LM347 : ANALYSE DE DONNÉES ET RÉGRESSION. Arnak Dalalyan. Université Paris 6
|
|
- Valentine Amélie Martineau
- il y a 7 ans
- Total affichages :
Transcription
1 Notes de cours LM347 : ANALYSE DE DONNÉES ET RÉGRESSION Arnak Dalalyan Université Paris 6 Résumé : Les séances 4 et 5 sont consacrées à l introduction aux méthodes élémentaires d analyse de données. Nous y décrirons notamment les bases de la statistique descriptive. La particularité de la statistique descriptive est qu elle peut être expliquée sans avoir recours à la notion de probabilité. L objectif de la statistique descriptive est de fournir des outils qui permettent résumer et visualiser les données. 1. Les données. Dans ce cours, on laissera délibérément de côté le problème de production de données et d échantillonnage. On considérera qu on dispose d un jeux de données et notre objectif sera le traitement de ces données Définition des variables. Toute caractériqtique d une personne ou d une chose qui peut être exprimée par un nombre est appelée variable. La valeur de la variable est le nombre réel qui décrit une personne ou une chose particulière. On désigne schématiquement deux types de variables : les variables quantitatives et les variables qualitatives également dites variables de catégories. Une variable quantitaive prend des valeurs numériques pour lesquelles les opérations arithmétiques telles que différences et moyennes ont un sens. Une variable qualitative est exprimée sous forme de catégories désignées ellesmêmes par des nombres. Ces nombres sont utilisés uniquement pour des raisons de facilité informatique (codage d une variable qualitative). Aucune opération arithmétique du type de celles qui sont possibles pour les variables quantitatives n est possible. Les valeurs prises par une variable qualitatives s appellent des catégories ou des modalités Définition des individus. Il faut définir sur qui ou sur quoi les variables seront observées. Les personnes ou les choses sur lesquelles les variables sont observées s appellent individus ou entités. Définir des entités consiste à définir une population de référence. 1
2 2 DALALYAN, ARNAK Exemple 1. On considère les cours des actions à la clôture de la bourse de Paris, ainsi que le volume journalier des actions échangées. Dans cet exemple, si l on fixe un jour J et on considère les cours des actions et les volumes échangés correspondant à ce jour J, la population de référence est l ensemble des actions cotées sur la bourse de Paris et chaque individu représente une action. Le cours d une action le jour J est une variable quantitative. Par exemple, on peut très bien calculer la moyenne sur tous les individus (les actions) des cours à la clôture. Pour cette population de référence, on peut également s intéresser à la variable secteur d activité. Cette variable dont les valeurs possibles sont secteur bancaire, énergie, services,..., qu on peut coder par des nombres entiers 1,2,3,... On obtient ainsi une variable qualitative. Exemple 2. Soit la population de référence l ensemble de joueurs de football qui evoluent en Ligue 1. Le salaire mensuel d un footballeur, le numéro porté par un footbolleur, la nationalité d un footballeur sont des exemples de variables définies sur cette population. Le salaire mensuel est une variable quantitative, alors que le numéro de maillot et la nationalité sont des variables qualitatives. 2. L analyse d une variable quantitative. On décrira dans cette partie les indicateurs numériques caractéristiques d une variable quantitative, qui représentent la position, la dispersion et la forme de la répartition de la variable étudiée. On donnera aussi la définition de quelques méthodes de visualisation de la répartition d une telle variable. Afin de définir les différentes quantités liées à une variable quantitative, on procède de la façon suivante. Etant donné n valeurs x 1,...,x n d une variable quantitative x, on définit une variable aléatoire Z qui prend chacune des valeurs x i avec une probabilité 1/n. Contrairement aux apparences, cette variable Z n est pas nécessairement une variable discrète de la loi uniforme sur l ensemble E = {x 1,x 2,...,x n }. En effet, la probabilité que Z prend la valeur x i est égale à la multiplicité de x i dans la suite x 1,...,x n divisée par n. Par exemple, si les valeurs observées sont , (2.1) alors la variable aléatoire Z prend les valeurs 1,2,3,4 avec des probabilités respectives 2 8, 2 8, 3 8 et 1 8.
3 ANALYSE DES DONNÉES Indicateurs de position. Les deux indicateurs de position les plus utilisés sont la moyenne x et la médiane M. Elles sont définies comme l espérance et la médiane de la variable aléatoire Z. Par exemple, si l on a observé les valeurs données dans (2.1), alors x = = 19 8 = 2.375, et n importe quelle valeur comprise entre 2 et 3 peut être considérée comme la médiane. Par convention, lorsque la médiane n est pas uniquement définie, on la définit comme le centre de l intervalle de ses valeurs possibles. Dans l exemple donné ci-dessus, on a donc M = 2.5. Alors que la moyenne a l aventage d être uniqement définie, la médiane constitue un indicateur plus stable par rapport aux observations atypiques que la moyenne. Par exemple, si en saisissant les notes (sur 20 points) de 30 étudiants dans un fichier on se trompe sur une note en tapant 166 au lieu de 16, cela va augmenter la moyenne de 5 points, alors que la médiane rstera quasiment inchangée Indicateurs de dispersion. Les deux indicateurs les plus utilisés sont l écart-type et l écart interquartile. L écart-type, noté s, est défini comme la racine carrée de la variance de la variable Z. Cela équivaut à s 2 = 1 n (x i x) 2 = E[(Z E[Z]) 2 ]. n i=1 On dit alors que s 2 est la variance. Dans certains ouvrages, la division se fait non pas par n, mais par (n 1). Pour les grandes valeurs de n cela affecte peu la valeur de l écart-type. La raison de division par (n 1) vient de la statistique inférentielle et sera donnée plus tard. Soient Q 1 et Q 3 le premier et le troisième quartiles de la variable aléatoire Z. On appelle alors écart interquartile des observations x 1,...,x n la valeur E Q = Q 3 Q 1. Dans le cas où les quartiles ne sont pas uniquement définis, on applique la même règle que pour la médiane : on choisit le centre de l intervalle de toutes les valeurs possibles. Par exemple, pour les observations (2.1), l ensemble de valeurs possibles pour Q 1 est l intervalle [1,2]. On pose donc Q 1 = 1.5. En revanche, le troisième quartile est défini de façon unique : Q 3 = 3. Par conséquent, l écart interquartile est E Q = = 1.5.
4 4 DALALYAN, ARNAK 2.3. Indicateurs de forme. Les deux indicateurs de forme les plus fréquemment utilisés sont le coefficient d asymétrie et le coefficient d aplatissement. Le coefficient d asymétrie, noté α, est défini par α = E[(Z E[Z])3 ] s 3 et mesure le degré d asymétrie par rapport à la moyenne de la répartition des observations. Si les observations sont reparties de façon symétrique à droite et à gauche de la moyenne, alors α = 0. Si α > 0, alors on parle d une asymétrie à droite signifiant que les valeurs observées qui sont supérieures à la moyenne pèsent plus lourd que les valeurs qui sont inférieures à la moyenne. Le coefficient d aplatissement, quant à lui, est défini par β = E[(Z E[Z])4 ] s 4 3. Il sert à comparer les queues de la repartition des observations à celles d une loi gaussienne. L idée de base est que si l on observe n réalisations indépendantes d une variable gaussienne, alors β 0 lorsque n tend vers l infini. L utilisation des coefficients d asymétrie et d applatissement n est recommandée que si le nombre d observations est élevé (n 100, par exemple) Analyse graphique : histogramme et boîte à moustaches. La boîte à moustaches, appelé également diagramme en boîte, est un moyen rapide de figurer le profil essentiel d une variable quantitative. Elle a été inventée en 1977 par John Tukey, mais peut faire l objet de certains aménagements selon les utilisateurs. La construction de la boîte à moustache est basé sur le calcul de 5 caractéristiques numériques : la médiane M, les quartiles Q 1 et Q 2, ainsi que les deux extrémités des moustaches défini : A = min i:x i Q 1 1.5E Q x i, B = max i:x i Q E Q x i. Toutes les valeurs x i qui se trouvent à l extérieur de l intervalle [A,B] sont considérées comme des observations atypiques ou aberrantes. Ayant calculé ces 5 quantités, la boîte à moustache prend la forme : A Q 1 M Q 3 B
5 Dans ce dessin, il n y a pas de valeur atypique. ANALYSE DES DONNÉES 5 L histogramme, quant à lui, est un outil graphique qui donne une information plus complète sur la forme de la repartition de la variable quantitative. Pour le construire, on choisit d abord un nombre de N de classes et on partitionne l intervalle [min i x i,max i x i ] en N intervalles de longueurs égales. On dessine ensuite, sur chaque intervalle de la partition, un rectangle dont la hauteur est égale au pourcentage des observations contenues dans l intervalle en question. On obtient un graphique de la forme : Pour l exemple des observations données en (2.1), on obtient la boîte à moustaches et l histogramme suivants : L analyse d une variable qualitative. Les deux outils graphiques les plus utilisés pour analyser une variable qualitative sont les diagrammes en bâtons et les diagrammes circulaires dits en camembert. Pour les construire, il faut calculé le pourcentage (la fréquance) de chaque modalité. Par exemple, si en choisissant 10 personnes au hazard dans la rue on tombe sur 7 blonds et 3 bruns, alors les deux diagrammes seront : Diagramme en bâton Diagramme circulaire brun blond blond brun
6 6 DALALYAN, ARNAK 4. L analyse de deux variables. On suppose maintenant qu on dispose de deux séries statistiques x 1,...,x n et y 1,...,y n correspondantes à deux variables X et Y observées sur n individus. Pour analyser des deux variables, on distingera trois cas selon la nature des variables à analyser : deux variables quantitatives, une variable quantitative et une variable qualitative, deux variables qualitatives. On se concentrera exclusivement sur les deux premiers cas Deux variables quantitatives. L outil le plus complet permettant de visualiser les observations de deux variables quantitatives est le nuage de points. Il s agit de dessiner dans un repère orthogonal tous les points P i ayant pour coordonnées x i et y i. Par exemple, pour les données i x y (4.1) où x i représente l âge et y i le logarithme des revenus d une personne, on otient le nuage de points suivant : 14.5 Nuage de points y x Si il y a des points multiples ((x i,y i ) = (x j,y j ) pour i j), on écrit la multiplicité de chaque observation à côté du point représentant cette observation. Dans le cas de deux variables quantitatives, on s intéresse également à la droite de régression de y sur x. C est la droite D qui minimise la somme des carrés des distances verticales entre les points du nuage et la droite D. Autrement dit, les coefficient (a,b) de l équation y = ax + b de la droite de régression de y sur x sont définis par (a,b) = arg min a,b n ( yi (ax i + b) ) 2. i=1
7 ANALYSE DES DONNÉES 7 On vérifie facilement que cette droite D passe par l isobarycentre des points P i et les coefficients a et b de D sont donnés par où s xy = 1 n x i y i xȳ, n i=1 a = s xy s 2, b = ȳ a x, x s 2 x = 1 n (x i x) 2. n i=1 Il n est pas inutile de souligner que, en général, la droite de régression de y sur x ne coïncide pas avec la droite de régression de x sur y. Afin d éviter toute confusion, on écrira D y x pour la droite de régression de y sur x et D x y pour la droite de régression de x sur y. La droite de régression pour l exemple (4.1) est la suivante : Nuage de points D x y 13.5 D y x 13 y x Le point rouge (l intersection des deux droites) correspond au isobarycentre des points P i Une variable quantitative et une variable qualitative. La façon la plus pratique de visualiser les données d une variable quantitative et d une variable qualitative est de dessiner les boîtes à moustache parallèles. Supposons que la variable X est quantitative alors que Y est qualitative. Soit M 1,..., M k les modalités de Y. On partitionne alors les données x 1,...,x n en k classes dont chacune correspond à une modalité de Y ; si pour un indice i la valeur y i est égale à M 1 alors x i sera dans la première classe, si y i vaut M 2 alors x i sera dans la deuxième classe, etc. Ensuite, on dessine sur le même repère les boîtes à moustaches des x i pour chacune des k classes.
8 8 DALALYAN, ARNAK Considérons l exemple suivant. Pour 20 étudiants, on a enregistré le sexe et la note obtenue (sur 20 points) à une épreuve écrite. On a obtenu le tableau suivant : i Note Sexe F F M F F F F M M M i Note Sexe M M F F F M M F F M (4.2) Si l on trie ces résultats par sexe, on obtient les deux classes : C F = (11,12,8, 15,14,4,12,11,9,5,10) et C M = (5,18,17,2,7,13,10,16, 9). On obtient donc les boîtes à moustaches suivantes : F M On peut en déduire que les notes des garçons sont plus dispersées que celles des filles, la médiane de la note des filles est légèrement supérieure à celle des garçons, ce qui veut dire que les filles ont globalement un peu mieux réussi que les garçons, les meilleures notes sont quand-même obtenues par les garçons, plus de la moitié des filles ont eu une note comprise entre 8 et 12, à peu près 50 pourcent des garçons ont eu une note inférieure à 10. Bibliographie. [1] Michel Jambu. Méthodes de base de l analyse des données. Editions Eyrolles, [2] Lebart, L., Marineau, A. et Piron, M. Statistique exploratoire multidimensionnelle. Dunod, 2eme édition, 1997.
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 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 détailStatistiques 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 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 détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
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 détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
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 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 détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
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 détailFonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme
Fonctions linéaires et affines 3eme 1 Fonctions linéaires 1.1 Vocabulaire Définition 1 Soit a un nombre quelconque «fixe». Une fonction linéaire associe à un nombre x quelconque le nombre a x. a s appelle
Plus en détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
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 détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en 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 détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en détailRÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3
RÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3 Pour construire un graphique : On lance l assistant graphique à l aide du menu Insérer è Diagramme en ayant sélectionné au préalable une cellule vide dans
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 détailSERIE 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 détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
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 détailTerminale STMG Lycée Jean Vilar 2014/2015. Terminale STMG. O. Lader
Terminale STMG O. Lader Table des matières Interrogation 1 : Indice et taux d évolution........................... 2 Devoir maison 1 : Taux d évolution................................ 4 Devoir maison 1
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
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 détailBACCALAURÉAT PROFESSIONNEL SUJET
SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)
Plus en 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 détailStatistiques 0,14 0,11
Statistiques Rappels de vocabulaire : "Je suis pêcheur et je désire avoir des informations sur la taille des truites d'une rivière. Je décide de mesurer les truites obtenues au cours des trois dernières
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 détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
Plus en 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 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 détail4 Statistiques. Les notions abordées dans ce chapitre CHAPITRE
CHAPITRE Statistiques Population (en milliers) 63 6 6 6 Évolution de la population en France 9 998 999 3 Année Le graphique ci-contre indique l évolution de la population française de 998 à. On constate
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
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 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 détailComplément d information concernant la fiche de concordance
Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailClasse de première L
Classe de première L Orientations générales Pour bon nombre d élèves qui s orientent en série L, la classe de première sera une fin d étude en mathématiques au lycée. On a donc voulu ici assurer à tous
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailLicence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015.
Licence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015. Thèmes des séances de TD Thème n.1: Tableaux statistiques et représentations graphiques. Thème
Plus en détailStatistiques à une variable
Statistiques à une variable Calcul des paramètres statistiques TI-82stats.fr? Déterminer les paramètres de la série statistique : Valeurs 0 2 3 5 8 Effectifs 16 12 28 32 21? Accès au mode statistique Touche
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détailSéquence 4. Statistiques. Sommaire. Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement
Séquence 4 Statistiques Sommaire Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement 1 Introduction «Etude méthodique des faits sociaux par des
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailLes paradoxes des marchés de bureaux et du logement Les prévisions IEIF 2013. 2013 : l année dangereuse Entre rechute et guérison?
Les paradoxes des marchés de bureaux et du logement Les prévisions IEIF 2013 2013 : l année dangereuse Entre rechute et guérison? 2013 : scénarios pour l économie française Scénario central 80% de probabilité
Plus en détail- Ressources pour les classes
Mathématiques Collège - Ressources pour les classes de 6 e, 5 e, 4 e, et 3 e du collège - - Organisation et gestion de données au collège - Ce document peut être utilisé librement dans le cadre des enseignements
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
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 détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailExo7. Probabilité conditionnelle. Exercices : Martine Quinio
Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle
Plus en 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 détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en 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 détailglossaire Appellation commerciale Voir nom de marque.
glossaire Accessibilité financière Le coût d un traitement par rapport au revenu de la population. dans cette enquête, le salaire journalier minimum d un employé non-qualifié du secteur public est comparé
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailEXERCICES - ANALYSE GÉNÉRALE
EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par
Plus en détailArithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot
Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,
Plus en détailStatistiques avec la graph 35+
Statistiques avec la graph 35+ Enoncé : Dans une entreprise, on a dénombré 59 femmes et 130 hommes fumeurs. L entreprise souhaite proposer à ses employés plusieurs méthodes pour diminuer, voire arrêter,
Plus en détailCatalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands.
Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands. Pourquoi un autre catalogue en Suisse romande Historique En 1990, la CRUS (Conférences des
Plus en détailAide-mémoire de statistique appliquée à la biologie
Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela
Plus en détailMr le Depanneur. Le depanneur est un membre de la disposisition de secours financier Mr le Depanneur ayant un compte depanneur actif ou approuvé.
Mr le Depanneur Mission statement Notre objectif premier est d éviter les personnes à être en retard aux factures, causes de grands dommages aux rapports de credit et de payer des frais de retard très
Plus en détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en détailOLYMPIADES ACADÉMIQUES DE MATHÉMATIQUES
OLYMPIADES ACADÉMIQUES DE MATHÉMATIQUES ACADÉMIE DE RENNES SESSION 2006 CLASSE DE PREMIERE DURÉE : 4 heures Ce sujet s adresse à tous les élèves de première quelle que soit leur série. Il comporte cinq
Plus en détailExercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible»
Exercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible» Quand la trésorerie d une entreprise est positive, le trésorier cherche le meilleur placement pour placer les excédents.
Plus en détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
Plus en détailLogistique, Transports
Baccalauréat Professionnel Logistique, Transports 1. France, juin 2006 1 2. Transport, France, juin 2005 2 3. Transport, France, juin 2004 4 4. Transport eploitation, France, juin 2003 6 5. Transport,
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailDUT Techniques de commercialisation Mathématiques et statistiques appliquées
DUT Techniques de commercialisation Mathématiques et statistiques appliquées Francois.Kauffmann@unicaen.fr Université de Caen Basse-Normandie 3 novembre 2014 Francois.Kauffmann@unicaen.fr UCBN MathStat
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailIntroduction 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 détailINFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X.
INFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X. Année scolaire 009-010 TABLE DES MATIERES CHAPITRE 1: Eléments de statistiques descriptives...
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailReprésentation des Nombres
Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...
Plus en détailUNE EXPERIENCE, EN COURS PREPARATOIRE, POUR FAIRE ORGANISER DE L INFORMATION EN TABLEAU
Odile VERBAERE UNE EXPERIENCE, EN COURS PREPARATOIRE, POUR FAIRE ORGANISER DE L INFORMATION EN TABLEAU Résumé : Cet article présente une réflexion sur une activité de construction de tableau, y compris
Plus en détailMicrosoft Excel : tables de données
UNIVERSITE DE LA SORBONNE NOUVELLE - PARIS 3 Année universitaire 2000-2001 2ème SESSION SLMD2 Informatique Les explications sur la réalisation des exercices seront fournies sous forme de fichiers informatiques.
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
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 détailStatistiques descriptives
Statistiques descriptives L3 Maths-Eco Université de Nantes Frédéric Lavancier F. Lavancier (Univ. Nantes) Statistiques descriptives 1 1 Vocabulaire de base F. Lavancier (Univ. Nantes) Statistiques descriptives
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
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 détailItems étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire
CHAPITRE N5 FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION Code item D0 D2 N30[S] Items étudiés dans le CHAPITRE N5 Déterminer l'image
Plus en détailFPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 1
INTRODUCTION ça L'INFçERENCE STATISTIQUE 1. Introduction 2. Notion de variable alçeatoire íprçesentation ívariables alçeatoires discrçetes ívariables alçeatoires continues 3. Reprçesentations d'une distribution
Plus en détail1 Importer et modifier des données avec R Commander
Université de Nantes 2015/2016 UFR des Sciences et Techniques Département de Mathématiques TP1 STATISTIQUE DESCRIPTIVE Frédéric Lavancier Avant propos Ouvrir l application R Saisir dans la console library(rcmdr)
Plus en détailP1 : Corrigés des exercices
P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à
Plus en détailComprendre le financement des placements par emprunt. Prêts placement
Comprendre le financement des placements par emprunt Prêts placement Comprendre le financement des placements par emprunt Le financement des placements par emprunt consiste simplement à emprunter pour
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 détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailCollecter des informations statistiques
Collecter des informations statistiques FICHE MÉTHODE A I Les caractéristiques essentielles d un tableau statistique La statistique a un vocabulaire spécifique. L objet du tableau (la variable) s appelle
Plus en détailChapitre 10 Arithmétique réelle
Chapitre 10 Arithmétique réelle Jean Privat Université du Québec à Montréal INF2170 Organisation des ordinateurs et assembleur Automne 2013 Jean Privat (UQAM) 10 Arithmétique réelle INF2170 Automne 2013
Plus en détail