SAS tutorials: CLASSIFICATION
|
|
- Côme Lebrun
- il y a 7 ans
- Total affichages :
Transcription
1 SAS tutorials: CLASSIFICATION Didier Chauveau MAPMO - UMR Université d Orléans D. Chauveau (Université d Orléans) SAS tutorials / 16
2 Contexte classification/apprentissage Données : X = matrice (n, p) des descripteurs : p variables numériques sur n individus individu i décrit par X i = (Xi 1,..., X p i ) D. Chauveau (Université d Orléans) SAS tutorials / 16
3 Contexte classification/apprentissage Données : X = matrice (n, p) des descripteurs : p variables numériques sur n individus individu i décrit par X i = (Xi 1,..., X p i ) Z = (Z 1,..., Z n ) = vecteur des étiquettes, Z i {1,..., K } indicateur de la classe de X i D. Chauveau (Université d Orléans) SAS tutorials / 16
4 Contexte classification/apprentissage Données : X = matrice (n, p) des descripteurs : p variables numériques sur n individus individu i décrit par X i = (Xi 1,..., X p i ) Z = (Z 1,..., Z n ) = vecteur des étiquettes, Z i {1,..., K } indicateur de la classe de X i On peut observer : (X, Z) apprentissage sur données supervisées (X, Z Z) classification semi-supervisées seulement X classification non supervisée D. Chauveau (Université d Orléans) SAS tutorials / 16
5 Exemples sur données bivariéees simulées Modèle : observations gaussiennes bivariées indépendantes provenant de K classes Un point (X, Y ) est de loi gaussienne dont les paramètres (moyenne, variance) dépendent de la classe Z = j dans laquelle est le point : D. Chauveau (Université d Orléans) SAS tutorials / 16
6 Exemples sur données bivariéees simulées Modèle : observations gaussiennes bivariées indépendantes provenant de K classes Un point (X, Y ) est de loi gaussienne dont les paramètres (moyenne, variance) dépendent de la classe Z = j dans laquelle est le point : avec (X, Y ) Z = j N 2 ( µj ; V j ), µ j = [ Ej (X) E j (Y ) ] [, V j = Gaussienne bi-dimensionnelle, var j (X) cov j (X, Y ) cov j (X, Y ) var j (Y ) V j matrice de variances-covariances de la classe j ] D. Chauveau (Université d Orléans) SAS tutorials / 16
7 Exemple 3 classes convexes sphériques Lois sphériques (mêmes variances) et coordonnées indépendantes (covariances= 0) [ ] σ 2 [ ] V j = j 0 0 σj 2 = σj = σ j Id 3 Classes de même poids, variances sphériques unité : σ 2 j = 1 classe j = 1 : N 2 ([ 0 0 classe j = 2 : N 2 ([ 8 0 classe j = 3 : N 2 ([ 4 8 ] ) ; Id ] ) ; Id ] ) ; Id D. Chauveau (Université d Orléans) SAS tutorials / 16
8 Exemple 3 classes convexes sphériques Lois sphériques (mêmes variances) et coordonnées indépendantes (covariances= 0) [ ] σ 2 [ ] V j = j 0 0 σj 2 = σj = σ j Id 3 Classes de même poids, variances sphériques unité : σ 2 j = 1 classe j = 1 : N 2 ([ 0 0 classe j = 2 : N 2 ([ 8 0 classe j = 3 : N 2 ([ 4 8 ] ) ; Id ] ) ; Id ] ) ; Id D. Chauveau (Université d Orléans) SAS tutorials / 16
9 Simulation pseudo-aléatoire avec SAS Génération de 3 classes gaussiennes bivariées, exemple précédent title1 Classes gaussiennes separees ; DATA simul1; n=100; mx=0; my=0; z=1; link simul; mx=8; my=0; z=2; link simul; mx=4; my=8; z=3; link simul; DROP n i mx my; STOP; simul: DO i=1 TO n; x=rannor(0)+mx; y=rannor(0)+my; OUTPUT; END; RETURN; RUN; D. Chauveau (Université d Orléans) SAS tutorials / 16
10 Simulation pseudo-aléatoire avec SAS Nuage des données (X, Z) simulées avec Z en facteur title2 "vraies classes"; PROC gplot; PLOT y*x=z ; symbol1 V=PLUS; D. Chauveau (Université d Orléans) SAS tutorials / 16
11 Exemple de nuage Avec ellipsoides de confiance gaussiens D. Chauveau (Université d Orléans) SAS tutorials / 16
12 FASTCLUS : Classification par centres mobiles PROC FASTCLUS data=simul1 MAXC=3 /* nb de classes */ out=fc /* TableSAS sortie */ REPLACE=FULL; /* centres initiaux */ VAR X Y; PROC PRINT; RUN; D. Chauveau (Université d Orléans) SAS tutorials / 16
13 FASTCLUS : Classification par centres mobiles PROC FASTCLUS data=simul1 MAXC=3 /* nb de classes */ out=fc /* TableSAS sortie */ REPLACE=FULL; /* centres initiaux */ VAR X Y; PROC PRINT; RUN; Nuage avec variable classifiante CLUSTER title2 "Resultat de FASTCLUS"; PROC GPLOT; PLOT y*x=cluster; RUN; D. Chauveau (Université d Orléans) SAS tutorials / 16
14 CAH, CLUSTER CLUSTER : Classification Hiérarchique (CAH) PROC CLUSTER DATA=simul1 OUTTREE=tree /* tablesas pour dendrogramme */ METHOD=ward /* critère de fusion */ PRINT=5; /* 5 dernières générations */ VAR x y; COPY z; D. Chauveau (Université d Orléans) SAS tutorials / 16
15 CAH, CLUSTER CLUSTER : Classification Hiérarchique (CAH) PROC CLUSTER DATA=simul1 OUTTREE=tree /* tablesas pour dendrogramme */ METHOD=ward /* critère de fusion */ PRINT=5; /* 5 dernières générations */ VAR x y; COPY z; Construction du dendrogramme PROC TREE DATA=tree OUT=out /* tablesas avec variable CLUSTER */ NCL=3 ; /* couper a 3 classes */ COPY x y z; RUN; D. Chauveau (Université d Orléans) SAS tutorials / 16
16 CAH, CLUSTER CLUSTER : Classification Hiérarchique (CAH) Vérification de la qualité de la classification PROC FREQ DATA=out ; TABLES z*cluster/nocol; D. Chauveau (Université d Orléans) SAS tutorials / 16
17 CAH, CLUSTER sortie graphique de CLUSTER DATA ta; SET out; cl = PUT(cluster,1.); X=x; Y=y; TEXT=cl; XSYS= 2 ;YSYS= 2 ; IF cluster=1 THEN color= red ; IF cluster=2 THEN color= blue ; PROC gplot; PLOT y*x=1/annotate=ta; title2 resultat de CLUSTER ; symbol1 I=NONE V=NONE; D. Chauveau (Université d Orléans) SAS tutorials / 16
18 CAH, CLUSTER Simulation de 2 classes convexes non sphériques DATA simul2; DROP i sx mx a b; n=300; sx=3; mx=10;a=2;b=0; c=1; link simul; sx=3; mx=10;a=2;b=30;c=2; link simul; STOP; simul: do i=1 to n; x=rannor(0)*sx + mx; y=a*x+ b + rannor(0); output; end; return; RUN; D. Chauveau (Université d Orléans) SAS tutorials / 16
19 CAH, CLUSTER Exemple de nuage D. Chauveau (Université d Orléans) SAS tutorials / 16
20 CAH, CLUSTER Simulation de 2 classes non convexes DATA simul3; DROP i sx mx a b p; n=200; sx=4; mx=5 ;a=2;b=0; p=2; c=1; link simul; sx=4; mx=5 ;a=2;b=500;p=2 ;c=2; link simul; STOP; simul: do i=1 to n; x=rannor(0)*sx + mx; y=a*x**p+ b + 50*rannor(0); output; end; return; RUN; PROC gplot; PLOT y*x=c; D. Chauveau (Université d Orléans) SAS tutorials / 16
21 CAH, CLUSTER Exemple de nuage D. Chauveau (Université d Orléans) SAS tutorials / 16
22 CAH du Jussac Exemple du canidé de Jussac DATA jussac; INFILE.../jussac3.txt ; INPUT label $ x1-x6; race = substr(label,1,1); /* juste C, L, ou J */ PROC standard data=jussac mean=0 std=1 out=jcstd; VAR x1-x6; /* centrage et réduction du nuage */ PROC cluster data=jussac outtree=tree method=ward; VAR x1-x6; COPY race; ID label; /* reperage des obs au sommet de l arbre */ PROC TREE data=tree out=jus2 n=2; /* a 2 classes */ copy race; ID label; PROC FREQ; TABLES race*cluster; D. Chauveau (Université d Orléans) SAS tutorials / 16
Séance 11 : Typologies
Séance 11 : Typologies Sommaire Proc CLUSTER : Typologie hiérarchique... 3 Proc FASTCLUS : Typologie nodale... 8 Proc MODECLUS : Typologie non paramétrique... 11 - Les phénomènes observés (attitudes, comportements,
Plus en détailSAS de base : gestion des données et procédures élémentaires
1 SAS de base : gestion des données et procédures élémentaires SAS de base : gestion des données et procédures élémentaires Résumé Description des commandes (module SAS de base) les plus utiles de l étape
Plus en détailStéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE. 04/04/2008 Stéphane Tufféry - Data Mining - http://data.mining.free.fr
Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE 1 Plan du cours Qu est-ce que le data mining? A quoi sert le data mining? Les 2 grandes familles de techniques Le déroulement d un projet de data
Plus en détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détailINITIATION AU LOGICIEL SAS
INITIATION AU LOGICIEL SAS (version 9.1.3 sous Windows) Hélène HAMISULTANE Bibliographie : Initiation au logiciel SAS(9) pour Windows, Coqué N. (juin 2006). www.agroparistech.fr/img/pdf/polysas.pdf SAS
Plus en détailFormation au logiciel SAS Statistical Analysis System
Formation au logiciel SAS Statistical Analysis System Odile Wolber (CNAM) Objectif du cours : acquérir les principes du langage de programmation SAS Etape DATA - import des données - saisie des données
Plus en détail1 Imputation par la moyenne
Introduction au data mining L3 MIS - STA 1616-2010 V. Monbet Données manquantes L'objectif de ce TD est de manipuler et de comparer plusieurs méthodes d'imputation de données manquantes. La première partie
Plus en détailCrédit Scoring. Master 2 SRO. Année scolaire 2009/2010. Professeur : RICHARD EMILION. Réalisé par : MAHAMAT OUMAR ALHABO et OULD EL HADDAD CHEIKH
Master 2 SRO Année scolaire 2009/2010 Crédit Scoring Professeur : RICHARD EMILION Réalisé par : MAHAMAT OUMAR ALHABO et OULD EL HADDAD CHEIKH Master_2_SRO_Data-Mining 1 Table des matières PARTIE 1 1. Résumé
Plus en détailL export de SAS vers Excel expliqué à ma fille
L export de SAS vers Excel expliqué à ma fille SAS est un logiciel merveilleux, mais tous n y ont pas accès. Pour contenter la soif de données de vos collègues qui n auraient pas d autre outil à disposition,
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 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 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 détailTable des matières PRESENTATION DU LANGAGE DS2 ET DE SES APPLICATIONS. Introduction
PRESENTATION DU LANGAGE DS2 ET DE SES APPLICATIONS Depuis SAS 9.2 TS2M3, SAS propose un nouveau langage de programmation permettant de créer et gérer des tables SAS : le DS2 («Data Step 2»). Ces nouveautés
Plus en détailUtilisation du Logiciel de statistique SPSS 8.0
Utilisation du Logiciel de statistique SPSS 8.0 1 Introduction Etude épidémiologique transversale en population générale dans 4 pays d Afrique pour comprendre les différences de prévalence du VIH. 2000
Plus en détailACP Voitures 1- Méthode
acp=princomp(voit,cor=t) ACP Voitures 1- Méthode Call: princomp(x = voit, cor = T) Standard deviations: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 2.1577815 0.9566721 0.4903373 0.3204833 0.2542759 0.1447788
Plus en détailModèles pour données répétées
Résumé Les données répétées, ou données longitudinales, constituent un domaine à la fois important et assez particulier de la statistique. On entend par données répétées des données telles que, pour chaque
Plus en détailCours d algorithmique pour la classe de 2nde
Cours d algorithmique pour la classe de 2nde F.Gaudon 10 août 2009 Table des matières 1 Avant la programmation 2 1.1 Qu est ce qu un algorithme?................................. 2 1.2 Qu est ce qu un langage
Plus en détail1 Modélisation d être mauvais payeur
1 Modélisation d être mauvais payeur 1.1 Description Cet exercice est très largement inspiré d un document que M. Grégoire de Lassence de la société SAS m a transmis. Il est intitulé Guide de démarrage
Plus en détailScénario: Données bancaires et segmentation de clientèle
Résumé Scénario: Données bancaires et segmentation de clientèle Exploration de données bancaires par des méthodes uni, bi et multidimensionnelles : ACP, AFCM k-means, CAH. 1 Présentation Le travail proposé
Plus en détailInitiation au logiciel SAS(9) pour Windows
AgroParisTech Initiation au logiciel SAS(9) pour Windows N. Coqué UFR de Mathématiques, Département MMIP Table des matières Introduction 3 1 Présentation 3 1.1 Les tables SAS.....................................
Plus en détailRappel. Analyse de Données Structurées - Cours 12. Un langage avec des déclaration locales. Exemple d'un programme
Rappel Ralf Treinen Université Paris Diderot UFR Informatique Laboratoire Preuves, Programmes et Systèmes treinen@pps.univ-paris-diderot.fr 6 mai 2015 Jusqu'à maintenant : un petit langage de programmation
Plus en détailWeb Mining. YOUSSOUF Kamal LACHAAL Rafik. [Tapez le résumé du document ici. Il s agit généralement d une courte synthèse du document.
Web Mining YOUSSOUF Kamal LACHAAL Rafik [Tapez le résumé du document ici. Il s agit généralement d une courte synthèse du document.] M1 - M A S S D é p a r t e m e n t d e Mat h é m a t i q u e s 2012-2
Plus en détail3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes
PLAN CYCLE DE VIE D'UN LOGICIEL EXPRESSION DES BESOINS SPÉCIFICATIONS DU LOGICIEL CONCEPTION DU LOGICIEL LA PROGRAMMATION TESTS ET MISE AU POINT DOCUMENTATION CONCLUSION C.Crochepeyre Génie Logiciel Diapason
Plus en détailGnuplot. Chapitre 3. 3.1 Lancer Gnuplot. 3.2 Options des graphes
Chapitre 3 Gnuplot Le langage C ne permet pas directement de dessiner des courbes et de tracer des plots. Il faut pour cela stocker résultats dans des fichier, et, dans un deuxième temps utiliser un autre
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 détailAir Transportation Tax Order, 1995. Décret de 1995 sur la taxe de transport aérien CONSOLIDATION CODIFICATION
CANADA CONSOLIDATION CODIFICATION Air Transportation Tax Order, 1995 Décret de 1995 sur la taxe de transport aérien SOR/95-206 DORS/95-206 Current to August 30, 2015 À jour au 30 août 2015 Published by
Plus en détailSEANCE 2 : éléments de programmation
NETLOGO Étude et modélisation de phénomènes collectifs à l aide d un logiciel de développement dédié Netlogo SEANCE 2 : éléments de programmation 1 «Agents» Tortues Création de tortues : par l observateur,
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 détailIntroduction au logiciel SAS François-Xavier LEJEUNE
INSTITUT DE STATISTIQUE de l Université Pierre et Marie Curie Cycle Supérieur 1 ère année 2011-12 Introduction au logiciel SAS François-Xavier LEJEUNE Plan du cours Séance n 1 Débuts en SAS : Généralités
Plus en détailTP: Représentation des signaux binaires. 1 Simulation d un message binaire - Codage en ligne
Objectifs : Ce TP est relatif aux différentes méthodes de codage d une information binaire, et à la transmission en bande de base de cette information. Les grandes lignes de ce TP sont l étude des méthodes
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 détailPréface. 2011 Pearson Education France SAS, 2e édition Sébastien Ringuedé
Préface SAS, leader mondial des solutions de Business Analytics, est le plus important éditeur de logiciels indépendant, proposant de créer de la valeur par le traitement de l information. Par une gamme
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 détail= constante et cette constante est a.
Le problème Lorsqu on sait que f(x 1 ) = y 1 et que f(x 2 ) = y 2, comment trouver l expression de f(x 1 )? On sait qu une fonction affine a une expression de la forme f(x) = ax + b, le problème est donc
Plus en détailTP SAS initiation IUP MIAGE L3
TP SAS initiation IUP MIAGE L3 Année 2008-2009 Sources Cours SAS, IUT STID Grenoble, Eric PREUD'HOMME I.G.W.T. Juin 2001 «Maîtriser SAS Base et SAS Macro», DUNOD, Hélène Kontchou Kouomegni et Olivier Decourt
Plus en détailEtudes marketing et connaissance client
Master deuxième année Mention : Statistique et Traitement de Données Etudes marketing et connaissance client Imane Hammouali Tuteur de stage: M. Sébastien Confesson Stage effectué au Service Etudes Marketing
Plus en détailCompilation (INF 564)
Présentation du cours Le processeur MIPS Programmation du MIPS 1 Compilation (INF 564) Introduction & architecture MIPS François Pottier 10 décembre 2014 Présentation du cours Le processeur MIPS Programmation
Plus en détailM2-Images. Rendu Temps Réel - OpenGL 4 et compute shaders. J.C. Iehl. December 18, 2013
Rendu Temps Réel - OpenGL 4 et compute shaders December 18, 2013 résumé des épisodes précédents... création des objets opengl, organisation des données, configuration du pipeline, draw,... opengl 4.3 :
Plus en détailElectricité : caractéristiques et point de fonctionnement d un circuit
Electricité : caractéristiques et point de fonctionnement d un circuit ENONCE : Une lampe à incandescence de 6 V 0,1 A est branchée aux bornes d une pile de force électromotrice E = 6 V et de résistance
Plus en détailNouvelle version de Zonecheck, la 3.0, avec tests DNSSEC
Nouvelle version de Zonecheck, la 3.0, avec tests DNSSEC Stéphane Bortzmeyer Première rédaction de cet article le 22 juin 2010 Le 22 juin, une nouvelle version de Zonecheck
Plus en détailTable des matières L INTEGRATION DE SAS AVEC JMP. Les échanges de données entre SAS et JMP, en mode déconnecté. Dans JMP
L INTEGRATION DE SAS AVEC JMP Quelles sont les techniques possibles pour intégrer SAS avec JMP? Comment échanger des données entre SAS et JMP? Comment connecter JMP à SAS? Quels sont les apports d une
Plus en détailExemple PLS avec SAS
Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that
Plus en détailEPREUVE OPTIONNELLE d INFORMATIQUE CORRIGE
EPREUVE OPTIONNELLE d INFORMATIQUE CORRIGE QCM Remarque : - A une question correspond au moins 1 réponse juste - Cocher la ou les bonnes réponses Barème : - Une bonne réponse = +1 - Pas de réponse = 0
Plus en détailSendmail milter/greylisting
Sendmail milter/greylisting Kai Poutrain - JT-SIARS 2005 Milter : objectifs Fournir une interface pour des filtres externes pour traiter les mails Validation d informations Modification de contenu tout
Plus en détailTutoriel Mathematica Les graphiques
Tutoriel Mathematica Les graphiques Adaptation du tutoriel gratuit sur le Web par Éric Gaul, Dominic Boire et Issa Lizon (voir Médiagraphie). Modifié pour Mathematica 7 par Jean-Philippe Samson. Maintenant
Plus en détailPrésentation du langage et premières fonctions
1 Présentation de l interface logicielle Si les langages de haut niveau sont nombreux, nous allons travaillé cette année avec le langage Python, un langage de programmation très en vue sur internet en
Plus en détailSébastien Ringuedé. Sébastien Ringuedé. 3 e édition. édition. Ressources en ligne. Couvre le programme de la certification Base Programming for SAS 9
Sébastien Ringuedé Sébastien Ringuedé Université d Orléans, LEO, UMR CNRS 7322 SAS3 SAS e Introduction Introduction au décisionnel au décisionnel : : du data du management data management au reporting
Plus en détailcalls.paris-neuroscience.fr Tutoriel pour Candidatures en ligne *** Online Applications Tutorial
calls.paris-neuroscience.fr Tutoriel pour Candidatures en ligne Online Applications Tutorial 1/4 Pour postuler aux Appels d Offres de l ENP, vous devez aller sur la plateforme : calls.parisneuroscience.fr.
Plus en détailSéance 0 : Linux + Octave : le compromis idéal
Séance 0 : Linux + Octave : le compromis idéal Introduction Linux est un système d'exploitation multi-tâches et multi-utilisateurs, basé sur la gratuité et développé par une communauté de passionnés. C'est
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailSEMIN- Gestion des couleurs sous R. Michel BAYLAC. MNHN Département Systématique et Evolution OSEB baylac@mnhn.fr
SEMIN- Gestion des couleurs sous R Michel BAYLAC MNHN Département Systématique et Evolution OSEB baylac@mnhn.fr SEMIN-R du MNHN 08 Janvier 2008 Sémin R du MNHN : 8 janvier 2008 Gestion des couleurs sous
Plus en détailEléments de statistique
Eléments de statistique L. Wehenkel Cours du 9/12/2014 Méthodes multivariées; applications & recherche Quelques méthodes d analyse multivariée NB: illustration sur base de la BD résultats de probas en
Plus en détailODS : organiser et diffuser des sorties
1 ODS : organiser et diffuser des sorties Objectifs Depuis l éphémère version 7 de SAS, l ODS (Output Delivery System) permet de produire des sorties de tous formats : tables SAS, pages HTML, documents
Plus en détailProjet de programmation (IK3) : TP n 1 Correction
Projet de programmation (IK3) : TP n 1 Correction Semaine du 20 septembre 2010 1 Entrées/sorties, types de bases et structures de contrôle Tests et types de bases Tests et types de bases (entiers) public
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailBernard HAMM, Évelyne LAVOISIER
92 MAÎTRISE DE PROGICIELS DE GESTION DE BASES DE DONNÉES ET DE TRAITEMENT DE TEXTE Compte rendu d'un stage à l'usage des professeurs de sciences sociales. Ce stage a été programmé A la demande et avec
Plus en détailDocument Object Model (DOM)
Document Object Model (DOM) Jean-Claude Charr Maître de conférences IUT de Belfort Montbéliard Université de Franche Comté Description générale Définit un standard pour accéder aux documents structurés
Plus en détailApproche Contract First
Exemple HelpDesk Approche Contract First Développement d un premier web service en utilisant l approche contract first (ou WSDL First) Écriture du wsdl avant d écrire le code java Autre possibilité implementation
Plus en détail1 Objectifs. Traitement statistique des données d enquête avec introduction à SPSS. Plan
1 Objectifs Traitement statistique des données d enquête avec introduction à SPSS Gilbert Ritschard Département d économétrie, Université de Genève gilbert.ritschard@themes.unige.ch Bamako, 7-11 octobre
Plus en détailSurveillance de Scripts LUA et de réception d EVENT. avec LoriotPro Extended & Broadcast Edition
Surveillance de Scripts LUA et de réception d EVENT avec LoriotPro Extended & Broadcast Edition L objectif de ce document est de présenter une solution de surveillance de processus LUA au sein de la solution
Plus en détailEncoder 1.60. Encoder 1 sur 15. Codification fil par étage 15 étages max. + 2 flèches + signal de mouvement. Raccordements 0.1 mm²...
Displays ACCESSOIRES AFFICHEURS Encoder Encoder 1 sur 1 Le dispositif Encoder est nécessaire pour une codification 1 fil par étage avec des afficheurs conçus pour code binaire. Le dispositif Encoder convertit
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 détailAide - mémoire gnuplot 4.0
Aide - mémoire gnuplot 4.0 Nicolas Kielbasiewicz 20 juin 2008 L objet de cet aide-mémoire est de présenter les commandes de base pour faire rapidement de très jolis graphiques et courbes à l aide du logiciel
Plus en détailAutomatisation de l administration système
Automatisation de l administration système Plan Problèmatique : trop de systèmes, trop de solutions Typage des solutions Puppet : gestion de configuration de systèmes Capistrano : déploiement d applications
Plus en détailFOAD COURS D ECONOMETRIE 1 CHAPITRE 2 : Hétéroscédasicité des erreurs. 23 mars 2012.
FOAD COURS D ECONOMETRIE CHAPITRE 2 : Hétéroscédasicité des erreurs. 23 mars 202. Christine Maurel Maître de conférences en Sciences Economiques Université de Toulouse - Capitole Toulouse School of Economics-ARQADE
Plus en détailBases de Données Avancées PL/SQL
1/170 Bases de Données Avancées Thierry Hamon Bureau H202 - Institut Galilée Tél. : 33 1.48.38.35.53 Bureau 150 LIM&BIO EA 3969 Université Paris 13 - UFR Léonard de Vinci 74, rue Marcel Cachin, F-93017
Plus en détailLe langage VHDL. Eduardo Sanchez EPFL
Le langage VHDL Eduardo Sanchez EPFL Livres conseillés: John F. Wakerly Digital design (4th edition) Prentice Hall, 2005 Peter J. Ashenden The designer's guide to VHDL (3rd edition) Morgan Kaufmann, 2008
Plus en détailSimulation de Réseaux Ferroviaires
Le projet de recherche Modélisation orientée objets dans le domaine ferroviaire a été conduit par l Institut des Transports et de Construction Routière et Ferroviaire (IVT, Institut für Verkehrsplanung,
Plus en détailIBM Software Group. Migration vers Tivoli Workload Scheduler. Philippe TESSIER ptessier@setd.fr. 2009 IBM Corporation
IBM Software Group Migration vers Tivoli Workload Scheduler Philippe TESSIER ptessier@setd.fr Sociétés Prodline ( 180 personnes ) Distributeur et intégrateur EGEN Expert Production Régie, Forfait, Infogérance,
Plus en détailAdressage des données des contrôleurs du WAGO-I/O-SYSTEM 750. Note d application
Adressage des données des contrôleurs du WAGO-I/O-SYSTEM 750, Français Version 2.1.0 23/12/2003 ii General Copyright 2001 by WAGO Kontakttechnik GmbH Tous droits réservés. WAGO Kontakttechnik GmbH Hansastraße
Plus en détailARDUINO DOSSIER RESSOURCE POUR LA CLASSE
ARDUINO DOSSIER RESSOURCE POUR LA CLASSE Sommaire 1. Présentation 2. Exemple d apprentissage 3. Lexique de termes anglais 4. Reconnaître les composants 5. Rendre Arduino autonome 6. Les signaux d entrée
Plus en détailPARTAGER UN ANNUAIRE COLLECTIF DE SIGNETS AVEC DEL.ICIO.US
PARTAGER UN ANNUAIRE COLLECTIF DE SIGNETS AVEC DEL.ICIO.US Introduction Pourquoi utiliser DEL.ICIO.US? Cet outil permet à plusieurs personnes de partager la même liste de sites favoris et ce sur n importe
Plus en détailL OFFRE EDUCASOFT-FORMATIONS
INFORMATIQUE DECISIONNELLE la formation sur mesure L OFFRE EDUCASOFT-FORMATIONS 2015 Sommaire Qui sommes nous?... 5 Tarifs des cours... 6 Calendrier 2015 des cours Inter Entreprises... 7 s détaillés des
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 détailSécurité par compression! ReSIST 2010. Gilles RICHARD IRIT www.irit.fr/bite www.bite.ac.uk
Sécurité par compression! ReSIST 2010 Gilles RICHARD IRIT www.irit.fr/bite www.bite.ac.uk Introduction Sécurité.. intrusion réseau, attaques (DoS,DDoS etc.) virus, etc... spams code injection (SQL,XSS,CSRF,...)
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 détailCENTRE CLIENTÈLE DE LA POSTE CH AG SERVICES EN LIGNE CREER LES CENTRES DE COUTS
CENTRE CLIENTÈLE DE LA POSTE CH AG SERVICES EN LIGNE CREER LES CENTRES DE COUTS Services en ligne - valeur ajoutée Quels sont les avantages des services en ligne? Un point accès unique et central pour
Plus en détailSHERLOCK 7. Version 1.2.0 du 01/09/09 JAVASCRIPT 1.5
SHERLOCK 7 Version 1.2.0 du 01/09/09 JAVASCRIPT 1.5 Cette note montre comment intégrer un script Java dans une investigation Sherlock et les différents aspects de Java script. S T E M M E R I M A G I N
Plus en détailOrdonnance sur le paiement à un enfant ou à une personne qui n est pas saine d esprit. Infant or Person of Unsound Mind Payment Order CODIFICATION
CANADA CONSOLIDATION CODIFICATION Infant or Person of Unsound Mind Payment Order Ordonnance sur le paiement à un enfant ou à une personne qui n est pas saine d esprit C.R.C., c. 1600 C.R.C., ch. 1600 Current
Plus en détailTP 1. Prise en main du langage Python
TP. Prise en main du langage Python Cette année nous travaillerons avec le langage Python version 3. ; nous utiliserons l environnement de développement IDLE. Étape 0. Dans votre espace personnel, créer
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 détailGestion mémoire et Représentation intermédiaire
Gestion mémoire et Représentation intermédiaire Pablo de Oliveira March 23, 2015 I Gestion Memoire Variables locales Les variables locales sont stockées: Soit dans un registre,
Plus en détailPROFIS Installation. Module 4: Module 3D Design
PROFIS Installation Module 4: Module 3D Design Ce module de formation est basé sur un cas réel construit en gamme MI. Ce cas permet de présenter toutes les fonctions du module 3D design. 1 Comment utiliser
Plus en détailÉtude de cas Assurance (d après une étude de Philippe Périé, CISIA)
Étude de cas Assurance (d après une étude de Philippe Périé, CISIA) I.1.Les données L échantillon est constitué de 1106 assurés Belges observés en 1992 et répartis en 2 groupes. - les assurés qui n ont
Plus en détailLa Programmation Orientée Agent Les Agents Réactifs
La Programmation Orientée Agent Les Agents Réactifs Emmanuel ADAM Université de Valenciennes et du Hainaut-Cambrésis UVHC/ISTV-LAMIH E. ADAM University of Valenciennes La Programmation Orientée Agent Les
Plus en détailRULE 5 - SERVICE OF DOCUMENTS RÈGLE 5 SIGNIFICATION DE DOCUMENTS. Rule 5 / Règle 5
RULE 5 - SERVICE OF DOCUMENTS General Rules for Manner of Service Notices of Application and Other Documents 5.01 (1) A notice of application or other document may be served personally, or by an alternative
Plus en détailInput Tax Credit Information (GST/HST) Regulations
CANADA CONSOLIDATION CODIFICATION Input Tax Credit Information (GST/HST) Regulations Règlement sur les renseignements nécessaires à une demande de crédit de taxe sur les intrants (TPS/ TVH) SOR/91-45 DORS/91-45
Plus en détailTravaux Pratiques de Commande par ordinateur 1 TRAVAUX PRATIQUES
TRAVAUX PRATIQUES Le présent travail vise à développer une interface visuelle de programmation des entrées- sorties du port LPT d un PC à l aide du logiciel VISUAL BASIC. I- EDITION ET TEST DU PROGRAMME
Plus en détailModule Administration BD Chapitre 1 : Surcouche procédurale dans les SGBDS
Module Administration BD Chapitre 1 : Surcouche procédurale dans les SGBDS 1. Introduction Nous allons aborder la notion de surcouche procédurale au sein des SGBDS relationnels tels que Oracle (PLSQL)
Plus en détailSEIRICH : Système d évaluation et d information sur les
SEIRICH : Système d évaluation et d information sur les risques chimiques en milieu professionnel R. Vincent, N.Bertrand, L. Capitaine, F. Clerc, F. Marc, S. Malard, F. Lekhchine, N. Schmitt, N.Toulemonde,
Plus en détailInterest Rate for Customs Purposes Regulations. Règlement sur le taux d intérêt aux fins des douanes CONSOLIDATION CODIFICATION
CANADA CONSOLIDATION CODIFICATION Interest Rate for Customs Purposes Regulations Règlement sur le taux d intérêt aux fins des douanes SOR/86-1121 DORS/86-1121 Current to August 4, 2015 À jour au 4 août
Plus en détailCorrigé des TD 1 à 5
Corrigé des TD 1 à 5 1 Premier Contact 1.1 Somme des n premiers entiers 1 (* Somme des n premiers entiers *) 2 program somme_entiers; n, i, somme: integer; 8 (* saisie du nombre n *) write( Saisissez un
Plus en détailLangage Perl. Introduction & Retour d'expérience. Journée du 30/11/2010 - S. Gallina - GEPV - 1/42
Langage Perl Introduction & Retour d'expérience Journée du 30/11/2010 - S. Gallina - GEPV - 1/42 Perl Practical Extraction and Report Langage Langage de script (non compilé) Conçu par Larry Wall Enrichi
Plus en détailmodèles génériques applicables à la synthèse de contrôleurs discrets pour l Internet des Objets
modèles génériques applicables à la synthèse de contrôleurs discrets pour l Internet des Objets Mengxuan Zhao, Gilles Privat, Orange Labs, Grenoble, France Eric Rutten, INRIA, Grenoble, France Hassane
Plus en détailCours. Cours 8 : Révisions. Importance. Interface homme-machine
Cours 1) Introduction Définitions Histoire Cours 8 : Révisions jgarcia@ircam.fr 2) Programmation des interfaces graphiques principes de conception 3) MVC Java2D Styles d interaction 4) Interaction graphique
Plus en détailEvaluation des performances de programmes parallèles haut niveau à base de squelettes
Evaluation des performances de programmes parallèles haut niveau à base de squelettes Enhancing the Performance Predictability of Grid Applications with Patterns and Process Algebras A. Benoit, M. Cole,
Plus en détailNordion Europe S.A. Incorporation Authorization Order. Décret autorisant la constitution de Nordion Europe S.A. CONSOLIDATION CODIFICATION
CANADA CONSOLIDATION CODIFICATION Nordion Europe S.A. Incorporation Authorization Order Décret autorisant la constitution de Nordion Europe S.A. SOR/90-162 DORS/90-162 Current to June 9, 2015 À jour au
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane
Plus en détail