LES TESTS STATISTIQUES

Dimension: px
Commencer à balayer dès la page:

Download "LES TESTS STATISTIQUES"

Transcription

1 LES TESTS STATISTIQUES E 3 Exercice Pour les 2 exemples ci-dessous, indiquer a) Quelle est l unité d observation? b) Quelle est la taille de l échantillon? c) Quelle est la variable étudiée (ou quelles sont) les variables étudiées? d) Quelle est le type de la (ou des) variable(s) étudiée(s)? Qualitatives, quantitatives? e) Précisez le nombre de modalités de la (ou des) variable(s) qualitative(s) ou l unité de la (ou des) variable(s) quantitative(s) f) Les données sont-elles appariées ou non? g) Quel test statistique sera utilisé par la suite (en supposant que les conditions d application soient vérifiées)? h) Quelles seraient les hypothèses à tester? Exemple. On expérimente les effets d'un traitement destiné à diminuer la pression artérielle chez sujets hypertendus. Pour chaque sujet on mesure la valeur de la tension artérielle systolique, exprimée en cm de Hg, avant et après le traitement. Les résultats obtenus serviront à mettre en place un essai pour savoir si le traitement est efficace. Exemple.2 Un médicament antihypertenseur a donné les résultats suivants 4 résultats positifs (dans le sens de l efficacité du traitement) chez 7 malades jeunes et résultats positifs chez 5 malades âgés. On se demande s'il existe une liaison entre l'âge du malade et l'effet du traitement? Age jeune (< à 35 ans) et agés ( à 35 ans) PACES & APEMR 23, UE4 E n 3 Page

2 Exemple. a) Quelle est l unité d observation? Noircir les propositions exactes A. le traitement B. le sujet hypertendu C. la tension artérielle systolique. la pression artérielle E. le patient b) Quelle est la taille de l échantillon? c) Quelle est (ou quelles sont) la (ou les) variable(s) étudiée(s)? Noircir les propositions exactes A. le traitement B. la tension artérielle systolique C. le temps de l observation. l efficacité du traitement E. le patient d) Quelle est le type de la (ou des) variable(s) étudiée(s)? A. une seule variable quantitative B. deux variables qualitatives C. une variable qualitative et une variable quantitative. deux variables quantitatives E. une seule variable qualitative PACES & APEMR 23, UE4 E n 3 Page 2

3 e) Précisez le nombre de modalités de la (ou des) variable(s) qualitative(s) ou l unité de la (ou des) variable(s) quantitative(s) Noircir les propositions exactes A. une variable qualitative à 3 modalités B. une variable quantitative pour unité des cm de Hg C. unité internationale. une variable qualitative à deux modalités E. une variable quantitative avec pour unité des cm f) Les données sont-elles appariées ou non? g) Quel test statistique sera utilisé par la suite (en supposant que les conditions d application soient vérifiées)? A. un test du Khi deux B. un test non paramétrique de Mann et Whitney C. un test t apparié. un test de comparaison des variances E. un test du Khi deux de Mac Nemar h) Quelles seraient les hypothèses à tester? PACES & APEMR 23, UE4 E n 3 Page 3

4 Exemple.2 a) Quelle est l unité d observation? A. un médicament hypertenseur B. le malade C. l âge. la tension E. l efficacité du traitement b) Quelle est la taille des échantillons? c) Quelles est (ou quelles sont) la (ou les) variable(s) étudiée(s)? Noircir la (ou les) proposition(s) exacte(s) A. un médicament hypertenseur B. le résultat C. l âge. la tension E. l efficacité du traitement d) Quelle est le type de la (ou des) variable(s) étudiée(s)? A. une seule variable quantitative B. deux variables qualitatives C. une variable qualitative et une variable quantitative. une seule variable qualitative E. deux variables quantitatives e) Précisez le nombre de modalité si il s agit d une variable qualitative ou l unité si il s agit d une variable quantitative PACES & APEMR 23, UE4 E n 3 Page 4

5 Exercice 2 Un laboratoire pharmaceutique a mis au point une nouvelle molécule susceptible de faire baisser le taux d une hormone (H). eux essais pilotes sont réalisés pour juger de l effet du nouveau médicament. Premier essai 2 personnes, sélectionnées selon des critères bien définis, reçoivent le nouveau médicament pendant un mois. L hormone est dosée avant le traitement et à la fin du traitement. Les résultats obtenus sont décrits dans le tableau I suivant Tableau I Résultats du premier essai taux d hormone avant et à la fin du traitement Sujets Avant (x a ) (mg/ml) Fin (x f ) (mg/ml) d = x a x f (d = différence avant fin) On donne Σ x a ² = 3677 Σ x f ² = 585 Σ( x a x f )² = 446 On note = x a x f soit = ( xa xf ) après ces données, on se demande si on peut conclure que le nouveau médicament fait baisser le taux d hormone.. Quelles sont les hypothèses statistiques à tester? Noircir la (ou les) proposition(s) exacte(s) A. B. C.. H H H H H H H H = = < > H E. H Xa Xa > Xf Xf PACES & APEMR 23, UE4 E n 3 Page 5

6 .2. Quel test pourrait-on utiliser? A. un test de t de Student non apparié B. un test du Khi² de Mac Nemar C. un test z apparié. un test de t de Student apparié E. un test du Khi².3. Préciser les conditions d application du test utilisé? A. tous les effectifs théoriques sont supérieurs à 5 B. les deux variables étudiées sont supposées distribuées normalement C. les séries de données sont de taille inférieure à 3. la variance théorique de la différence d est connue E. la différence, avant fin ( = x a x f ), est supposée distribuée normalement.4. Quelle est la valeur de la variable de décision (ou valeur calculée du test adapté), la valeur la plus proche de votre calcul? A. -8,4 B. 2,2 C.,796. 8,4 E. 69,63.5. Quelle est la valeur seuil de rejet de H pour α = 5% (lue dans la table adaptée)? A. -8,4 B. 2,2 C.,796. 8,4 E. 69,63 PACES & APEMR 23, UE4 E n 3 Page 6

7 .6. En comparant la valeur de la variable de décision (calculée, t c ) à la valeur seuil (lue dans la table, t T ), quelle est la conclusion du test au seuil α = 5%? A. t C > t T donc on rejette H B. t C > t T donc on ne rejette pas H C. les conditions d application du test ne sont pas réunies pour conclure. t C < t T donc on rejette H E. t C < t T on ne rejette pas H.7. Quelle est l interprétation associée à la conclusion (selon le contexte des observations)? A. Le taux d hormone après traitement diffère significativement du taux d hormone avant traitement B. Le taux d hormone après traitement est significativement plus faible qu avant traitement C. le traitement est efficace. le traitement n est pas efficace E. le traitement n a pas d effet sur le taux d hormone.8. Quel est le degré de signification (p)? A.,5 < p B., < p <,5 C., < p <,.,5 < p <, E. p <,5 PACES & APEMR 23, UE4 E n 3 Page 7

8 euxième essai on sélectionne 24 personnes selon les mêmes critères que ceux du premier essai. La moitié des personnes sélectionnées reçoit le nouveau médicament (N), l autre moitié reçoit un placebo (P). L attribution de l un ou l autre des traitements est faite par tirage au sort. On dose l hormone avant le traitement et à la fin du traitement (qui est administré pendant un mois). Les variations (avant - fin) du taux d hormone pour chacun des sujets des deux groupes sont indiquées dans le tableau II suivant Tableau II Résultats du deuxième essai variation du taux d hormone (avant-fin) selon le traitement reçu Nouveau Traitement Sujets Variation (N) Placebo Sujets Variation (P) On donne Σ 2 N = 446 Σ 2 P = Estimer les moyennes et les variances des variations du taux d hormone pour les personnes ayant reçu le nouveau traitement (N) et pour celles ayant reçu le placebo (P). Noircir la (ou les) proposition(s) exacte(s) A. m = 6 (mg/ml) et s ² =,3 B. m = 6 (mg/ml) et s ² =,27 (mg/ml)² C. m = 5,25 (mg/ml) et s ² =,48 (mg/ml)². m = 5,25 (mg/ml) et s ² =,22 (mg/ml)² E. m = 6,3 (mg/ml) et s ² =,48 (mg/ml)² PACES & APEMR 23, UE4 E n 3 Page 8

9 2.2. Préciser les hypothèses (littérales et/ou statistiques) permettant de montrer que le nouveau médicament a un effet plus important que le placebo sur la variation du taux d hormone. A. H H > B. H Les moyennes des variations sont équivalentes soit = H La moyenne des variations dues au nouveau médicament est supérieure à celledu placebo soit > H La moyenne des variations du taux d' hormone n' est pas supérieure à celle du placebo C. soit H La moyenne des variations du taux d' hormone est supérieure à celle du placebo soit > du nouveau médicament du nouveau médicament. H H = E. H H < 2.3. Quel serait le test statistique adapté? A. un test de comparaison des variances B. un test z non apparié C. un test du Khi² non apparié. un test de t de Student non apparié E. un test t apparié PACES & APEMR 23, UE4 E n 3 Page 9

10 2.4. Quelle est la valeur de la variable de décision? A.,6 B.,86 C.,57. 33,9 E., Quelle est la valeur seuil pour α = 5 %? A.,6 B.,86 C.,57. 33,9 E., Quelle est la conclusion du test au risque α = 5 %? Noircir la (ou les) proposition(s) exacte(s) A. t c < t T donc on rejette H B. t T < t C donc on ne rejette pas H C. t c < t T on ne rejette pas H. t T < t C donc on rejette H E. Les conditions d application ne sont pas respectées, donc on ne peut pas effectuer le test PACES & APEMR 23, UE4 E n 3 Page

11 2.7. Quelle est l interprétation du test au risque α = 5 %? Noircir les propositions exactes A. La réduction du taux d hormone n est pas significativement plus importante avec le nouveau médicament qu avec le placebo B. La moyenne des variations du taux d hormone du nouveau médicament est inférieure à celle du placebo C. La moyenne des variations du taux d hormone du nouveau médicament n est pas significativement supérieure à celle du placebo. Le nouveau médicament fait plus baisser le taux d hormone que le placebo E. La moyenne des variations du taux d hormone du nouveau médicament est significativement supérieure à celle du placebo 2.8. Quelle est la valeur du degré de signification p? A.,5 < p <, B., < p <,5 C.,5 < p <,., < p <,5 E. p <, PACES & APEMR 23, UE4 E n 3 Page

12 Exercice 3 On admet que la glycémie à jeun, notée G et exprimée en mmoles/l, est distribuée selon une loi normale de moyenne et de variance 4 chez les diabétiques (notés ), alors qu elle est distribuée selon une loi normale de moyenne 5 et de variance dans le reste de la population. ans le cadre d une étude que l on souhaite planifier auprès d un échantillon de patients diabétiques, on se demande si la moyenne observée ne diffèrera pas de la moyenne théorique (variance 4) avec un risque d erreur de 5%. Quelles sont alors les réponses exactes (CM)? A. C est un intervalle de pari d une variable aléatoire B. C est un intervalle de confiance C. Pour le calculer, on doit supposer qu il y a au moins 3 individus diabétiques. L intervalle sera d'autant plus grand que l'effectif sera plus élevé E. La précision de l'estimation sera d'autant plus grande que l'effectif sera plus élevé Exercice 4 On pense qu une certaine mutation génétique est liée à une augmentation de l épaisseur du septum inter-ventriculaire. Afin d étudier ce lien on procède à l étude suivante. On génotype 9 sujets issus de la population générale et on mesure chez ces sujets l épaisseur du septum. Parmi ces sujets, 4 sont trouvés porteurs de la mutation, 5 non porteurs. Le tableau suivant indique des résumés des valeurs numériques obtenues Groupe Moyenne expérimentale (mm) Variance expérimentale (mm 2 ) Porteurs 2,5 9,2 Non porteurs 9 Peut-on dire que les épaisseurs moyennes vraies du septum diffèrent entre les porteurs et les non porteurs? Pour répondre à cette question on aura à mettre en œuvre un test d hypothèses dont on détaillera avec soin les étapes, la conclusion, et, si nécessaire, le degré de signification. Le risque d erreur de ère espèce est de 5%. PACES & APEMR 23, UE4 E n 3 Page 2

Tests 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» 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 détail

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE

Tests 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 détail

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

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 détail

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES

Cours (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 détail

Item 169 : Évaluation thérapeutique et niveau de preuve

Item 169 : Évaluation thérapeutique et niveau de preuve Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes

Plus en détail

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.

Feuille 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 détail

Estimation et tests statistiques, TD 5. Solutions

Estimation 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 détail

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke

Biostatistiques 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 détail

TESTS D'HYPOTHESES Etude d'un exemple

TESTS 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 détail

Biostatistiques : Petits effectifs

Biostatistiques : 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 détail

Chapitre 6 Test de comparaison de pourcentages χ². José LABARERE

Chapitre 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 détail

Analyse de la variance Comparaison de plusieurs moyennes

Analyse 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 détail

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent

Plus en détail

23. Interprétation clinique des mesures de l effet traitement

23. 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 détail

Principe d un test statistique

Principe 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 détail

NOTE SUR LA MODELISATION DU RISQUE D INFLATION

NOTE 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 détail

Année Universitaire 2013-2014. 1 ère année de Master Droit Mention Droit Privé 1 er semestre. 1 er SEMESTRE 8 matières CM TD COEFF ECTS.

Année Universitaire 2013-2014. 1 ère année de Master Droit Mention Droit Privé 1 er semestre. 1 er SEMESTRE 8 matières CM TD COEFF ECTS. Année Universitaire 201-2014 1 ère année de Master Droit Mention Droit Privé 1 er semestre 1 er SEMESTRE 8 matières CM TD COEFF ECTS Unité 1 1 TD obligatoire Droit civil (les Sûretés) Unité 2-1 TD au choix

Plus en détail

Introduction à l approche bootstrap

Introduction 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 détail

Lecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888

Lecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques

Plus en détail

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE 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 détail

LES FACTEURS DE RISQUE

LES FACTEURS DE RISQUE LES FACTEURS DE RISQUE C EST QUOI UN FACTEUR DE RISQUE? C est une caractéristique lié à une personne, à son environnement à sa culture, à son mode de vie qui entraine pour elle une probabilité plus importante

Plus en détail

THEME 2 : CORPS HUMAIN ET SANTE : L EXERCICE PHYSIQUE

THEME 2 : CORPS HUMAIN ET SANTE : L EXERCICE PHYSIQUE THEME 2 : CORPS HUMAIN ET SANTE : L EXERCICE PHYSIQUE Introduction générale : L Homme, pour vivre, a besoin de se nourrir. La nutrition fait appel à différentes fonctions que sont l alimentation, la respiration

Plus en détail

Introduction aux Statistiques et à l utilisation du logiciel R

Introduction 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 détail

La 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 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 détail

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES

UFR 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 détail

MASTER PROFESSIONNEL (2 ème année)

MASTER PROFESSIONNEL (2 ème année) C U R R I C U L U M 04-05 MASTER PROFESSIONNEL ( ème année) Domaine : Sciences Technologies Santé Mention : Sciences de la Vie et de la Santé Spécialité : Produits de Santé : développement et distribution

Plus en détail

GUIDE D INFORMATIONS A LA PREVENTION DE L INSUFFISANCE RENALE

GUIDE D INFORMATIONS A LA PREVENTION DE L INSUFFISANCE RENALE GUIDE D INFORMATIONS A LA PREVENTION DE L INSUFFISANCE RENALE SOURCES : ligues reins et santé A LA BASE, TOUT PART DES REINS Organes majeurs de l appareil urinaire, les reins permettent d extraire les

Plus en détail

Cours de Tests paramétriques

Cours 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 détail

Régression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr

Régression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R

Plus en détail

Introduction à la Statistique Inférentielle

Introduction 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 détail

CE QU IL FAUT SAVOIR PARTICIPATION À UN ESSAI CLINIQUE SUR UN MÉDICAMENT

CE QU IL FAUT SAVOIR PARTICIPATION À UN ESSAI CLINIQUE SUR UN MÉDICAMENT CE QU IL FAUT SAVOIR PARTICIPATION À UN ESSAI CLINIQUE SUR UN MÉDICAMENT Sommaire Comment se fait la recherche sur un nouveau médicament? (page 1) A quoi sert la recherche sur un nouveau médicament? (page

Plus en détail

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

Chapitre 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 détail

L 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 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 détail

COMMISSION DE LA TRANSPARENCE AVIS. 7 janvier 2009

COMMISSION DE LA TRANSPARENCE AVIS. 7 janvier 2009 COMMISSION DE LA TRANSPARENCE AVIS 7 janvier 2009 ZANEXTRA 20 mg/10 mg, comprimés pelliculés B/30, code CIP : 385 967.4 B/90, code CIP : 387 392.9 Laboratoires BOUCHARA RECORDATI Enalapril/Lercanidipine

Plus en détail

Effets sur la pression artérielle rielle des traitements non-médicamenteux

Effets sur la pression artérielle rielle des traitements non-médicamenteux Effets sur la pression artérielle rielle des traitements non-médicamenteux PF Plouin, ESH Hypertension Excellence Center, Hôpital Européen Georges Pompidou, Paris La prise en charge de l hypertendu l concerne

Plus en détail

ÉVALUATION DE LA PERSONNE ATTEINTE D HYPERTENSION ARTÉRIELLE

ÉVALUATION DE LA PERSONNE ATTEINTE D HYPERTENSION ARTÉRIELLE ÉVALUATION DE LA PERSONNE ATTEINTE D HYPERTENSION ARTÉRIELLE PRISE EN CHARGE SYSTÉMATISÉE DES PERSONNES ATTEINTES D HYPERTENSION ARTÉRIELLE SOCIÉTÉ QUÉBÉCOISE D HYPERTENSION ARTÉRIELLE 23 ÉVALUATION DE

Plus en détail

îundesdruokerei Berlin

îundesdruokerei Berlin Jtfk Europaisches Patentamt ^jll European Patent Office Numéro de publication: 0 295 972 Office européen des brevets A1 DEMANDE DE BREVET EUROPEEN Numéro de dépôt: 88401048.9 Int. Cl.4: G 05 B 19/10 @

Plus en détail

Formation des enseignants. Le tensiomètre. Objet technique modélisable issu de l environnement des élèves

Formation des enseignants. Le tensiomètre. Objet technique modélisable issu de l environnement des élèves Le tensiomètre Objet technique modélisable issu de l environnement des élèves Un peu d'histoire C'est en 1628 que W. Harvey découvrit la circulation du sang. C'est pourtant seulement en 1730 que la pression

Plus en détail

Équivalence et Non-infériorité

Équivalence et Non-infériorité Équivalence et Non-infériorité Éléments d Introduction Lionel RIOU FRANÇA INSERM U669 Mars 2009 Essais cliniques de supériorité Exemple d Introduction Données tirées de Brinkhaus B et al. Arch Intern Med.

Plus en détail

ntred 2007 Résultats de l étude Description des personnes diabétiques

ntred 2007 Résultats de l étude Description des personnes diabétiques Résultats de l étude ntred 2007 EÉCHANTILLON NATIONAL TÉMOIN REPRÉSENTATIF DES PERSONNES DIABÉTIQUES Le diabète est une maladie chronique de plus en plus fréquente, qui touche en France plus de 2 millions

Plus en détail

Statistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année 2010-2011

Statistiques. 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 détail

Statistique inférentielle TD 1 : Estimation

Statistique inférentielle TD 1 : Estimation POLYTECH LILLE Statistique inférentielle TD : Estimation Exercice : Maîtrise Statistique des Procédés Une entreprise de construction mécanique fabrique de pièces demoteurdevoiturepourungrandconstructeur

Plus en détail

Plan. Introduction. Les Nouveaux Anticoagulants Oraux et le sujet âgé. Audit de prescription au Centre Hospitalier Geriatrique du Mont d Or

Plan. Introduction. Les Nouveaux Anticoagulants Oraux et le sujet âgé. Audit de prescription au Centre Hospitalier Geriatrique du Mont d Or Plan Introduction Les Nouveaux Anticoagulants Oraux et le sujet âgé Audit de prescription au Centre Hospitalier Geriatrique du Mont d Or Introduction NACO: une actualité brûlante! AVK: Plus forte incidence

Plus en détail

La pompe cardiaque, le débit cardiaque et son contrôle

La pompe cardiaque, le débit cardiaque et son contrôle UEMPSfO - Physiologie Chapitre 4 : La pompe cardiaque, le débit cardiaque et son contrôle Professeur Christophe RIBUOT Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits

Plus en détail

EXCEL et base de données

EXCEL et base de données EXCEL et base de données 1. Variables et données 2. Saisie de données: quelques règles 3. EXCEL et saisie des données 4. Exemple de tableau EXCEL 5. Éviter d éventuels problèmes 1 1.1 Variables et données

Plus en détail

distribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position

distribution 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 détail

FÉDÉRATION INTERNATIONALE DE PÉTANQUE ET JEU PROVENÇAL REGLEMENT DU CHAMPIONNAT DU MONDE DE TIR INDIVIDUEL

FÉDÉRATION INTERNATIONALE DE PÉTANQUE ET JEU PROVENÇAL REGLEMENT DU CHAMPIONNAT DU MONDE DE TIR INDIVIDUEL FÉDÉRATION INTERNATIONALE DE PÉTANQUE ET JEU PROVENÇAL REGLEMENT DU CHAMPIONNAT DU MONDE DE TIR INDIVIDUEL Article 1er : Pas de Tir : Il est composé d'un cercle d'un mètre de diamètre comportant les marques

Plus en détail

Les Jeudis de l'europe

Les Jeudis de l'europe LE DIABETE SUCRE EST DEFINI EN DEHORS DE TOUT EPISODE DIABETOGENE : 1.26 g/l SOIT 7 mmol/l PREVALENCE DU DIABETE DE TYPE 2 EN FRANCE METROPOLITAINE 3.4 % AGE = 63 ANS HOMMES = 54% 25% > 75 ans OUTRE MER

Plus en détail

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be

Plus en détail

Tutoriel Sage One Edition Expert-Comptable. - Le cabinet d Expertise-Comptable doit appeler le Service Client Sage One au 0825 95 00 70.

Tutoriel Sage One Edition Expert-Comptable. - Le cabinet d Expertise-Comptable doit appeler le Service Client Sage One au 0825 95 00 70. Tutoriel Sage One Edition Expert-Comptable Sage One Edition Expert-Comptable : inscription et identifiants - Le cabinet d Expertise-Comptable doit appeler le Service Client Sage One au 0825 95 00 70. -

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 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 détail

L i c e n c e. www.univ-paris13.fr. Mention «Économie et de gestion» Diplôme Bac + 3. Parcours. Contacts. contact :

L i c e n c e. www.univ-paris13.fr. Mention «Économie et de gestion» Diplôme Bac + 3. Parcours. Contacts. contact : Diplôme Bac + 3 Parcours - - Contacts UFR des Sciences Economiques et de Gestion contact : Contact formation continue (Adultes en reprise d'études, Financement / VAE): tél.:01 49 40 37 64 acc-cfc@univ-paris13.fr

Plus en détail

Fiche descriptive de l indicateur : Tenue du dossier anesthésique (DAN)

Fiche descriptive de l indicateur : Tenue du dossier anesthésique (DAN) Définition Score individuel Score global Echantillon Critère d inclusion Fiche descriptive de l indicateur : Tenue du dossier anesthésique (DAN) Cet indicateur évalue la tenue du dossier anesthésique.

Plus en détail

Date De Création 14/05/2013. PIC Poitou Charente. Préparé par : Cécilia CHARTIER. Modification 14/05/2013

Date De Création 14/05/2013. PIC Poitou Charente. Préparé par : Cécilia CHARTIER. Modification 14/05/2013 Protocole médical Préparé par : Cécilia CHARTIER Objet : recueillir les données (poids, tension, qualité de vie) des patients à leur domicile par le biais d un système Twitoo (recueil d information par

Plus en détail

T de Student Khi-deux Corrélation

T de Student Khi-deux Corrélation Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes

Plus en détail

TESTS D HYPOTHÈSE FONDÉS SUR LE χ². http://fr.wikipedia.org/wiki/eugénisme

TESTS D HYPOTHÈSE FONDÉS SUR LE χ². http://fr.wikipedia.org/wiki/eugénisme TESTS D HYPOTHÈSE FONDÉS SUR LE χ² http://fr.wikipedia.org/wiki/eugénisme Logo du Second International Congress of Eugenics 1921. «Comme un arbre, l eugénisme tire ses constituants de nombreuses sources

Plus en détail

e-santé du transplanté rénal : la télémédecine au service du greffé

e-santé du transplanté rénal : la télémédecine au service du greffé e-santé du transplanté rénal : la télémédecine au service du greffé Professeur Michèle Kessler CHU de Nancy et réseau Néphrolor L une des applications de la télémédecine est la télésurveillance à domicile,

Plus en détail

Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants)

Une 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 détail

L obésité et le diabète de type 2 en France : un défi pour la prochaine décennie. DANIEL RIGAUD CHU de Dijon

L obésité et le diabète de type 2 en France : un défi pour la prochaine décennie. DANIEL RIGAUD CHU de Dijon L obésité et le diabète de type 2 en France : un défi pour la prochaine décennie DANIEL RIGAUD CHU de Dijon 46 Obésité : définition L obésité est définie comme un excès de masse grasse associée à un surcroît

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités 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 détail

Exercices sur le chapitre «Probabilités»

Exercices 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 détail

CONCOURS 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) 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 détail

Mario Geiger octobre 08 ÉVAPORATION SOUS VIDE

Mario Geiger octobre 08 ÉVAPORATION SOUS VIDE ÉVAPORATION SOUS VIDE 1 I SOMMAIRE I Sommaire... 2 II Évaporation sous vide... 3 III Description de l installation... 5 IV Travail pratique... 6 But du travail... 6 Principe... 6 Matériel... 6 Méthodes...

Plus en détail

Document d orientation sur les allégations issues d essais de non-infériorité

Document d orientation sur les allégations issues d essais de non-infériorité Document d orientation sur les allégations issues d essais de non-infériorité Février 2013 1 Liste de contrôle des essais de non-infériorité N o Liste de contrôle (les clients peuvent se servir de cette

Plus en détail

Probabilité et Statistique pour le DEA de Biosciences. Avner Bar-Hen

Probabilité et Statistique pour le DEA de Biosciences. Avner Bar-Hen Probabilité et Statistique pour le DEA de Biosciences Avner Bar-Hen Université Aix-Marseille III 2000 2001 Table des matières 1 Introduction 3 2 Introduction à l analyse statistique 5 1 Introduction.................................

Plus en détail

Prise en charge de l embolie pulmonaire

Prise en charge de l embolie pulmonaire Prise en charge de l embolie pulmonaire Dr Serge Motte Liège 06.12.14 - Laack TA et Goyal DG, Emerg Med Clin N Am 2004; 961-983 2 PLAN Diagnostic Prise en charge: Phase aiguë: analyse de gravité Choix

Plus en détail

Que faire lorsqu on considère plusieurs variables en même temps?

Que faire lorsqu on considère plusieurs variables en même temps? Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites

Plus en détail

Contrat de prélèvement automatique pour la restauration scolaire, et l'accueil de Loisirs Associées à l Ecole (A.L.A.E.) (exemplaire Mairie)

Contrat de prélèvement automatique pour la restauration scolaire, et l'accueil de Loisirs Associées à l Ecole (A.L.A.E.) (exemplaire Mairie) DEPARTEMENT R E P U B L I Q U E F R A N C A I S E de la HAUTE - GARONNE M A I R I E DE L H E R M Arrondissement de Muret 2 avenue de Gascogne Téléphone : 05 61.56.07.25 Télécopie : 05 61.56.11 82 E.mail:

Plus en détail

STATISTIQUES. UE Modélisation pour la biologie

STATISTIQUES. 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 détail

Génétique et génomique Pierre Martin

Génétique et génomique Pierre Martin Génétique et génomique Pierre Martin Principe de la sélections Repérage des animaux intéressants X Accouplements Programmés Sélection des meilleurs mâles pour la diffusion Index diffusés Indexation simultanée

Plus en détail

Transformations nucléaires

Transformations 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 détail

Feuille d exercices 2 : Espaces probabilisés

Feuille d exercices 2 : Espaces probabilisés Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un

Plus en détail

Master transrégional en Sciences Pharmaceutiques

Master transrégional en Sciences Pharmaceutiques Préparation du consortium d appui aux formations francophones Université de Médecine de Hanoi 3 octobre 2012 Master transrégional en Sciences Pharmaceutiques Présentation du projet: Sébastien Clavel Fondation

Plus en détail

Une introduction. Lionel RIOU FRANÇA. Septembre 2008

Une introduction. Lionel RIOU FRANÇA. Septembre 2008 Une introduction INSERM U669 Septembre 2008 Sommaire 1 Effets Fixes Effets Aléatoires 2 Analyse Classique Effets aléatoires Efficacité homogène Efficacité hétérogène 3 Estimation du modèle Inférence 4

Plus en détail

Essais cliniques de phase 0 : état de la littérature 2006-2009

Essais cliniques de phase 0 : état de la littérature 2006-2009 17 èmes Journées des Statisticiens des Centres de Lutte contre le Cancer 4 ème Conférence Francophone d Epidémiologie Clinique Essais cliniques de phase 0 : état de la littérature 2006-2009 Q Picat, N

Plus en détail

OBSERVATOIRE DE LA m-santé

OBSERVATOIRE DE LA m-santé OBSERVATOIRE DE LA m-santé La m-santé, de nouvelles perspectives pour le bien-être et la santé Qu il s agisse de surveiller son poids ou son alimentation, d arrêter de fumer, de mesurer son activité physique

Plus en détail

VI. Tests non paramétriques sur un échantillon

VI. 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 détail

Optimisation du rééchantillonnage dans un logiciel d Amélioration des Plantes

Optimisation du rééchantillonnage dans un logiciel d Amélioration des Plantes Optimisation du rééchantillonnage dans un logiciel d Amélioration des Plantes Baradat P. INRA-Département EFPA UMR AMAP 34398 Montpellier Cedex 5 FRANCE baradat@ensam.inra.fr Labbé T. INRA-Département

Plus en détail

I - CLASSIFICATION DU DIABETE SUCRE

I - CLASSIFICATION DU DIABETE SUCRE I - CLASSIFICATION DU DIABETE SUCRE 1- Définition : Le diabète sucré se définit par une élévation anormale et chronique de la glycémie. Cette anomalie est commune à tous les types de diabète sucré, mais

Plus en détail

OUVERT02 - Maintien de l ouverture par élimination mécanique ou manuelle des rejets ligneux et autres végétaux indésirables Sous-mesure :

OUVERT02 - Maintien de l ouverture par élimination mécanique ou manuelle des rejets ligneux et autres végétaux indésirables Sous-mesure : OUVERT02 - Maintien de l ouverture par élimination mécanique ou manuelle des rejets ligneu et autres végétau indésirables Sous-mesure : 10.1 Paiements au titre d'engagements agroenvironnementau et climatiques

Plus en détail

COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES

COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES J. sci. pharm. biol., Vol.9, n - 00, pp. 9-0 EDUCI 00 9 VALLEE POLNEAU S.* DIAINE C. COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES Notre étude visait à comparer les résultats obtenus

Plus en détail

Chapitre 3. Les distributions à deux variables

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 détail

Introduction à la statistique non paramétrique

Introduction 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 détail

Présentation Générale

Présentation Générale Mars 2009 Présentation Générale 1- Le Master Recherche en Sciences de la Vie et de la Santé à Nice Objectifs, environnement scientifique, organisation Enseignements, les spécialités, les cours et les stages

Plus en détail

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

LA 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 détail

Calcul élémentaire des probabilités

Calcul élémentaire des probabilités Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire La loi de Poisson. Définition. Exemple. 1 La loi de Poisson. 2 3 4

Plus en détail

MESURER SA PRESSION ARTÉRIELLE À DOMICILE. La société québécoise D HYPERTENSION ARTÉRIELLE

MESURER SA PRESSION ARTÉRIELLE À DOMICILE. La société québécoise D HYPERTENSION ARTÉRIELLE MESURER SA PRESSION ARTÉRIELLE À DOMICILE QU EST-CE QUE LA PRESSION ARTÉRIELLE? La pression artérielle est la force du sang circulant dans les artères lors de chaque contraction du cœur. La mesure de

Plus en détail

Evaluation du risque Cardio-vasculaire MOHAMMED TAHMI

Evaluation du risque Cardio-vasculaire MOHAMMED TAHMI Evaluation du risque Cardio-vasculaire MOHAMMED TAHMI La pression artérielle normale n existe plus. L hypertension artérielle n existe plus. On soigne un risque cardiovasculaire. Plus celui-ci est élevé

Plus en détail

«INNOVATION PEDAGOGIQUE PAR LA MISE EN PLACE D UNE UNITE DE PHARMACIE EXPERIMENTALE POUR AMELIORER LA QUALITE DE LA FORMATION PROFESSIONNALISANTE»

«INNOVATION PEDAGOGIQUE PAR LA MISE EN PLACE D UNE UNITE DE PHARMACIE EXPERIMENTALE POUR AMELIORER LA QUALITE DE LA FORMATION PROFESSIONNALISANTE» REPUBLIQUE TUNISIENNE MINISTERE DE L'ENSEIGNEMENT SUPERIEUR DE LA RECHERCHE SCIENTIFIQUE Université de Monastir Faculté de pharmacie de Monastir «INNOVATION PEDAGOGIQUE PAR LA MISE EN PLACE D UNE UNITE

Plus en détail

TESTS 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 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 détail

CHAPITRE 3 LA SYNTHESE DES PROTEINES

CHAPITRE 3 LA SYNTHESE DES PROTEINES CHAITRE 3 LA SYNTHESE DES ROTEINES On sait qu un gène détient dans sa séquence nucléotidique, l information permettant la synthèse d un polypeptide. Ce dernier caractérisé par sa séquence d acides aminés

Plus en détail

BACCALAURÉAT PROFESSIONNEL ÉPREUVE DE MATHEMATIQUES. EXEMPLE DE SUJET n 2

BACCALAURÉAT PROFESSIONNEL ÉPREUVE DE MATHEMATIQUES. EXEMPLE DE SUJET n 2 Exemple de sujet n 2 Page 1/7 BACCALAURÉAT PROFESSIONNEL ÉPREUVE DE MATHEMATIQUES EXEMPLE DE SUJET n 2 Ce document comprend : Pour l examinateur : - une fiche descriptive du sujet page 2/7 - une fiche

Plus en détail

FORMULAIRE DE STATISTIQUES

FORMULAIRE 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 détail

Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes

Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes Pages 4 à 48 barèmes 4 à 48 donnes Condensé en une page: Page 2 barèmes 4 à 32 ( nombre pair de donnes ) Page 3 Tous les autres barèmes ( PV de

Plus en détail

DÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )

DÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation ) DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité

Plus en détail

QU EST-CE QUE LA PROPHYLAXIE?

QU EST-CE QUE LA PROPHYLAXIE? QU EST-CE QUE LA PROPHYLAXIE? TABLES DES MATIÈRES Publié par la Fédération mondiale de l hémophilie (FMH) Fédération mondiale de l hémophilie, 2014 La FMH encourage la traduction et la redistribution de

Plus en détail

STAGE D'INITIATION AUX SOINS INFIRMIERS D'ACCES EN PCEM2 ou en 2ème ANNEE DE CHIRURGIE DENTAIRE

STAGE D'INITIATION AUX SOINS INFIRMIERS D'ACCES EN PCEM2 ou en 2ème ANNEE DE CHIRURGIE DENTAIRE FACULTÉ DE MÉDECINE FACULTÉ DE CHIRURGIE DENTAIRE Université de Strasbourg STAGE D'INITIATION AUX SOINS INFIRMIERS D'ACCES EN PCEM2 ou en 2ème ANNEE DE CHIRURGIE DENTAIRE JUILLET ou AOUT ou SEPTEMBRE 2012

Plus en détail

Décret n 2010-1229 du 19 octobre

Décret n 2010-1229 du 19 octobre Télémédecine et diabète : le plan d éducation personnalisé électronique para médical (epep) Lydie Canipel Colloque TIC Santé 2011, 8 et 9 février 2011, Paris Décret n 2010-1229 du 19 octobre 2010 relatif

Plus en détail

Fiche d animation n 1 : Pêle-mêle

Fiche d animation n 1 : Pêle-mêle Fiche d animation n 1 : Pêle-mêle Cette animation permet au participants de découvrir les différents pièges du crédit à la consommation et plus particulièrement des ouvertures de crédit. Elle suscite également

Plus en détail

L exclusion mutuelle distribuée

L 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 détail