Tests d ajustement et intervalles de confiance proportion, moyenne, variance
|
|
- Marc-Antoine Chartier
- il y a 7 ans
- Total affichages :
Transcription
1 Tests d ajustement et intervalles de confiance proportion, moyenne, variance Exercice 1. Pour un certain type de graines, un semencier garantit une germination de 80%. Dans un sac de nn 300 graines, on note PP nn la proportion aléatoire de graines qui vont germer. 1. Quelle est la loi de PP nn? 2. Calculer la probabilité : P(75% PP nn 85%). 3. On suppose le taux germination d un sac acheté au semencier est de 75%. Au niveau 5%, peut-on confirmer les dires du semencier? Exercice 2. La fièvre catarrhale du mouton ou maladie de la langue bleue est une maladie virale non contagieuse qui touche les ovins et les bovins et qui se transmet par certains insectes piqueurs. Elle n est pas transmiible à l homme. En Corse en 2010, la maladie de la langue bleue a touché 19% des moutons. Des tests effectués en 2015 sur un échantillon de 253 ovins a révélé que 35 d entre eux sont malades. Au niveau de risque de 5%, peut-on affirmer que la proportion de moutons malades a diminué? Exercice On a dosé le taux de cholestérol en cccc/ll pour un groupe de 300 personnes bien portantes et on a obtenu la répartition suivante : Claes [80;120[ [120;160[ [160;200[ [200;240[ [240;280[ [280;320[ [320;360[ Total Effectifs a. Calculer la moyenne et l écart type de l échantillon. b. Donner une estimation de la moyenne globale μμ de toute la population pour une confiance de 95%. 2. Un laboratoire a effectué des analyses du taux de cholestérol pour un groupe de 33 personnes de plus de 60 ans. La moyenne obtenue est de 217,5 cccc/ll et l écart type de 49,5 cccc/ll. Pour un risque d erreur de 5%, tester si la moyenne de cet échantillon est significativement supérieure à la valeur théorique μμ cccc/ll. Exercice 4. Sur une parcelle de soja, on a mesuré la hauteur H en cm de 100 plantes à l âge de six semaines. Voici les résultats : H en cm ]31; 33] ]33; 35] ]35; 37] ]37; 39] ]39; 41] ]41; 43] Effectifs Calculer la moyenne et l écart type de l échantillon. 2. Donner un intervalle de confiance de la hauteur moyenne µ d un plan de soja à six semaines pour une confiance de 90%. Exercice 5. On a observé la taille à 10 ans de 25 enfants nés très prématurément. On a obtenu une moyenne et un écart type : mm 131 cccc 7, 3 cccc. 1. Donner les intervalles de confiance à 95% de la taille moyenne et de l écart type des tailles à 10 ans des enfants né très prématurément (on admet la normalité des tailles). 2. La taille moyenne d un enfant de 10 ans est μμ cccc. Au risque de 5%, peut-on affirmer qu un enfant né très prématurément a une taille à 10 ans qui est plus faible que cette moyenne?
2 Exercice 6. On a mesuré le rendement du vignoble de 150 parcelles prises au hasard sur la côte bourguignonne. Voici les résultats donnant le nombre de parcelle par clae de volume de vin (en hl/ha) : 1. Calculer la moyenne et l écart type de l échantillon. 2. Donner un intervalle de confiance du volume moyen μμ de vin à l hectare pour une confiance de 95%. 3. Donner un intervalle de confiance de l écart type σ du volume de vin à l hectare pour une confiance de 95%. Volume en hl/ha effectifs [25 ; 35[ 2 [35 ; 45[ 7 [45 ; 55[ 17 [55 ; 65[ 34 [65 ; 75[ 41 [75 ; 85[ 38 [95 ; 95] 11 Exercice 7. Voici les poids en mg de 20 cocons d une race de bombyx, choisis au hasard : Calculer le poids moyen mm et l écart type de l échantillon. 2. On admet la normalité de la répartition des poids. On désigne par μμ et σσ la moyenne et l écart type théoriques de la population des cocons. a. Avec un risque d erreur de 5%, donner une estimation de μμ par intervalle de confiance. b. Avec un risque d erreur de 5%, donner une estimation de σσ par intervalle de confiance.
3 exercice 1 Taux de germination 1. Le taux de germination annoncé est pp 0 80%, la contenance d un sac est de n 300 graines. Comme nn 30, 0,1 pp 0 0,9, nnpp > 5, nn(1 pp 0 ) 60 > 5 on a : PP nn NN (80%; 2, 3094%) et ZZ PP nn 80%. 2,3094% 2. P(75% PP nn 85%) P( 2,165 ZZ 2,165) 2 48, 48% 96, 96%. 3. On fait un test d ajustement d une proportion. HH 0 : «l affirmation du semencier est exacte» HH 1 : «le semencier surestime le taux de germination» (test unilatéral inférieur) On note pp le taux de germination théorique. Alors HH 0 : «pp pp 0 80%» et HH 1 : «pp < pp 0 80%» Étape 2. On note PP nn le taux de germination aléatoire sur les sacs de 300 graines. D après la question 1, sous HH 0 ZZ PP nn 80% 2,3094% Étape 3. La zone critique (ou de rejet de HH 0 ) de la variable ZZ est : KK αα (ZZ) {ZZ 1,645} ZZ obs 75% 80% 2,3094% 2,165 KK αα(zz) On accepte HH 1. Au niveau de risque de 5% et au vu du résultat expérimental, on peut affirmer que le semencier a tort : il surestime le taux de germination. exercice 2 Maladie de la langue bleue On fait un test d ajustement d une proportion. HH 0 : «la proportion de moutons malades n a pas diminué» HH 1 : «la proportion de moutons malades a diminué» (test unilatéral inférieur) On note pp 0 19% la proportion de moutons touchés par la maladie en 2010 et pp la proportion de moutons touchés par la maladie en On a : HH 0 : «pp pp 0 19%» et HH 1 : «pp < pp 0 19%» Étape 2. On note PP nn la proportion aléatoire de moutons touchés par la maladie sur les échantillons de nn 253 moutons en Sous HH 0, pp pp 0 19% et comme nn 30, 0,1 pp 0 0,9, nnpp 0 > 5, nn(1 pp 0 ) > 5 on a : ZZ PP nn 19% 2,466% Étape 3. La zone critique (ou de rejet de HH 0 ) de la variable ZZ est : KK αα (ZZ) {ZZ 1,645} 35 ZZ obs 253 0,19 0, ,095 KK αα(zz) On accepte HH 1. Au niveau de risque de 5% et au vu du résultat expérimental, on peut affirmer que la proportion de moutons malades a diminué exercice 3 Taux de cholestérol 1. a. mm 197,6 46,18. b. On note MM nn et SS nn la moyenne et l écart type aléatoires des taux de cholestérol sur les échantillons de taille nn 300. Comme nn 300 > 30 on peut utiliser une loi normale : Pour 1 αα 95%, zz αα 1,96 et aa αα 1,96 nn 2. On fait un test d ajustement d une moyenne. II αα (μμ) [192,37 ; 202,83] donc on obtient l intervalle de confiance
4 HH 0 : «le taux de cholestérol moyen des personnes de plus de 60 ans est conforme à la moyenne théorique μμ 0 200» HH 1 : «le taux de cholestérol moyen des personnes de plus de 60 ans est supérieur à la moyenne théorique μμ 0 200» (test unilatéral supérieur) On note μμ le taux de cholestérol moyen des plus de 60 ans. HH 0 : «μμ μμ 0 200» et HH 1 : «μμ > μμ 0 200» Étape 2. On note MM nn et SS nn la moyenne et l écart type aléatoires sur les échantillons de nn 33 personnes de plus de 60 ans. Sous HH 0, μμ μμ et 0 MM nn 200 SS nn / 32 SSSS(32) Étape 3. La zone critique (ou de rejet de HH 0 ) de la variable TT est : KK αα (TT) {TT 1,694}. (remarque : une loi normale centrée réduite donne un aez bonne approximation : nn 33 est supérieur à 30) TT obs 217, ,5/ 32 2,0 KK αα(tt) {TT 1,694} On accepte HH 1. Au niveau de risque de 5% et au vu des résultats expérimentaux, on peut affirmer que le taux de cholestérol moyen des personnes de plus de 60 ans est plus élevé que la moyenne. exercice 4 Hauteur du soja 1. mm 37, 2, On note MM nn et SS nn la moyenne et l écart type aléatoires des hauteurs de pieds de soja sur les échantillons de taille nn 100. Comme nn 100 > 30 on peut utiliser une loi normale : Intervalle de μμ aa αα 1, 645 1, 645 0, , 43 donc : II αα (μμ) [36, 97; 37, 83]. 3. Intervalle de σσ yy 1 77, 05 yy 2 123, 23 donc : II αα (σσ) nn yy 2 ; nn yy 1 [2, 36; 2, 98]. exercice 5 Enfants prématurés 1. a. On note MM nn et SS nn la moyenne et l écart type aléatoires des tailles à 10 ans sur les échantillons nn 25 enfants nés très prématurément. On a un petit échantillon donc on utilise une loi de Student (on suppose que les tailles suivent une loi normale) : SStt nn 1 Intervalle de μμ aa αα tt αα 2, , 149 3, 1 donc II αα (μμ) [127, 9; 134, 1]. b. Intervalle de σσ : yy 1 12,40 yy 2 39,36 donc II αα (σσ) 25 yy 2 ; 25 yy 1 [5,82 ; 10,36]. 2. On fait un test d ajustement d une moyenne. HH 0 «la taille moyenne à 10 ans des enfants nés très prématurément est semblable à la taille moyenne des autres enfants.» HH 1 «la taille moyenne à 10 ans des enfants nés très prématurément est inférieure à la taille moyenne des autres enfants.» On note μμ la taille moyenne à 10 ans des enfants nés très prématurément. On a : HH 0 «μμ μμ » HH 1 «μμ < μμ »
5 Étape 2. On note MM nn et SS nn la moyenne et l écart type aléatoires des tailles à 10 ans sur les échantillons de nn 25 enfants nés très prématurément (on suppose à nouveau que les tailles suivent une loi normale). Sous HH 0, μμ μμ et 0 MM nn 134 SS nn / 24 SSSS(24) Étape 3. La zone critique (ou de rejet de HH 0 ) de la variable TT est : KK αα (TT) {TT 1, 7109} TT oooooo ,3/ 24 2, 0133 KK αα(tt). On accepte HH 1. Au niveau de risque de 5% et au vu des résultats expérimentaux, on peut affirmer que la taille moyenne à 10 ans des enfants nés très prématurément est inférieure à la taille moyenne des autres enfants. exercice 6 Rendement du vignoble 1. mm 67,53 13, On note MM nn et SS nn la moyenne et l écart type aléatoires rendements sur les échantillons de nn 150 parcelles. Comme nn 150 > 30 on peut utiliser une loi normale : Intervalle de μμ aa αα 1, 96 1, 96 1,10 2,15 donc II αα (μμ) [65,4 ; 69,7]. 3. Intervalle de σσ yy 1 117, 1 yy 2 184, 7 donc : II αα (σσ) [12,1; 15,2]. exercice 7 Cocons de bombyx. 1. mm 69,35 7, On note MM nn et SS nn la moyenne et l écart type aléatoires des poids sur les échantillons de nn 20 cocons. On a un petit échantillon donc on utilise une loi de Student (on suppose que les poids suivent une loi normale) : SStt nn 1 Intervalle de μμ tt αα 2,093, aa αα 2,093 2,093 1,789 3,74 donc II αα (μμ) [65,63; 73,07] 3. Intervalle de σσ yy 1 117, 1 yy 2 184, 7 donc : II αα (σσ) [1, 213; 1, 524].
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 détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en 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 détailNouveau 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 détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en 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 détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailSorgho grain sucrier ensilage L assurance sécheresses
Sorgho grain sucrier ensilage L assurance sécheresses Sorgho grain sucrier Itinéraire cultural Type de sol et préparation avant semis Le sorgho grain sucrier est relativement peu exigeant par rapport au
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 détail! " #$ % $! & '(# ) (%%
" #$ % $ & '(# ) (%% "#$ %&' # ( ) #* +,#*+-),- ). * /. 0),12-3 45 #3 /45 ) 67 #*+ & ) 5 ) #*+ )5 #& #*+ 0 / )5 8 )0 ) 0)12 5+ )& ) )12) 7)0 5 ) 9/ 5 2 ) ) '12 ) /) 5" ) 7) 6 ): 05 2 5 80 7 ) 0,$#- ) &
Plus en détailCHAPITRE VI ALEAS. 6.1.Généralités.
CHAPITRE VI ALEAS 6.1.Généralités. Lors de la synthèse des systèmes logique (combinatoires ou séquentiels), nous avons supposé, implicitement, qu une même variable secondaire avait toujours la même valeur
Plus en détailTABLE 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 détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16
ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en 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 détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailObjet : Critères microbiologiques applicables aux auto-contrôles sur les carcasses d'animaux de boucherie. Destinataires d'exécution
Ordre de méthode Direction générale de l'alimentation Sous-direction de la sécurité sanitaire des aliments Bureau des établissements d'abattage et de découpe 251 rue de Vaugirard 75 732 PARIS CEDEX 15
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détail1 Définition de la non stationnarité
Chapitre 2: La non stationnarité -Testsdedétection Quelques notes de cours (non exhaustives) 1 Définition de la non stationnarité La plupart des séries économiques sont non stationnaires, c est-à-direqueleprocessusquiles
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailComplétez, signez la Convention ci-après et paraphez les conditions générales,
Réservé à la vente à distance C o m m e n tt s o u s c rr i rr e? Si vous n êtes pas déjà client du Crédit Coopératif 1 2 3 4 complétez la demande d'ouverture de compte veillez à bien remplir toutes les
Plus en détailStatistique 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 détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en 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 détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailRevolvers des Années 30-40
Revolvers des Années 30-40 Smith & Wesson M1905 Victory (M&P): Calibre:.38 Special Longueur: 25,6 cm. Poids: 0,80 kg. Prix: 20 $ Smith & Wesson.357 Magnum Calibre:.357 Magnum (&.38 Special) Longueur: 27
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 détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailJournées Thématiques 2004
Qualité énergétique, environnementale et sanitaire : Qualité énergétique, environnementale et sanitaire préparer le Bâtiment à l'horizon 2010 âââ Journées Thématiques 2004 Enveloppe du Bâtiment, Paris
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailMT940-MultiLine. Formats. Version 3.02 du 17/01/2013. Sommaire: Extraits de compte (Formats utilisés) 2
MT940-MultiLine ormats Version 3.02 du 17/01/2013 Sommaire: Extraits de compte (ormats utilisés) 2 1. Structure de l extrait de compte < ormat MT940 > 3 2. Structure de l extrait de compte < ormat étendu
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
Plus en détailExposing a test of homogeneity of chronological series of annual rainfall in a climatic area. with using, if possible, the regional vector Hiez.
Test d homogéné$é Y. BRUNET-MORET Ingénieur hydrologue, Bureau Central Hydrologique Paris RÉSUMÉ Présentation d un test d homogénéi.té spécialement conçu pour vérijier Z homogénéité des suites chronologiques
Plus en détailÉquivalence 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 détailFinal Cut Pro 5 Référence rapide
Final Cut Pro 5 Référence rapide Final Cut Pro comporte quatre fenêtres principales : (1) Navigateur, (2) Visualiseur, (3) Canevas et (4) Timeline. Final Cut Pro offre plusieurs solutions pour effectuer
Plus en détailCalcul 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 détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
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 détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailFertiliser le maïs autrement
Fertiliser le maïs autrement Dans un contexte de renchérissement des ressources en azote organique et de recherche de plus d autonomie, les agriculteurs biologiques picards et leurs conseillers au sein
Plus en détailBREVET DE TECHNICIEN SUPÉRIEUR AGRICOLE SUJET
SESSION 2011 France métropolitaine BREVET DE TECHNICIEN SUPÉRIEUR AGRICOLE ÉPREUVE N 2 DU PREMIER GROUPE ÉPREUVE SCIENTIFIQUE ET TECHNIQUE Option : Génie des équipements agricoles Durée : 3 heures 30 Matériel(s)
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 détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en 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 détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailL Econométrie des Données de Panel
Ecole Doctorale Edocif Séminaire Méthodologique L Econométrie des Données de Panel Modèles Linéaires Simples Christophe HURLIN L Econométrie des Données de Panel 2 Figure.: Présentation Le but de ce séminaire
Plus en détailLe secteur agroalimentaire en Provence-Alpes-Côte d Azur
Le secteur agroalimentaire en Provence-Alpes-Côte d Azur Panorama élaboré à partir d une étude Ernst & Young pour la MDER mai 2004 Sommaire Organisation de la filière en PACA p. 3 Chiffres clés p. 4 Productions
Plus en détailDistribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités
Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements
Plus en détailLes Angles. I) Angles complémentaires, angles supplémentaires. 1) Angles complémentaires. 2 Angles supplémentaires. a) Définition.
Les Angles I) Angles complémentaires, angles supplémentaires 1) Angles complémentaires Deux angles complémentaires sont deux angles dont la somme des mesures est égale à 90 41 et 49 41 49 90 donc Les angles
Plus en détailExercice 6 Associer chaque expression de gauche à sa forme réduite (à droite) :
Eercice a Développer les epressions suivantes : A-(-) - + B-0(3 ²+3-0) -0 3²+-0 3+00 B -30²-30+00 C-3(-) -3 + 3-3²+6 D-(-) + ² Eerciceb Parmi les epressions suivantes, lesquelles sont sous forme réduite?
Plus en détailPrésentation du 09 Octobre 2013
Présentation du 09 Octobre 2013 1 / 35 Sommaire 10h-11h15 : présentation du groupe TOTAL /Raffinerie de Grandpuits et les différents métiers 11h15-11h30 : parcours individuel 11h30-12h30 : présentation
Plus en détailStatistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année 2010-2011
Master 1 Biologie et technologie du végétal Année 010-011 Statistiques Rappels de cours et travaux dirigés (Seul ce document sera autorisé en examen) auteur : Jean-Marc Labatte jean-marc.labatte@univ-angers.fr
Plus en détailCOMMUNE DE DUPPIGHEIM
Département du Bas-Rhin Arrondissement de MOLSHEIM COMMUNE DE DUPPIGHEIM EXTRAIT DU PROCES-VERBAL DES DELIBERATIONS DU CONSEIL MUNICIPAL Nombre de Conseillers élus : 19 Conseillers en fonction : 19 Conseillers
Plus en détailLes probabilités. Chapitre 18. Tester ses connaissances
Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce
Plus en détailTUBES ET ACCESSOIRES Serrurier A ailettes Construction Canalisation Spéciaux
TUBES ET ACCESSOIRES 47 Serrurier A ailettes Construction Canalisation Spéciaux Possibilité d autres sections sur demande. Les caractéristiques indiquées sont théoriques et non garanties. TUBES 48 TUBES
Plus en détailCaisson bas. Notice de montage. Pour caissons de taille : Structure du caisson. 1 personne 4. Retrouvez toutes les informations sur www.oskab.
Caisson bas Notice de montage Retrouvez toutes les informations sur www.oskab.com Pour caissons de taille : Hauteur x Largeur x Profondeur N N H4 x L60 x P56 cm H57 x L60 x P56 cm Structure du caisson
Plus en détailComment prouver que les végétaux ont besoin d eau, de minéraux, d air et de lumière pour se développer normalement?
Comment prouver que les végétaux ont besoin d eau, de minéraux, d air et de lumière pour se développer normalement? La question que l on se pose : Les végétaux ont-ils besoin d eau, de minéraux, d air
Plus en détailIntroduction au pricing d option en finance
Introduction au pricing d option en finance Olivier Pironneau Cours d informatique Scientifique 1 Modélisation du prix d un actif financier Les actions, obligations et autres produits financiers cotés
Plus en détailREFERENTIEL DE CERTIFICATION APPLICABLE AUX SEMENCES :
REFERENTIEL DE CERTIFICATION APPLICABLE AUX SEMENCES : «Processus de maîtrise des risques d'émission des poussières issues de semences traitées avec des produits phytopharmaceutiques : Opérations industrielles»
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailOBJETS PUBLICITAIRES ET PLV
OBJETS PUBLICITAIRES ET PLV Renforcez votre plan de communication par un objet personnalisé, véhiculant votre image tout en rappelant votre produit, service, activité. Mettez en avant votre savoir faire!
Plus en détailenquête pour les fautes sur le fond, ce qui est graves pour une encyclopédie.
4.0 Contrôles /4 4 e enquête pour les fautes sur le fond, ce qui est graves pour une encyclopédie. RPPEL de 0. Wikipédia 2/2 Dans le chapitre : XX e siècle : ( 4.0 mythe paroxysme ) sous la photo d un
Plus en détailSTA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes
STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités
Plus en détailStatistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014
Tests du χ 2 Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 A. Lourme http://alexandrelourme.free.fr Outline
Plus en détailLe choix professionnel pour les applications analytiques!
Ohaus Discovery Balances Semi-Micro et Analytique Discovery Semi-Micro and Analytical Balances Le choix professionnel pour les applications analytiques! La NOUVELLE gamme de balances semi-micro et analytiques
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailAnalyses 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 détailSite : http://www.isnab.com mail : mennier@isnab.fr SUJET ES - session 2003 Page 1 68-(7(6VHVVLRQ
Site : http://www.isnab.com mail : mennier@isnab.fr SUJET ES - session 003 Page 1 68-(7(6VHVVLRQ LE JUS E FRUIT 35(0,Ê5(3$57,(%LRFKLPLHSRLQWV L'analyse d'un jus de fruit révèle la présence d'un composé
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en 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 détailFRANCAIS MANUEL D UTILISATION THERMOMETRE MEDICAL SANS CONTACT A INFRAROUGE MODELE LX-26
MANUEL D UTILISATION FRANCAIS THERMOMETRE MEDICAL SANS CONTACT A INFRAROUGE MODELE LX-26 www.thermo-flash.com APPRENTISSAGE RAPIDE DU THERMOFLASH LX-26 Le ThermoFlash LX-26 est pré-paramétré en sortie
Plus en détailOUVERT02 - 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 détailContexte : Objectif : Expérimentation :
Estimation de la valeur fertilisante de digestats issus de la biométhanisation. Résultat de 3 années d expérimentation en culture de maïs (2009 à 2011). (JFr. Oost 1, Marc De Toffoli 2 ) 1 Centre pilote
Plus en détailIncertitudes expérimentales
Incertitudes expérimentales F.-X. Bally et J.-M. Berroir Février 2013 Table des matières Introduction 4 1 Erreur et incertitude 4 1.1 Erreurs............................................. 4 1.1.1 Définition
Plus en détailExemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile.
Probabilités Définition intuitive Exemple On lance un dé. Quelle est la probabilité d obtenir un multiple de 3? Comme il y a deux multiples de 3 parmi les six issues possibles, on a chances sur 6 d obtenir
Plus en détail4. Exercices et corrigés
4. Exercices et corrigés. N 28p.304 Dans une classe de 3 élèves, le club théâtre (T) compte 0 élèves et la chorale (C) 2 élèves. Dix-huit élèves ne participent à aucune de ces activités. On interroge au
Plus en détailBleu comme un Schtroumpf Démarche d investigation
TP Bleu comme un Schtroumpf Démarche d investigation Règles de sécurité Blouse, lunettes de protection, pas de lentilles de contact, cheveux longs attachés. Toutes les solutions aqueuses seront jetées
Plus en détailTCS, strip-till et semis direct
Témoignage dethierry Lesvigne Polyculture Elevage Bovin Lait La Bernaudie 24 480 ALLES- SUR-DORDOGNE Depuis 2008, Thierry Lesvigne a choisi repenser l ensemble de son système agronomique et a arrêté définitivement
Plus en détail14. Introduction aux files d attente
14. Introduction aux files d attente MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: Files d attente 1/24 Plan 1. Introduction 2. Modèle M/M/1 3. Modèle M/M/1/K MTH2302D: Files
Plus en détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en 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 détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailUE Ma401. 1.1 probabilité conditionnelle, indépendance, dénombrement
UE Ma401 1 EXERCICES 1.1 probabilité conditionnelle, indépendance, dénombrement Exercice 1 La probabilité pour une population d être atteinte d une maladie A est p donné; dans cette même population, un
Plus en détailProduit semi-direct. Table des matières. 1 Produit de sous-groupes 2. 2 Produit semi-direct de sous-groupes 3. 3 Produit semi-direct de groupes 4
Produit semi-direct Table des matières 1 Produit de sous-groupes 2 2 Produit semi-direct de sous-groupes 3 3 Produit semi-direct de groupes 4 1 1 Produit de sous-groupes Soient G un groupe et H et K deux
Plus en détailVITICULTURE 2012 V 12 / PACA 02 STRATEGIE D APPLICATION DU CUIVRE EN VITICULTURE
VITICULTURE 212 V 12 / PACA 2 STRATEGIE D APPLICATION DU CUIVRE EN VITICULTURE Silvère DEVEZE Chambre d Agriculture de Vaucluse 1- Identification de l action a. Responsables techniques et partenaires :
Plus en détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
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 détailPréface. Betterave fourragère, un concentré de fourrage
Préface Les anciens le diront tous, la betterave fourragère a des atouts incontestables pour l alimentation des animaux d élevage. En production bovine de lait ou de viande ou pour la production ovine
Plus en détail4. Résultats et discussion
17 4. Résultats et discussion La signification statistique des gains et des pertes bruts annualisés pondérés de superficie forestière et du changement net de superficie forestière a été testée pour les
Plus en détailCours de Probabilités et de Statistique
Cours de Probabilités et de Statistique Licence 1ère année 2007/2008 Nicolas Prioux Université Paris-Est Cours de Proba-Stat 2 L1.2 Science-Éco Chapitre Notions de théorie des ensembles 1 1.1 Ensembles
Plus en détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détail«Cours Statistique et logiciel R»
«Cours Statistique et logiciel R» Rémy Drouilhet (1), Adeline Leclercq-Samson (1), Frédérique Letué (1), Laurence Viry (2) (1) Laboratoire Jean Kuntzmann, Dép. Probabilites et Statistique, (2) Laboratoire
Plus en détail