Syllabus du cours. Cours VETE Partim «Biostatistique» Organisation du cours. Site web du cours 10/10/2016

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Syllabus du cours. Cours VETE Partim «Biostatistique» Organisation du cours. Site web du cours 10/10/2016"

Transcription

1 1/1/216 Cours VETE432-1 Partim «Biostatistique» F. Farnir L. Massart E. Moyse Organisation du cours Cours théorique: Partim I: [ Début χ² ] Séances d'exercices (en amphi): Séances de TP (salle info): 28 h 1 h 1 h Site web du cours Syllabus du cours 1

2 1/1/216 Objectifs du cours (Partim I) Statistique descriptive Calculs de probabilités Distributions théoriques Introduction aux tests d hypothèses Le test de χ² Cours VETE432-1 Partim I Démarche scientifique? Statistique? Ensemble de méthodes mathématiques qui, à partir du recueilet de l analyse de données réelles, permettent l élaboration de modèles probabilistes autorisant les prévisions. 2

3 1/1/216 Ou, dans la démarche scientifique? Biostatistique? La «biostatistique» est l utilisation de la statistique dans le domaine du vivant. Pourquoi chez les vétérinaires? Acteurs du vivant Description de la variabilité importante des phénomènes liés au vivant. Outil d investigation de la complexité liée au vivant. Élaboration et interprétation de tests d hypothèses in vivo Des exemples vétérinaires? Comment s assurer («tester») de l efficacité d un nouveau médicament (par exemple, un nouveau vaccin)? 3

4 1/1/216 Des exemples vétérinaires? Comment comparer des régimes permettant de combattre l obésité chez le chien? Des exemples vétérinaires? Comment comparer des protocoles d administration de médicaments contre l incontinence urinaire chez le chien? Des exemples vétérinaires? Comment évaluer les meilleurs reproducteurs dans une espèce utilisée pour la production? Des exemples vétérinaires? Comment évaluer les performances chez les chevaux trotteurs? 4

5 1/1/216 Des exemples vétérinaires? Des exemples vétérinaires? Quels sont les facteurs d environnement qui influent sur les performances de reproduction chez la brebis? Comment évaluer l évolution de la taille de la population d une espèce en danger? Recueil de données et Biostatistique Biostatistique: Ensemble de méthodes mathématiques qui, à partir du recueil et de l analyse de données réelles, permettent l élaboration de modèles probabilistes autorisant les prévisions. Le premier problème est donc celui de la récolte des données Par où commencer? Statistique descriptive Description des données qu on souhaite étudier Type de données Quantité de données Résumé des données Graphiques Paramètres descriptifs (position, dispersion, ) 5

6 1/1/216 On veut effectuer une série de "mesures" Ex1: Poids des labradors de 3 ans Ex2: Etat sanitaire des individus (Sain Malade) Ex3: Couleur de la robe de bovins Ex4: Production quantitative (kgs lait...) ou qualitative (vitesse de traite...) Ex5: Comptages de lymphocytes... Question: combien de mesures faut-il faire? en général, il n est pas possible de récolter toutes les mesures L ensemble de toutes les données constitue "la population" de mesures Ex: population des poids de labradors de 3 ans L ensemble de toutes les données récoltées constitue "l échantillon". C est (en général) un sous-ensemble de la population. Echantillonnage L échantillon doit être représentatif de la population visée Dans le cas contraire, l échantillon sera «biaisé» Exemple (de biais): comparaison de deux régimes alimentaires chez des moutons. Ech. 1: régime A Différence due au régime? au sexe? aux deux? Ech. 2: régime B 6

7 1/1/216 Ech. 1: régime A Différence due au régime Ech. 2: régime B Echantillonnage L échantillon doit être représentatif de la population visée Exemples de questions: Les deux sexes sont ils représentés dans l échantillon? L âge des individus sélectionnés couvre-t-il la plage d âge visée dans l expérience? N y a-t-il pas des facteurs extérieurs qui peuvent invalider les conclusions futures de l expérience? Echantillonnage L échantillonnage devrait être planifié Que veut-on voir (objectifs)? Quelle est la «population» visée? Quels sont les biais potentiels, et comment les éviter? On parle alors de design expérimental Planification de l échantillonnage: Exemples de planifications: Échantillonnage aléatoire Échantillonnage stratifié Exemple: Il faut des individus des deux sexes testés avec chaque régime Échantillonnage en grappes Exemple: sélection de fermes, puis de quelques vaches dans ces fermes 7

8 1/1/216 Echantillonnage planifié: un exemple. 3 poissons, pris au hasard dans la population, doivent être répartis dans 5 groupes qui recevront des traitements différents. On souhaite que les groupes soient homogènes en termes de poids car le poids a une influence potentielle sur le caractère étudié => méthode des chapeaux Méthode des chapeaux Trier les 3 poissons selon leur poids: P 1, P 2,..., P 3. Répartir les 3 poissons dans 3/5 = 6 chapeaux P 1 P 4 P 2 P 5 P 3 P 29 P 27 P 3 P 26 P 28 Méthode des chapeaux (suite) Pour chaque groupe, tirer un poisson de chaque chapeau Exemple: En médecine (vétérinaire) Etudes planifiées Exemple: tests pharmaceutiques Etudes prospectives («cohorts») Exemple: effet d un agent chimique sur l apparition de tumeurs Etudes rétrospectives («case-controls») Exemple: études «cliniques» Etudes transversales («cross-sectional») Exemple: enquêtes 8

9 1/1/216 Quelles données récolter? Quelles données récolter? Cela dépend des objectifs de l analyse Types de données Discrètes, Nominales (classification) Exemples: Sexe Traitement Race Région d origine... Types de données Discrètes, Ordinales (classement) Exemples: Année de naissance Mois Sévérité de la pathologie (--, -, +, ++) Quelles données récolter? Types de données Continues Exemples: Poids, Taille, Pression artérielle, Taux de lipides, Age Nombre de bactéries Durée de survie Quelles données récolter? Quantité de données Coûts Objectifs de la récolte Taille des effets à mettre en évidence Exemple Le régime X augmente-t-il le poids moyen adulte de 1ou de 5kilo(s) dans cette race de porcs? Voir Chebyshev pour la relation N(effet) 9

10 1/1/216 Un exemple de récolte Un responsable d'élevage aimerait tester certaines hypothèses sur un élevage de bovins à viande. Le contexte est le suivant: Région: Belgique. Races: BBB, Charolais, Croisés BBB x Ch. Âges: tous âges. Sexe: tous sexes. Un exemple de récolte (suite) Les questions posées sont les suivantes (entre autres questions possibles...): Y a-t-il des différences de croissance entre races? Y a-t-il un effet du sexe sur la conformation? Les croisés ont-ils une croissance intermédiaire entre les deux lignées pures (BBB, Charolais)?... Quelles données récolter? Exemple de récolte On a récolté dans différentes fermes les données relatives à 2 bovins destinés à la production de viande (voir un aperçu des données). Comment représenter les données? Dans chaque «colonne» de données, on a Une mesure de même type (discret, continu), La valeur est variable de ligne en ligne, Les valeurs de chaque ligne ne peuvent pas être prévues de manière exacte (déterministe), mais bien de manière probabiliste: elles sont aléatoires. On représentera dès lors une colonne du tableau par une variable aléatoire, discrète ou continue. 1

11 1/1/216 Comment représenter les données? Numéro Race Age (Mois) Sexe Taille Poids Confor mation 1 BBB 19 Mâle 133,5 721,8 + 2 Croisé 8 Femelle 148,3 282,6 + 3 BBB 1 Femelle 19,7 32,9 - R A S T P C Comment caractériser les variables aléatoires? 1) Par le type (discretou continu) des valeurs qu elles peuvent prendre: Discrètes: Race, Sexe, Conformation Continues: Taille, Poids, Age On décrit donc cet ensemble de données via 6 variables aléatoires Comment caractériser les variables aléatoires? 2) Par le type (qualitatif ou quantitatif) des valeurs qu elles peuvent prendre Qualitatif: Race, Sexe, Conformation Quantitatif: Taille, Poids, Age Comment caractériser les variables aléatoires? 3) Par le type (nominal ou ordinal) des valeurs qu elles peuvent prendre Nominal: Race, Sexe Ordinal: Conformation, Taille, Poids, Age 11

12 1/1/216 Comment caractériser les variables aléatoires? Pourquoi caractériser les variables aléatoires? 4) Par l ensemble Ω (finiou infini) des valeurs qu elles peuvent prendre Les procédures à mettre en place pour manipuler les variables aléatoires varient en fonction du type de variable => nécessité d'identifier les variables aléatoires du problème et leur type. Exemple: représentation des «distributions» de variables aléatoires Age: Ω = R + Race: Ω = (BBB, Charolais, Croisé) Sexe: Ω = (Male, Femelle) Conformation: Ω = (- -, -, +, ++) Taille: Ω = R + Poids: Ω = R + (voir dias suivantes) «Distributions»? Une distribution est une description complète des variables aléatoires (cfr plus loin). On donne une description complète d une variable aléatoire en spécifiant une fonction (distribution) qui associe à chacune de ses valeurs dans Ω une (densité de) probabilité (voir plus loin) d: Ω R: X Proba(X) Des exemples de distributions Exemple de distribution Dans la population humaine, il y a environ 5,5 % de femmes pour 49,5 % d hommes Proba(Sexe),5 Sexe 12

13 1/1/216 Des exemples de distributions Des exemples de distributions Autre exemple de distribution Nombre de cas de dystocies lors de 1 vêlages. Autre exemple de distribution Poids des chiens d une race donnée à un âge fixé,5,4,3,2,1 Probabilité de dystocies ,3,25,2,15,1,5 P < 8 8 P < 1 1 P < 12 Distribution du poids 12 P < P < P < P < 2 2 P < P < P < P < P < 3 3 P < 32 Comment représenter les variables aléatoires (données)? Représentation synthétique Tables de fréquences Représentation graphique Diagrammes de fréquences Paramètres descriptifs Position Dispersion Aplatissement, asymétrie, Qu est-ce qu une table de fréquences? Table à N entrées, dont les cases contiennent les effectifs correspondants. N est le nombre de variables utilisées Exemple: Table de fréquences de la race (table à 1 entrée) BBB Croisé Charolais

14 1/1/216 Comment obtenir la table de fréquences? # # Répertoire de travail # setwd("d:/docsusers/cours/ /bmv1/stats") # # Lecture des données # t<-read.table(file="exploitation.txt", head=t,sep="\t",dec=",") names(t) # # Table de fréquences de la race # table(t$race) Exemple: Table de fréquences de la race X sexe (table à 2 entrées) Qu est-ce qu une table de fréquences? BBB Croisé Charolais BBB Charolais Croisé Comment obtenir la table de fréquences? # # Table de fréquences de la race X sexe # table(t$race,t$sexe) Femelle Mâle BBB Charolais 24 2 Croisé Exemple: Table de fréquences de la race X sexe X conformation (table à 3 entrées) Qu est-ce qu une table de fréquences? BBB Croisé Charolais BBB Croisé Charolais

15 1/1/216 Qu est-ce qu une table de fréquences cumulées? Exemple: Table de fréquences (simples et cumulées) de la conformation (table à 1 entrée) Simples Cumulées Comment faire une représentation graphique? Exemple: Diagrammes à bâtons de la fréquence des différentes races plot(t$race, main=«races dans l exploitation») 2 Existe-t-il d autres représentations graphiques? Oui, beaucoup d autres (voir notes). Exemples: Diagramme en tarte (Pie chart) pie(table(t$race), main=«races dans l exploitation») Existe-t-il d autres représentations graphiques? Exemples: Diagrammes en tuyaux d orgue Conformation % 86.5 % 45.5 % 9.5 % 15

16 1/1/216 Comment procéder avec des variables continues? Discrétisation Exemple I: l âge exprimé en mois est une discrétisation de l âge. Exemple II: création de classes de poids Classe I: Poids entre et 1 kilos Classe II: Poids entre 1 et 2 kilos Classe III: Poids entre 2 et 3 kilos Classe VIII: Poids entre 7 et 8 kilos Comment procéder avec des variables continues? Exemple II(suite): représentation graphique Histogramme hist(exp$poids, main=«poids», xlab=«classes», ylab=«fréquence», col=«lightblue») D autres représentations de variables continues? Exemple III: Polygone des effectifs Fréquences (absolues) Polygone des effectifs I II III IV V VI VII VIII Classes de poids D autres représentations de variables continues? Exemple IV : Polygone des effectifs cumulés Fréquences (relatives) 1,8,6,4,2 Polygone des effectifs cumulés I II III IV V VI VII VIII Classes de poids 16

17 1/1/216 D autres représentations de variables continues? Exemple V : Diagramme «stem-leaves» Stem Leaves Le même diagramme, avec > stem(t$poids) The decimal point is 2 digit(s) to the right of the Des représentations avec plusieurs variables continues? Exemple VI: Diagramme de dispersion (scatter plot) Poids (Kg) Evolution des poids par race Age (Mois) Poids BBB Poids BBBxCH Poids CH En résumé Les statistiques servent à interpréter les données récoltées dans une expérience. Les données sont représentées par des variables aléatoires Une description des données débute très souvent par une représentation de l échantillon récolté, sous forme de graphiques ou de tables de fréquences 17

TABLEAUX STATISTIQUES ET GRAPHIQUES

TABLEAUX STATISTIQUES ET GRAPHIQUES Dans ce cours, on considèrera des échantillons de taille N, c est-à-dire N individus ω 1,, ω N issus d une population Ω On notera en majuscule (généralement X ou Y ) les variables statistiques Les modalités

Plus en détail

Chap1. Définitions de base

Chap1. Définitions de base Chap1. Définitions de base STATISTIQUE vs. STATISTIQUES Des statistiques 1,3 milliard d habitant en chine 97 000 séropositifs en France en 2003 En France, La taille moyenne d un homme est de 1m75 et celle

Plus en détail

STATISTIQUE DESCRIPTIVE ET ELEMENTS DE PROBABILITES Bertrand Mareschal.

STATISTIQUE DESCRIPTIVE ET ELEMENTS DE PROBABILITES Bertrand Mareschal. STATISTIQUE DESCRIPTIVE ET ELEMENTS DE PROBABILITES Bertrand Mareschal bmaresc@ulb.ac.be http://homepages.ulb.ac.be/~bmaresc/stats102.html 2013/2014 1 Gestion Informatique Approche Statistique quantitative

Plus en détail

Statistiques de Base. Chapitre 5. Statistique descriptive

Statistiques de Base. Chapitre 5. Statistique descriptive Statistiques de Base Chapitre 5. Statistique descriptive Introduction La statistique est une méthode scientifique qui consiste à réunir des données chiffrées sur des ensembles nombreux, puis à analyser,

Plus en détail

UE 1.2 S2 Santé Publique et économie de la santé Outils statistiques

UE 1.2 S2 Santé Publique et économie de la santé Outils statistiques UE 1.2 S2 Santé Publique et économie de la santé Outils statistiques ISPED Institut de Santé Publique, d Epidémiologie et de Développement Université Bordeaux Segalen 1 Plan de l enseignement Introduction

Plus en détail

THESES Elements de méthode

THESES Elements de méthode THESES Elements de méthode Dr E Mariné-Barjoan DSP - Dr E Fontas DRCI Dr Le Duff DSP - CHU de Nice 1 Les étapes Introduction : Etat des lieux. Justificatif de l étude. Définir une question qui peut être

Plus en détail

la Statistique en Santé: Généralités

la Statistique en Santé: Généralités Ministère de l Enseignement Supérieur et de la Recherche Scientifique Faculté de Médecine de Constantine Département de Pharmacie la Statistique en Santé: Généralités Dr LAKEHAL Abdelhak Maître assistant

Plus en détail

BTS Diététique 2 cours d'informatique appliquée. Outils d'aide à la Décision

BTS Diététique 2 cours d'informatique appliquée. Outils d'aide à la Décision Outils d'aide à la Décision le processus de décision : depuis Platon : processus émotionnel ou rationnel de nos jours : les neurosciences le décrive comme une fine combinaison de ces deux aspects et dépendant

Plus en détail

I. INTRODUCTION : Depuis quand? Pourquoi? Comment? Utilisations actuelles? Et en 1 ère S?

I. INTRODUCTION : Depuis quand? Pourquoi? Comment? Utilisations actuelles? Et en 1 ère S? 1 ère S FICHE n 3 Outils statistiques I. INTRODUCTION : Depuis quand? Pourquoi? Comment? Utilisations actuelles? Et en 1 ère S? Depuis quand? Les statistiques dans le temps Les premiers relevés d hommes

Plus en détail

INTRODUCTION A LA RECHERCHE QUANTITATIVE

INTRODUCTION A LA RECHERCHE QUANTITATIVE INTRODUCTION A LA RECHERCHE QUANTITATIVE Première partie : du questionnaire à la base de données Juin 2010 Julien Gelly, Caroline Huas, Josselin Le Bel Plan 2 1. Introduction 2. Saisie des données : Epi

Plus en détail

N.MOLINARI. La statistique. Schéma général de la statistique. La variabilité. 2 ème cycle DCEM1 MB6 Année Universitaire

N.MOLINARI. La statistique. Schéma général de la statistique. La variabilité. 2 ème cycle DCEM1 MB6 Année Universitaire Biostatistique MB6 2008-2009 Nicolas Molinari La statistique Ce document doit obligatoirement être associé aux notes de cours pour représenter un support de travail complet. La statistique ti ti est un

Plus en détail

Epidémiologie: quelques outils

Epidémiologie: quelques outils Epidémiologie: quelques outils D.U Santé Précarité Lille 16/02/2012 B. Tilmont 1 Qu est-ce que l épidémiologie? Etude de la distribution et des déterminants des problèmes de santé dans les populations

Plus en détail

Instruments de mesure en Santé Publique Bases statistiques et épidémiologiques. Dr L. Gambotti Service de Santé Publique, GHPS 20/10/2006

Instruments de mesure en Santé Publique Bases statistiques et épidémiologiques. Dr L. Gambotti Service de Santé Publique, GHPS 20/10/2006 Instruments de mesure en Santé Publique Bases statistiques et épidémiologiques Dr L. Gambotti Service de Santé Publique, GHPS 20/10/2006 1 1. Définition L épidémiologie : Étude des facteurs intervenant

Plus en détail

P O R BA B B A I B LITÉ T S É

P O R BA B B A I B LITÉ T S É Des statistiques : PROBABILITÉS ET STATISTIQUES Pour vérifierla fiabilité des conclusions d expériences Pour résumerl information qui est contenue dans un ensemble de données Pour planifier des expériences...

Plus en détail

TUTORAT UE Biostatistiques Séance n 1 Semaine du 24/09/2012

TUTORAT UE Biostatistiques Séance n 1 Semaine du 24/09/2012 TUTORAT UE 4 2012-2013 Biostatistiques Séance n 1 Semaine du 24/09/2012 Mesure, probabilité, statistiques descriptives Dujols Séance préparée par Marielle GRANIER, Solenne MAURIN, Floriane PERRIER et André

Plus en détail

Statistiques descriptives

Statistiques descriptives En tant que science, les statistiques ne se limitent pas à une description empirique des propriétés numériques d un objet. Elles jouent un rôle bien plus important en proposant, à partir des données, des

Plus en détail

Statistique descriptive Notes de cours

Statistique descriptive Notes de cours L1 MASS 2013-2014 Statistique descriptive Notes de cours Hélène Boistard Université Toulouse 1 - Capitole www.boistard.fr Table des matières 1 Les données statistiques 4 1.1 Les variables statistiques

Plus en détail

Mini-Glossaire de Statistique Descriptive - Jean VAILLANT

Mini-Glossaire de Statistique Descriptive - Jean VAILLANT Mini-Glossaire de Statistique Descriptive - Jean VAILLANT Amplitude d une classe (ou d un intervalle) : C est la longueur de l intervalle. L amplitude de la classe ]a i 1 ; a i ] est a i a i 1. Exemple

Plus en détail

Chapitre 0. Comment caractériser l activité du statisticien? 12 I Le contexte II La démarche III Le modèle... 14

Chapitre 0. Comment caractériser l activité du statisticien? 12 I Le contexte II La démarche III Le modèle... 14 Statistique inférentielle Objectif du cours C e cours comprend l essentiel des notions de statistique mathématique, principalement paramétrique, avec une introduction au cas non-paramétrique. Les notions

Plus en détail

Méthodologie en recherche biomédicale : les études observationnelles

Méthodologie en recherche biomédicale : les études observationnelles Méthodologie en recherche biomédicale : les études Yohann.Foucher@univ-nantes.fr Equipe d Accueil 4275 "Biostatistique, recherche clinique et mesures subjectives en santé", Université de Nantes Odontologie

Plus en détail

Introduction. Rappels de statistiques élémentaires. Si un prix baisse de 30%, il est multiplié par: Un prix qui a triplé a augmenté de:

Introduction. Rappels de statistiques élémentaires. Si un prix baisse de 30%, il est multiplié par: Un prix qui a triplé a augmenté de: Introduction Rappels de statistiques élémentaires Joël Quinqueton Université Paul Valéry Master 1 IDS Test de révisions de base Terminologie de base Vocabulaire Individus ou unités statistiques, population,

Plus en détail

Statistique Biosciences Licence 1

Statistique Biosciences Licence 1 Statistique Biosciences Licence 1 Richard Emilion February 14, 2012 2 / 36 Indications sur le Cours Chapitre I : Statistique Descriptive Univariée 2 / 36 Indications sur le Cours Chapitre I : Statistique

Plus en détail

TABLE DES MATIÈRES. Introduction CHAPITRE I STATISTIQUE DESCRIPTIVE

TABLE DES MATIÈRES. Introduction CHAPITRE I STATISTIQUE DESCRIPTIVE TABLE DES MATIÈRES Introduction... 21 CHAPITRE I STATISTIQUE DESCRIPTIVE I L observation statistique...2 I.1 Concepts de base... 2 I.2 L élaboration de tableaux statistiques... 29 I.21 Étude d un seul

Plus en détail

Eléments de Statistique Chapitre 1 : Introduction

Eléments de Statistique Chapitre 1 : Introduction Eléments de Statistique Chapitre 1 : INSA de Toulouse - 3ICBE Statistique Contexte Vocabulaire Environnement technologique Volume des données (600Mb séquenceur = GenBank 1982-1996) Nouveaux logiciels commerciaux,

Plus en détail

STATISTIQUE DESCRIPTIVE

STATISTIQUE DESCRIPTIVE STATISTIQUE DESCRIPTIVE BOUALEM BESEBAA FACULTÉ DE MATHÉMATIQUES-USTHB 1. La statistique Definition 1. La statistisue est la science qui permet d obtenir des informations sur un caractère en vue de les

Plus en détail

CHAPITRE 7 : Statistiques Seconde, 2014, L. JAUNATRE

CHAPITRE 7 : Statistiques Seconde, 2014, L. JAUNATRE CHAPITRE 7 : Statistiques Seconde, 2014, L. JAUNATRE 1. Introduction 1.1. Statistique Définition 1. La statistique est le domaine des mathématiques qui vise à recueillir des données et les interpréter,

Plus en détail

Statistiques descriptives. Pierre Neuvial, Evry, M1 SGO, automne 2014

Statistiques descriptives. Pierre Neuvial,  Evry, M1 SGO, automne 2014 Démarche Statistique 1 Statistiques descriptives Pierre Neuvial, http://stat.genopole.cnrs.fr/~pneuvial Evry, M1 SGO, automne 2014 Introduction Variables quantitatives Définition: variable mesurant une

Plus en détail

Distribution des échantillons aléatoires

Distribution des échantillons aléatoires Chapitre 4 Distribution des échantillons aléatoires Université de Paris Ouest 2012 2013 Objectifs du chapitre Rappel : L inférence statistique consiste à induire les caractéristiques inconnues d une population

Plus en détail

Chap2. STATISTIQUE DESCRIPTIVE. 2.1 cas univarié 2.2 cas bivarié

Chap2. STATISTIQUE DESCRIPTIVE. 2.1 cas univarié 2.2 cas bivarié Chap2. STATISTIQUE DESCRIPTIVE 2.1 cas univarié 2.2 cas bivarié 1 STATISTIQUE DESCRIPTIVE Synthèse de l information contenue dans les données Tableaux Graphiques Résumés numériques ü qualité des données

Plus en détail

Statistique descriptive

Statistique descriptive Chapitre 5 Statistique descriptive Sommaire 1. Introduction. 3 2. Echantillonnage statistique..3 2.1. Définition......3 2.2. Echantillonnage aléatoire simple...4 3. Les caractères statistiques...4 3.1.

Plus en détail

INDICATEURS DE L ÉTAT DE SANTÉ

INDICATEURS DE L ÉTAT DE SANTÉ INDICATEURS DE L ÉTAT DE SANTÉ - comprendre ce qu est un indicateur de l état de santé d une population - connaître les principaux indicateurs de l état de santé - connaître les principales sources d information

Plus en détail

UNIVERSITE CHEIKH ANTA DIOP DE DAKAR. Master en Développement Durable. Cours : Statistique & Econométrie. Logiciels : Eviews et Stata.

UNIVERSITE CHEIKH ANTA DIOP DE DAKAR. Master en Développement Durable. Cours : Statistique & Econométrie. Logiciels : Eviews et Stata. UNIVERSITE CHEIKH ANTA DIOP DE DAKAR Faculté des Sciences Economiques et de Gestion Année universitaire 2010 2011 Master en Développement Durable Cours : Statistique & Econométrie Logiciels : Eviews et

Plus en détail

Analyse exploratoire (Exploratory Data Analysis)

Analyse exploratoire (Exploratory Data Analysis) Analyse exploratoire (Exploratory Data Analysis) Mathématiques Générales B Université de Genève Sylvain Sardy 28 février 2008 Les données sont des informations quantitatives ou qualitatives. 1 Ex : {1,

Plus en détail

Les statistiques. Nom de l élève : Groupe : Enseignant : gfaubert juin2008 1

Les statistiques. Nom de l élève : Groupe : Enseignant : gfaubert juin2008 1 Les statistiques Nom de l élève : Groupe : Enseignant : gfaubert juin2008 1 http://www.cdip.com/geneatique/statistiques.htm Objectif: Connaître les notions statistiques de base. Comme tu as sans doute

Plus en détail

Statistique descriptive

Statistique descriptive Statistique descriptive Nafii IBENRISSOUL Fsjes de Aîn Sebaa Licence fondamentale Economie Gestion S1 2008-2009 Bibliographie TENENHAUS Michel, «Statistique : Méthodes pour décrire, expliquer et prévoir»,

Plus en détail

PANORAMA 16 - Des pourcentages pour les sondages

PANORAMA 16 - Des pourcentages pour les sondages PANORAMA 16 - Des pourcentages pour les sondages 16.1 / 16.2 Calcul du pourcentage et statistiques Pourcentage d un nombre On calcul le pourcentage d un nombre en effectuant une multiplication. Calculer

Plus en détail

] sous certaines conditions pour et. On dispose donc en termes de probabilité du résultat suivant : ] avec une probabilité supérieure ou égale à 0,95

] sous certaines conditions pour et. On dispose donc en termes de probabilité du résultat suivant : ] avec une probabilité supérieure ou égale à 0,95 Echantillonnage I) Position du problème Dans une population on sait que le caractère C est présent avec la proportion ( on pourrait dire que la probabilité de choisir un individu ayant le caractère C est

Plus en détail

Master 1 MRHDS Traitement statistique des données

Master 1 MRHDS Traitement statistique des données 1 Master 1 MRHDS Traitement statistique des données C. Joutard Université Paul Valéry-Montpellier 3 Année universitaire 2011-2012 2 Organisation 1) 1h30 Cours - 1h30 TD par semaine 2) Informations et documents

Plus en détail

Écrire / Lire un Article Principes de Base

Écrire / Lire un Article Principes de Base Écrire / Lire un Article Principes de Base Dr Julien Mancini julien.mancini@univmed.fr Laboratoire d Enseignement et de Recherche sur le Traitement de l Information Médicale Faculté de Médecine de Marseille,

Plus en détail

Biostatistiques. Thierry THIBAUT

Biostatistiques. Thierry THIBAUT Biostatistiques Thierry THIBAUT But des statistiques Permet de confirmer ou d infirmer une hypothèse avec une marge d erreur la plus petite possible et/ou prédire un événements à l aide d outils Statistiques

Plus en détail

SERIE 1 Statistique descriptive.

SERIE 1 Statistique descriptive. Université Abdelmalek Essaadi. Ecole Nationale des Sciences Appliquées - Tétouan - Cycle Ingénieur. S1. Module Proba-Stat. A/U: 2011-2012. M. CHERKAOUI 0 - Statistique descriptive. Contenu du module. -

Plus en détail

SÉRIES STATISTIQUES A UNE VARIABLE REPRÉSENTATIONS GRAPHIQUES

SÉRIES STATISTIQUES A UNE VARIABLE REPRÉSENTATIONS GRAPHIQUES SÉRIES STATISTIQUES A UNE VARIABLE REPRÉSENTATIONS GRAPHIQUES Exemple Le responsable d une maison de retraite a réalisé une enquête concernant les résidents de son établissement : - L activité préférée

Plus en détail

La statistique est la science qui consiste à collecter des données chiffrées, à les analyser, à les commenter et à les critiquer.

La statistique est la science qui consiste à collecter des données chiffrées, à les analyser, à les commenter et à les critiquer. nde CHAPITRE 6 : STATISTIQUES www.coursapprendre.fr La statistique est la science qui consiste à collecter des données chiffrées, à les analyser, à les commenter et à les critiquer. I Vocabulaire Population

Plus en détail

I) A quoi servent les statistiques?

I) A quoi servent les statistiques? FICHE METHODE sur les STATISTIQUES I) A quoi servent les statistiques? a) Exemples : 1. Ses moyennes générales trimestrielles sont 13, 9 et 8! Que vaut sa moyenne générale annuelle? x = 10.. Leurs temps

Plus en détail

Statistiques. Denis Vekemans

Statistiques. Denis Vekemans Statistiques Denis Vekemans 1 Introduction Les statistiques proposent différents indicateurs qui permettent de résumer, ou de rendre apparentes certaines propriétés d une population que l on veut étudier.

Plus en détail

Leçon N 2 : Etude de Séries Statistiques

Leçon N 2 : Etude de Séries Statistiques Statistiques Leçon N : Etude de Séries Statistiques bjectifs : Les objectifs sont d étudier une série statistique, du dépouillement d un sondage en passant par la représentation et l étude des résultats

Plus en détail

En cohérence avec l ensemble des programmes de mathématiques, l objectif général vise au développement de compétences.

En cohérence avec l ensemble des programmes de mathématiques, l objectif général vise au développement de compétences. Programme de première STI2D et STL Analyse et comparaison aux anciens programmes de STI Préambule Le programme est commun aux deux séries STI2D et STL. On ne distingue plus les six séries de STI (BO 1994),

Plus en détail

STATISTIQUES DESCRIPTIVES

STATISTIQUES DESCRIPTIVES STATISTIQUES DESCRIPTIVES Formation Fondamentale Sommaire 1 Généralités 2 Statistiques descriptives à une variable Résumé quantitative Graphique Quantitative Résumé qualitative 3 Statistiques descriptives

Plus en détail

Echantillonnage. Professeur Francis GUILLEMIN > Ecole de santé publique - Faculté de Médecine

Echantillonnage. Professeur Francis GUILLEMIN > Ecole de santé publique - Faculté de Médecine Echantillonnage Professeur Francis GUILLEMIN > Ecole de santé publique - Faculté de Médecine Plan Terminologie Méthodes de sondage Qualité des estimateurs Comment dénombrer? Question : combien y a-t-il

Plus en détail

INTRODUCTION. Faire des statistiques, c est collecter, organiser puis traiter des données numériques

INTRODUCTION. Faire des statistiques, c est collecter, organiser puis traiter des données numériques INTRODUCTION Faire des statistiques, c est collecter, organiser puis traiter des données numériques concernant une population (plus généralement un ensemble de «choses») Collecter : On réunit des nombres

Plus en détail

I Énoncés des exercices 1

I Énoncés des exercices 1 I Énoncés des exercices 1 1 Description d une série numérique 3 1.1 : Nature des variables et graphique correspondant.......... 3 1.2 : Statistiques descriptives........................ 3 1.3 : Centrage

Plus en détail

BTSA. Tronc Commun MODULE M41 COURS DE MATHÉMATIQUES

BTSA. Tronc Commun MODULE M41 COURS DE MATHÉMATIQUES BTSA Tronc Commun MODULE M41 COURS DE MATHÉMATIQUES Version 2.0 Septembre 2009 Statistiques à une variable 1 1.1 Vocabulaire de la statistique 1.1.1 Population et individus La statistique a pour objet

Plus en détail

Chapitre 5 ESTIMATION ET INTERVALLES DE CONFIANCE

Chapitre 5 ESTIMATION ET INTERVALLES DE CONFIANCE Thierry Foucart 1 http://foucart.thierry.free.fr Chapitre 5 ESTIMATION ET INTERVALLES DE CONFIANCE 1. DES PROBABILITÉS À LA STATISTIQUE. hypothèse intuitive élaborée à partir d expériences diverses : convergence

Plus en détail

Correction de l épreuve de Statistiques et Informatique appliquées à la Psychologie

Correction de l épreuve de Statistiques et Informatique appliquées à la Psychologie Université de Bretagne Occidentale Année Universitaire 2011-2012 U.F.R. de Lettres et Sciences Humaines CS 93837-29238 BREST CEDEX 3 Section : Psychologie - Licence 3è année Enseignant responsable : F.-G.

Plus en détail

Statistiques. Effectif d une valeur : c est le nombre de fois que la valeur d un caractère (la «modalité») revient dans la série.

Statistiques. Effectif d une valeur : c est le nombre de fois que la valeur d un caractère (la «modalité») revient dans la série. I Vocabulaire de base Statistiques Série statistique : une série statistique est un ensemble d observations collectées. Population : C est l ensemble sur lequel porte une étude statistique. Si elle est

Plus en détail

LES TESTS STATISTIQUES

LES TESTS STATISTIQUES LES TESTS STATISTIQUES E 3 Exercice Pour les 2 exemples ci-dessous, indiquer a) Quelle est l unité d observation? b) Quelle est la taille de l échantillon? c) Quelle est la variable étudiée (ou quelles

Plus en détail

Les études marketing. Yohan Bernard. Chapitre 2. Marketing (LA2 AGE)

Les études marketing. Yohan Bernard. Chapitre 2. Marketing (LA2 AGE) Les études marketing Chapitre 2 Yohan Bernard Le rôle d une étude marketing Outil d aide à la décision Obtenir Analyser des données Interpréter Les finalités de l étude marketing Exemples en grande consommation

Plus en détail

Rappels. Notions de Bases en Biostatistiques. Dr Roch Giorgi.

Rappels. Notions de Bases en Biostatistiques. Dr Roch Giorgi. Rappels Notions de Bases en Biostatistiques Dr Roch Giorgi roch.giorgi@ap-hm.fr Laboratoire d Enseignement et de Recherche sur le Traitement de l Information Médicale Faculté de Médecine de Marseille,

Plus en détail

La puissance statistique d une étude (clinique)

La puissance statistique d une étude (clinique) La puissance statistique d une étude (clinique) Loïc Desquilbet Département des Sciences Biologiques et Pharmaceutiques Ecole Nationale Vétérinaire d Alfort loic.desquilbet@vet-alfort.fr Module Bases en

Plus en détail

conomiques des élevages de lapins

conomiques des élevages de lapins Réunion formation GIPAC - Tunisie 24-25 juin 2009 La gestions technico-économiques conomiques des élevages de lapins par François LEBAS RENALAP La gestion technico-économique conomique couvre 3 fonctions

Plus en détail

T.P. 1 Exercice 1 Pourquoi les statistiques?

T.P. 1 Exercice 1 Pourquoi les statistiques? Connaissances préalables : Buts spécifiques : Outils nécessaires : Consignes : T.P. 1 Exercice 1 Pourquoi les statistiques? Notions d hypothèse et d échantillon aléatoire Évaluer la compréhension des notions

Plus en détail

L enseignement des statistiques

L enseignement des statistiques L enseignement des statistiques Un Vendredi noir à la Bourse! 3860 3850 3840 3830 3820 3810 3800 3790 3780 3770 3760 L indice des valeurs est en repli de 2% 3900 3850 3800 3750 3700 3650 3600 3550 3500

Plus en détail

Introduction à la statistique citoyenne 1 Synopsis 8. Chapitre 1. Les enquêtes 11

Introduction à la statistique citoyenne 1 Synopsis 8. Chapitre 1. Les enquêtes 11 Introduction à la statistique citoyenne 1 Synopsis 8 Chapitre 1. Les enquêtes 11 1 Les fondements de la «fabrication» des chiffres 11 A Sondage ou recensement? 11 B L échantillon et le «hasard» 12 C Le

Plus en détail

Chapitre III De la diversification du vivant à l évolution de biodiversité

Chapitre III De la diversification du vivant à l évolution de biodiversité Chapitre III De la diversification du vivant à l évolution de biodiversité On se demande maintenant - comment les espèces peuvent apparaître et disparaitre - comment définir une espèce I) La définition

Plus en détail

Statistique : Résumé de cours et méthodes

Statistique : 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 détail

Le nombre de frères et sœurs d un élève de seconde est un caractère quantitatif discret. il peut prendre les valeurs 0, 1, 2, 3, 4...

Le nombre de frères et sœurs d un élève de seconde est un caractère quantitatif discret. il peut prendre les valeurs 0, 1, 2, 3, 4... I Le vocabulaire des statistiques définition 1 : L ensemble sur lequel on travaille en statistique est appelé population. Si cet ensemble est trop vaste, on en restreint l étude à une partie appelée échantillon.

Plus en détail

Synthèse «Les Urnes de Polya»

Synthèse «Les Urnes de Polya» Introduction et objectifs Synthèse «Les Urnes de Polya» Le document suivant est extrait d un ensemble de ressources plus vastes construites par un groupe de recherche INRP-IREM-IUFM-LEPS. La problématique

Plus en détail

1 er baccalauréat en Sciences Vétérinaires Biostatistiques Travaux dirigés

1 er baccalauréat en Sciences Vétérinaires Biostatistiques Travaux dirigés TD Biostatistiques Prof. F. Farnir L. Massart E. Moyse 1 1 er baccalauréat en Sciences Vétérinaires Biostatistiques Travaux dirigés Séance de TD n 1 1. Chez le porc, la couleur blanche de la robe (II:

Plus en détail

Cours # 2 Variables qualitatives et quantitatives discrètes

Cours # 2 Variables qualitatives et quantitatives discrètes Cours # 2 Variables qualitatives et quantitatives discrètes Département de mathématiques Cégep de Saint-Jean-sur-Richelieu 11 août 2010 Table des matières 1 Variables qualitatives 2 Contexte Variables

Plus en détail

Statistiques descriptives Représentation Graphique. Pr.M.TALEB

Statistiques descriptives Représentation Graphique. Pr.M.TALEB Statistiques descriptives Représentation Graphique Pr.M.TALEB Introduction L a représentation graphique est une synthèse de l information qui fait apparaitre la forme globale de la distribution des données.

Plus en détail

Statistiques. Un diagramme circulaire, dans lequel la mesure des secteurs angulaires est proportionnelle à l effectif.

Statistiques. Un diagramme circulaire, dans lequel la mesure des secteurs angulaires est proportionnelle à l effectif. I. Vocabulaire : Statistiques. L ensemble sur lequel on travaille en statistique est appelé la population. Si cet ensemble est trop vaste, on en restreint l étude à une partie appelée échantillon. Un élément

Plus en détail

Chapitre 5. Echantillonnage et enquêtes épidémiologiques

Chapitre 5. Echantillonnage et enquêtes épidémiologiques Chapitre 5 Echantillonnage et enquêtes épidémiologiques Objectifs des enquêtes épidémiologiques Décrire les caractéristiques d un phénomène de santé dans une population son évolution dans le temps sa répartition

Plus en détail

TUTORAT UE Biostatistiques Séance n 5 Semaine du 27/10/2014

TUTORAT UE Biostatistiques Séance n 5 Semaine du 27/10/2014 < TUTORAT UE 4 2014-2015 Biostatistiques Séance n 5 Semaine du 27/10/2014 Tests statistiques 2 M. Molinari Séance préparée par Jeanne FABRY et Chloé BUCHALET (ATM²) QCM n 1 : Le tableau suivant indique

Plus en détail

Master IEF Méthodes quantitatives

Master IEF Méthodes quantitatives Master IEF Méthodes quantitatives Régis Thouvarecq regis.thouvarecq@univ-rouen.fr EA 3832 Membre permanent PSY NCA UPRES EA4306 Membre associé 1 2011 1. Les Corrélations De quoi parle-t-on? Définition

Plus en détail

STATISTIQUES. 1. Vocabulaire associé à une série statistique

STATISTIQUES. 1. Vocabulaire associé à une série statistique 1. Vocabulaire associé à une série statistique STATISTIQUES (a) L ensemble sur lequel on travaille en statistique est appelé............ Si cet ensemble est trop vaste, on en restreint l étude à une partie

Plus en détail

Statistiques descriptives

Statistiques descriptives Statistiques descriptives Introduction du vocabulaire et travaux pratiques sous Excel Johan MILLAUD Département Génie Civil de l IUT du Limousin Février 2005 I Vocabulaire de la statistique descriptive

Plus en détail

Autres tests statistiques (aperçu non exhaustif)

Autres tests statistiques (aperçu non exhaustif) Autres tests statistiques (aperçu non exhaustif) Loïc Desquilbet Département des Sciences Biologiques et Pharmaceutiques Ecole Nationale Vétérinaire d Alfort loic.desquilbet@vet-alfort,fr Module Bases

Plus en détail

Notions de méta-analyses

Notions de méta-analyses Notions de méta-analyses Dr Roch Giorgi roch.giorgi@ap-hm.fr LERTIM, Faculté de Médecine, Université de la Méditerranée, Marseille, France http://cybertim.timone.univ-mrs.fr Introduction Technique développer

Plus en détail

TABLE DES MATIÈRES Introduction Statistique descriptive...21 II. Éléments de probabilité...50

TABLE DES MATIÈRES Introduction Statistique descriptive...21 II. Éléments de probabilité...50 TABLE DES MATIÈRES Introduction... 11 1. Statistique descriptive...21 I-1 Généralités sur les distributions statistiques... 21 I-1-1 Variables statistiques...21 I-1-2 Distribution statistique à une variable...23

Plus en détail

2) Population: ensemble des individus sur lesquels porte l'étude. Ici il s'agit de...

2) Population: ensemble des individus sur lesquels porte l'étude. Ici il s'agit de... nde Cours sur les statistiques fiche N 1 Une étude statistique comprend parties: a) le recueil de données (enquête) b) la présentation des résultats (tableaux) c) le calcul des paramètres caractéristiques

Plus en détail

Chapitre 3. Présentation du logiciel WinEpiscope 2.0.

Chapitre 3. Présentation du logiciel WinEpiscope 2.0. Chapitre 3 Présentation du logiciel WinEpiscope 2.0. Thrusfield et al. WIN EPISCOPE 2.0: improved epidemiological software for veterinary medicine. Vet Rec., 2001 (18), 567-572. 16/01/2006 Claude Saegerman

Plus en détail

STATISTIQUE. Réaliser une étude statistique consiste à classer les individus d une population en fonction d un caractère.

STATISTIQUE. Réaliser une étude statistique consiste à classer les individus d une population en fonction d un caractère. STATISTIQUE Faire des statistiques, c est recueillir, organiser, synthétiser, représenter et exploiter des données, numériques ou non, dans un but de comparaison, de prévision, de constat... Les plus gros

Plus en détail

Calcul du nombre de sujets nécessaires. Puissance d une expérience. Objectifs du cours. Lectures à recommander. Test statistique : conclusion

Calcul du nombre de sujets nécessaires. Puissance d une expérience. Objectifs du cours. Lectures à recommander. Test statistique : conclusion Calcul du nombre de sujets nécessaires Puissance d une expérience Objectifs du cours Comprendre la notion de puissance Connaître les paramètres qui entre dans le calcul d un nombre de sujets et savoir

Plus en détail

Chapitre 3 - Statistiques descriptives

Chapitre 3 - Statistiques descriptives 2nde Chapitre 3 - Statistiques descriptives 2012-2013 Chapitre 3 - Statistiques descriptives I Effectifs, fréquences et représentations statistiques TD1 : Choisir et interpréter un graphique Les graphiques

Plus en détail

Durée d en min [100; 120[ [120; 160[ [160; 180[ [180; 260] Effectif

Durée d en min [100; 120[ [120; 160[ [160; 180[ [180; 260] Effectif Statistique 1 Rappel sur le vocabulaire 1.1 Qu est-ce qu une étude statistique? Une étude statistique porte sur une population qui est composée d individus : le nombre d individus composant la population

Plus en détail

Fiches de lecture critique

Fiches de lecture critique Fiches de lecture critique Ces fiches ne sont pas couvertes par un copyright : elles peuvent être copiées ou imprimées sans permission mais avec mention de la source (Salmi LR. Lecture critique et rédaction

Plus en détail

Principe des tests statistiques : Application à la comparaison d une moyenne à une valeur de référence

Principe des tests statistiques : Application à la comparaison d une moyenne à une valeur de référence 1 / 57 Principe des tests statistiques : Application à la comparaison d une moyenne à une valeur de référence M-A Dronne 2016-2017 2 / 57 Introduction Remarques préliminaires Etablir un plan d expérience

Plus en détail

SÉRIES STATISTIQUES A UNE VARIABLE

SÉRIES STATISTIQUES A UNE VARIABLE SÉRIES STATISTIQUES A UE VARIABLE Pourquoi étudier la statistique? La statistique a pour objet de recueillir des données, de les organiser et les présenter de façon à pouvoir les analyser et en tirer des

Plus en détail

Chapitre 1 : Organiser les données

Chapitre 1 : Organiser les données Partie 1 : Statistique et probabilités Chapitre 1 : Organiser les données Qu est-ce qui vous impressionne le plus : un saut à l élastique ou un tour en voiture de rallye? Les statistiques montrent-elles

Plus en détail

= n i : effectif de la valeur N : effectif total N

= n i : effectif de la valeur N : effectif total N Maths SERIES STATISTIQUES A UNE VARIABLE I. VOCABULAIRE, FREQUENCE ET REPRESENTATION GRAPHIQUE Population : Ensemble des éléments sur lesquels porte l étude statistique. Caractère : Sujet sur lequel porte

Plus en détail

PROTOCOLE DE SUIVI DES POPULATIONS NICHEUSES DES OISEAUX DE PASSAGE EN FRANCE (A.C.T.)

PROTOCOLE DE SUIVI DES POPULATIONS NICHEUSES DES OISEAUX DE PASSAGE EN FRANCE (A.C.T.) PROTOCOLE DE SUIVI DES POPULATIONS NICHEUSES DES OISEAUX DE PASSAGE EN FRANCE (A.C.T.) Objectifs visés Préciser les tendances démographiques des populations nicheuses françaises des 2 espèces suivantes

Plus en détail

Enseignante : Pr Belkadi. Khaloua.Mounia (Maitre de Conférences «A» )

Enseignante : Pr Belkadi. Khaloua.Mounia (Maitre de Conférences «A» ) Canevas Intitulé du cours : les indicateurs de santé Enseignante : Pr Belkadi. Khaloua.Mounia (Maitre de Conférences «A» ) Introduction En épidémiologie, la possibilité de quantifier la fréquence de la

Plus en détail

Statistiques. Christophe ROSSIGNOL. Année scolaire 2013/2014

Statistiques. Christophe ROSSIGNOL. Année scolaire 2013/2014 Statistiques Christophe ROSSIGNOL Année scolaire 2013/2014 Table des matières 1 Vocabulaire 2 1.1 Population, caractère, effectif, fréquence............................ 2 1.2 Représentations graphiques...................................

Plus en détail

SÉRIES STATISTIQUES A UNE VARIABLE REPRÉSENTATIONS GRAPHIQUES

SÉRIES STATISTIQUES A UNE VARIABLE REPRÉSENTATIONS GRAPHIQUES SÉRIES STATISTIQUES A UNE VARIABLE REPRÉSENTATIONS GRAPHIQUES Exemple Un restaurateur a réalisé une enquête sur une durée d une semaine concernant les clients fréquentant son restaurant : - Le type de

Plus en détail

L enseignement des statistiques

L enseignement des statistiques L enseignement des statistiques Un Vendredi noir à la Bourse! 3860 3850 3840 3830 3820 3810 3800 3790 3780 3770 3760 L indice des valeurs est en repli de 2% 3900 3850 3800 3750 3700 3650 3600 3550 3500

Plus en détail

Statistiques - cours - 1 STG

Statistiques - cours - 1 STG Statistiques - cours - 1 STG F.Gaudon 12 février 2008 Table des matières 1 Vocabulaire des statistiques 2 2 Représentations graphiques 2 2.1 Caractères qualitatifs ou quantitatifs discrets.......... 2

Plus en détail

Stratégies d'échantillonnages des peuplements

Stratégies d'échantillonnages des peuplements Stratégies d'échantillonnages des peuplements Professeur Djamel Fadel Docteur Meddad-Hamza Amel Editions Al-Djazair FADEL Djamel MEDDAD-HAMZA Amel STRATEGIES D ECHANTILLONNAGE DES PEUPLEUMENTS Cours Licence

Plus en détail

Les représentations graphiques

Les représentations graphiques Les représentations graphiques Les données peuvent être présentées de 2 façons : Numériquement Graphiquement La transmission visuelle de l information ne peut être efficace que si l on respecte un certain

Plus en détail

Population et Échantillon. Principes des Tests et Tests

Population et Échantillon. Principes des Tests et Tests Population et Échantillon Principes des Tests et Tests Pr Roch Giorgi LERTIM, Faculté de Médecine, Université de la Méditerranée, Marseille, France http://cybertim.timone.univ-mrs.fr Population et Échantillon

Plus en détail

Corrigé de l examen du 22/01/2007

Corrigé de l examen du 22/01/2007 Corrigé de l examen du 22/01/2007 Cogmaster 2006 2007 Partie 1 (5 points) 1 point par réponse(s) correcte(s) à chaque question. 1. oui 2. non 3. oui 4. 0.7 2 = 0.49, soit 49 % 5. Si on note que µ i = µ

Plus en détail