PARAMETRES DE REDUCTION. Cours préparé et présenté par Dr DALI ALI.A Maître assistant en Epidémiologie et Médecine Préventive SEMEP de l EHUO
|
|
- Liliane Leclerc
- il y a 6 ans
- Total affichages :
Transcription
1 PARAMETRES DE REDUCTION Cours préparé et présenté par Dr DALI ALI.A Maître assistant en Epidémiologie et Médecine Préventive SEMEP de l EHUO
2 Paramètres de réduction = statistiques de réduction Valeurs numériques Résumer Caractère quantitatif
3 PARAMETRES DE REDUCTION I.- PARAMETRES DE TENDANCE CENTRALE II.- PARAMETRES DE POSITION III.- PARAMETRES DE DISPERSION
4 PARAMETRES DE REDUCTION I.- PARAMETRES DE TENDANCE CENTRALE II.- PARAMETRES DE POSITION III.- PARAMETRES DE DISPERSION
5 I.- PARAMETRES DE TENDANCE CENTRALE Mesures qui localisent le centre d une distribution: 1.- Moyenne 2.- Mode 3.- Médiane
6 1.- MOYENNE ARITHMETIQUE MOYENNE ARITHMETIQUE SIMPLE M = (somme des xi) / N M = ( xi) / N
7 m = ( xi) / N Variables Effectif total
8 Exemple Calculez la moyenne arithmétique de la série statistique suivante: 3, 3, 3, 3, 4, 4, 5, 5, 5, 5, 7, 9
9 Moyenne arithmétique simple m = ( ) /12 = 56/12 = 4,7.
10 1.- MOYENNE ARITHMETIQUE MOYENNE ARITHMETIQUE PONDEREE Effectif Variable Effectif total
11 Exemple Calculez la moyenne arithmétique pondérée de la série statistique suivante: 3, 3, 3, 3, 4, 4, 5, 5, 5, 5, 7, 9
12 1.- MOYENNE ARITHMETIQUE MOYENNE ARITHMETIQUE PONDEREE M = [ (4*3) + (2*4) + (4*5) ] / 12
13 1.- MOYENNE ARITHMETIQUE MOYENNE ARITHMETIQUE PONDEREE M = [ (4*3) + (2*4) + (4*5) ] / 12 M = 56 / 12 = 4,7
14 Exemple On a relevé le poids de 19 étudiants. L unité de poids retenue est le kilogramme et les résultats sont les suivants: - 76,340-60,400-68,280-57,740-64,990-83,450-79,650-64,100-72,880-69,120-59,790-61,820-61,820-76,360-66,330-52,990-70,560-70,130-65,450 Calculez la moyenne arithmétique simple?
15 la moyenne arithmétique simple = kg
16 Tableau 1. Répartition du poids de 19 étudiants Poids (xi) Centre de classe (xi) Effectif (ni) % [50 55 [ [55 60 [ [60 65 [ [65 70 [ [70 75 [ [75 80 [ [80 85 [ 52,5 57,5 62,5 67,5 72,5 77,5 82, ,3 10,5 26,3 21,1 15,8 15,8 5,3 Total Total Total N Total = ,0 Total
17 Calculez la moyenne arithmétique pondérée du poids de 19 étudiants sur la base des données groupées en classes?
18 Tableau 1. Répartition du poids de 19 étudiants Poids (xi) Centre de classe (xi) Effectif (ni) % [50 55 [ [55 60 [ [60 65 [ [65 70 [ [70 75 [ [75 80 [ [80 85 [ 52,5 57,5 62,5 67,5 72,5 77,5 82, ,3 10,5 26,3 21,1 15,8 15,8 5,3 Total Total Total N Total = ,0 Total
19 Moyenne arithmétique pondérée M = [ (1*52,5) + (2*57,5) + (5*67,5 ) + (3 * 72,5) + ( 3*77,5) + (1*82,5 ) ] / 19 M = 67,5 kg
20 2.- Mode Appelé également la valeur modale ou dominante est la valeur de la variable (x i ) qui a l effectif (n i ) le plus élevé.
21 2.- Mode Dans la distribution du nombre d épisodes de syndrome grippal parmi 19 personnes, le mode est égal à..
22 Tableau 2. Distribution de 19 malades selon le nombre de syndrome grippal Nombre d épisodes (xi) Effectif (ni) % ,8 Mode , , , ,3 Total ,0
23 2.- Mode Mode peut ne pas exister C est la cas de la série statistique suivante: 4, 12, 20, 34, 80, 112. Lorsque les valeurs de la variable sont réparties en classes Classe modale.
24 Tableau 1. Répartition du poids de 19 étudiants Poids (xi) Centre de classe (xi) Effectif (ni) % [50 55 [ [55 60 [ [60 [ 65[ [ [65 70 [ [70 75 [ [75 80 [ [80 85 [ Total Total Total 52,5 57,5 62,5 67,5 72,5 77,5 82,5 62, N Total = 19 5,3 10,5 26,3 21,1 15,8 15,8 5,3 100,0 Total
25 3.- Médiane C est la valeur de la variable qui se trouve au milieu de la série quand les données observées sont rangées par ordre croissant ou décroissant.
26 Exemple Reprenons la série du poids de 19 étudiants: - 76,340-60,400-68,280-87,740-64,990-83,450-79,650-64,100-72,880-69,120-59,790-61,820-61,820-76,360-66,330-52,990-70,560-70,130-65,450 Déterminez la médiane?
27 Si le nombre des valeurs est impair: la médiane correspond (N+1)/2.
28 Classement par ordre hiérarchique Rangeons les valeurs par ordre croissant: - 52,990-61,820-65,450-70,130-76,360-57,740-61,820-66,330-70,560-79,650-59,790-64,100-68,280-72,880-83,450-60,400-64,990-69,120-76,340
29 Si le nombre des valeurs est pair: la médiane correspond à l une des valeurs comprises entre les deux valeurs centrales observées. On choisit généralement leur demi-somme. Il est plus judicieux de parler d intervalle médian.
30 Classement par ordre hiérarchique du poids de 18 étudiants Rangeons les valeurs par ordre croissant: - 52,990-61,820-65,450-70,130-76,360-57,740-61,820-66,330-70,560-79,650-59,790-64,100-68,280-72,880-60,400-64,990-69,120-76,340
31 PARAMETRES DE REDUCTION I.- PARAMETRES DE TENDANCE CENTRALE II.- PARAMETRES DE POSITION III.- PARAMETRES DE DISPERSION
32 II.- PARAMETRES DE POSITION
33 QUANTILES 1.- QUARTILES 2.- DECILES 3.- PERCENTILES
34 1.- QUARTILES Les quartiles divisent la série statistique en quatre parties égales comprenant le même nombre de sujets. Deuxième quartile Médiane
35 1.- QUARTILES Si à titre d exemple notre série statistique est composée de 100 sujets. Le 1 er quartile (quartile inférieur) est la valeur de la variable du 25 ème sujet sur 100. Le 2 ème quartile (médiane) est la valeur de la variable du 50 ème sujet sur 100. Le 3 ème quartile (quartile supérieur) est la valeur de la variable du 75 ème sujet sur 100.
36 1.- QUARTILES
37 1.- QUARTILES - Dans une série de 60 cas: Le rang du 1 er quartile sera: 15 Le rang du 2 ème quartile sera: 30 Le rang du 3 ème quartile sera :45 - Une fois le rang déterminé, on recherche la valeur correspondante de la variable.
38 2.- DECILES Les déciles divisent la série statistique en 10 parties égales comprenant le même nombre de sujets. Ils sont au nombre de 9.
39 2.- DECILES
40 2.- DECILES Le 1 er décile est la valeur de la variable du 10 ème sujet sur 100. Le 2 ème décile est la valeur de la variable du 20 ème sujet sur 100,etc. Le 5 ème décile se confond avec le 2 ème quartile et la médiane.
41 3.- PERCENTILES=CENTILES Ils sont au nombre de 99. Divisent la série statistique en 100 parties. Le 30 ème percentile est la valeur de la variable du 30 ème sujet sur les 100 sujets.
42 PARAMETRES DE REDUCTION I.- PARAMETRES DE TENDANCE CENTRALE II.- PARAMETRES DE POSITION III.- PARAMETRES DE DISPERSION
43 III.- PARAMETRES DE DISPERSION
44 Considérons les deux séries suivantes: - Série 1: 15, 20, 25, 30, 35 - Série 2: 5, 15, 25, 35, 45 m = 25 m = 25
45 Les valeurs de la série 2 sont plus dispersées autour de la moyenne
46 1.- VARIANCE En cas de données individuelles, la variance s écrit: S 2 = [somme des (x i - m) 2 ] / (N 1)
47 1.- VARIANCE En cas de données groupées, la variance s écrit: S 2 = [somme des n i (x i - m) 2 ] / (N 1)
48 2.- Ecart type L écart type est tout simplement la racine carré de la variance : S = S 2
49 Calculez les deux variances des deux séries précédentes S 2 (Série1) = [(15-25) 2 + (20-25) 2 + (25-25) 2 + (30-25) 2 + (35-25) 2 ] / (5-1) = 62,5. S 2 (série 2) = [(5-25) 2 + (15-25) 2 + (25-25) 2 + (35-25) 2 + (45-25) 2 ] / (5-1) = 250,0.
50 Les écarts types correspondants sont: S (série 1) = 62,5 = 7,9 S (série 2) = 250,0 = 15.8 La série 2 est bien évidemment plus dispersée autour de la moyenne. Le calcul de la variance et de l écart type permet de quantifier cette dispersion
51 LA LOI NORMALE
52 Exercice Soit la série statistique suivante relative à la distribution de l âge d un groupe de 21 patients hospitalisés au niveau du service de pédiatrie: 2, 2, 3, 4, 4, 4, 5, 5, 7, 7, 7, 7, 8, 8, 9, 9, 10, 10, 11, 12, 14 ans.
53 Questions 1.- Déterminez le type de la variable étudiée ainsi que son échelle de classification? 2.- Déterminez les principaux paramètres de tendance centrale: Mode, moyenne, médiane? 3. Déterminez la variance et l écart type? 4.- Représentez graphiquement la variable étudiée?
54 Paramètres de tendance centrale Mode = 7 Médiane = 7 Moyenne = 7,048 Paramètres de dispersion Variance = 10,948 Ecart type = 3,309 Représentation graphique Histogramme
55 Tableau : Distribution des patients hospitalisés au niveau du service de pédiatrie selon l âge Tranche d âge Xi ni % [ 0 4 [ % [ 4 8 [ % [8-12[ % [12-16[ % Total %
56 Histogramme: Répartition des patients hospitalisés au niveau du service de pédiatrie selon l âge Effectif 9 7 Polygone de fréquence Age
57 Bibliographie Bezzaoucha. A: Epidémiologie et Biostatistique à l usage des étudiants en sciences médicales. Office des Publications Universitaire. Alger, 1996.
58 Merci
Séries 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 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 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 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 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 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 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 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 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 détailStatistique : 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 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 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 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 - 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 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 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 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 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 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 détailNote de service À : De :
Note de service À : De : Tous les Fellows, affiliés, associés et correspondants de l Institut canadien des actuaires et autres parties intéressées Jim Christie, président Conseil des normes actuarielles
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 détailRésumé du Cours de Statistique Descriptive. Yves Tillé
Résumé du Cours de Statistique Descriptive Yves Tillé 15 décembre 2010 2 Objectif et moyens Objectifs du cours Apprendre les principales techniques de statistique descriptive univariée et bivariée. Être
Plus en détailÉtudes. Coût de la chirurgie d une hernie discale
Études Coût de la chirurgie d une hernie discale 1 Table des matières 03 Objectif 04 Introduction 05 Données et méthodologie 06 Caractéristiques des hospitalisations 09 Profil de la population hospitalisée
Plus en détailClasse de première L
Classe de première L Orientations générales Pour bon nombre d élèves qui s orientent en série L, la classe de première sera une fin d étude en mathématiques au lycée. On a donc voulu ici assurer à tous
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en 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 détailUNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand
UNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand Service méthodes statistiques Institut National d Etudes Démographiques (Ined)
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailPRÉSENTATION DE L OFFRE
PRÉSENTATION DE L OFFRE CMS 5.x CONTRÔLE DE LA MASSE SALARIALE Les informations contenues dans ce document font partie intégrante de la solution CMS et sont protégées en France par le code de la propriété
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 détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en 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 détailCabinet d avocat Leduc-Novi. Indemnisation du préjudice corporel des. personnes victimes d un accident de la route
Cabinet d avocat Leduc-Novi Indemnisation du préjudice corporel des personnes victimes d un accident de la route Aout 2013 1. Avant-propos Permettre à tout justiciable de connaitre clairement et facilement
Plus en détailMÉTHODOLOGIE PROJET SYSTÈME D INFORMATION DÉCISIONNEL BI - BUSINESS INTELLIGENCE. En résumé :
En résumé : Phase I : collecte des besoins I - Expression des besoins II - Étude de faisabilité III - Définition des priorités IV - Rédaction puis validation du cahier des charges Phase II : implémentation
Plus en détailSTA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes
STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités
Plus en 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 détailTable des matières. Avant-propos. Chapitre 2 L actualisation... 21. Chapitre 1 L intérêt... 1. Chapitre 3 Les annuités... 33 III. Entraînement...
III Table des matières Avant-propos Remerciements................................. Les auteurs..................................... Chapitre 1 L intérêt............................. 1 1. Mise en situation...........................
Plus en détailÉtude sur les taux de revalorisation des contrats individuels d assurance vie au titre de 2013 n 26 mai 2014
n 26 mai 2014 Étude sur les taux de revalorisation des contrats individuels d assurance vie au titre de 2013 Sommaire 1.INTRODUCTION 4 2.LE MARCHÉ DE L ASSURANCE VIE INDIVIDUELLE 6 2.1.La bancassurance
Plus en détailStatistique descriptive. Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne. Notes de cours
Statistique descriptive Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne Notes de cours Dernière mise à jour le mercredi 25 février 2009 1 ère année de Licence Aix & Marseille
Plus en détailMATHÉMATIQUES. Mat-4104
MATHÉMATIQUES Pré-test D Mat-404 Questionnaire e pas écrire sur le questionnaire Préparé par : M. GHELLACHE Mai 009 Questionnaire Page / 0 Exercice ) En justifiant votre réponse, dites quel type d étude
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 détailL exclusion mutuelle distribuée
L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué
Plus en détailInégalités de salaires et de revenus, la stabilité dans l hétérogénéité
Inégalités de salaires et de revenus, la stabilité dans l hétérogénéité Gérard Cornilleau Des inégalités contenues, des classes moyennes fragiles Le débat sur les salaires n est plus aujourd hui dominé
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 détailUtilisation du Logiciel de statistique SPSS 8.0
Utilisation du Logiciel de statistique SPSS 8.0 1 Introduction Etude épidémiologique transversale en population générale dans 4 pays d Afrique pour comprendre les différences de prévalence du VIH. 2000
Plus en détailTypologie des contrats les plus souscrits auprès des complémentaires santé en 2006
études résultats et N 663 octobre 2008 Typologie des contrats les plus souscrits auprès des complémentaires santé en 2006 L enquête annuelle de la DREES auprès des mutuelles, des institutions de prévoyance
Plus en détailSOMMAIRE I. INTRODUCTION 4 II. SOURCES D INFORMATION 5
SOMMAIRE I. INTRODUCTION 4 II. SOURCES D INFORMATION 5 2.1. ETUDES REALISEES PAR LES SERVICES DES CAISSES D ASSURANCE MALADIE 5 2.2. ANALYSE DE LA LITTERATURE 5 2.3. ANALYSE DES VENTES 6 2.4. COMPARAISONS
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailINFORMATIQUE : LOGICIELS TABLEUR ET GESTIONNAIRE DE BASES DE DONNEES
MINISTERE DE LA COMMUNAUTE FRANCAISE ADMINISTRATION GENRALE DE L ENSEIGNEMENT ET DE LA RECHERCHE SCIENTIFIQUE ENSEIGNEMENT DE PROMOTION SOCIALE DE REGIME 1 DOSSIER PEDAGOGIQUE UNITE DE FORMATION INFORMATIQUE
Plus en détailApplication des courbes ROC à l analyse des facteurs pronostiques binaires
Application des courbes ROC à l analyse des facteurs pronostiques binaires Combescure C (1), Perneger TV (1), Weber DC (2), Daurès J P (3), Foucher Y (4) (1) Service d épidémiologie clinique et Centre
Plus en détailLES SALAIRES DES CADRES EN POSTE
LES SALAIRES DES CADRES EN POSTE les étus l emploi cadre - octobre 2007 PHOTOGRAPHIE DES SALAIRES DES CADRES QUELS PROFILS POUR QUELS SALAIRES? ÉLÉMENTS DÉTERMINANTS DU SALAIRE DES CADRES Enquête auprès
Plus en détailà moyen Risque moyen Risq à élevé Risque élevé Risq e Risque faible à moyen Risq Risque moyen à élevé Risq
e élevé Risque faible Risq à moyen Risque moyen Risq à élevé Risque élevé Risq e Risque faible à moyen Risq Risque moyen à élevé Risq L e s I n d i c e s F u n d a t a é Risque Les Indices de faible risque
Plus en détailINDICATIONS DE L AMYGDALECTOMIE CHEZ L ENFANT
INDICATIONS DE L AMYGDALECTOMIE CHEZ L ENFANT I. PROMOTEUR Agence nationale d accréditation et d évaluation en santé. II. SOURCE Recommandations de pratique clinique de 1997 sur les «Indications de l adénoïdectomie
Plus en détailLambotte J.-M. Géographe-Urbaniste. Chercheur au Lepur ULg. Semaine Universitaire Luxembourgeoise de l'environnement - Libramont - 15-11-2011
Aménagement rural et développement durable Dépendance à la voiture en milieu rural : le cas de la Province du Luxembourg Constats, enjeux et pistes de solutions à moyen-long terme via l aménagement du
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 détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailQui épargne? Qui désépargne?
Dossier Qui épargne? Qui désépargne? Bertrand Garbinti et Pierre Lamarche* En 2009, la moitié des ménages français ont épargné plus de 13 % de leurs revenus. Les comportements d épargne sont cependant
Plus en détailLe quizz des stats. Xavier Paoletti. Sce de biostatistiques / Inserm U900 Institut Curie
Le quizz des stats Xavier Paoletti Sce de biostatistiques / Inserm U900 Institut Curie Qques questions pour entamer les hostilités 1. Description de la population Pourquoi parler d'âge médian et non moyen?
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailrésultats Les contrats les plus souscrits auprès des complémentaires santé en 2009 N 789 février 2012
études résultats et N 789 février 2012 Les contrats les plus souscrits auprès des complémentaires santé en 2009 L enquête annuelle de la DREES auprès des mutuelles, institutions de prévoyance et sociétés
Plus en détailBiostatistiques : Petits effectifs
Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
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 détailglossaire Appellation commerciale Voir nom de marque.
glossaire Accessibilité financière Le coût d un traitement par rapport au revenu de la population. dans cette enquête, le salaire journalier minimum d un employé non-qualifié du secteur public est comparé
Plus en détailCours d algorithmique pour la classe de 2nde
Cours d algorithmique pour la classe de 2nde F.Gaudon 10 août 2009 Table des matières 1 Avant la programmation 2 1.1 Qu est ce qu un algorithme?................................. 2 1.2 Qu est ce qu un langage
Plus en détailLecture critique et pratique de la médecine
1-00.qxp 24/04/2006 11:23 Page 13 Lecture critique appliquée à la médecine vasculaireecture critique et pratique de la médecine Lecture critique et pratique de la médecine Introduction Si la médecine ne
Plus en détailCombien coûtent vos soins dentaires?
Combien coûtent vos soins dentaires? Enquête nationale MC sur les soins dentaires Alliance nationale des Mutualités chrétiennes 03-04-2014 Research & Development Bram Peters et Pauline van Cutsem Table
Plus en détailEXERCICES - ANALYSE GÉNÉRALE
EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par
Plus en détailÉtablissement des taux d actualisation fondés sur la meilleure estimation aux fins des évaluations de provisionnement sur base de continuité
Ébauche de note éducative Établissement des taux d actualisation fondés sur la meilleure estimation aux fins des évaluations de provisionnement sur base de continuité Commission des rapports financiers
Plus en détaild évaluation de la toux chez l enfant
Validation d un questionnaire d évaluation de la toux chez l enfant Mémoire présenté par Caroline TROCCY Pour l obtention du diplôme de master(e) en kinésithérapie Promoteur: Monsieur G. Reychler Année
Plus en détailOù investir en 2014? Grand colloque sur la gestion des actifs des caisses de retraite
Où investir en 2014? Grand colloque sur la gestion des actifs des caisses de retraite Optimisation de la politique de placement : vers quelles classes d actifs se tourner? Stéphan Lazure Conseiller principal
Plus en détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en détailLa prise en compte des revenus du patrimoine dans la mesure des inégalités
REVENUS / NIVEAUX DE VIE La prise en compte des revenus du patrimoine dans la mesure des inégalités Alexandre Baclet* et Émilie Raynaud** En France, la mesure de référence des inégalités de revenus s appuie
Plus en détailCroissance et vieillissement cellulaires Docteur COSSON Pierre Nb réponses = 81 sur 87. Résultats des questions prédéfinies
Docteur COSSON Pierre Nb réponses = 8 sur 87 A00 8/87 Indicateurs globaux Index global m.= m.=,9 s.=0,. Evaluation générale de cette unité m.=. Sciences médicales de base m.=,. Compétences cliniques m.=,7.
Plus en détailDéveloppements récents de la méthode des scores de la Banque de France
Développements récents de la méthode des scores de la Banque de France Au cours de la décennie quatre-vingt et au début des années quatre-vingt-dix, devant la multiplication des défaillances d entreprises,
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 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 détailLA MESURE EN PSYCHOLOGIE Didier Delignières Université Montpellier I
LA MESURE EN PSYCHOLOGIE Didier Delignières Université Montpellier I 1. THEORIE DE LA MESURE. Puisque les statistiques servent à traiter des données numériques, se pose dans un premier temps le problème
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 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 détailMETHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES
Enseignement du Deuxième Cycle des Etudes Médicales Faculté de Médecine de Toulouse Purpan et Toulouse Rangueil Module I «Apprentissage de l exercice médical» Coordonnateurs Pr Alain Grand Pr Daniel Rougé
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailLe point de vue d une administration hospitalière Inka Moritz, Secrétaire générale
Spécialistes en santé publique? Le point de vue d une administration hospitalière Inka Moritz, Secrétaire générale Le CHUV est l employeur de 10 000 personnes Budget 1,4 milliard de frs 2 1 des 5 Hôpitaux
Plus en détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en détail1 Importer et modifier des données avec R Commander
Université de Nantes 2015/2016 UFR des Sciences et Techniques Département de Mathématiques TP1 STATISTIQUE DESCRIPTIVE Frédéric Lavancier Avant propos Ouvrir l application R Saisir dans la console library(rcmdr)
Plus en détailAnalyse et interprétation des données
8 Analyse et interprétation des données Les données de l enquête peuvent être utilisées pour différents types d analyses aussi bien au niveau national qu au niveau international. Ce chapitre explique comment
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 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 détailÉTUDE. SECTEUR Santé PHARMACIES D OFFICINE. Portrait de branche
ÉTUDE SECTEUR Santé PHARMACIES D OFFICINE Portrait de branche 02 ÉTUDE - mars 2012 Sommaire 03 LES PRINCIPAUX ENSEIGNEMENTS 04 LES SOURCES DE DONNÉES EXPLOITÉES 05 LES PHARMACIES D OFFICINES ET LEURS SALARIÉS
Plus en détailLes très hauts revenus : des différences de plus en plus marquées entre 2004 et 2007
Les très hauts revenus : des différences de plus en plus marquées entre 2004 et 2007 Julie Solard* En 2007, c est à partir de 84 500 euros de revenu déclaré annuel par unité de consommation qu une personne
Plus en détailUtilisation du module «Geostatistical Analyst» d ARCVIEW dans le cadre de la qualité de l air
Etude n 10 Assistance en modélisation (Rapport 3/3) Utilisation du module «Geostatistical Analyst» d ARCVIEW dans le cadre de la qualité de l air Novembre 2004 Convention : 04000087 Giovanni CARDENAS Utilisation
Plus en détailEvaluation de différentes mesures de l inégalité
Département fédéral de l'intérieur DFI Office fédéral de la statistique OFS 20 Situation économique et sociale 2005 Observatoire Universitaire de l Emploi Laboratoire d économie appliquée Evaluation de
Plus en détailQui fait quoi sur internet?
Ans Note d éducation permanente de l ASBL Fondation Travail-Université (FTU) N 2015 8, avril 2015 www.ftu.be/ep Qui fait quoi sur internet? Analyse des inégalités sociales dans l utilisation d internet
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 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 détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en 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 détailLa main au travail : exemple du syndrome du canal carpien
La main au travail : exemple du syndrome du canal carpien 27 Mars 2015 Dr Emilie Chazelle, coordonnateur du programme TMS Institut de veille sanitaire Journées d étude de la Société de Réadaptation du
Plus en détailLa révision des indices du cours du franc suisse, nominaux et réels, pondérés par les exportations
La révision des indices du cours du franc suisse, nominaux et réels, pondérés par les exportations par Robert Fluri et Robert Müller, Direction de la statistique, Banque nationale suisse, Zurich BNS 42
Plus en détail