LA MAÎTRISE STATISTIQUE DES PROCEDES A. FR
|
|
- Alain FRAISSE
- il y a 7 ans
- Total affichages :
Transcription
1 LA MAÎTRISE STATISTIQUE DES PROCEDES A. FR 1
2 La stratégie de la détection : La stratégie de détection sous entend que : - La fabrication produit - L inspection finale garanti ces produits en contrôlant et triant. Cette stratégie est à la fois anti-qualité, inefficace et couteuse En résumé, la stratégie de la détection : N améliore pas la qualité Allonge les délais Augmente les coûts de production 2
3 La stratégie de la prévention : L'idée de base derrière la stratégie de la prévention est simple: si en sortie de fabrication, le produit est conforme, il n'y aura pas besoin de le trier, de le retoucher ou de le rebuter. Le concept est fondamentalement sain et il est généralement admis facilement. Avec l'évolution technologique du vingtième siècle, l'entreprise est passée progressivement d'une stratégie de détection à une stratégie de la prévention. La MSP s'inscrit dans cette tendance 3
4 Définition du MSP (ou SPC) : Le MSP (Maîtrise statistique des procédés ou SPC Statistical Process Control) est un élément d'assurance qualité. Son objectif est de maîtriser un processus mesurable par suivi graphique temporel basé sur des fondements statistiques. La MSP part de 3 principes de base: c'est le processus qui élabore le produit le comportement des processus fluctue dans le temps les processus ont tendance à se désorganiser et à se dégrader dans le temps 4
5 Définition du MSP : La MSP est une méthode préventive de gestion de la qualité qui vise à amener tout processus au niveau requis de régularité, de qualité et à l'y maintenir grâce à un système de surveillance permettant de réagir rapidement et efficacement à des dérives, évitant ainsi la production de produits non conformes. La MSP concerne donc essentiellement des fabrications de moyennes et grandes séries. Elle trouve naturellement sa place dans le développement de méthodes de gestion et d'assurances de la qualité, standardisées dans les normes ISO de série
6 Rôle de la MSP Eviter les coûts de non-qualité : La seule finalité de la MSP est de diminuer les variations des caractéristiques clefs du produit final. Le client, qu'il soit interne ou externe à une société, exige du fournisseur la garantie que le produit soit livré avec les diverses caractéristiques comprises dans les tolérances fixées par le cahier des charges. Ne pas satisfaire cette demande peut avoir des conséquences fâcheuses au niveau économique pour l'entreprise : 6
7 Rôle de la MSP Eviter les dérives du processus : Eviter la dérive d'un processus qui tend principalement à aller vers le désordre au sens chaotique du terme et éviter l'irréversibilité de la perturbation d'un processus Structurer et identifier les responsabilités de chacun sur le processus. En effet, le formalisme introduit par la MSP permet de définir par écrit les responsabilités de chacun. Donner, par la traçabilité des paramètres clefs, une banque de données pour études d'analyses de données 7
8 Mise en place de la MSP : La MSP s'accompagne d'une mutation humaine dans les ateliers car elle permet l'autocontrôle, grâce à un outil d'information et de décision disponible auprès du personnel de production Les contrôles statistiques, quelle que soit la fabrication, concernent aussi bien les matières premières que les produits intermédiaires et les produits finis, mais aussi les principaux paramètres de suivi des fabrications ayant une incidence sur la qualité du produit fini en cas de variation sur le procédé. Les conditions de réussite de mise en place de la MSP doivent être basées avant tout sur une information du personnel tout au long de la mise en place et sur la formation aux statistiques du personnel qui utilise les cartes de contrôle 8
9 Principe de fonctionnement: Il est bien connu que dans la nature tout varie : rien n'est rigoureusement identique. Par exemple, si l'on compare à l'œil nu la longueur de deux voitures de même marque, modèle, couleur elles semblent identiques cependant elles ne le sont pas: nous ne savons pas apprécier la différence qui est de l'ordre de quelques millimètres ou quelques fractions de millimètres. La variation naturelle des procédés est mathématiquement établie. On connaît les variations du pourcentage de population suivant l'écart à la moyenne de la population Ces variations de population font l'objet de tables de probabilité 9
10 Histogramme : C'est la représentation graphique d'une population Il est caractérisé par l'étendue de la mesure en abscisse et la fréquence d'apparition des valeurs en ordonnées. L'étendue est divisée en classes C'est un outil simple est important qui visualise une population, d'un seul coup d' œil on voit la concentration des données la symétrie ou l'asymétrie la normalité de la distribution. 10
11 Histogramme : Exemple
12 Caractéristiques de l histogramme : Nombre de classe : L étendue est divisée en classe. Le nombre de classe est égal à la racine carré du nombre d individus de la population sans jamais dépasser 12 classes. Le mode : La classe dans laquelle on trouve le plus d individus est appelée le mode La médiane : La classe qui partage en deux la population d individus est appelée la médiane. 12
13 Les distributions : L'histogramme peut s'avérer insuffisant dans certains cas. Soit parce que l'on veut obtenir plus de précisions que le simple "à peu près", soit parce que l'on veut obtenir une information chiffrée: plus facile à communiquer et utilisable dans un calcul. L'enveloppe de l'histogramme que l'on assimile dans la pratique à la distribution peut avoir des formes différentes selon la loi de probabilité suivie par les données et, pour une même loi, selon les données elles-mêmes. D'une manière générale, les distributions se présentent sous la forme d'un "chapeau de gendarme" plus ou moins aplati, plus ou moins étiré et plus ou moins symétrique. Mais elles peuvent se distinguer par trois principaux paramètres: 13
14 La localisation : mesurée par la moyenne Xo et indique la position de la distribution plus ou moins à droite par rapport à l'axe des mesures 14
15 La dispersion : mesurée essentiellement par l'écartement plus ou moins important des mesures par rapport à leur moyenne 15
16 La forme : Il existe plusieurs mesures de la forme mais sur un plan pratique, elles ont peu d'intérêt puisque, pour que ces mesures soient significatives, il faut que la taille de l'échantillon soit au moins égale à cent. 16
17 Définitions : Population : Ensemble d objets équivalents sur lesquels les observations sont effectuées Echantillons : Ensemble d individus pris dans une population Données : Regroupent tout ce qui peut constituer une information et en particulier tout ce qui est quantifié. Etendue (ou marge) : Différence entre les valeurs extrêmes d'une série de données 17
18 Définitions : La moyenne (arithmétique) : Quotient de la somme de grandeurs par le nombre de ses données : Moyenne n = x0 = = i= 1 n xi x1 + x2 + x xn n L écart type : Ecart quadratique moyen, ou écart type, est la racine carrée de la moyenne des carrés des écarts des éléments, écarts pris par rapport à la moyenne arithmétique : n ( xi x0)² ( x1 x0)² + ( x2 x0)² ( xn x0)² σ = = n 1 n 1 i= 1 18
19 Définitions : La variabilité : La variabilité (statistiquement, la variance) est le carré de l écart type. n ( xi x0 )² v = σ ² = n 1 i= 1 La variabilité totale est la somme des variabilités vi(x) de i éléments (matière première, machine, réglages, environnement ) qui le composent : n vt = vi( x) i= 1 19
20 La loi normale : La loi statistique utilisée dans la MSP est la loi normale ou loi de GAUSS. Il existe d autre lois statistiques La loi binominale : utilisée pour l analyse des contrôles par attribut La loi de poisson ou loi des événements rares Loi de Weibull : est souvent utilisée dans le domaine de l'analyse de la durée de vie. Un processus de production suit une loi normale si : Il est soumis à un grand nombre d effet (température, jeux, vibration, réglages ) Ces différents effets sont indépendants les uns des autres (pas interactions forte entre eux) Ces différents effets sont d un ordre de grandeur équivalent. 20
21 Caractéristiques de la loi normale : Dans cette configuration, si l on réalisé l histogramme pour l ensemble de la population, on obtiendrait la courbe suivante. 21
22 Préalable aux études de processus Avant d engager une étude de processus, les conditions suivantes doivent être vérifiées: - L incertitude de mesure du moyen de mesure doit être compatible avec la tolérance (IT/8 mini en général). - La machine et ses outillages doivent être dans un état normale de fonctionnement. - Les opérateurs doivent avoir connaissance des spécifications du produit - La machine doit être réglée pour obtenir des pièces au nominale de la tolérance (centre de l IT) - Après enregistrement des mesures, une vérification de la normalité de la distribution doit être réalisée pour pouvoir utiliser les calculs appliqués à la loi normale 22
23 Vérification de la normalité Pour vérifier la normalité de l échantillonnage, différentes études peuvent être conduite : - Le test de KOLMOGOROV-SMIRNOV pour l étude d échantillonnage de faible taille (30 à 100 pièces) - Le test du KHI² pour l étude d échantillonnage supérieur à 100 pièces 23
24 Dispersion des processus : Un processus est caractérisé par la dispersion due aux variations aléatoires Les variations aléatoires (dues aux causes communes) sont comprises dans une fourchette de 6 écarts types 24
25 Capabilité des processus : C est l aptitude d un processus à produire des produits (ou services) conformes La dispersion peut constituer une mesure de la capabilité. 25
26 Notations : TS = Tolérance supérieure TI = Tolérance Inférieur LCS = Limite de contrôle supérieure LCI = Limite de contrôle inférieure 26
27 Indicateur capabilité de la dispersion : Tel qu elle vient d être définie la dispersion est une caractéristique intrinsèque et unique du processus Elle vaut 6 écarts types Par contre elle ne fait pas référence à la spécification Il est donc intéressant de comparer la dispersion à la tolérance On défini un indice dit de capabilité qui tient compte à la fois de la tolérance et de la dispersion Indice _ de _ Capabilité Soit en abrégé Cp = Ts Ti 6s = Intervalle _ de _ tolérance Dispersion _ du _ processus 27
28 Indicateur capabilité du centrage : Quand la spécification est unilatérale, c'est-à-dire qu'il y a seulement un maximal ou un minimal, ou quand la moyenne du processus est décentrée par rapport au centre de la spécification, on définit aussi un deuxième coefficient, appelé Cpk qui rend compte, lui, du décentrage du processus, ce que le coefficient Cp ignore. 2 cas sont possibles : - Cas d une limite inférieure ou d un décentrage vers le mini de la tolérance : - Cas d une limite supérieure ou d un décentrage vers le maxi de la tolérance : 28
29 Décentrage vers le mini : Lorsqu il y a qu une limite inférieure ou un décentrage vers le mini de la tolérance l indice de décentrage est égale à : Cpk = Xo Ti 3s 29
30 Décentrage vers le maxi : Lorsqu il y a qu une limite supérieure ou un décentrage vers le maxi de la tolérance l indice de décentrage est égale à : Cpk = Ts Xo 3s 30
31 Valeurs remarquables Cp 31
32 Valeurs remarquables Cpk 32
33 La stabilité du processus 33
34 La capabilité du processus 34
35 Les études de capabilité Du démarrage de la conception à la vie série du processus, plusieurs types d analyse de capabilité peuvent être réalisées : - Au développement du produit : une capabilité prévisionnelle peut être conduite sous réserve que le processus de fabrication soit proche du processus de fabrication final.(ppk) - Au développement du processus : Une étude de capabilité machine (Cm et Cmk) est conduite déterminer si la machine est adaptée à la réalisation du produit cette étape est le préliminaire indispensable à l étude suivante. - A la qualification du processus et en vie série : l étude de capabilité processus complète (Cp et Cpk) 35
36 Etudes de capabilité machine L étude de capabilité machine étudie les variation du processus sur une période courte de façon à ne pas faire intervenir les variations de matière, de réglages, de conditions d environnement et d opérateur. Seule la variation naturelle de la machine nous intéresse. Conditions de l échantillonnage : - La machine produit la caractéristique de façon stable sur une période courte. - La machine est réglée pour obtenir la caractéristique au nominal de la tolérance - 50 pièces (30 au minimum) sont prélevées consécutivement. - L échantillonnage doit avoir une distribution normale 36
37 Indice de capabilité machine Lorsque les conditions précédemment énoncées sont remplies, nous pouvons calculer les indices de capabilité suivant : Indice de capabilité de la dispersion : Cm Ts Ti 6s Indice de capabilité du décentrage (ou tolérance unilatérale) : - Cas d une limite inférieure ou d un décentrage vers le mini de la tolérance : Cmk = Xo Ti 3s - Cas d une limite supérieure ou d un décentrage vers le max de la tolérance : Cmk Ts Xo = 3s = 37
38 Etude de capabilité processus L étude de capabilité processus étudie toutes les variation du processus sur une période la plus longue possible de façon à faire intervenir les variations de matière, les réglages, les conditions d environnement et les opérateurs. Conditions de l échantillonnage : - Le processus produit la caractéristique de façon stable. - Le processus est réglée pour obtenir la caractéristique au nominal de la tolérance - Des échantillons de 3 à 5 pièces sont prélevés sur l ensemble de la production - L ensemble de échantillonnage doit compter au moins 100 pièces - L échantillonnage doit avoir une distribution normale 38
39 Etude de capabilité processus Lorsque les conditions précédemment énoncées sont remplies, nous pouvons calculer les indices de capabilité suivant : Indice de capabilité de la dispersion : Cp Ts Ti 6s Indice de capabilité du décentrage (ou tolérance unilatérale) : - Cas d une limite inférieure ou d un décentrage vers le mini de la tolérance : Cpk = Xo Ti 3s - Cas d une limite supérieure ou d un décentrage vers le max de la tolérance : Cpk Ts Xo = 3s = 39
Le suivi de la qualité. Méthode MSP : généralités
Le suivi de la qualité La politique qualité d une entreprise impose que celle maîtrise sa fabrication. Pour cela, elle doit être capable d évaluer la «qualité» de son processus de production et ceci parfois
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
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 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 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 détailAppliquer la maîtrise statistique des processus (MSP/SPC)
Maurice PILLET Professeur des Universités IUT Annecy Université de Savoie, Laboratoire LISTIC Ancien élève de l'ecole Normale Supérieure de CACHAN Appliquer la maîtrise statistique des processus (MSP/SPC)
Plus en détailAUTRES ASPECTS DU GPS. Partie I : tolérance de Battement Partie II : tolérancement par frontières
AUTRES ASPECTS DU GPS Partie I : tolérance de Battement Partie II : tolérancement par frontières 1 Partie I Tolérance de battement Défaut de Battement Défautconjuguéde forme, orientation et position, constatélorsde
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 détailExercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible»
Exercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible» Quand la trésorerie d une entreprise est positive, le trésorier cherche le meilleur placement pour placer les excédents.
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 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 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 détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détailCONFERENCE PALISADE. Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design»
CONFERENCE PALISADE Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design» 1 SIGMA PLUS Logiciels, Formations et Etudes Statistiques
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 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 détailLeçon 3. Les principaux outils de gestion des stocks
CANEGE Leçon 3 Les principaux outils de gestion des stocks Objectif : A l'issue de la leçon l'étudiant doit être capable de : s initier à la pratique des outils fondamentaux de gestion des stocks : de
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 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 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 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 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 détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en 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 détailBAX MC Contrats à terme sur acceptations bancaires canadiennes de trois mois
BAX MC Contrats à terme sur acceptations bancaires canadiennes de trois mois Groupe TMX Actions Bourse de Toronto Bourse de croissance TSX Equicom Produits dérivés Bourse de Montréal CDCC Marché climatique
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 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 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 détailGUIDE POUR LA MISE SUR LE MARCHÉ DE DISPOSITIFS MÉDICAUX SUR MESURE APPLIQUE AU SECTEUR DENTAIRE
Actualisation Mai 2012 Direction de l'evaluation des Dispositifs Médicaux Département Surveillance du Marché GUIDE POUR LA MISE SUR LE MARCHÉ DE DISPOSITIFS MÉDICAUX SUR MESURE APPLIQUE AU SECTEUR DENTAIRE
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en 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 détailÉtablissement des taux d actualisation fondés sur la meilleure estimation aux fins des évaluations de provisionnement sur base de continuité
Ébauche de note éducative Établissement des taux d actualisation fondés sur la meilleure estimation aux fins des évaluations de provisionnement sur base de continuité Commission des rapports financiers
Plus en détailComplément d information concernant la fiche de concordance
Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailAnalyse des Systèmes Asservis
Analyse des Systèmes Asservis Après quelques rappels, nous verrons comment évaluer deux des caractéristiques principales d'un système asservi : Stabilité et Précision. Si ces caractéristiques ne sont pas
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 détailCahier des Clauses Administratives Particulières
Marché Public de Services Cahier des Clauses Administratives Particulières n 2011 20 73 du 18/11/2011 Personne publique Ville de Sainte Geneviève des Bois Personne Responsable du Marché Monsieur le Maire
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 détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
Plus en détaila) La technique de l analyse discriminante linéaire : une brève présentation. 3 étapes de la méthode doivent être distinguées :
a) La technique de l analyse discriminante linéaire : une brève présentation. Nous nous limiterons ici à l'analyse discriminante linéaire et à deux groupes : - linéaire, la variante utilisée par ALTMAN
Plus en détailI La conservation des dossiers médicaux répond à un triple intérêt :
mai 2009 DOSSIERS MEDICAUX CONSERVATION ARCHIVAGE Article 45 (article R.4127-45 du code de la santé publique) «, le médecin doit tenir pour chaque patient une fiche d'observation qui lui est personnelle
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailRÈGLES ET PRATIQUES EN COMPTABILITÉ DE GESTION FACTURATION INTERNE Août 2000
A Hydro-Québec Requête R-3401-98 RÈGLES ET PRATIQUES EN COMPTABILITÉ DE GESTION FACTURATION INTERNE Original : 2000-11-21 HQT-13, Document 1.1.2 (En liasse) 1 1. PRINCIPES ET RÈGLES DE FACTURATION INTERNE
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 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 détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailLISTE D EXERCICES 2 (à la maison)
Université de Lorraine Faculté des Sciences et Technologies MASTER 2 IMOI, parcours AD et MF Année 2013/2014 Ecole des Mines de Nancy LISTE D EXERCICES 2 (à la maison) 2.1 Un particulier place 500 euros
Plus en détailLA QUALITE, L ASSURANCE DE LA QUALITE ET LA CERTIFICATION ISO 9001
LA QUALITE, L ASSURANCE DE LA QUALITE ET LA CERTIFICATION ISO 9001 I/ HISTORIQUE DE LA QUALITE La qualité est un souci permanent de l homme depuis longtemps. Jusqu au XIX ème siècle, c est l ère artisanale
Plus en détailTHESE. présentée à L ECOLE SUPERIEURE D INGENIEURS D ANNECY (ESIA) UNIVERSITE DE SAVOIE. par. Emmanuel DUCLOS. pour obtenir le
THESE présentée à L ECOLE SUPERIEURE D INGENIEURS D ANNECY (ESIA) UNIVERSITE DE SAVOIE par Emmanuel DUCLOS pour obtenir le DIPLÔME DE DOCTEUR DE L UNIVERSITE DE SAVOIE spécialité : Electronique - Electrotechnique
Plus en détailDécrets, arrêtés, circulaires
Décrets, arrêtés, circulaires TEXTES GÉNÉRAUX MINISTÈRE DES FINANCES ET DES COMPTES PUBLICS Décret n o 2014-444 du 29 avril 2014 relatif au fonds de soutien aux collectivités territoriales et à certains
Plus en détail- Le Diagramme de Gantt. - Le Diagramme de Pert - La Méthode QQCQCCP - La Méthode MOSI - Cahier des charges fonctionnel
Planifier le projet > Identifier les étapes > Organiser le projet > Identifier les étapes - Le Diagramme de Gantt > Organiser le projet - Le Diagramme de Pert - La Méthode QQCQCCP - La Méthode MOSI - Cahier
Plus en détailTS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S
FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences
Plus en détailSTRICTEMENT CONFIDENTIEL
MOIS / ANNEE ETUDE DE VALORISATION Société «EDIVAL» STRICTEMENT CONFIDENTIEL BUREAUX 31, Rue de Brest 69002 LYON Tél : +33 (0)8 71 55 11 98 SIÈGE SOCIAL 94, Rue Saint Lazare 75009 PARIS Tél : +33 (0)1
Plus en détailCONSERVATEUR OPPORTUNITÉ TAUX US 2
Placements financiers CONSERVATEUR OPPORTUNITÉ TAUX US 2 Profitez de la hausse potentielle des taux de l économie américaine et d une possible appréciation du dollar américain (1). (1) Le support Conservateur
Plus en détailCentre d'etudes Nucléaires de Fontenay-aux-Roses Direction des Piles Atomiques Département des Etudes de Piles
CEA-N-1195 Note CEA-N-1195 Centre d'etudes Nucléaires de Fontenay-aux-Roses Direction des Piles Atomiques Département des Etudes de Piles Service d'etudes de Protections de Piles PROPAGATION DES NEUTRONS
Plus en détailCirculaire de la Commission fédérale des banques: Journal des valeurs mobilières tenu par le négociant
Circ.-CFB 96/6 Journal des valeurs mobilières Page 1 Circulaire de la Commission fédérale des banques: Journal des valeurs mobilières tenu par le négociant (Journal des valeurs mobilières) du 21 octobre
Plus en détailConditions Générales d Intervention du CSTB pour la délivrance d une HOMOLOGATION COUVERTURE
DEPARTEMENT ENVELOPPES ET REVETEMENTS Constructions Légères et Couvertures Conditions Générales d Intervention du CSTB pour la délivrance d une HOMOLOGATION COUVERTURE Livraison Cahier V1 de Mars 2010
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailTable des matières. Avant-propos. Chapitre 2 L actualisation... 21. Chapitre 1 L intérêt... 1. Chapitre 3 Les annuités... 33 III. Entraînement...
III Table des matières Avant-propos Remerciements................................. Les auteurs..................................... Chapitre 1 L intérêt............................. 1 1. Mise en situation...........................
Plus en détailRÉPUBLIQUE FRANÇAISE Ministère de l Economie et des Finances Décret n relatif au fonds de soutien aux collectivités territoriales ayant souscrit des contrats de prêt ou des contrats financiers structurés
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailRapport d'analyse des besoins
Projet ANR 2011 - BR4CP (Business Recommendation for Configurable products) Rapport d'analyse des besoins Janvier 2013 Rapport IRIT/RR--2013-17 FR Redacteur : 0. Lhomme Introduction...4 La configuration
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 détailDéveloppement d'un projet informatique
Développement d'un projet informatique par Emmanuel Delahaye (Espace personnel d'emmanuel Delahaye) Date de publication : 27 janvier 2008 Dernière mise à jour : 25 avril 2009 Cet article présente un certain
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailLES ACQUISITIONS DE TITRES. Analyse des opérations d'acquisition de titres (frais bancaires et TVA). TABLE DES MATIERES
LES ACQUISITIONS DE TITRES Objectif(s) : o Classification des titres. Pré-requis : o Analyse des opérations d'acquisition de titres (frais bancaires et TVA). Modalités : o Immobilisations financières :
Plus en détailChapitre 2/ La fonction de consommation et la fonction d épargne
hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation
Plus en détailINITIATION AU LANGAGE C SUR PIC DE MICROSHIP
COURS PROGRAMMATION INITIATION AU LANGAGE C SUR MICROCONTROLEUR PIC page 1 / 7 INITIATION AU LANGAGE C SUR PIC DE MICROSHIP I. Historique du langage C 1972 : naissance du C dans les laboratoires BELL par
Plus en détailLeçon 5. Systèmes de gestion à recomplétement périodique et stock de sécurité
CANEGE Leçon 5 Systèmes de gestion à recomplétement périodique et stock Objectif : A l'issue de la leçon l'étudiant doit être capable : dans le cadre des calendriers d approvisionnement à recomplètement
Plus en détailTableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1
UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés
Plus en détailMODE OPERATOIRE CIEL GESTION COMMERCIALE VERSION EVOLUTION BTS PME PMI
MODE OPERATOIRE CIEL GESTION COMMERCIALE VERSION EVOLUTION BTS PME PMI BTS AGPME Ciel Gestion commerciale (mai 2005) Pierre TASSION 1 Table des matières D après le référentiel BTS PME PMI Présentation
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 détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détailValidation probabiliste d un Système de Prévision d Ensemble
Validation probabiliste d un Système de Prévision d Ensemble Guillem Candille, janvier 2006 Système de Prévision d Ensemble (EPS) (ECMWF Newsletter 90, 2001) Plan 1 Critères de validation probabiliste
Plus en détailManuel d Utilisateur - Logiciel ModAFi. Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO
Manuel d Utilisateur - Logiciel ModAFi Jonathan ANJOU - Maud EYZAT - Kévin NAVARRO Grenoble, 12 juin 2012 Table des matières 1 Introduction 3 2 Modèles supportés 3 2.1 Les diérents modèles supportés pour
Plus en détailProspectus Crédits hypothécaires
Prospectus Crédits hypothécaires Valable à partir du : 17/06/2015 N : DW 15076/F Argenta Banque d Épargne SA Belgiëlei 49-53, 2018 Anvers FSMA 27316A IBAN BE 40 9793 5489 0063 BIC ARSPBE22 Uw appeltje
Plus en détailCOMMUNICATEUR BLISS COMMANDE PAR UN SENSEUR DE POSITION DE L'OEIL
COMMUNICATEUR BLISS COMMANDE PAR UN SENSEUR DE POSITION DE L'OEIL J. TICHON(1) (2), J.-M. TOULOTTE(1), G. TREHOU (1), H. DE ROP (2) 1. INTRODUCTION Notre objectif est de réaliser des systèmes de communication
Plus en détailRatios sectoriels. Dossier exemple. Dossier exemple-caroline. Références du dossier : Date : 24/09/2012 Auteur : Caroline
Ratios sectoriels Dossier exemple Références du dossier : Date : 24/09/2012 Auteur : Caroline Dossier exemple-caroline 1 P a g e SOMMAIRE LE BENCHMARKING SECTORIEL 5 RENTABILITE & PRODUCTIVITE 6 PRODUCTION
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 détailarmasuisse Office fédéral de topographie swisstopo Cours geocat.ch 28 avril 2014
armasuisse Cours geocat.ch Plan 9.00 Présentation des participants Introduction métadonnées - geocat.ch Vue générale de l application geocat.ch Saisie simple Recherche et visualisation Validation Exercice
Plus en détailAutomatique Linéaire 1 Travaux Dirigés 1A ISMIN
Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailLe géomarketing - Page 1 sur 7
Le géomarketing - Page 1 sur 7 LES DOSSIERS MADWATCH.net méthodes Le Géomarketing Novembre 2003 Nb de pages : 7 Le géomarketing - Page 2 sur 7 Créé dans les années 80, la plupart des applications du géomarketing
Plus en détailG.P. DNS02 Septembre 2012. Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3. Réfraction
DNS Sujet Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3 Réfraction I. Préliminaires 1. Rappeler la valeur et l'unité de la perméabilité magnétique du vide µ 0. Donner
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
Plus en détailFctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines
FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html
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 détailPUBLICITÉ ET CRÉDIT À LA CONSOMMATION. Les modifications apportées par la Loi du 1 er juillet 2010
PUBLICITÉ ET CRÉDIT À LA CONSOMMATION Les modifications apportées par la Loi du 1 er juillet 2010 La Directive «crédit à la consommation» du 23 avril 2008 a été transposée par la loi n 2010-737 du 1 er
Plus en détailSont assimilées à un établissement, les installations exploitées par un employeur;
Arrêté royal du 4 décembre 2012 concernant les prescriptions minimales de sécurité des installations électriques sur les lieux de travail (M.B. 21.12.2012) Section I er. - Champ d'application et définitions
Plus en détailOptions et Volatilité (introduction)
SECONDE PARTIE Options et Volatilité (introduction) Avril 2013 Licence Paris Dauphine 2013 SECONDE PARTIE Philippe GIORDAN Head of Investment Consulting +377 92 16 55 65 philippe.giordan@kblmonaco.com
Plus en détailCA 3000 CA 3000 PROGRAMMATION PAR MINITEL
CA 3000 CA 3000 PROGRAMMATION PAR MINITEL UTILISATION A - CONFIGURATION CA 3000 B - DATE ET HEURE C - ENREGISTRE R RES IDENT D - MODIFIER RESIDENT E - LISTE REPERTOIRE F - GROUPES LECTEURS G - GROUPES
Plus en détailLES ASSURANCES DE LA CONSTRUCTION
LES ASSURANCES DE LA CONSTRUCTION 1 / 24 SOMMAIRE 1) INTRODUCTION AUX ASSURANCES DE LA CONSTRUCTION 1.1) A chaque étape, des risques liés à la construction 1.2) Les cinq assurances couvrant l ensemble
Plus en détail1 la loi: la loi du 4 août 1996 relative au bien-être des travailleurs lors de l'exécution de leur travail;
Arrêté royal du 30 août 2013 fixant des dispositions générales relatives au choix, à l'achat et à l'utilisation d'équipements de protection collective (M.B. 7.10.2013) Chapitre I er. - Dispositions relatives
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 détail1. Introduction...2. 2. Création d'une requête...2
1. Introduction...2 2. Création d'une requête...2 3. Définition des critères de sélection...5 3.1 Opérateurs...5 3.2 Les Fonctions...6 3.3 Plusieurs critères portant sur des champs différents...7 3.4 Requête
Plus en détailLECTEUR DE BADGE RFID 125Khz COMPACT AUTONOME
LECTEUR DE BADGE RFID 125Khz COMPACT AUTONOME Centrale de gestion incorporée Etudiée spécialement pour la. Commande d accès. Sécurité de biens. Sécurité d accès Voyant de signalisation non apparent Boîtier
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
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 détail