Cours # 2 Variables qualitatives et quantitatives discrètes
|
|
- Claudette Albert
- il y a 7 ans
- Total affichages :
Transcription
1 Cours # 2 Variables qualitatives et quantitatives discrètes Département de mathématiques Cégep de Saint-Jean-sur-Richelieu 11 août 2010
2 Table des matières 1 Variables qualitatives 2
3 Contexte Variables qualitatives Durant un sondage, on a demandé à 21 personnes leur sexe et leur degré de satisfaction face au gouvernement provincial 1 étant pas satisfait, 2 : peu satisfait, 3 : assez satisfait et 4 très satisfait. Voici les résultats :
4 No Sexe degré No Sexe degré No Sexe degré 1 M 3 8 F 1 15 F 2 2 M 1 9 M 4 16 F 3 3 F 2 10 M 2 17 F 3 4 M 3 11 F 4 18 F 1 5 F 3 12 F 4 19 M 2 6 F 2 13 F 3 20 F 4 7 M 4 14 F 2 21 F 1 La lecture de ce tableau n est pas très facile.
5 Tableau de fréquences et fréquences relatives pour la variable "Sexe" TABLE: Tableau de fréquences et de fréquences relatives du sexe des 21 répondants. Sexe Fréquences Fréquences relatives (%) M F Total
6 Tableau de fréquences et fréquences relatives pour la variable "Degré de satisfaction" TABLE: Tableau de fréquences et de fréquences relatives du degré de satisfaction des 21 répondants. Degré de satisfaction Fréquences Fréquences relatives (%) pas satisfait peu satisfait assez satisfait très satisfait Total
7 Représentations graphiques : diagramme à secteurs Répartition du sexe en pourcentage Répartition du degré de satisfaction en pourcentage (33.3%) (28.6%) F peu pas (19.0%) M assez très (28.6%) (66.7%) (23.8%)
8 Diagramme à bandes Répartition du degré de satisfaction en pourcentage Répartition du sexe en pourcentage Fréquence relative (%) M F Sexe Les bandes ne sont pas collées!! Fréquence relative (%) Pas Peu Assez Très Degré de satisfaction
9 Mesures de tendance centrale Les mesures de tendance centrale servent à caractériser une série statistique à l aide d une valeur ou d une modalité typique. Il existe trois mesures possibles : 1 Mode : modalité(s) ou valeur(s) de la variable qui correspond (correspondent) à la plus grande fréquence. On le note Mo. 2 Médiane : valeur de la variable telle que le nombre de donnés qui lui sont inférieurs ou égales est égal au nombre de données qui lui sont supérieurs ou égales. On la note Md. 3 Moyenne : valeur obtenue par la sommes de toutes les données et en divisant cette somme par le nombre de données. On la note x s il s agit d un échantillon ou µ s il s agit d une population.
10 Mesures de tendance centrale pour une variable qualitative Avec une variable qualitative nominale, on peut seulement utiliser le mode. Pourquoi? La médiane demande un ordre, ce qui n est pas le cas pour ce type de variable. La moyenne est une somme de valeurs prises par la variable. Ici, la variable possède des modalités et non des valeurs.
11 Exemple Variables qualitatives Dans l exemple, pour la variable "Sexe", sont mode est Mo = F. La variable "Degré de satisfaction" possède comme mode Mo = peu et Mo = assez. C est une variable bimodale.
12 Précision Variables qualitatives Même s il existe un ordre dans une variable qualitative ordinale, la médiane n est pas toujours bien définie. C est pourquoi on n en tiendra pas compte ici.
13 Présentation dans un tableau de fréquences. D une manière similaire à la présentation des variables qualitatives : TABLE: Répartition de 50 répondants selon le nombre de paquets de cigarettes fumés par semaine. Nombre de paquets de cigarettes fumés par Fréquence Fréquence relative (% ) semaine Total
14 Présentation graphique : diagramme en bâtons Fréquence Nombre de cigarettes fumés par
15 Mesures de tendance centrale : mode Ici, Mo = 0. Pour trouver la médiane, il faut ajouter une colonne au tableau.
16 Tableau de fréquence cumulée TABLE: Répartition de 50 répondants selon le nombre de paquets de cigarettes fumés par semaine. Nombre de paquets de cigarettes fumés par semaine Fréquence Fréquence relative (% ) Fréquence cumulée Total
17 Mesures de tendance centrale : médiane Tout d abord, il faut trouver le rang de la donnée médiane. Celui-ci est donné par rang de Md = N Dans notre exemple, N = 50 d où le rang est 25.5 QUOI, un rang fractionnaire?? On prend la moyenne des valeurs du rang 25 et 26. Md = rang 25 + rang 26 2 = = 2.5 paquets de cigarettes
18 Calcul de médiane avec N impair Exemple Soit les données 1, 2, 3, 4, 5 Alors, rang de Md = N = 3 D où, Md est la valeur à la position 3 qui est 3.
19 Mesures de tendance centrale : moyenne Deux notations pour la moyenne selon si les données représentent une population ou un échantillon. µ = 1 N N i=1 x i x = 1 n n i=1 x i Lorsque les données sont regroupées dans un tableau de fréquence avec K valeurs possibles, alors µ = 1 N K i=1 v i f i x = 1 n K i=1 v i f i, où v i est une valeur de la variable et f i la fréquence de celle-ci.
20 Exemple Variables qualitatives Dans l exemple sur les paquets de cigarettes, on a un échantillon x = 1 n K i=1 v i f i = 1 ( ) 50 = 2.58
21 Mode, Médiane ou Moyenne? Exemple!!!
22 Mesures de dispersion L étendus : différence entre la plus grande valeur et la plus petite. On la note E. Variance : moyenne des carrés des écarts à la moyenne. Notée σ 2 ou s 2 selon s il s agit d une population ou d un échantillon. L écart type racine carrée positive de la variance. Coefficient de variation : rapport entre l écart type et la moyenne. Noté C.V. et exprimé en pourcentage.
23 Exemple Variables qualitatives TABLE: Répartition de 50 répondants selon le nombre de paquets de cigarettes fumés par semaine. Nombre de paquets de cigarettes fumés par Fréquence Fréquence relative (% ) semaine Total
24 Mesures de dispersion : l étendue E = x max x min = 8 0 = 8
25 Mesures de dispersion : variance La formule de la variance dépend s il s agit d une population ou d un échantillon. Rappelons que la variance est la moyenne des carrés des écarts à la moyenne. σ 2 = 1 N N i=1 (x i µ) 2 s 2 = 1 n 1 n i=1 (x i x) 2 Lorsque les données sont dans un tableau de fréquence avec K valeurs possibles σ 2 = 1 N K i=1 f i (v i µ) 2 s 2 = 1 n 1 K i=1 f i (v i x) 2
26 Mesures de dispersion : variance Dans l exemple, σ paquets de cigarettes 2 et s paquets de cigarettes 2. On le fait avec la "pitonneuse".
27 Mesures de dispersion : l écart type L écart type que l on note σ ou s selon s il s agit d une population ou d un échantillon. σ = σ 2 s = s 2 Dans l exemple, σ 2.43 paquets de cigarettes et s 2.46 paquets de cigarettes.
28 Mesures de dispersion : coefficient de variation Le coefficient de variation est donné par CV = σ 100% CV = 100% µ s x
29 À quoi servent-les mesures de dispersion? Les mesures de dispersion servent à quantifier l étalement des données. Les mesures de tendance centrale nous informent sur le centre de la distribution tandis que les mesures de dispersions nous indiquent la manière dont elles sont distribuées.
30 Remarque 1 L étendue ne révèle pas grand chose sur la distribution. Elle est parfois aberrante. 2 La variance et l écart type sont plus parlant. Plus leur valeur est grande, plus la distribution est étendue et vice-versa. 3 Attention à l échelle de grandeur de la variable. Si σ = 1kg, ça n a pas la même signification si la variable est le poids d un éléphant ou d une souris. 4 Le CV ne possède pas d unité. Il est adimensionnel. Ce qui n entraîne pas les problèmes d échelle de grandeur. 5 Si CV < 15%, on dit que les données sont homogènes, i.e. qu elles se rassemblent autour de la moyenne. Si CV > 15%, les données sont hétérogènes.
Séries 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 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 : 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 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 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 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 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 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 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 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 détailPLAN STATISTIQUE AUTOMOBILE DU QUÉBEC Définitions
PLAN STATISTIQUE AUTOMOBILE DU QUÉBEC Définitions Juillet 2014 N/Réf. : 930.01 Le Groupement des assureurs automobiles agit à titre d agence autorisée par l Autorité des marchés financiers. Ce document
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 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 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 détail«Étude sur l appropriation et les usages au sein d un ENT en IUFM»
«Étude sur l appropriation et les usages au sein d un ENT en IUFM» Premières analyses M. Déro Recherche IUFM Nord Pas-de de-calais 2007-2009 2009 - R/RIU/07/001 1 Journée de la recherche en IUFM Nord Pas-de
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 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 détailYANN ROUDAUT - Professeur de l Ecole Française de Poker - roudaut@ecolefrancaisedepoker.fr - 06 28 76 48 93
MODULE LES MATHEMATIQUES DU POKER Probabilités et Notions de Cotes - Partie 1 YANN ROUDAUT - Professeur de l Ecole Française de Poker - roudaut@ecolefrancaisedepoker.fr - 06 28 76 48 93 A/ POKER ET MATHEMATIQUES
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 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 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 détailMATHÉMATIQUES. Mat-4104
MATHÉMATIQUES Pré-test D Mat-404 Questionnaire e pas écrire sur le questionnaire Préparé par : M. GHELLACHE Mai 009 Questionnaire Page / 0 Exercice ) En justifiant votre réponse, dites quel type d étude
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
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 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 détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailObservatoire Economique et Statistique d Afrique Subsaharienne
Observatoire Economique et Statistique d Afrique Subsaharienne Termes de référence pour le recrutement de quatre (4) consultants dans le cadre du Projet «Modules d initiation à la statistique à l attention
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 détailIBM SPSS Direct Marketing 21
IBM SPSS Direct Marketing 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 109. Cette version s applique à IBM SPSS
Plus en détailSPHINX Logiciel de dépouillement d enquêtes
SPHINX Logiciel de dépouillement d enquêtes sphinx50frversion4.doc 1 Les trois stades du SPHINX sont ceux que comporte habituellement toute enquête d opinion: Elaboration du questionnaire (fiche outil
Plus en détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
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 détailLe chi carré. Le sommaire. Approche quantitative
Approche quantitative Le chi carré Les objectifs pédagogiques Définir le test du chi carré Déterminer la nature des données propres au chi carré Savoir calculer le chi carré Savoir déterminer les fréquences
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 détailLa fumée de tabac secondaire (FTS) en Mauricie et au Centre-du- Québec, indicateurs du plan commun tirés de l ESCC de 2007-2008
La fumée de tabac secondaire (FTS) en Mauricie et au Centre-du- Québec, indicateurs du plan commun tirés de l ESCC de 2007-2008 Ce document se veut une analyse succincte des indicateurs se rapportant à
Plus en détailQuelles ressources pour vivre seul, en 2014, dans une commune du Doubs? Essai d évaluation
1 Septembre 2014 Quelles ressources pour vivre seul, en 2014, dans une commune du Doubs? Essai d évaluation Grand-Charmont est une commune de 5200 habitants qui compte 57 % de logements sociaux. Les revenus
Plus en détailTEST D ALIMENTATION CONTINUE
TEST D ALIMENTATION CONTINUE Pour vérifier et tester la conception, le besoin en alimentations conformes aux normes ne cesse de progresser au niveau technologique. C est plus ou moins devenu une nécessité
Plus en détailDTS MOBATime's Distributed Time System
GPS ou DCF 77 DTS Masterclock DTS Manager et DTS Master Software DTS MOBATime's Distributed Time System LAN Le serveur de temps multi-usage dans le nouveau Distributed Time System de MOBATIME, basé sur
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 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 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 détailOptimiser les performances du mouvement de monte de l Axe Z.
Page/0 - BUT DE LA MANIPULATION : Optimiser les performances du mouvement de monte de l Axe Z. - LES PLANS D EXPERIENCE -LA METHODE DU DOCTEUR TAGUCHI. La mthodologie Taguchi de mise en oeuvre des plans
Plus en détailLecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888
Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques
Plus en 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 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 détailPROGRAMME AEC COMPTABILITÉ FINANCIÈRE INFORMATISÉE
PROGRAMME AEC COMPTABILITÉ FINANCIÈRE INFORMATISÉE Numéro Liste de compétences - cours Introduction aux mathématiques comptables et financières Utiliser à des fins de gestion des méthodes statistiques
Plus en détailAccédez au test ici http://myspeed.visualware.com/index.php
Test de vitesse VoIP Pourquoi faire le test? Un test de vitesse VoIP est un moyen efficace d évaluer la capacité de votre connexion Internet à prendre en charge un système de téléphonie VoIP. D autres
Plus en détailLundi Mardi Mercredi Jeudi Vendredi Samedi Dimanche. Camp des Cactus JD1 @ Stanstead 16:30 18:30 FOOTBALL CADET D2
Août 2015 Lundi Mardi Mercredi Jeudi Vendredi Samedi Dimanche 1 2 3 4 5 6 7 8 9 10 RENTRÉE SERVICE DES SPORTS 11 Cactus JD1 15:00 18:30 Accueil et mee ng au local 287 + prépara on des équipements au ves
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 détailLES DIFFERENTS TYPES DE MESURE
LES DIFFERENTS TYPES DE MESURE Licence - Statistiques 2004/2005 REALITE ET DONNEES CHIFFREES Recherche = - mesure. - traduction d une réalité en chiffre - abouti à des tableaux, des calculs 1) Qu est-ce
Plus en détailRappel sur les bases de données
Rappel sur les bases de données 1) Généralités 1.1 Base de données et système de gestion de base de donnés: définitions Une base de données est un ensemble de données stockées de manière structurée permettant
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 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 détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailService Relevé de Courrier
Service Relevé de Courrier Dans le cadre de ce service, le Coursier passe quotidiennement ou certains jours déterminés de la semaine (hors jours fériés) dans votre entreprise, à une heure convenue, pour
Plus en détailIBM SPSS Statistics Base 20
IBM SPSS Statistics Base 20 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 316. Cette version s applique à IBM SPSS
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 détailPrésentation et installation PCE-LOG V4 1-5
PCE-LOG V4 version borne externe type PC50 mesures U, I + 3 TS version coffret mural mesures U, U, I + 3TS PRESENTATION 1-5 1 Presentation PCE-LOG V4 est un datalogger pour la télésurveillance de la protection
Plus en détailCA Oblig Immo (Janv. 2014)
CA Oblig Immo (Janv. 2014) Titre obligataire émis par Amundi Finance Emissions, véhicule d émission ad hoc de droit français Souscription du 14 janvier au 17 février 2014 Bénéficier d un rendement fixe
Plus en détailMise en oeuvre TSM 6.1
Mise en oeuvre TSM 6.1 «Bonnes pratiques» pour la base de données TSM DB2 Powered by Qui sommes nous? Des spécialistes dans le domaine de la sauvegarde et de la protection des données 10 ans d expertise
Plus en détailÉlément 424b Introduction à la statistique descriptive
CTU Master AGPS De la donnée à la connaissance : traitement, analyse et transmission Élément 44b Introduction à la statistique descriptive Prof. Marie-Hélène de Sède-Marceau Année / Statistique Introduction
Plus en détailUNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand
UNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand Service méthodes statistiques Institut National d Etudes Démographiques (Ined)
Plus en détailSTATISTIQUES DESCRIPTIVES
1 sur 7 STATISTIQUES DESCRIPTIVES En italien, «stato» désigne l état. Ce mot à donné «statista» pour «homme d état». En 1670, le mot est devenu en latin «statisticus» pour signifier ce qui est relatif
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 détailArbres binaires de décision
1 Arbres binaires de décision Résumé Arbres binaires de décision Méthodes de construction d arbres binaires de décision, modélisant une discrimination (classification trees) ou une régression (regression
Plus en détailPropriétés des options sur actions
Propriétés des options sur actions Bornes supérieure et inférieure du premium / Parité call put 1 / 1 Taux d intérêt, capitalisation, actualisation Taux d intéret composés Du point de vue de l investisseur,
Plus en détailLe taux d'actualisation en assurance
The Geneva Papers on Risk and Insurance, 13 (No 48, July 88), 265-272 Le taux d'actualisation en assurance par Pierre Devolder* Introduction Le taux d'actualisation joue un role determinant dans Ia vie
Plus en détailCHAPITRE 2. Les variables
CHAPITRE 2 Les variables 1. La nature des variables Définition 2.1 (Variable). Une variable est une caractéristique étudiée pour une population donnée. Le sexe, la couleur préférée, le nombre de téléviseurs
Plus en détailIntroduction à la statistique descriptive
Chapitre chapitre 1 Introduction à la statistique descriptive Les méthodes de la statistique descriptive (statistique déductive) permettent de mener des études à partir de données exhaustives, c est-à-dire
Plus en détailL obtention d un diplôme au Canada : profil, situation sur le marché du travail et endettement des diplômés de la promotion de 2005
N o 81-595-M au catalogue N o 074 ISSN : 1711-8328 ISBN : 978-1-100-91284-4 Documents de recherche Culture, tourisme et Centre de la statistique de l éducation L obtention d un diplôme au Canada : profil,
Plus en détailVolet préparatoire aux cours de CSI - MODULE 1
Volet préparatoire aux cours de CSI - MODULE 1 Questionnaire d'auto-évaluation La formation de choix des leaders en services financiers Module I Questionnaire d auto-évaluation Le questionnaire suivant
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailStatistique descriptive. Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne. Notes de cours
Statistique descriptive Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne Notes de cours Dernière mise à jour le mercredi 25 février 2009 1 ère année de Licence Aix & Marseille
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailSOMMAIRE. AVRIL 2013 TECHNOLOGIE ÉTUDE POINTS DE VUE BDC Recherche et intelligence de marché de BDC TABLE DES MATIÈRES
AVRIL 2013 TECHNOLOGIE ÉTUDE POINTS DE VUE BDC Recherche et intelligence de marché de BDC TABLE DES MATIÈRES Faits saillants du sondage 2 Contexte et méthode de sondage 3 Profil des répondants 3 Investissements
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 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 détailÉtude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France
Étude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France Le 13 octobre 2014 Autorité des marchés financiers 17, place de la Bourse 75082 Paris cedex 02 Tél. : 01 53
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailBarèmes des commissions et frais généraux
Barèmes des commissions et frais généraux En vigueur le 1 er décembre 2014 Barème des commissions Transactions effectuées par l entremise de nos systèmes électroniques (site Web et site mobile) Tarification
Plus en détailLa construction du nombre en petite section
La construction du nombre en petite section Éléments d analyse d Pistes pédagogiquesp 1 La résolution de problèmes, premier domaine de difficultés des élèves. Le calcul mental, deuxième domaine des difficultés
Plus en détailQuestionnaire GTA - Analyse des re ponses
Questionnaire GTA - Analyse des re ponses Novembre 2012 Table des matières Taux de réponse au questionnaire... 2 Actualité de l expertise : AccessiWeb 1 versus 2... 2 Profil métier... 3 Compétences...
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailIntroduction Le phénomène que représentent les Services de Gestion des Documents Managed Document Services (MDS) Une définition du concept
Table des matières I II III IV V VI Introduction Le phénomène que représentent les Services de Gestion des Documents Managed Document Services (MDS) Une définition du concept Le marché des Services de
Plus en détailDu benchmarking logistique au choix d une nouvelle stratégie d organisation
Du benchmarking logistique au choix d une nouvelle stratégie d organisation Thomas H. Abbot Vice President Operations Planning, LUCENT TECHNOLOGIES, États-Unis. Lucent Technologies, un des leaders des
Plus en détailÉtude nationale sur les besoins des clients
Étude nationale sur les besoins des clients Rapport sommaire Canadian Legal Information Institute Institut canadien d information juridique Octobre 2012 CorbinPartners Inc. 2012 Contexte et méthodologie
Plus en détailAssises Européennes du Bâtiment Basse Consommations. Frédéric ric FRUSTA. Président Directeur Général. ENERGIVIE 25 Juin 2010
c1 Assises Européennes du Bâtiment Basse Consommations Frédéric ric FRUSTA Président Directeur Général ENERGIVIE 25 Juin 2010 Diapositive 1 c1 Merci de me fournir le texte complet de la page de titre cql;
Plus en détailÉtude sur les taux de revalorisation des contrats individuels d assurance vie au titre de 2013 n 26 mai 2014
n 26 mai 2014 Étude sur les taux de revalorisation des contrats individuels d assurance vie au titre de 2013 Sommaire 1.INTRODUCTION 4 2.LE MARCHÉ DE L ASSURANCE VIE INDIVIDUELLE 6 2.1.La bancassurance
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 détailCOMPTE EPARGNE-TEMPS. En application du décret n 2002-634 du 29 avril 2002 portant création du CET dans la fonction publique de l Etat 1/11
COMPTE EPARGNE-TEMPS En application du décret n 2002-634 du 29 avril 2002 portant création du CET dans la fonction publique de l Etat 1/11 PRESENTATION GENERALE DU DISPOSITIF SOMMAIRE I. CADRE GENERAL
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 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 détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détailChap17 - CORRECTİON DES EXERCİCES
Chap17 - CORRECTİON DES EXERCİCES n 3 p528 Le signal a est numérique : il n y a que deux valeurs possibles pour la tension. Le signal b n est pas numérique : il y a alternance entre des signaux divers
Plus en détailCompatibilité Électromagnétique
Compatibilité Électromagnétique notions générales et applications à l électronique de puissance Ir. Stéphane COETS 18 mai 2005 Journée d étude en Électronique de Puissance 1 Plan de l exposé La Compatibilité
Plus en détailAnalyse et interprétation des données
8 Analyse et interprétation des données Les données de l enquête peuvent être utilisées pour différents types d analyses aussi bien au niveau national qu au niveau international. Ce chapitre explique comment
Plus en détail(51) Int Cl.: H04L 29/06 (2006.01) G06F 21/55 (2013.01)
(19) TEPZZ 8 8 4_A_T (11) EP 2 838 241 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 18.02.1 Bulletin 1/08 (1) Int Cl.: H04L 29/06 (06.01) G06F 21/ (13.01) (21) Numéro de dépôt: 141781.4
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 détailBULLETIN OFFICIEL DES IMPÔTS
BULLETIN OFFICIEL DES IMPÔTS N 26 DU 23 FEVRIER 2010 DIRECTION GÉNÉRALE DES FINANCES PUBLIQUES 4 A-2-10 INSTRUCTION DU 12 FEVRIER 2010 DISPOSITIONS DIVERSES (BIC, IS, DISPOSITIONS COMMUNES). RACHAT DE
Plus en détail