Statistiques I. Alexandre Caboussat Classe : Mercredi 8h15-10h00 Salle: C114
|
|
- Isabelle Blanchette
- il y a 7 ans
- Total affichages :
Transcription
1 Statistiques I Alexandre Caboussat alexandre.caboussat@hesge.ch Classe : Mercredi 8h15-10h00 Salle: C114 A. Caboussat, HEG STAT I, / 45
2 Exemple de quantiles Données: α = 27 1, 5, 7, 12 A. Caboussat, HEG STAT I, / 45
3 Exercice 4.7 Le nombre d abonnés au haut débit en Suisse a évolué de la manière suivante: Année [mois=décembre] xdsl Câble Calculer pour les deux séries de données xdsl et Câble, la moyenne, la médiane, l étendue, les quartiles Construire le Boxplot (boîte à moustaches) pour chacune des deux séries de données Commenter les Boxplot obtenus (Les distributions sont-elles de même dispersion?, Y a-t-il de l asymétrie?) A. Caboussat, HEG STAT I, / 45
4 Exercice 4.7 Le nombre d abonnés au haut débit en Suisse a évolué de la manière suivante: Année [mois=décembre] xdsl Câble A. Caboussat, HEG STAT I, / 45
5 Exercice 4.7 Le nombre d abonnés au haut débit en Suisse a évolué de la manière suivante: Année [mois=décembre] xdsl Câble DSL Cable 0e+00 2e+05 4e+05 6e+05 8e+05 1e+05 2e+05 3e+05 4e+05 A. Caboussat, HEG STAT I, / 45
6 Exercice 4.8 N Valide 15 Manquant 0 Moyenne 1999 Médiane 2000 Mode 2002 Ecart-type Variance 14 Minimum 1994 Maximum 2005 Percentiles A. Caboussat, HEG STAT I, / 45
7 Définitions La variance d une population, notée σ 2, est la moyenne des carrés des écarts à la moyenne σ 2 = 1 N N (x i µ) 2, i=1 où N est le nombre d individus et µ la moyenne de la variable x. L écart-type d une population, noté σ, est défini par la racine carrée de la variance: σ = σ 2 = 1 N (x i µ) N 2 = 1 N N ( xi 2 Nµ 2 ) i=1 i=1 A. Caboussat, HEG STAT I, / 45
8 Définitions La variance d un échantillon, de taille n, notée s 2, est s 2 = 1 n 1 n (x i x) 2, L écart-type d un échantillon de taille n, noté s, est σ = σ 2 = 1 n (x i x) n 1 2 = 1 n n 1 ( xi 2 n x 2 ) i=1 i=1 i=1 A. Caboussat, HEG STAT I, / 45
9 Attention! La variance d un échantillon n est pas définie de la même manière que la variance d une population. En effet, la formule utilise la moyenne de l échantillon au lieu de la moyenne de la population (qui est inconnue puisque l on a recours à un échantillon!). Or la moyenne de l échantillon est (par définition) parfaitement centrée au milieu de l échantillon, ce qui n est en général pas tout à fait le cas avec la moyenne de la population. Par conséquent, le résultat obtenu aura tendance à être légèrement inférieur à celui que l on aurait obtenu en utilisant la moyenne de la population. Le calcul de la variance d un échantillon utilise donc n 1 comme diviseur et non pas n pour corriger ceci. A. Caboussat, HEG STAT I, / 45
10 Exemple Population: {3, 5, 5, 7, 10}. µ = 6, σ 2 = 28 5 = 5.6, σ A. Caboussat, HEG STAT I, / 45
11 Exemple Echantillon: {3, 5, 7} {3, 5, 5, 7, 10}. Si on divise par n: x = 5, s 2 = Si on divise par n 1: x = 5, s 2 = 8 2 = 4. A. Caboussat, HEG STAT I, / 45
12 Remarque Calculatrices: le plus souvent écart-type associé à un échantillon Attention de bien contrôler sur votre machine quelle formule est utilisée! A. Caboussat, HEG STAT I, / 45
13 Coefficient de variation Définition Le coefficient de variation (CV) est le ratio entre l écart-type et la moyenne, exprimé en pourcent. Population Echantillon 100 σ µ 100 s x Le coefficient de variation permet d obtenir un indice général, indépendant des unités de mesure employées, contrairement à l écart-type qui dépend de la moyenne et de l unité de mesure utilisée. A. Caboussat, HEG STAT I, / 45
14 Coefficient de variation : Exemple En finance, le CV mesure le risque relatif d un portefeuille. Supposons que le portefeuille A contient un ensemble d actions et d obligations donnant un rendement moyen de 12%, avec un écart-type de 3% (risque); un portefeuille B a un rendement moyen de 6% avec un écart-type de 2%. Le coefficient de variation associé à chaque portefeuille est : CV (A) = = 25% CV (B) = = 33% A. Caboussat, HEG STAT I, / 45
15 Indicateurs de Dispersion Mesures d asymétrie et d aplatissement A. Caboussat, HEG STAT I, / 45
16 Objectif Connaître et savoir interpréter: la mesure d asymétrie: Skewness la mesure d aplatissement: Kurtosis A. Caboussat, HEG STAT I, / 45
17 Mesure d asymétrie : Skewness Définition Le coefficient d asymétrie skew est calculé ainsi skew = n (n 1)(n 2) n (x i µ) 3 i=1 où σ est l écart-type de la population, et µ la moyenne. σ 3 A. Caboussat, HEG STAT I, / 45
18 Valeurs d asymétrie skew < 0 skew > 0 Étalement à gauche Étalement à droite Commandes Informatiques skewness (package fbasics) (R) coefficient.asymetrie (Excel FR) skew (Excel AN) A. Caboussat, HEG STAT I, / 45
19 Mesure d asymétrie : Exemple Les pointures de chaussures d un groupe de personnes sont résumées dans le diagramme en bâtons suivant: A. Caboussat, HEG STAT I, / 45
20 Mesure d asymétrie : Exemple Les pointures de chaussures d un groupe de personnes sont résumées dans le diagramme en bâtons suivant: La moyenne de ces 25 observations est de 36.8, l écart-type de 5.55,et le skew est de 486, ce qui correspond bien à un étalement à droite. A. Caboussat, HEG STAT I, / 45
21 Mesures d aplatissement : Kurtosis Définition Le coefficient d aplatissment kurtosis est calculé ainsi n (x i µ) 4 kurt = A i=1 σ 4 3B où σ est l écart-type de la population, µ la moyenne, et A = n(n + 1) (n 1)(n 2)(n 3) B = (n 1) 2 (n 2)(n 3) sont des constantes d ajustement. Commandes Informatiques kurtosis (R) kurtosis (Excel FR) kurt (Excel AN) A. Caboussat, HEG STAT I, / 45
22 Valeurs d aplatissement kurt > 0 kurt < 0 Pic et Aplatissement et queues épaisses queues minces A. Caboussat, HEG STAT I, / 45
23 Exemple La distribution du nombre de tasses de café bues en une journée à la terrasse d un bistro est : 11, 13, 18, 20, 21, 23, 25, 25, 27, 28, 31, 34, 35, 41, 42, 43, 44, 46, 54, 93 A. Caboussat, HEG STAT I, / 45
24 Exemple La distribution du nombre de tasses de café bues en une journée à la terrasse d un bistro est : 11, 13, 18, 20, 21, 23, 25, 25, 27, 28, 31, 34, 35, 41, 42, 43, 44, 46, 54, 93 On voit que cette distribution a une queue épaisse, à cause de la valeur à 93. Pour cette distribution kurt=6.1. Si on remplace la valeur 93 par 33, on obtient kurt= A. Caboussat, HEG STAT I, / 45
25 Résumé Les mesures d asymétrie Skewness et d aplatissement Kurtosis sont utiles pour déterminer la forme de la distribution. Ces mesures utilisent dans leur calcul l écart-type. A. Caboussat, HEG STAT I, / 45
26 Synthèses numériques : Résumé Mesures de tendance centrale (positionnement) Mode : valeur la plus fréquente (tous types de variables). Moyenne arithmétique, moyenne tronquée (variables quantitatives). Médiane : 50% au dessous, 50% au dessus (variables quantitatives et qualitatives ordinales). Mesures de dispersion (variables quantitatives uniquement) : l étendue. les quartiles et l écart interquartile. le boxplot. l écart-type et la variance d une population vs dun échantillon. Le coefficient de variation. A. Caboussat, HEG STAT I, / 45
27 Synthèses numériques : Résumé Les mesures d asymétrie Skewness et d aplatissement Kurtosis permettent de connaître des caract eristiques supplémentaires de la distribution. Leurs calculs utilisent la moyenne et l écart-type. skew < 0 skew > 0 Étalement à gauche Étalement à droite kurt > 0 kurt < 0 Pic et Aplatissement et queues épaisses queues minces A. Caboussat, HEG STAT I, / 45
28 Données numériques groupées A. Caboussat, HEG STAT I, / 45
29 Exemple Délai d expédition de l entreprise Sun4all en février classe fréquence i n i 1 [0-3[ 1 2 [3-6[ 0 3 [6-7.5[ 6 4 [7.5-9[ 7 5 [9-12] 5 A. Caboussat, HEG STAT I, / 45
30 Objectifs Avec des données numériques groupées, savoir déterminer la classe modale la moyenne la médiane et les quartiles l écart type (et la variance) A. Caboussat, HEG STAT I, / 45
31 Classe modale Définition La classe modale est la classe ayant la plus grande fréquence. A. Caboussat, HEG STAT I, / 45
32 Exemple: classe modale Délai d expédition de l entreprise Sun4all en février classe fréquence i n i 1 [0-3[ 1 2 [3-6[ 0 3 [6-7.5[ 6 4 [7.5-9[ 7 5 [9-12] 5 La classe modale est la classe [7.5-9[ A. Caboussat, HEG STAT I, / 45
33 Médiane Définition La classe médiane est la classe contenant la médiane. Parmi les classes ordonnées, c est la première dont la fréquence relative cumulée dépasse 0.5. La médiane des données groupées est ensuite approchée par interpolation linéaire. A. Caboussat, HEG STAT I, / 45
34 Exemple: Médiane Délai d expédition de l entreprise Sun4all en février classe fréq. fréq. relative fréq. rel. x i n i f i = n i /n cumulée 1 [0-3[ [3-6[ [6-7.5[ [7.5-9[ [9-12] n=19 5 f i = 1 i=1 La classe médiane est donc [7.5-9[ A. Caboussat, HEG STAT I, / 45
35 Exemple (suite) B H G H A? K K A I #! $ % # ' med(delai) = = La vraie médiane est 8 (cf. chapitre précédent). A. Caboussat, HEG STAT I, / 45
36 Cas particulier L une des classes a une fréquence relative cumulée égale à 0.5, alors la médiane est égale à la borne supérieure de cette classe. B H G H A? K K A I # " $ % & ' La médiane vaut 170 A. Caboussat, HEG STAT I, / 45
37 Exemple (fictif) classe fréq. fréq. relative fréq. rel. x i n i f i = n i /n cumulée 1 [0-3[ [3-6[ [6-7.5[ [7.5-9[ [9-12] n=10 5 f i = 1 La classe médiane est donc [6 7.5[. La médiane est 7.5. i=1 A. Caboussat, HEG STAT I, / 45
38 Moyenne Convention: chaque observation d une classe est égale à la valeur centrale de cette classe. x = c n i x i i=1 c : nombre de classes n i : fréquence de la i-ième classe x i : valeur centrale de la i-ième classe n : nombre total de données. n A. Caboussat, HEG STAT I, / 45
39 Exemple: Moyenne Délai d expédition de l entreprise Sun4all en février. classe fréq. val. centrale x i n i x i 1 [0-3[ [3-6[ [6-7.5[ [7.5-9[ [9-12] n=19 delai = = 8.01 A. Caboussat, HEG STAT I, / 45
Séries 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 détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en 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 détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
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 détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailStatistiques avec la graph 35+
Statistiques avec la graph 35+ Enoncé : Dans une entreprise, on a dénombré 59 femmes et 130 hommes fumeurs. L entreprise souhaite proposer à ses employés plusieurs méthodes pour diminuer, voire arrêter,
Plus en détailRésumé du Cours de Statistique Descriptive. Yves Tillé
Résumé du Cours de Statistique Descriptive Yves Tillé 15 décembre 2010 2 Objectif et moyens Objectifs du cours Apprendre les principales techniques de statistique descriptive univariée et bivariée. Être
Plus en détailStatistiques 0,14 0,11
Statistiques Rappels de vocabulaire : "Je suis pêcheur et je désire avoir des informations sur la taille des truites d'une rivière. Je décide de mesurer les truites obtenues au cours des trois dernières
Plus en détailStatistiques descriptives
Statistiques descriptives L3 Maths-Eco Université de Nantes Frédéric Lavancier F. Lavancier (Univ. Nantes) Statistiques descriptives 1 1 Vocabulaire de base F. Lavancier (Univ. Nantes) Statistiques descriptives
Plus en détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détail4 Statistiques. Les notions abordées dans ce chapitre CHAPITRE
CHAPITRE Statistiques Population (en milliers) 63 6 6 6 Évolution de la population en France 9 998 999 3 Année Le graphique ci-contre indique l évolution de la population française de 998 à. On constate
Plus en détailStatistiques à une variable
Statistiques à une variable Calcul des paramètres statistiques TI-82stats.fr? Déterminer les paramètres de la série statistique : Valeurs 0 2 3 5 8 Effectifs 16 12 28 32 21? Accès au mode statistique Touche
Plus en détailIBM SPSS Statistics Base 20
IBM SPSS Statistics Base 20 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 316. Cette version s applique à IBM SPSS
Plus en détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
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 détailFPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 1
INTRODUCTION ça L'INFçERENCE STATISTIQUE 1. Introduction 2. Notion de variable alçeatoire íprçesentation ívariables alçeatoires discrçetes ívariables alçeatoires continues 3. Reprçesentations d'une distribution
Plus en détailEvolution des risques sur les crédits à l habitat
Evolution des risques sur les crédits à l habitat n 5 février 2012 1/17 SOMMAIRE 1. PRINCIPALES CARACTÉRISTIQUES DE LA PRODUCTION... 4 2. ANALYSE DÉTAILLÉE DES INDICATEURS DE RISQUE... 8 2.1 Montant moyen
Plus en détail1 Importer et modifier des données avec R Commander
Université de Nantes 2015/2016 UFR des Sciences et Techniques Département de Mathématiques TP1 STATISTIQUE DESCRIPTIVE Frédéric Lavancier Avant propos Ouvrir l application R Saisir dans la console library(rcmdr)
Plus en détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en détailSéquence 4. Statistiques. Sommaire. Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement
Séquence 4 Statistiques Sommaire Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement 1 Introduction «Etude méthodique des faits sociaux par des
Plus en détailLicence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015.
Licence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015. Thèmes des séances de TD Thème n.1: Tableaux statistiques et représentations graphiques. Thème
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
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 détailBulletin d information statistique
INFOSTAT JUSTICE Divorces : une procédure à deux vitesses Zakia Belmokhtar * Mai 2012 Numéro 117 En visant à permettre un règlement plus rapide et plus complet des demandes en divorce, la loi du 26 mai
Plus en détailUNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand
UNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand Service méthodes statistiques Institut National d Etudes Démographiques (Ined)
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 détailDirection des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Plus en 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 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 détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailClasse de première L
Classe de première L Orientations générales Pour bon nombre d élèves qui s orientent en série L, la classe de première sera une fin d étude en mathématiques au lycée. On a donc voulu ici assurer à tous
Plus en détailLa place de SAS dans l'informatique décisionnelle
La place de SAS dans l'informatique décisionnelle Olivier Decourt ABS Technologies - Educasoft Formations La place de SAS dans l'informatique décisionnelle! L'historique de SAS! La mécanique! La carrosserie
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 détail- Ressources pour les classes
Mathématiques Collège - Ressources pour les classes de 6 e, 5 e, 4 e, et 3 e du collège - - Organisation et gestion de données au collège - Ce document peut être utilisé librement dans le cadre des enseignements
Plus en détailStatistiques - Cours. 1. Gén éralités. 2. Statistique descriptive univari ée. 3. Statistique descriptive bivariée. 4. Régression orthogonale dans R².
Statistiques - Cours Page 1 L I C E N C E S c i e n t i f i q u e Cours Henri IMMEDIATO S t a t i s t i q u e s 1 Gén éralités Statistique descriptive univari ée 1 Repr é s e n t a t i o n g r a p h i
Plus en détailINFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X.
INFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X. Année scolaire 009-010 TABLE DES MATIERES CHAPITRE 1: Eléments de statistiques descriptives...
Plus en détailBACCALAURÉAT PROFESSIONNEL SUJET
SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)
Plus en détailL exclusion mutuelle distribuée
L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué
Plus en détailSTATISTIQUES DESCRIPTIVES
1 sur 7 STATISTIQUES DESCRIPTIVES En italien, «stato» désigne l état. Ce mot à donné «statista» pour «homme d état». En 1670, le mot est devenu en latin «statisticus» pour signifier ce qui est relatif
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 détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailÉtude sur les taux de revalorisation des contrats individuels d assurance vie au titre de 2013 n 26 mai 2014
n 26 mai 2014 Étude sur les taux de revalorisation des contrats individuels d assurance vie au titre de 2013 Sommaire 1.INTRODUCTION 4 2.LE MARCHÉ DE L ASSURANCE VIE INDIVIDUELLE 6 2.1.La bancassurance
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailStatistique descriptive. Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne. Notes de cours
Statistique descriptive Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne Notes de cours Dernière mise à jour le mercredi 25 février 2009 1 ère année de Licence Aix & Marseille
Plus en détailChapitre 3 : Le budget des ventes. Marie Gies - Contrôle de gestion et gestion prévisionnelle - Chapitre 3
Chapitre 3 : Le budget des ventes Introduction 2 Rappel des différents budgets opérationnels - budget des ventes (chapitre 3) - budget de production (chapitre 4) - budget des approvisionnements et des
Plus en détailBrock. Rapport supérieur
Simplification du processus de demande d aide financière dans les établissementss : Étude de cas à l Université Brock Rapport préparé par Higher Education Strategy Associates et Canadian Education Project
Plus en détail1 Objectifs. Traitement statistique des données d enquête avec introduction à SPSS. Plan
1 Objectifs Traitement statistique des données d enquête avec introduction à SPSS Gilbert Ritschard Département d économétrie, Université de Genève gilbert.ritschard@themes.unige.ch Bamako, 7-11 octobre
Plus en détailTSTT ACC OUTILS DE GESTION COMMERCIALE FICHE 1 : LES MARGES
TSTT ACC OUTILS DE GESTION COMMERCIALE FICHE 1 : LES MARGES Coût de revient du produit + Marge du fabricant = Prix de vente HT au distributeur Prix d'achat HT du distributeur + Marge du distributeur =
Plus en détailTravail de projet sur VBA
Travail de projet sur VBA Calcul du Ratio de Sharpe Page 1 sur 25 Table des matières : 1. Introduction 3 2. Démarche générale 3 2.1 Récolte de données 3 2.2 Calculs de rendements 4 2.3 Calculs de volatilités
Plus en détailÉtude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France
Étude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France Le 13 octobre 2014 Autorité des marchés financiers 17, place de la Bourse 75082 Paris cedex 02 Tél. : 01 53
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 détailFonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme
Fonctions linéaires et affines 3eme 1 Fonctions linéaires 1.1 Vocabulaire Définition 1 Soit a un nombre quelconque «fixe». Une fonction linéaire associe à un nombre x quelconque le nombre a x. a s appelle
Plus en détailAnalyse et interprétation des données
8 Analyse et interprétation des données Les données de l enquête peuvent être utilisées pour différents types d analyses aussi bien au niveau national qu au niveau international. Ce chapitre explique comment
Plus en détailEvaluation de la variabilité d'un système de mesure
Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les
Plus en 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 détailParamètres d accessibilité des systèmes d exploitation Windows et Mac
Paramètres d accessibilité des systèmes d exploitation Windows et Mac Hôpital Raymond Poincaré 104, Bd Raymond Poincaré 92380 Garches GB Consulting 242 rue du Faubourg de Roubaix 59800 Lille Samuel POUPLIN
Plus en détailCours n 12. Technologies WAN 2nd partie
Cours n 12 Technologies WAN 2nd partie 1 Sommaire Aperçu des technologies WAN Technologies WAN Conception d un WAN 2 Lignes Louées Lorsque des connexions dédiées permanentes sont nécessaires, des lignes
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 détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailThéorie des sondages : cours 5
Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur
Plus en détailObservatoire Economique et Statistique d Afrique Subsaharienne
Observatoire Economique et Statistique d Afrique Subsaharienne Termes de référence pour le recrutement de quatre (4) consultants dans le cadre du Projet «Modules d initiation à la statistique à l attention
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 détailI. Cas de l équiprobabilité
I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus
Plus en détailUtilisation du Logiciel de statistique SPSS 8.0
Utilisation du Logiciel de statistique SPSS 8.0 1 Introduction Etude épidémiologique transversale en population générale dans 4 pays d Afrique pour comprendre les différences de prévalence du VIH. 2000
Plus en détailÉlément 424b Introduction à la statistique descriptive
CTU Master AGPS De la donnée à la connaissance : traitement, analyse et transmission Élément 44b Introduction à la statistique descriptive Prof. Marie-Hélène de Sède-Marceau Année / Statistique Introduction
Plus en détailUtilisation du module «Geostatistical Analyst» d ARCVIEW dans le cadre de la qualité de l air
Etude n 10 Assistance en modélisation (Rapport 3/3) Utilisation du module «Geostatistical Analyst» d ARCVIEW dans le cadre de la qualité de l air Novembre 2004 Convention : 04000087 Giovanni CARDENAS Utilisation
Plus en détailReprésentation des Nombres
Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...
Plus en détailMathématiques financières
Mathématiques financières Table des matières 1 Intérêt simple 1 1.1 Exercices........................................ 1 2 Intérêt composé 2 2.1 Taux nominal, taux périodique, taux réel.......................
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 détailIBM SPSS Direct Marketing 21
IBM SPSS Direct Marketing 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 109. Cette version s applique à IBM SPSS
Plus en détailModélisation et étude d un système de trading directionnel diversifié sur 28 marchés à terme
Modélisation et étude d un système de trading directionnel diversifié sur 28 marchés à terme Trading system : Trend following Breakout Janvier 1996 - Janvier 2009 Etude de la performance du système Le
Plus en détailRéunion d information Accès Internet. 25 avril 2014
Réunion d information Accès Internet 25 avril 2014 Rappel des étapes 2011 : lancement de la démarche de gestion Associant les communes, CCI, AEZA, Grand Lyon Objectif : améliorer le «cadre de vie» des
Plus en détailTests de normalité Techniques empiriques et tests statistiques
Ricco Rakotomalala Tests de normalité Techniques empiriques et tests statistiques Version 2.0 Université Lumière Lyon 2 Page: 1 job: Test_Normalite macro: svmono.cls date/time: 1-Oct-2011/7:43 Page: 2
Plus en détailLecture 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 détailLe principe de prudence : Les amortissements
Le principe de prudence : Les s Chapitre 13 Introduction La mise en situation comprend 5 parties I Le principe de prudence II L III Plan d IV Enregistrement V Les cessions d immobilisations Il faut garder
Plus en détailSommaire de la séquence 12
Sommaire de la séquence 12 Séance 1........................................................................................................ J étudie un phénomène naturel : la marée................................................................
Plus en détailFiltres maîtres et distribués ADSL
1/12 Guide d installation d un filtre LEA Filtres maîtres et distribués Datasheet installation filtre LEA Fr Ed04 27-06-05 - PCt 2/12 Guide d installation d un filtre LEA Qu est-ce que l? signifie Asymetric
Plus en détailCatalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands.
Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands. Pourquoi un autre catalogue en Suisse romande Historique En 1990, la CRUS (Conférences des
Plus en détailContenu pédagogique des unités d enseignement Semestre 1(1 ère année) Domaine : Sciences et techniques et Sciences de la matière
Contenu pédagogique des unités d enseignement Semestre 1(1 ère année) Domaine : Sciences et techniques et Sciences de la matière Algèbre 1 : (Volume horaire total : 63 heures) UE1 : Analyse et algèbre
Plus en détailNOTES DE COURS STT1700. Introduction à la statistique. David Haziza
NOTES DE COURS STT1700 Introduction à la statistique David Haziza Automne 008 Qu est ce que la statistique? La statistique est la science dont le but est de donner un sens aux données. L étude statistique
Plus en détailStrasbourg. De la statistique. aux probabilités. en lycée. De la statistique. aux probabilités. en lycée. Octobre 2006
Institut de recherche sur l'enseignement des mathématiques IREM De la statistique De la statistique aux probabilités aux probabilités en lycée en lycée Octobre 6 UFR de mathématique et d'informatique 7
Plus en détailSOMMAIRE OPÉRATIONS COURANTES OPÉRATIONS D INVENTAIRE
SOMMAIRE OPÉRATIONS COURANTES OPÉRATIONS D INVENTAIRE 1 Factures de doit p. 9 Processus 1 2 Réductions sur factures de doit p. 11 Processus 1 3 Frais accessoires sur factures p. 13 Processus 1 4 Comptabilisation
Plus en détailPremiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données. Premiers pas avec SES-Pegase 1
Premiers pas avec SES-Pegase 1 Premiers pas avec SES-Pegase (version 7.0) SES : Un Système Expert pour l analyse Statistique des données www.delta-expert.com Mise à jour : Premiers pas avec SES-Pegase
Plus en détailAnalyse de la bande passante
Analyse de la bande passante 1 Objectif... 1 2 Rappels techniques... 2 2.1 Définition de la bande passante... 2 2.2 Flux ascendants et descandants... 2 2.3 Architecture... 2 2.4 Bande passante et volumétrie...
Plus en détailTD d économétrie appliquée : Introduction à STATA
Ecole normale supérieure (ENS) Département d économie TD d économétrie appliquée : Introduction à STATA Marianne Tenand marianne.tenand@ens.fr OBJECTIFS DU TD Découvrir le logiciel d économétrie STATA,
Plus en détailAssurances de biens et de responsabilité. Etude Mars 2014
Assurances de biens et de responsabilité Etude Mars 2014 Tempêtes, grêle et neige : Résultats de l année 2012 Ce document est la propriété exclusive de la FFSA et du GEMA et est protégé par le droit d'auteur.
Plus en détailIFT3030 Base de données. Chapitre 2 Architecture d une base de données
IFT3030 Base de données Chapitre 2 Architecture d une base de données Plan du cours Introduction Architecture Modèles de données Modèle relationnel Algèbre relationnelle SQL Conception Fonctions avancées
Plus en détailUviLight XTW Spectrophotomètre UV-Vis
Enseignement Agro-alimentaire Sciences Chimie Recherche Laboratoires de référence UviLight XTW Spectrophotomètre UV-Vis Accédez aux meilleures performances grâce à des spécificités optiques supérieures
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 détailINVERSIO. N Azur 0 810 104 104. www.castorama.fr Service consommateur Castorama BP101-59175 Templemars. réf. R1-99879
INVERSIO Réf. ALTERNA 0 7 FR www.castorama.fr Service consommateur Castorama BP0-97 Templemars N Azur 0 80 0 0 PRI D UN APPEL LOCAL DEPUIS UN POSTE FIE réf. R-99879 R 99880-0909 Notice_INVERSIO_LIVRET_A_EE.indd
Plus en détailQUELLE FIBRE UTILISER EN FONCTION DE MES APPLICATIONS. OM1, OM2 ou OM3, QUELLE EST LA FIBRE QU IL ME FAUT POUR MON INSTALLATION?
QUELLE FIBRE UTILISER EN FONCTION DE MES APPLICATIONS LE MATCH µm VS 62,5 µm Dans les années 70, les premières fibres optiques de télécommunications avaient un coeur de µm : ces dernières ont été remplacées
Plus en détailUn essai de mesure de la ponction actionnariale note hussonet n 63, 7 novembre 2013
Un essai de mesure de la ponction actionnariale note hussonet n 63, 7 novembre 2013 L objectif de cette note est de présenter une mesure de la ponction actionnariale. Son point de départ est un double
Plus en détailIFT3902 : (Gestion de projet pour le) développement, (et la) maintenance des logiciels
IFT3902 : (Gestion de projet pour le) développement, (et la) maintenance des logiciels Yann-Gaël Guéhéneuc Professeur adjoint guehene@iro.umontreal.ca, local 2345 Département d informatique et de recherche
Plus en détail