Master 1 de Santé Publique. UE de biostatistique : cours 11. Comparaison de plusieurs distributions. Test de tendance entre plusieurs pourcentages
|
|
- Victoire Faubert
- il y a 6 ans
- Total affichages :
Transcription
1 Master 1 de Santé Publique UE de biostatistique : cours 11 Comparaison de plusieurs distributions Test de tendance entre plusieurs pourcentages M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 1
2 Comparaison d une distribution à une distribution théorique Les sujets de la population se répartissent en k classes Exemple : groupe sanguin, catégorie socio-professionnelle Dans la population, les pourcentages vrais dans chacune des classes sont : P 1,..., P k (avec : k P i = 1. i=1 On veut comparer ces pourcentages à une distribution de référence (ou théorique : Π 1,, Π k (avec toujours : k Π i = 1. i=1 M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 2
3 Hypothèses nulle et alternative : H 0 : P 1 =Π 1 P 2 =Π 2... P k =Π k c est-à-dire : la distribution dans la population est identique à la distribution de référence H 1 : une, au moins, des égalités n est pas vraie Il n y a pas lieu de parler de test unilatéral ou bilatéral. M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 3
4 Valeurs attendues si H 0 est vraie : Echantillon de n sujets représentatif de la population Classes A 1 A 2 A K Effectifs observés Effectifs calculés O 1 O 2 O k n C 1 C 2 C k n C 1 = nπ 1, C 2 = nπ 2,, C k = nπ k On montre que, si n est assez grand : χ 2 = (O 1 C 1 2 C 1 + (O 2 C 2 2 C (O k C k 2 suit une loi de χ 2 à (k-1 ddl C k M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 4
5 Test : On calcule la quantité observée sur l échantillon : χ 0 2 = (O 1 C 1 2 C 1 + (O 2 C 2 2 C (O k C k 2 C k Rejet de H 0, au risque α, si χ χ k 1,α 2 Degré de signification : p = P(χ k 1 χ 0 2 Conditions d application : C i 5 Si un des C i est trop petit, on regroupe la classe correspondante avec une autre. M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 5
6 Exemple Comparaison entre la répartition des groupes sanguins d une population et la répartition de référence : O : 45% A : 44% B : 8% AB : 3% Echantillon : 1000 sujets tirés au sort dans la population H 0 : P 1 = 0,45 ; P 2 = 0,44 ; P 3 = 0,08 ; P 4 = 0,03 H 1 : il y a au moins une différence Groupe sanguin O A B AB Effectifs observés Effectifs calculés C i 5 χ 0 2 = ( ( ( ( = 11,62 avec ddl = k-1 = 3 M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 6
7 Groupe sanguin O A B AB Effectifs observés Effectifs calculés C i 5 χ 0 2 = 11,62 avec ddl = k-1 = 3 α d.d.l. 0,975 0,95 0,90 0,50 0,30 0,20 0,10 0,05 0,025 0,01 0, ,00 0,00 0,02 0,46 1,07 1,64 2,71 3,84 5,02 6,63 10,83 2 0,05 0,10 0,21 1,39 2,41 3,22 4,61 5,99 7,38 9,21 13,82 3 0,22 0,35 0,58 2,37 3,66 4,64 6,25 7,81 9,35 11,34 16,27 Valeur seuil au risque 5% du χ 2 à 3 ddl : 7,81 => Rejet de H 0 (avec p < 1% Conclusion : Dans la population, la répartition des groupes sanguins n est pas : 45%, 44%, 8%, 3% (au risque α = 5%. M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 7
8 Application : test de la normalité d une distribution Durée en jours X de la phase hypothermique du cycle menstruel de 281 femmes. X Effectif X Effectif Nombre de femmes Durée en jours M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 8
9 I. µ et σ 2 connus 30 Nombre de femmes Exemple : µ = 14 et σ 2 = Durée en jours Effectif théorique pour X =10 <=> 9,5 <X< 10,5 Si H 0 est vraie, X = loi normale (µ=14 ; σ 2 =20 9, ,5 14 P(9,5 < X < 10,5 = P < Z < = P(-1,006 < Z < -0,783 = P(Z > -1,006 - P(Z > -0,783 = 0,845-0,785 = 0,06 => effectif théorique : C i = 281 0,06 = 16,9 Tableau de χ 2 : Classe de x < Eff. observé (O i Eff. théorique (Ci 30,9 12,6 16,9 21,1 22,5 23,9 25,3 23,9 22,5 21,1 Classe de x Total Eff. observé (O i Eff. théorique (C i 16,9 12,6 9,8 8,4 4,2 4,2 1,4 1,4 1,4 281 M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 9
10 Tableau de χ 2 : a. initial Classe de x < Eff. observé (O i Eff. théorique (Ci 30,9 12,6 16,9 21,1 22,5 23,9 25,3 23,9 22,5 21,1 Classe de x Total Eff. observé (O i Eff. théorique (C i 16,9 12,6 9,8 8,4 4,2 4,2 1,4 1,4 1,4 281 b. après regroupement Classe de x < Eff. observé (O i Eff. théorique (Ci 30,9 12,6 16,9 21,1 22,5 23,9 25,3 23,9 22,5 21,1 Classe de x Total Eff. observé (O i Eff. théorique (C i 16,9 12,6 9,8 8,4 12,6 281 χ 0 2 = 87,6 avec 14 ddl Valeur seuil à 5% de χ 2 à 14 ddl : 23,69 Conclusion : On rejette l hypothèse d une distribution normale de moyenne 14 et de variance 20. M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 10
11 II. µ et σ 2 inconnus Même chose en remplaçant µ et σ 2 par m et s 2 et en enlevant 2 ddl supplémentaires au χ 2. m = 15,99 s 2 = 31,46 Tableau de χ 2 : Classe de x < Eff. observé (O i Eff. théorique (Ci 25,3 9,8 11,2 12,6 15,5 18,3 18,3 19,7 19,7 19,7 19,7 Classe de x Total Eff. observé (O i Eff. théorique (C i 16,9 15,5 12,6 11,2 9,8 7,0 5,6 4,2 2,8 4,2 281 χ 0 2 = 82,7 avec =16 ddl Valeur seuil à 5% de χ 2 à 16 ddl : 26,30 Conclusion : On rejette l hypothèse que la distribution de X est normale M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 11
12 Comparaison de plusieurs répartitions observées k classes de sujets : A1,, Ak p populations : B 1,, B p P ij = pourcentage vrai de sujets dans la classe j de la population i A 1 A 2 A j A k B 1 P 11 P 12 P 1k 1(=100% B 2 P 21 P 22 P 2k 1 1 B i P ij 1 1 B p P p1 P p2 P pk 1 M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 12
13 A 1 A 2 A j A k B 1 P 11 P 12 P 1k 1 B 2 P 21 P 22 P 2k 1 1 B p P p1 P p2 P pk 1 Hypothèses testées H 0 : P 11 =P 21 =...=P p1 P 12 =P 22 =...=P p2... P 1k =P 2k =...=P pk la répartition des classes A j est identique dans les p les populations H 1 : une, au moins, des égalités n est pas vraie. Il n y a pas lieu de parler de test unilatéral ou bilatéral. M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 13
14 Valeurs attendues si H 0 est vraie Dans chacune des populations, on tire au sort un échantillon de n i sujets. A 1 A 2 A j A k B 1 O 11 (C 11 O 12 (C 12 O 1k (C 1k n 1 B 2 O 21 (C 21 O 22 (C 22 O 2k (C 2k n 2 B i O ij (C ij n i B p O p1 O p2 O pk (C p1 (C p2 (C pk m 1 m 2 m j m k n n p Le même raisonnement que pour le tableau de χ 2 à 4 cases conduit à : C ij = n i m j n M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 14
15 B 1 O 11 (C 11 B 2 O 21 (C 21 A 1 A 2 A k O 12 (C 12 O 22 (C 22 O 1k (C 1k O 2k (C 2k n 1 n 2 B p O p1 O p2 O pk (C p1 (C p2 (C pk m 1 m 2 m k n n p Test On montre que, si H o est vraie (et si n est assez grand : χ 2 = ( O ij C ij 2 = i,j C ij ( O C 2 C suit une loi de χ 2 avec (p-1 (k-1 ddl M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 15
16 On calcule la quantité observée sur l échantillon : ( O C 2 χ 2 0 = C Rejet de H o, au risque α, si χ χ (p 1(k 1;α 2 Degré de signification : p = P(χ (p 1(k 1;α χ 0 2 Condition d application : C ij 5 Si un des C ij est inférieur à 5, on regroupe deux lignes ou deux colonnes (ou plus de deux si nécessaire à condition que cela ait un sens M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 16
17 Exemple 1 1. Artisan 15 (11,7 2. Cadre 12 (12,3 3. Ouvrier 45 (46,3 4. Autre 28 (29,7 Ville A B C 12 (11,7 6 (12,3 59 (46,3 23 (29,7 8 (11,7 19 (12,3 35 (46,3 38 (29, Total Hypothèses testées : H o : P 1A = P 1B = P 1C P 2A = P 2B = P 2C P 3A = P 3B = P 3C P 4A = P 4B = P 4C H 1 : il y a au moins une différence M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 17
18 Artisan 15 (11,7 Cadre 12 (12,3 Ouvrier 45 (46,3 Autre 28 (29,7 Ville A B C 12 (11,7 6 (12,3 59 (46,3 23 (29,7 8 (11,7 19 (12,3 35 (46,3 38 (29, Total C ij 5 χ 0 2 = (15 11,72 11, (38 29,72 29,7 = 19,2 ddl = (3-1(4-1 = 6 -> valeur seuil de χ2 = 12,59 p < 1% Conclusion : la répartition des CSP est significativement différente entre les villes. Mais : interprétation plus détaillée difficile. M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 18
19 Exemple 2 Préma 89 (73,50 Non préma 1411 (1426,50 Année (74, (1450,27 78 (76, (1486,41 70 (78, (1519,69 65 (79, (1550, Total % préma. 5,9% 5,3% 5,0% 4,4% 4,0% La répartition préma / non préma varie-t-il entre les années? H o : H 1 : P 11 = = P 15 P 1i = % préma année i P 21 = = P 25 P 2i = % non préma année i il y a au moins une différence Comme P 2i = 1-P 1i, cela équivaut à : Le taux de prématurité varie-t-il entre les années? H o : H 1 : P 1 = = P 5 P i = % préma année i il y a au moins une différence M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 19
20 Préma 89 (73,50 Non préma 1411 (1426,50 Année (74, (1450,27 78 (76, (1486,41 70 (78, (1519,69 65 (79, (1550, Total % préma. 5,9% 5,3% 5,0% 4,4% 4,0% H o : P 1 = = P 5 H 1 : il y a au moins une différence C ij 5 χ 0 2 = (89 73,502 73, ( , ,13 ddl = (5-1(2-1 = 4 (=> valeur seuil = 9,49 = 7,85 La différence est non significative : on ne met pas en évidence de différence entre les taux de prématurité des 5 années. M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 20
21 M+ 2 (4,5 M- 7 (4,5 Exemple 3 Petits échantillons Age (7 (7 17 (16,5 16 (16,5 26 (22 18 ( En regroupant les deux premières colonnes : M+ 7 (11,5 M- 16 (11,5 Age (16,5 16 (16,5 26 (22 18 ( Les C ij sont tous 5 χ 0 2 = (7 11,52 11, ( = 5,01 à 2 ddl non significatif M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 21
22 Si les colonnes avaient été des catégories socioprofessionnelles, le regroupement n aurait pas eu de sens. Par exemple : CSP Artisan Cadre Ouvrier Autre 5 M+ 2 (4,5 M- 7 (4,5 9 (7 (7 17 (16,5 16 (16,5 26 (22 18 ( Il n y a pas alors de solution simple M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 22
23 Test de tendance entre plusieurs pourcentages Préma 89 (73,50 Non préma 1411 (1426,50 Année (74, (1450,27 78 (76, (1486,41 70 (78, (1519,69 65 (79, (1550, Total % préma. 5,9% 5,3% 5,0% 4,4% 4,0% Hypothèses testées H o : P 1 = = P k H 1 : les pourcentages de préma varient linéairement avec les valeurs de l'année X Le χ 2 habituel ne permet pas de répondre correctement à la question. Il faudrait une sorte de régression du pourcentage de malades en fonction de l'année X. M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 23
24 Valeurs de X x 1 x 2 x j x k Total M+ O 11 O 12 O 1j O 1k m 1 M- O 21 O 22 O 2j O 2k m 2 Total n 1 n 2 n j n k n H o : P 1 = = P k H 1 : les pourcentages de malades varient linéairement avec les valeurs de X Les valeurs attendues si H o est vraie sont les mêmes que pour le χ2 ordinaire (car H o est identique : C ij = n im j n On montre que, si H o est vraie, χ 0 2 = ( n 3 x i O 1i C 1i m 1 m 2 n n i x 2 i n i x i 2 ( 2 suit une loi de χ 2 à 1 ddl. Conditions d application : C ij 5 On montre que ce test est exactement celui de la pente de la régression de Y (0 / 1 (M - / M + en fonction de X. M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 24
25 Exemple Année X Préma 89 (73,50 Non préma 1411 (1426,50 81 (74, (1450,27 78 (76, (1486,41 70 (78, (1519,69 65 (79, (1550, Total % préma. 5,9% 5,3% 5,0% 4,4% 4,0% C ij 5 χ 0 2 = x i ( n 3 x i O 1i C 1i m 1 m 2 n n i x 2 i n i x i ( O 1i C 1i 2 ( (89 73, = +4 (65 79,87 n i x 2 i = = = ( 75,32 2 M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 25
26 Année X Préma 89 (73,50 Non préma 1411 (1426,50 81 (74, (1450,27 78 (76, (1486,41 70 (78, (1519,69 65 (79, (1550, Total % préma. 5,9% 5,3% 5,0% 4,4% 4,0% C ij 5 χ 0 2 = ( 75, = 2, = 7,79 avec 1 ddl +15 0, Il y a donc une tendance significative (p < 1%. Les données permettent de préciser que la tendance est dans le sens d une diminution du pourcentage de prématurés avec le temps. M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 26
27 Attention : le choix des valeurs de X peut parfois contenir une part d arbitraire. NF 1-9 cig/j cig/j 20 cig/j x M M % M + 2,4% 2,5% 3,0% 5,2% X 2 χ 0 0, 1, 2, 3 6,40 0, 5, 15, 30 7,84 0, 1, 10, 20 7,94 0,100,101,102 2,03 M1 de Santé Publique Biostatistique - Cours 10 - Comparaison de plusieurs distributions 27
Chapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailTests 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 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 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 détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en 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 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 détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en 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 détailTESTS D HYPOTHÈSE FONDÉS SUR LE χ². http://fr.wikipedia.org/wiki/eugénisme
TESTS D HYPOTHÈSE FONDÉS SUR LE χ² http://fr.wikipedia.org/wiki/eugénisme Logo du Second International Congress of Eugenics 1921. «Comme un arbre, l eugénisme tire ses constituants de nombreuses sources
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailRésultats d Etude. L étude de marché. Résultats d Etude N 1889 : Conciergerie privée. Testez la fiabilité de votre projet.
Résultats d Etude L étude de marché Testez la fiabilité de votre projet 1 Sommaire : Introduction... 4 Synthèse... 6 PAGE 1 :... 7 Question 1/13... 7 Vous vivez :... 7 PAGE 2 :...10 Question 2/13...10
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 détailPratique de l analyse de données SPSS appliqué à l enquête «Identités et Capital social en Wallonie»
Centre de recherche en démographie et sociétés UCL/IACCHOS/DEMO Pratique de l analyse de données SPSS appliqué à l enquête «Identités et Capital social en Wallonie» 1 2 3+ analyses univariées Type de variables
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en 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 détail4. Résultats et discussion
17 4. Résultats et discussion La signification statistique des gains et des pertes bruts annualisés pondérés de superficie forestière et du changement net de superficie forestière a été testée pour les
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 détailT de Student Khi-deux Corrélation
Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes
Plus en détailSTATISTIQUES. UE Modélisation pour la biologie
STATISTIQUES UE Modélisation pour la biologie 2011 Cadre Général n individus: 1, 2,..., n Y variable à expliquer : Y = (y 1, y 2,..., y n ), y i R Modèle: Y = Xθ + ε X matrice du plan d expériences θ paramètres
Plus en détailBureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr
Dominique Muller Laboratoire Inter-universitaire de Psychologie Bureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr Supports de cours : webcom.upmf-grenoble.fr/lip/perso/dmuller/m2r/acm/
Plus en détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en détailESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring
ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring Les méthodes d évaluation du risque de crédit pour les PME et les ménages Caractéristiques Comme les montants des crédits et des
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en 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 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 détailLe chi carré. Le sommaire. Approche quantitative
Approche quantitative Le chi carré Les objectifs pédagogiques Définir le test du chi carré Déterminer la nature des données propres au chi carré Savoir calculer le chi carré Savoir déterminer les fréquences
Plus en détailAnnée Universitaire 2013-2014. 1 ère année de Master Droit Mention Droit Privé 1 er semestre. 1 er SEMESTRE 8 matières CM TD COEFF ECTS.
Année Universitaire 201-2014 1 ère année de Master Droit Mention Droit Privé 1 er semestre 1 er SEMESTRE 8 matières CM TD COEFF ECTS Unité 1 1 TD obligatoire Droit civil (les Sûretés) Unité 2-1 TD au choix
Plus en détailProjet de décision unilatérale instituant (ou régularisant) un régime collectif complémentaire obligatoire couvrant le risque
Papier Sté Date : Projet de décision unilatérale instituant (ou régularisant) un régime collectif complémentaire obligatoire couvrant le risque La direction de l entreprise : Dont le siège social est situé
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 détailMODELE A CORRECTION D ERREUR ET APPLICATIONS
MODELE A CORRECTION D ERREUR ET APPLICATIONS Hélène HAMISULTANE Bibliographie : Bourbonnais R. (2000), Econométrie, DUNOD. Lardic S. et Mignon V. (2002), Econométrie des Séries Temporelles Macroéconomiques
Plus en détailDe nombreux composés comportant le squelette aryléthanolamine (Ar-CHOH-CH2-NHR) interfèrent avec le
[E1-2007S] pp75 (40 points) Chimie Thérapeutique - Pharmacologie De nombreux composés comportant le squelette aryléthanolamine (Ar-CHOH-CH2-NHR) interfèrent avec le système adrénergique. Leur profil d
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 détailCours 9 : Plans à plusieurs facteurs
Cours 9 : Plans à plusieurs facteurs Table des matières Section 1. Diviser pour regner, rassembler pour saisir... 3 Section 2. Définitions et notations... 3 2.1. Définitions... 3 2.2. Notations... 4 Section
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailCALCUL D UN SCORE ( SCORING) Application de techniques de discrimination LES OBJECTIFS DU SCORING
CALCUL D UN SCORE ( SCORING) Application de techniques de discrimination LES OBJECTIFS DU SCORING SÉLECTION DES RISQUES PRÉVISION DES DÉFAUTS SUIVI ET CONTRÔLE Pierre-Louis GONZALEZ Différents types de
Plus en détailLicence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015.
Licence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015. Thèmes des séances de TD Thème n.1: Tableaux statistiques et représentations graphiques. Thème
Plus en détailChapitre 4 : Régression linéaire
Exercice 1 Méthodes statistiques appliquées aux sciences sociales (STAT-D-203) Titulaire : Catherine Vermandele Chapitre 4 : Régression linéaire Le diplôme de Master of Business Administration ou MBA est
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 détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
Plus en détailDirection de la recherche parlementaire
Mini bulletin MR-105F LES CARTES DE CRÉDIT À FAIBLE TAUX D INTÉRÊT : UNE INNOVATION Terrence J. Thomas Division de l économie Le 27 janvier 1993 Bibliothèque du Parlement Library of Parliament Direction
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 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 détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailSPECIFICATION DES ECHANGES DE DONNEES INFORMATISES (E.D.I.)
SPECIFICATION DES ECHANGES DE DONNEES INFORMATISES (E.D.I.) Dernière mise à jour : octobre 2013 Ce document a pour objectif de décrire ce que l OPCA (OPCA 3+) attend du fichier à transmettre par l adhérent.
Plus en détailTests statistiques et régressions logistiques sous R, avec prise en compte des plans d échantillonnage complexes
, avec prise en compte des plans d échantillonnage complexes par Joseph LARMARANGE version du 29 mars 2007 Ce cours a été développé pour une formation niveau M2 et Doctorat des étudiants du laboratoire
Plus en détailOSGOODE HALL LAW SCHOOL Université York MÉMOIRE PRIVILÉGIÉ ET CONFIDENTIEL
OSGOODE HALL LAW SCHOOL Université York MÉMOIRE PRIVILÉGIÉ ET CONFIDENTIEL À : &' 1$,'6 M. Richard Drouin, O.C., c.r. Président, Commission d examen sur la rémunération des juges 2CVTKEM,/QPCJCP DATE :
Plus en détailChapitre 2 Introduction aux objectifs des coûts. Pr. Zoubida SAMLAL-Doctorante en Risk Management MBA, CFA
Chapitre 2 Introduction aux objectifs des coûts Pr. Zoubida SAMLAL-Doctorante en Risk Management MBA, CFA Objectif du chapitre Faire la différence entre les coûts et les charges Définir les inducteurs
Plus en détailDEVELOPPEMENT ET MAINTENANCE DE LOGICIEL: OUTIL DE PILOTAGE
DEVELOPPEMENT ET MAINTENANCE DE LOGICIEL: OUTIL DE PILOTAGE Développement et maintenance de logiciel Automne 2006 François-Xavier RIU Thomas POUPART Seng LAO Zhe WU SOMMAIRE Introduction Introduction INTRODUCTION
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 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 détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailIntroduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailNouveau Barème W.B.F. de points de victoire 4 à 48 donnes
Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes Pages 4 à 48 barèmes 4 à 48 donnes Condensé en une page: Page 2 barèmes 4 à 32 ( nombre pair de donnes ) Page 3 Tous les autres barèmes ( PV de
Plus en détailBaromètre Union des Maisons Françaises
Baromètre Union des Maisons Françaises Juillet 2010 vague 8 2, rue de Choiseul CS 70215 75086 Paris Cedex 02 Tél. : (33) 01 44 94 40 00 Fax : (33) 01 44 94 40 01 www.csa.eu SA au capital de 1 571 600 Siren
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailLagrange, où λ 1 est pour la contrainte sur µ p ).
Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i
Plus en détailUne variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants)
CIVILITE-SES.doc - 1 - Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants) 1 PRÉSENTATION DU DOSSIER CIVILITE On s intéresse
Plus en 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 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 détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailLA MESURE DE PRESSION PRINCIPE DE BASE
Page 1 / 6 LA MESURE DE PRESSION PRINCIPE DE BASE 1) Qu est-ce qu un sensor de pression? Tout type de sensor est composé de 2 éléments distincts : Un corps d épreuve soumit au Paramètre Physique φ à mesurer
Plus en détailDEFINTIONS ET FORMULES
DEFINTIONS ET FORMULES Comptabilité financière (I) BILAN COMPTABLE : Photographie à un moment t de la situation financière. tableau à 2 colonnes : Actif (emploi des ressources disponibles) et Passif (ressources,
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailModèle de décision unilatérale instituant un système de garanties collectives complémentaire obligatoire frais de santé
Modèle de décision unilatérale instituant un système de garanties collectives complémentaire obligatoire frais de santé La direction de l entreprise.. (forme juridique et dénomination sociale) dont le
Plus en détailLes intentions de vote pour les élections régionales en Midi-Pyrénées- Languedoc-Roussillon
Les intentions de vote pour les élections régionales en Midi-Pyrénées- Languedoc-Roussillon Ifop pour Midi Libre, Centre Presse, La Dépêche du Midi et L Indépendant JF/EP N 113175 Contacts Ifop : Jérôme
Plus en détailDéveloppement de lois et de structures de réglages destinées à la téléopération avec retour d effort
Développement de lois et de structures de réglages destinées à la téléopération avec retour d effort Thomas Delwiche, Laurent Catoire et Michel Kinnaert Faculté des Sciences Appliquées Service d Automatique
Plus en détailExercice 6 Associer chaque expression de gauche à sa forme réduite (à droite) :
Eercice a Développer les epressions suivantes : A-(-) - + B-0(3 ²+3-0) -0 3²+-0 3+00 B -30²-30+00 C-3(-) -3 + 3-3²+6 D-(-) + ² Eerciceb Parmi les epressions suivantes, lesquelles sont sous forme réduite?
Plus en détailRégression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr
Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R
Plus en détailSommaire. - 1 - La méthodologie... 1. - 2 - Les résultats de l'étude... 4
FM N 111528 Contact Ifop : Frédéric Micheau Département Opinion et Stratégies d'entreprise frederic.micheau@ifop.com 35 rue de la gare 75019 Paris Tél : 01 45 84 14 44 Fax : 01 45 85 59 39 pour Les Français
Plus en détailEquipement. électronique
MASTER ISIC Les générateurs de fonctions 1 1. Avant-propos C est avec l oscilloscope, le multimètre et l alimentation stabilisée, l appareil le plus répandu en laboratoire. BUT: Fournir des signau électriques
Plus en détailModèle de calcul des paramètres économiques
Modèle de calcul des paramètres économiques selon norme SIA 480 Calcul de rentabilité pour les investissements dans le bâtiment Version 3.2 1. Introduction 1.1 Version Excel Le modèle de calcul a été développé
Plus en détailGUIDE D UTILISATION ODT
GUIDE D UTILISATION ODT Chapitre 1 : Observatoire de la dette I- Données générales sur la dette Chiffre d affaires Indiquer le chiffre d affaires de l EPS. Cette donnée correspond aux recettes générées
Plus en détailUne étude de différentes analyses réalisées par le BIT
Association internationale de la sécurité sociale Quinzième Conférence internationale des actuaires et statisticiens de la sécurité sociale Helsinki, Finlande, 23-25 mai 2007 Comparaison des hypothèses
Plus en détailCode AFEP-MEDEF Un an après les nouvelles dispositions
Code AFEP-MEDEF Un an après les nouvelles dispositions Mai 2014 Sommaire 1. Les évolutions de juin 2013 2 1.1 L origine de l évolution 1.2 Sociétés concernées 1.3 Principales évolutions du code 2. Les
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailL Observatoire Crédit Logement / CSA Observatoire du Financement des Marchés Résidentiels. Note de méthode
L Observatoire Crédit Logement / CSA Observatoire du Financement des Marchés Résidentiels Note de méthode La place qu occupe Crédit Logement dans le marché des crédits immobiliers (hors les rachats de
Plus en détailCOMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES
J. sci. pharm. biol., Vol.9, n - 00, pp. 9-0 EDUCI 00 9 VALLEE POLNEAU S.* DIAINE C. COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES Notre étude visait à comparer les résultats obtenus
Plus en détailProbabilité et Statistique pour le DEA de Biosciences. Avner Bar-Hen
Probabilité et Statistique pour le DEA de Biosciences Avner Bar-Hen Université Aix-Marseille III 2000 2001 Table des matières 1 Introduction 3 2 Introduction à l analyse statistique 5 1 Introduction.................................
Plus en détailRapport de stage. «Travail préparatoire à l estimation du coût d une bonne qualité des eaux de baignade sur le littoral Aquitain»
GRAPE-CEEP Rapport de stage «Travail préparatoire à l estimation du coût d une bonne qualité des eaux de baignade sur le littoral Aquitain» Vallette Jean-Vincent Master II Gestion des Ressources Naturelles
Plus en détailAnalyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9
Analyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9 L analyse de variance à un facteur permet de vérifier, moyennant certaines hypothèses, si un facteur (un critère de classification,
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détailUNIVERSITE DE TOULON UFR FACULTE DE DROIT REGLEMENT D EXAMEN ANNEE 2012/2017 LICENCE DROIT MENTION DROIT GENERAL
UNIVERSITE DE TOULON UFR FACULTE DE DROIT REGLEMENT D EXAMEN ANNEE 01/017 LICENCE DROIT MENTION DROIT GENERAL Les présentes règles s inscrivent dans le cadre réglementaire national défini par les tetes
Plus en détailSynthèse. Loyauté et réciprocité des échanges entre l Union Européenne et les pays tiers. Propositions et axes de réflexion des IEEC
Synthèse Loyauté et réciprocité des échanges entre l Union Européenne et les pays tiers Propositions et axes de réflexion des IEEC Introduction Alors que les marchés internationaux ont toujours été un
Plus en détailCours d initiation à la programmation en C++ Johann Cuenin
Cours d initiation à la programmation en C++ Johann Cuenin 11 octobre 2014 2 Table des matières 1 Introduction 5 2 Bases de la programmation en C++ 7 3 Les types composés 9 3.1 Les tableaux.............................
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 détail