Comment représenter les variables aléatoires (données)? Paramètres descriptifs. Quels sont les paramètres descriptifs de la position?

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Comment représenter les variables aléatoires (données)? Paramètres descriptifs. Quels sont les paramètres descriptifs de la position?"

Transcription

1 Paramètres descrptfs Cours VETE043- Aée académque Commet représeter les varables aléatores (doées)? Représetato sythétque Tables de fréqueces Représetato graphque Dagrammes de fréqueces Paramètres descrptfs Posto Dsperso Aplatssemet, asymétre, Aée académque Quels sot les paramètres descrptfs de la posto? Le plus cou est certaemet la moyee arthmétque Pour des doées smples: m = = Exemple: jets d u dé: => m = ( ) / 0 = 3.9 Quels sot les paramètres descrptfs de la posto? Ue terprétato de la moyee arthmétque = = * Chaque doée est podérée das la somme par sa fréquece relatve (u estmateur de la probablté) das l échatllo. Aée académque Aée académque

2 Est-ce la vrae moyeede? Das cet exemple, o pourrat calculer la vrae moyeede (moyee populato): µ= ( )/6 = 3. La moyee calculée (m= 3.9) est qu ue estmatobasée sur u échatllo de la moyee réelle (µ = 3.). Aée académque Pourquo e pas toujours calculer la vrae moyeede? µe peut être calculée que s toutes les valeursde et les probabltés assocées sot coues. Rappel: dstrbutos = foctos qu assocet à chaque valeur de x la probablté correspodate Exemple: s je jette dés et que j addtoe les pots obteus, combe vas-je obter e moyee? Aée académque Pourquo e pas toujours calculer la vrae moyeede? Pourquo e pas toujours calculer la vrae moyeede? A) Approche approxmatve (échatlloage) Je répète fos (p.e. = 0) fos l expérece, et je calcule la moyee arthmétque des valeurs obteues Aée académque B) Approche exacte (populato) Je calcule la probablté assocée à chaque stuato et je calcule la moyee e cosdérat que chaque valeur est représetée avec ue fréquece relatve égale à la probablté d obter cette valeur P[(;)] = P[(;)] = = P[(6;6)] = /36 P(S=0) = P(S=) = P(S>) = 0 P(S=) = P[(;)] = /36 P(S=3) = P[(;) ou (;)] = P[(;)] + P[(;)] = /36 Aée académque

3 Pourquo e pas toujours calculer la vrae moyeede? B) Approche exacte (populato): sute P (*/36) P* (*/36) µ = ΣP * = /36 = 7 Pourquo e pas toujours calculer la vrae moyeede? Cocluso: o e calculera la vrae moyee qu à codto de dsposer de toutes les valeurs de et des probabltés assocées. O fera alors: = µ * π ( ) La vrae moyee est appelée: espérace mathématque. Aée académque Aée académque Quel est le le etre µet m? S o cosdère que chaque doée de l échatllo a la même probablté (sot, /), les deux formulatos sot detques: * * Pr = = ( ) La fréquece (/) d ue valeur das l échatllo estmela probablté Pr( ) de cette valeur das la populato. Aée académque Peut-o gééralser cette dée à d autres stuatos? Exemple I: Das ue populato de possos, l y a 0% de possos blacs et 80% de possos d autres couleurs. O mesure 6 possos, avec les résultats cdessous. Quelle est la talle moyee das cette espèce? cm 3 cm 34 cm 9 cm 9 cm 34 cm Aée académque

4 Peut-o gééralser cette dée à d autres stuatos? Soluto I: Les possos colorés dovet avor ue podérato 4 fos plus élevée que les blacs pusqu ls représetet 4 fos plus d dvdus. O peut attrbuer explctemet ces podératos, et remplacer les probabltés par ces podératos stadardsés: = * w = * W W Aée académque Soluto I: Peut-o gééralser cette dée à d autres stuatos? No podérée p = p = = Podérée p Ue telle moyee est ue moyee podérée Aée académque Peut-o gééralser cette dée à d autres stuatos? Soluto I: das otre exemple, o a: w = w 4 = w w = w 3 = w 6 w = 4*w w + w + w 3 + w 4 + w + w 6 = dot la soluto est: w = w 4 = w = / w = w 3 = w 6 = 4/ Peut-o gééralser cette dée à d autres stuatos? Soluto I: ce qu codut à: m p = ( *3 + 4*34 + 4*34)/ = 3.0 cm = (0.8 * c ) + (0. * b ) Cette moyee podéréeest doc calculée sur les doées dspobles et tet compte de la coassace qu o a de la structure de la populato Aée académque Aée académque

5 Peut-o gééralser cette dée à d autres stuatos? Exemple II: Moyee pour u étudat de BMV? Cours Aglas Bologe Chme Physque Stat Note Pods 0/0 0/0 0/0 0/0 0/0 Note P.73 Am et Soc 0/ Moy Peut-o gééralser cette dée à d autres stuatos? Exemple III: Des dvdus ot été réparts par classe, d après leurs mesures. Que vaut le pods moye? Classe 0 à 0 0 à 0 0 à à 40 3 f 8 0 Aée académque Aée académque Peut-o gééralser cette dée à d autres stuatos? Soluto III: chaque valeur de peut être podérée par sa fréquece relatve (qu estme la probablté) = moyee de doées groupées Y a-t-l d autres paramètres descrptfs de la posto? Ou. Il exste pluseurs types de moyees, as que d autres types de paramètres: Moyee géométrque (problèmes multplcatfs): Classe 0 à 0 0 à 0 0 à à 40 3 f 8 0 = * fr = * = f f = g = Exemple: Accrossemets successfs d ue populato sur 3 aées (0%, %, 3%). Aée académque Aée académque

6 Y a-t-l d autres paramètres descrptfs de la posto? Exemple: Accrossemets successfs d ue populato sur 3 aées (0%, %, 3%). E t = 0: (0) = talle E t = : () = (0)*.0 E t = : () = ()*. E t = 3: (3) = ()*.3 = (0)*.0*.*.3 S chaque aée, o a le même accrossemet α: (3) = ()*α= ()*α² = (0)*α³ 3 => α = 3 α = Aée académque Y a-t-l d autres paramètres descrptfs de la posto? Moyee harmoque(doées/uté): = = h Exemple: Mapulatos effectuées par 3 laborats (0 / jour, / jour, 0 / jour) Temps moye: t m = (/0 + / + /0)/3 # moye de maps/jour = (/t m ) Aée académque Y a-t-l d autres paramètres descrptfs de la posto? U exemple e physque de la mh: F = m*a => a = F/m Y a-t-l d autres paramètres descrptfs de la posto? U autre exemple e physque de la mh: U moble parcourt la moté d ue dstace à 40 km/h et l autre moté à 60 km/h. Quelle est sa vtesse moyee? T T a = g T/m a = g T/m a = -a m m g T/m = T/m g m g m g T = g / [/*(/m +/m )] = m h *g Aée académque Aée académque

7 Y a-t-l d autres paramètres descrptfs de la posto? Mode: l s agt de la valeur qu a la fréquece maxmale. Y a-t-l d autres paramètres descrptfs de la posto? Médae: l s agt de la valeur qu a 0 % des valeurs qu lu sot féreures. f() médae Exemple: Classe modale Classe 0 à 0 0 à 0 0 à à 40 Mode 3 f 8 0 Aée académque Mode = Exemple: 0% Classe 0 à 0 0 à 0 0 à à 40 0% 3 f 8 0 Médae 0 Aée académque Y a-t-l d autres paramètres descrptfs de la posto? Exemple II: 3 pods de poulets adultes récoltés: O tre par ordre crossat: Moyee =.08, médae =.99 Aée académque Quad employer la moyee, la médae, le mode? Mesure d asymétre: Symétre => mode= moyee= médae Asymétre drote: Moy > Méd > Mode f() La médae est mos sesble aux doées aormales (outlers) Plurmodalté médae mode Aée académque

8 Quels sot les paramètres descrptfs de la dsperso? Le plus cou est certaemet la varace Pour des doées smples: s = ( ) Exemple I: jets d u dé: => m = ( ) / 0 = 3.9 => s² = [( 3.9)² + ] / 9 =.767 Aée académque Quels sot les paramètres descrptfs de la dsperso? Exemple II: mesure de la varace des varables quattatves das les doées de l explotato bove. Age: s² age =.4 (s = 7.4 mos) Pods: s² pods = (s = 93. klos) Talle: s² talle = 88.4 (s = 9.7 cms) Aée académque Quels sot les paramètres descrptfs de la dsperso? Remarques sur la varace La dvso par (-) est lée au fat qu o e calcule pas les écarts par rapport à µ mas par rapport à m. L expresso de cette mesure das la même uté que les valeurs de se fat e preat la race carrée de s², sot s, appelée dévato stadard. s² est u estmateurde la vrae varace, qu est l espérace mathématque de (-µ)², otée E(-µ)² σ = ( µ ) π ( ) Peut-o calculer la vrae varace σ²plutôt que s²? Ou, à codto, comme pour µ, de coaître toutes les valeurs de et les probabltés assocées. Exemple: jet d u dé? = Proba = /6 (-3.)² = 6. = Proba = /6 (-3.)² =. = 3 Proba = /6 (3-3.)² = 0. = 4 Proba = /6 (4-3.)² = 0. = Proba = /6 (-3.)² =. = 6 Proba = /6 (6-3.)² = 6. Exercce: σ² lors du jet de dés?(sol: σ² = 3/6) σ² = 7. / 6 Aée académque Aée académque

9 Y a-t-l d autres paramètres descrptfs de la dsperso? Étedue (rage) = écart etre la valeur maxmale et la valeur mmale. Exemple: l étedue du pods das les doées de l explotato bove est de klos. Aée académque Y a-t-l d autres paramètres descrptfs de la dsperso? Quartles = valeurs découpat la dstrbuto e 4 partes de %. Exemple: les quartles pour la talle das les doées de l explotato bove sot: Q0= 6.30 cms = Mmum Q= 6.66 cms. Q= 40.3 cms. = Médae Q3= 8.66 cms Q4= 04.6 cms = Maxmum Aée académque Exemple d utlsato: «Box plot» Y a-t-l d autres paramètres descrptfs de la dsperso? Talle Décles= valeurs découpat la dstrbuto e 0 partes de 0%. Percetles = valeurs découpat la dstrbuto e 00 partes de %. Coeffcet de dsperso = 00*σ/ µ Sexe Aée académque Aée académque

10 Y a-t-l d autres paramètres descrptfs de la dsperso? Illustrato: terro de math 03 D.00 Exemple de percetle: détecto des cas de ggatsme P9 P0 Moyee Mmum Maxmum Varace Dev. Std Q Q Q3 Q D D3 D4 D D6 D D8.00 Aée académque D Aée académque Y a-t-l d autres paramètres descrptfs de la dsperso? Il exste égalemet des mesures permettat de mesurer das quelles proportos deuxvarables aléatores évoluet cojotemet. La plus utlsée est la covarace (ou la corrélato, qu est la covarace stadardsée). La défto de la covarace etre et Y est: Cov(,Y) = σ Y = E[(-µ )(Y-µ Y )] Aée académque Y a-t-l d autres paramètres descrptfs de la dsperso? Sur u échatllo, o calculera u estmateur s Y de σ Y. S Y = ( )( Y Y ) U estmateur r Y du coeffcet de corrélato ρ Y vaut: ( )( Y Y ) r Y = ( ) ( Y Y ) Aée académque

11 Iterprétato de la covarace Y Iterprétato de la covarace Y µ Y µ Y µ => Covarace > 0 => Y quad Aée académque µ => Covarace < 0 => Y quad Aée académque Iterprétato de la covarace µ Y Y µ Iterprétatos de la covarace Comme o le vot, l dépedace de deux varables et Y se tradut par σ Y = 0 (s Y peut e pas être ul). Exemple: calculez la covarace etre le pods et la talle sur les doées de l exemple bov. O calcule que s Y = Le coeffcet de corrélato, r Y, vaut 0.7 => Covarace 0 => Y stable quad Aée académque Aée académque

12 Exercces récaptulatfs Calculez: La varace de * La varace de k* La varace de (+Y) La varace de La varace de a*+b*y Aée académque E résumé: U esemble de doées peut être représeté par ue (des) varable(s) aléatore(s). Les varables aléatores peuvet être sythétsées par u (des) paramètre(s) de posto de dsperso... L étape suvate est de décrre de maère complète les varables aléatores: o utlse alors les dstrbutos Aée académque

I. Qu est-ce qu une variable aléatoire?

I. Qu est-ce qu une variable aléatoire? I. Qu est-ce qu ue varable aléatore?. Défto : Sot ue expérece aléatore dot l esemble des résultats possbles (l uvers est oté Ω. Ue varable aléatore est ue focto X allat de Ω sur R, c est-à-dre que c est

Plus en détail

Serie statistique double

Serie statistique double Sere statstque double Dstrbutos margales Actvté U relevé statstque des talles (e cm) et des pods Y (e kg) d u échatllo de 00 élèves a perms de costrure le tableau suvat : Y [0, 5[ [5, 50[ [50, 55[ [55,

Plus en détail

Améliorer la productivité

Améliorer la productivité Maurce Pllet Amélorer la productvté Déploemet dustrel du toléracemet ertel, 00 SBN : 978---54754- Commet calculer ue tolérace ertelle 75 Nous avos doc u toléracemet par tervalle sur les exgeces foctoelles

Plus en détail

I. Moyenne, variance et écart-type d une série statistique

I. Moyenne, variance et écart-type d une série statistique I Moyee, varace et écart-type d ue sére statstque Sére statstque dscrète : Eemple d ue sére statstque dscrète : Preos le cas d ue classe de élèves qu réalset u devor oté sur 5 La sére statstque dscrète

Plus en détail

LOI NORMALE ET LOIS DERIVEES

LOI NORMALE ET LOIS DERIVEES Prcpes et Méthodes de la Bostatstque Chaptre 5 LOI NORMALE ET LOIS DERIVEES A-LA LOI NORMALE Présetato La dstrbuto ormale, dte ecore de Laplace-Gauss, est pour des rasos qu apparaîtrot plus lo, la plus

Plus en détail

L2 Mention Informatique. UE Probabilités. Chapitre 4 : Simulation - Régression

L2 Mention Informatique. UE Probabilités. Chapitre 4 : Simulation - Régression L Meto Iformatque UE Probabltés Chaptre 4 : Smulato - Régresso Notes de cours rédgées par Rége Adré-Obrecht, Jule Pquer I- Smulato de varables aléatores. Itroducto Das certaes expéreces «réelles», où le

Plus en détail

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1 II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d

Plus en détail

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an BTS BLANC Ma 0 Epreuve : Mathématques Géérales et Applquées Flère : DA / ARLE Durée: heures NB : Chaque parte dot être tratée sur des copes dfféretes I- MATHEMATIQUES GENERALES Exercce a b Sot le Sot la

Plus en détail

2.1 Variable aléatoire Fonction de répartition Fonction de masse et de densité...2

2.1 Variable aléatoire Fonction de répartition Fonction de masse et de densité...2 - Varables aléatores et dstrbutos - Chaptre : Varables aléatores et dstrbutos. Varable aléatore.... Focto de répartto....3 Focto de masse et de desté....4 Dstrbuto cojote de varables aléatores...5.4. Dstrbuto

Plus en détail

STATISTIQUES A UNE VARIABLE

STATISTIQUES A UNE VARIABLE Cours et exercces de mathématques ) Itroducto et vocabulare STATISTIQUES A UNE VARIABLE La statstque est la scece qu cosste à réur des doées chffrées, à les aalyser, à les commeter et à les crtquer Ue

Plus en détail

Résumé de statistique I

Résumé de statistique I Résumé de statstque I Etude de doées statstques : Ce qu ous téresse lorsqu o a des doées statstque ou ue dstrbuto de celles-c : Le cetre : o o Moyee : mesures o robustes Médae : mesures robustes La dsperso

Plus en détail

TD Techniques de prévision pour la Gestion de production

TD Techniques de prévision pour la Gestion de production Orgasato et gesto dustrelle Page / 6 TD Techques de prévso pour la Gesto de producto er Exercce Vetes d u rayo de jouraux das u supermarché Javer Févrer Mars Avrl Ma Ju Jullet Août Septembre Octobre Novembre

Plus en détail

Variables j.. p. Xij

Variables j.. p. Xij L alyse e Composates Prcpales (CP) O possède u tableau rectaulare de mesure dot les coloes sot des varables quattatves (mesuratos, taux, statos clmatques) et dot les les représetet des dvdus statstques

Plus en détail

CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4

CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4 page1/6 CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4 Dosser "Défcece" 1) = 30 pour les groupes. Les classes sot d'ampltudes dfféretes doc...utlser la desté (rappel : desté = effectf/ampltude). Durée

Plus en détail

MODULE : STATISTIQUES ROYAUME DU MAROC OFPPT RESUME THEORIQUE & GUIDE DE TRAVAUX PRATIQUES SECTEUR : TERTIAIRE

MODULE : STATISTIQUES ROYAUME DU MAROC OFPPT RESUME THEORIQUE & GUIDE DE TRAVAUX PRATIQUES SECTEUR : TERTIAIRE OFPPT ROYAUME DU MAROC مكتب التكوين المهني وإنعاش الشغل Offce de la Formato Professoelle et de la Promoto du Traval DIRECTION RECHERCHE ET INGENIERIE DE FORMATION RESUME THEORIQUE & GUIDE DE TRAVAUX PRATIQUES

Plus en détail

a. Le symbole se lit «sigma» ; l écriture Ex : 2 Fréquences en % ( f i x 100) 11,1 % 29,6 % 59,3 % 100 %!!!!

a. Le symbole se lit «sigma» ; l écriture Ex : 2 Fréquences en % ( f i x 100) 11,1 % 29,6 % 59,3 % 100 %!!!! Cours : Statstques I. Itroducto Classe de ère S O a vu que our caractérser ue sére statstque, o utlse des : - aramètres de tedace cetrale : - la moyee ; - la médae. Ils ermettet d dquer la «osto» de la

Plus en détail

Nombre de Clients [0 ; 50[ 72. x i. n i [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200 ; 250 [ 18

Nombre de Clients [0 ; 50[ 72. x i. n i [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200 ; 250 [ 18 1 U commerçat a relevé le motat des dépeses e euros de chaque clet au cours d ue semae. Motat des dépeses Clets [0 ; 50[ 72 x x - x ) - x )² -x ) ² [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200

Plus en détail

Le cours Interprétation physique de la dérivée

Le cours Interprétation physique de la dérivée Il est égalemet possble de procéder à la «dérvato umérque» d ue sute de valeurs {(t ; f )}. La sute dérvée est elle-même costtuée de couples {(t ; f )} ; la valeur f de correspodat au tau de varato mesuré

Plus en détail

Leçon 08 : Statistiques Terminale. Altitude (x i ) Températures ( y i )

Leçon 08 : Statistiques Terminale. Altitude (x i ) Températures ( y i ) Leço 08 : Statstques Termale E premer leu, l te faut relre les cours de premère sur les statstques à ue varable, l a tout u lagage à se remémorer : étude d u échatllo d ue populato, mode, moee et médae

Plus en détail

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant :

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant : STATISTIQUES Cours Termale ES O observe que, das certas cas, l semble ester u le etre deu caractères statstques quattatfs (deu varables) sur ue populato ; par eemple, etre le pods et la talle d u ouveau-é,

Plus en détail

2. On présente ensuite une proposition : l'équiprobabilité à chaque étape entraîne l'équiprobabilité sur l'ensemble des résultats.

2. On présente ensuite une proposition : l'équiprobabilité à chaque étape entraîne l'équiprobabilité sur l'ensemble des résultats. rbre de déombremet et arbre de probablté Pla du documet. O présete tout d'abord la règle du produt pour les arbres de déombremet avec, e cas partculer, le cardal d'u produt cartése d'esembles fs.. O présete

Plus en détail

Méthode du simplexe: préliminaires. 2. Programmation linéaire. Solution de base. Méthode du simplexe: préliminaires. b. Méthode du simplexe

Méthode du simplexe: préliminaires. 2. Programmation linéaire. Solution de base. Méthode du simplexe: préliminaires. b. Méthode du simplexe Méthode du smplee: prélmares Modèles de recherche opératoelle (RO). Programmato léare b. Méthode du smplee Das le cas où l y a ue fté de solutos, la méthode d élmato de Gauss-Jorda permet d detfer tros

Plus en détail

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen Aexe. Estmato d u quatle o-paramétrque par la méthode de Haze La probablté cumulée emprque d ue doée au se d u échatllo est pas u cocept parfatemet déf : pluseurs estmatos sot possbles ; l e est de même

Plus en détail

arlesrcomplexesraurbacr2014r==corriges=z

arlesrcomplexesraurbacr2014r==corriges=z arlesrcomplexesraurbacr0r==corriges= Nouvelle-Calédoe ovembre 0 5 pots Proposto : Pour tout eter aturel : ( + ) = () VRAI! ( ) doc d où ( ) ( ) ( ) ( ) Sot (E) l équato ( )( + 8) = 0 où désge u ombre complexe

Plus en détail

Polynésie Juin 2010 Série S Exercice. Le plan complexe est rapporté à un repère orthonormal direct ( O; uv, )

Polynésie Juin 2010 Série S Exercice. Le plan complexe est rapporté à un repère orthonormal direct ( O; uv, ) Polyése Ju 00 Sére S xercce Le pla complexe est rapporté à u repère orthoormal drect ( O; uv, ) Prérequs Parte A Resttuto orgasée de coassaces Sot u ombre complexe tel que = a+ b où a et b sot deux ombres

Plus en détail

Quelques éléments de statistiques

Quelques éléments de statistiques Quelques élémets de statstques Avat-propos Ces quelques élémets coceret essetellemet les statstques au programme das l esegemet secodare. Ils preet appu sur les documets utlsés par M. ARTIGUES, IA-IPR

Plus en détail

Alain MORINEAU

Alain MORINEAU www.deeov.com Ala MORINEAU Cet artcle est ue reprse et u extrat de l artcle «Note sur la Caractérsato Statstque d'ue Classe et les Valeurs-tests», publé das la revue Bullet Techque du Cetre de Statstque

Plus en détail

RADIOPROTECTION CIRKUS. Sommaire

RADIOPROTECTION CIRKUS. Sommaire RADIOPROTECTION CIRKUS Documet techque Radoprotecto Crkus 89 D boulevard du Fer 74000 Aecy www.rpcrkus.org - cotact@rpcrkus.org Assocato lo 1901 créée le 9 mars 010 W91300355 - Eregstrée à la préfecture

Plus en détail

On applique le théorème de Pythagore au triangle AIE est rectangle en I AI 2 IE 2 AE 2 IE IE 1 2

On applique le théorème de Pythagore au triangle AIE est rectangle en I AI 2 IE 2 AE 2 IE IE 1 2 Exercce Lba 6 4 pots O cosdère u solde ADECBF costtué de deux pyramdes detques ayat pour base commue le carré ABCD de cetre I. Ue représetato e perspectve de ce solde est doée e aexe (à redre avec la cope).

Plus en détail

La valeur acquise par un capital au bout d'une année est donc obtenue en multipliant ce capital par (1 + i). Par suite, le capital C1

La valeur acquise par un capital au bout d'une année est donc obtenue en multipliant ce capital par (1 + i). Par suite, le capital C1 LGL Cours de Mathématques 26 Exemples de sutes das le domae des faces 1) Itérêts composés O place 1. à térêts composés au taux de 4,5 % par a. Détermer le captal dspoble à la f de chaque aée et ce pedat

Plus en détail

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE UE4 : Bostatstques Chaptre 8 Corrélato et régresso léare smple José LABARERE Aée uverstare 20/202 Uversté Joseph Fourer de Greoble - Tous drots réservés. Pla I. Corrélato et régresso léare II. Coeffcet

Plus en détail

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES ANALYSE DES DONNÉES TEST DU KHI-DEUX ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES Perre-Lous Gozalez Mesure de la laso etre deux varables qualtatves Kh deux Equête : Êtes-vous «pas du tout d accord»

Plus en détail

SOMMAIRE. Généralités :...2

SOMMAIRE. Généralités :...2 SOMMAIRE Gééraltés :... I. Déftos :... II. Apport de la statstque au écoomstes :... III. Les lmtes de la méthode statstque :... IV. Le vocabulare utlsé e statstque :...3 V. Quelques symboles mathématques

Plus en détail

Pondichéry Avril 2014 Série S Exercice.

Pondichéry Avril 2014 Série S Exercice. Podchéry Avrl 04 Sére S Exercce Le pla complexe est mu d u repère orthoormé ( O; uv, ) Pour tout eter aturel, o ote A le pot d affxe z déf par : O déft la sute ( ) z z 0 = et + = + z 4 4 r par r = z pour

Plus en détail

Bac blanc de mathématiques

Bac blanc de mathématiques Termale st2s le mercred 09/03/2016 Durée : 2 heures Bac blac de mathématques Exercce 1 : 6 pots Le tableau c-dessous doe le ombre d aboemets au servce de téléphoe moble e Frace etre f 2001 et f 2009, exprmé

Plus en détail

L2 Mention Informatique. UE Probabilités. Chapitre 3 : Variables aléatoires réelles

L2 Mention Informatique. UE Probabilités. Chapitre 3 : Variables aléatoires réelles L Meto Iformatque UE Probabltés Chaptre 3 : Varables aléatores réelles Notes de cours rédgées par Rége Adré-Obrecht, Jule Pquer, Serge Solovev Sot (, A, P) Ω et X : Ω R ue varable aléatore. I. Varable

Plus en détail

VI. Statistique descriptive.

VI. Statistique descriptive. VI. Statstque descrptve. 1. Avat - propos : le sge sommatore. Soet x 1, x,...x : réels x 1 + x +...+ x = x Remarquos : Proprétés. 1 x = x j j1 1. x = x + x 1 p 1. kx = k x 1 1 p1 3. ( x y ) = x + y 1 Exercces.

Plus en détail

1 ère partie : STATISTIQUE DESCRIPTIVE

1 ère partie : STATISTIQUE DESCRIPTIVE ère parte : STATISTIQUE DESCRIPTIVE CHAPITRE : COLLECTE DE L INFORMATION, TABLEAUX ET GRAPHIQUES. I. Défto et vocabulare Défto : la statstque est ue méthode scetfque qu cosste à réur des doées chffrées

Plus en détail

Les nombres complexes

Les nombres complexes haptre 6 termale S Les ombres complexes 1 hstorque et créato : N Z ID Q R es esembles ot été costruts au fl de l hstore grâce à u même problème : certaes équatos ot des solutos das u esemble doé mas d

Plus en détail

Module 4 - Leçon 01 - Budget des ventes 1. Introduction - Recherche de la tendance générale

Module 4 - Leçon 01 - Budget des ventes 1. Introduction - Recherche de la tendance générale Cotrôle de gesto Budget des vetes Module 4 - Leço - Budget des vetes Itroducto - Recherche de la tedace géérale - Itroducto Le budget des vetes est le premer budget opératoel à établr. Il est cosdéré comme

Plus en détail

Méthodes stochastiques de calcul de stabilité des pentes

Méthodes stochastiques de calcul de stabilité des pentes Républque Algéree Démocratque et Populare Mstère de l Esegemet Supéreur et de la Recherche Scetfque UNIVERSITE MOULOUD MAMMERI - TIZI OUZOU - Faculté du Gée de la costructo Départemet de Gée Cvl MÉMOIRE

Plus en détail

Texte Analyse en composantes principales

Texte Analyse en composantes principales Uverstés Rees I Épreuve de modélsato - Agrégato Extere de Mathématques 2007 Page Texte Aalyse e composates prcpales Itroducto E archéologe, l aalyse de la composto de matéraux est deveue u outl essetel

Plus en détail

NOMBRES COMPLEXES EXERCICES CORRIGES

NOMBRES COMPLEXES EXERCICES CORRIGES Cours et exercces de mathématques NOMRES COMPLEXES EXERCICES CORRIGES Exercce. O doe = + et = + Ecrre sous forme algébrque les complexes suvats : = ; Exercce. Calculer, et = ; = ; = ; 5 006 009 E dédure

Plus en détail

Divisibilité et congruences. Corrigés d exercices

Divisibilité et congruences. Corrigés d exercices Dvsblté et cogrueces Corrgés d exercces Les exercces du lvre corrgés das ce docuet sot les suvats : Page 445 : N 1, 5 Page 459 : N 45 Page 449 : N 10 Page 460 : N 51, 5, 55, 57 Page 451 : N 16 Page 461

Plus en détail

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet.

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet. ère S Cotrôle du mard 7 javer 05 ( heures) D C N Le barème est doé sur 0 O répodra drectemet sur la cope foure avec le sujet U certa ombre de questos écesste ue recherche préalable au broullo O e rédgera

Plus en détail

Loi de Fisher. Test de Fisher. Exemple. Solution. ANOVA à un facteur. df = (29, 28) df = (19, 6) df = (6, 6)

Loi de Fisher. Test de Fisher. Exemple. Solution. ANOVA à un facteur. df = (29, 28) df = (19, 6) df = (6, 6) ! amlle de dtrbuto. Lo de her! Chaque membre de la famlle et détermé par deux paramètre: le ombre de degré de lberté du umérateur et le ombre de degré de lberté du déomateur.! et cotue et potve.! et potvemet

Plus en détail

Exercice n 1 1) Par associativité de l intersection des événements, et à l aide de la formule des probabilités conditionnelles,

Exercice n 1 1) Par associativité de l intersection des événements, et à l aide de la formule des probabilités conditionnelles, CONCOURS EMIA Sceces CONCOURS 0 EPREUVE DE MATHEMATIQUES Corrgé o offcel rédgé par Jea-Gullaume CUAZ, esegat au Lycée Mltare de Sat-Cyr, jgcuaz@hotmalcom Eercce ) Par assocatvté de l tersecto des évéemets,

Plus en détail

Analyse de régression

Analyse de régression Itroducto à la régresso Aalyse de régresso La régresso est utlsée pour estmer ue focto f( ) décrvat ue relato etre ue varable explquée cotue,, et ue ou pluseurs varables explcatves,. = f(,, 3,, )+ε Remarque

Plus en détail

il s'agit de saisir une estimation optimale d'une grandeur à laquelle on suppose une existence objective.

il s'agit de saisir une estimation optimale d'une grandeur à laquelle on suppose une existence objective. Tratemet des certtudes de mesure I. PROBLEMATIQUE. Quad o veut détermer ue gradeur et que l'o effectue pluseurs mesures (smultaées avec des apparellages équvalets, ou répétées das des codtos semblables

Plus en détail

Terminales S Exercices sur les nombres complexes Page 1 sur 6

Terminales S Exercices sur les nombres complexes Page 1 sur 6 Termales S Exercces sur les ombres complexes Page sur 6 Exercce : ) Calculer, et 5 6 7 ) E dédure, et ) Détermer les eters pour lesquels est a) u réel, b) est u magare pur, c) égal à Exercce : Ecrre sous

Plus en détail

ANALYSE DE RESULTATS EXPERIMENTAUX Sommaire

ANALYSE DE RESULTATS EXPERIMENTAUX Sommaire ANALYSE DE RESULTATS EXPERIMENTAUX ------------ Sommare. ANALYSE DE RESULTATS DE PLUSIEURS MESURES D UNE MÊME GRANDEUR :..... LE PROBLÈME :..... QUELQUES NOTIONS INDISPENSABLES DE STATISTIQUE...... Populato

Plus en détail

Introduction à la statistique descriptive

Introduction à la statistique descriptive Itroducto à la statstque descrptve Cours et eercces avec tableur Luce LEBOUCHER Mare-José VOISIN CÉPADUÈS-ÉDITIONS 111, rue Ncolas Vauquel 311 Toulouse Frace Tél. : 5 61 4 57 36 Fa : 5 61 41 79 89 www.cepadues.com

Plus en détail

Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires

Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires UE 4 Evaluato des méthodes d aalyse applquées au sceces de la ve et de la saté Statstque Varables aléatores Frédérc Mauy - 27 septembre et 3 octobre 2013 1 Pla du cours 1. Varable aléatore 1. Défto 2.

Plus en détail

2. Loi de propagation des erreurs (cas simples)

2. Loi de propagation des erreurs (cas simples) Lycée Blase-Cendrars/Physque/Labos/DC///04 Labos de physque : Mesures - Propagaton d erreurs - Mesures répéttves - Statstques. Prncpe de la mesure en physque Une mesure est toujours mprécse. La précson

Plus en détail

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure.

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure. TABLE DES MATIERES Durée...2 Objectf spécfque...2 Résumé...2 I. L agrégato des préféreces...2 I. Le système de vote à la majorté...2 I.2 Vote par classemet...3 I.3 Codtos de décso socale et théorème d

Plus en détail

PROBABILITÉS ET STATISTIQUE POUR L ENSEIGNEMENT SECONDAIRE

PROBABILITÉS ET STATISTIQUE POUR L ENSEIGNEMENT SECONDAIRE PROILITÉS ET STTISTIQUE POUR L ENSEIGNEMENT SECONDIRE Ce documet a été rédgé à l occaso d u stage de formato cotue de professeurs de mathématques de trosème et secode e décembre 009 à Toulouse, sute à

Plus en détail

PROBABILITÉS - VARIABLES ALÉATOIRES

PROBABILITÉS - VARIABLES ALÉATOIRES PROBABILITÉS - VARIABLES ALÉATOIRES Itroducto Das le cours sur les probabltés ous avos trodut la oto d uvers U et lu avos attacé ue focto probablté P. Das beaucoup d applcatos pratques la oto d uvers,

Plus en détail

MPSI du lycée Rabelais semaine du 11 septembre 2015 CALCULS ALGÉBRIQUES. Montrez que u k = u m +u n

MPSI du lycée Rabelais  semaine du 11 septembre 2015 CALCULS ALGÉBRIQUES. Montrez que u k = u m +u n MPSI du lycée Rabelas http://mps.satbreuc.free.fr semae du septembre 5 CALCULS ALGÉBRIQUES Sommes et produts fs Exercce : Parm les formules suvates, lesquelles sot vraes?.. 3. α+a α+ a +b αa α a + a a

Plus en détail

AVRIL 2007 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie B Option Économie. MATHÉMATIQUES (Durée de l épreuve : 4 heures)

AVRIL 2007 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie B Option Économie. MATHÉMATIQUES (Durée de l épreuve : 4 heures) ÉCOLE NATIONALE SUPÉRIEURE DE STATISTIQUE ET D ÉCONOMIE APPLIQUÉE ENSEA ABIDJAN AVRIL 007 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES ITS Voe B Opto Écoome MATHÉMATIQUES (Durée de l épreuve : 4 heures)

Plus en détail

2013 LES DÉLAIS DE PAIEMENT. STATISTIQUES DE 2000 À 2012 EN NOMENCLATURE NAF rev. 2

2013 LES DÉLAIS DE PAIEMENT. STATISTIQUES DE 2000 À 2012 EN NOMENCLATURE NAF rev. 2 203 LES DÉLAIS DE PAIEMENT STATISTIQUES DE 2000 À 202 EN NOMENCLATURE NAF rev. 2 Javer 204 Itroducto Des séres statstques chroologques des délas de paemet et du solde du crédt teretreprses sot dspobles

Plus en détail

CHAPITRE 4 Paramètres d'une série statistique

CHAPITRE 4 Paramètres d'une série statistique Cours de Mathématiques Classe de secode Statistiques CHAPITRE 4 Paramètres d'ue série statistique A) Diverses sortes de séries statistiques 1) Défiitio Ue série statistiques est u esemble de ombres, représetat

Plus en détail

La statistique et les statistiques

La statistique et les statistiques Psy004 Secto : La statstque et les statstques Pla du cours: 0.0: Beveue 0.: Les catégores du savor 0.: Survol de la psychologe 0.3: Le pla de cours 0.4: Les assstats.0: La physque: scece exacte?.: Scece

Plus en détail

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20.

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20. BTS CG 996 Eercce : (0 pots) Ue agece mmoblère evsage de commercalser u programme de costructo d'appartemets Deu projets lu sot soums: Projet P : Le coût de producto de appartemets ( eter et 0 )est doé

Plus en détail

Décomposition en Série de Karhunen-Loève d un Processus Aléatoire par le Biais d un Code Eléments Finis

Décomposition en Série de Karhunen-Loève d un Processus Aléatoire par le Biais d un Code Eléments Finis Décomposto e Sére de Karhue-Loève d u Processus Aléatore par le Bas d u ode Elémets Fs Sébaste Rece* Maurce Lemare** Ala Mllard * * ommssarat à l Eerge Atomque DMS / SEMT / LMS EA / SALAY F-99 G-sur-Yvette

Plus en détail

NOMBRES COMPLEXES - EXERCICES CORRIGES Exercice n 1.

NOMBRES COMPLEXES - EXERCICES CORRIGES Exercice n 1. NOMBRES COMPLEXES - EXERCICES CORRIGES Exercce. O doe = + et = + Ecrre sous forme algébrque les complexes suvats : = ; = ; = ; = ; 5 = Exercce. Calculer, et E dédure la valeur de 006 et de 009, pus les

Plus en détail

Effet de la variabilité des paramètres de sol sur le comportement des ouvrages de géotechnique

Effet de la variabilité des paramètres de sol sur le comportement des ouvrages de géotechnique Républque Algéree Démocratque et Populare Mstère de l Esegemet Supéreur et de la Recherche Scetfque UNIVERSITE MOULOUD MAMMERI - TIZI OUZOU - Faculté du Gée de la costructo Départemet de Gée Cvl MÉMOIRE

Plus en détail

2. Statistique descriptive

2. Statistique descriptive - -. Statstque descrptve. Statstque descrptve «Ctoyes! Cessez de crore yeu fermés les statstces! Appreez à jauger» «Les corrélatos qu vous motret que plus l y a de médecs plus o meurt jeue!». Quelques

Plus en détail

Analyse en composantes principales d un ux de données d espérance variable dans le temps.

Analyse en composantes principales d un ux de données d espérance variable dans le temps. Mauscrt auteur, publé das "REVUE DES NOUVELLES TECHNOLOGIES DE L'INFORMATION, C- (008) 43-56" Aalyse e composates prcpales d u ux de doées d espérace varable das le temps. Jea-Mare Moez Isttut Ele Carta

Plus en détail

Limites de fonctions (1) Approche intuitive ; limites des fonctions de référence. 1 ère S. II. La fonction carrée. 1 ) Tableau de variation

Limites de fonctions (1) Approche intuitive ; limites des fonctions de référence. 1 ère S. II. La fonction carrée. 1 ) Tableau de variation ère S Lmtes de foctos () Approche tutve ; tes des foctos de référece II. La focto carrée ) Tableau de varato Das ce chaptre, o lasse provsoremet de côté les dérvées. I. Itroducto ) Rappel Déà vu : oto

Plus en détail

Variables aléatoires finies Présentation

Variables aléatoires finies Présentation Variables aléatoires fiies Présetatio. Défiitio élémetaire (tombola).... Le prix de vete d'u billet de la tombola... 3 3. Espérace mathématique d ue variable aléatoire fiie... 4 4. Variace et écart type

Plus en détail

IFT3913 Qualité du logiciel et métriques. Chapitre 7 Collecte et analyse des métriques

IFT3913 Qualité du logiciel et métriques. Chapitre 7 Collecte et analyse des métriques IFT393 Qualté du logcel et métrques Chaptre 7 Collecte et aalyse des métrques Pla du cours Itroducto Qualté du logcel Théore de la mesure Mesure du produt logcel Mesure de la qualté du logcel Études emprques

Plus en détail

sont distincts 2 à 2.

sont distincts 2 à 2. Lycée Thers CORRIGÉ TP PYTHON - 09 L algorthme des k-meas pour partager u uage de pots e u ombre doé de classes peu dspersées 1 - La méthode de Forgy [Qu. 1] 1) Cette double somme comporte termes pusque

Plus en détail

INCERTITUDES. ). L erreur de mesure est la différence entre la valeur mesurée d une grandeur et une valeur de référence.

INCERTITUDES. ). L erreur de mesure est la différence entre la valeur mesurée d une grandeur et une valeur de référence. ICERTITUDES I. LA MESURE : OCABULAIRE ET OTATIOS I. Itroducto Mesurer des gradeurs detfées est ue actvté fodaetale das les laboratores de recherche et das l dustre. Il est écessare d établr la coface das

Plus en détail

6GEI300 - Électronique I. Examen Partiel #1

6GEI300 - Électronique I. Examen Partiel #1 6GEI3 Électroque I Autome 27 Modalté: Aucue documetato est permse. Vous avez drot à ue calculatrce o programmable. La durée de l exame est de 3h Cet exame compte pour 2% de la ote fale. Questo 1. Questos

Plus en détail

INCERTITUDES. Lucyna Firlej. Groupe de Dynamique des Phases Condensees Université Montpellier 2

INCERTITUDES. Lucyna Firlej. Groupe de Dynamique des Phases Condensees Université Montpellier 2 Départemet Mesures Physques 005-006 INCERTITUDES Lucya Frlej Groupe de Dyamque des Phases Codesees Uversté Motpeller COURS ACCESSIBLES SUR LE SITE WEB: http://www.gdpc.uv-motp.r:708/~rlej ESTIMATION de

Plus en détail

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets

Plus en détail

SCHEMA DE BERNOULLI ET LOI BINOMIALE. EXEMPLES

SCHEMA DE BERNOULLI ET LOI BINOMIALE. EXEMPLES SCHEMA DE BERNOULLI ET LOI BINOMIALE EXEMPLES Nveau : termale Pré-requs : Espace probablsé Varable aléatore réelle sur u espace probablsé f Lo de probablté de X Espérace mathématque Varace O se place das

Plus en détail

Statistiques à deux variables

Statistiques à deux variables Statistiques à deux variables. Approche des séries statistiques à deux variables.. Nuage de poits Sur ue classe de BTSA, le professeur a relevé les moyees de élèves e mathématiques et e agroomie. Les otes

Plus en détail

" BIOSTATISTIQUE - 1 "

 BIOSTATISTIQUE - 1 ISTITUT SUPERIEUR DE L EDUCATIO ET DE LA FORMATIO COTIUE Départemet Bologe Géologe S0/ " BIOSTATISTIQUE - " Cours & Actvtés : Modher Abrougu Aée Uverstare - 008 Modher Abrougu Bostatstque «I» ISEFC - 008

Plus en détail

Chapitre 4 : RÉGRESSION

Chapitre 4 : RÉGRESSION Chaptre 4 : RÉGRESSION 4. Régresso léare smple 4.. Équato de la régresso 4.. Estmato par les modres carrés 4..3 Coeffcet de détermato 4..4 Iférece sur les coeffcets 4..5 Prévso et aalyse des résdus Régresso

Plus en détail

Exercice 1 : Analogie entre équilibres acido-basiques et équilibres de complexation (Application du Principe de Le Châtelier).

Exercice 1 : Analogie entre équilibres acido-basiques et équilibres de complexation (Application du Principe de Le Châtelier). Bla UE 1C G. EXERCICES BILAN Exercce 1 : Aaloge etre équlbres acdo-basques et équlbres de complexato (Applcato du Prcpe de Le Châteler). Objectfs de l'exercce - Coassaces/Compéteces testées das cet exercce

Plus en détail

Statistiques. Ne pas oublier - la légende sur les axes - les unités - un titre pour le diagramme

Statistiques. Ne pas oublier - la légende sur les axes - les unités - un titre pour le diagramme Statistiques I. Tableaux d effectifs, de fréqueces : 1. Calculer la fréquece d'ue valeur ou d'ue classe : Diviser l effectif de la valeur par l effectif total fréquece La somme des fréqueces est 1 (ou

Plus en détail

Améliorer la productivité

Améliorer la productivité Maurce Pllet Amélorer la productvté Déploemet dustrel du toléracemet ertel, 010 SBN : 978--1-54754- Sommare Remercemets... troducto De l terchageablté à Sx Sgma... 1 V CHAPTRE 1 Du toléracemet tradtoel

Plus en détail

Interprétation des variables d écart

Interprétation des variables d écart Iterprétato des varables d écart IFT575 Modèles de recherche opératoelle (RO). Programmato léare b. Méthode du smplexe c. Dualté d. Aalyse de sesblté Das la soluto optmale du problème Wydor Glass, o a

Plus en détail

MoyenneS ou moyenne?

MoyenneS ou moyenne? MoyeeS ou moyee? Chr. Vadeschrick ISFSC (HE «Groupe ICHEC - ISC Sait-Louis ISFSC) Bruxelles DEMO (Uiversité catholique de Louvai) MoyeeS ou moyee CVds - Colloque CFIES 00 Moyee et pédagogie : costats (4)

Plus en détail

RÉUSSIR L ÉPREUVE DE MATHÉMATIQUES. Baccalauréat 2015

RÉUSSIR L ÉPREUVE DE MATHÉMATIQUES. Baccalauréat 2015 RÉSSIR L ÉPREVE DE MATHÉMATIQES Baccalauréat Fare retrer l école das l ère du umérque Le mot caddat fat référece au deu sees Mascul et Fém Réussr l épreuve de mathématques au baccalauréat. - Durée et coeffcet

Plus en détail

CORRECTION DU BAC 2007

CORRECTION DU BAC 2007 ORRTION U B 7 Trmal S mérqu du Nord rcc Sot (P l pla dot u équato st : + y z + = lors, d coordoés ( ; ;, st u vctur ormal d (P omm H st l projté orthogoal d sur (P, alors H t sot coléars Il st H = k H

Plus en détail

Chapitre I : Series statistiques à une variable.

Chapitre I : Series statistiques à une variable. Dael Abécasss. Aée uverstare 200/20 Prépa- L. Cours de bo-statstques. Chaptre I : Seres statstques à ue varable. I.. Objectfs. Pour défr le sujet que ous allos trater, je me permets de me référer au mathématce

Plus en détail

Chapitre 4 Fonction de transfert

Chapitre 4 Fonction de transfert Chatre 4 Focto de trasfert Chatre 4 Focto de trasfert 4.. Exresso de la focto de trasfert Pour u système léare cotu et varat, ous avos vu que la relato etre la sorte s( et l etrée e( est doée ar ue équato

Plus en détail

RECUEIL DES METHODES INTERNATIONALES D'ANALYSES OIV Guide de validation Contrôle qualité

RECUEIL DES METHODES INTERNATIONALES D'ANALYSES OIV Guide de validation Contrôle qualité Gude de valdato Cotrôle qualté Gude pratque pour la valdato, le cotrôle qualté, et l estmato de l certtude d ue méthode d aalyse œologque alteratve (Résoluto Oeo 10/005) Sommare 1. OBJET... 5. PREAMBULE

Plus en détail

M ( ) n,p. Chapitre 15 Matrices et systèmes linéaires. I Généralités. Dans tout le chapitre K désigne le corps R ou C.

M ( ) n,p. Chapitre 15 Matrices et systèmes linéaires. I Généralités. Dans tout le chapitre K désigne le corps R ou C. PSI 1 hatre 15 Matrces et systèmes léares Das tout le chatre K désge le cors R ou I Gééraltés 1 Défto Défto : Ue matrce est u tableau d élémets de K coteat lges et coloes Notatos : U matrce A est otée

Plus en détail

Corrigé Fiche 6 Septembre 2016

Corrigé Fiche 6 Septembre 2016 Corrigé Fiche 6 Septembre 2016 1. Estimatio de la moyee, variace coue, cas gaussie O dispose d u -échatillo X 1,..., X i.i.d. tel que X i suit ue loi ormale N µ, σ 2 ). L objectif est d estimer µ. Supposos

Plus en détail

AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION

AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION. INTRODUCTION Il est fréquet de s'terroger sur la relato qu peut exster etre deux gradeurs e partculer das les problèmes de prévso et d estmato. Tros types

Plus en détail

BACCALAURÉAT GÉNÉRAL BLANC MATHÉMATIQUES

BACCALAURÉAT GÉNÉRAL BLANC MATHÉMATIQUES BACCALAURÉAT GÉNÉRAL BLANC SESSION 06 MATHÉMATIQUES Sére STL Durée de l épreuve : 4 heures Coeffcet : 4 ENSEIGNEMENT OBLIGATOIRE Les calculatrces électroques de poche sot autorsées, coformémet à la réglemetato

Plus en détail

Vers une détection automatique des particularités locales de l imposition suisse

Vers une détection automatique des particularités locales de l imposition suisse Départemet fédéral des faces DFF Admstrato fédérale des cotrbutos AFC Poltque fscale Bere, le 8 ju 016 Vers ue détecto automatque des partculartés locales de l mposto susse Ue applcato de la géostatstque

Plus en détail

L ANOVA (complements)

L ANOVA (complements) L ANOVA (complements) On utlse le t de Student pour comparer deux moyennes. Cependant s on veut comparer tros moyennes ou plus l devent nécessare d utlser l Analyse de Varance smple ou l ANOVA 1. L applcaton

Plus en détail

Exercices sur le conditionnement : corrigé

Exercices sur le conditionnement : corrigé Exercces sur le codtoemet : corrgé ECE Lycée Kastler mars 008 Exercce * Pour be compredre commet ça se passe le meux est de commecer par retradure claremet l'éocé e utlsat les otatos esemblstes vues e

Plus en détail

Coefficient de partage

Coefficient de partage Coeffcet de partage E chme aque, la sythèse d'u composé se fat e pluseurs étapes : la réacto propremet dte (utlsat par exemple u motage à reflux quad la réacto dot être actvée thermquemet), les extractos

Plus en détail

OASIS - un Outil d Analyse de la Ségregation et des Inégalites Spatiales

OASIS - un Outil d Analyse de la Ségregation et des Inégalites Spatiales OASIS - u Outl d Aalyse de la Ségregato et des Iégaltes Spatales Mhaï Tvadar,, Yves Schaeffer, Adré Torre, Frédérc Bray Irstea, UR DTGR, rue de la Papetere-BP 76, F-3840 Sat-Mart-d'Hères, Frace auteur

Plus en détail

1 Lois des grands nombres. 2 Théorème central-limite. 3 Estimation ponctuelle à partir d échantillons. 4 Biais dans les estimations

1 Lois des grands nombres. 2 Théorème central-limite. 3 Estimation ponctuelle à partir d échantillons. 4 Biais dans les estimations Pla du cours 2 RFIDEC cours 2 : Échatillos, estimatios poctuelles Christophe Gozales LIP6 Uiversité Paris 6, Frace 1 Lois des grads ombres 2 Théorème cetral-limite 3 Estimatio poctuelle à partir d échatillos

Plus en détail