Introduction à l Inférence Statistique
|
|
- Ségolène Coutu
- il y a 7 ans
- Total affichages :
Transcription
1 6.1 Intervalles de confiance Ch. 6. Introduction à l Inférence Statistique Dans l'inférence statistique, on souhaite estimer des paramètres de population en utilisant des données observées d'échantillon. La notation commune pour le paramètre en question est θ. Souvent, ce paramètre est la moyenne de populationµ, qui est estimée par la moyenne d'échantillon. Bien que la moyenne d échantillon puisse servir comme un estimateur sans biais de la moyenne de la population, on ne peut qualifier la précision atteinte par une estimation ponctuelle. En fait, les mathématiques nous apprennent que la probabilité que la moyenne d échantillon soit exactement égale à la moyenne de la population est nulle. Cette moyenne d échantillon sera entachée alors d une erreur. On aimerait bien connaître une borne supérieure ou inférieure de cette erreur. C est justement ce que l on obtient dans l estimation par intervalle de confiance. Un intervalle de confiance donne un intervalle estimé de valeurs qui est susceptible d'inclure le paramètre inconnu de la population, l'intervalle estimé étant calculé à partir d'un ensemble indiqué de données d'échantillon. Également, il est plus instructif qu une estimation ponctuelle puisqu'il fournit un intervalle de valeurs plausibles pour le paramètre inconnu de la population. Le niveau C d'un intervalle de confiance donne la probabilité que cet intervalle inclut la valeur vraie du paramètreθ. Il est souvent exprimé en pourcentage, soit par exemple un niveau de confiance de 95%. On peut aussi présenter un niveau de confiance, comme dans l exemple qui suit. Supposons qu un sondage d'opinion a prévu que, si l'élection était tenue aujourd'hui, la partie libérale gagnerait avec 42% des voix. Le sondeur pourrait attacher un niveau de confiance de 19 sur 20 à l'intervalle de 42%, plus ou moins 3.5%. C'est-à-dire, il pense avec une probabilité de 95% que la partie libérale obtiendrait entre 41.5% et 48.5% de toutes les voix. Exemple Supposons qu un étudiant mesure la température d ébullition d'un certain liquide. Il observe les lectures (en degrés Celsius) 102,5, 101,7, 103,1, 100,9, 100,5, et 102,2 d un échantillon du liquide de taille 6. Il calcule la moyenne d'échantillon qui est de 101,82. S il sait que l'écart type pour ce procédé est de 1,2 degrés, quel est l'intervalle de confiance pour la moyenne d ébullition à un niveau de la confiance 95%? En d'autres
2 termes, l'étudiant souhaite estimer la véritable température moyenne d ébullition du liquide en utilisant les résultats de ses mesures. La sélection d'un niveau de confiance pour un intervalle détermine la probabilité que l'intervalle de confiance produit contiendra la véritable valeur de paramètre. Les choix communs pour le niveau C de confiance sont 0,90, 0,95, et 0,99. Ces niveaux correspondent aux pourcentages de l aire sous la courbe normale de densité. Par exemple, un intervalle de confiance de 95% couvre 95% de l aire sous la courbe normale et la probabilité d'observer une valeur en dehors de cette l aire est de 5%. Puisque la courbe normale est symétrique, la moitié de cette l aire est située dans l extrémité gauche de la courbe et l'autre moitié de l aire se trouve dans l extrémité droite de la courbe. Comme montré dans le diagramme à gauche, pour un intervalle de confiance avec le niveau C, l aire dans chaque extrémité de la courbe est égale à (1-C )/2. Pour un intervalle de la confiance de 95%, l aire dans chaque extrémité est égale à 0,05/2 soit à 0,025 La valeur z * qui représente le point sous la courbe normale standard Z, tel que la probabilité d'observer une valeur de Z plus grand que z * est égale à p, est connue sous le nom de la valeur critique. Par exemple, si p = 0,025, la valeur critique z * tel que P(Z > z * ) = 0,025 ou P(Z < z * ) = 0,975, est égale à 1,96. Note : Pour un intervalle de confiance avec le niveau C, la valeur p est égale à (1-C )/2. Un intervalle de la confiance de 95% pour la distribution normale standard est alors l'intervalle (-1,96, 1,96), puisque 95% de la zone sous la courbe fait partie de cet intervalle.
3 Intervalles de confiance pour la moyenne d échantillon Un intervalle de confiance pour la moyenne µ inconnue d une population d'écart type σ connu, basé sur un échantillon aléatoire * simple (SRS) de taille n, est ± σ x z / où z * est la valeur critique de (1-C)/2 d erreur à droite pour la distribution normale standard. Note: Cet intervalle est seulement exact quand la distribution de population est normale. Pour de grands échantillons provenant d'autres distributions de population, l'intervalle est approximativement correct selon le théorème de limite centrale. Exemple (suite) Dans l'exemple ci-dessus, si les mesures suivent une distribution normale, alors la moyenne d'échantillon aura la distribution N(µ, ). Puisque la taille de l'échantillon est 6, l'écart type de la moyenne d'échantillon est égale à (1.2)/(2.449)= 0,49. L'étudiant a calculé la moyenne d'échantillon des températures d ébullition de 101,82 avec l'écart type de 0,49. La valeur critique pour un intervalle de confiance de 95% est de 1,96 où (1-0.95)/2 = 0,025 d erreur à droite. Un intervalle de confiance de 95% pour la moyenne µ inconnue est donc: x ± z * σ / n = (101, *0.49, 101, *0.49) = (101,82-0,96, 101,82 + 0,96) = (100,86, 102,78) n σ / Supposez que l'étudiant était intéressé par un intervalle de confiance de 90% pour la température d ébullition. Dans ce cas-ci, on aurait C = 0,90, et (1-C )/2 = 0,05. La valeur critique z * pour ce niveau est égale à 1,645. Ainsi, pour un intervalle de confiance de 90%, on aurait (101,01, 102,63). Note : plus le niveau de confiance diminue, plus la taille de l'intervalle correspondant diminue également. Une augmentation de la taille de l'échantillon diminuera la longueur de l'intervalle de confiance sans réduire le niveau de confiance. C'est parce que l'écart type diminue à mesure que n augmente. n
4 La marge de l'erreur m = z * σ / n d'un intervalle de confiance est définie comme étant la valeur ajoutée ou soustraite de la moyenne d'échantillon et elle détermine la longueur de l'intervalle. En général, l intervalle de confiance θ est donc : estimateur de θ ± la marge d' erreur m Supposons, dans l'exemple ci-dessus, que le souhait de l'étudiant est d avoir une marge d'erreur égale à 0,5 avec une confiance de 95%. En substituant les valeurs appropriées dans l'expression de m, la solution pour la taille de l échantillon n donne le calcul suivant: n = (1.96*1.2/0.5)² = (2.35/0.5)² = 4.7² = 22,09. Pour réaliser un intervalle de confiance de 95% pour la température moyenne d ébullition avec la longueur totale de moins d un degré, l'étudiant devra prendre 23 mesures. C/c: La taille d échantillon n pour une marge d erreur donnée m est : * 2 n = ( z σ / m) 6.2 Test de signification (Test d hypothèse) La théorie des tests t hypothèses est équivalente à celle de l estimation par intervalle de confiance. Nous tentons de décider si les données confirment ou contredisent une opinion a priori concernant la valeur d un paramètre de la population. Une fois que les données d'échantillon ont été recueillies par une étude d'observation ou une expérience, l'inférence statistique permet à des analystes d'évaluer des arguments ou des propositions en faveur de la population de laquelle l'échantillon a été tiré. Les méthodes d'inférence supportant ou rejetant des suppositions basées sur des données d'échantillon sont connues sous ce nom de test de signification. Chaque test de signification commence par une hypothèse nulle H 0. H 0 représente une théorie qui a été proposée soit parce qu'on pense qu'elle est vraie, soit parce qu'elle sera utilisée comme base pour l'argument mais n'a pas été prouvée. Par exemple, dans un essai clinique d'un nouveau médicament, l'hypothèse nulle pourrait être que le nouveau médicament n'est pas meilleur, en moyenne, que le médicament actuel. Nous écririons alors H 0 : il n'y a aucune différence, en moyenne, entre les deux médicaments.
5 L'hypothèse alternative H a énonce ce que le test statistique d'hypothèse est sensé prouver. Par exemple, dans un essai clinique d'un nouveau médicament, l'hypothèse alternative pourrait être que le nouveau médicament a un effet différent, en moyenne, comparé à celui du médicament actuel. Nous écririons alors H a : les deux médicaments ont, en moyenne, des effets différents. L'hypothèse alternative pourrait également être que le nouveau médicament est meilleur, en moyenne, que le médicament actuel. Dans ce cas-ci nous écririons H a : le nouveau médicament est meilleur, en moyenne, que le médicament actuel. La conclusion finale, une fois que l'essai effectué, est toujours donnée en termes d'hypothèse nulle. Soit que nous " rejetons H 0 en faveur de H a " ou nous " ne rejetons pas H 0 "; nous ne concluons jamais de " rejeter H a " ou même " d accepter H a ". Si nous concluons de " ne pas rejeter H 0 ", ceci ne signifie pas nécessairement que l'hypothèse nulle est vraie mais suggère seulement qu'il n'y a pas de preuve suffisante contre H 0 en faveur de H a. Le rejet de l'hypothèse nulle suggère alors que l'hypothèse alternative pourrait être vraie. Des hypothèses sont toujours énoncées en termes de paramètre de population, tel que la moyenneµ. Une hypothèse alternative peut être unilatérale ou bilatérale. Une hypothèse unilatérale indique qu'un paramètre est plus grand ou plus petit que la valeur donnée par l'hypothèse nulle. Une hypothèse bilatérale indique qu'un paramètre n'est simplement pas égal à la valeur donnée par l'hypothèse nulle. Les hypothèses pour un test unilatéral pour une moyenne de population prennent la forme suivante: H 0 : µ = k contre H a : µ > k ou H 0 : µ = k contre H a : µ < k. Les hypothèses pour un test bilatéral pour une moyenne de population prennent la forme suivante: Exemple H 0 : µ = k contre H a : µ k. Supposons qu un test d anglais a été donné à tous les étudiants d un cégep à Montréal. La note moyenne du test pour l ensemble des cégépiens de Montréal est de 70 avec un écart type de 10. L administration pense que les étudiants féminins ont obtenu de plus hautes notes moyennes dans le test que les étudiants mâles, parce que la note moyenne x d'un échantillon aléatoire de 64 étudiants féminins est égale à 73. Est-ce que ceci fournit une forte preuve que la note moyenne globale pour les étudiants féminins est plus haute? L'hypothèse nulle H 0 énonce qu'il n'y a aucune différence entre la note moyenne pour les étudiants féminins et la note moyenne de la population entière, de sorte que µ = 70.
6 L'hypothèse alternative énonce que la note moyenne pour les étudiants féminins est plus haute que la note moyenne de population entière des étudiants, de sorte que µ > 70. Test de signification pour une moyenne inconnue Une fois que des hypothèses nulles et alternatives ont été formulées pour une proposition particulière, la prochaine étape est de calculer une statistique du test. Une statistique du test est une quantité calculée à partir de notre échantillon de données. Sa valeur est utilisée pour décider si l'hypothèse nulle doit être rejetée ou non dans notre test d'hypothèse. Le choix d'une statistique du test (qui est une variable aléatoire) dépendra du modèle de probabilité et des hypothèses que nous vérifions. Pour des propositions au sujet d'une moyenne de population avec une distribution normale ou pour n'importe quel échantillon avec une grande taille n (on s appuie alors sur le théorème de limite centrale), si l'écart typeσ est connu, le test de signification approprié est connu sous le nom de z-test, où la statistique du test est définie ainsi: z x µ o σ / n =. La statistique du test suit la distribution normale standard (avec la moyenne = 0 et l écart type = 1). La statistique z du test est employée pour calculer la P-valeur pour la distribution normale standard, soit la probabilité qu'on observerait une valeur au moins aussi extrême que la statistique du test sous l'hypothèse nulle. Étant donné l'hypothèse nulle que la moyenne de population µ est égale à une valeur donnée µ 0, les P-valeurs pour tester H 0 contre chacune des hypothèses alternatives possibles sont: P(Z > z) pour H a : µ > µ 0 P(Z < z) pour H a : µ < µ 0 2P(Z> z ) pour H a : µ µ 0 La probabilité est doublée pour un test bilatéral, puisque l'hypothèse alternative bilatérale considère la possibilité d'observer des valeurs extrêmes sur l'une ou l'autre extrémité de la distribution normale. La P-valeur est aussi la probabilité de rejeter incorrectement l'hypothèse nulle si elle est effectivement vraie. Elle est égale au niveau de signification (voir ci-dessous) du test pour lequel nous rejetterions l'hypothèse nulle. La P-valeur est comparée au niveau de signification et si elle est plus petite, le résultat est significatif. C'est-à-dire, si l'hypothèse nulle devait être rejetée à 5%, on aurait ' P-valeur < 0,05 '.
7 Les petites P-valeurs suggèrent que l'hypothèse nulle est peu susceptible d'être vraie. Plus elle est petite, plus le rejet de l'hypothèse nulle est convaincant. Elle indique la force de l expression «rejeter l'hypothèse nulle H 0». Exemple Dans l'exemple des notes du test d anglais ci-dessus où la moyenne d'échantillon égale 73 et l'écart type de population est égale à 10, la statistique du test est calculée comme suit: z = (73-70)/(10/8) = 3/1,25 = 2,4 Puisque c'est un test bilatéral, la P-valeur est égale à la probabilité d'observer une valeur plus grande que 2,4 dans la distribution normale standard où : P(Z > 2,4) = 1 - P(Z < 2,4) = 1-0,9918 = 0,0082 La P-valeur est moins de 0,01, indiquant qu'il est fortement peu probable que ces résultats soient observés sous l'hypothèse nulle. L administration peut rejeter H 0 bien qu'ils ne puissent fournir aucune information supplémentaire sur la moyenne de la distribution. Niveaux de signification Le niveau de signification α pour un test d'hypothèse donné est une valeur pour laquelle «une P-valeur inférieure ou égale à α» est considérée statistiquement significative. Le niveau de signification α d un test d hypothèse est une probabilité fixée d avance. Il représente la probabilité de rejeter incorrectement l hypothèse nulle H 0 alors qu elle est vraie. Les valeurs typiques pour α sont 0,1, 0,05 et 0,01. Dans l'exemple des notes du test d anglais ci-dessus, la P-valeur étant 0,0082, la probabilité d'observer une telle valeur par hasard est moins que 0,01 et le résultat est de niveau de signification de 0,01. Dans un test unilatéral,α correspond à la valeur critique «z *» tel que P(Z > z * ) = α. Par exemple, si le niveau de signification désiré pour un résultat est de 0,05, la valeur correspondante pour «Z» doit être supérieure ou égale à z * = 1,645 (ou inférieure ou égale à -1,645 pour un alternatif unilatéral réclamant que la moyenne soit moindre que celle de l'hypothèse nulle). Pour un test bilatéral, nous nous intéressons à la probabilité que 2P(Z > z * ) = α, alors que la valeur critique z * correspond à un niveau de signification de α / 2. Pour
8 atteindre un niveau de signification de 0,05 pour un test bilatéral, la valeur absolue de la statistique du test ( z ) doit être supérieure ou égale à la valeur critique 1,96 (qui correspond au niveau 0,025 pour test unilatéral). Exemple De tous les individus qui développent une certaine éruption cutanée, supposons que le temps moyen de guérison pour les individus qui n'utilisent aucun mode de traitement est de 30 jours avec un écart type égal à 8. Une compagnie pharmaceutique fabricant une certaine crème souhaite déterminer si la crème raccourcit, allonge ou n a aucune incidence sur le temps de guérison. La compagnie choisit un échantillon aléatoire de 100 individus qui ont utilisé la crème et détermine que le moment moyen de guérison pour ces individus était de 28,5 jours. La crème a-t-elle un effet? Puisque la compagnie pharmaceutique s intéresse à tout temps qui diffère du temps moyen de guérison pour tous les individus, l'hypothèse alternative H a est bilatérale: µ 30. La statistique du test est calculée comme suit : La P-valeur pour cette statistique est : 2P(Z > 1,875) = 2(1 - P((Z < 1,875) = 2(1-0,9693) = 2(0.0307) = 0,0614. z = (28,5-30)/(8/sqrt(100)) = -1,5/0,8 = -1,875 H 0 n est pas significatif au niveau de 0,05 cependant il l est au niveau de 0,1.
TESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en 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 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 détailchoisir H 1 quand H 0 est vraie - fausse alarme
étection et Estimation GEL-64943 Hiver 5 Tests Neyman-Pearson Règles de Bayes: coûts connus min π R ( ) + ( π ) R ( ) { } Règles Minimax: coûts connus min max R ( ), R ( ) Règles Neyman Pearson: coûts
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 détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en détailPOKER ET PROBABILITÉ
POKER ET PROBABILITÉ Le poker est un jeu de cartes où la chance intervient mais derrière la chance il y a aussi des mathématiques et plus précisément des probabilités, voici une copie d'écran d'une main
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 détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailVoIP, Mobile Office & M2M Equipements et projets d équipements
VoIP, Mobile Office & M2M Equipements et projets d équipements Etude de marché réalisée par Novatris/Harris Interactive pour le compte de Tarsus Développement et diffusée sur le salon IP Convergence Expo
Plus en détailPOINTS DE VUE DES CANADIENS SUR LA COUVERTURE DES MÉDICAMENTS D ORDONNANCE
www.ekos.com POINTS DE VUE DES CANADIENS SUR LA COUVERTURE DES MÉDICAMENTS D ORDONNANCE [Ottawa 22 mai 2013] Selon un nouveau sondage commandé par la Coalition canadienne de la santé (CCS) et la Fédération
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 détailIntroduction aux sondages
Introduction aux sondages Fiche technique Introduction Les sondages d'opinion publique sont très répandus. La plupart du temps, les rapports publiés par les enquêteurs ne fournissent pas suffisamment d'informations
Plus en détailCHAPITRE VIII : Les circuits avec résistances ohmiques
CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détail6. Les différents types de démonstrations
LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,
Plus en détailD.E.S.C.F - UV 1 - Module 8 Consolidation dans les groupes de sociétés. Corrigé - Cas IG/IP/MEE
D.E.S.C.F UV 1 Module 8 Cas IG/IP/MEE Corrigé D.E.S.C.F UV 1 Module 8 Consolidation dans les groupes de sociétés Corrigé Cas IG/IP/MEE HYPOTHESE N 1 : FILIALE EN INTEGRATION GLOBALE 6 étapes sont à distinguer
Plus en détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
Plus en 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 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 détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailDocument d orientation sur les allégations issues d essais de non-infériorité
Document d orientation sur les allégations issues d essais de non-infériorité Février 2013 1 Liste de contrôle des essais de non-infériorité N o Liste de contrôle (les clients peuvent se servir de cette
Plus en détailInstitut économique de Montréal. Rapport d un sondage omnibus. Juin 2005
Institut économique de Montréal Rapport d un sondage omnibus Juin 2005 Opinion des Québécois à l égard du jugement de la Cour suprême du Canada relatif à l interdiction aux citoyens de payer pour des soins
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailmodélisation solide et dessin technique
CHAPITRE 1 modélisation solide et dessin technique Les sciences graphiques regroupent un ensemble de techniques graphiques utilisées quotidiennement par les ingénieurs pour exprimer des idées, concevoir
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 détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailLES CONDITIONS D ACCÈS AUX SERVICES BANCAIRES DES MÉNAGES VIVANT SOUS LE SEUIL DE PAUVRETÉ
3. Les crédits 3.1 Les crédits en cours 3.1.1 Les ménages ayant au moins un crédit en cours Un peu plus du quart, 31%, des ménages en situation de déclarent avoir au moins un crédit en cours. Il s agit
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 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 conditionnelles Loi binomiale
Fiche BAC ES 05 Terminale ES Probabilités conditionnelles Loi binomiale Cette fiche sera complétée au fur et à mesure Exercice n 1. BAC ES. Centres étrangers 2012. [RÉSOLU] Un sondage a été effectué auprès
Plus en détailI. Introduction aux fonctions : les fonctions standards
Chapitre 3 : Les fonctions en C++ I. Introduction aux fonctions : les fonctions standards A. Notion de Fonction Imaginons que dans un programme, vous ayez besoin de calculer une racine carrée. Rappelons
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 détailGEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau
GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailOrientations sur la solvabilité du groupe
EIOPA-BoS-14/181 FR Orientations sur la solvabilité du groupe EIOPA Westhafen Tower, Westhafenplatz 1-60327 Frankfurt Germany - Tel. + 49 69-951119-20; Fax. + 49 69-951119-19; email: info@eiopa.europa.eu
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 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 détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailLes Français et le don d organes
Les Français et le don d organes Rapport Version n 2 Date : 8 Février 2011 De: Nadia AUZANNEAU et Stéphanie CHARDRON A: Jean-Pierre SCOTTI et Saran SIDIBE OpinionWay, 15 place de la République, 75003 Paris.
Plus en détailRessources pour le lycée général et technologique
éduscol Ressources pour le lycée général et technologique Ressources pour la classe de terminale générale et technologique Exercices de mathématiques Classes de terminale S, ES, STI2D, STMG Ces documents
Plus en détailLes médicaments génériques
ASSURANCE COLLECTIVE Les médicaments génériques Leurs effets bénéfiques sur votre portefeuille Qu est-ce qu un médicament générique? Un médicament générique est l équivalent d une marque maison dans le
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 détailCHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal
III CHOIX OPTIMAL DU CONSOMMATEUR A - Propriétés et détermination du choix optimal La demande du consommateur sur la droite de budget Résolution graphique Règle (d or) pour déterminer la demande quand
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 détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
Plus en détailSage 50 Comptabilité. Solutions logicielles en nuage, sur place et hybrides : Qu'est-ce qui convient le mieux à votre petite entreprise?
Sage 50 Comptabilité Solutions logicielles en nuage, sur place et hybrides : Qu'est-ce qui convient le mieux à votre petite entreprise? À titre de propriétaire de petite entreprise, vous devez bien sûr
Plus en détailCarl-Louis-Ferdinand von Lindemann (1852-1939)
Par Boris Gourévitch "L'univers de Pi" http://go.to/pi314 sai1042@ensai.fr Alors ça, c'est fort... Tranches de vie Autour de Carl-Louis-Ferdinand von Lindemann (1852-1939) est transcendant!!! Carl Louis
Plus en détailCADRER SA RESPONSABILITE PAR LE CONTRAT
HMONP ENSA-V NOVEMBRE 2013 CADRER SA RESPONSABILITE PAR LE CONTRAT 1. DEFINITIONS PREALABLES - RESPONSABILITE(S) - Ecarter la responsabilité pénale (règles en matière d'urbanisme, faux, etc.) Ecarter la
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailLa culture financière des Français
C entr e de Recher c h e po u r l E t u d e et l Obser va t i o n des Co n d it io n s de V ie Département Conditions de vie et aspirations La culture financière des Français Etude réalisée à la demande
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 détailPRIME D UNE OPTION D ACHAT OU DE VENTE
Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,
Plus en détailUnité E Variation et analyse statistique
Unité E Variation et analyse statistique VARIATION ET ANALYSE STATISTIQUE Introduction Ce module présente aux élèves deux méthodes d'utilisation des statistiques pour décrire des données et tirer des conclusions
Plus en détailOctroi de crédit : la minimisation des risques de défaillance n'a pas le dernier mot
Octroi de crédit : la minimisation des risques de défaillance n'a pas le dernier mot Aucun prêteur, c'est entendu, n'octroie de crédit à une personne qu'il ne considérerait pas comme potentiellement solvable.
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailRégime de retraite patronal-syndical (Québec) de l'association internationale des machinistes (A.I.M.)
Régime de retraite patronal-syndical (Québec) de l'association internationale des machinistes (A.I.M.) 2002 Pourquoi la planification de la retraite est-elle importante? Peu importe vos projets pour la
Plus en détailPremiers pas sur e-lyco
Premiers pas sur e-lyco A destination des parents, ce document présente les premiers éléments pour accéder aux services de l'ent e-lyco d'un lycée. Que signifient ENT et e-lyco? ENT = Espace ou Environnement
Plus en détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détailObservation des modalités et performances d'accès à Internet
Observation des modalités et performances d'accès à Internet Avant-propos La base de cette étude est constituée par les informations collectées par l'outil Cloud Observer d'iplabel (chargement des différents
Plus en détailLe passage de l'embedded Value à l'economic Value
Le passage de l'embedded Value à l'economic Value Une meilleure prise en compte des options et des garanties Ferdia Byrne, Claire Lasvergnas 23 septembre 2003 Les principes L'application Le marché français
Plus en détail2.2.4. La courbe en J et la condition de Marshall-Lerner
224 file:///fichiers/enseignement/site%20web/impression/rmi/fiches/rmi224... 2.2.4. La courbe en J et la condition de Marshall-Lerner Introduction Paragraphe au format pdf L'exemple de l'italie comme les
Plus en détailM. Lacabarats (président), président SCP Lyon-Caen et Thiriez, SCP Masse-Dessen, Thouvenin et Coudray, avocat(s)
Références Cour de cassation chambre sociale Audience publique du mercredi 9 juillet 2014 N de pourvoi: 13-17470 Publié au bulletin Cassation partielle M. Lacabarats (président), président SCP Lyon-Caen
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 détailIntroduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
Plus en détailIntroduction : Cadkey
Introduction Cadkey Cadkey est un logiciel de dessin assisté par ordinateur. La fenêtre du logiciel devrait ressembler à quelque chose comme suit: Le menu supérieur: Redraw Autoscale Efface Modifier les
Plus en détailLE DOSSIER PHARMACEUTIQUE
LE DOSSIER PHARMACEUTIQUE Septembre 2011 Arnaud ZEGIERMAN Amandine MESSINA www.institut-viavoice.com Viavoice Tel : +33(0)1 40 54 13 71 Mieux comprendre l opinion pour agir 9 rue Huysmans 75006 Paris +33
Plus en détailModule 16 : Les fonctions de recherche et de référence
Module 16 : Les fonctions de recherche et de référence 16.0 Introduction L une des fonctions les plus importantes d Excel, c est la possibilité de chercher une valeur spécifique dans un grand nombre de
Plus en détailBaccalauréat technologique
Baccalauréat technologique Épreuve relative aux enseignements technologiques transversaux, épreuve de projet en enseignement spécifique à la spécialité et épreuve d'enseignement technologique en langue
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 détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailPour diffusion immédiate. Nouveau sondage CROP : LES AIRES PROTÉGÉES, UNE PRIORITÉ SELON LES QUÉBÉCOIS
COMMUNIQUÉ Pour diffusion immédiate Nouveau sondage CROP : LES AIRES PROTÉGÉES, UNE PRIORITÉ SELON LES QUÉBÉCOIS Montréal, le 6 mars 2007 Un sondage réalisé du 28 février au 4 mars 2007 par la maison CROP
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 détailLa méthode des cas et le plan marketing : énoncé seul
La méthode des cas et le plan marketing : énoncé seul 12_07_2011 Table des matières Table des matières 3 I - 1. Point méthodologique 7 A. 1.1. Définitions...7 B. 1.2. Plan d'analyse type...8 C. 1.3. Synthèse...13
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
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 détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
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 détailCopropriété: 31, rue des Abondances 92100 Boulogne-Billancourt
Eléments utilisés: Copropriété: 31, rue des Abondances 92100 Boulogne-Billancourt Notice explicative sur la ventilation de la facture EDF annuelle entre les différents postes de consommation à répartir
Plus en détail2x 9 =5 c) 4 2 x 5 1= x 1 x = 1 9
Partie #1 : La jonglerie algébrique... 1. Résous les (in)équations suivantes a) 3 2x 8 =x b) Examen maison fonctions SN5 NOM : 2x 9 =5 c) 4 2 x 5 1= x 1 x d) 2 x 1 3 1 e) x 2 5 = 1 9 f) 2 x 6 7 3 2 2.
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailLes Cahiers du Conseil constitutionnel Cahier n 3
Les Cahiers du Conseil constitutionnel Cahier n 3 Commentaire de la décision n 97-388 DC du 20 mars 1997 Loi créant les plans d'épargne retraite Le Conseil constitutionnel a été saisi par soixante-dix-huit
Plus en détailSONDAGE CVCI - CCIG LA CONSTRUCTION D UNE 3E VOIE D AUTOROUTE ENTRE LAUSANNE ET GENÈVE Phone Marketing Business SA Place de la Riponne 1 1000
SONDAGE CVCI - CCIG LA CONSTRUCTION D UNE 3E VOIE D AUTOROUTE ENTRE LAUSANNE ET GENÈVE Phone Marketing Business SA Place de la Riponne 1 1000 Lausanne 17 021/ 317 07 07 Fabio Mulone février 2007 TABLE
Plus en détailEXEMPLE DE QUESTIONNAIRE SONDAGE
BOÎTE À OUTILS DU PROJET VERSION JUIN 2012 EXEMPLE DE QUESTIONNAIRE SONDAGE Sondage en ligne du QVAS PlateauEst Juin 2010 Toute forme de reproduction et de diffusion des outils du projet QVAS est encouragée
Plus en détailECONOMIE GENERALE G. Carminatti-Marchand SEANCE III ENTREPRISE ET INTERNATIONALISATION
ECONOMIE GENERALE G. Carminatti-Marchand SEANCE III ENTREPRISE ET INTERNATIONALISATION On constate trois grandes phases depuis la fin de la 2 ème guerre mondiale: 1945-fin 50: Deux blocs économiques et
Plus en détailLa conversion de données : Convertisseur Analogique Numérique (CAN) Convertisseur Numérique Analogique (CNA)
La conversion de données : Convertisseur Analogique Numérique (CAN) Convertisseur Numérique Analogique (CNA) I. L'intérêt de la conversion de données, problèmes et définitions associés. I.1. Définitions:
Plus en détail2.1.4. L'équilibre général des échanges
2.1.4. L'équilibre général des échanges La prise en compte des offres et des demandes de l'ensemble des pays participants au commerce mondial permet la détermination des prix mondiaux. L'existence d'un
Plus en détailDegré de confiance pour les indicateurs de performance : degré de fiabilité du processus de production et écart significatif 1
Degré de confiance pour les indicateurs de performance : degré de fiabilité du processus de production et écart significatif 1 L utilisation des indicateurs de performance ne peut se faire de manière pertinente
Plus en détailFirst Line and Maintenance in Nonsquamous NSCLC: What Do the Data Tell Us?
Dr Jean-Charles Soria : Bonjour et bienvenue dans ce programme. Je suis Jean Charles Soria, Professeur de Médecine et Directeur du programme de développement précoce des médicaments à l université Paris
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 détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailLa CCM vous remercie de lui offrir la possibilité de donner son avis sur la révision partielle de la LA Mal.
Par courriel Abteilung Leistungen@bag.admin.ch Office fédéral de la santé publique OFSP Division Prestations Schwarzenburgstrasse 165 3003 Berne Zurich, 3 octobre 2014 Consultation sur la révision partielle
Plus en détailEvaluation de la variabilité d'un système de mesure
Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les
Plus en 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 détailLE PROBLEME DU PLUS COURT CHEMIN
LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs
Plus en détail