TP SdF N 17. Estimation d un quantile par la méthode de Wilks et la méthode du Bootstrap
|
|
- Hubert Ducharme
- il y a 6 ans
- Total affichages :
Transcription
1 TP SdF N 7 Estimation d un quantile par la méthode de Wilks et la méthode du Bootstrap Ce TP a pour objet d évaluer deux techniques de maîtrise des incertitudes sur les résultats d un code de calcul. Problématique : On cherche à démontrer qu en cas de perte de réfrigérant du circuit primaire d un réacteur nucléaire, la température de gaine des crayons combustibles ne dépassera pas la température critique de 24 C, dans 95% des cas. Disposant d un modèle mathématique du cœur nucléaire, on réalise un nombre restreint de simulations de type Monte-Carlo (chacune durant plusieurs heures), en jouant sur les paramètres du code de calcul, afin d estimer le quantile α à 95% avec une confiance β elle-même égale à 95% (T α, β : quantile α au taux de confiance β). N ayant aucune connaissance particulière en physique nucléaire, on fait l hypothèse que la température atteinte peut être distribuée selon une loi normale de moyenne 8 C et d écart-type C ou de type lognormale de paramètres µ = 5 et σ =. Calculer pour les deux distibutions de température la valeur théorique du quantile à 95 %. 2 Calculer le nombre de simulations nécessaires à l obtention du résultat souhaité par application de la méthode de Wilks pour les rang, 2 et 3. Valider cette méthode au rang pour les deux distibutions de température, en comparant un grand nombre de fois (>) l estimation obtenue avec les valeurs théoriques du quantile à 95 %. 3 Evaluer ce même quantile par la méthode du Bootstrap au moyen de 25 échantillons générés à partir d un échantillon original de 59 résultats de simulation. Chercher à valider cette méthode pour les deux distibutions de température, en comparant un grand nombre de fois (>) l estimation obtenue avec les valeurs théoriques du quantile à 95 %. 4 Conclure sur l apport de ces méthodes à l estimation d un quantile.
2 . VALEUR THEORIQUE DU QUANTILE A 95 % DE LA TEMPERATURE. On note T α, β le quantile α que l on cherche à estimer avec un taux de confiance. Ce quantile doit être inférieur à la température critique (T 95, 95 < T C ). 95% T 95,95 Dans le cas d une loi normale de moyenne 8 C et d écart-type C ou de type lognormale de paramètres µ = 5 et σ =, la valeur théorique du quantile à 95 % de la température se calcule directement sous Excel par les formules suivantes : =LOI.LOGNORMALE.INVERSE(95%;5;) = 769 C =LOI.NORMALE.INVERSE(95%;8;) = 964 C T c 2. FORMULE DE WILKS La méthode de Wilks est la méthode la plus employée jusqu à ce jour en thermo-hydraulique nucléaire pour estimer un quantile. Elle permet de déterminer le nombre minimum N de simulations nécessaires pour évaluer un majorant de la valeur recherchée Tα, β. Ce nombre est donné par la formule de Wilks, qui résulte directement de l expression de l intervalle de confiance du paramètre p de la loi binomiale : N N r+ i i C α ( α) n N i β α est la probabilité qu une simulation quelconque aboutisse à un résultat satisfaisant (inférieur à la valeur critique), et r est le rang des pires cas obtenus durant toutes les simulations. L estimation du quartile T 95,95 sera donnée par la valeur pire cas obtenue au cours de N simulations (r = ) avec N donné par l expression : - α N β soit α N β- ou N ln(β-) / ln(α) N ln(,5) / ln(,95) = 58, N 59 Ce même quartile T 95,95 pourra être estimé par la pire des valeurs obtenue à l exclusion du pire cas (r = 2) avec N donné par l expression : - (N * α N ( - α) + α N ) β soit N 93 ou par la pire des valeurs obtenue à l exclusion des 2 valeurs pires cas (r = 3) si N 24 Pour valider cette méthode, on tire aléatoirement un échantillon de 59 valeurs distribuées suivant les lois lognormale ou normale et on vérifie que la plus grande valeur obtenue parmi ces 59 valeurs est bien inférieure à la valeur théorique du quantile à 95% dans une proportion d environ 95 %. WILKS, S. S., «Determination of Sample Sizes for Setting Tolerance Limits», The Annals of Mathematical Statistics, Vol.2, pp. 9-96, 94.
3 Echantillon Loi : Lognormale Quantile à : 95% 2,76243 Théorique : 768, ,43697 µ σ Max Echantillon : 356,2793,99998 Normale 8 Ecart : 2387,354 35,59695 Lognormale 5 75, ,6642 4, ,223758, Max de 59 tirages de lognormale (5,) - T 95,95 théorique Fonction de répartition (2 simulations) 92, , ,78725,8 4 57, ,9532, , ,4 23, ,785929, ,554, , , , , , Max de tirages de normale (8,) - T 95,95 théorique 68,7654 Fonction 7 de répartition (2 simulations) 74, , , ,6376,8 9 26, ,6 255, ,78677,4 5 23,546,2 65, ,28434, , , , , Echantillon 356, , , , , , , , , , , , , , La fonction de répartition de l écart entre la valeur maximale de l échantillon et la valeur théorique du quantile, présentée ci-dessus, a été obtenue après 2 simulations d un échantillon de 59 valeurs. Dans 95 % des cas environ, l estimation du quantile est inférieure à sa valeur théorique. Le fichier Excel correspondant est fourni ci-après (ouverture par double clic). Formule de Wilks.xls (27 Ko)
4 3. METHODE DU BOOTSTRAP 2 Proposée à la fin des années 7 par Bradley Efron, le bootstrap est une méthode de suréchantillonnage qui consiste à créer un grand nombre d échantillons, par tirage aléatoire avec remise à partir d un échantillon original, sans recourir à de nouvelles observations. Exemple : Même si aucune information nouvelle n est créée, on cherche à exploiter toute l information contenue dans l échantillon original. A titre d illustration, les distributions, ci-dessous, représentent 2 échantillons de 59 simulations utilisés pour estimer le quantile T α,β par la méthode de Wilks (pire cas). On peut supposer que l estimation issue de l échantillon 2 est plus conservative que celle issue de l échantillon. T α,β 2 T α,β A partir de l échantillon original, une famille d échantillons est créée par bootstrap sur laquelle on effectue des estimations de paramètres divers comme s il s agissait d autant d échantillons tirés de la population mère. Ainsi dans l exemple ci-dessous, la moyenne de la population peut être estimée comme étant la moyenne des valeurs moyennes obtenues sur chacun des échantillons générés par bootstrap et l écart-type calculé sur ces mêmes valeurs donne une estimation de l erreur standard du paramètre étudié. Moyenne , , , Moyenne : 6,53 Ecar type :, On peut procéder de la même manière pour estimer un quantile et l erreur standard correspondante, puis un intervalle de confiance, par application du théorème central limite, en considérant que la distribution des quantiles est approximativement normale. Mais, cette hypothèse est d autant moins vraie que le quantile est en limite de distribution car les valeurs extrêmes de l échantillon initial, qui conditionnent alors l estimation du quantile, ne sont présentes dans les échantillons générés par bootstrap que de manière épisodique. Par ailleurs, si le suréchantillonnage peut affiner un estimateur par rapport à celui obtenu de manière 2 EFRON, B., TIBSHIRANI, R. J., An Introduction to the Bootstrap, Chapman and Hall, 993.
5 similaire à partir de l échantillon initial, le quantile à 95% obtenu par bootstrap n a aucune raison d être meilleur que celui obtenu par la méthode de Wilks (valeur maximale d un échantillon de 59 valeurs). Pour évaluer cette méthode, nous procédons, à nouveau, au tirage aléatoire d un échantillon de 59 valeurs (distribuées suivant les lois lognormale ou normale) à partir duquel nous générons 25 échantillons bootstrapés pour estimer le quantile à 95 % que nous comparons à sa valeur théorique. Réitérant 2 fois l opération (avec l outil SIMCAB), nous obtenons les fonctions de répartitions de l écart entre l estimation et la valeur thorique suivantes : LOGNORMALE Quantile à : 95% µ : 5 Théorique : 768,87389 σ : Max Echantillon : 5,429 Ecart Wilks : 236,3239 T 95,95 Bootstrap : 62,4698 Ecart Bootstrap : -66,77669 Quantile Echantillon : 542, Ecart Quantile Echantillon : -226,34383 Bootstrap / Moyenne / Ecart-type / Max / Quantile , , , , , , , , , ,79 Fonction 54, de répartition 23, , , , ,429 simulations 5,429 de 5967,99937 valeurs lognormales 5,429 5,429 (5,) 5,429 Echantillon 67, , , , , , , ,858433,96972, , ,9337 5,429 32, ,66 27, , , , , , , , , ,7574,8 59, ,769 34, , , , , ,28698,6 59, , , , , , , , ,98956,5295 Ecart Bootstrap 77,7648 7, ,429 97, ,7574 2, , ,4 29, , , , ,25874 Ecart Wilks 99, , ,298747,2 36, , , , , , , , ,8827,565 56, , ,66 32, ,2929 2, , , , ,7574 7, , , , , , , , , ,429 77, , , , , , , ,429 4, , , , , , , , , , ,7648Distibution 94, des quantiles 76,26644 à 95% de 97, échantillons 29, bootstrap issus 38,3994 d'un 56, ,665 29,66 62,387742échantillon 4, de 59 valeurs 399,93389 lognormales 7, (5,) 73, , , , , , , , ,9228 9, , ,9228 4, , ,66 53, , , , , , , ,3826 6, , , , , , , , , ,459934, , , , , , , , , , , , , , , , , , , , ,4242 2, , ,66 36, , , , , , , , , , , , , , , , , , , ,429 29,66 36, , , , , , , , , , , , , , , , , , , ,8527 5,4289 9, , , , , , , , , , , , , , , Le fichier Excel correspondant est fourni ci-après : Bootstrap ognormale.xls (52.
6 NORMALE Quantile à : 95% µ : 8 Théorique : 964, σ : Max Echantillon :,64957 Ecart Wilks : 36,64279 T 95,95 Bootstrap : 95, Ecart Bootstrap : -48,84824 Quantile Echantillon : 92,837 Ecart Quantile Echantillon : -5, Bootstrap / Moyenne / Ecart-type / Max / Quantile , , , , , , , , , ,99427 Fonction 82, de répartition 95,78 97, , , ,47389 simulations,64957 de 5993,978 valeurs normales,64957(8,),64957 Echantillon 99, , , , ,978 92, , , , , , , , , , , , , , , , , , , ,5483,8 83, ,978 73, , , , , , , , , , , ,986456,6, , , , , ,33 98, ,63747 Ecart Bootstrap 777, , ,44977,4 663, , , , ,64993 Ecart Wilks 98, , ,33 835, , , , , , , ,5955,2 86, , , , , , , , ,738762,5 99, , , , , , , , , , , , , ,942686, , , , , , , , , , , , , , , , , , , , , ,33 665, Distibution des quantiles à 95% de 25 échantillons bootstrap 826, , , ,975 73, , , , , , ,64993 issus d'un échantillon 663, de 75, valeurs lognormales 54, ,63747 (5,), , , , , , , , , , , , , , , , ,89448, , , , , , , , , , , , , ,975 63, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,58885, , , ,89448,64957, , , , , , , , , , , , , , , , , , , , , , , ,978 66, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Le fichier Excel correspondant est fourni ci-après : Bootstrap ormale.xls (52 Ko). La confiance de l estimateur du quantile à 95% obtenu par bootstrap est d environ 5%, bien loin des 95% escomptés. Les résultats détaillés fournis ci-après montrent l apport (modeste) du bootsrap, à l estimation de la moyenne, de l écart-type et du quantile à 95%, par rapport au simple traitement effectué à partir d un échantillon. Remarque : Même si l estimateur du quantile obtenu par cette méthode s avère quelque peu fictif, son intervalle de confiance peut être très resserré puisque l on peut augmenter, à loisir, le nombre d échantillons virtuels générés par Bootstrap.
7 Loi lognormale (5,) Moyenne : 6.68E+ - Ecart-Type : 4.42E+ Intervalle de confiance à 9 % : 6.52E+ 6.85E+,8,6,4, Moyenne : -5.73E+ - Ecart-Type : 2.3E+ Intervalle de confiance à 9 % : -6.58E E+ Ecart Wilks Moyenne : -7.32E+ - Ecart-Type : 2.54E+ Intervalle de confiance à 9 % : -8.25E E+,6,5,4,3,2, Ecart Bootstrap,6,5,4,3,2, Ecart quantile Echantillon Moyenne : -3.7E- - Ecart-Type :.25E+ Intervalle de confiance à 9 % : -7.65E-.5E- Moyenne : -3.38E- - Ecart-Type :.24E+ Intervalle de confiance à 9 % : -7.95E-.9E-,8,8,6,6,4 Ecart moyenne Bootstrap,4 Ecart moyenne Echantillon, , Moyenne : -.3E+ - Ecart-Type : 9.3E+ Intervalle de confiance à 9 % : -.63E E- Moyenne : -3.2E-2 - Ecart-Type : 9.E+ Intervalle de confiance à 9 % : -3.65E- 3.5E-,5,5,4,4,3,2 Ecart type Bootstrap,3,2 Ecart type Echantillon,,
8 Loi normale (8,) Moyenne : 6.53E+ - Ecart-Type : 4.54E+ Intervalle de confiance à 9 % : 6.36E+ 6.7E+,7,6,5,4,3,2, Moyenne : -5.92E+ - Ecart-Type : 2.33E+ Intervalle de confiance à 9 % : -6.78E+ -5.7E+ Ecart Wilks Moyenne : -7.23E+ - Ecart-Type : 2.53E+ Intervalle de confiance à 9 % : -8.6E+ -6.3E+,8,8,6,6,4 Ecart Bootstrap,4 Ecart quantile Echantillon,2, Moyenne : 2.89E- - Ecart-Type :.33E+ Intervalle de confiance à 9 % : -.98E- 7.77E Moyenne : 2.92E- - Ecart-Type :.32E+ Intervalle de confiance à 9 % : -.94E- 7.78E-,7,6,5,4,3,2, Ecart moyenne Bootstrap,7,6,5,4,3,2, Ecart moyenne Echantillon Moyenne : -.6E+ - Ecart-Type : 9.2E+ Intervalle de confiance à 9 % : -.94E+ -.28E+ Moyenne : -3.4E- - Ecart-Type : 9.5E+ Intervalle de confiance à 9 % : -6.77E E-3,5,4,3,2, Ecart type Bootstrap,6,5,4,3,2, Ecart type Echantillon
TP 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 détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
Plus en détail!-.!#- $'( 1&) &) (,' &*- %,!
0 $'( 1&) +&&/ ( &+&& &+&))&( -.#- 2& -.#- &) (,' %&,))& &)+&&) &- $ 3.#( %, (&&/ 0 ' Il existe plusieurs types de simulation de flux Statique ou dynamique Stochastique ou déterministe A événements discrets
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailIFT3245. Simulation et modèles
IFT 3245 Simulation et modèles DIRO Université de Montréal Automne 2012 Tests statistiques L étude des propriétés théoriques d un générateur ne suffit; il estindispensable de recourir à des tests statistiques
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 détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailPRIME D UNE OPTION D ACHAT OU DE VENTE
Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,
Plus en détailO, i, ) ln x. (ln x)2
EXERCICE 5 points Commun à tous les candidats Le plan complee est muni d un repère orthonormal O, i, j Étude d une fonction f On considère la fonction f définie sur l intervalle ]0; + [ par : f = ln On
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailLes mathématiques de la finance Université d été de Sourdun Olivier Bardou olivier.bardou@gdfsuez.com 28 août 2012 De quoi allons nous parler? des principales hypothèses de modélisation des marchés, des
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 détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
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 détailLa rémunération des concepteurs. en théâtre au Québec. de 2004 à 2006
La rémunération des concepteurs en théâtre au Québec de 2004 à 2006 Conseil québécois du théâtre - novembre 2007 Dans le cadre des travaux préparatoires des SECONDS ÉTATS GÉNÉRAUX DU THÉÂTRE PROFESSIONNEL
Plus en détailNOTIONS DE PROBABILITÉS
NOTIONS DE PROBABILITÉS Sommaire 1. Expérience aléatoire... 1 2. Espace échantillonnal... 2 3. Événement... 2 4. Calcul des probabilités... 3 4.1. Ensemble fondamental... 3 4.2. Calcul de la probabilité...
Plus en détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détailL équilibre offre-demande d électricité en France pour l été 2015
L équilibre offre-demande d électricité en France pour l été 2015 Synthèse Juin 2015 Sommaire Analyse globale 4 1. Prévision de consommation 5 2. Disponibilité du parc de production 7 3. Étude du risque
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 détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
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 détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailL ANALYSE COUT-EFFICACITE
L ANALYSE COUT-EFFICACITE 1 Pourquoi utiliser cet outil en évaluation? L analyse coût-efficacité est un outil d aide à la décision. Il a pour but d identifier la voie la plus efficace, du point de vue
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 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 détailMesure et gestion des risques d assurance
Mesure et gestion des risques d assurance Analyse critique des futurs référentiels prudentiel et d information financière Congrès annuel de l Institut des Actuaires 26 juin 2008 Pierre THEROND ptherond@winter-associes.fr
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 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 détailMémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains.
Mémoire d actuariat - promotion 2010 La modélisation des avantages au personnel: complexité et limites du modèle actuariel, le rôle majeur des comportements humains. 14 décembre 2010 Stéphane MARQUETTY
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
Plus en détailCompte rendu de LA37 B, TP numéro 1. Evolution de la température et du degrée d'hydratation
4 6 8 2 4 8 22 26 3 34 38 42 46 5 54 58 62 66 7 74 78 83 89 96 8 44 Bertin Morgan Compte rendu de LA37 B, TP numéro. Les essais effectués par le laboratoire des ponts et chaussés nous ont fournis la température
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailAutomatique (AU3): Précision. Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr
Automatique (AU3): Précision des systèmes bouclés Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr Plan de la présentation Introduction 2 Écart statique Définition Expression Entrée
Plus en détailBACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
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 détailGénie Industriel et Maintenance
Génie Industriel et Maintenance Pour qu aucun de ces systèmes ne tombe en panne. Plan de la visite 1 2 3 6 4 5 Guide visite du département Génie Industriel et Maintenance 1 Salles Informatiques Utilisation
Plus en détailModèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes
de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz
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 détailCoûts, avantages et inconvénients des différents moyens de paiement
Coûts, avantages et inconvénients des différents moyens de paiement Présentation de l'étude de la Banque nationale de Belgique à la conférence de l'esta (Valence, le 15 mai 2006) Historique de l'étude
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 détailQuantification des Risques
Quantification des Risques Comment considérer les aléas dans une projection financière? PragmaRisk met à disposition des solutions et des méthodes permettant de considérer les aléas dans vos projections
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 détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailExo7. Limites de fonctions. 1 Théorie. 2 Calculs
Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailProjet Etienne Marceau Méthodes statistiques en assurance non vie
Trinôme : Carine Sauser, Mélanie Groisne, Xavier Milhaud Projet Etienne Marceau Méthodes statistiques en assurance non vie Méthodes statistiques pour la finance et l assurance ISFA - Décembre 2007 Table
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailOrdonnancement robuste et décision dans l'incertain
Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4
Plus en détailRésumé des communications des Intervenants
Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
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 détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailSimulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE
Simulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE LAURENT Rémy laurent@clermont.in2p3.fr http://clrpcsv.in2p3.fr Journées des LARD Septembre 2007 M2R
Plus en détailProbabilités stationnaires d une chaîne de Markov sur TI-nspire Louis Parent, ing., MBA École de technologie supérieure, Montréal, Québec 1
Introduction Probabilités stationnaires d une chaîne de Markov sur TI-nspire Louis Parent, ing., MBA École de technologie supérieure, Montréal, Québec 1 L auteur remercie Mme Sylvie Gervais, Ph.D., maître
Plus en détailAC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Plus en détailIncertitude et variabilité : la nécessité de les intégrer dans les modèles
Incertitude et variabilité : la nécessité de les intégrer dans les modèles M. L. Delignette-Muller Laboratoire de Biométrie et Biologie Evolutive VetAgro Sup - Université de Lyon - CNRS UMR 5558 24 novembre
Plus en détailINTRODUCTION AUX TESTS DE PERFORMANCE ET DE CHARGE
INTRODUCTION AUX TESTS DE PERFORMANCE ET DE CHARGE 1 Introduction aux tests de performance et de charge Sommaire Avertissement...2 Aperçu...3 1. Création du scénario de navigation web (Test web)...4 2.
Plus en détailCHAPITRE 1. Suites arithmetiques et géometriques. Rappel 1. On appelle suite réelle une application de
HAPITRE 1 Suites arithmetiques et géometriques Rappel 1 On appelle suite réelle une application de dans, soit est-à-dire pour une valeur de la variable appartenant à la suite prend la valeur, ie : On notera
Plus en détailL énergie en France et en Allemagne : comparaisons
L énergie en France et en Allemagne : comparaisons En matière de consommation d énergie, de structure du système électrique, de recours aux énergies renouvelables, d émission de gaz à effet de serre, les
Plus en détailCompatibilité Électromagnétique
Compatibilité Électromagnétique notions générales et applications à l électronique de puissance Ir. Stéphane COETS 18 mai 2005 Journée d étude en Électronique de Puissance 1 Plan de l exposé La Compatibilité
Plus en détailEXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG
Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette
Plus en détailOPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et 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 détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
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 détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailRèglement jeu concours gratuit sans obligation d achat «Opération VIP Partouche Poker tour»
Règlement jeu concours gratuit sans obligation d achat «Opération VIP Partouche Poker tour» Toute personne qui participe au jeu accepte sans réserve l intégralité des clauses contenues au présent règlement.
Plus en détailPOKER ET PROBABILITÉ
POKER ET PROBABILITÉ Le poker est un jeu de cartes où la chance intervient mais derrière la chance il y a aussi des mathématiques et plus précisément des probabilités, voici une copie d'écran d'une main
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 détailAutomatique Linéaire 1 Travaux Dirigés 1A ISMIN
Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe
Plus en détail8 Certifications Minergie
8 Chapitre 8 Être Minergie, est-ce aussi être «autrement»? Pour de nombreux acteurs du marché immobilier, un label de durabilité devrait s accompagner d une appréciation de la valeur de leur immeuble,
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailQUELLE DOIT ÊTRE L AMPLEUR DE LA CONSOLIDATION BUDGÉTAIRE POUR RAMENER LA DETTE À UN NIVEAU PRUDENT?
Pour citer ce document, merci d utiliser la référence suivante : OCDE (2012), «Quelle doit être l ampleur de la consolidation budgétaire pour ramener la dette à un niveau prudent?», Note de politique économique
Plus en détailI. Introduction: L énergie consommée par les appareils de nos foyers est sous forme d énergie électrique, facilement transportable.
DE3: I. Introduction: L énergie consommée par les appareils de nos foyers est sous forme d énergie électrique, facilement transportable. Aujourd hui, nous obtenons cette énergie électrique en grande partie
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 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 détail8 Ensemble grand-canonique
Physique Statistique I, 007-008 8 Ensemble grand-canonique 8.1 Calcul de la densité de probabilité On adopte la même approche par laquelle on a établi la densité de probabilité de l ensemble canonique,
Plus en détailTS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S
FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences
Plus en détailINTRODUCTION. 1 k 2. k=1
Capes externe de mathématiques : session 7 Première composition INTRODUCTION L objet du problème est l étude de la suite (s n n définie par : n, s n = Dans une première partie, nous nous attacherons à
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
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 détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailFiche d utilisation du logiciel. 1 - Installation. J. Thioulouse & D. Chessel
Fiche d utilisation du logiciel 1 - Installation J. Thioulouse & D. Chessel Résumé Cette fiche est une introduction à l'utilisation du logiciel R pour les trois environnements Unix, Windows et MacOS. Plan
Plus en détailDémonstrateur HOMES à la Préfecture de l Isère
Démonstrateur HOMES à la Préfecture de l Isère 1 Un partenariat de 3 ans entre la Préfecture de l Isère et Schneider-Electric Instrumenter le site Innovation Créer une situation de référence Business Partenaires
Plus en détailMontrouge, le 9 février 2015. Centre national d équipement nucléaire (CNEN) EDF 97 avenue Pierre Brossolette 92120 MONTROUGE
RÉPUBLIQUE FRANÇAISE DIRECTION DES CENTRALES NUCLEAIRES Montrouge, le 9 février 2015 Réf. : CODEP-DCN-2015-002998 Monsieur le Directeur Centre national d équipement nucléaire (CNEN) EDF 97 avenue Pierre
Plus en détailK. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau
Apport des modèles de krigeage à la simulation numérique K Ammar, F Bachoc, JM Martinez CEA-Saclay, DEN, DM2S, F-91191 Gif-sur-Yvette, France Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau Apport des
Plus en détail2.0. Ballon de stockage : Marque : Modèle : Capacité : L. Lien vers la documentation technique : http://
2.0. Ballon de stockage : Capacité : L Lien vers la documentation technique : http:// Retrouver les caractéristiques techniques complètes (performances énergétiques et niveau d isolation, recommandation
Plus en détailLes incitations fiscales aux dons sont-elles efficaces?
ÉCONOMIE Les incitations fiscales aux dons sont-elles efficaces? Gabrielle Fack* et Camille Landais** Cet article est consacré à l estimation de l effet des incitations fiscales en faveur des dons aux
Plus en détailstatique J. Bertrand To cite this version: HAL Id: jpa-00237017 https://hal.archives-ouvertes.fr/jpa-00237017
Quelques théorèmes généraux relatifs à l électricité statique J. Bertrand To cite this version: J. Bertrand. Quelques théorèmes généraux relatifs à l électricité statique. J. Phys. Theor. Appl., 1874,
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 détailWindows Server 2012 R2 Failover de serveurs DHCP
Windows Server 2012 R2 Failover de serveurs DHCP Redondance de DHCP 15 MARS 2015 FOURNIER VINCENT 2BTS SIO I. Présentation La fonctionnalité de failover DHCP est nouvelle depuis Windows Server 2012, elle
Plus en détail