Institut de démographie

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Institut de démographie"

Transcription

1 Aalyse émoraphiue par A.Aveev (IDUP Uiversité Paris 1 Pathéo orboe, Istitut e émoraphie I D U P Chapitre 7 : Aalyse e la uptialité 1. ariae e tat u u évéemet émoraphiue : partiularité, ateurs et phéomèes perturbateurs 2. Iiateurs usuels e la uptialité 3. Table e uptialité 4. éthoe iirete estimatio e l âe moye au premier mariae à partir es oées u reesemet ( ue euête. Iiateurs e uptialité pour ue périoe (iiateurs trasversau 6. Durée e mariae et les issolutios es mariaes Leture : R.Pressat L aalyse émoraphiue. éthoes Résultats Appliatios. Paris, PUF, 1961, hapitre 4 (p L.Hery Démoraphie. Aalyse et ythèse. Eitio e l INED, 1984, hapitre 4, p.7 92 ave la leture supplémetaire sur e uptialite.p Cours aalyse émoraphiue par Aleare Aveev, iveau : aster 1e aée Le mariae omme u objet étue émoraphiue Le mariae est u phéomèe émoraphiue : o atal : ertaies persoes e se mariet pas, même si elles ot théoriuemet ette possibilité, est à ire, elles vivet assez lotemps (par oséuet et à la iéree es éès, le ombre ial e mariae as ue ohorte peut être iérieur à l eeti iitial e la populatio à risue; reouvelable : u remariae est possible, si le mariae (prééet est termié par le ivore ou à ause e éès u ojoit (par oséuet et à la iéree es éès, le ombre le ombre ial e mariae as ue ohorte peut être supérieur à l eeti iitial e la populatio à risue. il est epeat possible e révouer la ature reouvelable u mariae, e preat e osiératio so ra Le premier mariae (ou e aço éérale le mariae u ra oé est u phéomèe o reouvelable. L aalyse es premiers mariaes est u eemple étue u phéomèe i atal, i reouvelable et o es priipes s appliuet à tous les phéomèes o atales ui se iéreiet par leur ra. 2

2 Aalyse émoraphiue par A.Aveev (IDUP Etats, trasitios et évéemets as la proessus e la uptialité ue populatio ermée à la miratio primouptialité ivore arié(e remariae remariae mortalité e mariae Célibataire mortalité e mariae Divoré(e Veu (ve Populatio «mariable» marhé uptial Déès mortalité es ivoré(es mortalité e veuvae état évéemet populatio états e la struture uptiale e la populatio la struture selo es états matrimoiau évéemets oitioat les trasitios etre les états matrimoiau populatio à risue e mariae 3 Imae statiue u «paysae» uptial ue populatio (Azerbaïja, 09 truture par âe, see et état matrimoial (eetis truture par âe et état matrimoial (pouretae 4

3 Aalyse émoraphiue par A.Aveev (IDUP Partiularités e la uptialité à prere e ompte Le rapport es sees : as la populatio e éérale et as les éératios. Le rapport es sees à la aissae est étermié par la bioloie humaie. Gééralemet il est prohe au rapport 10 arços pour 100 iles. Cepeat la mortalité iatile es arços est plus élevée ue elle es illes et o vers ertai âe l éuilibre es see s établie. E outre as les ertaies périoes historiue o observe l eet séleti e la mortalité et e la miratio par âe. Le rapport es âes es épou : as u mariae l âe es épou est pas oremet le même. Das ue rétrospetive historiue o voit ue le plus souvet u mari e moyee est plus âé ue sa emme, mais l éart moye etre les âes es épou varie historiuemet et éoraphiuemet (s.. statistiue esriptive moyee uaratiue Les remariaes : se iéreiet selo le see et l'âe, le premier mariae pour u es épou est pas oremet e même orre pour u autre. Par oséuet les iiateurs e primo uptialité variet selo le see et les ombres e premiers mariaes es hommes et es emmes e sot pas éessairemet éau (bie ue le ombre auel e mariaes es hommes soit toujours le même ue elui es emmes oit (t; t+δt le ombre e mariaes ereistré urat ue périoe Δt (etre t et t+δt ; NAV(t; t+δt le ombre aées véues as l itervalle Δt (etre t et t+δt par la populatio totale (soumise ou o au risue e mariae TB(t; t+δt le tau brut e mariae pour ue périoe Δt (etre t et t+δt : oit Δt=1 (ue aée t Iiateurs bruts es mariaes et e la uptialité les plus ourammet utilisés : TB ( t; tt NAV le ombre e mariaes es emmes à l âe etre et + ereistré urat ue aée t ; h le ombre e mariaes es hommes à l âe etre et + ereistré urat ue aée t ; tels ue h ( est le symbole esemble es ombres etiers et 0 0 ( t; tt ( t; tt t P ( t; tt h ( t; tt P la populatio émiie à l âe etre et + au milieu e la périoe t; le tau e mariae par âe e see émii (e seoe atéorie pour l aée t : e même pour le see masuli ( h P Pour ue aée les tau par âe sot alulés : soit pour l âe e aées révolues soit pour l âe atteit as l aée O alule (raremet le tau ééral e mariae pour la populatio à l âe e 1 as et plus. O peut évetuellemet aluler les tau éérau e mariae spéiiue au see. 6

4 Aalyse émoraphiue par A.Aveev (IDUP oit Iiateurs is e la uptialité : mariae selo le ra le ombre e premiers mariaes es emmes à l âe etre et + ereistré urat ue aée t ; h 1 le ombre e premiers mariaes es hommes à l âe etre et + ereistré urat ue aée t ; tels ue h 1 ( est le symbole esemble es ombres etiers et P la populatio émiie à l âe etre et + au milieu e l aée t mariée ou o ; N le tau e primo uptialité par âe e see émii (e seoe atéorie pour l aée t : e même pour le see masuli ( h h1 P A partir e es tau, pour ue périoe (pour ue éératio itive, o alule très réuemmet pour haue see l iie sythétiue e primo uptialité et l âe moye au premier mariae : IPN 4 1 APN Comme la série es tau est ue série e istributio ue l o peut epeat iterpréter omme ue série hrooloiue pour ue éératio itive, il est possible e aluler les statistiues e ette istributio relatives à la teae etrale et à la ispersio (moe, méiae et. et u iiateur émoraphiue le iveau e élibat éiiti ou la proportio es élibataire à l âe e 0 as Primo uptialité (léale e Frae 0 (tau par âe au 1 javier et par see Desité es premiers mariae 0.6 Distributio es premiers mariae Âe au 1 javier 0 Âe au 1 javier 0 oure : Isee, état ivil (tableau 13 Aalyse à partir es tau e seoe atéorie : le plus souvet les hommes se mariet pour la premier ois à 28 as et les emmes à 26 as (le moe epeat il y a u etremum loal à 40 as (u phéomèe à étuier ; l âe moye au premier mariae est 30,8 as pour les hommes et 28,9 pour les emmes; l éart etre les âes moyes est ~2 as ; la moitié es hommes auièret l epériee u mariae vers 41 as et la moitié es les emmes vers l âe e 38 as; le élibat «éiiti» (proportio es élibataire à l âe e 0 as est e 47% hez les hommes et 4% hez les emmes 0 8

5 Aalyse émoraphiue par A.Aveev (IDUP Les éauts aalyse e la uptialité à partir es tau e seoe atéorie La uptialité est très sesible à l iluee es ateurs perturbateurs et es évéemets ourrets : La mortalité : empêhe e tout as le mariae pour la persoe ééée : u évéemet ourret ; perturbe la uptialité e aço iirete e imiuat le ombre es parteaires mariables (eemple la uerre. La miratio : empêhe pas à se marier, mais retire es persoes mariables e l observatio (émiratio Les tau e seoe atéorie e preet pas e osiératio la urée e l état : Le ombre e mariaes (premiers épe e l eeti es élibataires (ispoibles pour le mariae, ui est, à so tours, épe e la uptialité atérieur u momet observatio. Das ue éératio le ombre e élibataire imiue ave l âe, est ue variable épeate e la urée (time varyi variable, par oséuet, la probabilité e se marier (pour la première ois peut être roissate, malré la imiutio u ombre e mariae Le but aalyse est élimier iluee es phéomèes perturbateurs es mariaes et étuier la uptialité e état pur, pour étermier pour haue éératio la probabilité e se marier au mois ue ois as l absee e la mortalité et e la miratio, sahat ue ette probabilité est u ue proportio e élibataires ui se mariet as u itervalle âe et e périoe e alerier. 9 oit Tau e première atéorie et aalyse e la (primo uptialité basée sur la urée u élibat (tables e primo uptialité 1 le ombre e premiers mariaes es emmes à l âe etre et + ereistré urat l aée t ; h1 le ombre e premiers mariaes es hommes à l âe etre et + ereistré urat l aée t ; tels ue h ( est le symbole esemble es ombres etiers et 1 C la populatio moyee e emmes élibataires à l âe etre et + pour l aée t; N 1 le tau e mariae par âe e see émii (e première atéorie pour l aée t : e même pour le see masuli ( h1 O peut overtir e tau (e première atéorie e probabilité omme as le as e mortalité, e supposat ue l iluee e la mortalité est élieable : 0 0 h1 C 2 N 2 N la probabilité pour ue élibataire e se marier as u itervalle âe [; + ou ue proportio es élibataires ui se mariet as et itervalle âe γ =1 N la probabilité e rester élibataire as l itervalle âe et +, alors la γ est ue proportio e élibataires à l âe eat est u prouit es probabilités oitioelles : La probabilité e rester élibataire à la 0e aiversaire (le élibat éiiti : 49 0 (1 N (1 N 10

6 Aalyse émoraphiue par A.Aveev (IDUP Table e primo uptialité e l aée à partir es tau e 1ère atéorie (présetatio «lassiue» Ae révolu Nombre e premiers mariaes as l itervalle âe Eeti moye es élibataires Tau e primo uptialité Probabilité e se marier (uotiet Eeti e élibataires Nombre e mariaes e table Probabilité e rester élibataire as l itervalle âe C N b γ =1 N /4000=0,6 0, , /1700=0,217 0, , /0=0,146 0, , /3000=0,067 0, , /2700=0,037 0, , /200=0,0 0, , /2300=0,013 0, ,937 =9 477 П=0,023 Hypothèse: les tau observés sot éau au tau e table 1 C N 2 3 b b 11 Table e primo uptialité e l aée à partir es tau e 1 e atéorie («résumée ave les uotiets» oit probabilité e rester élibataire jusu à l âe et N la proportio es premiers mariaes à l âe révolu 1 1 (1 N Ae révolu Nombre e premiers mariaes Eeti moye es élibataires Tau e primo uptialité Ae eat proportio e premiers mariaes à l âe révolu probabilité e rester élibataire à l âe eat C N γ ,6 1 0, ,217 0,704 1 (1 0,244=0, , , (1 0,704=0, , ,286 0,2248 (1 0,3=0, , ,169 0,1041 (1 0,286=0, , ,09 0,0743 (1 0,169=0, , ,063 0,0617 (1 0,09 =0,09 0 //// 0,09 (1 0,063=0,024 Le élibat éiiti (proportio es élibataire à l âe eat e 0 as est,2% 12

7 Aalyse émoraphiue par A.Aveev (IDUP suite Ae eat Probabilité e se marier Nombre e élibataire Nombre e mariaes e table Probabilité e rester élibataire х N С х b γ =1 N 1 0, *0,244= ,244=0,76 0, = *0,704= ,704=0, , = *0,3= ,3=0, , = , , , , ,90 4 0, , =9 477 П=0,023 Probabilité e se marier avat l âe 0 as = Ae moye e primo uptialité = b b b 0, ,6 Célibat éiiti = 32 => (32/ % =,23% 13 Aalyse e la yamiue e primo uptialité e Frae à la euième moitié u e sièle (éératios itives, approhe trasversale Ae moye au premier mariae, (aluls e l INEE âe 32 Iie e primo uptialité, p (soure : INED APN 1 1 périoe périoe IPN 1 14

8 Aalyse émoraphiue par A.Aveev (IDUP Eemple aalyse e la primo uptialité e Frae, 00 (éératios itives, approhe trasversale Tau e primo uptialité (2e atéorie par âe Table trasversale e primo uptialité p % % % 70% 60% % 40% 30% % 10% NB: 0% es emmes sot mariées vers et âe. ais 0% es emmes mariées se sot mariées vers 28 as!!! ; 34% ; 31% âe 0% âe Par les tau e 2 atéorie Table trasversale Iiateur Iie sythétiue e primo uptialité (IPN 0,8 0,60 0,68 0,693 Ae moye au premier ariae (AP 30,2 28,0 31,0 29,0 Ae moal es élibataires au mariae (o Ae méia es élibataires au mariae (e 28, 26, 30,17 28,07 Premier uartile âe au mariae es élibataires (Q1 2,8 23,9 26,1 24,2 Troisième uartile âe au mariae es élibataires (Q3 32, 30,0 33,8 32, Célibat éiiti (proportio estimée e élibataire à 0 as 41,9% 39,47% 34,17% 30,73% Caluls à partir e oées e l INEE (table 13 1 Ue préisio : élimiatio es perturbateurs et aalyse e la (primo uptialité e état «pur» oit C le ombre e élibataire à l âe eat, le ombre e mariaes es élibataires e et âe urat ue aée, D le ombre e éès es élibataires, o peut aluler la probabilité e se marier (ou la proportio e mariaes e aço suivate : e est le ombre e mariaes o observés à ause e la mortalité et e la miratio upposos u il y a pas e miratio et avaços eu hypothèses : 1. Le risue e se marier et le risue e mourir sot iépeats (les évéemets iépeats. 2. Les éès sot repartis uiormémet as l itervalle âe oit 0 le ombre e éès e ébut e l itervalle D elui à la i e l itervalle, alors e ou C 0.D (ormule e Berkso e C 0 D 2 0. D ouvet, as l itervalle âe 1 0 as et pour les périoes assez ourtes, la valeur e 0.D est élieable par rapport e C et o alule le uotiet e uptialité etre ième et (+1 ième aiversaire à très peu près C Cette simpliiatio permet e se passer e l iormatio sur les éès par âe et par état matrimoial ui est pas toujours ispoible 21 as as ( ( oit le ombre e élibataire au 1er javier 191 éale à C ( la iéree est aible : 0,00010 C Touteois, e Frae epuis 1998 l INEE ait l estimatio e teat ompte e la orretio au ombre e éès 16

9 Aalyse émoraphiue par A.Aveev (IDUP Estimatio e l âe moye au premier mariae à partir es oées u reesemet Joh Hajal Ae at marriae a proportios marryi, Populatio tuies vol.vii 2 November 193. p iulate ea Ae at arriae (A Le ombre aées véues e élibat par es persoes ui e sot pas etrées as le élibat éiiti. O peut aluler l âe moye au premier mariae pour l itervalle âe 1 0 as, s il y a pas es mariaes avat l âe e1 as : A où P est ue proportio es élibataires as l itervalle âe etre et et 0 la proportio es élibataire à l âe eat e 0 as, ou «le élibat éiiti» 2 io pour les roupes uiueau : A % 100% Illustratio raphiue e alul e l âe moye e élibataire au mariae à partir es oées e u reesemet Frae, populatio au 1 javier 00 (estimée à partir es oées u reesemet % 100% 90% % e élibataires 90% % e élibataires 80% % e élibataires "éiitis" 80% % e élibataires "éiitives" 70% 70% 60% 60% 0% 0% 40% 40% 30% 30% % % 10% 10% 0% âe Caluls à partir es oées uiueales : A = 32,3 0 = 12,6% Caluls à partir es oées par aée âe : A = 32,42 0 = 12,21% Parois il est très utile e aluler la urée moyee u mariae as itervalle e l âe 1-49 as orrespoat à la urée moyee sous le risue e rossesse 0% âe Caluls à partir es oées uiueales : A = 30,22 0 = 9,8% Caluls à partir es oées par aée âe : A = 30,29 0 = 9,7% 49 1 P 1,23 18

10 Aalyse émoraphiue par A.Aveev (IDUP Rapport etre les proportios (mariaes réuits e première et e seoe atéories ( après L.Hery, 1984 oit les mariaes réuits e seoe atéorie les mariaes réuits e première atéorie m (1 P 0.D P 0.P P (1 0. C (1 0. où (1 0. C (2 e mettat la ormule 2 as la ormule 1, o obtiet C (1 0. m P (1 0. ou C (1 0. m P (1 0. (3 C P ahat ue est ue proportio es élibataire à l âe Il est aile e émotrer ue où la probabilité e survivre e la aissae à l âe la probabilité e survie es élibataires e la aissae à l âe la probabilité e rester élibataire à l âe as l absee e la mortalité. (1 0. O peut esuite trasormer la ormule (3 m soit μ (1 0. =γ γ +1 la probabilité e se marier à l âe (mariaes e ue table assoiée à la uptialité et omme o obtiet (1 0. m (1 0.. E raiso e surmortalité es élibataires le rapport 0 1, et m <. Do m ou m où +0. est la populatio moyee oe ue valeur trop orte pour la réuee u élibat éiiti, alors ue la proportio es élibataires à 0 as ( e oe ue valeur trop aible. 0. i la iéree e la mortalité es élibataires et l esemble e la populatio est aible m. Cette oitio est souvet remplie pour les emmes mais raremet pour les hommes. 19 Les tables ombiées e la uptialité et e la mortalité et les table assoiées à la uptialité «pure» (ette oit le ombre e mariae D le ombre e éès e élibataires le ombre e élibataires à l âe Ci élémets ue table ombiée : 1. Nombre e élibataire +1 = (1-s 2. Probabilité e mariae 3. Probabilité e éès 4. Nombre e mariae m =. Nombre e éès = éuatio e bila : 1 Probabilité e mariae D Probabilité e éès e élibat Probabilité e sortir u élibat s D Probabilités épeates e trasitio : s D D s D D s oit β la ore e la uptialité et μ est elle e la mortalité sur l itervalle etre et +1 ' la probabilité e se marier e absee e la mortalité ' la probabilité e mourir e absee e la uptialité O peut ailemet émotrer le rapport etre les probabilité épeates ue table ombiée et les probabilités iépeates ue table assoiée à la uptialité Trois élémets ue table assoiée à la uptialité «ette» : 1. Nombre e élibataires +1 = (1 2. Probabilité e mariae / D 1 e 1 (1 s D / D 1 e 1 (1 s / 0, D 1 0, / D 0, 1 0, b 3. Nombre e mariaes m =

11 Aalyse émoraphiue par A.Aveev (IDUP Dissolutio es mariaes Il eiste ue trois possibilités e termier le mariae : éparatio Veuvae Divore Autreois, ua les ivores étaiet rares où iterits, l aalyse e issolutio es mariaes se réuisait au l aalyse e veuvae à la base e la ombiaiso es âes es épou. E 1768 Daiel Beroulli ( a publié u essai «ur la urée moyee es mariaes e otio es âes es épou et sur les autres uestios otiuës» pour les épou ui se mariet à l âe e as (les eu. Plus tar, e 1787 E. Duvillar oit Fm la probabilité pour ue emme mariée e ééer à l âe Hm y la probabilité pour u homme marié e ééer à l âe y le ombre es ouples ave la ombiaiso âe es épou et y Alors +1 ;y+1 = y (1 y = y (1 Fm (1 Hm y = (1 Fm Hm y + Fm Hm y ortalité hommes mariés ortalité e emmes mariés 21 Causes e issolutio et la urée moyee es mariaes Il est plus aile e aluler les tables e issolutio es mariaes par urée e mariae. Das e as il eiste ue hypothèse sous jaete ue la ombiaiso es âes es épou au mariae est ostate (plus eatemet la istributio et l espérae mathématiue sot ostates. Par eemple, o peut ailemet aluler le ombre e issolutios es mariaes ( i assoiées à ue ause i, si = +1 Das e as o a +1 = (1 = (1 F (1 H (1 D où est la urée e mariae h h issolutio à ause e éès u mari ; issolutio à ause e éès e la emme ; issolutio à ause u ivore ; La urée moyee u mariae e Déès e mari Divore Déès e emme où la urée limite es mariaes. O peut ostruire es tables ombiées e issolutio es mariaes et es tables ettes e ivortialité et e veuvae 22

Institut de démographie

Institut de démographie Cours aalyse émographiue par Aleare Aveev, IDUP 26/3/22 Chapitre 7 : Uiversité Paris Pathéo orboe, Istitut e émographie I D U P Aalyse e la uptialité. ariage e tat u u évéemet émographiue : partiularité,

Plus en détail

a quand n tend vers plus l infini. d. Interpréter le résultat précédent en terme de nombre d abonnements de type A.

a quand n tend vers plus l infini. d. Interpréter le résultat précédent en terme de nombre d abonnements de type A. Liba Jui 23 Série ES Exercice U théâtre propose deux types d aboemets pour ue aée : u aboemet A doat droit à six spectacles ou u aboemet B doat droit à trois spectacles. O cosidère u groupe de 2 5 persoes

Plus en détail

Soit n un entier supérieur ou égal à 0. On note b n la proportion des adhérents ayant un abonnement de type. l année n.

Soit n un entier supérieur ou égal à 0. On note b n la proportion des adhérents ayant un abonnement de type. l année n. Amérique du Nord Mai 1 Série ES Exercice U club de sport propose à ses adhérets deux types d aboemets : l aboemet de type A qui doe accès à toutes les istallatios sportives et l aboemet de type B qui,

Plus en détail

Estimation de la production éolienne d électricité dans la région d Adrar

Estimation de la production éolienne d électricité dans la région d Adrar Revue es Eergies Reouvelables SMEE 10 Bou Ismail Tipaza (2010) 161 172 Estimatio e la proutio éoliee életriité as la régio Arar Saï Diaf * Cetre e Développemet es Eergies Reouvelables B.. 62, Route e l

Plus en détail

Introduction aux théorèmes limites et aux intervalles de confiance

Introduction aux théorèmes limites et aux intervalles de confiance Chapitre 5 Itroductio aux théorèmes limites et aux itervalles de cofiace Objectifs du chapitre. Savoir approcher ue loi biomiale par ue loi de Poisso ou ue loi ormale. 2. Savoir approcher ue loi e appliquat

Plus en détail

Éléments de correction de la feuille d exercices # 3

Éléments de correction de la feuille d exercices # 3 Uiversité de Rees L SVE Probabilités et statistiques aée 25-26 Élémets de correctio de la feuille d exercices # 3 Exercice Exemple de loi discrète Soit X ue variable aléatoire discrète preat les valeurs

Plus en détail

1 Lois des grands nombres. 2 Théorème central-limite. 3 Estimation ponctuelle à partir d échantillons. 4 Biais dans les estimations

1 Lois des grands nombres. 2 Théorème central-limite. 3 Estimation ponctuelle à partir d échantillons. 4 Biais dans les estimations Pla du cours 2 RFIDEC cours 2 : Échatillos, estimatios poctuelles Christophe Gozales LIP6 Uiversité Paris 6, Frace 1 Lois des grads ombres 2 Théorème cetral-limite 3 Estimatio poctuelle à partir d échatillos

Plus en détail

Fiche professeur PREMIER PROBLEME :

Fiche professeur PREMIER PROBLEME : Fiche professeur PREMIER PROBLEME : U bassi cotiet u volume égal à 0 L eau, as lesquels sot issous g e sel O réalise l'expériece e ilutio écrite ci-essus avec u ébit 'arrivée 'eau pure et u ébit 'évacuatio

Plus en détail

II - Estimation d'un paramètre par intervalle de confiance

II - Estimation d'un paramètre par intervalle de confiance II - Estimatio d'u paramètre par itervalle de cofiace 1 ) - Gééralités sur la costructio O veut estimer u paramètre (moyee, proportio ) d'u caractère das ue populatio P. Ue estimatio poctuelle à partir

Plus en détail

TS Exercices sur les fonctions puissances et racines n-ièmes

TS Exercices sur les fonctions puissances et racines n-ièmes TS Eercices sur les octios puissaces et racies -ièmes Calculer sas utiliser la calculatrice e détaillat les étapes de calcul 4 4 A ; B 6 ; C 8 ) Développer et ) E déduire la valeur eacte de A 0 4 0 4 4

Plus en détail

Estimation Intervalle de Confiance

Estimation Intervalle de Confiance Estimatio Itervalle de Cofiace Pr Roch Giorgi roch.giorgi@uiv-amu.fr SESSTIM, Faculté de Médecie, Aix-Marseille Uiversité, Marseille, Frace http://sesstim-orspaca.org Itroductio Coaître des valeurs de

Plus en détail

Annexe I. Théorie des tests : Rappel très simplifié sur un exemple.

Annexe I. Théorie des tests : Rappel très simplifié sur un exemple. Théorie des tests : Rappel très simplifié sur u exemple. Aexe I Test de l efficacité d u remède sur des malades atteit d u rhume. p 0 : probabilité de guérir das les huit jours avec u placebo p 1 : probabilité

Plus en détail

Lois normales. Intervalle de fluctuation. Estimation.

Lois normales. Intervalle de fluctuation. Estimation. Lois ormales. Itervalle de fluctuatio. Estimatio.. Loi ormale cetrée réduite... p. Théorème de Moivre-Laplace... p 3. Loi ormale (µ ; σ²)... p3 Copyright meilleuremaths.com. Tous droits réserwidevec{}vés

Plus en détail

ANOVA avec un facteur aléatoire

ANOVA avec un facteur aléatoire Chapitre 7 ANOVA avec u facteur aléatoire Jusqu à maiteat, o a supposé que les modalités du facteur étudié ot été choisies parce qu elles étaiet itrisèquemet itéressates. Le modèle à effets fixes porte

Plus en détail

Corrigé EMLyon 2014 eco (par laurent Foubert) EXERCICE 1: P artie 1. Etude de la fonction ϕ définie pour tout réel x > 0 par : ϕ (x) = e x xe 1 x.

Corrigé EMLyon 2014 eco (par laurent Foubert) EXERCICE 1: P artie 1. Etude de la fonction ϕ définie pour tout réel x > 0 par : ϕ (x) = e x xe 1 x. Corrigé EMLyo 24 eo par lauret Foubert EXERCICE : P artie Etude de la fotio ϕ défiie pour tout réel x > par : ϕ x e x xe x x /x défiit ue fotio de lasse C sur ],+ [ et x, e x et sot de lasse C sur R do

Plus en détail

Chapitre 1 : Statistique descriptive univariée

Chapitre 1 : Statistique descriptive univariée Biostatistiques Licece Chapitre : Statistique descriptive uivariée Itroductio Statistique : esemble de méthodes scietifiques destiées à la collecte, la présetatio et l aalyse de doées. Jeux de doées Applicatio

Plus en détail

STATISTIQUES - ESTIMATION

STATISTIQUES - ESTIMATION STATISTIQUES - ESTIMATION I Echatilloage et estimatio : itroductio O se situe ici das 2 domaies des statistiques qui sot ceux de l «échatilloage» et de l «estimatio». Ces 2 domaies ot des cotextes d applicatio

Plus en détail

Bac Blanc de Mathématiques T STMG

Bac Blanc de Mathématiques T STMG Nom : Préom : Classe : Bac Blac de Mathématiques T STMG Mars 2014 Les 4 exercices ci-dessous sot idépedats. L utilisatio d ue calculatrice persoelle est autorisée. Vous utiliserez cet éocé de 4 pages e

Plus en détail

ESTIMATION Exercices

ESTIMATION Exercices ESTIMATION Exercices EERCICE : Les variables aléatoires cosidérées das cet exercice sot défiies sur u espace probabilisable, AP, Soit a u réel strictemet positif et ue variable aléatoire de loi uiforme

Plus en détail

C.1- Lois discrètes- Loi uniforme

C.1- Lois discrètes- Loi uniforme C- Lois usuelles C.1- Lois discrètes- Loi uiforme Loi d ue variable aléatoire X preat ses valeurs das {1,,} avec la même probabilité: 1 P ( X = x ) = x {1,,... } Ex : E=«lacer d u dé régulier» X=uméro

Plus en détail

x 0 h a (x) ln (2 a ) h a 2 a Justifier, par le calcul, le signe de h' a (x) pour x appartenant à ] 0 ; + [. b. Rappeler la limite de ln x x

x 0 h a (x) ln (2 a ) h a 2 a Justifier, par le calcul, le signe de h' a (x) pour x appartenant à ] 0 ; + [. b. Rappeler la limite de ln x x EXERCICE (6 poits) Commu à tous les cadidats Soit f la foctio défiie sur l itervalle ] ; + [ par f () = l Pour tout réel a strictemet positif, o défiit sur ] ; + [ la foctio g a par g a () = a O ote C

Plus en détail

F est-elle libre ou liée dans E?

F est-elle libre ou liée dans E? Eercices sur les espaces vectoriels (amille libres, liées, espaces vectoriels de dimesio iie, applicatios liéaires sas le théorème du rag) * Soit E u espace vectoriel de dimesio ) Soit E et E deu sous-espaces

Plus en détail

Qu est ce qu un observatoire de population et de santé?

Qu est ce qu un observatoire de population et de santé? L observatoire de populatio et de saté, u dispositif de plus e plus populaire das les pays du Sud Gilles Piso Istitut atioal d études démographiques Jourée du Pôle Suds de l INED «Aalyses logitudiales

Plus en détail

Techniques d enquête

Techniques d enquête Sodage aléatoire simple Techiques d equête Exercice 1 Sur les 500 élèves de M1 de l Uiversité d Auverge, o veut coaître la proportio P qui souhaitet faire u Master à Clermot-Ferrad. Parmi les 150 élèves

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire Méthodes Statistiques

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire Méthodes Statistiques UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Aée uiversitaire 2014 2015 L2 Écoomie Cours de B. Desgraupes Méthodes Statistiques Séace 11: Tests d adéquatio II Table des matières 1 Test de Kolmogorov-Smirov

Plus en détail

Statistiques inférentielles. Introduction. Exemples. Définition (Échantillon aléatoire) Définition (Statistique inférentielle) Exemple 1.

Statistiques inférentielles. Introduction. Exemples. Définition (Échantillon aléatoire) Définition (Statistique inférentielle) Exemple 1. Statistiques iféretielles Pierre-Heri WUILLEMIN Licece d Iformatique Uiversité Paris 6 Itroductio Soit ue populatio de taille N sur laquelle o observe ue propriété, dot o veut calculer moyee µ et de variace

Plus en détail

Ordinateur et lois physiques. Ordinateurs et lois physiques. Ordinateurs et limites. CH X Ordinateurs : limites et perspectives

Ordinateur et lois physiques. Ordinateurs et lois physiques. Ordinateurs et limites. CH X Ordinateurs : limites et perspectives CH X Ordiateurs : limites et perspetives ) Ordiateurs et lois physiques ) Ordiateurs et limites 3) Ordiateurs et perspetives 4) Ordiateur quatique Ordiateur et lois physiques La oeptio et la mise au poit

Plus en détail

1 lois usuelles. 2 Estimation. 1.1 Loi Binomiale. 1.2 Loi de Poisson. 1.3 Loi normale. 2.1 Estimation ponctuelle de la moyenne

1 lois usuelles. 2 Estimation. 1.1 Loi Binomiale. 1.2 Loi de Poisson. 1.3 Loi normale. 2.1 Estimation ponctuelle de la moyenne 1 lois usuelles 11 Loi Biomiale B(, p) q = 1 p p(x = k) = C k p k q k Espérace E(X) = p Variace : V ar(x) = pq Écart type : σ = pq 12 Loi de Poisso P(λ) : loi de Poisso de paramètre λ > 0 : X(Ω) = N λ

Plus en détail

MÉTHODES STATISTIQUES EXAMEN INTRA HIVER 2009 Date : Dimanche 15 mars 2009 de 14h00 à 17h00

MÉTHODES STATISTIQUES EXAMEN INTRA HIVER 2009 Date : Dimanche 15 mars 2009 de 14h00 à 17h00 MAT 2080 MÉTHODES STATISTIQUES EXAMEN INTRA HIVER 2009 Date : Dimache 15 mars 2009 de 14h00 à 17h00 INSTRUCTIONS 1. Détachez la feuille-réposes à la fi de ce cahier et iscrivez-y immédiatemet votre om,

Plus en détail

Estimation de paramètres

Estimation de paramètres CHAPITRE 8 Estimatio de paramètres 1. Distributio des moyees des échatillos Das ce chapitre, ous étudieros commet est distribué la moyee de tous les échatillos de taille possibles d ue certaie populatio.

Plus en détail

Tous les quatre pensent ensuite utiliser la formule bien connue : f

Tous les quatre pensent ensuite utiliser la formule bien connue : f Exercices sur les Itervalles de cofiace Exercice Le parti d u cadidat commade u sodage réalisé à partir de 600 persoes à l issue duquel il est doé gagat avec 52% des voix. A-t-il des raisos d être cofiat?

Plus en détail

( ) ( ) ( ) ( 4) Terminale S Exercices sur le chapitre «Suites numériques» Page 1. deux nombres réels. Initialisation Récupérer la valeur de M

( ) ( ) ( ) ( 4) Terminale S Exercices sur le chapitre «Suites numériques» Page 1. deux nombres réels. Initialisation Récupérer la valeur de M Termiale S Exercices sur le chapitre «Suites umériques» Page Exercice : O cosidère la suite ( p ) défiie sur N par ) O cosidère l algorithme suivat : Variables u etier aturel et deux ombres réels Iitialisatio

Plus en détail

4. Calculer en utilisant une suite géométrique dont on précisera la raison et le premier terme.

4. Calculer en utilisant une suite géométrique dont on précisera la raison et le premier terme. 1S DS o 1 Durée : h Exercice 1 ( 7 poits ) 1. La suite (u ) est défiie pour tout etier aturel par u = 3 + est-elle arithmétique? Pour tout etier aturel, o a : u +1 = ( + 1) 3( + 1) + = + + 1 3 3 + = La

Plus en détail

Quelques notions élementaires de probabilités et statistiques

Quelques notions élementaires de probabilités et statistiques Chapitre 6 Quelques otios élemetaires de probabilités et statistiques 6.1 Probabilités U uivers Ω est u esemble modélisat les réalisatios possibles d ue expériece. U esemble A P(Ω) modélise la otio d évéemet

Plus en détail

Estimation paramétrique

Estimation paramétrique Retour au pla du cours Soit Ω, A, P u espace probabilisé et X ue v.a. de Ω, A das E, E. La doée d u modèle statistique c est la doée d ue famille de probabilités sur E, E, {P θ, θ Θ}. Le modèle état doé,

Plus en détail

Lucyna FIRLEJ IUT Mesures Physiques Métrologie C4 1

Lucyna FIRLEJ IUT Mesures Physiques Métrologie C4 1 Cours o.4. Statistique descriptive. α 97.7% α 95% k k 3 Démarche scietifique Système réel (ature) Nous avos à étudier u esemble bie défii mais assez vaste d idividus ou d observatios. Epériece Das u premier

Plus en détail

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques Variables discrètes fiies - Exercices pratiques Exercice 1 - Loi d u dé truqué - Deuxième aée - 1. X pred ses valeurs das {1,..., 6}. Par hypothèse, il existe u réel a tel que P (X k) ka. Maiteat, puisque

Plus en détail

3.1 Loi de Bernouilli Loi Binomiale Loi géométrique Loi de Pascal (loi négative binomiale)...3

3.1 Loi de Bernouilli Loi Binomiale Loi géométrique Loi de Pascal (loi négative binomiale)...3 3- Lois de distributio discrètes -1 Chapitre 3 : Lois de distributio discrètes 3.1 Loi de Berouilli...1 3. Loi Biomiale...1 3.3 Loi géométrique... 3.4 Loi de Pascal (loi égative biomiale)...3 3.5 Loi hypergéométrique...4

Plus en détail

Exercices sur le chapitre «Variables aléatoires»

Exercices sur le chapitre «Variables aléatoires» Araud de Sait Julie - MPSI Lycée La Merci 2015-2016 1 Pour démarrer Exercices sur le chapitre «Variables aléatoires» Exercice 1 (Recostitutio de paires) O fixe deux etiers aturels 1 r. U placard cotiet

Plus en détail

Autour de la loi de Poisson

Autour de la loi de Poisson Agrégatio Itere de Mathématiques Thierry Champio séace du 25 ovembre 2016 Autour de la loi de Poisso Notatios - Itroductio Das tout ce problème, (Ω, T, P) est u espace probabilisé. Toutes les variables

Plus en détail

1 Intervalles de confiance. 2 Tests d hypothèses. 3 La loi du χ 2. X N (µ; σ 2 ) n très grand = la valeur observée x de X µ

1 Intervalles de confiance. 2 Tests d hypothèses. 3 La loi du χ 2. X N (µ; σ 2 ) n très grand = la valeur observée x de X µ Pla du cours 3 RFIDEC cours 3 : Itervalles de cofiace, tests d hypothèses, loi du χ Christophe Gozales LIP6 Uiversité Paris 6, Frace 1 Itervalles de cofiace Tests d hypothèses 3 La loi du χ Itervalles

Plus en détail

Statistiques inférentielles

Statistiques inférentielles Statistiques iféretielles LI323 Hugues Richard (otes de cours: Pierre-Heri Wuillemi) Uiversité Pierre et Marie Curie (UPMC) Laboratoire géomique des microorgaismes (LGM) Itroductio Soit ue populatio de

Plus en détail

Théorie des probabilités

Théorie des probabilités géie civil Chapitre 3 Théorie des probabilités par Pierre F. Lemieux, ig., professeur Départemet de géie civil Uiversité de Sherbrooke Tél. : (819) 821-8000 (poste 2938) Télécopieur : (819) 821-7974 Courriel

Plus en détail

EXERCICES de Statistiques

EXERCICES de Statistiques EXERCICES de Statistiques Aette Corpart lycée Jea Zay de Thiers EXERCICES sur la LOI NORMALE La variable aléatoire X suit la loi ormale N ( 12 ; 4 ). Calculer les probabilités suivates : P ( X 15 ) ; P

Plus en détail

CHAPITRE 4 Paramètres d'une série statistique

CHAPITRE 4 Paramètres d'une série statistique Cours de Mathématiques Classe de secode Statistiques CHAPITRE 4 Paramètres d'ue série statistique A) Diverses sortes de séries statistiques 1) Défiitio Ue série statistiques est u esemble de ombres, représetat

Plus en détail

Proposition : la droite d équation «y= 4» est asymptote horizontale à la courbe de f en. . Calculer : a) lim f( x) h( x) xlim

Proposition : la droite d équation «y= 4» est asymptote horizontale à la courbe de f en. . Calculer : a) lim f( x) h( x) xlim NOM : Termiale S- ABC S3 ludi ovembre 06 La présetatio, la rédactio et la rigueur des résultats etrerot pour ue part sigificative das l évaluatio de la copie. Le sujet est composé de 5 eercices idépedats.

Plus en détail

2 Propriétés élémentaires des probabilités

2 Propriétés élémentaires des probabilités Uiversité de Reims Champage Ardee UFR Scieces Exactes et Naturelles Aée uiversitaire 2013-2014 MA 0804 - Master 1 CM1 Espaces probabilisés 1 Déitio Pour déir u espace probabilisé, o a besoi d'u esemble

Plus en détail

Terminale S DS de Mathématiques n 3 le 4/02/2016. Durée : 4 heures. Terminale S3. Les calculatrices sont autorisées.

Terminale S DS de Mathématiques n 3 le 4/02/2016. Durée : 4 heures. Terminale S3. Les calculatrices sont autorisées. Termiale S DS de Mathématiques 3 le 4/02/2016 Durée : 4 heures Termiale S3 Les calculatrices sot autorisées Le sujet est composé de quatre exercices idépedats La qualité et la précisio de la rédactio serot

Plus en détail

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS CHAPITRE 4 MATRICES ET SUITES 1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS 11/ Présetatio et modélisatio O cosidère u système ui peut se trouver soit das u état A, soit das u état, et

Plus en détail

1. OPC sans terme fixe et sans protection de capital

1. OPC sans terme fixe et sans protection de capital Associatio Belge des Orgaismes de Placemet Collectif Belgische Vereigig va de Istellige voor Collectieve Beleggig Aveue Marixlaa 8 (III+4) 000 BRUSSEL/BRUXELLES el. (3-) 547 74 06/09/0 Fax (3-) 547 74

Plus en détail

10ème cours Une variable numérique : indices de localisation

10ème cours Une variable numérique : indices de localisation 10ème cours Ue variable umérique : idices de localisatio Das ce cours, o fait u rappel sur les idices de localisatio, médiae, quatiles et moyee, et o étudie la faço de les utiliser pour comparer les distributios

Plus en détail

Probabilités générales

Probabilités générales Chapitre 4 termiale s Probabilités géérales Les probabilités (rappels) : ) Quelques otios de vocabulaire : Nous allos étudier selo quelle mesure u fait proveat du hasard peut être prévisible a) Ue expériece

Plus en détail

TD1. Dénombrements, opérations sur les ensembles.

TD1. Dénombrements, opérations sur les ensembles. Uiversité Pierre & Marie Curie Licece de Mathématiques L3 UE LM345 Probabilités élémetaires Aée 2014 15 TD1. Déombremets, opératios sur les esembles. 1. Combie de faços y a-t-il de classer 10 persoes à

Plus en détail

Tests. Chapitre 2. 1 Principe d un test Définitions Méthode générale... 3

Tests. Chapitre 2. 1 Principe d un test Définitions Méthode générale... 3 Tests Chapitre Table des matières 1 Pricipe d u test 1 11 Défiitios 1 Méthode géérale 3 Test de coformité à u paramètre 3 1 Test de coformité à ue moyee 3 Test de coformité à ue proportio 4 3 Test d homogééité

Plus en détail

Bac Blanc Terminale L - Février 2017 Correction de l Épreuve de Spécialité Mathématiques (durée 3 heures)

Bac Blanc Terminale L - Février 2017 Correction de l Épreuve de Spécialité Mathématiques (durée 3 heures) Bac Blac Termiale L - Février 2017 Correctio de l Épreuve de Spécialité Mathématiques (durée 3 heures) Exercice 1 (5 poits) 1. Depuis le 28 jui 2007, la ville de Bordeaux a été classée au patrimoie modial

Plus en détail

Module 3. Réactions chimiques : Énergie. Chimie 534

Module 3. Réactions chimiques : Énergie. Chimie 534 Module 3 Réatios himiques : Éergie Chimie 534 A) Trasert d éergie das u mélage 1. uelle sera la température d u mélage ormé de 150 ml d eau à 90 C ave 350 ml d eau à 10 C? (V T ) + (V T ) (150 90) + (350

Plus en détail

Toutes calculatrices autorisées. Le sujet comporte un total de 4 exercices par élève.

Toutes calculatrices autorisées. Le sujet comporte un total de 4 exercices par élève. Lycée Féelo Saite-Marie Aée 2011-2012 Durée : 3 heures BAC BLANC avril Toutes calculatrices autorisées. Classe de Termiale ES Mathématiques Le sujet comporte u total de 4 exercices par élève. EXERCICE

Plus en détail

P U n est une suite géométrique.

P U n est une suite géométrique. Notre Dame de La Merci Exercices sur les suites arithmético-géométriques CORRIGES e deuxième partie Exercice : Das u pays, u orgaisme étudie l évolutio de la populatio Compte teu des aissaces et des décès,

Plus en détail

1 Un peu de vocabulaire

1 Un peu de vocabulaire Statistiques - Échatilloage Cours Objectifs du chapitre Passer d u mode de représetatio des doées à u autre (doées brutes, tableau d effectifs, représetatio graphique) Calculer la moyee, la médiae, les

Plus en détail

IUT HSE Introduction aux probabilités et statistiques Applications Variables aux statistiques aléatoires 4 / 1

IUT HSE Introduction aux probabilités et statistiques Applications Variables aux statistiques aléatoires 4 / 1 IUT HSE Itroductio aux probabilités et statistiques Variables aléatoires Philippe Jamig Istitut Mathématique de Bordeaux PhilippeJamig@gmailcom http://wwwmathu-bordeaux1fr/ pjamig/ X variable aléatoire

Plus en détail

EXERCICES SIMULATION LOIS DISCRETES

EXERCICES SIMULATION LOIS DISCRETES EXERCICES SIMULATION LOIS DISCRETES EXERCICE 1 : 1) Ecrire u programme qui revoie le lacer d u lacer de dé équilibré 2) Trasformer le programme précédet pour qu il simule ue série de 100 lacers d u dé

Plus en détail

Estimation par intervalle de confiance

Estimation par intervalle de confiance 62 CHAPITRE 12 Estimatio par itervalle de cofiace 1. Estimatio de la moyee par itervalle de cofiace 1.1. Calcul de la marge d erreur. O veut maiteat faire ue estimatio par itervalle de cofiace de la moyee

Plus en détail

SERIE S EPREUVE DE MATHEMATIQUES. Durée : 4h Coefficient : 7 ou 9

SERIE S EPREUVE DE MATHEMATIQUES. Durée : 4h Coefficient : 7 ou 9 BACCALAUREAT BLANC 2014 LYCEE DES ILES SOUS LE VENT SERIE S EPREUVE DE MATHEMATIQUES Durée : 4h Coefficiet : 7 ou 9 La calculatrice est autorisée, mais est pas échageable de cadidat e cadidat. La qualité

Plus en détail

Divers exercices de probabilité

Divers exercices de probabilité Divers exercices de probabilité Traiter e priorité les quatre premiers exercices de chaque sectio. 1 Probabilité Exercice 1.1 Mo voisi a deux efats. 1- Le plus jeue est ue fille, quelle est la probabilité

Plus en détail

Terminales S Devoir maison n 3 -A faire pour le jeudi 6 novembre 2014

Terminales S Devoir maison n 3 -A faire pour le jeudi 6 novembre 2014 Termiales S Devoir maiso -A faire pour le jeudi 6 ovembre 0 eercice : probabilités coditioelles et suite Alice débute au jeu de fléchettes. Elle effectue des lacers successifs d ue fléchette. Lorsqu elle

Plus en détail

Suites arithmétiques et suites géométriques Bilan et croissances

Suites arithmétiques et suites géométriques Bilan et croissances Suites arithmétiques et suites géométriques Bila et croissaces Exemples cocrets d applicatio des SG ou des SA (Modélisatios d évolutio) I Bila sur les suites arithmétiques et géométriques ) Tableau de

Plus en détail

Cours 11 Une variable numérique : dispersion et variance

Cours 11 Une variable numérique : dispersion et variance Cours 11 Ue variable umérique : dispersio et variace Ce cours est cosacré à la variace et à l'écart-type ; o commece par faire u rappel sur la variace comme idice de dispersio, mesure de l'éparpillemet

Plus en détail

Les projections démographiques. Plan. sont-elles fiables? A - Définition, méthode, exemples. Définition. Historique. Historique.

Les projections démographiques. Plan. sont-elles fiables? A - Définition, méthode, exemples. Définition. Historique. Historique. Les projectios démographiques sot-elles fiables? Gilles Piso Istitut atioal d études démographiques Coférece «Ejeux globaux de l eviroemet et du développemet durable» Ecole des Pots, 26 javier 2011 Pla

Plus en détail

Annexe : Leçon 10 - Échantillonnage

Annexe : Leçon 10 - Échantillonnage Aexe : Leço 10 - Échatilloage Clémet BOULONNE pour la sessio 01 I Niveau, prérequis, référeces Niveau BTS Prérequis Probabilités, lois discrètes et cotiues Référeces [1,,, 4, 5] II Coteu de la leço 1 Approximatio

Plus en détail

Estimations. Les Moyennes des échantillons suivent une loi normale : = m et d' écart - type σ X

Estimations. Les Moyennes des échantillons suivent une loi normale : = m et d' écart - type σ X Estimatios Problématique. A partir d'observatios faites sur u échatillo, o se propose de tirer des coclusios sur la populatio toute etière. Aisi cotrairemet à la logique déductive, qui va du gééral au

Plus en détail

Echantillon : Collection d'individus prélevés dans la population statistique.

Echantillon : Collection d'individus prélevés dans la population statistique. SONDAGE (ECHANTILLONNAGE) POPULATION STATISTIQUE N idividus possédat ue modalité yi de la (ou des) variable(s) y ( i N) PARAMETRES valeur cetrale dispersio corrélatio µ σ² ρ moyee variace coef. corr. ECHANTILLON

Plus en détail

Terminale S Chapitre 10 «Loi Normale» 21/03/2013

Terminale S Chapitre 10 «Loi Normale» 21/03/2013 Termiale S Chapitre «Loi Normale» /3/3 I) Itroductio O fait ue étude statistique de la taille des idividus d'ue populatio. Das chaque cas, la taille moyee est de 7 cm, avec u écart type de cm. O trace

Plus en détail

BACCALAUREAT GENERAL. Bac blanc n 4 Mercredi 7 Mai 2014 MATHEMATIQUES. Série : S Enseignement Obligatoire ou de Spécialité

BACCALAUREAT GENERAL. Bac blanc n 4 Mercredi 7 Mai 2014 MATHEMATIQUES. Série : S Enseignement Obligatoire ou de Spécialité BACCALAUREAT GENERAL Bac blac 4 Mercredi 7 Mai 4 MATHEMATIQUES Série : S Eseigemet Obligatoire ou de Spécialité Durée de l épreuve : 4 heures Coefficiet : 7 ou 9 L utilisatio de la calculatrice est autorisée

Plus en détail

TUTORAT UE Biostatistiques Correction du concours blanc 03/11/2011

TUTORAT UE Biostatistiques Correction du concours blanc 03/11/2011 FACULTE De PHARMACIE TUTORAT UE4 2011-2012 Biostatistiques Correctio du cocours blac 03/11/2011 QCM 1 : b, c, d a Faux : P(AUB=P(A+P(B=0,55 et P(A B=Ø. b Vrai c Vrai d Vrai : C 5 - C 5 32 28 (ombre de

Plus en détail

Modélisations Mathématiques. Google PageRank et Chaîne de Markov. PHAN Tran Thanh Du

Modélisations Mathématiques. Google PageRank et Chaîne de Markov. PHAN Tran Thanh Du Modélisatios Mathématiques Google PageRak et Chaîe de Markov PHAN Tra Thah Du École Natioale Supérieure de Cogitique Istitut Polytechique de Bordeaux 2 décembre 205 Table des matières Itroductio 2 2 PageRak

Plus en détail

Remarque : La suite nulle est une suite géométrique particulière dont la raison est q = 0. (mode récurrent et terme général)

Remarque : La suite nulle est une suite géométrique particulière dont la raison est q = 0. (mode récurrent et terme général) LGL Cours de Mathématiues 27 D uites géométriues ) Défiitio Défiitio 4 : Ue suite ( ) u est dite géométriue lorsu il existe u ombre réel o ul tel ue, pour tout de, o ait : u+ = u Remarue : La suite ulle

Plus en détail

II. PROPAGATION DE LA LUMIERE

II. PROPAGATION DE LA LUMIERE page II-1 II. PROPAGATION DE LA LUMIERE Le rayo lumieux est la otio fodametale de l optique géométrique. Nous allos étudier la propagatio de la lumière, est à dire la forme des rayos lumieux et la élérité

Plus en détail

ÉTUDIER DES ONDES STATIONNAIRES SUR UN RESSORT HÉLICOÏDAL TENDU ET UNE CORDE TENDUE.

ÉTUDIER DES ONDES STATIONNAIRES SUR UN RESSORT HÉLICOÏDAL TENDU ET UNE CORDE TENDUE. Méaique Osillatios et odes Odes méaiques ÉTUDIER DES ONDES STATIONNAIRES SUR UN RESSORT HÉLICOÏDAL TENDU ET UNE CORDE TENDUE. Géérer des odes statioaires logitudiales sur u ressort hélioïdal et des odes

Plus en détail

1. Notion de «série statistique» 2. VRAI ou FAUX. Corrigé des exercices du chapitre 10 : SECTION «ON S ENTRAÎNE» (P.

1. Notion de «série statistique» 2. VRAI ou FAUX. Corrigé des exercices du chapitre 10 : SECTION «ON S ENTRAÎNE» (P. Corrigé des exercices du chapitre 10 : SECTION «ON S ENTRAÎNE» (P. 351-355) Page 1 1. Notio de «série statistique» Il s agit d ue série de doées recueillies auprès des différetes uités statistiques d u

Plus en détail

Etude d une limite de suite

Etude d une limite de suite Etude d ue ite de suite I) Limites de suite usuelle ) Suites de référece de ites fiies + + + = 0 = 0 2 = 0 et plus gééralemet o a : + p = 0 avec p N 2) Suites de référece de ites ifiies = + + = + + + 2

Plus en détail

DISTRIBUTIONS D'ECHANTILLONNAGE et INTERVALLES DE VARIATION

DISTRIBUTIONS D'ECHANTILLONNAGE et INTERVALLES DE VARIATION Chapitre 4 DISTRIBUTIONS D'ECHANTILLONNAGE et INTERVALLES DE VARIATION Bases de la statistique iféretielle PLPSTA0 119 Chapitre 4 (suite ) 1. Itroductio. Estimatio d'ue moyee Distributio d'échatilloage

Plus en détail

X 1 = { X si X est impair 0 sinon

X 1 = { X si X est impair 0 sinon Corrigé ECRICOME 998 par Pierre Veuillez Das tout le problème, X désige ue variable aléatoire défiie sur u espace probabilisé (Ω, A, P et à valeurs das N et E(X l espérace de X si elle eiste. O ote A l

Plus en détail

2. Espace de probabilité fini équilibré

2. Espace de probabilité fini équilibré 36 2. Esace de robabilité fii équilibré Esace de robabilités fii équilibré (résumé)...37 Esace de robabilités fii équilibré (défiitio)...38 Le modèle de Maxwell-Boltzma...39 Les ragemets de objets discerables

Plus en détail

MÉTHODES STATISTIQUES

MÉTHODES STATISTIQUES MAT 080 XAM IAL AUTOM 005 ate : imache 8 décembre 005, de h00 à 7h00 ISTRUCTIOS MÉTHOS STATISTIQUS. étachez la feuille-réposes à la fi de ce cahier et iscrivez-y immédiatemet votre om, votre code permaet

Plus en détail

BACCALAURÉAT GÉNÉRAL Session 2014 MATHÉMATIQUES. Série ES ENSEIGNEMENT DE SPÉCIALITÉ. Durée de l épreuve : 3 heures.

BACCALAURÉAT GÉNÉRAL Session 2014 MATHÉMATIQUES. Série ES ENSEIGNEMENT DE SPÉCIALITÉ. Durée de l épreuve : 3 heures. BACCALAURÉAT GÉNÉRAL Sessio 04 MATHÉMATIQUES Série ES ENSEIGNEMENT DE SPÉCIALITÉ Durée de l épreuve : heures Coeiciet : 7 Les calculatrices électroiques de poche sot autorisées, coormémet à la réglemetatio

Plus en détail

où h o et h w sont des termes sources dûs aux puits. On a ensuite les relations reliant les vitesses au gradient de la pression :

où h o et h w sont des termes sources dûs aux puits. On a ensuite les relations reliant les vitesses au gradient de la pression : Itrodutio. O s itéresse ii à la simulatio umérique de la réupératio des hydroarbures piégés das u réservoir pétrolier dot les aratéristiques sot oues. Ce type de simulatio est utilisé par les ompagies

Plus en détail

Corrigés des exercices.

Corrigés des exercices. DE MIE, Aalyse 1 Octobre 015 Corrigés des exercices. Exercice 1. Exercice. Exercice 3. Exercice 4. Exercice 5. Exercice 6. Exercice 7. 1. Si b est u élémet de B, tout élémet de A est iférieur ou égal à

Plus en détail

Août 2015 (1 heure et 45 minutes)

Août 2015 (1 heure et 45 minutes) Août 015 (1 heure et 45 miutes) 1. a) Soit A, sous-esemble o vide de IR. Défiir: - poit itérieur de A, - majorat, supremum et maimum de A (1.5 pt) b) Démotrer que la réuio d esembles ouverts de IR est

Plus en détail

sont égales, alors le produit des «extrêmes» a d est égal au produit des «moyens» c d ; et réciproquement ; la preuve est ici 1.

sont égales, alors le produit des «extrêmes» a d est égal au produit des «moyens» c d ; et réciproquement ; la preuve est ici 1. Cours 5 Idépedace 1 Das le cours précédet, ous avos vu que la variable Y était idépedate de la variable X si ses distributios coditioelles e fréquece sot égales ; das ce cas e effet, la mesure de X sur

Plus en détail

TD 4 : Variables aléatoires discrètes

TD 4 : Variables aléatoires discrètes MA40 : Probabilités TD 4 : Variables aléatoires discrètes Exercice Soit N u etier aturel supérieur ou égal à.. Motrer les égalités suivates : N k k N N + ) N k k N N + ) N + ). Ue ure cotiet ue boule blache

Plus en détail

IREM Martine Quinio. 5 février 2013

IREM Martine Quinio. 5 février 2013 : 1 IREM 2013 Martie Quiio 5 février 2013 1 La loi de Gauss, ou loi ormale Itroductio : Lire court article C.Villai das Le Mode du 14-15/12 : il compare le traitemet médiatique boso de Higgs et rats OGM

Plus en détail

Comportement asymptotique

Comportement asymptotique Comportemet asymptotique NB: Les phrases écrites etre guillemets e italique sot écessaires à la compréhesio de la otio de ite, mais sot peu utilisées das la pratique où l o fait plutôt appel au propriétés

Plus en détail

MOYENNES. Moyenne arithmétique simple x de n éléments n

MOYENNES. Moyenne arithmétique simple x de n éléments n MOYENNES. Moyees : premières formules Moyee arithmétique simple de élémets + +... + +,,...,, Moyee arithmétique podérée de élémets,,...,, muis des coefficiets p, p,..., p, p p + p +... + p + p p+ p+...

Plus en détail

MoyenneS ou moyenne?

MoyenneS ou moyenne? MoyeeS ou moyee? Chr. Vadeschrick ISFSC (HE «Groupe ICHEC - ISC Sait-Louis ISFSC) Bruxelles DEMO (Uiversité catholique de Louvai) MoyeeS ou moyee CVds - Colloque CFIES 00 Moyee et pédagogie : costats (4)

Plus en détail

Intervenants : G.Saporta (CNAM), P.Périé (IPSOS), S.Rousseau (INSEE) Plan du cours:

Intervenants : G.Saporta (CNAM), P.Périé (IPSOS), S.Rousseau (INSEE) Plan du cours: EQUETES et SODAGES STA 108 011-01 Iterveats : G.Saporta (CAM), P.Périé (IPSOS), S.Rousseau (ISEE) Pla du cours: 1 Ouvrages recommadés: J.ATOIE Histoire des sodages (Odile Jacob, 005) P.ARDILLY Les techiques

Plus en détail

Université Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Année Examen du 13 mai 2015

Université Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Année Examen du 13 mai 2015 Uiversité Pierre et Marie Curie Mathématiques L2 UE 2M231 Probabilités-Statistiques Aée 2014-15 Exame du 13 mai 2015 Le sujet comporte 2 pages. L épreuve dure 2 heures. Les documets, calculatrices et téléphoes

Plus en détail

Estimations et intervalles de confiance

Estimations et intervalles de confiance Estimatios et itervalles de cofiace Estimatios et itervalles de cofiace Résumé Cette vigette itroduit la otio d estimateur et ses propriétés : covergece, biais, erreur quadratique, avat d aborder l estimatio

Plus en détail

6.1 Modèle multiplicatif de mortalité excédentaire (proportional

6.1 Modèle multiplicatif de mortalité excédentaire (proportional 6 Tests d hypothèse (Klei 6.3, Lawless 10.2 et 10.3, Klugma 13.4) 6.1 Modèle multiplicatif de mortalité excédetaire (proportioal hazard) O veut comparer la mortalité d u groupe sous étude avec celle d

Plus en détail

Chapitre 2 : Raisonnement par récurrence, manipulation de sommes.

Chapitre 2 : Raisonnement par récurrence, manipulation de sommes. ECS1B Carot Chapitre 013/014 Chapitre : Raisoemet par récurrece, maipulatio de sommes Objectifs : Écrire propremet u raisoemet par récurrece (simple, double Maipuler les symboles Σ et sas erreur ceci viedra

Plus en détail

CORRIGE DES EXERCICES : Distributions d'échantillonnage - Intervalles de variation

CORRIGE DES EXERCICES : Distributions d'échantillonnage - Intervalles de variation U.F.R. S.P.S.E. Licece de psychologie L3 PLPSTA0 Bases de la statistique iféretielle UNIVERSITE PARIS X NANTERRE CORRIGE DES EXERCICES : Distributios d'échatilloage - Itervalles de variatio Exercice 1

Plus en détail