Chapitre 3. Séries statistiques bivariées.
|
|
- François Dumas
- il y a 7 ans
- Total affichages :
Transcription
1 Chapitre 3. Séries statistiques bivariées
2 Exemple introductif 1 On considère un nombre n d individus (en pratique, n est grand) faisant intervenir exactement deux données pour chaque individu : Individu Age Couleur de cheveux Individu Age Couleur de cheveux 1 18 châtain brun 2 19 blond brun 3 20 châtain blond 4 19 brun blond 5 19 brun brun 6 18 châtain brun 7 21 blond châtain 8 18 blond châtain 9 19 châtain châtain châtain châtain châtain châtain brun blond brun brun châtain brun châtain châtain Table: Age et couleurs de cheveux d une population de 30 personnes le nombre d individus est n = 30 ; les variables sont l âge et la couleur de cheveux. 2 / 30
3 Exemple introductif 2 Individu Echelon Salaire Individu Echelon Salaire Table: Echelon (dans la fonction publique) et salaire (en euros) d une population de 32 personnes le nombre d individus est n = 32 ; les variables sont l échelon et le salaire. 3 / 30
4 Problème considéré Les séries statistiques considérées ci-dessus sont dites bivariées au sens où, pour chaque individu de la population, on considère deux caractéristiques. Les séries que nous allons considérer sont donc de la forme (x 1, y 1 ),..., (x n, y n ). Le but est : de représenter sous forme synthétique les données issues d une série statistique bivariée ; d étudier des ressemblances (ou non ressemblances) entre individus au regard des deux caractères étudiés ; d établir (lorsque cela est possible) une liaison fonctionnelle entre les deux caractères. 4 / 30
5 Sommaire 1 Présentation des données Tableau de contingence Représentations graphiques 2 Indépendance et corrélation Indépendance Corrélation 3 Ajustement affine Modèle linéaire simple Décomposition de la variance 5 / 30
6 Tableau de contingence Construction d un tableau de contingence Pour une série statistique univariée, il est plus commode de représenter les données sous la forme d un tableau des effectifs/fréquences plutôt qu un tableau donnant la caractéristique de chaque individu. De même, on représente rarement les données d une série statistique bivariée tel qu on l a fait dans les exemples introductifs. En pratique, on utilise un tableau dit de contingence. X \ Y y 1 y j y q x 1 n 11 n 1j n 1q x i n 1i n ij n iq x p n pi n pj n pq Table: Tableau de contingence X = x 1,..., x p et Y = y 1,..., y q désignent l ensemble des caractéristiques observées des deux variables ; n ij est le nombre de personnes ayant pour caractéristiques (x i, y pour tout 1 i p et 1 j q. j ) 6 / 30
7 Tableau de contingence Marginales Définition On appelle : distribution de la marginale en X l ensemble des nombres n i, 1 i p, où n i est l effectif de la population ayant pour caractéristique x i : n i = n i1 + n i2 + + n iq ; distribution de la marginale en Y l ensemble des nombres n j, 1 j q, où n j est l effectif de la population ayant pour caractéristique y j : n j = n 1j + n 2j + + n pj. 7 / 30
8 Tableau de contingence Exemple 1 de tableau de contingence Reprenons le premier exemple introductif. Age \ Cheveux châtain blond brun Table: Tableau de contingence de l âge et de la couleur de cheveux En particulier : la somme des nombres dans le tableau est égale à n = 30 ; les effectifs de l âge (marginale en X) sont n 18 = 8, n 19 = 12, n 20 = 6 et n 21 = 4 ; les effectifs de la couleur de cheveux (marginale en Y ) sont n châtain = 14, n blond = 6 et n brun = / 30
9 Tableau de contingence Exemple 2 de tableau de contingence Reprenons le second exemple introductif. Echelon \ Salaire Table: Tableau de contingence de l échelon et du salaire En particulier : la somme des nombres dans le tableau est égale à n = 32 ; de même, on obtient les distributions des marginales en X et en Y ; on constate que beaucoup de zéros apparaissent dans le tableau de contingence. On quantifiera un tel phénomène dans la section 2. 9 / 30
10 Tableau de contingence Fréquences d une série bivariée Définition Pour tout 1 i p, 1 j q, on appelle : fréquence de la caractéristique (x i, y j ), la quantité : f ij = n ij n ; fréquence (marginale) de la caractéristique x i (respectivement x j ), les quantités f i = n i n et f j = n j n ; fréquence (conditionnelle) de x i sachant y j (respectivement y j sachant x i ), les quantités f i j = f ij f j et f j i = f ij f i. 10 / 30
11 Tableau de contingence Exemple 1 de fréquences marginales et conditionnelles Reprenons le premier exemple introductif. Les proportions d individus de 19 ans châtains et d individus de 21 ans châtains sont respectivement : f 19,chatain = 5 30 = 16.7% et f 21,châtain = 2 30 = 6.7%. Les proportions d individus de 19 ans et de 21 ans sont respectivement : f 19 = = 40% et f 21 = 4 30 = 13.3%. Les proportions de châtains parmi les individus de 19 ans et de châtains parmi les individus de 21 ans sont respectivement : f châtain 19 = = 41.8% et f châtain 21 = = 50%. 11 / 30
12 Tableau de contingence Exemple 2 de fréquences marginales et conditionnelles Reprenons le second exemple introductif. Les proportions d individus à l échelon 1 gagnant 1750 euros et d individus à l échelon 4 gagnant 2400 euros sont respectivement : f 1,1750 = 2 32 = 6.3% et f 4,2400 = 5 32 = 15.6%. Les proportions d individus à l échelon 1 et 4 sont respectivement : f 1 = 2 32 = 6.3% et f 4 = 5 32 = 15.6%. Les proportions d individus gagnant 1750 euros parmi ceux qui sont à l échelon 1 et d individus gagnant 2400 euros parmi ceux qui sont à l échelon 4 sont respectivement : f = = 100% et f = = 100%. 12 / 30
13 Représentations graphiques Représentations graphiques pour des séries bivariées On peut représenter une série statistique bivariée (x 1, y 1 ),..., (x n, y n ) de deux façons : 1 par un stéréogramme, représentant (dans l espace) un ensemble de parallélèpipèdes rectangles dont les hauteurs sont proportionnelles aux effectifs ou aux fréquences ou, éventuellement, aux densités des classes ; 2 par un nuage de points représentant (dans le plan) l ensemble des points (x i, y i ) 1 i n. Remarque 1 Le stéréogramme est l analogue du diagramme à bandes (utilisé pour les séries statistiques univariées). 2 On ne peut faire un nuage de points que si les variables statistiques X = x 1,..., x n et Y = y 1,..., y n sont toutes les deux quantitatives. 13 / 30
14 Représentations graphiques Exemple de nuage de points Figure: Nuage de points pour l échelon et le salaire (exemple introductif 2), réalisé avec Scilab 14 / 30
15 Représentations graphiques Poids d un nuage de points Il est également d usage de rajouter entre parenthèse l effectif n ij, appelé poids, sur le point de coordonnées (x i, y j ). Dans l exemple qui précède : le poids du point (1, 1750) est (2) ; le poids du point (2, 1975) est (6) ; le poids du point (3, 2150) est (6) ; le poids du point (4, 2400) est (5) ; le poids du point (5, 2600) est (6) ; le poids du point (6, 2775) est (7). 15 / 30
16 1 Présentation des données 2 Indépendance et corrélation Indépendance Corrélation 3 Ajustement affine 16 / 30
17 Indépendance Définition de l indépendance Définition Considérons une série statitistique bivariée (X, Y ). On dit que les séries X et Y sont indépendantes si, pour tout i, j : 1 les fréquences conditionnelles f i j ne dépendent pas de j ; 2 les fréquences conditionnelles f j i ne dépendent pas de i. En fait, il suffit qu une seule des deux conditions ci-dessus soit satisfaite (les deux conditions étant équivalentes). Une autre condition équivalente à l indépendance des deux séries est que f ij = f i f j pour tout i, j. Informellement, cela signifie que la variable Y n influence pas la variable X et réciproquement. Sur un tableau de contingence, deux séries sont indépendantes si les lignes ou/et les colonnes sont proprortionnelles. 17 / 30
18 Indépendance Exemples Dans l exemple introductif 1 (âge/couleur de cheveux), les deux variables sont "presque" indépendantes. On peut le voir de deux façons : 1 d une part, en constatant que les lignes et colonnes du tableau de contingence sont "presque proportionnelles" ; 2 d autre part, en calculant les fréquences conditionnelles et en remarquant qu elles sont "presque" indépendantes de la variable qui conditionne. Par exemple les fréquences f châtain 19 = 41.8% et f châtain 21 = 50% sont relativement proches. Dans l exemple introductif 2 (échelon/salaire), les deux variables dépendent totalement l une de l autre : le salaire d un individu dépend complètement de son échelon et inversement. 18 / 30
19 Indépendance Remarques sur la notion de d indépendance/dépendance Lorsque, pour chaque valeur x i de X correspond une unique valeur y j de Y, autrement dit lorsque chaque ligne du tableau de contingence ne contient qu un seul effectif n ij non nul, on dit que Y dépend totalement de X. En pratique, on n a jamais d indépendance "parfaite" des variables. Pour mesurer la dépendance entre deux variables (en un sens qui sera précisé), on introduit dans la section suivante la notion de coefficient de corrélation. A partir de maintenant, on se limite aux variables quantitatives. 19 / 30
20 Corrélation Définition et propriétés de la covariance Définition Considérons une série statistique bivariée (X, Y ) où X = x 1,... x n et Y = y 1,..., y n sont des variables quantitatives. On appelle covariance de X et de Y la quantité : Cov(X, Y ) = 1 n n (x i x)(y i y) = 1 n i=1 p q i=1 j=1 n ij (x i x)(y j y). Propriété 1 Cov(X, Y ) = Cov(Y, X) ; 2 Cov(aX + b, Y ) = acov(x, Y ) pour tous réels a, b ; 3 Cov(X, X) = Var(X) ; 4 Cov(X, Y ) = 1 n n i=1 x iy i x y = 1 p q n i=1 j=1 n ijx i y j x y. 5 Si X et Y sont indépendantes, alors Cov(X, Y ) = / 30
21 Corrélation Définition et classification de la corrélation Définition Considérons une série statistique bivariée (X, Y ) où X = x 1,... x n et Y = y 1,..., y n sont des variables quantitatives. On appelle coefficient de corrélation la quantité : Cor(X, Y ) = Cov(X, Y ) = Cov(X, Y ) [ 1, 1]. Var(X) Var(Y ) σ(x) σ(y ) On classe les différents degrés de corrélation comme suit : forte corrélation si Cor(X, Y ) [ 1, 0.8] [0.8, 1] ; corrélation médiocre si Cor(X, Y ) [ 0.8, 0.5] [0.5, 0.8] ; mauvaise corrélation si Cor(X, Y ) [ 0.5, 0.5]. 21 / 30
22 Corrélation Exemple de coefficient de corrélation et remarques Exemple : Pour l exemple introductif 2 (échelon/salaire), on peut montrer, à l aide d un tableur ou d une calculatrice, que la corrélation est En particulier, il existe une très forte corrélation entre l échelon et le salaire. Remarques : Si (X, Y ) est une série bivariée telle que Y = ax + b, où a et b sont des réels, alors Cor(X, Y ) = 1. En particulier, si la corrélation entre X et Y est proche de 1, cela peut venir a priori d une relation linéaire entre les deux variables. Dans le cas de la statistique bivariée (échelon/salaire), le nuage de points suggère que le salaire dépend linéairement de l échelon. 22 / 30
23 Corrélation Corrélation et causalité Le fait que deux variables soient fortement corrélées provient, a priori, du fait que les variables sont liées. En revanche, une forte corrélation ne suffit pas pour établir une causalité entre ces deux variables : d autres facteurs peuvant entrer en ligne de compte. Par exemple : Une étude a prouvé que les gens habitant près de pylônes à haute tension étaient significativement plus souvent malades que le reste de la population. Est-ce à cause du courant électrique? Pas nécessairement parce qu une autre étude a révélé que les habitants sous les pylônes étaient en moyenne plus pauvres. Comme il existe un lien entre la santé et la pauvreté, l étude, à elle seule, ne permet pas de conclure que la faute est due au courant électrique : la cause réelle est peut-être la pauvreté. un autre exemple, dû à Coluche : "quand on est malade, il ne faut surtout pas aller à l hôpital : la probabilité de mourir dans un lit d hôpital est 10 fois plus grande que dans son lit à la maison" / 30
24 1 Présentation des données 2 Indépendance et corrélation 3 Ajustement affine Modèle linéaire simple Décomposition de la variance 24 / 30
25 Principe de la régression (ou de l ajustement) Lorsque deux variables X et Y sont quantitatitives (par ex : échelon/salaire), on souhaite souvent établir une relation fonctionnelle entre elles, c est-à-dire chercher une fonction f telle que Y = f (X). Quand on chercher à "expliquer" Y par X (c est-à-dire à prévoir les valeurs de Y à partir de celles de X supposées connues), on dit qu on fait une régression (ou un ajustement) de Y en X. En d autres termes, on cherche à approcher le nuage de points associé à (X, Y ) par une courbe de la forme {(x, f (x)), x R}. On peut également chercher à expliquer X par Y. Cependant, on notera que l une ou l autre de ces régressions peut ne présenter aucun intérêt (par ex : il est plus naturel d expliquer le salaire par l échelon que l échelon par le salaire). 25 / 30
26 Modèle linéaire simple Régression linéaire par moindres carrés Lorsque le nuage de points (x 1, y 1 ),..., (x n, y n ) d une série statistique bivariée (X, Y ) présente une forme "allongée", il est naturel d approcher le nuage par une droite de la forme y = ax + b où a et b sont des paramètres à déterminer. En pratique, les variables X et Y ne sont pas directement liées par une droite : pour chaque donnée i, il existe une erreur e i entre la réalité et l approximation "idéale" par la droite. On note cette erreur : e i = y i (ax i + b i ). Le plus souvent, la recherche de a et de b s entend aux moindres carrés : on les choisit de telle sorte qu ils rendent minimale l erreur : = n ei 2. i=1 26 / 30
27 Modèle linéaire simple Droite et coefficients de régression Théorème Soit (X, Y ) un couple de variables quantitatives à variances non nulles. Alors, il existe un unique couple (a, b) rendant minimale l erreur au sens des moindres carrés (pour la régression linéaire) donnés par : a = Cov(X, Y ) Var(X) et b = y ax. Les paramètres a et b et la droite d équation y = ax + b s appellent respectivement les coefficients de régression et la droite de régression de Y en X. En pratique, pour faire une régression, on procède comme suit : 1 D abord, on calcule le coefficient de corrélation Cor(X, Y ). 2 Si celui-ci est supérieur (en valeur absolue) à 0.8, on construit la droite de régression à l aide d un tableur ou d une calculatrice. Sinon, on ne fait pas de régression car celle-ci sera trop mauvaise. L intérêt de la régression est de prévoir des données futures. 27 / 30
28 Modèle linéaire simple Exemple de droite et de coefficients de régression Reprenons l exemple introductif 2 (âge/salaire). La corrélation est d environ Il est donc légitime de faire une régression linéaire. Cette régression est donnée dans le graphique suivant : Figure: Régression linéaire pour l échelon et le salaire (exemple introductif 2), réalisé avec Scilab 28 / 30
29 Décomposition de la variance Décomposition de la variance Soit (X, Y ) un couple de variables quantitatives à variances non nulles. On note : Ŷ = ax + b : la série statistique obtenue par régression linéaire ; E = Y Ŷ : la série statistique des erreurs (écarts verticaux). Théorème Avec les notations précédentes, on a : Var(Y ) = Var(Ŷ ) + Var(E). En d autres termes, le résultat précédent signifie que : "la variance totale en Y " est la somme de "la variance expliquée" et de "la variance résiduelle". Le nom de la variance de Ŷ vient du fait que cette dernière est expliquée par le modèle par opposition à la variance résiduelle. Plus la variance résiduelle est petite, plus l approximation est bonne au sens des moindres carrés. 29 / 30
30 Décomposition de la variance L essentiel Représenter les données sous forme de tableaux (ponctuel/contingence) et de graphiques (nuage de points). Calculer le coefficient de corrélation d une série statistique bivariée. Effectuer, lorsque cela est légitime, une régression linéaire d une série statistique bivariée. 30 / 30
Chapitre 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 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 détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
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 détailUNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES. Éric TÉROUANNE 1
33 Math. Inf. Sci. hum., (33 e année, n 130, 1995, pp.33-42) UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES Éric TÉROUANNE 1 RÉSUMÉ Le stéréogramme de liaison est
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
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 détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en 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 détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailTS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S
FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences
Plus en détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailStatistiques à deux variables
Statistiques à deux variables Table des matières I Position du problème. Vocabulaire 2 I.1 Nuage de points........................................... 2 I.2 Le problème de l ajustement.....................................
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 détailSujet 4: Programmation stochastique propriétés de fonction de recours
Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
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 détailL analyse boursière avec Scilab
L analyse boursière avec Scilab Introduction La Bourse est le marché sur lequel se traitent les valeurs mobilières. Afin de protéger leurs investissements et optimiser leurs résultats, les investisseurs
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailTP 7 : oscillateur de torsion
TP 7 : oscillateur de torsion Objectif : étude des oscillations libres et forcées d un pendule de torsion 1 Principe général 1.1 Définition Un pendule de torsion est constitué par un fil large (métallique)
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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailCours 9 : Plans à plusieurs facteurs
Cours 9 : Plans à plusieurs facteurs Table des matières Section 1. Diviser pour regner, rassembler pour saisir... 3 Section 2. Définitions et notations... 3 2.1. Définitions... 3 2.2. Notations... 4 Section
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
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 détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailExo7. Probabilité conditionnelle. Exercices : Martine Quinio
Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en 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 détail6 Equations du première ordre
6 Equations u première orre 6.1 Equations linéaires Consiérons l équation a k (x) k u = b(x), (6.1) où a 1,...,a n,b sont es fonctions continûment ifférentiables sur R. Soit D un ouvert e R et u : D R
Plus en détailFONCTION DE DEMANDE : REVENU ET PRIX
FONCTION DE DEMANDE : REVENU ET PRIX 1. L effet d une variation du revenu. Les lois d Engel a. Conditions du raisonnement : prix et goûts inchangés, variation du revenu (statique comparative) b. Partie
Plus en détailDérivées d ordres supérieurs. Application à l étude d extrema.
Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une
Plus en détailQuelques tests de primalité
Quelques tests de primalité J.-M. Couveignes (merci à T. Ezome et R. Lercier) Institut de Mathématiques de Bordeaux & INRIA Bordeaux Sud-Ouest Jean-Marc.Couveignes@u-bordeaux.fr École de printemps C2 Mars
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailVariations du modèle de base
1 Variations du modèle de base Dans ce chapitre nous allons utiliser le modèle de base du chapitre précédent pour illustrer certaines questions économiques simples. Ainsi, le modèle précédent nous permettra
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailLicence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015.
Licence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015. Thèmes des séances de TD Thème n.1: Tableaux statistiques et représentations graphiques. Thème
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailTests de sensibilité des projections aux hypothèses démographiques et économiques : variantes de chômage et de solde migratoire
CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 16 décembre 2014 à 14 h 30 «Actualisation des projections» Document N 5 Document de travail, n engage pas le Conseil Tests de sensibilité des projections
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 détailThéorie et codage de l information
Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q
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 détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
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 détailLes Conditions aux limites
Chapitre 5 Les Conditions aux limites Lorsque nous désirons appliquer les équations de base de l EM à des problèmes d exploration géophysique, il est essentiel, pour pouvoir résoudre les équations différentielles,
Plus en détailRésumé du Cours de Statistique Descriptive. Yves Tillé
Résumé du Cours de Statistique Descriptive Yves Tillé 15 décembre 2010 2 Objectif et moyens Objectifs du cours Apprendre les principales techniques de statistique descriptive univariée et bivariée. Être
Plus en détailStatistiques - Cours. 1. Gén éralités. 2. Statistique descriptive univari ée. 3. Statistique descriptive bivariée. 4. Régression orthogonale dans R².
Statistiques - Cours Page 1 L I C E N C E S c i e n t i f i q u e Cours Henri IMMEDIATO S t a t i s t i q u e s 1 Gén éralités Statistique descriptive univari ée 1 Repr é s e n t a t i o n g r a p h i
Plus en détailFocus. Lien entre rémunération du travail et allocation de chômage
Focus Lien entre rémunération du travail et allocation de chômage Introduction Le travailleur qui devient chômeur et qui est admissible sur base de prestations de travail se voit, en application du principe
Plus en détailHedging delta et gamma neutre d un option digitale
Hedging delta et gamma neutre d un option digitale Daniel Herlemont 1 Introduction L objectif de ce projet est d examiner la couverture delta-gamma neutre d un portefeuille d options digitales Asset-Or-Nothing
Plus en détailItems étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire
CHAPITRE N5 FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION Code item D0 D2 N30[S] Items étudiés dans le CHAPITRE N5 Déterminer l'image
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailChapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
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 détailFctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines
FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html
Plus en détailDirection des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Plus en détailFonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme
Fonctions linéaires et affines 3eme 1 Fonctions linéaires 1.1 Vocabulaire Définition 1 Soit a un nombre quelconque «fixe». Une fonction linéaire associe à un nombre x quelconque le nombre a x. a s appelle
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailCapacité Métal-Isolant-Semiconducteur (MIS)
apacité Métal-solant-Semiconducteur (MS) 1-onstitution Une structure Métal-solant-Semiconducteur (MS) est constituée d'un empilement de trois couches : un substrat semiconducteur sur lequel on a déposé
Plus en détailCORRIGE LES NOMBRES DECIMAUX RELATIFS. «Réfléchir avant d agir!»
Corrigé Cours de Mr JULES v3.3 Classe de Quatrième Contrat 1 Page 1 sur 13 CORRIGE LES NOMBRES DECIMAUX RELATIFS. «Réfléchir avant d agir!» «Correction en rouge et italique.» I. Les nombres décimaux relatifs.
Plus en détailFiltres passe-bas. On utilise les filtres passe-bas pour réduire l amplitude des composantes de fréquences supérieures à la celle de la coupure.
Filtres passe-bas Ce court document expose les principes des filtres passe-bas, leurs caractéristiques en fréquence et leurs principales topologies. Les éléments de contenu sont : Définition du filtre
Plus en détailPrésentation du cours de mathématiques de D.A.E.U. B, remise à niveau
i Présentation du cours de mathématiques de D.A.E.U. B, remise à niveau Bonjour, bienvenue dans votre début d étude du cours de mathématiques de l année de remise à niveau en vue du D.A.E.U. B Au cours
Plus en détailSOMMAIRE OPÉRATIONS COURANTES OPÉRATIONS D INVENTAIRE
SOMMAIRE OPÉRATIONS COURANTES OPÉRATIONS D INVENTAIRE 1 Factures de doit p. 9 Processus 1 2 Réductions sur factures de doit p. 11 Processus 1 3 Frais accessoires sur factures p. 13 Processus 1 4 Comptabilisation
Plus en détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailFonctions homographiques
Seconde-Fonctions homographiques-cours Mai 0 Fonctions homographiques Introduction Voir le TP Géogébra. La fonction inverse. Définition Considérons la fonction f définie par f() =. Alors :. f est définie
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 détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailLecture graphique. Table des matières
Lecture graphique Table des matières 1 Lecture d une courbe 2 1.1 Définition d une fonction.......................... 2 1.2 Exemple d une courbe........................... 2 1.3 Coût, recette et bénéfice...........................
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailRÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3
RÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3 Pour construire un graphique : On lance l assistant graphique à l aide du menu Insérer è Diagramme en ayant sélectionné au préalable une cellule vide dans
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en 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 détailL exclusion mutuelle distribuée
L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détail