STAT-I301 Chapitre VII: ANOVA. Caroline Verhoeven
|
|
- Martial Bonin
- il y a 7 ans
- Total affichages :
Transcription
1 STAT-I301 Chapitre VII: ANOVA Caroline Verhoeven
2 Table des matières 1 Introduction 2 ANOVA à 1 facteur 3 Test de Tukey Caroline Verhoeven STAT-I301 2 / 22
3 1. Introduction Augmentation du risque d erreur du type I : Exemple I Exemple 1 En 1995, Inaudi et al. ont publié un article satirique dans le journal Annals of Improbable Research. Sujet de l article : l effet papillon : le battement d ailes d un papillon peut avoir des grands effets, tels que le création d un ouragan sur un autre continent. Caroline Verhoeven STAT-I301 3 / 22
4 1. Introduction Augmentation du risque d erreur du type I : Exemple II Exemple 1 Les chercheurs on attrapé des douzaines de papillons et ont enregistré quotidiennement si ils battaient des ailes ou non en Suisse et ont téléphoné tous les jours à leur copine à Paris, pour demander si il pleut. A la fin de l étude, ils ont testé, pour chaque papillon, si il y avait un lien entre leur battement d ailes et la pluie à Paris. Ils ont trouvé un papillon dont les jours des battement d ailes était fortement corrélés avec les jours de pluie à Paris. Ils ont donc montré le lien entre les 2. Leur erreur statistique : Si on fait suffisamment de tests, il y en aura bien un statistiquement significatif Si on effectue N test indépendant avec un niveau significatif α, la probabilité de ne pas faire d erreur du type I est (1 α) N. La probabilité de faire au moins 1 erreur du type I est 1 (1 α) N. Caroline Verhoeven STAT-I301 4 / 22
5 ANOVA à 1 facteur : Exemple I Quand change de zone horaire, on souffre du décalage horaire. Ensuite, on s adapte au cycle lumineux perçu par l oeil et on resynchronise notre rythme circadien. Le changement dans ce rythme se nomme un shift. En 1998, Campbell et Murphy ont déclaré que ce shift pouvait également se faire en illuminant l arrière du genoux. Le résultat fut très controversé Caroline Verhoeven STAT-I301 5 / 22
6 ANOVA à 1 facteur : Exemple II En 2002, Wright et Czeisler ont réétudié ce phénomène. Ils ont mesuré le cycle de production de mélatonine chez N = 22 sujets aléatoirement soumis à un des 3 traitement suivants. Ils ont été réveillé durant leur sommeil et soumis à une forte lumière dans les yeux, à l arrière du genoux ou à aucune lumière, durant une période de 3 heures. Après 2 jours, on a mesuré leur cycle de mélatonine. Le shift (en heures) est donnés pour chaque groupe sur le slide suivant. Un shift négatif montre un retard dans la production de mélatonine Caroline Verhoeven STAT-I301 6 / 22
7 ANOVA à 1 facteur : Exemple III contrôle genoux yeux 0,53 0,73-0,78 0,36 0,31-0,86 0,20 0,03-1,35-0,37-0,29-1,48-0,60-0,56-1,52-0,64-0,96-2,04-0,68-1,61-2,83-1,27 groupe 1 : contrôle, N 1 = 8 groupe 2 : genoux, N 2 = 7 groupe 3 : yeux, N 3 = 7 Caroline Verhoeven STAT-I301 7 / 22
8 ANOVA à 1 facteur : Principe Ne pas faire plusieurs test 2 groupes par 2 groupes! ANOVA : généralisation du test t pour 2 échantillons indépendants, vers k > 2 échantillons indépendants Formulation des hypothèses H 0 : µ 1 = µ 2 = = µ k H a : Au moins une des moyennes est différentes des autres ANOVA : ANalysis Of VAriance Principe : Comparer la variabilité entre les groupes avec celle à l intérieur des groupes Caroline Verhoeven STAT-I301 8 / 22
9 ANOVA à 1 facteur : Notations k : Nombre d échantillons x ij : mesure pour le sujet i du groupe j x j : moyenne des mesures du groupe j x : Moyenne globale de toutes les mesures N j : Nombre de sujets du groupe j N : Nombre total de sujets Caroline Verhoeven STAT-I301 9 / 22
10 ANOVA : Calcul et Résolution de l exemple I x ij x = (x ij x j ) variation intra-groupes + (x j x) variation inter-groupes Exemple 2 0,5 0,5 0,5 0,5 0,5 0,5 1,5 1,5 1,5 2,5 contr. gen. yeux 2,5 contr. gen. yeux 2,5 contr. gen. yeux x x 1, x 2, x 3 Caroline Verhoeven STAT-I / 22
11 ANOVA : Calcul et Résolution de l exemple II Calcul de la variance inter-groupes MS B = k j=1 N j(x j x) 2 k 1 Exemple 2 x 1 = 0, 31, x 2 = 0, 34 x 3 = 1, 55 x = 0, 71 MS B = 1 2 = 3, 61 (8( 0, 31+0, 71) 2 + 7( 0, 34+0, 71) 2 + 7( 1, 55+0, 71) 2) Caroline Verhoeven STAT-I / 22
12 ANOVA : Calcul et Résolution de l exemple III Calcul de la variance intra-groupes MS W = N1 i=1 (x i1 x 1 ) 2 + N 2 i=1 (x i2 x 2 ) N k i=1 (x ik x k ) 2 N k Exemple 2 x i1 x i2 x i3 (x i1 x 1 ) 2 (x i2 x 2 ) 2 (x i3 x 3 ) 2 0,53 0,73-0,78 0,70 1,14 0,60 0,36 0,31-0,86 0,45 0,42 0,48 0,20 0,03-1,35 0,26 0,13 0,04-0,37-0,29-1,48 0,00 0,00 0,01-0,60-0,56-1,52 0,08 0,05 0,00-0,64-0,96-2,04 0,11 0,39 0,24-0,68-1,61-2,83 0,14 1,62 1,63-1,27 0,92 2,67 3,75 2,99 Caroline Verhoeven STAT-I / 22
13 ANOVA : Calcul et Résolution de l exemple IV Exemple 2 MS W = 2, 67+3, 75+2, = 0, 50 Caroline Verhoeven STAT-I / 22
14 ANOVA : Calcul et Résolution de l exemple IV On veut comparer MS B et MS W On calcule le rapport entre les 2 f = MS B MS W, F F(k 1, N k) Si H 0 est vraie, on s attend à ce que f = 1 SI H a est vraie, on s attend à ce que f > 1 Caroline Verhoeven STAT-I / 22
15 ANOVA : Calcul et Résolution de l exemple V Exemple 2 On veut savoir si au moins un des groupes a en moyenne un shift différent dans son rythme circadien, avec un niveau significatif α = 0, 05. On a f = MS B 3, 61 = MS W 0, 50 Calcul de la valeur p = 7, 29, F F(2, 19) p = P(F > 7, 29) = 0, 0045 < α = 0, 05 On rejette H 0 1,0 0,8 0,6 0,4 0,2 3,52 f Caroline Verhoeven STAT-I / 22
16 ANOVA à 1 facteur : Conditions Les échantillons doivent être aléatoires simples Les échantillons doivent être indépendants Il faut que σ 1 = σ 2 = = σ k Pour vérifier cela, on a le test de Levene Il faut que la variable soit distribuée normalement pour les k populations Il existe des alternatives non paramétrique au test fait ici : le test de Kruskall-Wallis Caroline Verhoeven STAT-I / 22
17 Après l ANOVA 2. ANOVA à 1 facteur L ANOVA ne permet de détecter que si toutes les moyennes sont les mêmes ou si au moins une est différente. Comment savoir lesquelles sont différentes? Si on ne rejette pas H 0 : on peut s arrêter Si on rejette H 0 : Il y a différentes possibilités (tests de comparaison multiples) : Bonferroni Tukey Dunnett Sidak... Caroline Verhoeven STAT-I / 22
18 3. Test de Tukey Test de Tukey : Principe Ce test compare la moyenne entre toutes les combinaisons possibles de 2 groupes Ce test suppose que l hypothèse nulle a été rejetée Ce test garantit que le risque de faire une erreur du type I à travers tous les testes reste en dessous du niveau α Formulation des hypothèses pour chaque test : Considérons les populations j 1 et j 2 avec respectivement les moyennes µ j1 et µ j2 : H 0 : µ j1 µ j2 = 0 H a : µ j1 µ j2 0 Caroline Verhoeven STAT-I / 22
19 3. Test de Tukey Test de Tukey : Calcul et résolution de l exemple I 1 On classe les groupes de manière à ce que leur moyenne soit en ordre décroissant Exemple 2 On veut voir dans notre exemple du rythme circadien quelles moyennes son différentes les unes des autres avec α = 0, 05. On a : yeux genoux contrôle x 1 x 2 x 3-0,31-0,34-1,55 Caroline Verhoeven STAT-I / 22
20 3. Test de Tukey Test de Tukey : Calcul et résolution de l exemple II 2 On prend la différence entre les moyennes 3 On calcule une erreur standard s j1,j 2 basée sur MS W : s j1,j 2 = MS W ( 1 N j1 + 1 N j2 ) Exemple 2 groupe j 1 groupe j 2 x j1 x j2 s j1,j 2 contrôle genoux 0,027 0,364 contrôle yeux 1,243 0,376 genoux yeux 1,216 0,364 Caroline Verhoeven STAT-I / 22
21 3. Test de Tukey Test de Tukey : Calcul et résolution de l exemple III 4 On calcule la statistique q j1,j 2 q j1,j 2 = x j 1 x j2 s j1,j 2 5 On compare q j1,j 2 à la valeur q α;k;n k dans le tableau Exemple 2 Si q j1,j 2 q α;k;n k On rejette H 0 Si q j1,j 2 < q α;k;n k On ne rejette pas H 0 groupe j 1 groupe j 2 x j1 x j2 s j1,j 2 q j1,j 2 q 0,05;3;19 Résultat contrôle genoux 0,027 0,364 0,074 2,54 NRH 0 contrôle yeux 1,243 0,376 3,411 2,54 RH 0 genoux yeux 1,216 0,364 3,231 2,54 RH 0 Caroline Verhoeven STAT-I / 22
22 3. Test de Tukey Test de Tukey : Conditions Les mêmes conditions que l ANOVA En principe : le nombre de sujets doit être le même pour les k échantillons. Si ce n est pas le cas, la puissance baisse. Caroline Verhoeven STAT-I / 22
IRBMS. Institut Régional de Biologie et de Médecine du Sport N ORD PAS- DE-CALAIS WWW. IRBMS. COM. Titre : «DECALAGE HORAIRE ET SPORT»
IRBMS http://www.irbms.com Institut Régional de Biologie et de Médecine du Sport N ORD PAS- DE-CALAIS WWW. IRBMS. COM Titre : «DECALAGE HORAIRE ET SPORT» Auteur(s) : J.-D. Guieu Catégorie : Sport Santé
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 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 détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailSommeil et sport Dr. Arnaud PRIGENT (Pneumologue à St LAURENT) sport et sommeil 01/06/2010
Sommeil et sport Structure du sommeil Au cours du sommeil, on repère 2 principaux types de sommeil : Le sommeil lent. Le sommeil paradoxal. Processus de régulation 3 processus: - circadienne (processus
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 détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailEn cause, un rythme biologique qui ne reçoit plus l'indicateur indispensable à sa bonne synchronisation : la lumière du jour.
ORIGINES Saviez-vous que les astronautes séjournant à bord de la Station Spatiale Internationale voient le soleil se lever et se coucher toutes les 90 minutes? Oui. 16 fois par jour de quoi avoir du mal
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailCours 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 détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
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 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 détailSi la source se rapproche alors v<0 Donc λ- λo <0. La longueur d onde perçue est donc plus petite que si la source était immobile
Red shift or blue shift, that is the question. a) Quand une source d onde se rapproche d un observateur immobile, la longueur d onde λ perçue par l observateur est-elle plus grande ou plus petite que λo
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détail2010 Minitab, Inc. Tous droits réservés. Version 16.1.0 Minitab, le logo Minitab, Quality Companion by Minitab et Quality Trainer by Minitab sont des
2010 Minitab, Inc. Tous droits réservés. Version 16.1.0 Minitab, le logo Minitab, Quality Companion by Minitab et Quality Trainer by Minitab sont des marques déposées de Minitab, Inc. aux Etats-Unis et
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 détailL approche de régression par discontinuité. Thomas Lemieux, UBC Atelier de formation du Congrès de l ASDEQ Le 18 mai 2011
L approche de régression par discontinuité Thomas Lemieux, UBC Atelier de formation du Congrès de l ASDEQ Le 18 mai 2011 Plan de la présentation L approche de régression par discontinuité (RD) Historique
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailStatistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014
Tests du χ 2 Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 A. Lourme http://alexandrelourme.free.fr Outline
Plus en détailRevenu net 2,509,803 101,280 113,506 115,765 119,401
Propr. VPN 2011 2012 2013 2014 C 49 50 51 52 S 47 48 49 50 C 0 100,000 116,555 134,383 153,941 S 0 0 6,536 13,778 21,811 C 0 35,000 39,869 39,859 33,783 C 5,000 10,931 S 0 35,000 37,869 35,694 27,739 S
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 détailGestion des Clés Publiques (PKI)
Chapitre 3 Gestion des Clés Publiques (PKI) L infrastructure de gestion de clés publiques (PKI : Public Key Infrastructure) représente l ensemble des moyens matériels et logiciels assurant la gestion des
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 détailLA LUMIERE DYNAMIQUE DESORMAIS A LA PORTEE DE TOUS
Lumière dynamique LA LUMIERE DYNAMIQUE DESORMAIS A LA PORTEE DE TOUS L apport de dynamique dans l intensité, la couleur et la répartition de la lumière (artificielle) a de nombreuses applications. Vous
Plus en détailSommeil, fatigue au volant et jeunes conducteurs
06 NOVEMBRE 2014 Sommeil, fatigue au volant et jeunes conducteurs Roger Godbout, Ph.D. Laboratoire et Clinique du sommeil, Hôpital Rivière-des-Prairies Département de psychiatrie, Université de Montréal
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
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 détailGestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes.
Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes. LE QUERE Yann, SEVAUX Marc, TRENTESAUX Damien, TAHON Christian Equipe Systèmes de Production
Plus en détailSimplifiez votre implantation a l etranger
Vous accompagner à chaque étape de votre projet international VOUS INFORMER, NOUS CONTACTER Une expertise reconnue de l aide à l implantation dans tous les secteurs d activités Une connaissance approfondie
Plus en détailOptimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie
Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie 1 Présenté par: Yacine KESSACI Encadrement : N. MELAB E-G. TALBI 31/05/2011 Plan 2 Motivation
Plus en détailIFT3245. Simulation et modèles
IFT 3245 Simulation et modèles DIRO Université de Montréal Automne 2012 Tests statistiques L étude des propriétés théoriques d un générateur ne suffit; il estindispensable de recourir à des tests statistiques
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 détailPRENOM NOM DE L ENTREPRISE DATE DU STAGE METIER
NOM DATE DU STAGE METIER PRENOM NOM DE L ENTREPRISE L ENTREPRISE L ENTREPRISE Dates du stage :... Nom de l entreprise :.. Adresse de l entreprise :...... Que fait-on dans cette entreprise?. Combien de
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en détailMinimisation de la somme des retards dans un jobshop flexible
Minimisation de la somme des retards dans un jobshop flexible Nozha ZRIBI, Imed KACEM, Abdelkader EL KAMEL, Pierre BORNE LAGIS Ecole Centrale de Lille, BP 48, 5965 Villeneuve d Ascq Cedex, France ISTIT
Plus en détailEssais précoces non comparatifs : principes et calcul du nombre de sujets nécessaire
Essais précoces non comparatifs : principes et calcul du nombre de sujets nécessaire Sylvie CHABAUD Direction de la Recherche Clinique et de l Innovation : Centre Léon Bérard - Lyon Unité de Biostatistique
Plus en détailL effet régulateur des moteurs de recherche. MICHEL Laurent
L effet régulateur des moteurs de recherche MICHEL Laurent 3 février 26 Table des matières Mesure de la qualité d une page Web : l algorithme PageRank 4. L algorithme......................................
Plus en détailLa valeur présente (ou actuelle) d une annuité, si elle est constante, est donc aussi calculable par cette fonction : VA = A [(1-1/(1+k) T )/k]
Evaluation de la rentabilité d un projet d investissement La décision d investir dans un quelconque projet se base principalement sur l évaluation de son intérêt économique et par conséquent, du calcul
Plus en détailL Econométrie des Données de Panel
Ecole Doctorale Edocif Séminaire Méthodologique L Econométrie des Données de Panel Modèles Linéaires Simples Christophe HURLIN L Econométrie des Données de Panel 2 Figure.: Présentation Le but de ce séminaire
Plus en détailModèles et Méthodes de Réservation
Modèles et Méthodes de Réservation Petit Cours donné à l Université de Strasbourg en Mai 2003 par Klaus D Schmidt Lehrstuhl für Versicherungsmathematik Technische Universität Dresden D 01062 Dresden E
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 détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détail03/04/2007. Tâche 1 Tâche 2 Tâche 3. Système Unix. Time sharing
3/4/27 Programmation Avancée Multimédia Multithreading Benoît Piranda Équipe SISAR Université de Marne La Vallée Besoin Programmes à traitements simultanés Réseau Réseau Afficher une animation en temps
Plus en détailTransformations nucléaires
Transformations nucléaires Stabilité et instabilité des noyaux : Le noyau d un atome associé à un élément est représenté par le symbole A : nombre de masse = nombre de nucléons (protons + neutrons) Z :
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 détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailListe des Paramètres 2FC4...-1ST 2FC4...-1PB 2FC4...-1PN 2FC4...-1SC 2FC4...-1CB
Édi 07.2014 610.00260.50.650 Instrucs service d'origine Français Liste s Paramètres 2FC4...-1ST 2FC4...-1PB 2FC4...-1PN 2FC4...-1SC 2FC4...-1CB 1Liste s 1 Liste s Descrip s s 1.020 Fréquence minimale 1.021
Plus en détailMobilité bancaire : des mythes à la réalité 2 milliards d euros de pouvoir d achat économisables. UFC-Que Choisir, 9 décembre 2014
Mobilité bancaire : des mythes à la réalité 2 milliards d euros de pouvoir d achat économisables UFC-Que Choisir, 9 décembre 2014 1 La mobilité bancaire au croisement de plusieurs actualités Une actualité
Plus en détailLA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE
LA PHYSIQUE DES MATERIAUX Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE Pr. A. Belayachi Université Mohammed V Agdal Faculté des Sciences Rabat Département de Physique - L.P.M belayach@fsr.ac.ma 1 1.Le réseau
Plus en détailLa crise économique vue par les salariés français
La crise économique vue par les salariés français Étude du lien entre la performance sociale et le contexte socioéconomique Baggio, S. et Sutter, P.-E. La présente étude s intéresse au lien entre cette
Plus en détailAnalyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9
Analyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9 L analyse de variance à un facteur permet de vérifier, moyennant certaines hypothèses, si un facteur (un critère de classification,
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 détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailBiostatistiques : Petits effectifs
Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l
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 détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailLes grands principes d un programme de fidélisation
Chapitre 16 Les différents types de programmes de fidélisation Partie 4 483 l essai d une offre concurrente. Un programme de fidélisation peut aussi se révéler particulièrement utile pour effacer une mauvaise
Plus en détailLe taux d'actualisation en assurance
The Geneva Papers on Risk and Insurance, 13 (No 48, July 88), 265-272 Le taux d'actualisation en assurance par Pierre Devolder* Introduction Le taux d'actualisation joue un role determinant dans Ia vie
Plus en 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 détailEVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO
EVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO Auteur Baguinébié Bazongo 1 Ingénieur Statisticien Economiste Chef de l Unité de recherche à l Institut national
Plus en détailMathématiques financières
Mathématique financière à court terme I) Les Intérêts : Intérêts simples Mathématiques financières - Intérêts terme échu et terme à échoir - Taux terme échu i u équivalent à un taux terme à échoir i r
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailLagrange, où λ 1 est pour la contrainte sur µ p ).
Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i
Plus en détailModélisation du comportement habituel de la personne en smarthome
Modélisation du comportement habituel de la personne en smarthome Arnaud Paris, Selma Arbaoui, Nathalie Cislo, Adnen El-Amraoui, Nacim Ramdani Université d Orléans, INSA-CVL, Laboratoire PRISME 26 mai
Plus en détailPROGRAMME DES NATIONS UNIES POUR LE DEVELOPPEMENT
PROGRAMME DES NATIONS UNIES POUR LE DEVELOPPEMENT TERMES DE REFERENCE I. Information sur la consultation/contrat de service Titre Projet Type de contrat Durée initiale Lieu d affectation CONSULTANT NATIONAL
Plus en détailStatistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année 2010-2011
Master 1 Biologie et technologie du végétal Année 010-011 Statistiques Rappels de cours et travaux dirigés (Seul ce document sera autorisé en examen) auteur : Jean-Marc Labatte jean-marc.labatte@univ-angers.fr
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 détailCOMPTE EPARGNE TEMPS REGLEMENT INTERIEUR
COMPTE EPARGNE TEMPS REGLEMENT INTERIEUR Consultation du Comité Technique Paritaire : 7 décembre 2010 Délibération du Conseil municipal : 17 décembre 2010 2 I. Bénéficiaires du compte épargne temps Les
Plus en détail7. ECONOMIE 7.3. COMMERCE GESTIONNAIRE DE TRES PETITES ENTREPRISES
CCPQ Rue A. Lavallée, 1 1080 Bruxelles Tél. : 02/690.85.28 Fax : 02/690.85.78 Email : ccpq@profor.be www.enseignement.be 7. ECONOMIE 7.3. COMMERCE GESTIONNAIRE DE TRES PETITES ENTREPRISES PROFIL DE FORMATION
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailExclusion Mutuelle. Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr. Université de Provence. 9 février 2011
Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr Université de Provence 9 février 2011 Arnaud Labourel (Université de Provence) Exclusion Mutuelle 9 février 2011 1 / 53 Contexte Epistémologique
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 détailFORMATION PNL CYCLE COMPLET. «Révélez vos talents»
Formation Coaching Préparation Mentale athlètes haut-niveau Enseignement de la PNL Annecy Genève Aix-les-Bains Chambéry Contact : +33677610793 s.thomas-conseil@orange.fr www.sebastien-thomas-conseil.com
Plus en détailSAS ENTERPRISE MINER POUR L'ACTUAIRE
SAS ENTERPRISE MINER POUR L'ACTUAIRE Conférence de l Association des Actuaires I.A.R.D. 07 JUIN 2013 Sylvain Tremblay Spécialiste en formation statistique SAS Canada AGENDA Survol d Enterprise Miner de
Plus en détailÉpreuve d expression orale (tâche 2)
Je dirige une association qui aide les personnes en difficulté. Posez-moi des questions pour savoir comment fonctionne cette association (actions, adhérents, financements, etc.). 5/9 Vous cherchez des
Plus en détailSTATISTIQUES. UE Modélisation pour la biologie
STATISTIQUES UE Modélisation pour la biologie 2011 Cadre Général n individus: 1, 2,..., n Y variable à expliquer : Y = (y 1, y 2,..., y n ), y i R Modèle: Y = Xθ + ε X matrice du plan d expériences θ paramètres
Plus en détailTP Service HTTP Serveur Apache Linux Debian
Compte rendu de Raphaël Boublil TP Service HTTP Serveur Apache Linux Debian Tout au long du tp, nous redémarrons le service apache constamment pour que les fi de configuration se remettent à jour - /etc/init.d/apache2
Plus en détailSTA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes
STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités
Plus en détailEducation, visions d'un monde
Education, visions d'un monde 29th August 2012 La Fondation s inte_resse de pre_s a_ l e_conomie et a_ son fonctionnement sur le long terme. Nous nous attachons a_ analyser et comprendre la transition
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 détail(51) Int Cl.: H04L 29/06 (2006.01) G06F 21/55 (2013.01)
(19) TEPZZ 8 8 4_A_T (11) EP 2 838 241 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 18.02.1 Bulletin 1/08 (1) Int Cl.: H04L 29/06 (06.01) G06F 21/ (13.01) (21) Numéro de dépôt: 141781.4
Plus en détailLE GUIDE COMPLET PRETS A PARIER
LE GUIDE COMPLET PRETS A PARIER Ce guide va vous proposer deux manières de profiter des jeux «Prêts à Parier» disponibles sur le site Promoturf. Ces pronostics sont le résultat d une amélioration majeure
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 détailConventions d écriture et outils de mise au point
Logiciel de base Première année par alternance Responsable : Christophe Rippert Christophe.Rippert@Grenoble-INP.fr Introduction Conventions d écriture et outils de mise au point On va utiliser dans cette
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 détailTable des matières: Guidelines Fonds de Pensions
Table des matières: Guidelines Fonds de Pensions TABLE DES MATIERES... 1 INTRODUCTION... 2 1 FINANCEMENT ET FINANCEMENT MINIMUM... 3 1.1 FINANCEMENT... 3 1.2 FINANCEMENT DE PLAN... 3 1.3 FINANCEMENT MÉTHODE
Plus en détailP1 : Corrigés des exercices
P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à
Plus en détailNom Prénom :... Mon livret de stage
Nom Prénom :..... Mon livret de stage 1. Présentation Tuteur de stage : NOM et Prénom: Fonctions dans l entreprise : Téléphone et poste : Stagiaire NOM et Prénom : Né(e) le : Stage effectué du au Professeur
Plus en détailGENERALITES II. ORGANISATION ET ORGANES DE L EXAMEN III. INSCRIPTION A L EXAMEN, FRAIS ET CONDITIONS D ADMISSION IV. CONTENU ET MATIERE DE L EXAMEN
Table des matières I. GENERALITES II. ORGANISATION ET ORGANES DE L EXAMEN III. INSCRIPTION A L EXAMEN, FRAIS ET CONDITIONS D ADMISSION IV. CONTENU ET MATIERE DE L EXAMEN V. DEROULEMENT DE L EXAMEN VI.
Plus en détailComment bien régresser: La statistique peut-elle se passer d artefacts?
Comment bien régresser: La statistique peut-elle se passer d artefacts? Jean-Bernard Chatelain To cite this version: Jean-Bernard Chatelain. Comment bien régresser: La statistique peut-elle se passer d
Plus en détailCOMPETENCE DE NIVEAU N1
GROUPE DES ACTIVITES ATHLETIQUES DEMI FOND Réaliser une performance motrice maximale mesure à une échéance donnée COMPETENCE DE NIVEAU N1 Compétences attendues dans l APSA Réaliser la meilleure performance
Plus en détailModule d Electricité. 2 ème partie : Electrostatique. Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere
Module d Electricité 2 ème partie : Electrostatique Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere 1 Introduction Principaux constituants de la matière : - protons : charge
Plus en détailJournée technique ARRA Gestion quantitative de la ressource en eau
Journée technique ARRA Gestion quantitative de la ressource en eau Etude Volumes Prélevables sur les Usses 2010-2012 5 avril 2013 SMECRU Syndicat Mixte d Etude du Contrat de Rivières des Usses Le bassin
Plus en détailDossier projet isn 2015 par Victor Gregoire
Dossier projet isn 2015 par Victor Gregoire Plan: I) But du projet: créer un jeu de blackjack fonctionnel et le poster sur une page web mise en ligne. Le jeu sera developpé en C++ a l'aide de code blocks.
Plus en détailBureaux régionaux de la CSST
salaire horaire minimum en vigueur au, du nombre () J9P 6B1 () G5L 7P3 () G6W 7P7 () G4R 1Y1 () G4Z 2Z4 () J1J 2C3 163, boulevard de () G4X 2V1 () H5B 1H1 () J6E 7N2 () J7Y 3R8 () H7S 2G6 () J4K 5B7 MAURICIE
Plus en détail