-on affirmer, au risque de 0,05, qu il y a une différence entre la façon dont la maladie affecte les hommes et les femmes? (Indication: vous effectuerez un test d indépendance). Exercice 24. Test du caractère poissonnien des arrivées à une file d attente Pendant 100 intervalles de 10 minutes, on a compté le nombre X d ouvriers se présentant à un magasin pour emprunter des outils, ce qui donne le tableau suivant. x i Total 100 (1) Calculer la moyenne empirique de cet échantillon et eprésenter graphiquement les données à l aide d un diagramme en batons. (2) On cherche à savoir si X suit une loi de Poisson. Estimer le paramètre λ de cette loi. On note λ cette estimation. Calculer les probabilités q i =P λ(x = x i ) pour x i {5,, 24} et q 21 = P λ(x 25). (3) Représenter graphiquement les 100 q i sur la même figure que celle de la première question. (4) Tester H 0 : la distribution de X est une loi de Poisson, contre H 1 : ce n est pas une loi de Poisson au risque α = 5%. On prendra garde à regrouper les cases de façon à ce que les effectifs espérés sous H 0 soient toujours supérieurs ou égaux à 5. n i

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.

Feuille 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 détail

Estimation et tests statistiques, TD 5. Solutions

Estimation 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 détail

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation.

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation. Travaux Dirigés de Probabilités - Statistiques, TD 4 Lois limites ; estimation. Exercice 1. Trois machines, A, B, C fournissent respectivement 50%, 30%, 20% de la production d une usine. Les pourcentages

Plus en détail

11. Tests d hypothèses (partie 1/2)

11. Tests d hypothèses (partie 1/2) 11. Tests d hypothèses (partie 1/2) MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v1) MTH2302D: tests d hypothèses 1/30 Plan 1. Introduction 2. Hypothèses et erreurs 3. Tests d hypothèses

Plus en détail

Chapitre VI Échantillonages et simulations

Chapitre VI Échantillonages et simulations Chapitre VI Commentaires : Récursivement, les commentaires ne sont pas à l attention des élèves.. Fluctuation d échantillonnage Définition : En statistiques, un échantillon de taille n est la liste des

Plus en détail

STA240 : Tests statistiques

STA240 : Tests statistiques STA240 : Tests statistiques 1 Règle de décision, seuil et p-valeur Dans un test, l hypothèse nulle H 0 est celle dont on choisit de maîtriser la probabilité de rejet à tort. C est celle à laquelle on tient

Plus en détail

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) 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 détail

L essentiel sur les tests statistiques

L essentiel sur les tests statistiques L essentiel sur les tests statistiques 21 septembre 2014 2 Chapitre 1 Tests statistiques Nous considérerons deux exemples au long de ce chapitre. Abondance en C, G : On considère une séquence d ADN et

Plus en détail

1 Un objet aléatoire de base : le dé

1 Un objet aléatoire de base : le dé Dans le monde des statistiques, il est bien évident qu on ne fait plus aucun calcul à la main. Si nous le faisons en cours de mathématiques, c est pour mieux comprendre ce que font les divers logiciels

Plus en détail

EXERCICES D ENTRAINEMENT POUR LE DS 7. 1ère STG (Extraits de devoirs d années précédentes)

EXERCICES D ENTRAINEMENT POUR LE DS 7. 1ère STG (Extraits de devoirs d années précédentes) EXERCICES D ENTRAINEMENT POUR LE DS 7. 1ère STG (Extraits de devoirs d années précédentes) Les corrigés sont en seconde partie de ce fichier (pages 4 à 8). Exercice 1: A la sortie d un hypermarché, on

Plus en détail

Niveau. Situation étudiée. Type d activité. Durée. Objectifs. Seconde.

Niveau. Situation étudiée. Type d activité. Durée. Objectifs. Seconde. Simuler des expériences aléatoires avec une calculatrice Niveau Seconde. Situation étudiée Différentes selon les séances : Séance 1 : Jeu de pile ou face, tirages de boule dans une urne avec des proportions

Plus en détail

Examen d accès - 1 Octobre 2009

Examen d accès - 1 Octobre 2009 Examen d accès - 1 Octobre 2009 Aucun document autorisé - Calculatrice fournie par le centre d examen Ce examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses sont

Plus en détail

Activité 1 : échantillonnage

Activité 1 : échantillonnage Activité échantillonnage, intervalle de fluctuation, prise de décision (à partir d un même thème) Les trois activités qui suivent s inspirent du document «ressources pour la classe de première générale

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2 UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 Master d économie Cours de M. Desgraupes MATHS/STATS Document 4 : Les tests statistiques 1 Généralités sur les tests

Plus en détail

La méthode des quotas

La méthode des quotas La méthode des quotas Oliviero Marchese, décembre 2006 1 La méthode des quotas Principe de la méthode Point de départ et but recherché Caractère «intuitif» de la méthode A quoi ressemble une feuille de

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe commune aux séries ES, L et S : boîtes et quantiles Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans

Plus en détail

Ch.12 : Loi binomiale

Ch.12 : Loi binomiale 4 e - programme 2007 - mathématiques ch.12 - cours Page 1 sur 5 1 RÉPÉTITION D'EXPÉRIENCES INDÉPENDANTES Lancer plusieurs fois un dé et noter les résultats successifs. Ch.12 : Loi binomiale Prélever des

Plus en détail

LM206 : Initiation à Scilab

LM206 : Initiation à Scilab Université Pierre et Marie Curie Année 2013-2014 Licence période 2 7 Au hasard LM206 : Initiation à Scilab Cette séance traite de quelques possibilités de simulation en probabilités et statistiques. Après

Plus en détail

Probabilités et Statistiques. Chapitre 1 : Statistique descriptive

Probabilités et Statistiques. Chapitre 1 : Statistique descriptive U.P.S. I.U.T. A, Département d Informatique Année 2008-2009 Probabilités et Statistiques Emmanuel PAUL Chapitre 1 : Statistique descriptive 1 Objectifs des statistiques. Il s agit d étudier un ou plusieurs

Plus en détail

STATISTIQUES A UNE VARIABLE EXERCICES CORRIGES

STATISTIQUES A UNE VARIABLE EXERCICES CORRIGES STATISTIQUES A UNE VARIALE EXERCICES CORRIGES Exercice n Les élèves d une classe ont obtenu les notes suivantes lors d un devoir : Note 4 5 8 0 4 5 8 0 Effectif 4 7 6 4 ) Déterminer l étendue et le mode

Plus en détail

Terminale S - ACP Ex1 : Partie A - Restitution organisée des connaissances Partie B : 1. a. 1. b. 1. c. 2. a. 2. b. Ex2 :

Terminale S - ACP Ex1 : Partie A - Restitution organisée des connaissances Partie B : 1. a. 1. b. 1. c. 2. a. 2. b. Ex2 : Terminale S - ACP Ex1 : Antilles Septembre 2006 Partie A - Restitution organisée des connaissances On suppose connu le résultat suivant : Si est une variable aléatoire qui suit une loi exponentielle de

Plus en détail

Échantillonnage et estimation

Échantillonnage et estimation Échantillonnage et estimation Dans ce chapitre, on s intéresse à un caractère dans une population donnée dont la proportion est notée. Cette proportion sera dans quelques cas connue (échantillonnage),

Plus en détail

Chapitre 3 : INFERENCE

Chapitre 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 détail

Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014

Statistiques 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 détail

EXERCICES SUR LE CHAPITRE 1 : «MIXTE»

EXERCICES SUR LE CHAPITRE 1 : «MIXTE» EXERCICES SUR LE CHAPITRE 1 : «MIXTE» 1. Les électeurs d'une grande ville américaine sont constitués de 40% de blancs, 40% de noirs et 20% d'hispaniques. Un candidat noir à la fonction de Maire espère

Plus en détail

Variables aléatoires continues

Variables aléatoires continues IUT Aix-en-Provence Année 204-205 DUT Informatique TD Probabilités feuille n 6 Variables aléatoires continues Exercice (La station-service) Dans une station-service, la demande hebdomadaire en essence,

Plus en détail

Fiche de révision sur les lois continues

Fiche de révision sur les lois continues Exercice 1 Voir la correction Le laboratoire de physique d un lycée dispose d un parc d oscilloscopes identiques. La durée de vie en années d un oscilloscope est une variable aléatoire notée X qui suit

Plus en détail

Statistique Descriptive I (M1102)

Statistique Descriptive I (M1102) Illustration du cours de Statistique Descriptive I (M1102) Année scolaire 2013/2014 Université de Perpignan Via Domitia, IUT STatistique et Informatique Décisionnelle (STID) Table des matières 1 Généralités

Plus en détail

ECGE 1224 - Statistiques en économie et gestion : TP 1

ECGE 1224 - Statistiques en économie et gestion : TP 1 ECGE 14 - Statistiques en économie et gestion : TP 1 Exercice 1 Un dé parfaitement équilibré est lancé. Soit X la variable aléatoire (v.a.) correspondant au résultat obtenu avec le dé. a) Justifer pourquoi

Plus en détail

UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans sa documentation) est autorisée.

UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans sa documentation) est autorisée. Université René Descartes- Paris V Licence de Psychologie Année L1, Semestre S1-2005 /2006 Page 1/5 UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans

Plus en détail

Master 1 Informatique Éléments de statistique inférentielle

Master 1 Informatique Éléments de statistique inférentielle Master 1 Informatique Éléments de statistique inférentielle Faicel Chamroukhi Maître de Conférences UTLN, LSIS UMR CNRS 7296 email: chamroukhi@univ-tln.fr web: chamroukhi.univ-tln.fr 2014/2015 Faicel Chamroukhi

Plus en détail

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

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 détail

Soutien illimité 7j/7 en maths: Coach, profs, exercices & annales, cours. Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Amérique du Nord

Soutien illimité 7j/7 en maths: Coach, profs, exercices & annales, cours. Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Amérique du Nord Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Amérique du Nord EXERCICE 1 : 5 points On se place dans l espace muni d un repère orthonormé. On considère les points,, et. 1. Démontrer que les points,

Plus en détail

Simulation d un système d assurance automobile

Simulation d un système d assurance automobile Simulation d un système d assurance automobile DESSOUT / PLESEL / DACHI Plan 1 Introduction... 2 Méthodes et outils utilisés... 2.1 Chaines de Markov... 2.2 Méthode de Monte Carlo... 2.3 Méthode de rejet...

Plus en détail

MATHÉMATIQUES. Mat-4104

MATHÉMATIQUES. Mat-4104 MATHÉMATIQUES Pré-test D Mat-404 Questionnaire e pas écrire sur le questionnaire Préparé par : M. GHELLACHE Mai 009 Questionnaire Page / 0 Exercice ) En justifiant votre réponse, dites quel type d étude

Plus en détail

Partie 2 Statistique- Chapitre 8 Tableaux Croisés

Partie 2 Statistique- Chapitre 8 Tableaux Croisés Partie 2 Statistique- Chapitre 8 Tableaux Croisés PLAN: Cours... 2 TABLEAUX CROISES... 2 1. Tableau des effectifs... 2 2. Tableau des fréquences un rapport à l'effectif total... 2 3. Tableau des fréquences

Plus en détail

Analyse de donne es Exercices

Analyse de donne es Exercices Analyse de donne es Exercices Table des matières Séquence 1 : Détermination des types d enquêtes, choix d échantillons... 3 Application n 1 : Construire un sondage par quotas... 3 Application n 2 : Construire

Plus en détail

Statistique descriptive : Exercices supplémentaires Introduction à la théorie des probabilités

Statistique descriptive : Exercices supplémentaires Introduction à la théorie des probabilités Statistique descriptive : Exercices supplémentaires Introduction à la théorie des probabilités 1. Lors du lancer d un dé équilibré dont les faces sont numérotées de 1 à 6, quelle est la probabilité d obtenir

Plus en détail

Fluctuation d une fréquence selon les échantillons - Probabilités

Fluctuation 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 détail

SERIE 1 Statistique descriptive - Graphiques

SERIE 1 Statistique descriptive - Graphiques Exercices de math ECG J.P. 2 ème A & B SERIE Statistique descriptive - Graphiques Collecte de l'information, dépouillement de l'information et vocabulaire La collecte de l information peut être : directe:

Plus en détail

ECHANTILLONNAGE. I. Notion d échantillon. Intervalle de fluctuation

ECHANTILLONNAGE. I. Notion d échantillon. Intervalle de fluctuation sur 7 ECHANTILLONNAGE Le principe : On considère par exemple l'expérience suivante consistant à lancer plusieurs fois un dé et à noter si la face supérieure affichée est un 4 ou un autre nombre. La valeur

Plus en détail

Emilien Suquet, suquet@automaths.com

Emilien Suquet, suquet@automaths.com STATISTIQUES Emilien Suquet, suquet@automaths.com I Comment réagir face à un document statistique? Les deux graphiques ci-dessous représentent l évolution du taux de chômage en France sur les 1 mois de

Plus en détail

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2 Test du Khi 2 Le test du Khi 2 (khi deux ou khi carré) fournit une méthode pour déterminer la nature d'une répartition, qui peut être continue ou discrète. Domaine d application du test : Données qualitatives

Plus en détail

PROBABILITES TRAVAUX DIRIGES

PROBABILITES TRAVAUX DIRIGES Université de Caen Basse-Normandie U.F.R. de Sciences Economiques et de Gestion Année universitaire 2009-2010 LICENCE ECONOMIE ET GESTION Semestre 3 L2 PROBABILITES TRAVAUX DIRIGES (18 heures) Hélène Ferrer

Plus en détail

Tests 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» 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 détail

Exercices : Probabilités

Exercices : Probabilités Exercices : Probabilités Partie : Probabilités Exercice Dans un univers, on donne deux événements et incompatibles tels que =0, et =0,7. Calculer,, et. Exercice Un dé (à faces) est truqué de la façon suivante

Plus en détail

STATISTIQUES À UNE VARIABLE

STATISTIQUES À UNE VARIABLE STATISTIQUES À UNE VARIABLE Table des matières I Méthodes de représentation 2 I.1 Vocabulaire.............................................. 2 I.2 Tableaux...............................................

Plus en détail

Chapitre 6 TESTS STATISTIQUES

Chapitre 6 TESTS STATISTIQUES Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 6 TESTS STATISTIQUES Les tests statistiques sont des méthodes de la statistique inférentielle qui, comme

Plus en détail

201-DUA-05 Probabilités et statistique

201-DUA-05 Probabilités et statistique 1. La longueur de tiges usinées est une variable de moyenne 47,0 cm et d écart-type 0,36 cm. (a) Si l on prélève un échantillon aléatoire de taille 51, alors quelle est la probabilité que la moyenne échantillonnale

Plus en détail

LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION

LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs

Plus en détail

Statistiques et estimation

Statistiques et estimation DERNIÈRE IMPRESSION LE 23 juillet 2014 à 16:35 Statistiques et estimation Table des matières 1 Intervalle de fluctuation 2 1.1 Simulation................................. 2 1.2 Définition.................................

Plus en détail

Chapitre IV : Couples de variables aléatoires discrètes

Chapitre IV : Couples de variables aléatoires discrètes UNIVERSITÉ DE CERG Année 0-03 UFR Économie & Gestion Licence d Économie et Gestion MATH0 : Probabilités Chapitre IV : Couples de variables aléatoires discrètes Généralités Définition Soit (Ω, P(Ω), P)

Plus en détail

Niveau. Situations étudiées. Type d activité. Durée. Objectifs

Niveau. Situations étudiées. Type d activité. Durée. Objectifs Fourchettes, non réponses, fausses réponses et redressements... : la cuisine mathématique des sondages Niveau Exercice 1 : 3 ème 2 nde. Exercice 2 : 3 ème 2 nde. Exercice 3 : Seconde ou première. Exercice

Plus en détail

Devoir Surveillé n 5 BTS 2009 groupement B

Devoir Surveillé n 5 BTS 2009 groupement B EXERCICE 1 (12 points) Devoir Surveillé n 5 BTS 2009 groupement B Les trois parties de cet exercice peuvent être traitées de façon indépendante. A. Résolution d une équation différentielle On considère

Plus en détail

Pourquoi étudier les statistiques? Et comment les enseigner?

Pourquoi étudier les statistiques? Et comment les enseigner? Pourquoi étudier les statistiques? Et comment les enseigner? Etape 1 Les statistiques Où les rencontre-t-on? A quoi servent-elles? Pour résumer des données (sous forme de tableau) Pour décrire des données

Plus en détail

T.P. 8 - Exercice 1 Khi-Carré d ajustement (Corrigé)

T.P. 8 - Exercice 1 Khi-Carré d ajustement (Corrigé) T.P. 8 - Exercice 1 Khi-Carré d ajustement (Corrigé) Connaissances préalables : Buts spécifiques : Outils nécessaires : Consignes générales : Distribution de fréquences, proportions. Test d ajustement.

Plus en détail

Chapitre 4 NOTIONS DE PROBABILITÉS

Chapitre 4 NOTIONS DE PROBABILITÉS Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 4 NOTIONS DE PROBABILITÉS Les chapitres précédents donnent des méthodes graphiques et numériques pour caractériser

Plus en détail

Chacune des valeurs d une variable en est une modalité particulière.

Chacune des valeurs d une variable en est une modalité particulière. Psychologie générale Jean Paschoud STATISTIQUE Sommaire Rôle de la statistique Variables Échelles de mesure Résumer, décrire Comparer Rôle de la statistique La statistique est avant tout un outil permettant

Plus en détail

Chapitre 7 Tests d hypothèse (partie 1)

Chapitre 7 Tests d hypothèse (partie 1) Chapitre 7 Tests d hypothèse (partie 1) I Qu est ce qu un test statistique? La philosophie est toujours la même : déterminer des informations sur une population à partir d informations sur un échantillon

Plus en détail

STATISTIQUES. Cours I : Test d hypothèses. Télécom Physique Strasbourg Module 2101. Fabrice Heitz. Octobre 2014

STATISTIQUES. Cours I : Test d hypothèses. Télécom Physique Strasbourg Module 2101. Fabrice Heitz. Octobre 2014 Télécom Physique Strasbourg Module 2101 STATISTIQUES Cours I : Test d hypothèses Fabrice Heitz Octobre 2014 Fabrice Heitz (Télécom PS) Statistiques 2014 1 / 75 Cours I TESTS D HYPOTHÈSES Fabrice Heitz

Plus en détail

TESTS D'HYPOTHESES Etude d'un exemple

TESTS 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 détail

Correction de l épreuve de Statistiques et Informatique appliquées à la Psychologie

Correction de l épreuve de Statistiques et Informatique appliquées à la Psychologie Université de Bretagne Occidentale Année Universitaire 2013-2014 U.F.R. de Lettres et Sciences Humaines CS 93837-29238 BREST CEDEX 3 Section : Psychologie - Licence 3è année Enseignant responsable : F.-G.

Plus en détail

Analyse de la variance à deux facteurs

Analyse de la variance à deux facteurs 1 1 IRMA, Université Louis Pasteur Strasbourg, France Master 1 Psychologie du développement 06-10-2008 Contexte Nous nous proposons d analyser l influence du temps et de trois espèces ligneuses d arbre

Plus en détail

16. Comment introduire les valeurs prises par la variable SPORT pour les 30 premiers sujets introduits dans L2?

16. Comment introduire les valeurs prises par la variable SPORT pour les 30 premiers sujets introduits dans L2? T.P. 5 partie 1 Variable ordinale Calcul manuel de quantiles Utilisation des fonctions intégrées de la TI-84 Utilisation du programme D1 (Corrigé pour 30 cas) V. Prise en compte de 30 cas (pour éviter

Plus en détail

S initier aux probabilités simples «Question de chance!»

S initier aux probabilités simples «Question de chance!» «Question de chance!» 29-11 Niveau 1 Entraînement 1 Objectifs - S entraîner à activer la rapidité du balayage visuel. - Réactiver le comptage par addition jusqu à 20. - Développer le raisonnement relatif

Plus en détail

Les probabilités. Chapitre 18. Tester ses connaissances

Les probabilités. Chapitre 18. Tester ses connaissances Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce

Plus en détail

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon PACES - APEMK UE 4 Evaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie

Plus en détail

La 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 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 détail

Mémoire de n d'étude: Etudes statistiques. Mémoire de n d'étude: Etudes statistiques. Nicolas Sutton-Charani. Université Montpellier 1 1/31

Mémoire de n d'étude: Etudes statistiques. Mémoire de n d'étude: Etudes statistiques. Nicolas Sutton-Charani. Université Montpellier 1 1/31 1/31 Mémoire de n d'étude: Etudes statistiques Nicolas Sutton-Charani Université Montpellier 1 Plan Rappels de cours La base La Statistique Types des variables Outils mathématiques Statistiques descriptives

Plus en détail

Introduction à Rcommander

Introduction à Rcommander Introduction à Rcommander Pauline Scherdel Septembre 2014 Table des matières 1 Introduction à Rcmdr sous R 2 2 Interagir avec R 3 3 Installer et charger le package Rcmdr sous R 3 4 Importation des données

Plus en détail

Statistiques à une variable

Statistiques à une variable Statistiques à une variable Objectif : connaissances des termes et formules statistiques Acquis : Programme de seconde professionnelle. 1/ Généralités : Exploitation d une base de données. Vie économique

Plus en détail

Principe des tests statistiques

Principe des tests statistiques Principe des tests statistiques Jean Vaillant Un test de signification est une procédure permettant de choisir parmi deux hypothèses celles la plus probable au vu des observations effectuées à partir d

Plus en détail

CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Probabilités Épreuve de Bernoulli, loi de Bernoulli.

CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Probabilités Épreuve de Bernoulli, loi de Bernoulli. 1 ère - 3 Chap.9 : Loi binomiale. Échantillonnage. 1 ère - Chapitre 9 : LOI BINOMIALE. ÉCHANTILLONNAGE. Textes officiels (30 septembre 2010) : CONTENU CAPACITÉ ATTENDUE COMMENTAIRE Probabilités Épreuve

Plus en détail

Probabilités et inférence statistique (STAT-S-202) Titulaires : Catherine Dehon et Davy Paindaveine Partie 2 : Inférence statistique

Probabilités et inférence statistique (STAT-S-202) Titulaires : Catherine Dehon et Davy Paindaveine Partie 2 : Inférence statistique Probabilités et inférence statistique (STAT-S-202) Titulaires : Catherine Dehon et Davy Paindaveine Partie 2 : Inférence statistique Les exercices qui vous sont proposés sont classés de la façon suivante

Plus en détail

Échantillonnage. Pierre Neuvial, http://stat.genopole.cnrs.fr/~pneuvial Evry, M1 SGO, automne 2014

Échantillonnage. Pierre Neuvial, http://stat.genopole.cnrs.fr/~pneuvial Evry, M1 SGO, automne 2014 Démarche Statistique 1 Échantillonnage Pierre Neuvial, http://stat.genopole.cnrs.fr/~pneuvial Evry, M1 SGO, automne 2014 Introduction Objectif statistique descriptive: sur l'échantillon statistique inférentielle:

Plus en détail

VI. Tests non paramétriques sur un échantillon

VI. 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 détail

Licence Pro Amélioration Végétale

Licence Pro Amélioration Végétale Analyse de données Licence Pro Amélioration Végétale Marc Bailly-Bechet Université Claude Bernard Lyon I France marc.bailly-bechet@univ-lyon1.fr 1 marc.bailly-bechet@univ-lyon1.fr Analyse de données Des

Plus en détail

Statistiques bivariées : corrélation et régression linéaire

Statistiques bivariées : corrélation et régression linéaire : corrélation et régression linéaire Activité d'introduction Ce chapitre de statistique est présenté avec l'objectif de promouvoir la réflexion des étudiants et leur faire remarquer que ces notions statistiques

Plus en détail

Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30

Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30 Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30 I1 Connaissances préalables : Buts spécifiques : Outils nécessaires: Consignes générales : Test t de comparaison de moyennes pour

Plus en détail

Exercices de simulation 1

Exercices de simulation 1 Licence MIA 2ème année Année universitaire 2009-2010 Simulation stochastique C. Léonard Exercices de simulation 1 Les simulations qui suivent sont à effectuer avec Scilab. Le générateur aléatoire de Scilab.

Plus en détail

Statistiques Appliquées Rôle des femmes dans la société

Statistiques Appliquées Rôle des femmes dans la société Statistiques Appliquées Rôle des femmes dans la société Denis Schelling Semestre d automne 2012 Résumé A partir de données concernant le rôle des femmes dans la société, nous avons effectué une analyse

Plus en détail

Révision de statistiques

Révision de statistiques IUP SID M1 UPS TOULOUSE Maîtrise statistique des procédés 2005/2006 Révision de statistiques Exercice 1 Révisions sur la lecture de tables. 1. Soit U une v.a. normale centrée réduite. Calculer P(U < 2),

Plus en détail

ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat

ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat Objectifs du TP : Savoir utiliser Excel et Rstat pour calculer des moyennes pondérées, des variances pondérées et savoir faire des approximations

Plus en détail

Introduction à l approche bootstrap

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

Plus en détail

TUTORAT UE 4 2014-2015 Biostatistiques Séance n 3 Semaine du 06/10/2014

TUTORAT UE 4 2014-2015 Biostatistiques Séance n 3 Semaine du 06/10/2014 TUTORAT UE 4 2014-2015 Biostatistiques Séance n 3 Semaine du 06/10/2014 Séance d entrainement M. Dujols M. Sabatier Séance préparée par les TS de l ATM² QCM n 1 : Une population comporte 94750 individus

Plus en détail

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Université Paris1, Licence 00-003, Mme Pradel : Principales lois de Probabilité 1 DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Notations Si la variable aléatoire X suit la loi L, onnoterax

Plus en détail

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Département Universitaire de Recherche et d Enseignement en Médecine Générale GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Enseignants : Esther GUERY, Julien LE BRETON, Emilie FERRAT, Jacques

Plus en détail

9. Distributions d échantillonnage

9. Distributions d échantillonnage 9. Distributions d échantillonnage MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v3) MTH2302D: distributions d échantillonnage 1/46 Plan 1. Échantillons aléatoires 2. Statistiques et distributions

Plus en détail

Commun à tous les candidats

Commun à tous les candidats BACCALAURÉAT GÉNÉRAL SESSION 213 MATHÉMATIQUES Série ES/L Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) ES : ENSEIGNEMENT OBLIGATOIRE L : ENSEIGNEMENT DE SPECIALITE Les calculatrices électroniques

Plus en détail

TD de statistique : tests du Chi 2

TD de statistique : tests du Chi 2 TD de statistique : tests du Chi 2 Jean-Baptiste Lamy 6 octobre 2008 1 Test du Chi 2 C est l équivalent de la comparaison de moyenne, mais pour les variables qualitatives. 1.1 Cas 1 : comparer les répartitions

Plus en détail

Statistiques Descriptives à une dimension

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

Plus en détail

Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.

Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Etudes et traitements statistiques des données : le cas illustratif de la démarche par sondage INTRODUCTION

Plus en détail

Statistique : Résumé de cours et méthodes

Statistique : Résumé de cours et méthodes Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère

Plus en détail

Terminale S-SI Probabilités conditionnelles

Terminale S-SI Probabilités conditionnelles robabilités conditionnelles Table des matières 1 Introduction 2 2 Définitions 2 3 Formule des probabilités totales 3 4 Indépendance et principe du produit 5 5 Exercices 5 1 1 Introduction Lorsque 7 élèves

Plus en détail

Principe d un test statistique

Principe 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 détail

UNIVERSITÉ DE CERGY. LICENCE d ÉCONOMIE et FINANCE LICENCE de GESTION. Seconde année - Semestre 3 PROBABILITÉS. Cours de M. J.

UNIVERSITÉ DE CERGY. LICENCE d ÉCONOMIE et FINANCE LICENCE de GESTION. Seconde année - Semestre 3 PROBABILITÉS. Cours de M. J. Année 2013-2014 UNIVERSIÉ DE CERGY LICENCE d ÉCONOMIE et FINANCE LICENCE de GESION Seconde année - Semestre 3 PROBABILIÉS Cours de M. J. Stéphan ravaux Dirigés de Mme M. Barrié, M. J-M. Chauvet et M. J.

Plus en détail

Analyse Statistique pour Le Traitement d Enquêtes

Analyse Statistique pour Le Traitement d Enquêtes DAT 104, année 2004-2005 p. 1/90 Analyse Statistique pour Le Traitement d Enquêtes Mastère Développement Agricole Tropical Stéphanie Laffont & Vivien ROSSI UMR ENSAM-INRA Analyse des systèmes et Biométrie

Plus en détail

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

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

Plus en détail

Baccalauréat STL biotechnologies Métropole La Réunion 18 juin 2015

Baccalauréat STL biotechnologies Métropole La Réunion 18 juin 2015 Baccalauréat STL biotechnologies Métropole La Réunion 18 juin 2015 Calculatrice autorisée conformément à la circulaire n o 99-186 du 16 novembre 1999. Le candidat doit traiter les quatre exercices. Il

Plus en détail

Analyse de variance à un facteur Tests d hypothèses Analyse de variance à deux facteurs. Analyse de la variance ANOVA

Analyse de variance à un facteur Tests d hypothèses Analyse de variance à deux facteurs. Analyse de la variance ANOVA Analyse de la variance ANOVA Terminologie Modèles statistiques Estimation des paramètres 1 Analyse de variance à un facteur Terminologie Modèles statistiques Estimation des paramètres 2 3 Exemple. Analyse

Plus en détail