CORRIGE DES EXERCICES : Statistique descriptive univariée
|
|
- Hippolyte Gauthier
- il y a 6 ans
- Total affichages :
Transcription
1 U.F.R. S.P.S.E. UIVERSITE PARIS X ATERRE licence de psychologie L3 PLPSTA Bases de la statistique inférentielle -6 CORRIGE DES EXERCICES : Statistique descriptive univariée Exercice P{patients hospitalisés pour un état dépressif majeur} de taille (effectif total) ) a. X efficacité du traitement, variable qualitative dichotomique (deux modalités) définie sur l'échelle descriptive E{x, x }{efficace, inefficace} {oui, non} ou par les deux modalités : x efficace, x inefficace b. tableau des distributions d'effectifs (n i, i,) et de s (p i, i,) efficacité effectif n i p i x efficace 9 9/,77% x inefficace 3 3/,% total,% n n p p on note : p p et p p la d'efficacité du traitement (notée p) est égale à 7% dans la population des patients hospitalisés pour un état dépressif majeur, et la d'inefficacité du traitement est donc égale à % ( p) dans la population étudiée. c. Le mode est la modalité d'effectif (ou de ) maximum : le mode est donc x efficace (pour 7% des individus de la population). d. Plusieurs types de représentations graphiques possibles : diagramme en tuyaux d'orgue, diagramme circulaire (en secteurs, camembert), diagramme rectangulaire, soit des effectifs (car l'effectif total est faible) soit des s. diagramme en tuyaux d'orgue de l'efficacité effectif 8 6 7% oui efficacité % non diagramme circulaire de l'efficacité ) a. X score à l'inventaire psychiatrique standardisé (PSE), variable quantitative discrète définie sur l'échelle descriptive E{x, x, x 3, x }{,,6,7} : x, x, x 3 6 et x 7 ( valeurs numériques (entières) représentant des points de score). b. Tableau de la distribution d'effectifs (n i, i, ) score PSE effectif n i x x x 3 6 x 7 total Σn i c. Le mode est la modalité d'effectif maximum : le mode est donc x 3 6 points de score (pour individus de la population). d. On représente par un diagramme en bâtons, soit la distribution d'effectifs (car l'effectif total est faible) soit celle des s. tableau des distributions d'effectifs (n i, i, ) et de s (p i, i, ) score PSE effectif n i p i x /,838,3% x /,33333,3% x 3 6 /,7,7% x 7 /,676,7% total Σp i,% non % oui 7% diagramme en bâtons du score PSE diagramme en bâtons du score PSE effectif 6 3 8,3% 33,3%,7% 6,7%,,,3,, 6 7 score PSE, 6 7 score PSE
2 e. La de patients ayant un score PSE au plus égal à (bâtons hachurés sur le diagramme des s) s'écrit :,7 P( X ) P( X ) P( X ) (c'est aussi la cumulée F ).,83,333,6 En utilisant la fonction de répartition F de la variable X, on note cette P(X )F(). La de patients ayant un score PSE au plus égal à 6 (bâtons noirs sur le diagramme des s) s'écrit,833 P( X 6 ) P( X ) P( X ) P( X 6) (c'est aussi la cumulée F 3 ).,83,333,7,833 En utilisant la fonction de répartition F de la variable X, on note cette P(X 6)F(6). f. La de patients ayant un score PSE au moins égal à 6 s'écrit : 7,83 P( X 6) P( X 6) P( X 7),7,67,8 En utilisant la fonction de répartition F de la variable X, on note cette P(X 6) P(X<6) P(X ) F(). g. Moyenne de X dans P moyenne du score PSE dans P score PSE moyen dans P µ variance de X dans P variance du score PSE dans P σ écart-type de X dans P écart-type du score PSE dans P σ score PSE effectif n i n i x i x i n i x i x 6 6 x x x total Σn i x i 68 Σn i x i 39 ni x i donc µ i 68,667,7 σ n x i i i µ 39,7 3,833 3,,7,7 et σ σ,7,898, 8 dans la population des patients hospitalisés pour un état dépressif majeur : le score PSE moyen est de,7 points, la variance du score PSE est de,7 et l'écart-type du score PSE est de,8 point. Exercice ) P{sujets} de taille (effectif total) 936 ) X nombre de mots mémorisés, définie sur l'échelle descriptive E{x, x, x 3, x, x }{,,, 3, } : x, x, x 3, x 3 et x ( valeurs numériques (entières)), c'est donc une variable quantitative discrète. 3) Tableau de la distribution de s (p i, i, ) nombre de mots effectif n i p i x /,% x 9 9/,3838% x 3 /% x 3 3 3/,66% x 6 3/,% total Σn i Σp i,% ) Le mode est la modalité d'effectif (ou de ) maximum : le mode est donc x mots mémorisés (pour 9 individus de la population, soit 38%). ) On représente par un diagramme en bâtons, soit la distribution d'effectifs (car l'effectif total est faible) soit celle des s. effectif diagramme en bâtons du nombre de mots mémorisés 38% % % 6% % 3 nombre de mots,,3,,, diagramme en bâtons du nombre de mots mémorisés nombre de mots 6
3 6) La de patients ayant mémorisé au plus mots (bâtons hachurés sur le diagramme des s) s'écrit : 9 3,6 P( X ) P( X ) P( X ) (c'est aussi la cumulée F ).,,38,6 En utilisant la fonction de répartition F de la variable X, on note cette P(X )F(). La de patients ayant mémorisé au moins mots (bâtons noirs sur le diagramme des s) s'écrit : 3 6 9,38 P( X ) P( X ) P( X 3) P( X ),6,,38 En utilisant la fonction de répartition F de la variable X, on note cette P(X ) P(X<) P(X ) F(). 7) Moyenne de X dans P nombre moyen de mots mémorisés dans P µ variance de X dans P variance du nombre de mots mémorisés dans P σ écart-type de X dans P écart-type du nombre de mots mémorisés dans P σ nombre de mots effectif n i n i x i x i n i x i x x x 3 x x total Σn i x i 8 Σn i x i 687 donc 8 µ,6, 6 σ 687,6 37, 3,9,9, 9 et σ,9,3966, les sujets mémorisent en moyenne,6 mots, la variance du nombre de mots mémorisés est de,9 et l'écart-type du nombre de mots mémorisés est de, mot. Exercice 3 P{adolescents habitant l'état de Caroline du Sud un an après l'ouragan Hugo} de taille (effectif total) 6 ) a. X sexe, variable qualitative dichotomique définie sur l'échelle descriptive E{x, x }{fille, garçon} ou deux modalités : x fille, x garçon tableau des distributions d'effectifs (n i, i,) et de s (p i, i,) car le nombre de garçons n n sexe effectif n i p i x fille n 66 66/6,,% x garçon n /6,77,% total 6,% n n p p on note : p p et p p dans la population des 6 adolescents étudiée, la de filles (notée p) est égale à,% et donc la de garçons est égale à 7,% ( p). b. Plusieurs types de représentations graphiques possibles de la distribution de s (car l'effectif total est élevé) : diagramme en tuyaux d'orgue, diagramme circulaire (en secteurs, camembert), diagramme rectangulaire. diagramme en tuyaux d'orgue du sexe diagramme circulaire du sexe,, 66 6 garçon 7,% fille,%, fille garçon ) a. X revivre l'événement, variable qualitative dichotomique définie sur l'échelle descriptive E{x, x }{oui, non} ou deux modalités : x revivre l'événement, x ne pas revivre l'événement tableau des distributions d'effectifs (n i, i,) et de s (p i, i,) car : le nombre d'adolescents qui revivent l'événement : n 68 3 le nombre d'adolescents qui ne revivent pas l'événement : n n 6 3 revivre l'événement effectif n i p i n n x oui 3 3/6,99,% p p d'où : p p et p p x non 6 3 /6,888,8% total 6,% le mode est la modalité x ne pas revivre l'événement dans la population des 6 adolescents étudiée, la d'adolescents qui revivent l'événement (notée p) est égale à 9,% et la de ceux qui ne revivent pas l'événement est donc égale à 8,8% (-p). 3
4 b. P{adolescentes (filles) habitant l'état de Caroline du Sud un an après l'ouragan Hugo} de taille 66 X revivre l'événement, variable qualitative dichotomique définie sur l'échelle descriptive E{x, x }{oui, non} tableau des distributions d'effectifs (n i, i,) et de s (p i, i,) car : le nombre d'adolescentes qui revivent l'événement : n 6 le nombre d'adolescentes qui ne revivent pas l'événement : n n revivre l'événement effectif n i p i x oui 6 6/66,,% x non /66,787,8% total 66,% c. P{adolescents (garçons) habitant l'état de Caroline du Sud un an après l'ouragan Hugo} de taille 6 X revivre l'événement, variable qualitative dichotomique définie sur l'échelle descriptive E{x, x }{oui, non} tableau des distributions d'effectifs (n i, i,) et de s (p i, i,) car : le nombre d'adolescentes qui revivent l'événement : n 8 le nombre d'adolescentes qui ne revivent pas l'événement : n n 6 88 revivre l'événement effectif n i p i x oui 8 8/6,373,7% x non /6,86386,3% total 6,% Dans les deux sous-populations filles ou garçons, le mode est le même : "ne pas revivre l'événement", mais la correspondante est plus élevée chez les garçons (86,3%) que chez les filles (7,8%) : les filles revivent plus souvent l'événement (,%) que les garçons (3,7%). La de filles qui revivent l'événement est égale à,%, celle des garçons est égale à 3,7%. 3) a. X âge, définie sur l'échelle descriptive E]3; 8] (valeurs numériques continues), c'est donc une variable quantitative continue. b. Tableau de la distribution de s de l'âge associée au découpage en intervalles (p i, i, ) i âge effectif n i p i ]3; ] 9,393,9% ]; ] 79,37937,9% 3 ]; 6] 9,8,8% ]6; 7] 69,33,% ]7; 8] 38,33% total 6,% c. La densité de pour chaque intervalle est égale à : f(x) p i /l i où l i est la longueur du i ème intervalle. Ici tous les intervalles sont de longueur an donc f(x) p i. La représentation graphique de la densité de est donnée par l'histogramme associé à ce découpage. densité de f(x),,,3,,, ~% axe horizontal :, cm ans axe vertical : cm, Histogramme de l'âge âge ~93% ans d. L'intervalle modal est l'intervalle de densité maximale : c'est donc le 3 ème intervalle ]; 6]. e. La d'adolescents de moins de ans (aire hachurée sur l'histogramme) s'écrit : ,8, P( X ) P( 3 < X ) P( < X ) 6 6 6,39,379,8, f. La d'adolescents de plus de ans s'écrit : ,8,8 P( < X 6) P( 6 < X 7) P( 7 < X 8) P( X > ),8,3,3,8,8 P( X ),8,8 g. La d'adolescents âgés de à 7 ans (aire hachurée sur l'histogramme) s'écrit :
5 ,93,93 P( < X 7) P( < X ) P( < X 6) P( 6 < X 7) ,379,8,3,93,93 h. Tableau de la distribution de s cumulées de l'âge, associée au découpage en intervalles (F i, i, ) : pour chaque intervalle la cumulée correspondante F i i / où i est l'effectif cumulé i n n n i ou F i p p p i i âge effectif n i p i effectif cumulé i cumulée F i ]3; ] 9,393,9% n 9 F p,39 ]; ] 79,37937,9% n n 9798 F p p,39,379,8 3 ]; 6] 9,8,8% 3 n n n 3 n F 3 p p p 3,8,8,836 ]6; 7] 69,33,% n n n 3 n 3 n 7696 F p p p 3 p,836,3,97 ]7; 8] 38,33% n n n 3 n n 6 F p p p 3 p p total 6,% i. La fonction de répartition de l'âge associée au découpage en intervalles, est définie par F(x) P(X x) donc : F(x) pour tout x 3 F() P(X )F,39 F() P(3<X )P(<X )p p F,8 F(6) P(3<X )P(<X )P(<X 6)p p p 3 F 3,836 F(7) P(3<X )P(<X )P(<X 6)P(6<X 7)p p p 3 p F,97 F(8) P(3<X )P(<X )P(<X 6)P(6<X 7)P(7<X 8)p p p 3 p p F F(x) pour tout x > 8 F(x) Fonction de répartition de l'âge,9,8,7,6,,,3,, axe horizontal :, cm ans axe vertical : 3 cm j. La d'adolescents de moins de ans s'exprime comme la cumulée F. En utilisant la fonction de répartition F de la variable X, on note cette P(X )F(),8 La d'adolescents de plus de ans s'écrit en utilisant la fonction de répartition F de la variable X : P(X>) P(X ) F(),8,8 La d'adolescents âgés de à 7 ans s'écrit en utilisant la fonction de répartition F de la variable X : P( < X 7) P( X 7) P( X ) F( 7) F( ). On calcule séparément F(7) puis F() : F( 7) P( X 7) P( 3 < X ) P( < X ) P( < X 6) P( 6 < X 7) F, 9699 P X P 3 < X F, F( ) ( ) ( ) 39 donc P( < X 7) F( 7) F( ),9699,388,93, 93 k. Les trois quartiles de l'âge sont représentés en abscisse sur le graphique de la fonction de répartition : la médiane (second quartile) notée Q, est telle que F(Q, ), donc graphiquement on déduit que Q,, ans le premier quartile noté Q, est tel que F(Q, ), donc graphiquement on déduit que Q,, ans le troisième quartile noté Q,7 est tel que F(Q,7 ),7 donc graphiquement on déduit que Q,7,8 ans % des adolescents de la population ont moins de, ans (% ont plus de, ans), % des adolescents ont moins de, ans (7% ont plus de, ans) et 7% des adolescents ont moins de,8 ans (% ont plus de,8 ans). l. Moyenne de X dans P moyenne de l'âge dans P âge moyen dans P µ variance de X dans P variance du nombre de mots mémorisés dans P σ écart-type de X dans P écart-type du nombre de mots mémorisés dans P σ i âge effectif n i milieu x i n i x i x i n i x i ]3; ] 9 3, 66, 8, 893, ]; ] 79, 69,, 79,7 3 ]; 6] 9, 899,, 79, ]6; 7] 69 6, 788, 7, 6, ]7; 8] 38 7, 66, 36, 637, total 6 Σn i x i 96, Σn i x i 938, âge
6 donc 96 µ,, σ 938, 3,896 3,77,79, 7 et 6 6 σ,7,879,8 les 6 adolescents ont en moyenne, ans, la variance de l'âge est de,7 et l'écart-type de l'âge est de,8 an. Exercice P{sujets fumeurs} de taille (effectif total) 6 ) Le diagramme est appelé diagramme tige et feuille (stem and leaf). La valeur minimale est 3, la valeur maximale 9. ) X durée de tabagisme, définie sur l'échelle descriptive E]; 6] (valeurs numériques continues), c'est donc une variable quantitative continue. 3) Moyenne de X dans P moyenne de la durée de tabagisme dans P durée moyenne de tabagisme dans P µ variance de X dans P variance de la durée de tabagisme dans P σ écart-type de X dans P écart-type de la durée de tabagisme dans P σ x i i x i i 38 d'où µ x i i 38 3,3 3 6 x i i 8 d'où σ µ ,3 3,3 6,6 et σ σ 6,6, 7 6 les 6 fumeurs fument en moyenne depuis 3 ans, la variance de la durée de tabagisme est de 6,6 et l'écart-type de la durée de tabagisme est de,7 ans. ) a. Tableau des distributions d'effectifs (n i, i, 6) et de s (p i, i, 6) de la durée de tabagisme, associées au découpage en 6 intervalles de longueur ans. i durée de tabagisme effectif n i p i ]; ] 9,% ]; ],33% 3 ]; 3],% ]3; ] 8,333,3% ]; ],676,7% 6 ]; 6] 3,% total 6,% b. La densité de pour x appartenant au i ème l'intervalle est égale à : f(x) p i /l i où l i est la longueur du i ème intervalle. Ici tous les intervalles sont de longueur ans donc f(x) p i /. La représentation graphique de la densité de est donnée par l'histogramme associé à ce découpage. densité de f(x),,3,, Histogramme de la durée de tabagisme %, 3 6 ans axe horizontal :, cm ans durée axe vertical :,9 cm, c. L'intervalle modal est l'intervalle de densité maximale : c'est donc le ème intervalle ]; ]. ) a. La de sujets ayant fumé pendant moins de ans (aire hachurée sur l'histogramme) s'écrit : 9 3, P( X ) P( < X ) P( < X ) (c'est aussi la cumulée F ).,,3, En utilisant la fonction de répartition F de la variable X, on note cette P(X )F(). b. La de sujets ayant fumé pendant plus de ans s'écrit : 8 3 3, P( < X 3) P( 3 < X ) P( < X ) P( < X 6) P( X > ),,33,67,, P( X ),, 6 % % %
7 En utilisant la fonction de répartition F de la variable X, on note cette P(X>) P(X ) F(). c. La de sujets ayant fumé pendant plus de 3 ans (aire hachurée sur l'histogramme) s'écrit : 8 3, P( X > 3) P( 3 < X ) P( < X ) P( < X 6) ,33,67,, En utilisant la fonction de répartition F de la variable X, on note cette P(X>3) P(X 3) F(3). La de sujets ayant fumé pendant plus de ans (aire hachurée sur l'histogramme) s'écrit : P( X > ) P( < X 6) 3, 6 En utilisant la fonction de répartition F de la variable X, on note cette P(X>) P(X ) F(). d. La de sujets ayant fumé pendant plus de ans mais moins de ans s'écrit : 8 7, P( < X 3) P( 3 < X ) P( < X ) P( < X ),,33,67, P( X ) P( X ) F( ) F( ) où F est la fonction de répartition de la variable X. 6) a. La fonction de répartition de la durée de tabagisme est définie par F(x) P(X x) donc : F(x) pour tout x F(x) pour tout x > 6 et à partir de la distribution des s cumulées associé au découpage en 6 intervalles (F i, i, 6) : F(x)F i si x est la borne supérieure du i ème intervalle i durée effectif n i p i effectif cumulé i cumulée F i ]; ] 9,% n 9 F p,f() ]; ],33% n n 93 F 3/6,F() 3 ]; 3],% 3 n n n 3 n 3 3 F 3 /6,7F(3) ]3; ] 8,333,3% n n n 3 n 3 n 83 F 3/6,883F() ]; ],676,7% n n n 3 n n n 37 F 7/6,9F() 6 ]; 6] 3,% 6 n n n 3 n n n 6 6 F 6 6/6F(6) total 6,% F(x) Fonction de répartition de la durée de tabagisme,9,8,7,6,,,3,, axe horizontal :, cm ans durée axe vertical : 3 cm b. Puisque F(), : % des sujets ont fumé pendant moins de ans, la médiane de la durée de tabagisme est de ans, Q, puisque F(3),7 : 7% des sujets ont fumé pendant moins de 3 ans, le troisième quartile de la durée de tabagisme est de 3 ans, Q,7 3 puisque F(),9 : 9% des sujets ont fumé pendant moins de ans, le quantile d'ordre,9 (9%) ou 9 ème percentile de la durée de tabagisme est de ans, Q,9 c. Les trois quartiles de l'âge sont représentés en abscisse sur le graphique de la fonction de répartition : la médiane (second quartile) Q, ans, le troisième quartile Q,7 3 ans le premier quartile noté Q, est telle que F(Q, ), donc graphiquement on déduit que Q, 3 ans % des sujets ont fumé pendant moins de ans (% pendant plus de ans), % des sujets ont fumé pendant moins de, ans (7% pendant plus de, ans) et 7% des sujets ont fumé pendant moins de 3 ans (% pendant plus de 3 ans). 7) Sur le diagramme tige et feuille, un quantile est déterminé en comptant (à partir de la valeur minimale) le nombre de valeurs correspondant à son ordre. a. La médiane, quantile d'ordre, (%) correspond donc à la moitié de la taille de la population c'est à dire /3 : elle est donc égale à n'importe quelle valeur comprise entre la 3 ème et la 3 ème valeur c'est à dire entre et ; par convention on prendra le milieu, donc Q,, ans. 7
8 le premier quartile, quantile d'ordre, (%) correspond au quart de la taille de la population c'est à dire / : il est donc égal à n'importe quelle valeur comprise entre la ème et la 6 ème valeur c'est à dire ; donc Q, ans. le troisième quartile, quantile d'ordre,7 (7%) correspond aux trois quarts de la taille de la population c'est à dire 3/ : il est donc égal à n'importe quelle valeur comprise entre la ème et la 6 ème valeur c'est à dire entre 9 et 3; par convention on prendra le milieu, donc Q,7 3 ans. On retrouve des quartiles très similaires à ceux déduits à la question 6. b. Le er décile, quantile d'ordre, (%) correspond au dixième de la taille de la population c'est à dire /6 : il est donc égal à n'importe quelle valeur comprise entre la 6 ème et la 7 ème valeur c'est à dire entre 9 et ; par convention on prendra le milieu, donc Q, 9, ans. le 9 ème décile, quantile d'ordre,9 (9%) correspond aux neuf dixièmes de la taille de la population c'est à dire,96 9 : il est donc égal à n'importe quelle valeur comprise entre la ème et la ème valeur c'est à dire entre et ; par convention on prendra le milieu, donc Q,9 3, ans. L'intervalle de variation à 8% (au risque %) de la durée de tabagisme est défini par les deux quantiles d'ordre, et,9 : I 8% [Q, ; Q,9 ] puisque P(X I 8% ) P(Q, X Q,9 )8% et P(X I 8% ) % donc I 8% [Q, ; Q,9 ] [9, ; 3,] % des sujets ont fumé pendant moins de 9, ans (9% pendant plus de 9, ans), 9% des sujets ont fumé pendant moins de 3, ans (% pendant plus de 3, ans) et 8% des sujets ont fumé pendant une durée comprise entre 9, et 3, ans. c. Le ème percentile, quantile d'ordre, (%) correspond à % de la taille de la population c'est à dire,3 : il est donc égal à n'importe quelle valeur comprise entre la 3 ème et la ème valeur c'est à dire ; donc Q, ans. le 9 ème percentile, quantile d'ordre,9 (9%) correspond à 9% de la taille de la population c'est à dire,96,97 : il est donc égal à n'importe quelle valeur comprise entre la 7 ème et la 8 ème valeur c'est à dire entre 7 et ; par convention on prendra le milieu, donc Q,9 9 ans. L'intervalle de variation à 9% (au risque %) de la durée de tabagisme est défini par les deux quantiles d'ordre, et,9 : I 9% [Q, ; Q,9 ] puisque P(X I 9% ) P(Q, X Q,9 ) 9% et P(X I 9% ) % donc I 9% [Q, ; Q,9 ] [ ; 9] % des sujets ont fumé pendant moins de ans (9% pendant plus de ans), 9% des sujets ont fumé pendant moins de 9 ans (% pendant plus de 9 ans) et 9% des sujets ont fumé pendant une durée comprise entre et 9 ans. 8) Moyenne et variance de X sont calculées en faisant l'approximation que les n i individus du i ème intervalle ont pour valeur le milieu de l'intervalle noté x i : durée de tabagisme milieu x i effectif n i n i x i x i n i x i ]; ] 9 ]; ] 3 7 ]; 3] ]3; ] ]; ] 8 8 ]; 6] total 6 Σn i x i 36 Σn i x i 3 a. Moyenne de X dans P moyenne de la durée de tabagisme dans P durée moyenne de tabagisme dans P µ donc µ 36,667, 7 6 les 6 fumeurs ont fumé en moyenne pendant,7 ans. b. Variance de X dans P variance de la durée de tabagisme dans P σ écart-type de X dans P écart-type de la durée de tabagisme dans P σ donc σ 3,7 688,33 3,78 7, 6 et σ 7,6 3,9 3, 6 l'écart-type de la durée de tabagisme dans la population étudiée des 6 sujets fumeurs est de 3, ans. c. Les résultats obtenus avec l'approximation précédente sur des données regroupées sont proches de ceux trouvés à la question 3 calculés sur les données individuelles. 9) Cinq ans plus tard tous les sujets auront fumé ans de plus donc : a. la moyenne sera de 38 ans b. les écarts à la moyenne restant inchangés, la variance et l'écart-type ne seront pas modifiés c. la médiane sera de ans ) Les 3 sujets supplémentaires fument depuis 6 ans donc : a. les 3 sujets supplémentaires fument en moyenne depuis 6 ans : la moyenne sera de ,333 3,3 ans b. pour une population de taille 9, la médiane se trouve entre la ème et la 6 ème valeur soit entre 9 et 3 ; par convention on prendra le milieu, donc la durée médiane sera de 3 ans. 8
9 Exercice ) P{enfants de 8 mois} de taille (effectif total) ) X score sur l'échelle de Bayley, définie sur l'échelle descriptive E]6; 6] (valeurs numériques), c'est donc une variable quantitative. a. Tableau des distributions d'effectifs (n i, i, ) et de s (p i, i, ) du score, associées au découpage en intervalles de longueur points. i score effectif n i p i ]6; 7],,% ]7; 8],,% 3 ]8; 9] 9,393,9% ]9; ] 3,363,6% ]; ],,% 6 ]; ] 9,9,9% 7 ]; 3] 3,363,6% 8 ]3; ],99,% 9 ]; ] 9,393,9% ]; 6],9,9% total 8,% b. L'histogramme est la représentation graphique de la densité de f de la variable X associée à ce découpage. Pour x appartenant au i ème intervalle la densité est égale à : f(x) p i /l i où l i est la longueur du i ème intervalle. Ici tous les intervalles sont de longueur ans donc f(x) p i /. f(x) Histogramme du score,3 ~% densité de,, ~%, score axe horizontal :,9 cm points axe vertical : cm, c. L'intervalle modal est l'intervalle de densité maximale : c'est donc le 6 ème intervalle ]; ]. d. La d'enfants ayant un score inférieur à (aire hachurée sur l'histogramme) s'écrit : P( X ) P( 6 < X 7) P( 7 < X 8) P( 8 < X 9) P( 9 < X ) 9 3, ,,,39,36, (c'est aussi la cumulée F ). La d'enfants ayant un score inférieur à s'écrit : P( X ) P( 6 < X 7) P( 7 < X 8) P( 8 < X 9) P( 9 < X ) P( < X ) P( < X ) , ,,,39,36,,9,7 (c'est aussi la cumulée F 6 ). La d'enfants ayant un score compris entre et (aire hachurée sur l'histogramme) s'écrit : 9,8 P( < X ) P( < X ) P( < X ),,9,83 P( X ) P( X ),7,,83 La d'enfants ayant un score supérieur à (aire hachurée sur l'histogramme) s'écrit : 9,8 P( < X ) P( < X 6) P( X > ),39,9,8 P( X ) F8 9 ~%
10 3) a. Tableau de la distribution de s cumulées du score associée au découpage en intervalles (F i, i, ) : pour chaque intervalle la cumulée correspondante : F i i / où i est l'effectif cumulé i n n n i ou F i p p p i i score effectif n i p i effectif cumulé i cumulée F i ]6; 7],,% n F p, ]7; 8],,% F,66 3 ]8; 9] 9,393,9% 3 9 F 3, ]9; ] 3,363,6% 3 F, ]; ],,% 6 F,6 6 ]; ] 9,9,9% F 6,7 7 ]; 3] 3,363,6% F 7,86 8 ]3; ],99,% F 8,9 9 ]; ] 9,393,9% F 9,99 ]; 6],9,9% 68 F total 8,% b. La fonction de répartition du score est définie par F(x) P(X x) donc : F(x) pour tout x 6 F(x) pour tout x > 6 et à partir de la distribution des s cumulées associé au découpage en intervalles (F i, i, ) : si x est la borne supérieure du i ème intervalle F(x) F i F(x) Fonction de répartition du score,9,8,7,6,,,3,, axe horizontal :,9 cm points score axe vertical : cm,3 c. La d'enfants ayant un score inférieur à s'exprime en fonction de la fonction de répartition F de la variable X : P(X )F() F, La d'enfants ayant un score inférieur à s'écrit : P(X )F() F 6,7 La d'enfants ayant un score compris entre et s'écrit : P( < X ) P( X ) P( X ) F( ) F( ),7,, 83 La d'enfants ayant un score supérieur à s'écrit : P( X > ) P( X ) F( ) F8,9, 8 ) a. Les trois quartiles de l'âge sont représentés en abscisse sur le graphique de la fonction de répartition : la médiane (second quartile) notée Q, est telle que F(Q, ), donc graphiquement on déduit que Q,, le premier quartile noté Q, est tel que F(Q, ), donc graphiquement on déduit que Q, le troisième quartile noté Q,7 est tel que F(Q,7 ),7 donc graphiquement on déduit que Q,7 % des enfants ont un score inférieur à points (% ont un score supérieur à points), % des enfants ont un score inférieur à points (7% ont un score supérieur à points) et 7% des enfants ont un score inférieur à points (% ont un score supérieur à points). b. Puisque F(),9 : environ 9% des enfants ont un score inférieur à points, le quantile d'ordre,9 (9%) ou 9 ème percentile du score est de points, Q,9 c. L'intervalle de variation à 9% (au risque %) du score est défini par les deux quantiles d'ordre, et,9 : I 9% [Q, ; Q,9 ] puisque P(X I 9% ) P(Q, X Q,9 ) 9% et P(X I 9% ) % en abscisse sur le graphique de la fonction de répartition, le ème percentile noté Q, est tel que F(Q, ), donc graphiquement on déduit que Q, 76, donc I 9% [Q, ; Q,9 ] [76 ; ] % des enfants ont un score inférieur à 76 points (9% ont un score supérieur à 76 points), 9% des enfants ont un score inférieur à points (% ont un score supérieur à points) et 9% des enfants ont un score compris entre 76 et points. l'intervalle de variation au risque % (à 8%) du score est défini par les deux quantiles d'ordre, et,9 : I 8% [Q, ; Q,9 ] puisque P(X I 8% ) P(Q, X Q,9 ) 8% et P(X I 8% ) % en abscisse sur le graphique de la fonction de répartition, le er décile noté Q, est tel que F(Q, ), donc graphiquement on déduit que Q, 89, et le 9 ème décile noté Q,9 est tel que F(Q,9 ),9 donc graphiquement on déduit que Q,9 3,donc I 8% [Q, ; Q,9 ] [89 ; 3]
11 % des enfants ont un score inférieur à 9 points (9% ont un score supérieur à 9 points), 9% des enfants ont un score inférieur à 3 points (% ont un score supérieur à 3 points) et 8% des enfants ont un score compris entre 9 et 3 points. ) Moyenne et variance de X sont calculées en faisant l'approximation que les n i individus du i ème intervalle du découpage du score ont pour valeur x i le milieu de l'intervalle : i score milieu x i effectif n i n i x i x i n i x i ]6; 7] 6 3 ]7; 8] ]8; 9] ]9; ] ]; ] ]; ] ]; 3] ]3; ] ]; ] ]; 6] 3 8 total 8 Σn i x i Σn i x i 869 moyenne de X dans P moyenne du score dans P score moyen dans P µ variance de X dans P variance du score dans P σ écart-type de X dans P écart-type du score dans P σ donc µ,76, 7 σ 869,7 83,77 6,9 39,8 39, et 8 8 σ 39, 7,866 7,9 les 8 enfant de 8 mois ont un score moyen de,7 points, la variance du score dans cette population est de 39, et l'écart-type du score est de 7,9 points. 6) Les 6 enfants supplémentaires fument depuis 6 ans : a. les 6 enfants supplémentaires ont un score moyen de 3 : la moyenne pour la population des 86 enfants 8, sera de 8 73,, points 8 6 b. en rajoutant 6 aux effectifs cumulés calculés à la question 3.a, 66 correspond à l'effectif cumulé pour la valeur : F()/, donc la médiane est de points pour la population des enfants de 8 mois.
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 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 détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en 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 détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en 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 détailStatistiques 0,14 0,11
Statistiques Rappels de vocabulaire : "Je suis pêcheur et je désire avoir des informations sur la taille des truites d'une rivière. Je décide de mesurer les truites obtenues au cours des trois dernières
Plus en 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 détailStatistiques avec la graph 35+
Statistiques avec la graph 35+ Enoncé : Dans une entreprise, on a dénombré 59 femmes et 130 hommes fumeurs. L entreprise souhaite proposer à ses employés plusieurs méthodes pour diminuer, voire arrêter,
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailINFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X.
INFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X. Année scolaire 009-010 TABLE DES MATIERES CHAPITRE 1: Eléments de statistiques descriptives...
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailIntroduction à la statistique descriptive
Chapitre chapitre 1 Introduction à la statistique descriptive Les méthodes de la statistique descriptive (statistique déductive) permettent de mener des études à partir de données exhaustives, c est-à-dire
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détailFPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 1
INTRODUCTION ça L'INFçERENCE STATISTIQUE 1. Introduction 2. Notion de variable alçeatoire íprçesentation ívariables alçeatoires discrçetes ívariables alçeatoires continues 3. Reprçesentations d'une distribution
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 détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
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 détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailSéquence 4. Statistiques. Sommaire. Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement
Séquence 4 Statistiques Sommaire Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement 1 Introduction «Etude méthodique des faits sociaux par des
Plus en 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 à une variable
Statistiques à une variable Calcul des paramètres statistiques TI-82stats.fr? Déterminer les paramètres de la série statistique : Valeurs 0 2 3 5 8 Effectifs 16 12 28 32 21? Accès au mode statistique Touche
Plus en détailQUESTIONNAIRE DE DIAGNOSTIC RAPIDE DES NIVEAUX DE CPO ET TMS EN ETABLISSEMENTS DE SOIN
NOTE EXPLICATIVE ORSOSA QUESTIONNAIRE DE DIAGNOSTIC RAPIDE DES NIVEAUX DE CPO ET TMS EN ETABLISSEMENTS DE SOIN Ce document détaille le contenu des questionnaires établis lors de la cohorte ORSOSA 1 et
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailStatistiques - Cours. 1. Gén éralités. 2. Statistique descriptive univari ée. 3. Statistique descriptive bivariée. 4. Régression orthogonale dans R².
Statistiques - Cours Page 1 L I C E N C E S c i e n t i f i q u e Cours Henri IMMEDIATO S t a t i s t i q u e s 1 Gén éralités Statistique descriptive univari ée 1 Repr é s e n t a t i o n g r a p h i
Plus en détailSTATISTIQUES DESCRIPTIVES
1 sur 7 STATISTIQUES DESCRIPTIVES En italien, «stato» désigne l état. Ce mot à donné «statista» pour «homme d état». En 1670, le mot est devenu en latin «statisticus» pour signifier ce qui est relatif
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
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 détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détail- Ressources pour les classes
Mathématiques Collège - Ressources pour les classes de 6 e, 5 e, 4 e, et 3 e du collège - - Organisation et gestion de données au collège - Ce document peut être utilisé librement dans le cadre des enseignements
Plus en détailRemboursement des frais de transports par l'assurance maladie
Remboursement des frais de transports par l'assurance maladie Remboursement des frais de transports par l'assurance maladie Mise à jour le 27.05.2014 - Direction de l'information légale et administrative
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailProbabilités et Statistique
Ricco Rakotomalala Probabilités et Statistique Notes de cours Université Lumière Lyon 2 Avant-propos Ce document est un support de cours pour les enseignements des probabilités et de la statistique. Il
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailNOTES DE COURS STT1700. Introduction à la statistique. David Haziza
NOTES DE COURS STT1700 Introduction à la statistique David Haziza Automne 008 Qu est ce que la statistique? La statistique est la science dont le but est de donner un sens aux données. L étude statistique
Plus en détailOUTILS STATISTIQUES ET NUMÉRIQUES
UNIVERSITÉ D ORLEANS Année universitaire 211-212 UFR Sciences Master FAC et SAE, 2ème année OUTILS STATISTIQUES ET NUMÉRIQUES POUR LA MESURE ET LA SIMULATION T. Dudok de Wit Université d Orléans 16 septembre
Plus en détailStatistiques descriptives sous Excel. Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel
Statistiques descriptives sous Excel Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel Un cours, deux objectifs Approfondir vos connaissances et vos outils de calculs dans le domaine de
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
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 détailEPFL 2010. TP n 3 Essai oedomètrique. Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilias Nafaï Weil Florian
1 EPFL 2010 Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilia Nafaï Weil Florian 11 Table de matière Ø Introduction 3 Ø Objectif 3 Ø Déroulement de l eai 4 Ø Exécution de deux palier de charge 6 Ø Calcul
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 détailStatistiques descriptives
Statistiques descriptives L3 Maths-Eco Université de Nantes Frédéric Lavancier F. Lavancier (Univ. Nantes) Statistiques descriptives 1 1 Vocabulaire de base F. Lavancier (Univ. Nantes) Statistiques descriptives
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailIBM SPSS Statistics Base 20
IBM SPSS Statistics Base 20 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 316. Cette version s applique à IBM SPSS
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 détailBulletin d information statistique
INFOSTAT JUSTICE Divorces : une procédure à deux vitesses Zakia Belmokhtar * Mai 2012 Numéro 117 En visant à permettre un règlement plus rapide et plus complet des demandes en divorce, la loi du 26 mai
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 détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailLes domaines et les thèmes du SIG Grand Sud
des risques du vieillissement Régime Général ou Inter-régime Données de cadrage Retraités à risque de fragilité économique Les domaines et les thèmes du SIG Grand Sud Offres d de prévention collectives
Plus en détailOrientation professionnelle Charpentier bois
Orientation professionnelle Charpentier bois 1-6 Elève Date: 1. Titre de l' U.E. : Construction d'escalier 1 2. Matière / Classe : Technologie, 2 ème année de formation 3. Thèmes des séquences de cours
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 détailÉlément 424b Introduction à la statistique descriptive
CTU Master AGPS De la donnée à la connaissance : traitement, analyse et transmission Élément 44b Introduction à la statistique descriptive Prof. Marie-Hélène de Sède-Marceau Année / Statistique Introduction
Plus en détailETUDE DES PERFORMANCES D UN SYSTEME EOLIEN. APPLICATION POUR DES SITES ALGERIENS
èmes Journées Internationales de Thermique ETUDE DES PERFORMANES D UN SYSTEME EOLIEN. APPLIATION POUR DES SITES ALGERIENS Rachid MAOUEDJ*, Souad BOUSALEM** et Boumedien BENYOUEF ** * Unité de Recherche
Plus en détailComment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite.
Comment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite. Introduction : Avant de commencer, il est nécessaire de prendre connaissance des trois types de
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
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 détailGEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau
GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles
Plus en détailNom : Groupe : Date : 1. Quels sont les deux types de dessins les plus utilisés en technologie?
Nom : Groupe : Date : Verdict Chapitre 11 1 La communication graphique Pages 336 et 337 1. Quels sont les deux types de dessins les plus utilisés en technologie? Les dessins de fabrication. Les schémas.
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 détailProbabilités conditionnelles Loi binomiale
Fiche BAC ES 05 Terminale ES Probabilités conditionnelles Loi binomiale Cette fiche sera complétée au fur et à mesure Exercice n 1. BAC ES. Centres étrangers 2012. [RÉSOLU] Un sondage a été effectué auprès
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 détailObservatoire Economique et Statistique d Afrique Subsaharienne
Observatoire Economique et Statistique d Afrique Subsaharienne Termes de référence pour le recrutement de quatre (4) consultants dans le cadre du Projet «Modules d initiation à la statistique à l attention
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 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 détailMise à jour des paramètres relatifs à l estimation des Besoins énergétiques minimums
MÉTHODOLOGIE DE LA FAO POUR MESURER LA PRÉVALENCE DE LA SOUS- ALIMENTATION Mise à jour des paramètres relatifs à l estimation des Besoins énergétiques minimums Division des Statistiques de la FAO Rome,
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailSERIE 1 Statistique descriptive - Graphiques
Exercices de math ECG J.P. 2 ème A & B SERIE Statistique descriptive - Graphiques Collecte de l'information, dépouillement de l'information et vocabulaire La collecte de l information peut être : directe:
Plus en détailKIT D AIDE A LA MISE EN ACCESSIBILITE DES ETABLISSEMENTS DE TOURISME ET DE COMMERCE Édition Janvier 2015 FICHE N 2B RENDRE MON RESTAURANT ACCESSIBLE
KIT D AIDE A LA MISE EN ACCESSIBILITE DES ETABLISSEMENTS DE TOURISME ET DE COMMERCE Édition Janvier 2015 FICHE N 2B RENDRE MON RESTAURANT ACCESSIBLE RAPPEL : Pour les ERP classés 1, 2, 3, 4e catégorie
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailKIT D AIDE A LA MISE EN ACCESSIBILITE DES ETABLISSEMENTS DE TOURISME ET DE COMMERCE Édition Janvier 2015 FICHE N 2D RENDRE MON COMMERCE ACCESSIBLE
KIT D AIDE A LA MISE EN ACCESSIBILITE DES ETABLISSEMENTS DE TOURISME ET DE COMMERCE Édition Janvier 2015 FICHE N 2D RENDRE MON COMMERCE ACCESSIBLE RAPPEL : Pour les ERP classés 1, 2, 3, 4e catégorie :
Plus en détailElec II Le courant alternatif et la tension alternative
Elec II Le courant alternatif et la tension alternative 1-Deux types de courant -Schéma de l expérience : G -Observations : Avec une pile pour G (courant continu noté ): seule la DEL dans le sens passant
Plus en détailÉconometrie non paramétrique I. Estimation d une densité
Économetrie non paramétrique I. Estimation d une densité Stéphane Adjemian Université d Évry Janvier 2004 1 1 Introduction 1.1 Pourquoi estimer une densité? Étudier la distribution des richesses... Proposer
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 détailProgrammation Visual Basic. Visite guidée d'un programme Visual Basic 6.0
UNIVERSITE DES SCIENCES SOCIALES DE TOULOUSE Licence Professionnelles LSi Master FC IGSI Programmation Visual Basic Visite guidée d'un programme Visual Basic 6.0 1. un exemple d'application a) créer dans
Plus en détailEvolution des risques sur les crédits à l habitat
Evolution des risques sur les crédits à l habitat n 5 février 2012 1/17 SOMMAIRE 1. PRINCIPALES CARACTÉRISTIQUES DE LA PRODUCTION... 4 2. ANALYSE DÉTAILLÉE DES INDICATEURS DE RISQUE... 8 2.1 Montant moyen
Plus en détailInfos. Indicateurs analogiques encastrables pour installation à courants forts. Série M W/P/ LSP BWQ BGQ TP TG WQ /0S WQ /2S FQ /2 W BI BIW DFQ
Infos Série M 200.U.003.05 encastrables pour installation à courants forts Série M W/P/ LSP pour montage sur rail normé BWQ BGQ TP TG WQ /0S WQ /2S FQ /2 W BI BIW SY Compteurs horaires Voltmètres partiels
Plus en détailDiscours introductif du directeur du département. Mesdames Messieurs les professeurs, Mesdames Messieurs, Cher collègues, cher étudiants
CP du 18 février 2013 Etaient présents: voir feuille de présence ci jointe Discours introductif du directeur du département. Mesdames Messieurs les professeurs, Mesdames Messieurs, Cher collègues, cher
Plus en détailExtraction d informations stratégiques par Analyse en Composantes Principales
Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction
Plus en détailLa simulation probabiliste avec Excel
La simulation probabiliste avec Ecel (2 e version) Emmanuel Grenier emmanuel.grenier@isab.fr Relu par Kathy Chapelain et Henry P. Aubert Incontournable lorsqu il s agit de gérer des phénomènes aléatoires
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 détail4 Statistiques. Les notions abordées dans ce chapitre CHAPITRE
CHAPITRE Statistiques Population (en milliers) 63 6 6 6 Évolution de la population en France 9 998 999 3 Année Le graphique ci-contre indique l évolution de la population française de 998 à. On constate
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailBACCALAURÉAT PROFESSIONNEL SUJET
SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
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 détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en détailLoi pour l Égalité des Droits et des Chances, la Participation et la Citoyenneté des Personnes Handicapées (EDCPCPH)
1 Loi pour l Égalité des Droits et des Chances, la Participation et la Citoyenneté des Personnes Handicapées (EDCPCPH) NOUVEAU DISPOSITIF REGLEMENTAIRE ERP Principales nouveautés du décret : «ERP NEUFS»
Plus en détailUNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES. Éric TÉROUANNE 1
33 Math. Inf. Sci. hum., (33 e année, n 130, 1995, pp.33-42) UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES Éric TÉROUANNE 1 RÉSUMÉ Le stéréogramme de liaison est
Plus en détailTP N 57. Déploiement et renouvellement d une constellation de satellites
TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les
Plus en détailCM2B Ste Marthe NOMBRES CROISES
CMB Ste Marthe NOMBRES CROISES Règles Les nombres croisés sont des grilles à remplir en suivant les instructions. Les consignes ne sont données que pour les nombres à plus de deux chiffres. Si plusieurs
Plus en détail