STAT-I301 Chapitre V: Corrélation et régression linéaire. Caroline Verhoeven
|
|
- Pascal Renaud
- il y a 7 ans
- Total affichages :
Transcription
1 STAT-I301 Chapitre V: Corrélation et régression linéaire Caroline Verhoeven
2 Table des matières 1 Association de 2 variables quantitatives 2 Corrélation linéaire Coefficient de corrélation Inférence pour la corrélation 3 Régression linéaire Formule pour la droite de régression Inférence pour la régression 4 Lien entre la corrélation et la régression 5 Les problèmes Ne pas extrapoler Un graphique dit beaucoup Caroline Verhoeven STAT-I301 2 / 43
3 1. Association de 2 variables quantitatives Le nuage de points I Exemple 1 L association de la taille et du poids d un individu a beaucoup été étudié. Ici on considère la taille et le poids des médaillés d or masculins français aux JO de Sidney (2000) Nom taille poids Andrieux Asloum Bette Douillet Dumoulin Estanguet Ferrari Gané Martinez Rousseau Caroline Verhoeven STAT-I301 3 / 43
4 1. Association de 2 variables quantitatives Le nuage de points II Comment voir le lien entre 2 variables quantitatives visuellement? poids taille La taille : coordonnées x, le poids : coordonnées y Caroline Verhoeven STAT-I301 4 / 43
5 Relation linéaire 1. Association de 2 variables quantitatives Si on regarde le graphique, il paraît étiré le long d une droite poids taille On dit qu il y a une relation linéaire entre les 2 variables Caroline Verhoeven STAT-I301 5 / 43
6 1. Association de 2 variables quantitatives Relation linéaire positive et négative Relation linéaire positive : y grandit avec x y x Relation linéaire négative : y diminue quand x augmente y x Caroline Verhoeven STAT-I301 6 / 43
7 2. Corrélation linéaire 1. Coefficient de corrélation Coefficient de corrélation : définition Le coefficient de corrélation r : donne l intensité d une relation linéaire dit si cette relation est positive ou négative 1 r 1 Caroline Verhoeven STAT-I301 7 / 43
8 2. Corrélation linéaire 1. Coefficient de corrélation Coefficient de corrélation et non linéarité Coefficient de corrélation : donne l intensité de la relation linéaire r = Caroline Verhoeven STAT-I301 8 / 43
9 2. Corrélation linéaire 1. Coefficient de corrélation Coefficient de corrélation : calcul I Formule pour le coefficient de corrélation de Pearson : r = 1 N 1 N ( )( ) xi x yi y i=1 1 = (N 1)s x s y s x s y N (x i x)(y i y) i=1 Caroline Verhoeven STAT-I301 9 / 43
10 2. Corrélation linéaire 1. Coefficient de corrélation Coefficient de corrélation : calcul II Exemple 1 Nom x i y i x i x y i y (x i x)(y i y) Andrieux ,9 17,9 213,01 Asloum ,1-16,1 243,11 Bette ,9-9,1-53,69 Douillet ,9 45,9 729,81 Dumoulin ,1-15,1 137,41 Estanguet ,9-4,1-7,79 Ferrari ,9 3,9 26,91 Gané ,1-0,1 0,41 Martinez ,1-29,1 468,51 Rousseau ,9 5,9 11,21 Total 1768,9 x = 180,1 y = 79,1 s x = 10,91 s y = 20,85 r = 0,864 Caroline Verhoeven STAT-I / 43
11 2. Corrélation linéaire 1. Coefficient de corrélation Coefficient de corrélation : Interprétation graphique poids taille Haut-droite : contribution positive Bas-gauche : contribution positive Haut-gauche : contribution négative Bas-droite : contribution négative x y Contribution du sujet i : ( )( ) xi x yi y s x s y x i x y i y (x i x)(y i y) Caroline Verhoeven STAT-I / 43
12 2. Corrélation linéaire 1. Coefficient de corrélation Corrélation causalité Exemple 2 Des chercheurs allemands (Sies, 1998 ; Höffer, 2004) ont trouvé une forte corrélation entre le nombre de nids de cigognes et le taux de natalité à Brandbourg. Le nombre de nids et le taux de naissance ont baissé simultanément entre 1965 et 1980 Cela démontre-t-il la théorie des cigognes? NON! Une explication alternative pour ces 2 phénomènes : l urbanisation Caroline Verhoeven STAT-I / 43
13 2. Corrélation linéaire 2. Inférence pour la corrélation Quand il y a-t-il corrélation? ρ : coefficient de corrélation de Pearson entre 2 variables au sein d une population Les 2 variables sont elles corrélées? Problème : en général on ne connaît pas ρ On connaît r : coefficient de corrélation pour 1 échantillon Comment utiliser r pour répondre à notre question? Caroline Verhoeven STAT-I / 43
14 2. Corrélation linéaire 2. Inférence pour la corrélation Test de conformité pour r : exemple Exemple 1 Retour à nos médaillés d or Le poids et la taille de médaillés d or masculins sont ils corrélés à un taux α = 0,05? On a un échantillon de N = 10 médaillés d or masculins On a calculé r = 0,864 Caroline Verhoeven STAT-I / 43
15 2. Corrélation linéaire 2. Inférence pour la corrélation Test de conformité pour r : Principe Formulation d hypothèses H 0 : ρ = 0 H a : ρ 0 Calcul de la statistique T t(df = N 2) t = r s r, s r = 1 r 2 N 2 Caroline Verhoeven STAT-I / 43
16 2. Corrélation linéaire 2. Inférence pour la corrélation Test de conformité pour r : Résolution de l exemple Exemple 1 Le poids et la taille de médaillés d or masculins sont ils corrélés à un taux α = 0,05? N = 10, r = 0,864 Calcul de la statistique : 1 r s r = 2 N 2 = 0,178 t = r = 4,86 s r Calcul de la valeur p : p = 2P(T 4,86) = 0,0013 < α = 0.05 On rejette H 0 0,3 0,2 0,1 p ,31 t Caroline Verhoeven STAT-I / 43
17 2. Corrélation linéaire 2. Inférence pour la corrélation Conditions Les échantillons doivent être aléatoires simple Les 2 variables doivent avoir une distribution normale Caroline Verhoeven STAT-I / 43
18 3. Régression linéaire Régression Régression : Méthode pour prédire la valeur d une variable quantitative à partir de la valeur d une autre. On déterminer une fonction y = f(x) modélisant la relation entre Y et X. La fonction la plus simple : une droite régression linéaire. Caroline Verhoeven STAT-I / 43
19 3. Régression linéaire 1. Formule pour la droite de régression Droite de régression : Exemple I Exemple 2 Quelle est la relation entre la fréquence cardiaque maximum (FCM) et l âge chez des coureurs? Les valeurs de ces 2 variables ont été mesurées chez 13 hommes s entraînant régulièrement et participant à des petites compétitions âge FCM âge FCM Caroline Verhoeven STAT-I / 43
20 3. Régression linéaire 1. Formule pour la droite de régression Droite de régression : Exemple II Exemple 2 L exemple des coureurs nous donne ce nuage de points : FCM Age Quelle est la meilleure droite passant à travers ces points? Caroline Verhoeven STAT-I / 43
21 3. Régression linéaire 1. Formule pour la droite de régression Droite de régression : Calcul I Equation d une droite y = b 0 + b 1 x b 0 : l ordonnée à l origine b 1 : pente b 0? b 1? Caroline Verhoeven STAT-I / 43
22 Droite de régression : Calcul II 3. Régression linéaire 1. Formule pour la droite de régression FCM d d 2 d3 d Age La meilleure droite : celle qui minimise y i : valeur d Y pour le sujet i ŷ i = b 0 + b 1 x i d i = y i ŷ i : résidu Q = N i=1 d 2 i Caroline Verhoeven STAT-I / 43
23 3. Régression linéaire 1. Formule pour la droite de régression Droite de régression : Calcul III b 0 b 1 tel qu on minimise y = b 0 + b 1 x b 0,b 1? Solution : Q = N i=1 d 2 i = N (y i ŷ i ) 2 = (y i b 0 b 1 x i ) 2 i=1 N i=1 b 1 = (x i x)(y i y) N i=1 (x i x) 2 b 0 = y b 1 x Remarque 3 y = b 0 + b 1 x : La droite de régression passe toujours par le point (x,y) Caroline Verhoeven STAT-I / 43
24 3. Régression linéaire 1. Formule pour la droite de régression Droite de régression : Résolution de l exemple I Exemple 2 x i y i (x i x) (y i y) (x i x)(y i y) (x i x) ,23-2,15 9,11 17, ,23 5,85-48,11 67, ,77-9,15-61,96 45, ,77 0,85 4,04 22, ,77-4,15-11,50 7, ,77-6,15-41,66 45, ,23 5,85-71,50 149, ,77-4,15-44,73 115, ,77-0,15-1,66 115, ,23 11,85-251,50 450, ,77-0,15-0,73 22, ,77-4,15-32,27 60, ,23 5,85-53,96 85,21-606, ,31 x = 44,23 y = 189,15 Caroline Verhoeven STAT-I / 43
25 3. Régression linéaire 1. Formule pour la droite de régression Droite de régression : Résolution de l exemple II Exemple 2 b 1 = N i=1 (x i x)(y i y) N i=1 (x i x) 2 = 606, ,31 = 0,50 b 0 = y b 1 x = 189,15+0,50 44,23 = 211,35 x 200 Equation de la droite de régression : y = 211,35 0,50x FCM Age y Caroline Verhoeven STAT-I / 43
26 Inférence statistique 3. Régression linéaire 2. Inférence pour la régression 2 variables ont une relation linéaire dans 1 population avec une droite de régression y = β 0 +β 1 x β 0, β 1? On connaît b 0 et b 1 Trouver de l info sur β 0,β 1 à partir de b 0,b 1 Caroline Verhoeven STAT-I / 43
27 Conditions 3. Régression linéaire 2. Inférence pour la régression d i = y i ŷ i N(0,σ 2 ) σ : indépendant de x Homocédasticité FCM Age FCM Les mesures doivent être indépendantes Hétérocedasticité Age Caroline Verhoeven STAT-I / 43
28 3. Régression linéaire 2. Inférence pour la régression Intervalle de confiance : Exemple Exemple 2 Considérons à nouveau l exemple avec les coureurs? Quelle est la droite de régression reliant l âge et la fréquence cardiaque maximum pour des coureurs s entrainant régulièrement et participant à des petites compétitions? On ne connaît pas cette droite On connaît la droite de régression pour un échantillon Quel est l intervalle de confiance pour la pente β 1 et l ordonnée à l origine β 0? Caroline Verhoeven STAT-I / 43
29 3. Régression linéaire 2. Inférence pour la régression Intervalle de confiance : La variance résiduelle Pour chaque point (x i,y i ) la déviation totale par rapport à y est : y i y = (y i ŷ i ) +(ŷ i y) déviation totale d i = y i ŷ i : le résidu déviation expliquée déviation résiduelle La variance résidu σ 2 res de la population n est pas connue Cette variance est estimée par : s 2 res = 1 N 2 N i=1 d 2 i Caroline Verhoeven STAT-I / 43
30 3. Régression linéaire 2. Inférence pour la régression Intervalle de confiance pour la pente Estimation de la variance de la pente b 1 : s 2 b 1 = s 2 res N i=1 (x i x) 2 L intervalle de confiance de 95% pour β 1 [ b1 t N 2;0,975 s b1 ; b 1 + t N 2;0,975 s b1 ] t N 2;97,5 : 97,5ème centile pour la distribution t (df = N 2) L intervalle de confiance de niveau 1 α [ b1 t N 2;1 α/2 s b1 ; b 1 + t N 2;1 α/2 s b1 ] t N 2;1 α/2 : 100(1 α/2) centile pour la distribution t (df = N 2) Caroline Verhoeven STAT-I / 43
31 3. Régression linéaire 2. Inférence pour la régression Intervalle de confiance pour l ordonnée à l origine Estimation de la variance de l ordonnée à l origine b 0 : ( ) sb 2 0 = sres 2 1 N + x 2 N i=1 (x i x) 2 L intervalle de confiance de 95% pour β 0 [ b0 t N 2;0,975 s b0 ; b 0 + t N 2;0,975 s b0 ] t N 2;97,5 : 97,5ème centile pour la distribution t (df = N 2) L intervalle de confiance de niveau 1 α [ b0 t N 2;1 α/2 s b0 ; b 0 + t N 2;1 α/2 s b0 ] t N 2;1 α/2 : 100(1 α/2) centile pour la distribution t (df = N 2) Caroline Verhoeven STAT-I / 43
32 3. Régression linéaire 2. Inférence pour la régression Intervalle de confiance : Résolution de l exemple I Exemple 2 x i y i ŷ i (y i ŷ i ) (y i ŷ i ) ,28-4,28 18, ,28-1,72 2, ,76-5,76 33, ,76 3,24 10, ,76-2,76 7, ,76-2,76 7, ,29-0,29 0, ,75 1,25 1, ,75 5,25 27, ,81 1,19 1, ,76 2,24 5, ,25-0,25 0, ,79 1,21 1,47 117,30 x = 44,23 y = 189,15 N (x i x) 2 = 1208,31 i=1 s 2 res = 117,30 11 = 10,66 s 2 b 1 = 10, ,31 = 0,0088 s 2 b 0 = 10,66 18,09 ( ) (44,23)2 = 1208,31 Caroline Verhoeven STAT-I / 43
33 3. Régression linéaire 2. Inférence pour la régression Intervalle de confiance : Résolution de l exemple II Exemple 2 Intervalle de confiance de 95% pour β 1 : b 1 = 0,50, s b1 = 0,0088 = 0,09, t 11;0,975 = 2,20 Et donc [b 1 t N 2;0,975 s b1 ; b 1 + t N 2;0,975 s b1 ] = [ 0,71; 0,30] Intervalle de confiance de 95% pour β 0 : b 0 = 211,35, s b0 = 18,09 = 4,25, t 11;0,975 = 2,20 Et donc [b 0 t N 2;0,975 s b0 ; b 0 + t N 2;0,975 s b0 ] = [201,99; 220,71] Caroline Verhoeven STAT-I / 43
34 3. Régression linéaire 2. Inférence pour la régression Test de conformité pour β 1 Test de conformité pour β 1... mais on ne connaît pas β 1??? On suppose une certaine valeur β 1c pour β 1 et on regarde si c est conforme avec le b 1 qu on a. Formulation des hypothèses H 0 : β 1 = β 1c H a : β 1 β 1c Calcul de la statistique t = b 1 β 1c s b1, T t(df = N 2) Caroline Verhoeven STAT-I / 43
35 3. Régression linéaire 2. Inférence pour la régression Test de conformité pour β 1 : Exemple Exemple 2 Peut on dire que la fréquence cardiaque maximale change avec l âge avec un taux α = 0,05? Formulations des hypothèses H 0 : β 1 = 0 H a : β 1 0 Calcul de la statistique Calcule de la valeur p : t = b 1 s b1 = 5,34, T t(df = 11) p = 2P(T 5,34) = 0,0002 < α = 0,05 On rejette H 0 Caroline Verhoeven STAT-I / 43
36 4. Lien entre la corrélation et la régression Lien entre le coefficient de corrélation et la pente ou b 1 = = N i=1 (x i x)(y i y) N i=1 (x i x) 2 = 1 N N 1 i=1 (x i x)(y i y) sx 2 = = s y s x 1 (N 1)s x s y N i=1 1 N N 1 i=1 (x i x)(y i y) N i=1 (x i x) 2 1 N 1 1 (N 1)s 2 x N (x i x)(y i y) i=1 (x i x)(y i y) = s y s x r. r = s x s y b 1 Caroline Verhoeven STAT-I / 43
37 4. Lien entre la corrélation et la régression Coefficient de détermination Le coefficient de détermination r 2 = variance expliquée variance totale = 1 N 1 1 N 1 N i=1 (ŷ i y) 2 N N i=1 (y i y) = i=1 (ŷ i y) 2 2 N i=1 (y i y) 2 0 r 2 1 Pourquoi note-t-on r 2? Parce que c est le carré du coefficient de corrélation Caroline Verhoeven STAT-I / 43
38 4. Lien entre la corrélation et la régression Coefficient de détermination et de corrélation On a que (ŷ i y) 2 = (b 0 + b 1 x i y) 2 = (y b 1 x + b 1 x i y) 2 = b1 2 (x i x) 2 Et donc r 2 = N i=1 (ŷ i y) 2 N N i=1 (y i y) = b2 1 i=1 (x i x) 2 2 N i=1 (y i y) 2 N i=1 (x i x) 2 = b1 2 N i=1 (y i y) = 2 b2 1 = b1 2 sx 2 sy 2 1 N 1 1 N 1 N i=1 (x i x) 2 N i=1 (y i y) 2 Caroline Verhoeven STAT-I / 43
39 Extrapolation : Exemple I 5. Les problèmes 1. Ne pas extrapoler Exemple 3 En 1995, Heathcote a mesuré la longueur des oreilles d un échantillon d adultes d au moins 30 ans. Une régression linéaire entre l âge (en années) et la longueurs des oreilles (en mm) nous donne : y = 55,9+0,22x Longueur oreille Age Caroline Verhoeven STAT-I / 43
40 5. Les proble mes 1. Ne pas extrapoler Extrapolation : Exemple II y = 55,9 + 0,22x De la re gression : un nouveauxne aurait des oreilles longues de 55.9mm. Il aurait l air de Dumbo Conclusion : On ne peut pas extrapoler le re sultat pour des adultes vers des enfants Caroline Verhoeven STAT-I / 43
41 5. Les problèmes 1. Ne pas extrapoler Ne jamais extrapoler! Il ne faut pas utiliser les résultats de la régression si : Si le x est plus petit que le plus petit des x i utilisés pour la régression Si le x est plus grand que le plus grand des x i utilisés pour la régression Caroline Verhoeven STAT-I / 43
42 5. Les problèmes 2. Un graphique dit beaucoup Les chiffres ne disent pas tout Toujours faire un graphique avant de commencer Pour tous le 4 : x = 9 y = 7,50 r = 0,816 b 0 = 0,500 b 1 = 3,00 Caroline Verhoeven STAT-I / 43
43 5. Les problèmes 2. Un graphique dit beaucoup Plot résiduel On fait un graphique de y i ŷ i en fonction des x i Haut-gauche : ok Les autres : pas ok Caroline Verhoeven STAT-I / 43
Régression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr
Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R
Plus en 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 détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
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 détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
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 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 détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailStatistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année 2010-2011
Master 1 Biologie et technologie du végétal Année 010-011 Statistiques Rappels de cours et travaux dirigés (Seul ce document sera autorisé en examen) auteur : Jean-Marc Labatte jean-marc.labatte@univ-angers.fr
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 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 détailExemples d application
AgroParisTech Exemples d application du modèle linéaire E Lebarbier, S Robin Table des matières 1 Introduction 4 11 Avertissement 4 12 Notations 4 2 Régression linéaire simple 7 21 Présentation 7 211 Objectif
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 détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
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 détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en 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 détailRésumé du Cours de Statistique Descriptive. Yves Tillé
Résumé du Cours de Statistique Descriptive Yves Tillé 15 décembre 2010 2 Objectif et moyens Objectifs du cours Apprendre les principales techniques de statistique descriptive univariée et bivariée. Être
Plus en détailModélisation géostatistique des débits le long des cours d eau.
Modélisation géostatistique des débits le long des cours d eau. C. Bernard-Michel (actuellement à ) & C. de Fouquet MISTIS, INRIA Rhône-Alpes. 655 avenue de l Europe, 38334 SAINT ISMIER Cedex. Ecole des
Plus en détailThéorie des sondages : cours 5
Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur
Plus en détailBureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr
Dominique Muller Laboratoire Inter-universitaire de Psychologie Bureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr Supports de cours : webcom.upmf-grenoble.fr/lip/perso/dmuller/m2r/acm/
Plus en détailERRATA ET AJOUTS. ( t) 2 s2 dt (4.7) Chapitre 2, p. 64, l équation se lit comme suit : Taux effectif = 1+
ERRATA ET AJOUTS Chapitre, p. 64, l équation se lit comme suit : 008, Taux effectif = 1+ 0 0816 =, Chapitre 3, p. 84, l équation se lit comme suit : 0, 075 1 000 C = = 37, 50$ Chapitre 4, p. 108, note
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 détailMODELE A CORRECTION D ERREUR ET APPLICATIONS
MODELE A CORRECTION D ERREUR ET APPLICATIONS Hélène HAMISULTANE Bibliographie : Bourbonnais R. (2000), Econométrie, DUNOD. Lardic S. et Mignon V. (2002), Econométrie des Séries Temporelles Macroéconomiques
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 détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailL Econométrie des Données de Panel
Ecole Doctorale Edocif Séminaire Méthodologique L Econométrie des Données de Panel Modèles Linéaires Simples Christophe HURLIN L Econométrie des Données de Panel 2 Figure.: Présentation Le but de ce séminaire
Plus en détailCalculating Greeks by Monte Carlo simulation
Calculating Greeks by Monte Carlo simulation Filière mathématiques financières Projet de spécialité Basile Voisin, Xavier Milhaud Encadré par Mme Ying Jiao ENSIMAG - Mai-Juin 27 able des matières 1 Remerciements
Plus en détailDu bon usage de gnuplot
Recettes d informatique n bis 99- Du bon usage de gnuplot 1. Utiliser la version 3. de gnuplot : /home3/p/pareuh>gnuplot-3. # démarrer une session du grapheur (version 3.) gnuplot> # en réponse gnuplot>quit
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en 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 détailIntroduction au pricing d option en finance
Introduction au pricing d option en finance Olivier Pironneau Cours d informatique Scientifique 1 Modélisation du prix d un actif financier Les actions, obligations et autres produits financiers cotés
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 détailLe Modèle Linéaire par l exemple :
Publications du Laboratoire de Statistique et Probabilités Le Modèle Linéaire par l exemple : Régression, Analyse de la Variance,... Jean-Marc Azaïs et Jean-Marc Bardet Laboratoire de Statistique et Probabilités
Plus en détailCours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
Plus en détailEnquête auprès des parents
Projet Brosse à dents débutant Institut für Hygiene und Arbeitsphysiologie ETH-Zentrum, Clausiusstr. 25 8092 Zürich Adresse électronique: www_zahnbuerstenergonomie@web.ethz.ch Enquête auprès des parents
Plus en détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en détailPourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailTrépier avec règle, ressort à boudin, chronomètre, 5 masses de 50 g.
PHYSQ 130: Hooke 1 LOI DE HOOKE: CAS DU RESSORT 1 Introduction La loi de Hooke est fondamentale dans l étude du mouvement oscillatoire. Elle est utilisée, entre autres, dans les théories décrivant les
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailChapitre 3 : Le budget des ventes. Marie Gies - Contrôle de gestion et gestion prévisionnelle - Chapitre 3
Chapitre 3 : Le budget des ventes Introduction 2 Rappel des différents budgets opérationnels - budget des ventes (chapitre 3) - budget de production (chapitre 4) - budget des approvisionnements et des
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 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 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 détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailTutoriel première utilisation ICEM-CFD. Couche limite et modification du maillage en 2D
Tutoriel première utilisation ICEM-CFD Couche limite et modification du maillage en 2D Création de points, lignes, surfaces, ajout d un trou à la surface pour simuler le comportement de l écoulement autour
Plus en détailUne introduction. Lionel RIOU FRANÇA. Septembre 2008
Une introduction INSERM U669 Septembre 2008 Sommaire 1 Effets Fixes Effets Aléatoires 2 Analyse Classique Effets aléatoires Efficacité homogène Efficacité hétérogène 3 Estimation du modèle Inférence 4
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailTravaux Pratiques d Optique
Travaux Pratiques d Optique Ces TP ont lieu au 1 er étage du bâtiment C de Physique, salle C114. Pour la première séance, chaque binôme effectue le TP indiqué. La rotation sur les différents TP s effectue
Plus en détailMini_guide_Isis.pdf le 23/09/2001 Page 1/14
1 Démarrer...2 1.1 L écran Isis...2 1.2 La boite à outils...2 1.2.1 Mode principal...3 1.2.2 Mode gadgets...3 1.2.3 Mode graphique...3 2 Quelques actions...4 2.1 Ouvrir un document existant...4 2.2 Sélectionner
Plus en détailLa structure de la base de données et l utilisation de PAST. Musée Royal de l Afrique Centrale (MRAC Tervuren)
La structure de la base de données et l utilisation de PAST La structure de la base de données données originales SPÉCIMENS Code des spécimens: Identification des spécimens individuels. Dépend du but de
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
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 détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
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 détailESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring
ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring Les méthodes d évaluation du risque de crédit pour les PME et les ménages Caractéristiques Comme les montants des crédits et des
Plus en détailSOMMAIRE OPÉRATIONS COURANTES OPÉRATIONS D INVENTAIRE
SOMMAIRE OPÉRATIONS COURANTES OPÉRATIONS D INVENTAIRE 1 Factures de doit p. 9 Processus 1 2 Réductions sur factures de doit p. 11 Processus 1 3 Frais accessoires sur factures p. 13 Processus 1 4 Comptabilisation
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
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 détailBIOSTATISTIQUES AVANCEES PLAN. Quelques références. Master Biologie Intégrative 1 ère année
Master Biologie Intégrative 1 ère année 1 BIOSTATISTIQUES AVANCEES Yves Desdevises! Observatoire Océanologique de Banyuls-sur-Mer (www.obs-banyuls.fr)! 04 68 88 73 13! desdevises@obs-banyuls.fr! http://desdevises.free.fr
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailCaractéristiques techniques
Défibrillateur Philips HeartStart OnSite Caractéristiques techniques Défibrillateur Modèle Gamme de défibrillateur Éléments livrés Type d onde Énergie Intervalle entre chocs Délivrance rapide du choc Instructions
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailLagrange, où λ 1 est pour la contrainte sur µ p ).
Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i
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 détailL approche de régression par discontinuité. Thomas Lemieux, UBC Atelier de formation du Congrès de l ASDEQ Le 18 mai 2011
L approche de régression par discontinuité Thomas Lemieux, UBC Atelier de formation du Congrès de l ASDEQ Le 18 mai 2011 Plan de la présentation L approche de régression par discontinuité (RD) Historique
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailNOTES DE COURS STT1700. Introduction à la statistique. David Haziza
NOTES DE COURS STT1700 Introduction à la statistique David Haziza Automne 008 Qu est ce que la statistique? La statistique est la science dont le but est de donner un sens aux données. L étude statistique
Plus en détailNote:... Q1 :... Q2 :... Q3 :... Q4 :... Bonus :... Total :...
FACUL S HAUS US COMMRCIALS L'UNIVRSI LAUSANN Professeurs :. Andrei C. Bobtcheff Matière : Principes généraux de finance Session : té Informations générales: o ocumentation autorisée. o Calculatrices autorisées
Plus en détailManuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques
Titre : TTLV100 - Choc thermique dans un tuyau avec condit[...] Date : 02/03/2010 Page : 1/10 Manuel de Validation Fascicule V4.25 : Thermique transitoire des structures volumiques Document : V4.25.100
Plus en détailComment bien régresser: La statistique peut-elle se passer d artefacts?
Comment bien régresser: La statistique peut-elle se passer d artefacts? Jean-Bernard Chatelain To cite this version: Jean-Bernard Chatelain. Comment bien régresser: La statistique peut-elle se passer d
Plus en détailMABioVis. Bio-informatique et la
MABioVis Modèles et Algorithmes pour la Bio-informatique et la Visualisation Visite ENS Cachan 5 janvier 2011 MABioVis G GUY MELANÇON (PR UFR Maths Info / EPI GRAVITE) (là, maintenant) - MABioVis DAVID
Plus en détailEvaluation des modèles non-linéaires à effets mixtes
Evaluation des effets mixtes INSERM UMR738 GDR Statistiques et Santé, 20 octobre 2009 Pharmacométrie Définition modélisation des données obtenues lors d essais cliniques sur des médicaments développement
Plus en détailLa place de SAS dans l'informatique décisionnelle
La place de SAS dans l'informatique décisionnelle Olivier Decourt ABS Technologies - Educasoft Formations La place de SAS dans l'informatique décisionnelle! L'historique de SAS! La mécanique! La carrosserie
Plus en détailThéorie et codage de l information
Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q
Plus en 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 détail1 Démarrer... 3 1.1 L écran Isis...3 1.2 La boite à outils...3 1.2.1 Mode principal... 4 1.2.2 Mode gadget...4 1.2.3 Mode graphique...
1 Démarrer... 3 1.1 L écran Isis...3 1.2 La boite à outils...3 1.2.1 Mode principal... 4 1.2.2 Mode gadget...4 1.2.3 Mode graphique... 4 2 Quelques actions... 5 2.1 Ouvrir un document existant...5 2.2
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailmanuellement. Le prototype ayant obtenu des résultats satisfaisants aux différents essais de labour est validé sur le plan suivant :
Comment importer un nuage de points d EXCEL vers CATIA V5, générer la surface «gauche» passant par les points et enfin usiner la surface. Ce travail a permis la réalisation d un outillage composé d une
Plus en détailT2- COMMENT PASSER DE LA VITESSE DES ROUES A CELLE DE LA VOITURE? L E T U N I N G
T2- COMMENT PASSER DE LA VITESSE DES ROUES A CELLE DE LA VOITURE? D É M A R C H E D I N V E S T I G A T I O N : L E T U N I N G Programme de seconde professionnelle Situation introductive problématique
Plus en détailRevenu net 2,509,803 101,280 113,506 115,765 119,401
Propr. VPN 2011 2012 2013 2014 C 49 50 51 52 S 47 48 49 50 C 0 100,000 116,555 134,383 153,941 S 0 0 6,536 13,778 21,811 C 0 35,000 39,869 39,859 33,783 C 5,000 10,931 S 0 35,000 37,869 35,694 27,739 S
Plus en 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 détail