MAT-320 Probabilités et statistiques
|
|
- Marie-Anne Bernier
- il y a 7 ans
- Total affichages :
Transcription
1 MAT-30 Probabilités et statistiques Exercices résolus El Mostapha Frih Maître d enseignement
2 Exercice 1. Dans une manufacture, on a voulu estimer le temps moyen nécessaire à une machine pour compléter une tache. On a alors mesuré les temps nécessaires pour compléter cette tâche 150 fois et on a obtenu un temps moyen de 85 minutes et un écart type de minutes. a) Donnez un intervalle de confiance avec un niveau de confiance de 95% pour le temps moyen nécessaire à la machine pour accomplir cette tache? b) Si le temps moyen a été estimé entre 83 et 87 minutes, quel est le niveau de confiance associé à cet intervalle? c) Combien de fois doit on mesurer les temps pour que l intervalle de confiance spécifies le temps moyen à 1 minute prés et ceci 19 fois sur 0? a) On a 85 t = et 85 + t , =.. L intervalle de 150, confiance pour µ ayant un niveau de confiance de 95% est , b) La marge d erreur est minutes. On résout = t α, et on obtient t α = 6. Par suite α, 149 = P( t > 6) où t suit une loi de Student avec 149 degrés de libertés. α = 155%. et 1 α = % c) On cherche n pour que la marge d erreur soit de 1 minute avec un niveau de confiance de 95%. Pour cela on résout 1 = t. On résout d abord cette équation en 0.05, n 1 n remplaçant t 0.05, 1 n par 0.05 Z, on et on trouve n = 385. À L aide de la
3 calculatrice, on résout n = = t en initialisant n avec la valeur 385 et on obtient α, n 1 n Exercice. Dans un échantillon aléatoire de 00 composantes électroniques fabriquées avec un certain procédé, 15 composantes se sont avérées défectueuses. a) Si p représente la proportion de composantes fabriquées avec ce procédé qui sont défectueuses, construire un intervalle de confiance pour p ayant un niveau de confiance de 95%. b) Combien de composantes doit on échantillonner pour estimer la proportion de composantes défectueuses à 3% près et ceci 19 fois sur 0? a) On a 15 p $ = = et α = 0.05, p$ z 00 α 1 p$( p$) n = et p$ + z α 1 p$( p$) = L intervalle recherché est 385%,1115%... n ) ) p(1 p) b) On résout 3% = z0.05 n. On prendra p ˆ = 11.15% qui est l estimation de p dont nous disposons et qui donnera la plus grande valeur de n (le cas le plus défavorable est la valeur la plus proche de 0.5). La solution obtenue est n = 43. Exercice 3. Dans chacune des situations suivantes, précisez les hypothèses H 0 et H 1 ; a) Un nouveau type de batterie doit être installé dans dispositif médical s il est démontré que sa durée de vie est supérieure à 1 an. 3
4 b) Un inspecteur de contrôle de la qualité doit réajuster une machine qui sert à remplir des bouteilles si la contenance des bouteilles n est pas de ml. c) Un inspecteur de contrôle de la qualité doit revoir le procédé de fabrication si la résistance à la pression est inférieure à 150 psi. d) On veut que la proportion de composantes défectueuses ne dépasse pas 4%. a) Paramètre à tester: la durée de vie moyenne de ce type de batterie Hypothèses : H 0 : µ = 1, H 1: µ > 1 b) Paramètre à tester: la contenance moyenne des bouteilles Hypothèses: H 0 : µ = H 1 : µ c) Paramètre: la résistance à la pression moyenne H 0 : µ = 150 H 1: µ < 150 d) Paramètre à tester: la proportion de composantes défectueuses Hypothèses: H0: p = 4% H1: p > 4% Exercice 4. Lors du test sur la moyenne d une population normale de variance 9, la règle de décision est de ne pas rejeter H 0 si X 16.3 en se basant sur les résultats d échantillons de taille 5. a) Posez les hypothèses H 0 et H 1. b) calculez la probabilité de commettre une erreur de première espèce. c) Calculez la probabilité de commettre une erreur de deuxième espèce si la vraie moyenne est d) Si un échantillon de taille 5 a donné une moyenne de 16, quel est le seuil descriptif ou p-value du test? 4
5 a) H 0 : µ = 15 H 1 : µ 15 b) On veut calculez α. De la formule On obtient α = 4.036% = 15 + Z α, on a 5 α Z α =.05 et par suite = PZ ( >.05). On peut le faire aussi comme suit : 1 α = P(13.77 X 16.3) où X suit une loi normale de moyenne 15 et d écart type α = 4.036%. 3. On obtient % 5 α = et Remarque : Ce dernier calcul peut se faire avec la variable Z en calculant α = P( Z ). ( 3 ) ( 3 ) 5 5 Dans le cas ou la loi de student s applique, les calculs de probabilités doivent se faire de cette dernière façon avec Z remplacé par t. c) On veut calculer β lorsque µ = On a β = P( X ) où X suit une loi normale de moyenne 16.5 et d écart type 3 5 et on a β = 3. 64%. Ce calcul peut se faire aussi avec β = P( Z ). ( 3 ) ( 3 ) 5 5 d) On a α p = P( X > 16) où X suit une loi normale de moyenne 15 et d écart type 3 5 Exercice 5. et donc α p = 9. 56% On a aussi α p = P( Z > = P Z > 5 = % ( ) ) ( ).. 5 Si H 0 : µ = 5 H 1 : µ > 5, n = 35, x = 5. 8, s = 3 et α = %. a) Quelle est la décision? 5
6 b) calculez la probabilité de commettre une erreur de deuxième espèce si la moyenne réelle est 6. c) quel est le seuil descriptif ou p-value du test? Solution: 3 a) La règle de décision est de rejeter H 0 si X > 5 + t01., 34 = et la décision 35 est donc de rejeter H 0 du fait que l échantillon avait donné 5.8. b) On veut calculer β lorsque µ = 6. On a β = P( X ) avec µ = 6.. Ce X 6 calcul se fait avec t = ( S ) et β = P( t = ( ) ) 535% c) On a α p = P( X > 58. ) avec µ = 5 et α p = P( t > Exercice = ( ) ) 6 3. % 35 Le temps nécessaire pour réparer un instrument électronique est normalement distribué. Le temps de réparation de 16 de ces instruments a donné un temps moyen de 41.5 heures et un écart type de 98.7 heures. On aimerait savoir si le temps de réparation moyen dépasse 5 heures. a) Faites un test en utilisant un seuil de 5% b) Quel est le seuil descriptif ou p-value du test? a) Les hypothèses sont: H 0 : µ = 5 H 1 : µ > 5 6
7 98. 7 La règle de décision est: Rejeter H 0 si X > 5+ t , = Décision: Comme la moyenne de l échantillon ne dépasse pas la valeur critique, on ne rejette pas H 0. Il n y a donc pas assez d évidence pour dire que le temps de réparation moyen dépasse 5 heures. X µ b) On a α p = P( X > 415. ) avec µ = 5. Comme t = 0 suit une loi de Student S n à 15 degrés de liberté et la valeur observée de t est = , on a ( ) 4 α p = P( t > ) = 5. 7%. Exercice 7. Un plan pour un club de voyageurs vip a été développé par une compagnie aérienne sous l hypothèse que 5% de ses clients seront qualifiés pour un membership. Dans un échantillon aléatoire de 500 clients, 40 se sont qualifiés pour le membership. a) En utilisant un seuil de signification de 1%, tester l hypothèse de la compagnie. b) Quelle est la p-value du test? c) Quelle est la puissance du test à détecter un écart positif de 3 % par rapport à l hypothèse de la compagnie? a) Les hypothèses sont: H0: p = 5% H1: p 5% α = 1% Statistique: $ P qui suit une loi normale de moyenne 5% et d écart type 0. 05( ) 500 7
8 Règle de décision: On rejette H 0 si ˆ (1 0.05) P< Z0.01 == ou 500 $ 0. 05( ) P > Z. = Décision: la valeur observée de $ P est compagnie est rejetée. = 8% et par conséquent l hypothèse de la b) On a α p =. P( P $ > ) où P $ qui suit une loi normale de moyenne 5% et d écart type 0. 05( ) 500. On obtient α p = 0. 1%. c) On veut calculer 1 β si la proportion réelle est 8%. On a 1 β = 1 P(0.049 Pˆ ) où P $ qui suit une loi normale de moyenne 8% et d écart type 0. 08( ) 500. Le calcul donne 1 β = %. Exercice 8. Une compagnie qui importe des fibres synthétiques exige de ses fournisseurs que la résistance à la rupture soit d au moins 30 livres. La résistance à la rupture d un échantillon aléatoire de 80 fibres d un lot a donné une résistance à la rupture moyenne de 9.6 livres et un écart type de livres. a) Posez les hypothèses. b) Quelle est le seuil descriptif ou p-value du test? c) En utilisant la question a), quelle décision doit prendre la compagnie au seuil de 5%? a) On a H 0 :µ = 30 H 1 :µ < 30 8
9 b) On a α p = PX ( < 9.6) avec µ = 30 et α p = Pt ( < ) = 3.87% ( ) 80 c) Comme 5% > α p, on rejette H 0. Exercice 9. Une étude sur l économie de carburant a été menée sur deux modèles de voitures. Une voiture de chaque modèle a été choisie et on a observé leurs performances en milles par gallon pour gallons d essence dans chaque voiture. On suppose que la performance de chaque modèle est distribuée normalement. les statistiques suivantes ont été obtenues : Modèle 1 Modèle a) Peut-on conclure à l égalité des variances. Utiliserα = 5%. b) Peut-on conclure que la performance moyenne du modèle 1 est supérieure à celle du modèle? Utiliserα = 5%. Solution. a) Les hypothèses sont: H : σ σ 0 1 = H1: σ1 σ. On a α = 5% et la statistique du test est 1 S F =. On rejettera H 0 si F > F0.05 S,9,9 = 4.06 ou F < = La valeur observée de F est F1 0.05,9,9 n est pas située dans la zone de rejet de H F = = 0.81 et elle 1.8 9
10 b) Les hypothèses sont: H 0: µ 1 µ test est X1 X t = S 1 1 c + n n observée de t est 1 = H 1: µ 1 µ >. On a α = 5% et la statistique du. On rejettera H si 0 t > t0.05,18 = La valeur t = =. L hypothèse H 0 est rejetée. On peut conclure que la performance moyenne du modèle 1 est supérieure à celle du modèle.
Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en 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 détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailLa 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 détailLE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION
LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs
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 détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailComment s exerce l autorisation parentale de sortie de l enfant du territoire national ou l opposition à cette sortie?
Comment s exerce l autorisation parentale de sortie de l enfant du territoire national ou l opposition à cette sortie? En cas d autorité parentale exclusive, c est la liberté ; le parent la détenant pouvant
Plus en détailI. - LES FAITS NÉCESSITANT LA MISE EN ŒUVRE DE LA PROCÉDURE SPÉCIFIQUE D URGENCE A.
MINISTÈRE DES AFFAIRES SOCIALES, DU TRAVAIL ET DE LA SOLIDARITÉ Délégation générale à l emploi et à la formation professionnelle Sous-direction des formations en alternance et de l insertion des jeunes
Plus en détailRecommandation M96-04 du Bureau (le 25 avril 1996)
RÉÉVALUATION DES RÉPONSES DE TRANSPORTS CANADA À LA RECOMMANDATION EN MATIÈRE DE SÉCURITÉ MARITIME M96-04 NORMES DE CONSTRUCTION ET INSPECTION PAR TRANSPORTS CANADA Introduction Le 11 août 1993, le Tan
Plus en détailRégie du Bâtiment Société pour la résolution des conflits Inc. Plan de garantie no:055148 Dossier 041223001
Régie du Bâtiment Soreconi Société pour la résolution des conflits Inc. Plan de garantie no:055148 Dossier 041223001 Lucie Lacasse, es qualité de représentante du Syndicat de la copropriété de l Ilot des
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailLES DECIMALES DE π BERNARD EGGER
LES DECIMALES DE π BERNARD EGGER La génération de suites de nombres pseudo aléatoires est un enjeu essentiel pour la simulation. Si comme le dit B Ycard dans le cours écrit pour le logiciel SEL, «Paradoxalement,
Plus en détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16
ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailPlan de la Formation. GESTION de PROJET
Plan de la Formation GESTION de PROJET Toutes les bases et fondamentaux de la Gestion de Projet Intitule de la Formation GESTION de PROJET Objectifs Les Objectifs de la formation sont de vous fournir une
Plus en détailLA VALEUR AJOUTEÉ DE LA TIERCE PARTIE EN INSPECTION ET CERTIFICATION
INTERNATIONAL CONFEDERATION OF INSPECTION AND CERTIFICATION ORGANISATIONS LA VALEUR AJOUTEÉ DE LA TIERCE PARTIE EN INSPECTION ET CERTIFICATION QUI SOMMES NOUS ET QUE FAISONS NOUS? CEOC international est
Plus en détailEfficacité des Modules Maintenance dans les ERP.
Efficacité des Modules Maintenance dans les ERP. Les progiciels ERP (Entreprise Ressource Planning) proposent l ensemble des modules permettant de gérer une entreprise. Mais le module Maintenance est souvent
Plus en détailEPREUVES AU CHOIX DU CANDIDAT. Durée : De 09 h 00 à 12 h 00 (Heure de Yaoundé, TU + 1)
1 CYCLE MST-A 30 JUIN 2010 10 ème Promotion 2010 / 2012 CONCOURS D ENTREE A L IIA DROIT EPREUVES AU CHOIX DU CANDIDAT Durée : De 09 h 00 à 12 h 00 (Heure de Yaoundé, TU + 1) Le candidat traitera au choix
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailpar Maxime Lalonde-Filion
ANALYSE DES IMPACTS ÉNERGÉTIQUES ET ENVIRONNEMENTAUX ASSOCIÉS À L'IMPLANTATION MASSIVE DES VÉHICULES HYBRIDES ÉLECTRIQUES RECHARGÉS PAR LE RÉSEAU (PLUG-IN HYBRID ELECTRIC VEHICLE : PHEV) AUX ÉTATS-UNIS
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailEconométrie et applications
Econométrie et applications Ecole des Ponts ParisTech Département Sciences Economiques Gestion Finance Nicolas Jacquemet (nicolas.jacquemet@univ-paris1.fr) Université Paris 1 & Ecole d Economie de Paris
Plus en détailRèglement jeu concours gratuit sans obligation d achat «Opération VIP Partouche Poker tour»
Règlement jeu concours gratuit sans obligation d achat «Opération VIP Partouche Poker tour» Toute personne qui participe au jeu accepte sans réserve l intégralité des clauses contenues au présent règlement.
Plus en détailBien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction
Antécédents d un nombre par une fonction 1) Par lecture graphique Méthode / Explications : Pour déterminer le ou les antécédents d un nombre a donné, on trace la droite (d) d équation. On lit les abscisses
Plus en détailRèglement du concours de dessin «Mon éolienne est la plus originale»
Règlement du concours de dessin «Mon éolienne est la plus originale» Article 1 : Organisateur du concours L association France Energie Eolienne, située au 12 rue Vivienne, 75002 Paris, SIRET n 432 446
Plus en détailL assurance de la qualité à votre service
Atelier L assurance de la qualité à votre service Présentation de Jean-Marie Richard 24 et 25 novembre Sujets Qu est-ce que l assurance de la qualité? Initiation aux concepts de l assurance de la qualité.
Plus en détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en détailI. S. F. ET DELOCALISATIONS FISCALES UN IMPACT DIFFICILE A MESURER FAUTE D UN TABLEAU DE BORD SATISFAISANT
I. S. F. ET DELOCALISATIONS FISCALES UN IMPACT DIFFICILE A MESURER FAUTE D UN TABLEAU DE BORD SATISFAISANT Communication de M. Philippe Marini Rapporteur général I. LES DERNIERES DONNEES SUR LES DELOCALISATIONS
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
Plus en détailMarché à procédure adaptée REGLEMENT DE CONSULTATION MARCHE DE SERVICE
Agglomération de Reims Métropole Marché à procédure adaptée REGLEMENT DE CONSULTATION MARCHE DE SERVICE MISSION DE BASE DE MAîTRISE D ŒUVRE (LOI MOP) POUR L EXTENSION DE L ECOLE MATERNELLE DU QUARTIER
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
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 détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en 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 détail25/01/05 TD Entrepôt de données IHS / Master ICA
Une compagnie d assurance de biens (automobile, immobilier, responsabilité civile) possède une application transactionnelle de production permet de gérer les polices (contrats) de ses clients ainsi que
Plus en détailMise en œuvre des filets de sécurité en grandes nappes
RECOMMANDATION R 446 Recommandation adoptée par le comité technique national du bâtiment et des travaux publics lors de sa réunion du 14 mai 2009. Cette recommandation annule et remplace la recommandation
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailEvaluation de la variabilité d'un système de mesure
Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les
Plus en détailScience et technique. La température et la durée de stockage sont des facteurs déterminants. Viande bovine et micro-organisme pathogène
Science et technique Viande bovine et micro-organisme pathogène La température et la durée de stockage sont des facteurs déterminants La contamination des carcasses lors des opérations d abattage et la
Plus en détailFormation PME Comptabilité analytique (ou comptabilité d exploitation)
Formation PME Comptabilité analytique (ou comptabilité d exploitation) Fit for Business (PME)? Pour plus de détails sur les cycles de formation PME et sur les businesstools, aller sous www.banquecoop.ch/business
Plus en détailBTS MUC E4 : MGUC code : MUMGUC-CORRIGÉ
BTS MUC E4 : MGUC code : MUMGUC-CORRIGÉ Corrigé indicatif Cas CHRONODRIVE DOSSIER 1 : LES PERFORMANCES DU DRIVE 24pts 1.1 Construisez et complétez un tableau de bord pour les deux magasins CHRONODRIVE
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailSéminaire CRM Les directions de recherche et les perspectives du Customer Relationship Management 1
Faculté des Sciences économiques et sociales de l Université de Fribourg Séminaire CRM Les directions de recherche et les perspectives du Customer Relationship Management 1 Séminaire présenté auprès de
Plus en détailGuide du Compte d épargne libre d impôt
PLACEMENTS Compte d épargne libre d impôt Guide du Compte d épargne libre d impôt L épargne est un élément important de tout plan financier. L atteinte de vos objectifs en dépend, qu il s agisse d objectifs
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 détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailBAX MC Contrats à terme sur acceptations bancaires canadiennes de trois mois
BAX MC Contrats à terme sur acceptations bancaires canadiennes de trois mois Groupe TMX Actions Bourse de Toronto Bourse de croissance TSX Equicom Produits dérivés Bourse de Montréal CDCC Marché climatique
Plus en détailLes réponses à vos questions
Vous trouverez ci-dessous les réponses aux questions les plus fréquentes. Si vous ne trouvez pas les informations que vous recherchez, n hésitez pas à nous contacter. IMPORTANT: les Champions de la Bourse
Plus en détailGuide pratique. Pour une recherche efficace de sponsors
Guide pratique Pour une recherche efficace de sponsors Guide Pratique Association Interfédérale du Sport Francophone asbl Quai de Rome 53 4000 LIEGE Tél.: 04/344 46 06 Fax: 04/344 46 01 E-mail: info@aisf.be
Plus en détailMenu INVEST STORE. COMMENT VOUS CONNECTER SUR VOTRE CAEL AVEC OPTION BOURSE : Adresse du site www.ca-normandie.fr
MODE D EMPLOI INVEST STORE INITIAL Consultez vos comptes 24 h/ 24-7 j / 7 Bourse et OPCVM en ligne à tout moment Rapide Facile Pratique VOTRE ACCES BOURSE DISPONIBLE A TOUT MOMENT COMMENT VOUS CONNECTER
Plus en détailGEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau
GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles
Plus en détailComprendre le rechapage. Les pneus rechapés sont aussi sûrs et durables que n importe quel pneu neuf similaire
Comprendre le rechapage Pourquoi rechaper? Excellent rapport qualité-prix Que vous soyez un automobiliste à la recherche de façons d étirer le budget familial ou un gestionnaire de flotte qui achète des
Plus en détailGestion de projet- Indicateurs de performance
GESTION DE PROJET Pour réaliser ce Tp, vous devez disposer du contexte Itaste et d'un accès à la base de données Itaste, hébergée sur notre serveur de bases de données de production. Vous utiliserez Microsoft
Plus en détail45. CONTRIBUTION MUTUALISEE DES CLUBS AU DEVELOPPEMENT REGIONAL (C.M.C.D.)
44. LES INSTANCES DIRIGEANTES 44. LES CLUBS 45. CONTRIBUTION MUTUALISEE DES CLUBS AU DEVELOPPEMENT REGIONAL (C.M.C.D.) 44 Principes généraux 45 Présentation du dispositif 50 Contrôle du dispositif régional
Plus en détailLOI CONSOMMATION. Suppression des frais de restitution de dossier en cas de changement d autoécole
LOI CONSOMMATION La loi consommation du 17 mars 2014 redonne du pouvoir au consommateur. Nous vous proposons de découvrir cette série de mesures en faveur des français selon différentes thématiques : VOITURE
Plus en détailECONOMIE ET SOCIETE (GESTION)
REPUBLIQUE ET CANTON DE GENEVE Département de l'instruction publique, de la culture et du sport Enseignement secondaire II Direction générale CFP Commerce EXAMEN D'ADMISSION EN 2CFCI Nom... Prénom... Signature...
Plus en détailUne variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants)
CIVILITE-SES.doc - 1 - Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants) 1 PRÉSENTATION DU DOSSIER CIVILITE On s intéresse
Plus en détailMarchés publics de fournitures et services EMISSION DE CARTES D ACHATS ET PRESTATIONS ANNEXES CAHIER DES CLAUSES TECHNIQUES PARTICULIERES (C.C.T.P.
Marchés publics de fournitures et services EMISSION DE CARTES D ACHATS ET PRESTATIONS ANNEXES CAHIER DES CLAUSES TECHNIQUES PARTICULIERES (C.C.T.P.) Pouvoir adjudicateur : Ecole supérieure d art des Pyrénées
Plus en détailPROGRAMMES D ENTRETIEN
Page 1 sur 10 1 OBJET La présente fiche a pour objet de réunir les directives nécessaires à l élaboration du programme d entretien d un aéronef des catégories de ceux utilisés dans le vol à voile (remorqueurs,
Plus en détailCALCUL DES PROBABILITES
CALCUL DES PROBABILITES Exemple On lance une pièce de monnaie une fois. Ensemble des événements élémentaires: E = pile, face. La chance pour obtenir pile vaut 50 %, pour obtenir face vaut aussi 50 %. Les
Plus en détailREGLEMENT DU JEU CONCOURS «CAMPAGNE ESTIVALE TOTAL TUNISIE»
REGLEMENT DU JEU CONCOURS «CAMPAGNE ESTIVALE TOTAL TUNISIE» Article 1.Organisateur La société 3SG BBDO dont le siège social sis au 41 Rue Marbella, Riadh El Andlous 2058 Ariana, RC, AB 156282002 organise
Plus en détailir value.com Le Fundamental Value Indicator
éducatif Le Fundamental Value Indicator Le Fundamental Value Indicator (voir image en page 6) brosse en un tableau la valeur d une entreprise et de son équipe dirigeante. Il illustre en une seule image
Plus en détailFICHE 1 Fiche à destination des enseignants
FICHE 1 Fiche à destination des enseignants 1S 8 (b) Un entretien d embauche autour de l eau de Dakin Type d'activité Activité expérimentale avec démarche d investigation Dans cette version, l élève est
Plus en détailValue at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061
Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain
Plus en détailComprendre le financement des placements par emprunt. Prêts placement
Comprendre le financement des placements par emprunt Prêts placement Comprendre le financement des placements par emprunt Le financement des placements par emprunt consiste simplement à emprunter pour
Plus en détailCONVENTION DE STAGE ÉTUDIANT
CONVENTION DE STAGE ÉTUDIANT AVERTISSEMENT Les personnes qui sollicitent le bénéfice d une convention de stage doivent être obligatoirement inscrites et participer réellement à un cycle de formation ou
Plus en détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailDécision du Défenseur des droits n MLD-2011-89
Paris, le 12 janvier 2012 Décision du Défenseur des droits n MLD-2011-89 Vu l article 71-1 de la Constitution du 4 octobre 1958 ; Vu la loi organique n 2011-333 du 29 mars 2011 relative au Défenseur des
Plus en détailExposé d étude : Sage 100 gestion commerciale
Exposé d étude : Sage 100 gestion commerciale Présenté par : Demb Cheickysoul 1 INTRODUCTION Parfaitement adapté à l organisation de l entreprise par sa puissance de paramétrage, Sage 100 Gestion Commerciale
Plus en détailOFFRE COMMERCIALE D ASSURANCE
OFFRE COMMERCIALE D ASSURANCE DECOUVRIR ALLIANCE Assurances : ALLIANCE Assurances est une Société par ac ons à capitaux privés na onaux. Elle a débuté ses ac vités en 2005. Le volume des primes collectées
Plus en détailRédaction d un Plan d affaires
Rédaction d un Plan d affaires Catherine Raymond 2001 INTRODUCTION Raisons qui ont motivé la rédaction du plan d affaires Personnes ou organismes qui ont collaboré à l élaboration du plan d affaires Sommaire
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détailDélibération n 2010-207 du 27 septembre 2010
Délibération n 2010-207 du 27 septembre 2010 Âge Accès aux crédits à la consommation Recommandations L établissement de crédit X, filiale de F, a refusé d attribuer une carte de paiement adossée à une
Plus en détailLE COSMODETECTEUR : UN EXEMPLE DE CHAÎNE DE MESURE
LE COSMODETECTEUR : UN EXEMPLE DE CHAÎNE DE MESURE Enseignement : 1 ère STL Mesures et instrumentation Thème : Instrumentation : Instruments de mesure, chaîne de mesure numérique Notions et contenus :
Plus en détailValidation des processus de production et de préparation du service (incluant le logiciel)
Validation des processus de production et de préparation du service (incluant le logiciel) Traduction non officielle du document Réponses et décisions de EK-Med 3.9 B 18 publié sur le site Web de l organisme
Plus en détailGStock 2.00.0. La gestion commerciale, stock et facturation qui vous correspond. Les apports de GStock 2.00.0 pour votre entreprise :
GStock 2.00.0 La gestion commerciale, stock et facturation qui vous correspond GStock 2.00.0 se veut résolument simple et complet, pour s adapter facilement à votre métier, en maintenant votre inventaire
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailRapport. Mesures de champ de très basses fréquences à proximité d antennes de stations de base GSM et UMTS
Rapport Mesures de champ de très basses fréquences à proximité d antennes de stations de base GSM et UMTS A.AZOULAY T.LETERTRE R. DE LACERDA Convention AFSSET / Supélec 2009-1 - 1. Introduction Dans le
Plus en détailChapitre 2 Introduction aux objectifs des coûts. Pr. Zoubida SAMLAL-Doctorante en Risk Management MBA, CFA
Chapitre 2 Introduction aux objectifs des coûts Pr. Zoubida SAMLAL-Doctorante en Risk Management MBA, CFA Objectif du chapitre Faire la différence entre les coûts et les charges Définir les inducteurs
Plus en détailSERVEUR DE SAUVEGARDE POUR BCDI3. par. G.Haberer, A.Peuch, P.Saadé
SERVEUR DE SAUVEGARDE POUR BCDI3 par G.Haberer, A.Peuch, P.Saadé Table des matières 1. Introduction........................................................................ 2 1.1. Objectif....................................................................
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailMODELE A CORRECTION D ERREUR ET APPLICATIONS
MODELE A CORRECTION D ERREUR ET APPLICATIONS Hélène HAMISULTANE Bibliographie : Bourbonnais R. (2000), Econométrie, DUNOD. Lardic S. et Mignon V. (2002), Econométrie des Séries Temporelles Macroéconomiques
Plus en détailCoûts, avantages et inconvénients des différents moyens de paiement
Coûts, avantages et inconvénients des différents moyens de paiement Présentation de l'étude de la Banque nationale de Belgique à la conférence de l'esta (Valence, le 15 mai 2006) Historique de l'étude
Plus en détail