L analyse multi variée
|
|
- Édouard Beauregard
- il y a 7 ans
- Total affichages :
Transcription
1 L analyse multi variée Ensemble de méthodes destinées à synthétiser l information - Méthodes descriptives Elles visent à structurer et à simplifier les données issues de plusieurs variables (ACP, AFC) X -Méthodes explicatives Elles visent à expliquer une variable à l aide de deux ou plusieurs variables explicatives ( Régression multiple, analyse discriminante) X Y
2 Analyse en Composante Principale
3 Analyse en Composante Principale L ACP est fondée sur le principe de double analyse d un nuage de points et de recherche des axes d inertie de ce nuage et de double projection sur les axes factoriels. Elle s applique à un ensemble de variables numériques continues. L ACP permet ainsi de mettre en évidence la structuration des réponses en montrant le regroupement des individus selon des combinaisons de réponses aux questions. Les axes du mapping ne correspondent pas à l une ou à l autre des variables mais à un regroupement optimal de plusieurs variables.
4 Principe de projection Chaque objet est un point dans l espace des variables Chaque variable définie un axe Variable 3 Variables x3 Rangée i Objets Variable 2 x2 Rangée i x1 Variable 1
5 Principe de projection Variable 3 Nuage de points dans l espace des variables Variable 2 Variable 1 Quels sont les objets similaires, différents, groupes
6 Principe de projection Variable 3 Direction spécifique du nuage Passe près de tous les points Variable 2 Moyenne = point fictif Cette ligne qui Variable explique 1 la plus grande variance est appelée : premier axe principal
7 Principe de projection Est-ce que le premier axe suffit à expliquer la variabilité des données??? On se place face au premier axe et on regarde les échantillons. On cherche le second axe de plus grande inertie de ce nuage. jusqu à ce que la variation des échantillons soit expliquée.
8 Principe de projection PC 2
9 Variable 3 Principe de projection PC2 PC1 Variable 2 PC1 : axe de la plus grande inertie PC2 : axe perpendiculaire à PC1 Variable 1 On projette les échantillons dans ce plan et on calcule les nouvelles coordonnées dans ce nouveau plan
10 Principe de projection PC2 PC1 PC2 PC1
11 Principe géométrique de l ACP Rp i i Ressemblance des individus j j Rn X(n,p) Liaisons entre les variables
12 ACP : algorithme Le tableau de départ comporte les individus en ligne et les variables en colonne. L algorithme de l ACP effectue sur la matrice individus/ variables différentes opérations en vue de passer du nombre initial de variables à un petit nombre de variables obtenues par combinaison. 1 Centrer le tableau La première étape de transformation va être la translation de l origine des variables vers le centre du nuage. Mathématiquement, on appelle cette transformation : Centrage des données 2 Réduire le tableau
13 ACP exemple Tableau de données brutes Poids moléculaire Densité Distance Nombre H N P o id s T a ille A g e N o te , , , , , , , , , ,
14 ACP exemple Tableau de données centrées Poids moléculaire Densité Distance Nombre H N P o id s T a ille A g e N o te , , , , , , , , , ,
15 Transformation de données Problème des unités de mesure Poids moléculaire en g/mol Poids moléculaire en kg/mol 15 15* * distance en mm Distance en µm Forme du nuage est très sensible au choix des unités de mesure
16 Transformation de données Centrer et réduire les données : retrancher la moyenne Position relative des individus : diviser par l écart type Enlever l arbitraire de l unité de mesure
17 ACP Axe 2 X2 Z2 Axe 1 G Z1 O X1
18 ACP exemple Tableau de données centrées réduites N Z 1 Z 2 Z 3 Z 4 1-1,8162-1,8162-1,0690 0, ,1435-0,4709-1,0690 1,2060 Tableau sans unité 3-1,1435 0,2018-1,0690 0, ,2018 1,5471 1,6036-0, ,2018 0,8745 0,2673-0, ,2018 0,8745 0,2673-1, ,5471-0,4709 0,2673-1, ,8745-0,4709-1,0690 0, ,2018-1,1435 1,6036 1, ,8745 0,8745 0,2673-0,3015
19 ACP : algorithme Le tableau de départ comporte les individus en ligne et les variables en colonne. L algorithme de l ACP effectue sur la matrice individus/ variables différentes opérations en vue de passer du nombre initial de variables à un petit nombre de variables obtenues par combinaison. 1 Centrer le tableau 2 Réduire le tableau 3 Effectuer l analyse factorielle
20 Inertie décomposée sur chaque axe Valeurs propres Inertie sur l axe 2,3909 0,7503 0,5844 0,2744 λ i Σ ι λ i / J (%) 59,77 78,53 93,14 100,00 Matrice des vecteurs propres u 1 u 2 u 3 u 4 0,5080-0,3065 0,6593 0,4619 0,5038 0,4647-0,5253 0,5042 0,4453-0,7058-0,4712-0,2855-0,5383-0,4381-0,2594 0,6715
21 Liaisons entre les variables j j Rn X(n,p)
22 Matrice de corrélation R = Z Z Liaisons entre les variables Var 1 Var 2 Var 3 Var 4 Var 1 1,0000 0,3665 0,4854-0,5679 Var 2 0,3665 1,0000 0,3955-0,6287 Var 3 Corrélation entre la variable 2 et 4 0,4854 0,3955 1,0000-0,3223 Var 4-0,5679-0,6287-0,3223 1,0000
23 ACP exemple Corrélation Variables axes factoriels Permet de donner une signification aux axes Axe 1 Cos² α Axe 2 Cos² α Axe 3 Cos² α Axe 4 Cos² α 0,785 0,617-0,266 0,070 0,504 0,254 0,242 0,059 0,779 0,607 0,403 0,162-0,402 0,161 0,264 0,070 0,689 0,474-0,611 0,374-0,360 0,130-0,150 0,022-0,832 0,693-0,380 0,144-0,198 0,039 0,352 0,124 Forte corrélation de l axe 1 avec les trois premières variables, anti-corrélation avec la quatrième
24 Cercle de corrélation dans le plan 1 / 2 Densité Poids Nb H Distance
25 Cercle de corrélation dans le plan 1 / 3 Poids Nb H Distance Densité
26 Ressemblance entre les individus Rp i i X(n,p)
27 Composantes principales Ressemblance entre les individus N Axe 1 Axe 2 Axe 3 Axe 4 1-2,638 0,203 0,104-1, ,943 0,358-0,316 0, ,442 0,803-0,591 0,486 Coordonnées des individus sur les axes principaux 4 2,083-0,078-1,201-0, ,987 0,420-0,296 0, ,474 0,816-0,061-0, ,317-0,353 1,454-0, ,431 0,136 1,249 0,674 Graphique des individus 9-0,571-2,386-0,413 0, ,166 0,082 0,069 0,566
28 Projection des individus Contribution absolue dans le plan : 1 / 2
29 Projection des individus Contribution absolue dans le plan : 1 / 3
30 Fournit la qualité de la représentation de chaque individus Contribution sur l axe des individus à la variance selon les axes : permet de repérer les individus les plus important au niveau de chaque axe N Axe 1 Cont (%) Cos² θ Axe 2 Cont (%) Cos² θ ,638 29,114 0,859 0,203 0,549-1,943 15,797 0,915 0,358 1,707 Individu 1 est prépondérant dans la définition de l axe 1-1,442 8,700 0,628 0,803 8,584 2,083 18,148 0,745-0,078 0,082 0,987 4,072 0,785 0,420 2,352 1,474 9,084 1,317 7,254 0,690 0,419 0,816-0,353 8,883 Mauvaise représentation 1,664-0,431 0,778 0,084 0,136 0,245-0,571 1,364 0,053-2,386 75,846 1,166 5,688 0,804 0,082 0,089 0,005 0,031 0,195 0,001 0,142 0,212 0,030 0,008 0,919 0,004
31 N Axe 3 Cont (%) Cos² θ Axe 4 Cont (%) Cos² θ 1 0,104 0,185 0,001-1,044 39,756 0, ,316 1,704 0,024 0,350 4,452 0, ,591 5,972 0,105 0,486 8,615 0, ,201 24,673 0,248-0,192 1,343 0, ,296 1,498 0,071 0,053 0,102 0, ,061 0,064 0,001-0,555 11,209 0, ,454 36,188 0,511-0,409 6,097 0, ,249 26,715 0,703 0,674 16,564 0, ,413 2,917 0,028 0,071 0,185 0, ,069 0,082 0,003 0,566 11,676 0,189
32 ACP : interprétation Les points individus sont représentés sur le mapping en fonction de leurs coordonnées sur les axes factoriels. Les points proches correspondent à des individus ayant des profils proches. Les points variables sont également représentés mais de manière indépendante des individus. Leur représentation indique leur corrélation avec les axes factoriels, à l intérieur d un cercle de rayon 1. Ces points variables renseignent sur le sens à donner aux axes. Les angles inter-variables renseignent sur les corrélations entre elles.
33 ACP : interprétation Si les variables forment un angle faible alors elles sont corrélées Si les variables forment un angle proche de 180 alors elles sont anti-corrélées Si les variables sont perpendiculaires alors elles sont non corrélées On ne comparera des points entre eux que si ils sont proches de la circonférence du cercle
34
35 ACP interprétation : RMN Parmesan Zoom de l aperçu des spectres
36 ACP interprétation : RMN Parmesan 24 mois 1 5,3E5 2 5,2E ,3E3 variables mois 2,9E5 2,9E5 1,2E4 18 mois 2,3E5 2,3E5 6,2E3 18 mois 4,8E5 4,8E5 3,1E3 12 mois 12 mois 4,3E5 2,8E5 4,3E5 2,8E5 1,0E4 1,3E4 51 échantillons 8 mois 2,1E5 2,1E5 8,5E3 8 mois 2,9E5 2,9E5 3,4E3 4 mois 2,0E5 1,9E5 1,9E3 4 mois 2,3E5 2,2E5 1,0E4
37 ACP interprétation : RMN Parmesan Les résultats obtenus sont issus d observations visuelles 0 classe spectres recalés"
38 ACP interprétation : RMN Parmesan 4 classes spectres recalés+log+dérivée seconde+anova"
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailExtraction d informations stratégiques par Analyse en Composantes Principales
Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en 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 détailDISQUE DUR. Figure 1 Disque dur ouvert
DISQUE DUR Le sujet est composé de 8 pages et d une feuille format A3 de dessins de détails, la réponse à toutes les questions sera rédigée sur les feuilles de réponses jointes au sujet. Toutes les questions
Plus en détailIntroduction. Préambule. Le contexte
Préambule... INTRODUCTION... BREF HISTORIQUE DE L ACP... 4 DOMAINE D'APPLICATION... 5 INTERPRETATIONS GEOMETRIQUES... 6 a - Pour les n individus... 6 b - Pour les p variables... 7 c - Notion d éléments
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailStatistique Descriptive Multidimensionnelle. (pour les nuls)
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Multidimensionnelle (pour les nuls) (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219
Plus en détailL'analyse des données à l usage des non mathématiciens
Montpellier L'analyse des données à l usage des non mathématiciens 2 ème Partie: L'analyse en composantes principales AGRO.M - INRA - Formation Permanente Janvier 2006 André Bouchier Analyses multivariés.
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 détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
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 détailChafa Azzedine - Faculté de Physique U.S.T.H.B 1
Chafa Azzedine - Faculté de Physique U.S.T.H.B 1 Définition: La cinématique est une branche de la mécanique qui étudie les mouements des corps dans l espace en fonction du temps indépendamment des causes
Plus en détailMémo d utilisation de ADE-4
Mémo d utilisation de ADE-4 Jérôme Mathieu http://www.jerome.mathieu.freesurf.fr 2003 ADE-4 est un logiciel d analyses des communautés écologiques créé par l équipe de biostatistiques de Lyon. Il propose
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 détailRésonance Magnétique Nucléaire : RMN
21 Résonance Magnétique Nucléaire : RMN Salle de TP de Génie Analytique Ce document résume les principaux aspects de la RMN nécessaires à la réalisation des TP de Génie Analytique de 2ème année d IUT de
Plus en détailISFA 2 année 2002-2003. Les questions sont en grande partie indépendantes. Merci d utiliser l espace imparti pour vos réponses.
On considère la matrice de données : ISFA 2 année 22-23 Les questions sont en grande partie indépendantes Merci d utiliser l espace imparti pour vos réponses > ele JCVGE FM1 GM JCRB FM2 JMLP Paris 61 29
Plus en détailInitiation à l analyse en composantes principales
Fiche TD avec le logiciel : tdr601 Initiation à l analyse en composantes principales A.B. Dufour & J.R. Lobry Une première approche très intuitive et interactive de l ACP. Centrage et réduction des données.
Plus en détailLa structure de la base de données et l utilisation de PAST. Musée Royal de l Afrique Centrale (MRAC Tervuren)
La structure de la base de données et l utilisation de PAST La structure de la base de données données originales SPÉCIMENS Code des spécimens: Identification des spécimens individuels. Dépend du but de
Plus en détailCOMPTE-RENDU «MATHS EN JEANS» LYCEE OZENNE Groupe 1 : Comment faire une carte juste de la Terre?
Claire FORGACZ Marion GALLART Hasnia GOUDJILI COMPTERENDU «MATHS EN JEANS» LYCEE OZENNE Groupe 1 : Comment faire une carte juste de la Terre? Si l on se pose la question de savoir comment on peut faire
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 détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailPROFIS Installation. Module 4: Module 3D Design
PROFIS Installation Module 4: Module 3D Design Ce module de formation est basé sur un cas réel construit en gamme MI. Ce cas permet de présenter toutes les fonctions du module 3D design. 1 Comment utiliser
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 détailCréer une application de livre interactif pour tablette avec Indesign CS6 et Adobe Digital Publishing Suite
Applications de type livre Introduction 9 Qu est-ce qu une application de type livre? 9 Découvrir DPS 11 La publication 12 Comprendre le flux de publication 12 Édition simple ou multifolio 13 Choisir l
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailL inégale répartition de l énergie solaire est à l origine des courants atmosphériques
L inégale répartition de l énergie solaire est à l origine des courants atmosphériques I/ Objectif : Dans la partie 2 du programme de seconde «enjeux planétaires contemporains : énergie et sol», sous partie
Plus en détailNOTICE D' UTILISATION CAMWORKS FRAISAGE. Luc Vallée Lycée Blaise Pascal Segré
NOTICE D' UTILISATION Luc Vallée Lycée Blaise Pascal Segré FRAISAGE SOMMAIRE allée Sciences et techniques Fiche n 1 - Généralités principe....page 3 Fiche n 2 - Lancer une application fraisage...page 7
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 détailLocalisation des fonctions
MODALISA 7 Localisation des fonctions Vous trouverez dans ce document la position des principales fonctions ventilées selon l organisation de Modalisa en onglets. Sommaire A. Fonctions communes à tous
Plus en détailCours IV Mise en orbite
Introduction au vol spatial Cours IV Mise en orbite If you don t know where you re going, you ll probably end up somewhere else. Yogi Berra, NY Yankees catcher v1.2.8 by-sa Olivier Cleynen Introduction
Plus en détail2 - Quels sont les intérêts des exercices?
FICHE N 29 : LES ENTRAÎNEMENTS - EXERCICES DE SIMULATION 1 - Qu est-ce qu un exercice? Les exercices servent à mettre en œuvre de manière pratique les dispositions prévues dans le PCS en se substituant
Plus en détailSPHINX Logiciel de dépouillement d enquêtes
SPHINX Logiciel de dépouillement d enquêtes sphinx50frversion4.doc 1 Les trois stades du SPHINX sont ceux que comporte habituellement toute enquête d opinion: Elaboration du questionnaire (fiche outil
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailMesures d antennes en TNT
Mesures d antennes en TNT Ce TP s intéresse aux techniques liées à l installation d un équipement de réception de télévision numérique terrestre. Pour les aspects théoriques, on pourra utilement se référer
Plus en détailComparaison de Relevés 3D issus de plusieurs Systèmes de Numérisation
Laboratoire Vision & Robotique Comparaison de Relevés 3D issus de plusieurs Systèmes de Numérisation Emilie KOENIG, Benjamin ALBOUY, Sylvie TREUILLET, Yves Lucas Contact : Sylvie Treuillet Polytech'Orléans
Plus en détailAnalyse des correspondances avec colonne de référence
ADE-4 Analyse des correspondances avec colonne de référence Résumé Quand une table de contingence contient une colonne de poids très élevé, cette colonne peut servir de point de référence. La distribution
Plus en détailAnalyses multivariées avec R Commander (via le package FactoMineR) Qu est ce que R? Introduction à R Qu est ce que R?
Analyses multivariées avec R Commander Analyses multivariées avec R Commander (via le package FactoMineR) Plate-forme de Support en Méthodologie et Calcul Statistique (SMCS) - UCL 1 Introduction à R 2
Plus en détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
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 détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailC - ICM LTE Gamme DE
Gamme DELTEC - ICM ICM micro Projecteur de profil numérique 2D Système de mesure 2D, fruit de plus de 25 ans d expérience dans la métrologie par vision! Déposer c est mesurer! - Reconnaissance de la pièce
Plus en détailAide-mémoire de statistique appliquée à la biologie
Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela
Plus en détailLa C.A.O (Conception Assistée par Ordinateur). Le logiciel de C.A.O.
CAO1 La C.A.O (Conception Assistée par Ordinateur). Aujourd'hui, lorsque des ingénieurs décident de concevoir un nouveau produit, ils n'utilisent plus de stylo. Les plans sont réalisés sur ordinateur.
Plus en détailDynamique des protéines, simulation moléculaire et physique statistique
Dynamique des protéines, simulation moléculaire et physique statistique Gerald R. Kneller kneller@llb.saclay.cea.fr, kneller@cnrs-orleans.fr Université d Orléans Laboratoire Léon Brillouin, CEA Saclay
Plus en détailPRÉSENTATION DE L OFFRE
PRÉSENTATION DE L OFFRE CMS 5.x CONTRÔLE DE LA MASSE SALARIALE Les informations contenues dans ce document font partie intégrante de la solution CMS et sont protégées en France par le code de la propriété
Plus en détailACP Voitures 1- Méthode
acp=princomp(voit,cor=t) ACP Voitures 1- Méthode Call: princomp(x = voit, cor = T) Standard deviations: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 2.1577815 0.9566721 0.4903373 0.3204833 0.2542759 0.1447788
Plus en détailELASTICITE DE LA DEMANDE Calcul de l'elasticite & Applications Plan du cours I. L'elasticite de la demande & ses determinants II. Calcul de l'elasticite & pente de la courbe de demande III. Applications
Plus en détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en 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 détailDimensionnement d une roue autonome pour une implantation sur un fauteuil roulant
Dimensionnement d une roue autonome pour une implantation sur un fauteuil roulant I Présentation I.1 La roue autonome Ez-Wheel SAS est une entreprise française de technologie innovante fondée en 2009.
Plus en détailNom : Groupe : Date : 1. Quels sont les deux types de dessins les plus utilisés en technologie?
Nom : Groupe : Date : Verdict Chapitre 11 1 La communication graphique Pages 336 et 337 1. Quels sont les deux types de dessins les plus utilisés en technologie? Les dessins de fabrication. Les schémas.
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 détail1S Modèles de rédaction Enoncés
Par l équipe des professeurs de 1S du lycée Parc de Vilgénis 1S Modèles de rédaction Enoncés Produit scalaire & Corrigés Exercice 1 : définition du produit scalaire Soit ABC un triangle tel que AB, AC
Plus en détailRayonnements dans l univers
Terminale S Rayonnements dans l univers Notions et contenu Rayonnements dans l Univers Absorption de rayonnements par l atmosphère terrestre. Etude de documents Compétences exigibles Extraire et exploiter
Plus en détailAiryLab. 12 impasse de la Cour, 83560 Vinon sur Verdon. Rapport de mesure
AiryLab. 12 impasse de la Cour, 83560 Vinon sur Verdon Rapport de mesure Référence : 2010-44001 FJ Référence 2010-44001 Client Airylab Date 28/10/2010 Type d'optique Lunette 150/1200 Opérateur FJ Fabricant
Plus en détaillivreblanc REALISATION D UN RESEAU INFORMATIQUE AVEC L OFFRE DE COMPOSANT FOLAN CLASSIC LAN
livreblanc REALISATION D UN RESEAU INFORMATIQUE AVEC L OFFRE DE COMPOSANT FOLAN CLASSIC F LAN.net Introduction Ce livre blanc a pour but d aider les personnes intervenant dans la réalisation de réseaux
Plus en détailIMMUNOLOGIE. La spécificité des immunoglobulines et des récepteurs T. Informations scientifiques
IMMUNOLOGIE La spécificité des immunoglobulines et des récepteurs T Informations scientifiques L infection par le VIH entraîne des réactions immunitaires de l organisme qui se traduisent par la production
Plus en détailSolutions hautes performances pour le gardiennage et la surveillance
Solutions hautes performances pour le gardiennage et la surveillance Le gardiennage sera toujours nécessaire Depuis la nuit des temps, l homme surveille et protège son bien. Dans l Antiquité, seules des
Plus en détailLes bases de l optique
Vision to Educate Les 10 pages essentielles Edition 2014 Introduction Edito Si résumer le métier d opticien dans un livret de 12 pages n est pas possible, nous avons essayé dans ce document d apporter
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailAvec sauvegardez sans y penser, partagez et bougez, vos données vous suivent! Retrouvez tous vos services du cloud pro en cliquant ici.
Avec sauvegardez sans y penser, partagez et bougez, vos données vous suivent! Retrouvez tous vos services du cloud pro en cliquant ici. SUGARSYNC VOUS ACCOMPAGNE À TOUT MOMENT DANS LA GESTION DE VOS DONNÉES
Plus en détailpour les canalisations de transport 14 avril 2010-1 -
Arrêté multifluide du 4 août t 2006 pour les canalisations de transport 14 avril 2010-1 - Une volonté de l administration L ancien arrêté portant règlement de sécurité des ouvrages de transport de gaz
Plus en détailETUDE REALISEE A LA DEMANDE DE LA REGION DE BRUXELLES-CAPITALE. W. PIRARD, Ingénieur Civil en Electronique, Chef de la Section Electronique Appliquée.
ETUDE DES RISQUES LIES A L EXPOSITION AUX CHAMPS ELECTROMAGNETIQUES RAYONNES PAR LES FAISCEAUX HERTZIENS UTILISES PAR LES OPERATEURS DE TELEPHONIE MOBILE ETUDE REALISEE A LA DEMANDE DE LA REGION DE BRUXELLES-CAPITALE
Plus en détailIndividus et informations supplémentaires
ADE-4 Individus et informations supplémentaires Résumé La fiche décrit l usage des individus supplémentaires dans des circonstances variées. En particulier, cette pratique est étendue aux analyses inter
Plus en détailRepérage d un point - Vitesse et
PSI - écanique I - Repérage d un point - Vitesse et accélération page 1/6 Repérage d un point - Vitesse et accélération Table des matières 1 Espace et temps - Référentiel d observation 1 2 Coordonnées
Plus en détailCycle de formation certifiante Sphinx
Cycle de formation certifiante Sphinx 28, 29, 30 Mai 2015 Initiation, Approfondissement et Maîtrise Etudes qualitatives / quantitatives Initiation, approfondissement et maîtrise des études qualitatives
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 détailL ANALYSE DU «PARC SOCIAL DE FAIT» PARISIEN EN 2003 : UNE ANALYSE TERRITORIALISÉE DES PROFILS D OCCUPATION DES PARCS ET DES QUARTIERS
ATELIER PARISIEN D URBANISME - 17, BD MORLAND 75004 PARIS TÉL : 01 42 71 28 14 FAX : 01 42 76 24 05 http://www.apur.org Observatoire de l'habitat de Paris L ANALYSE DU «PARC SOCIAL DE FAIT» PARISIEN EN
Plus en détailOscillations libres des systèmes à deux degrés de liberté
Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailTechnologie 125 Khz pour une performance optimale en en environnement industriel. Création des badges. Programmation des badges
CC AXKEF LA RFID SECURISEE DANS L ENVIRONNEMENT INDUSTRIEL TERTIAIRE Technologie 125 Khz pour une performance optimale en en environnement industriel Création des badges La technologie AXKEF intègre notre
Plus en détail1 Création d une pièce. 2 Travail complémentaire. 1-1 Réglage des barres d outils. 1-2 Exemples de réalisation de pièces à l aide d un modeleur 3D
SolidWorks Logiciel de DAO (Dessin Assisté par Ordinateur) Palonnier Servomoteur SOMMAIRE : 1 Création d une pièce 1-1 Réglage des barres d outils 1-2 Exemples de réalisation de pièces à l aide d un modeleur
Plus en détailEXERCICE II. SYNTHÈSE D UN ANESTHÉSIQUE : LA BENZOCAÏNE (9 points)
Bac S 2015 Antilles Guyane http://labolycee.org EXERCICE II. SYNTHÈSE D UN ANESTHÉSIQUE : LA BENZOCAÏNE (9 points) La benzocaïne (4-aminobenzoate d éthyle) est utilisée en médecine comme anesthésique local
Plus en détailLecture critique et pratique de la médecine
1-00.qxp 24/04/2006 11:23 Page 13 Lecture critique appliquée à la médecine vasculaireecture critique et pratique de la médecine Lecture critique et pratique de la médecine Introduction Si la médecine ne
Plus en détailPartie Observer : Ondes et matière CHAP 04-ACT/DOC Analyse spectrale : Spectroscopies IR et RMN
Partie Observer : Ondes et matière CHAP 04-ACT/DOC Analyse spectrale : Spectroscopies IR et RMN Objectifs : Exploiter un spectre infrarouge pour déterminer des groupes caractéristiques Relier un spectre
Plus en détailNF26 Data warehouse et Outils Décisionnels Printemps 2010
NF26 Data warehouse et Outils Décisionnels Printemps 2010 Rapport Modélisation Datamart VU Xuan Truong LAURENS Francis Analyse des données Avant de proposer un modèle dimensionnel, une analyse exhaustive
Plus en détailADELIE. Alerte-DEtection-Localisation-IncendiE. Documentation du logiciel Interface Homme / Machine du poste opérateur
I122F - 0913 NOTICE I.H.M. OPERATEUR Constructeur français ADELIE Alerte-DEtection-Localisation-IncendiE Documentation du logiciel Interface Homme / Machine du poste opérateur PARATRONIC - Rue des Genêts
Plus en détailScénario: Données bancaires et segmentation de clientèle
Résumé Scénario: Données bancaires et segmentation de clientèle Exploration de données bancaires par des méthodes uni, bi et multidimensionnelles : ACP, AFCM k-means, CAH. 1 Présentation Le travail proposé
Plus en détailBorne VIGILE. Descriptif. Caractéristiques
Borne VIGILE Descriptif La borne VIGILE intègre un indicateur de pesage, et constitue une interface conviviale entre le chauffeur du véhicule et la réalisation d une pesée. Cette borne permet l affichage
Plus en détailGérer les droits d accès 27 Créer et gérer des utilisateurs en tant qu administrateur 27 FAQ 29. Annexe Lexique 31
guide opérationnel 2 Table des matières Introduction 3 S inscrire à l application en ligne Collect & Stamp 4 Utiliser l outil Collect & Stamp 5 Transactions factures et annexes 9 Envois recommandés 14
Plus en détailCelestia. 1. Introduction à Celestia (2/7) 1. Introduction à Celestia (1/7) Université du Temps Libre - 08 avril 2008
GMPI*EZVI0EFSVEXSMVIH%WXVSTL]WMUYIHI&SVHIEY\ 1. Introduction à Celestia Celestia 1.1 Généralités 1.2 Ecran d Ouverture 2. Commandes Principales du Menu 3. Exemples d Applications 3.1 Effet de l atmosphère
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détailReconstruction de bâtiments en 3D à partir de nuages de points LIDAR
Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Mickaël Bergem 25 juin 2014 Maillages et applications 1 Table des matières Introduction 3 1 La modélisation numérique de milieux urbains
Plus en détailMesures et incertitudes
En physique et en chimie, toute grandeur, mesurée ou calculée, est entachée d erreur, ce qui ne l empêche pas d être exploitée pour prendre des décisions. Aujourd hui, la notion d erreur a son vocabulaire
Plus en détailBACCALAURÉAT GÉNÉRAL PHYSIQUE-CHIMIE
BAALAURÉAT GÉNÉRAL SESSIN 2015 PYSIQUE-IMIE Série S Durée de l épreuve : 3 heures 30 oefficient : 6 L usage de la calculatrice est autorisé e sujet ne nécessite pas de feuille de papier millimétré Le sujet
Plus en détailGouvernance des mesures de sécurité avec DCM-Manager. Présentation du 22 mai 2014
Gouvernance des mesures de sécurité avec DCM-Manager Présentation du 22 mai 2014 Gérer les actifs logiciels et leur répartition Maîtriser le durcissement des configurations Suivre l application des correctifs
Plus en détailC est quoi un tableur?
C est quoi un tableur? Initiation au tableur Un Tableur c'est une grande feuille électronique, où vous pourrez travailler comme vous le feriez sur une feuille de papier, mais avec une plus grande rapidité,
Plus en détailLe Logiciel de Facturation ultra simplifié spécial Auto-Entrepreneur
Le Logiciel de Facturation ultra simplifié spécial Auto-Entrepreneur La Facturation Le Livre chronologique des Recettes Le Registre des Achats Le Suivi du Chiffre d Affaires en temps réel Site internet
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 détailNote de cours. Introduction à Excel 2007
Note de cours Introduction à Excel 2007 par Armande Pinette Cégep du Vieux Montréal Excel 2007 Page: 2 de 47 Table des matières Comment aller chercher un document sur CVMVirtuel?... 8 Souris... 8 Clavier
Plus en détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
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 détailManuel d application pour S&P C-Sheet 240
Manuel d application pour Exigences de qualité générale: Adhérence minimale du support > 1.0 N/mm 2 Température du support au minimum 3 C au-dessus de la température du point de rosée Humidité maximale
Plus en détailDIFFRACTion des ondes
DIFFRACTion des ondes I DIFFRACTION DES ONDES PAR LA CUVE À ONDES Lorsqu'une onde plane traverse un trou, elle se transforme en onde circulaire. On dit que l'onde plane est diffractée par le trou. Ce phénomène
Plus en détailTMS Enterprise Description des rapports
TMS Enterprise Description des rapports Dernière modification: 22/08/2011 Version 1.2 St. Michael Strategies #201 701 Salaberry Chambly Québec Canada J3L 1R2 (450) 658-5148 www.storetraffic.com Contents
Plus en détailCours d algorithmique pour la classe de 2nde
Cours d algorithmique pour la classe de 2nde F.Gaudon 10 août 2009 Table des matières 1 Avant la programmation 2 1.1 Qu est ce qu un algorithme?................................. 2 1.2 Qu est ce qu un langage
Plus en détail