Statistique n 1 Susanna Davoust
|
|
- Gabriel Boutin
- il y a 7 ans
- Total affichages :
Transcription
1 CORRECTION de la Conférence du 28 Septembre 2010 Statistique n 1 Susanna Davoust Question de Statistiques Section I : -16. Statistique descriptive : estimation des paramètres d une population, intervalle de confiance d une moyenne et d une proportion -17. Test paramétriques de comparaison : -Comparaison unilatérale ou bilatérale : -de deux variances observées -d une moyenne observées à une valeur théorique -de deux moyennes observées -Comparaison unilatérale ou bilatérale dans le cas de grands échantillons : -d une proportion observée à une proportion théorique -de deux proportions observées -18. Tests de liaison : -Régression linéaire : estimation et intervalle de confiance de la pente et de l ordonnée à l origine. Comparaison à une valeur théorique de la pente et de l ordonnée à l origine. -Corrélation linéaire : estimation et test du coefficient de corrélation (r). -Test du Chi-deux d indépendance. Exercice 1 : Calcul des différents paramètres : -Femmes Début Fin Différences Hommes Début Fin Différences Femmes : n f =8 Hommes : n h =12 =4kg = 4,5714 kg donc s=2,138kg =4,5kg = 17,364 kg donc s=4,167kg Test de comparaison de deux moyennes observées, petits échantillons (n A et/ou n B 30) H 0 : μ 0 : le régime n est pas efficace. (la différence de poids n est pas significativement différente de 0) H 1 : μ 0 : le régime est efficace. (la différence de poids est significativement différente de 0) Sous H 0,, ~ S(n-1) Condition de validité D~ N( ; ) dans la population -Chez la femme : On réalise un test unilatéral. Au risque 5%, on lit, =1,895 dans la table de la loi de Student =5,292 ; 1,895, On conclut H 1 au risque α=0,05. Le régime est efficace chez la femme. -Chez l homme : On réalise un test unilatéral. Au risque 5%, on lit, =1,796 dans la table de la loi de Student, =3,741 ; 1,796, On conclut H 1 au risque α=0,05. Le régime est efficace chez l homme.
2 Exercice 2 : Effectif de l échantillon n=100 Proportion théorique p th =0,30 Proportion observée p ob =0,41 Test de comparaison d une proportion observée à une théorique : Hypothèse : H 0 : la proportion théorique de guérison sous traitement est égale à celle sans traitement. H 1 : la proportion théorique de guérison sous traitement n est pas égale à celle sans traitement. Sous H 0, ~ N(0 ;1) Conditions de validité de la loi normale : n*p th = 100*0,3 = 30 5 et n *(1-p th ) = 100*0,7 = 70 5 On réalise un test bilatéral. Au risque α=0,05, on lit u α =1,96 dans la table de la loi normale centrée réduite,, = 2,4 1,96 ; 1,96,, On conclut H 1 au risque α=0,05. La fréquence de guérison avec traitement est significativement différente de la fréquence de guérison sans traitement. Ce type de question peut aussi être traité en réalisant un test équivalent, Test du χ 2 d ajustement entre une proportion observée à une théorique connue: Hypothèse : H 0 : la proportion théorique de guérison sous traitement est égale à celle sans traitement. H 1 : la proportion théorique de guérison sous traitement n est pas égale à celle sans traitement. Guérison oui Pas guérison Effectifs observés (0 i ) 0,41*100= Effectifs théoriques (C i ) Sous H 0, χ2 ~ χ 2 à k-1 degré de liberté soit 1ddl K = 5,762 > 3,841 (lu dans la table de la loi du χ 2 ) On conclut H 1 au risque α=0,05. La fréquence de guérison avec traitement est significativement différente de la fréquence de guérison sans traitement (degré de signification p<0,02) Remarque : il y a une équivalence entre les deux tests : z 2 = χ 2 (2,4 2 =5,76 et 1,96 2 =3,84) Exercice 3: 1) Effectif de port de lunettes dans le secondaire : n l =100 Effectif total dans le secondaire : n t = = 230 Cas de variables qualitatives Estimation de la proportion de sujets portant des lunettes chez les sujet de niveau d étude secondaire p ob = =0,43 Intervalle de confiance d une proportion théorique IC 1-α (p)=[p ob u α ; p ob + u α ] = [p i ; p s ]
3 Conditions de validité : np i ; np s ; n(1-p i ) ; n(1-p s ) 5,,,, IC 95% (p)=[0,43 1,96 ; 0,43 + 1,96 ] = [0,37 ;0,49] 2) Comparaison d une répartition observée à la répartition théorique : Je l avoue la formulation de la question était un peu ambigüe (d où le débat ) de toutes façons, si on pose bien ses hypothèses et qu on ne va pas à l encontre de l intitulé du problème, ça devrait passer. Donc ma vision initiale du problème était de traiter le problème comme un test d homogénéité simple en ne m intéressant qu à la modalité lunettes. A ce moment là, le seul changement par rapport à l exercice précédent est obtention des effectifs théoriques qui seront ici calculés. Hypothèse : H 0 : la proportion théorique de sujets portant des lunettes ne varie pas avec le niveau d étude H 1 : la proportion théorique de sujets portant des lunettes varie avec le niveau d étude Lunettes Primaire Secondaire Supérieur Tous niveaux Effectifs observés Effectifs théoriques 160x160/530=48,3 230x160/530=69,4 140x160/530=42,3 160 Effectifs Total Sous H 0, 2 ~ χ 2 à (c-1)(l-1) degré de liberté soit 2ddl,,,,, 45,26> 5,991 (lu dans la table de la loi du χ 2 ), On conclut H 1 au risque α=0,05. La proportion de sujets portant des lunettes varie avec le niveau d étude.(elle est significativement différente pour au moins un niveau) Deuxième option qui est peut être préférable après réflexion, c est de s intéresser à la dépendance entre deux variables qualitatives à plusieurs modalités : Test d indépendance (tableau de contingence) H 0 : indépendance entre le niveau d étude et l état de la vue (port de lunette ou non) H 1 : dépendance entre le niveau d étude et l état de la vue Primaire Secondaire Supérieur Tous niveaux Lunettes 10 (48,3) 100 (69,4) 50 (42,3) 160 Pas de lunettes 150 (111,7) 130 (160,6) 90 (97,7) 370 Effectifs Total Sous H 0, χ2 ~ χ 2 à (c-1)(l-1) degré de liberté soit 2ddl K,, loi du χ 2 ),,,,,,,, 64,83> 5,991 (lu dans la table de la,, On conclut H 1 au risque α=0,05. Il existe une dépendance entre le niveau d étude et l état de la vue. Rq : petit point sur le test du khi2 test d ajustement/de conformité/d adéquation On connait, sur un échantillon, une distribution, et on se pose la question de savoir si cette distribution est conforme à une certaine loi. On compare donc une distribution observée (pop test d homogénéité On connait, sur plusieurs échantillons, plusieurs distributions, et, on se pose la question de savoir si ces distributions sont semblables. On compare donc plusieurs distributions Test d indépendance On a classé les individus d un échantillon suivant deux caractères à plusieurs modalités et on dénombre ceux qui présentent une certaine modalité de ces deux caractères. On pose la question de
4 inconnue) à une distribution théorique. observées (population inconnues) savoir si ces deux caractères sont indépendants Entre une expérience et un modèle Entre deux ou plus expériences Entre deux ou plus expériences H 0 : pas de différence entre les distributions observée et théorique (conformité, adéquation) H 1 : différence (non-conformité, nonadéquation) H 0 : Les distributions observées sont identique (homogénéité de répartition) H 1 : distribution ne sont pas identique (non-homogénéité) H 0 : indépendance entre les deux variables H 1 : dépendance entre les deux variables t pour théorique c pour calculé Exemple : exercice 2 Exemple exercice 4 Exemple exercice 3 Exercice 4: Bon, voilà, de retour au calme, j ai trouvé d où j avais sortie cette formule donc la méthode qui me parait être la plus simple est la suivante : (je ne l ai pas inventé, elle est utilisé pour les essais cliniques) 1) Test de comparaison de deux proportions observées sur des séries appariées (les sujets sont pris comme leurs propres témoins) H 0 : Les proportions théoriques avec les traitements A et B sont égales H 1 : Les proportions théoriques avec les traitements A et B sont différentes On note : a : nombre d individus pour lesquels A est un succès, B un échec (A+B-) b : nombre d individus pour lesquels A est un échec, B un succès (A-B+) On s intéresse au nombre de cas où la réponse aux traitements diffère. En effet une réponse A+B+ ou A-Bn apporte rien dans la différenciation en terme d efficacité des deux traitements. Sous H 0, z= ~ N(0 ;1) Conditions de validité : a+b 10 Test bilatéral : Z c = =1,103 1,96 ; 1,96 Au risque α=0,05, on ne rejette pas H 0, on ne peut donc pas conclure à une différence d efficacité entre les traitements A et B. Rq : on aurait pu utiliser un test de χ 2 d homogénéité sur séries appariées : H 0 : «désaccord» de réponse lié au hasard ; les traitements sont équivalents entre eux H 1 : la différence est significative et non liée au hasard ; les traitements ne sont pas équivalents A+B- A-B+ Effectifs observés Effectifs calculés 92,5 92,5 ~ χ2 à c 1l 1 degré de liberté soit 1ddl, K c =, 1,216 > 3,841 (lu dans la table de la loi du χ 2 ),, En décomposant on a : Ainsi, la encore on constate que les deux méthodes sont équivalentes avec z(=1,103)=k c (=1,216)
5 Attention nuance, si la question avait été de savoir si la réponse aux deux traitements été liée, on aurait alors fait un test d indépendance sur l ensemble du tableau : Test de χ 2 d homogénéité : H 0 : Réponse aux deux traitements sont indépendantes H 1 : Réponse aux deux traitements sont liées ~ χ2 à c 1l 1 degré de liberté soit 2ddl Dans le cas d un tableau de contingence à 2X2, on peut simplifier : =0,43< 5,991 Au risque de 5%, on ne peut rejeter H 0. Les réponses aux traitements sont indépendantes (nuance avec l équivalence assez intéressante!) 2) Idem pour les groupe I et II Groupe I : z c =-0,084 1,96 ; 1,96 Au risque α=0,05, on ne rejette pas H 0, on ne peut donc pas conclure à une différence d efficacité entre les traitements A et B pour les sujets dont l année de naissance est paire Groupe II : z c =2,412 1,96 ; 1,96 Au risque α=0,05, on conclut H 1, les traitements A et B ont des efficacités différentes pour les sujets dont l année de naissance est impaire. Il faut donc se méfier des découpages abusifs en sous groupes Exercice 5 : 1) Test de comparaison de deux moyennes observées, grands échantillons (n A et n B 30) H 0 : μ μ : les survies moyennes théoriques en heures sont égales avec les traitements A et B H 1 : μ μ : les survies moyennes théoriques en heures sont différentes avec les traitements A et B Sous H 0, z= ~ N(0 ;1) Test bilatéral : Z c = =-2,58 1,96 ; 1,96 Au risque α=0,05, on conclut H 1. Les durées de survie moyennes avec le traitement A et le B sont significativement différentes. Exercice 6 : 1) Calcul des variances : On note : x Ai et x Bi les concentrations en théophylline respectivement aux températures T A et T B pour le i ème prélèvement. Variances observée des concentrations à T A : s A = x Ai n A *) idem pour T B Avec A= 15,3 g/l ; x Ai= =2147 (g/l) d où s A = ,3 8,456 (g/l) et B=18,5 g/l ; x Ai=3477 (g/l) d où s B =6,056 (g/l) Test de comparaison de deux variances observées: H 0 : σ les variances théoriques σ et σ sont égales H 1 : σ les variances théoriques σ et σ sont différentes
6 Sous H 0, = ~ F à n A-1 et n B -1 ddl, soit 9 et 9ddl. Conditions de validité : la concentration en théophylline suit une loi normale dans les deux populations. On réalise un test bilatéral, F c =, = 1,40 <,,,=4,03 (lire dans la table unilatérale de la loi de Fischer α/2=0,025). Au risque α=0,05 on ne peut pas conclure à une différence entre les variances des concentrations en théophylline à T A et T B. 2) Test de comparaison de deux moyennes observées cas de petits échantillons (n A et/ou n B < 30) H 0 : μ μ : les concentrations moyennes théoriques en théophylline à T A et T B sont égales H 0 : μ μ : la concentration moyenne théorique en théophylline à T A est supérieure à celle à T B Sous H 0, ~ student à n A +n B -2 ddl soit 18ddl Où s c est l estimation de la variance commune :,, 7,256 Conditions de validité : -les concentrations en théophylline suivent une loi normale dans chaque population -les variances théoriques des concentrations en théophylline sont égales dans les deux populations (voir le test de comparaison de deux variances observées en question 1 ) Test unilatérale (A > B),,,, loi de Student) 2,656 1,734; 1,734 (t 18ddl,α=0,05, unilatérale = t 18ddl,α=0,10, bilatérale = 1,734 lu dans la table de la On conclut H 1 au risque α=0,05 les concentrations moyennes en théophylline à T A et T B sont significativement différentes.
Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailT de Student Khi-deux Corrélation
Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes
Plus en détailBiostatistiques : Petits effectifs
Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailLecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888
Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailTableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1
UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés
Plus en détailDocument d orientation sur les allégations issues d essais de non-infériorité
Document d orientation sur les allégations issues d essais de non-infériorité Février 2013 1 Liste de contrôle des essais de non-infériorité N o Liste de contrôle (les clients peuvent se servir de cette
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailTESTS D HYPOTHÈSE FONDÉS SUR LE χ². http://fr.wikipedia.org/wiki/eugénisme
TESTS D HYPOTHÈSE FONDÉS SUR LE χ² http://fr.wikipedia.org/wiki/eugénisme Logo du Second International Congress of Eugenics 1921. «Comme un arbre, l eugénisme tire ses constituants de nombreuses sources
Plus en détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détailÉquivalence et Non-infériorité
Équivalence et Non-infériorité Éléments d Introduction Lionel RIOU FRANÇA INSERM U669 Mars 2009 Essais cliniques de supériorité Exemple d Introduction Données tirées de Brinkhaus B et al. Arch Intern Med.
Plus en détailUne variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants)
CIVILITE-SES.doc - 1 - Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants) 1 PRÉSENTATION DU DOSSIER CIVILITE On s intéresse
Plus en détailStatistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014
Tests du χ 2 Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 A. Lourme http://alexandrelourme.free.fr Outline
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailPratique de l analyse de données SPSS appliqué à l enquête «Identités et Capital social en Wallonie»
Centre de recherche en démographie et sociétés UCL/IACCHOS/DEMO Pratique de l analyse de données SPSS appliqué à l enquête «Identités et Capital social en Wallonie» 1 2 3+ analyses univariées Type de variables
Plus en détailLa crise économique vue par les salariés français
La crise économique vue par les salariés français Étude du lien entre la performance sociale et le contexte socioéconomique Baggio, S. et Sutter, P.-E. La présente étude s intéresse au lien entre cette
Plus en détailAnalyse Combinatoire
Analyse Combinatoire 1) Équipes On dispose d un groupe de cinq personnes. a) Combien d équipes de trois personnes peut-on former? b) Combien d équipes avec un chef, un sous-chef et un adjoint? c) Combien
Plus en détailExemples d application
AgroParisTech Exemples d application du modèle linéaire E Lebarbier, S Robin Table des matières 1 Introduction 4 11 Avertissement 4 12 Notations 4 2 Régression linéaire simple 7 21 Présentation 7 211 Objectif
Plus en détailExprimer ce coefficient de proportionnalité sous forme de pourcentage : 3,5 %
23 CALCUL DE L INTÉRÊT Tau d intérêt Paul et Rémi ont reçu pour Noël, respectivement, 20 et 80. Ils placent cet argent dans une banque, au même tau. Au bout d une année, ce placement leur rapportera une
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailCalcul élémentaire des probabilités
Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire La loi de Poisson. Définition. Exemple. 1 La loi de Poisson. 2 3 4
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailStatistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année 2010-2011
Master 1 Biologie et technologie du végétal Année 010-011 Statistiques Rappels de cours et travaux dirigés (Seul ce document sera autorisé en examen) auteur : Jean-Marc Labatte jean-marc.labatte@univ-angers.fr
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailBureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr
Dominique Muller Laboratoire Inter-universitaire de Psychologie Bureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr Supports de cours : webcom.upmf-grenoble.fr/lip/perso/dmuller/m2r/acm/
Plus en détailPROTEGER SON DOS ex. Cliniques St Luc
CONGRES UCL DE MEDECINE GENERALE 1 juin 2013 PROTEGER SON DOS ex. Cliniques St Luc Philippe Mahaudens, PhD Faculté des sciences de la motricité UCL Service de Médecine Physique et Réadaptation, Saint-Luc
Plus en détailCours 9 : Plans à plusieurs facteurs
Cours 9 : Plans à plusieurs facteurs Table des matières Section 1. Diviser pour regner, rassembler pour saisir... 3 Section 2. Définitions et notations... 3 2.1. Définitions... 3 2.2. Notations... 4 Section
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailLe conseil d enfants La démocratie représentative à l école
Le conseil d enfants La démocratie représentative à l école Le conseil d école des enfants est un moment privilégié durant lequel les enfants deviennent acteurs au sein de leur école, en faisant des propositions
Plus en détailIl y a trois types principaux d analyse des résultats : l analyse descriptive, l analyse explicative et l analyse compréhensive.
L ANALYSE ET L INTERPRÉTATION DES RÉSULTATS Une fois les résultats d une investigation recueillis, on doit les mettre en perspective en les reliant au problème étudié et à l hypothèse formulée au départ:
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailGestion de projet- Indicateurs de performance
GESTION DE PROJET Pour réaliser ce Tp, vous devez disposer du contexte Itaste et d'un accès à la base de données Itaste, hébergée sur notre serveur de bases de données de production. Vous utiliserez Microsoft
Plus en détailExercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015
Exercices M1 SES 214-215 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 215 Les exemples numériques présentés dans ce document d exercices ont été traités sur le logiciel R, téléchargeable par
Plus en détailA. BONNEFOND Maître de conférences en neuroscience cognitive Laboratoire d imagerie et de neuroscience cognitive Université de Strasbourg
Sommeil de courte durée, vigilance et travail de nuit A. BONNEFOND Maître de conférences en neuroscience cognitive Laboratoire d imagerie et de neuroscience cognitive Université de Strasbourg Sommeil de
Plus en détailquelles sont les spécificités du système de gouvernance des PME - PMI?
LA GOUVERNANCE DES PME-PMI Gérard CHARREAUX Professeur de Sciences de Gestion à 1 Université de Bourgogne, Dijon PREAMBULE Il est probable que vous vous interrogez sur l'apport des recherches en matière
Plus en détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailIndépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles
Chapitre 3 Événements indépendants et Probabilités conditionnelles Indépendance Indépendance Probabilité conditionnelle Definition Deux événements A et B sont dits indépendants si P(A B) = P(A).P(B) Attention
Plus en détailCONFIGURATION DE L AUTOMATE SIEMENS
CONFIGURATION DE L AUTOMATE SIEMENS Créer un projet Dans le bureau de Windows, double-cliquer sur l icône «SIMATIC Manager» : Cliquer ensuite sur l icône «nouveau» : Choisir un nom de projet et valider
Plus en détailS initier aux probabilités simples «Un jeu de cartes inédit»
«Un jeu de cartes inédit» 29-31 Niveau 3 Entraînement 1 Objectifs S entraîner à estimer une probabilité par déduction. Applications (exemples) En classe : tout ce qui réclame une lecture attentive d une
Plus en détailOrganisme d arbitrage autorisé par la Régie du bâtiment : Centre canadien d arbitrage commercial (CCAC)
ARBITRAGE En vertu du Règlement sur le plan de garantie des bâtiments résidentiels neufs (Décret 841-98 du 17 juin 1998, c. B-1.1, r.0.2, Loi sur le bâtiment, Lois refondues du Québec (L.R.Q.), c. B-1.1,
Plus en détailProbabilité et Statistique pour le DEA de Biosciences. Avner Bar-Hen
Probabilité et Statistique pour le DEA de Biosciences Avner Bar-Hen Université Aix-Marseille III 2000 2001 Table des matières 1 Introduction 3 2 Introduction à l analyse statistique 5 1 Introduction.................................
Plus en détailIntroduction : Les modes de fonctionnement du transistor bipolaire. Dans tous les cas, le transistor bipolaire est commandé par le courant I B.
Introduction : Les modes de fonctionnement du transistor bipolaire. Dans tous les cas, le transistor bipolaire est commandé par le courant. - Le régime linéaire. Le courant collecteur est proportionnel
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailDÉCISION DU TRIBUNAL DE LA SÉCURITÉ SOCIALE Division d appel Décision d appel
Citation : C. B. c. Commission de l assurance-emploi du Canada, 2013 TSSDA 7 Appel No : 2013-0063 ENTRE : C. B. et Appelante Commission de l assurance-emploi du Canada Intimée DÉCISION DU TRIBUNAL DE LA
Plus en détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailLa séquence des comptes
La séquence des comptes Comptes des institutions sans but lucratif au service des ménages I: Compte de production P.2 Consommation intermédiaire B.1b Valeur ajoutée brute P.51c Consommation de capital
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détailMODELE A CORRECTION D ERREUR ET APPLICATIONS
MODELE A CORRECTION D ERREUR ET APPLICATIONS Hélène HAMISULTANE Bibliographie : Bourbonnais R. (2000), Econométrie, DUNOD. Lardic S. et Mignon V. (2002), Econométrie des Séries Temporelles Macroéconomiques
Plus en détailLa fumée de tabac secondaire (FTS) en Mauricie et au Centre-du- Québec, indicateurs du plan commun tirés de l ESCC de 2007-2008
La fumée de tabac secondaire (FTS) en Mauricie et au Centre-du- Québec, indicateurs du plan commun tirés de l ESCC de 2007-2008 Ce document se veut une analyse succincte des indicateurs se rapportant à
Plus en détailLE JUGEMENT SOMMAIRE À LA COUR FÉDÉRALE ET À LA COUR D APPEL FÉDÉRALE. Document de travail du sous-comité des Règles sur le jugement sommaire
1 LE JUGEMENT SOMMAIRE À LA COUR FÉDÉRALE ET À LA COUR D APPEL FÉDÉRALE Document de travail du sous-comité des Règles sur le jugement sommaire I. INTRODUCTION Le jugement sommaire est conçu pour que soient
Plus en détailSTA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes
STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités
Plus en détailFONCTION DE DEMANDE : REVENU ET PRIX
FONCTION DE DEMANDE : REVENU ET PRIX 1. L effet d une variation du revenu. Les lois d Engel a. Conditions du raisonnement : prix et goûts inchangés, variation du revenu (statique comparative) b. Partie
Plus en détailAnnexe 5. CONTRAT CYBERPLUS PRO Souscrit dans le cadre du cyberp@iement Titre 1Conditions Particulières
Annexe 5 Souscrit dans le cadre du cyberp@iement Titre 1Conditions Particulières DESIGNATION DE L ENTREPRISE ci-après "le Client" Nom ou Dénomination sociale... représentée par.. (Nom et prénom du représentant
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailWWW.ELCON.SE Multichronomètre SA10 Présentation générale
WWW.ELCON.SE Multichronomètre SA10 Présentation générale Le SA10 est un appareil portable destiné au test des disjoncteurs moyenne tension et haute tension. Quoiqu il soit conçu pour fonctionner couplé
Plus en détailTable des matières. Avant-propos. Chapitre 2 L actualisation... 21. Chapitre 1 L intérêt... 1. Chapitre 3 Les annuités... 33 III. Entraînement...
III Table des matières Avant-propos Remerciements................................. Les auteurs..................................... Chapitre 1 L intérêt............................. 1 1. Mise en situation...........................
Plus en détailJournée technique ARRA Gestion quantitative de la ressource en eau
Journée technique ARRA Gestion quantitative de la ressource en eau Etude Volumes Prélevables sur les Usses 2010-2012 5 avril 2013 SMECRU Syndicat Mixte d Etude du Contrat de Rivières des Usses Le bassin
Plus en détailTests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision
Page n 1. Tests du χ 2 une des fonctions des statistiques est de proposer, à partir d observations d un phénomène aléatoire (ou modélisé comme tel) une estimation de la loi de ce phénomène. C est que nous
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détailExo7. Probabilité conditionnelle. Exercices : Martine Quinio
Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle
Plus en détail