Chapitre 3 Les indicateurs

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Chapitre 3 Les indicateurs"

Transcription

1 Chaptre 3 Les dcateurs O se place uqueet das le cas d ue varable quattatve. L objectf est de résuer l eseble des observatos par des dcateurs. Il est toujours suffsat de résuer ue sére par u seul dcateur. D'après Guy Brousseau, u odèle dot : représeter correcteet les observatos (pertece), être u résué plus sple que les observatos (coucablté), perettre de recosttuer au eux l'eseble des observatos (fdélté), perettre de copredre les doées, c'est-à-dre de les placer par rapport à des odèles falers, uversels et doc de perettre la coparaso avec d'autres odèles (tellgblté), être accessble au cotrôle athéatque (cosstace).. Les caractérstques de posto ou de tedace cetrale.. Le ode Pour ue varable statstque dscrète, le ode est la valeur la plus fréquete. Lorsque la varable est cotue, o parle de classe odale : c est la classe correspodat «au pc» de l hstograe (G. Saporta), autreet dt c est la classe pour laquelle d est axale. Plus gééraleet, s X est ue varable statstque (resp. aléatore) absoluet cotue de desté f, o appelle ode toute valeur de la varable pour laquelle f est axu. Be etedu, l peut y avor pluseurs valeurs (resp. classes) odales. Exercce Le but de cet exercce est de otrer que la classe odale 'est pas écessareet celle dot l'effectf est le plus grad. La répartto des salares auels, exprés e llers d euros (k ) de 90 eployés d'ue etreprse est doée das le tableau suvat : Salares e k [3 ; 5[ [5 ;6[ [6 ;7[ [7 ;8[ [8 ;0[ [0 ;[ [ ;4[ Effectfs ( ) Tracer l hstograe et déterer la classe odale. d après Itérares e Statstques et Probabltés (Ellpses) 7/47

2 .. Dstaces usuelles das. Pour les autres dcateurs de tedace cetrale, l s agt de résuer l eseble des observatos par ue valeur uérque relatveet proche. La «proxté» se esurat à l ade de dstaces, l est utle de rappeler les dstaces usuelles das. Sot X = ( x, x,..., x ) R. Les dstaces assocées sot : O déft tros ores usuelles : Pour tout ( XY, ) R R : X = x d ( X, Y) = X Y = = = = X x d ( X, Y) X Y (dstace eucldee) X = Max x d ( X, Y) = X Y Pour chacue de ces dstaces, la boule uté das le pla est doée c-après : Dstace d Dstace d Dstace d.3. La oyee.3.. Cas d ue varable dscrète La oyee x d'ue sére statstque est la soe de ses éléets x + x x dvsée par leur obre : x =. S c, c,..., c sot les valeurs dstctes prses par les x et s désge l'effectf de la valeur c, o a : k c k = x = ou ecore x = fc avec f = = La oyee se la dstace d. Cela sgfe que, par les vecteurs "costats" ( aa,,..., a), le vecteur X= ( x, x,..., x) est le plus proche du vecteur X = ( x, x,..., x ) au ses de d. Preuve : Sot A= ( a, a,..., a) = d ( X, A) = ( x a) = f( a) La focto f est du secod degré. 8/47

3 = = f( a) = a a x + x f sera ale pour A= x = x = = Alors f ( x) = d ( X, X) = ( x x) = V( X) Le calcul de f( x) doe alors : = = V ( X) = ( x x) = x ( x) Iterprétato géoétrque = d ( X, A) X A sera u lorsque A est la projecto orthogoale de X sur la drote vectorelle egedrée par (,,...,) X X = V( X) = s où s est l'écrt-type. Proprété : Léarté de la oyee Sot deux séres statstques ( x, x,..., x ) et ( y, y,..., y ) telles que, pour tout de [ ; ], o at y = ax + b. Alors y = ax + b. E partculer, pour a= et b= x, o a y = 0. La ouvelle sére a ue oyee ulle. O dt qu'o a cetré les doées x. Proprété : Regroupeet ou partto Sot deux séres statstques ( x, x,..., x ) et ( y, y,..., y ) de oyees respectves x et y. Sot ( z, z,..., z ) la sére obteue par regroupeet des deux + séres précédetes et z sa oyee. x + y Alors z =. + La preuve est édate. Moyee élaguée La oyee est sesble aux valeurs extrêes. Pour paller cet covéet, o peut décder de e pas ter copte des valeurs extrêes das le calcul de la oyee. Sot (x, x,, x ) ue sére statstque et α u réel de [0 ; ]. La oyee élaguée de veau α est la oyee de la sére prvée d u obre de valeurs extrêes égal à E(α), sot à gauche, sot à drote, sot blatéraleet. E prcpe α = 0,05 ou α =0,0. 9/47

4 .3.. Cas d ue varable cotue Le regroupeet des valeurs e classes etraîe ue perte d forato. Das ce cas o e peut calculer qu ue valeur approchée de la oyee. Pour trouver ue telle valeur approchée, o cosdère que toutes les valeurs d ue classe sot rapportées au cetre de cette classe. O replace doc la sére tale par ue sére dscrète. Be etedu, cette valeur approchée déped de la ature du regroupeet e classes effectué. O pourrat predre l approxato de la dstrbuto ufore à l téreur d ue êe classe : ce odèle codut à la êe valeur approchée que précédeet Coparaso des oyees das le cas d ue répartto ufore Les p valeurs x, x,..., x p sot uforéet répartes sur l tervalle [ a, a + [ sgfe : a x x x p a + ( a+ a) k [ ; p], x a+ k p + Notos x la oyee de ( x, x,..., x ). p p ( a+ a) px = x pa + k. p + p pp ( + ) ( a+ a) Or k =. Doc px = pa+ p a + a+ sot x =. x est doc le leu du seget [ a ; a + [ p As, quel que sot le odèle d approxato chos (regroupeet au cetre de classe ou répartto ufore à l téreur de l tervalle), la oyee obteue est la êe. Exercce Lors du regroupeet e classes de doées abodates, l y a évdeet perte d forato. Certes o peut espérer que les erreurs trodutes par la cocetrato des doées au cetre de chaque classe se eutralset das le calcul de la oyee, as l e est pas toujours as, coe le otre l exeple suvat :. Das ue classe, la lste des otes obteues à u devor de athéatques par les élèves classés par ordre alphabétque est la suvate : Déterer ue valeur approchée de la oyee x de cette sére statstque.. Le professeur décde de classer ses élèves e cq groupes : [ 0 ; 4 [ [ 4 ; 8 [ [ 8 ; [ [ ; 6 [ [ 6 ; 0 [ fable édocre oye satsfasat très bo Déterer les effectfs de chaque classe. 0/47

5 E utlsat le cetre des classes, calculer la oyee y de cette sére statstque. 3. Le professeur evsage ue autre répartto et refat ses calculs avec le regroupeet suvat : [ 5 ; 0 [ [ 0 ; 5 [ [ 5 ; 0 [ [ 0 ; 5 [ très satsfasat coveable suffsat très fable Quelle est la oyee z de cette derère sére statstque? Réposes : : 0, ; : 0,8 ; 3 : 0,5. d après Itérares e Statstques et Probabltés (Ellpses).4. La oyee des valeurs extrêes La oyee des valeurs extrêes d'ue sére ( x, x,..., x ) est ( x) + ax( x) doée par r =. Peu usté car très sesble aux valeurs extrêes, elle se. Cela sgfe que, par les vecteurs "costats" ( aa,,..., a), le vecteur (,,..., ) est le plus proche du vecteur (,,..., ) au ses de. rr r x x x d d r se la focto f défe par x f () t = Max t x r x.5. La édae La édae d'ue sére statstque ordoée ( x, x,..., x ) est xp + xp xp s = p+ et + s = p. Das le cas d ue varable cotue, la pratque habtuelle cosste à tracer la focto de répartto e fasat l hypothèse d ue répartto ufore das chaque tervalle pus d exploter cette représetato graphque pour déterer l atécédet de 0,5. D après le docuet du GEPS sur les quatles, cette pratque est pas ustée chez les statstces. Le GEPS précose de parler de classe édae. «La procédure qu cosste à tracer ue courbe dte de fréqueces cuulées crossate, cotue, obteue par terpolato léare à partr des valeurs F(a ) défes c-dessus et à défr la édae coe l tersecto de cette courbe avec la drote d équato y=0,5, où avec ue courbe aalogue dte des fréqueces cuulées décrossates est pas ue pratque usuelle e statstque et e sera pas proposée au lycée. S des doées sot regroupées e classe, o parle de classe édae.» La édae e se la dstace d. Cela sgfe que, par les vecteurs «costats» (a, a,, a), le vecteur M e = ( e, e,, e ) est le plus proche du vecteur X = (x, x,, x ) au ses de d. /47

6 Preuve : d ( X, A) = a x = f( a) = La focto f est cotue, dérvable sur chaque tervalle e coteat pas x. Pour tout t x, f (t) sera égatf s l y a plus de valeur x supéreures à t que de valeurs x féreures et f (t) sera ul s l y a autat de valeurs x supéreures à t que de valeurs x féreures. D où le u est attet pour a = e. Le prograe de ère S prévot la oto de quartle. Le GEPS propose la défto suvate pour ue oto plus géérale de quatle : E statstque, pour toute sére uérque de doées à valeurs das u tervalle I, o déft la focto quatle Q, de [0,] das I, par : Q(u) = f{x, F(x) u}, où F(x) désge la fréquece des éléets de la sére féreurs ou égaux à x. Sot la talle de la sére ; s o ordoe la sére par ordre crossat, Q(u) est la valeur du tere de cette sére dot l dce est le plus pett eter supéreur ou égal à u. Das le cadre de cette défto, les tros quartles sot Q = Q(0,5), Q = Q(0,50) et Q 3 = Q(0,75). Les 9 décles sot les valeurs de Q(/0), = 9, les 99 cetles sot les valeurs de Q(/00), = 99. O déft assez souvet la édae e par e = Q(0,5) : la édae est alors le secod quartle, le cquèe décle, le cquatèe cetle, etc. Vor le docuet du GEPS (PDF, 58 Ko). Les caractérstques de dsperso.. L étedue L étedue de la sére (x, x,, x ) est égale à : ax(x ) (x ). Coe la oyee des valeurs extrêes, elle est très sesble à ces valeurs extrêes... L écart terquartle L écart terquartle est la quatté Q 3 Q..3. Ue autre représetato : «la boîte à oustaches». Elle est due à JW. Tukey et est appelée «box plot» e aglas. Le dess sufft à l explcato : M er cetle 99 e cetle Médae Q Q 3 Max Pour coparer des populatos qu ot pas le êe effectf, o trace la largeur du rectagle proportoelle à la race carrée de la populato. /47

7 Exercce Coparer les salares das les tros etreprses suvates d u êe secteur dustrel. Etreprse Talle Q Me Q3 ax A B C À partr des doées, o obtet la représetato suvate : Etreprse A Q Me Q3 ax Etreprse B Etreprse C d après Itérares e Statstques et Probabltés (Ellpses) Das les preers dagraes de Tukey, la logueur des «oustaches» est,5 fos l écart terquartle. Les dagraes de Tukey étaet utlsés das des secteurs où les doées peuvet le plus souvet être odélsées e utlsat ue lo de Gauss ; das ce cas, au veau théorque, les extrétés des «oustaches» sot voses du preer et 99 e cetle : ces dagraes étaet surtout utlsés pour détecter la présece de doées exceptoelles. O utlse aujourd hu les dagraes e botes pour représeter des dstrbutos eprques de doées quelcoques, o écessareet syétrques autour de la oyee, et le chox de oustaches de logueurs,5 fos l écart terquartle e se justfe plus. (Docuet d accopageet des prograes de re S).4. Varace et écart type O a déjà recotré la varace das l terprétato géoétrque de la oyee. Pour ue sére ( x, x,..., x ) de oyee, o déft la varace V( X) et l'écart-type s par : V( X) = ( x ) et s= V( X) = Proprétés V( X) = ( x ) = Pour tous a et b réels : V( ax + b) = a V( X) sax ( + b) = asx ( ) 3/47

8 Exercce O cosdère deux séres statstques portat sur le êe caractère : ( x, ),...,( x, ), effectf total, oyee x, écart-type σ ; ( y, ),...,( y, ), effectf total, oyee y, écart-type σ. p p x q q y O ote ( z, r ) la sére statstque obteue e regroupat les deux k k séres, z sa oyee et σ so écart-type. x + y. Motrer que z =. + z ( x ) ( y ) z. Déotrer que : ( + ) σ = σ + ( x z) + σ + ( y z) σ x + σy z = + x y E dédure : σ + ( ) ( + ) 3. U professeur a corrgé copes d'exae. La oyee des otes est x et l'écart-type de la sére de otes est σ. Ue cope suppléetare (à corrger) lu est attrbuée. O désge par y la ote obteue pour cette cope. Exprer e focto des doées la oyee et l'écart-type de la sére de ( + ) otes as obteue. Exste-t-l ue valeur de y qu e odfe pas la oyee? l'écart-type? les deux? Das le cas d ue varable cotue et d u regroupeet par classes, o obtet ue valeur approchée de la varace à l ade de la odélsato utlsée pour obter ue valeur approchée de la oyee, c est à dre e raeat toutes les valeurs d ue classe au cetre de cette classe. Rappelos que pour avor ue valeur approchée de la édae, o avat utlsé la odélsato de la répartto ufore par classe..5. À propos du regroupeet e classes.5.. Coparaso des varaces Sot ( x, x,..., x ) ue sére réparte e classes [ a ; a [ ;[ a ; a [...[ a ; a [ 3 + d'effectfs respectfs pour (et = ). O ote x la oyee obteue par l'u ou l'autre des odèles choss. O ote σ l'écart-type réel de la sére, σ l'écart-type obteu e raeat les valeurs au cetre de chaque classe, et σ = ue répartto ufore à l'téreur de chaque classe. l'écart-type obteu e supposat σ La varace σ est systéatqueet sous estée par, car o églge la varato à l'téreur de chaque classe ( σ <σ). σ E revache, σ est e gééral assez proche de. Coparos σ et σ : ( k ) a + a+ ( ) où = σ = x x σ = c x c = 4/47

9 σ = ( ) xk x e regroupat les valeurs par classe. = D'après ce qu précède, pour la èe classe, o a : kd x a où d a a. k = + = + + = + = ( xk x) ( xk c c x) = + Or ( c x) ( xk c ) + c x ( xk c) c = x k ( xk c) d ( ). doc le derer tere est ul. k = + = k + d k ( ) d d d ( + )( + ) d ( + ) = + d ( + ) d ( + ) = d 6( + ) 4 d = + d Faleet, σ = ( c x) + = = + d Sot : σ =σ + = + D'après ce qu précède, pour la èe classe, o a : kd x a où d a a. k = + = + + = + = ( xk x) ( xk c c x) = ( c x) + x c + ( c x) x c. k k ( ) ( ).5.. Regroupeet e classe et précso deadée das les exercces doés Lorsque l'o propose, e teps lté, u exercce de statstque, o est codut à lter le obre de doées à trater (pour duer les problèes de sase et de calcul). Pour cela o regroupe fréqueet les doées e u pett obre de classes. Il est portat de veller à ce que ce regroupeet (qu costtue toujours ue perte d'forato) sot be copatble avec la précso deadée par la sute et que les réposes aux questos posées pusset être trouvées sas abguïté. Docuet de J.P. POUGET IA-IPR, acadée de Crétel (PDF, 98 Ko) 5/47

10 .6. Iégalté de Beayé-Tchebychev Sot ue sére statstque de oyee et d écart type s. Pour tout α réel strcteet postf, o ote f α la fréquece des valeurs coprses etre α s et + α s (c est-à-dre X α s). Alors f α > α Cette égalté, be que édocre, est valable quelle que sot la sére statstque. As plus de 75 % des valeurs sot das [ s ; + s ], plus de 88 % des valeurs sot das [ 3 s ; + 3 s ], plus de 93,75 % des valeurs sot das [ 4 s ; + 4 s ], 6/47

Divisibilité et congruences. Corrigés d exercices

Divisibilité et congruences. Corrigés d exercices Dvsblté et cogrueces Corrgés d exercces Les exercces du lvre corrgés das ce docuet sot les suvats : Page 445 : N 1, 5 Page 459 : N 45 Page 449 : N 10 Page 460 : N 51, 5, 55, 57 Page 451 : N 16 Page 461

Plus en détail

I. Moyenne, variance et écart-type d une série statistique

I. Moyenne, variance et écart-type d une série statistique I Moyee, varace et écart-type d ue sére statstque Sére statstque dscrète : Eemple d ue sére statstque dscrète : Preos le cas d ue classe de élèves qu réalset u devor oté sur 5 La sére statstque dscrète

Plus en détail

LEÇON N 6 : Loi de Poisson, loi normale.

LEÇON N 6 : Loi de Poisson, loi normale. LEÇON N 6 :. Pré-requs : Probabltés : défto, calculs et probabltés codtoelles ; Lo bomale cf. leço o 5) ; Noto de varables aléatores dscrètes et cotues cf. leços o 4 et 7), et proprétés assocées : espérace,

Plus en détail

L2 Mention Informatique. UE Probabilités. Chapitre 3 : Variables aléatoires réelles

L2 Mention Informatique. UE Probabilités. Chapitre 3 : Variables aléatoires réelles L Meto Iformatque UE Probabltés Chaptre 3 : Varables aléatores réelles Notes de cours rédgées par Rége Adré-Obrecht, Jule Pquer, Serge Solovev Sot (, A, P) Ω et X : Ω R ue varable aléatore. I. Varable

Plus en détail

a. Le symbole se lit «sigma» ; l écriture Ex : 2 Fréquences en % ( f i x 100) 11,1 % 29,6 % 59,3 % 100 %!!!!

a. Le symbole se lit «sigma» ; l écriture Ex : 2 Fréquences en % ( f i x 100) 11,1 % 29,6 % 59,3 % 100 %!!!! Cours : Statstques I. Itroducto Classe de ère S O a vu que our caractérser ue sére statstque, o utlse des : - aramètres de tedace cetrale : - la moyee ; - la médae. Ils ermettet d dquer la «osto» de la

Plus en détail

Comment représenter les variables aléatoires (données)? Paramètres descriptifs. Quels sont les paramètres descriptifs de la position?

Comment représenter les variables aléatoires (données)? Paramètres descriptifs. Quels sont les paramètres descriptifs de la position? Paramètres descrptfs Cours VETE043- Aée académque 06-07 Commet représeter les varables aléatores (doées)? Représetato sythétque Tables de fréqueces Représetato graphque Dagrammes de fréqueces Paramètres

Plus en détail

Devoir de contrôle n 1. 4 ème Maths 1 Radès. Répondre par Vrai au Faux aux questions propositions suivantes. Aucune justification n est demandée.

Devoir de contrôle n 1. 4 ème Maths 1 Radès. Répondre par Vrai au Faux aux questions propositions suivantes. Aucune justification n est demandée. Lycée Ib Khaldou Devor de cotrôle ème Maths Radès ( heure) Mr ABIDI Fard Mathématques Mercred 9 Novembre 0 Exercce : ( pots) Répodre par Vra au Faux aux questos propostos suvates Aucue justfcato est demadée

Plus en détail

NOTATIONS ET FORMULAIRE

NOTATIONS ET FORMULAIRE Uversté PARIS DESCARTES Lcece de Psychologe L1 ADP1- Resp : Mrelle LAGARRIGUE page 1/5 PROTOCOLE SUR U ECHA TILLO NOTATIONS ET FORMULAIRE Esemble des sujets de l échatllo S { s 1 ; s ;.; s } (1) Varable

Plus en détail

Nombre de Clients [0 ; 50[ 72. x i. n i [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200 ; 250 [ 18

Nombre de Clients [0 ; 50[ 72. x i. n i [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200 ; 250 [ 18 1 U commerçat a relevé le motat des dépeses e euros de chaque clet au cours d ue semae. Motat des dépeses Clets [0 ; 50[ 72 x x - x ) - x )² -x ) ² [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200

Plus en détail

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an BTS BLANC Ma 0 Epreuve : Mathématques Géérales et Applquées Flère : DA / ARLE Durée: heures NB : Chaque parte dot être tratée sur des copes dfféretes I- MATHEMATIQUES GENERALES Exercce a b Sot le Sot la

Plus en détail

TD Techniques de prévision pour la Gestion de production

TD Techniques de prévision pour la Gestion de production Orgasato et gesto dustrelle Page / 6 TD Techques de prévso pour la Gesto de producto er Exercce Vetes d u rayo de jouraux das u supermarché Javer Févrer Mars Avrl Ma Ju Jullet Août Septembre Octobre Novembre

Plus en détail

STATISTIQUES A UNE VARIABLE

STATISTIQUES A UNE VARIABLE Cours et exercces de mathématques ) Itroducto et vocabulare STATISTIQUES A UNE VARIABLE La statstque est la scece qu cosste à réur des doées chffrées, à les aalyser, à les commeter et à les crtquer Ue

Plus en détail

L2 Mention Informatique. UE Probabilités. Chapitre 4 : Simulation - Régression

L2 Mention Informatique. UE Probabilités. Chapitre 4 : Simulation - Régression L Meto Iformatque UE Probabltés Chaptre 4 : Smulato - Régresso Notes de cours rédgées par Rége Adré-Obrecht, Jule Pquer I- Smulato de varables aléatores. Itroducto Das certaes expéreces «réelles», où le

Plus en détail

LOI NORMALE ET LOIS DERIVEES

LOI NORMALE ET LOIS DERIVEES Prcpes et Méthodes de la Bostatstque Chaptre 5 LOI NORMALE ET LOIS DERIVEES A-LA LOI NORMALE Présetato La dstrbuto ormale, dte ecore de Laplace-Gauss, est pour des rasos qu apparaîtrot plus lo, la plus

Plus en détail

Quelques éléments de statistiques

Quelques éléments de statistiques Quelques élémets de statstques Avat-propos Ces quelques élémets coceret essetellemet les statstques au programme das l esegemet secodare. Ils preet appu sur les documets utlsés par M. ARTIGUES, IA-IPR

Plus en détail

Serie statistique double

Serie statistique double Sere statstque double Dstrbutos margales Actvté U relevé statstque des talles (e cm) et des pods Y (e kg) d u échatllo de 00 élèves a perms de costrure le tableau suvat : Y [0, 5[ [5, 50[ [50, 55[ [55,

Plus en détail

arlesrcomplexesraurbacr2014r==corriges=z

arlesrcomplexesraurbacr2014r==corriges=z arlesrcomplexesraurbacr0r==corriges= Nouvelle-Calédoe ovembre 0 5 pots Proposto : Pour tout eter aturel : ( + ) = () VRAI! ( ) doc d où ( ) ( ) ( ) ( ) Sot (E) l équato ( )( + 8) = 0 où désge u ombre complexe

Plus en détail

On applique le théorème de Pythagore au triangle AIE est rectangle en I AI 2 IE 2 AE 2 IE IE 1 2

On applique le théorème de Pythagore au triangle AIE est rectangle en I AI 2 IE 2 AE 2 IE IE 1 2 Exercce Lba 6 4 pots O cosdère u solde ADECBF costtué de deux pyramdes detques ayat pour base commue le carré ABCD de cetre I. Ue représetato e perspectve de ce solde est doée e aexe (à redre avec la cope).

Plus en détail

CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4

CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4 page1/6 CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4 Dosser "Défcece" 1) = 30 pour les groupes. Les classes sot d'ampltudes dfféretes doc...utlser la desté (rappel : desté = effectf/ampltude). Durée

Plus en détail

[ ] IV.- Espérance mathématique de l estimateur  : Nous avons ( ) ε. alors l espérance mathématique sera : soit

[ ] IV.- Espérance mathématique de l estimateur  : Nous avons ( ) ε. alors l espérance mathématique sera : soit Itroducto à l écoométre S6-EF sc. éco. & gesto Prof. Mohamed El Meroua IV.- Espérace mathématque de l estmateur  : A ˆ A + X X X Nous avos ( ε alors l espérace mathématque sera : E ( E( A + E[ ( X X X

Plus en détail

Améliorer la productivité

Améliorer la productivité Maurce Pllet Amélorer la productvté Déploemet dustrel du toléracemet ertel, 00 SBN : 978---54754- Commet calculer ue tolérace ertelle 75 Nous avos doc u toléracemet par tervalle sur les exgeces foctoelles

Plus en détail

Module : STATISTIQUE (1 e année) Document de cours

Module : STATISTIQUE (1 e année) Document de cours ESCE-Lyo Méthodes Quattatves Module : STATISTIQUE ( e aée) par Robert Chapelo, chargé de cours et de TD Documet de cours Fare de la statstque, c'est : - collecter des doées, - trater ces doées pour e redre

Plus en détail

I. Qu est-ce qu une variable aléatoire?

I. Qu est-ce qu une variable aléatoire? I. Qu est-ce qu ue varable aléatore?. Défto : Sot ue expérece aléatore dot l esemble des résultats possbles (l uvers est oté Ω. Ue varable aléatore est ue focto X allat de Ω sur R, c est-à-dre que c est

Plus en détail

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont interdites. * * *

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont interdites. * * * SESSION 003 EPREUVE SPECIFIQUE FILIERE MP MAHEMAIQUES 1 Durée : 4 heures Les calculatrces sot terdtes * * * NB : Le caddat attachera la plus grade mportace à la clarté, à la précso et à la cocso de la

Plus en détail

Variables j.. p. Xij

Variables j.. p. Xij L alyse e Composates Prcpales (CP) O possède u tableau rectaulare de mesure dot les coloes sot des varables quattatves (mesuratos, taux, statos clmatques) et dot les les représetet des dvdus statstques

Plus en détail

NOMBRES COMPLEXES EXERCICES CORRIGES

NOMBRES COMPLEXES EXERCICES CORRIGES Cours et exercces de mathématques NOMRES COMPLEXES EXERCICES CORRIGES Exercce. O doe = + et = + Ecrre sous forme algébrque les complexes suvats : = ; Exercce. Calculer, et = ; = ; = ; 5 006 009 E dédure

Plus en détail

Cours (Terminale) Probabilités (révisions 1 ère )

Cours (Terminale) Probabilités (révisions 1 ère ) Cours (Termale) Probabltés (révsos ère ) Quelques rappels et complémets sur les esembles Uo de deux esembles O appelle «uo de deux esembles E et F» l esemble oté E F dot les élémets sot costtués des élémets

Plus en détail

MATERIEL UTILISE : CALCULATRICE AUTORISEE OUI NON

MATERIEL UTILISE : CALCULATRICE AUTORISEE OUI NON BAC BLANC MATIERE : MATHEMATIQUES OBLIGATOIRE CLASSE de : Termale S SALLE : Grade Permaece PROFESSEUR : Mle GUIHENEUF ATE : Vedred javer 6 HEURE ébut : 8 h HEURE f : h MATERIEL UTILISE : CALCULATRICE AUTORISEE

Plus en détail

Résumé de statistique I

Résumé de statistique I Résumé de statstque I Etude de doées statstques : Ce qu ous téresse lorsqu o a des doées statstque ou ue dstrbuto de celles-c : Le cetre : o o Moyee : mesures o robustes Médae : mesures robustes La dsperso

Plus en détail

Module 4 - Leçon 01 - Budget des ventes 1. Introduction - Recherche de la tendance générale

Module 4 - Leçon 01 - Budget des ventes 1. Introduction - Recherche de la tendance générale Cotrôle de gesto Budget des vetes Module 4 - Leço - Budget des vetes Itroducto - Recherche de la tedace géérale - Itroducto Le budget des vetes est le premer budget opératoel à établr. Il est cosdéré comme

Plus en détail

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant :

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant : STATISTIQUES Cours Termale ES O observe que, das certas cas, l semble ester u le etre deu caractères statstques quattatfs (deu varables) sur ue populato ; par eemple, etre le pods et la talle d u ouveau-é,

Plus en détail

Pondichéry Avril 2014 Série S Exercice.

Pondichéry Avril 2014 Série S Exercice. Podchéry Avrl 04 Sére S Exercce Le pla complexe est mu d u repère orthoormé ( O; uv, ) Pour tout eter aturel, o ote A le pot d affxe z déf par : O déft la sute ( ) z z 0 = et + = + z 4 4 r par r = z pour

Plus en détail

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet.

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet. ère S Cotrôle du mard 7 javer 05 ( heures) D C N Le barème est doé sur 0 O répodra drectemet sur la cope foure avec le sujet U certa ombre de questos écesste ue recherche préalable au broullo O e rédgera

Plus en détail

Méthode du simplexe: préliminaires. 2. Programmation linéaire. Solution de base. Méthode du simplexe: préliminaires. b. Méthode du simplexe

Méthode du simplexe: préliminaires. 2. Programmation linéaire. Solution de base. Méthode du simplexe: préliminaires. b. Méthode du simplexe Méthode du smplee: prélmares Modèles de recherche opératoelle (RO). Programmato léare b. Méthode du smplee Das le cas où l y a ue fté de solutos, la méthode d élmato de Gauss-Jorda permet d detfer tros

Plus en détail

Probabilités. est la i ième valeur possible. L ensemble des issues auxquelles on associe la même valeur x

Probabilités. est la i ième valeur possible. L ensemble des issues auxquelles on associe la même valeur x Probabltés A) Varable aléatore et lo de probablté Varable aléatore Défto : O cosdère l'esemble E des ssues d'ue expérece aléatore Défr ue varable aléatore X sur cet esemble, c est assocer u ombre à chaque

Plus en détail

NOMBRES COMPLEXES - EXERCICES CORRIGES Exercice n 1.

NOMBRES COMPLEXES - EXERCICES CORRIGES Exercice n 1. NOMBRES COMPLEXES - EXERCICES CORRIGES Exercce. O doe = + et = + Ecrre sous forme algébrque les complexes suvats : = ; = ; = ; = ; 5 = Exercce. Calculer, et E dédure la valeur de 006 et de 009, pus les

Plus en détail

Polynésie Juin 2010 Série S Exercice. Le plan complexe est rapporté à un repère orthonormal direct ( O; uv, )

Polynésie Juin 2010 Série S Exercice. Le plan complexe est rapporté à un repère orthonormal direct ( O; uv, ) Polyése Ju 00 Sére S xercce Le pla complexe est rapporté à u repère orthoormal drect ( O; uv, ) Prérequs Parte A Resttuto orgasée de coassaces Sot u ombre complexe tel que = a+ b où a et b sot deux ombres

Plus en détail

COURS SUR LES MELANGES EN FILATURE DE COTON PARTIE 07. Section IV ELEMENTS DE STATISTIQUES APPLIQUES EN FILATURE

COURS SUR LES MELANGES EN FILATURE DE COTON PARTIE 07. Section IV ELEMENTS DE STATISTIQUES APPLIQUES EN FILATURE COURS SUR LES MELANGES EN FILATURE DE COTON PARTIE 07 Secto IV ELEMENTS DE STATISTIQUES APPLIQUES EN FILATURE 7.7. Elémets de statstques 7.7.. Caractérstques de posto. Moyee arthmétque La moyee est la

Plus en détail

Exercice n 1 1) Par associativité de l intersection des événements, et à l aide de la formule des probabilités conditionnelles,

Exercice n 1 1) Par associativité de l intersection des événements, et à l aide de la formule des probabilités conditionnelles, CONCOURS EMIA Sceces CONCOURS 0 EPREUVE DE MATHEMATIQUES Corrgé o offcel rédgé par Jea-Gullaume CUAZ, esegat au Lycée Mltare de Sat-Cyr, jgcuaz@hotmalcom Eercce ) Par assocatvté de l tersecto des évéemets,

Plus en détail

Bac blanc de mathématiques

Bac blanc de mathématiques Termale st2s le mercred 09/03/2016 Durée : 2 heures Bac blac de mathématques Exercce 1 : 6 pots Le tableau c-dessous doe le ombre d aboemets au servce de téléphoe moble e Frace etre f 2001 et f 2009, exprmé

Plus en détail

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20.

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20. BTS CG 996 Eercce : (0 pots) Ue agece mmoblère evsage de commercalser u programme de costructo d'appartemets Deu projets lu sot soums: Projet P : Le coût de producto de appartemets ( eter et 0 )est doé

Plus en détail

2.1 Variable aléatoire Fonction de répartition Fonction de masse et de densité...2

2.1 Variable aléatoire Fonction de répartition Fonction de masse et de densité...2 - Varables aléatores et dstrbutos - Chaptre : Varables aléatores et dstrbutos. Varable aléatore.... Focto de répartto....3 Focto de masse et de desté....4 Dstrbuto cojote de varables aléatores...5.4. Dstrbuto

Plus en détail

Limites de fonctions (1) Approche intuitive ; limites des fonctions de référence. 1 ère S. II. La fonction carrée. 1 ) Tableau de variation

Limites de fonctions (1) Approche intuitive ; limites des fonctions de référence. 1 ère S. II. La fonction carrée. 1 ) Tableau de variation ère S Lmtes de foctos () Approche tutve ; tes des foctos de référece II. La focto carrée ) Tableau de varato Das ce chaptre, o lasse provsoremet de côté les dérvées. I. Itroducto ) Rappel Déà vu : oto

Plus en détail

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet.

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet. ère S Cotrôle du mard 7 javer 05 ( heures) D C N Le barème est doé sur 0 O répodra drectemet sur la cope foure avec le sujet U certa ombre de questos écesste ue recherche préalable au broullo O e rédgera

Plus en détail

( (p, q) IN 2 ) A p A q = A p+q ( (p, q) IN 2 ) (A p ) q = A pq ( k IN) (A ) k = (A k ) ( k IN) Dét (A k ) = (Dét A) k

( (p, q) IN 2 ) A p A q = A p+q ( (p, q) IN 2 ) (A p ) q = A pq ( k IN) (A ) k = (A k ) ( k IN) Dét (A k ) = (Dét A) k Algèbre Chaptre 6 Les matrces carrées Hypothèses : est u eter strctemet postf I est la -matrce uté I La trace d ue matrce carrée La trace d ue -matrce est la somme de ses termes dagoaux O ote la trace

Plus en détail

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1 II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d

Plus en détail

(respectivement M n,1 ( )) l espace vectoriel réel

(respectivement M n,1 ( )) l espace vectoriel réel Les calculatrces sot autorsées **** NB : Le caddat attachera la lus grade mortace à la clarté, à la récso et à la cocso de la rédacto S u caddat est ameé à reérer ce qu eut lu sembler être ue erreur d'éocé,

Plus en détail

5. Variables aléatoires simultanées

5. Variables aléatoires simultanées 5. Varables aléatores smultaées 5.1 Coule de varables aléatores Défto 1 Pour tout dce das 1, sot X ue varable aléatore. O dt que X X 1 X est ue varable aléatore de dmeso. Nous ous téresseros rcalemet aux

Plus en détail

2. On présente ensuite une proposition : l'équiprobabilité à chaque étape entraîne l'équiprobabilité sur l'ensemble des résultats.

2. On présente ensuite une proposition : l'équiprobabilité à chaque étape entraîne l'équiprobabilité sur l'ensemble des résultats. rbre de déombremet et arbre de probablté Pla du documet. O présete tout d'abord la règle du produt pour les arbres de déombremet avec, e cas partculer, le cardal d'u produt cartése d'esembles fs.. O présete

Plus en détail

Statistiques. Ne pas oublier - la légende sur les axes - les unités - un titre pour le diagramme

Statistiques. Ne pas oublier - la légende sur les axes - les unités - un titre pour le diagramme Statistiques I. Tableaux d effectifs, de fréqueces : 1. Calculer la fréquece d'ue valeur ou d'ue classe : Diviser l effectif de la valeur par l effectif total fréquece La somme des fréqueces est 1 (ou

Plus en détail

Terminales S Exercices sur les nombres complexes Page 1 sur 6

Terminales S Exercices sur les nombres complexes Page 1 sur 6 Termales S Exercces sur les ombres complexes Page sur 6 Exercce : ) Calculer, et 5 6 7 ) E dédure, et ) Détermer les eters pour lesquels est a) u réel, b) est u magare pur, c) égal à Exercce : Ecrre sous

Plus en détail

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES ANALYSE DES DONNÉES TEST DU KHI-DEUX ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES Perre-Lous Gozalez Mesure de la laso etre deux varables qualtatves Kh deux Equête : Êtes-vous «pas du tout d accord»

Plus en détail

COUPLE DE VARIABLES ALEATOIRES. On considère deux variables aléatoires X et Y. On aimerait connaitre s il y a influence entre ces deux variables.

COUPLE DE VARIABLES ALEATOIRES. On considère deux variables aléatoires X et Y. On aimerait connaitre s il y a influence entre ces deux variables. COUPLE DE VARIABLES ALEATOIRES O cosdère deux varables aléatores et. O amerat coatre s l y a fluece etre ces deux varables. I Coule de varables dscrètes : 1) Lo ote : Soet et deux varables dscrètes, à

Plus en détail

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 2. Durée : 4 heures. Les calculatrices sont interdites. * * *

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 2. Durée : 4 heures. Les calculatrices sont interdites. * * * SESSION 005 EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES Durée : 4 heures Les calculatrces sot terdtes * * * NB : Le caddat attachera la lus grade mortace à la clarté, à la récso et à la cocso de la rédacto

Plus en détail

Exercice 1 : Analogie entre équilibres acido-basiques et équilibres de complexation (Application du Principe de Le Châtelier).

Exercice 1 : Analogie entre équilibres acido-basiques et équilibres de complexation (Application du Principe de Le Châtelier). Bla UE 1C G. EXERCICES BILAN Exercce 1 : Aaloge etre équlbres acdo-basques et équlbres de complexato (Applcato du Prcpe de Le Châteler). Objectfs de l'exercce - Coassaces/Compéteces testées das cet exercce

Plus en détail

Calculs en chromatographie

Calculs en chromatographie Calculs e chroatographe éthode de la oralsato tere... 1 Coeffcet de répose assque relatf... 1 Calcul des pourcetages assques... 2 Calcul des pourcetages olares... 3 xeple d aalyse CG d ue substtuto copéttve

Plus en détail

Les nombres complexes

Les nombres complexes haptre 6 termale S Les ombres complexes 1 hstorque et créato : N Z ID Q R es esembles ot été costruts au fl de l hstore grâce à u même problème : certaes équatos ot des solutos das u esemble doé mas d

Plus en détail

1 ère partie : STATISTIQUE DESCRIPTIVE

1 ère partie : STATISTIQUE DESCRIPTIVE ère parte : STATISTIQUE DESCRIPTIVE CHAPITRE : COLLECTE DE L INFORMATION, TABLEAUX ET GRAPHIQUES. I. Défto et vocabulare Défto : la statstque est ue méthode scetfque qu cosste à réur des doées chffrées

Plus en détail

Nombres complexes Sessions antérieures

Nombres complexes Sessions antérieures ème aée Maths Nombres complexes Sessos atéreures Aée scolare 9 - A LAATAOUI Exercce N (SP) Das le pla complexe P rapporté à u repère orthoormé ( Ouv ; ; ) o cosdère les pots A et B d affxes respectves

Plus en détail

MODULE : STATISTIQUES ROYAUME DU MAROC OFPPT RESUME THEORIQUE & GUIDE DE TRAVAUX PRATIQUES SECTEUR : TERTIAIRE

MODULE : STATISTIQUES ROYAUME DU MAROC OFPPT RESUME THEORIQUE & GUIDE DE TRAVAUX PRATIQUES SECTEUR : TERTIAIRE OFPPT ROYAUME DU MAROC مكتب التكوين المهني وإنعاش الشغل Offce de la Formato Professoelle et de la Promoto du Traval DIRECTION RECHERCHE ET INGENIERIE DE FORMATION RESUME THEORIQUE & GUIDE DE TRAVAUX PRATIQUES

Plus en détail

Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires

Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires UE 4 Evaluato des méthodes d aalyse applquées au sceces de la ve et de la saté Statstque Varables aléatores Frédérc Mauy - 27 septembre et 3 octobre 2013 1 Pla du cours 1. Varable aléatore 1. Défto 2.

Plus en détail

INCERTITUDES. ). L erreur de mesure est la différence entre la valeur mesurée d une grandeur et une valeur de référence.

INCERTITUDES. ). L erreur de mesure est la différence entre la valeur mesurée d une grandeur et une valeur de référence. ICERTITUDES I. LA MESURE : OCABULAIRE ET OTATIOS I. Itroducto Mesurer des gradeurs detfées est ue actvté fodaetale das les laboratores de recherche et das l dustre. Il est écessare d établr la coface das

Plus en détail

3- LES TIRAGES PROBABILISTES D'ECHANTILLONS

3- LES TIRAGES PROBABILISTES D'ECHANTILLONS 3- LES TIRAGES PROBABILISTES D'EHATILLOS Das de ombreuses alcatos ratques du calcul des robabltés, o retrouve u ou luseurs des schémas de trages robablstes d'échatllos que ous allos exoser. Le cadre gééral

Plus en détail

Fondamentaux d Algèbre et de Trigonométrie

Fondamentaux d Algèbre et de Trigonométrie I.U.T. de La ROCHELLE Aée Uverstare 0-0 Départeet Réseaux et Télécoucatos Module M Fodaetaux d Algèbre et de Trgooétre Mathéatques ère Aée Lauret Deay TABLE DES MATIERES CHAPITRE : Trgooétre I - Rappels

Plus en détail

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE UE4 : Bostatstques Chaptre 8 Corrélato et régresso léare smple José LABARERE Aée uverstare 20/202 Uversté Joseph Fourer de Greoble - Tous drots réservés. Pla I. Corrélato et régresso léare II. Coeffcet

Plus en détail

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen Aexe. Estmato d u quatle o-paramétrque par la méthode de Haze La probablté cumulée emprque d ue doée au se d u échatllo est pas u cocept parfatemet déf : pluseurs estmatos sot possbles ; l e est de même

Plus en détail

RADIOPROTECTION CIRKUS. Sommaire

RADIOPROTECTION CIRKUS. Sommaire RADIOPROTECTION CIRKUS Documet techque Radoprotecto Crkus 89 D boulevard du Fer 74000 Aecy www.rpcrkus.org - cotact@rpcrkus.org Assocato lo 1901 créée le 9 mars 010 W91300355 - Eregstrée à la préfecture

Plus en détail

VI. Statistique descriptive.

VI. Statistique descriptive. VI. Statstque descrptve. 1. Avat - propos : le sge sommatore. Soet x 1, x,...x : réels x 1 + x +...+ x = x Remarquos : Proprétés. 1 x = x j j1 1. x = x + x 1 p 1. kx = k x 1 1 p1 3. ( x y ) = x + y 1 Exercces.

Plus en détail

Méthodes stochastiques de calcul de stabilité des pentes

Méthodes stochastiques de calcul de stabilité des pentes Républque Algéree Démocratque et Populare Mstère de l Esegemet Supéreur et de la Recherche Scetfque UNIVERSITE MOULOUD MAMMERI - TIZI OUZOU - Faculté du Gée de la costructo Départemet de Gée Cvl MÉMOIRE

Plus en détail

I. Introduction. Les constantes totales de stabilité des complexes respectifs sont: Marina Iliescu, C. Podina et Cristina Mandravel

I. Introduction. Les constantes totales de stabilité des complexes respectifs sont: Marina Iliescu, C. Podina et Cristina Mandravel L ÉTUDE DE L ÉTAT IONIQUE RÉEL DE CERTAINS IONS ÉTALLIQUES DANS DES SOLUTIONS AQUEUSES TRÈS DILUÉES. I. DETERINATION DES CONSTANTES TOTALES DE STABILITE DANS LE CAS OU LES IONS ETALLIQUES FORENT UN SEUL

Plus en détail

DEVOIR EN TEMPS LIBRE A RENDRE LE 17 /02/11 ECS 2

DEVOIR EN TEMPS LIBRE A RENDRE LE 17 /02/11 ECS 2 DEVOIR EN TEPS LIBRE A RENDRE LE 7 /0/ ECS EX : : Le but de ce poblème (dot les tos pates sot dépedates) est l'étude du temps passé das ue mae pa u usage quad u ou pluseus guchets sot à la dsposto du publc,

Plus en détail

Alain MORINEAU

Alain MORINEAU www.deeov.com Ala MORINEAU Cet artcle est ue reprse et u extrat de l artcle «Note sur la Caractérsato Statstque d'ue Classe et les Valeurs-tests», publé das la revue Bullet Techque du Cetre de Statstque

Plus en détail

BACCALAURÉAT GÉNÉRAL BLANC MATHÉMATIQUES

BACCALAURÉAT GÉNÉRAL BLANC MATHÉMATIQUES BACCALAURÉAT GÉNÉRAL BLANC SESSION 06 MATHÉMATIQUES Sére STL Durée de l épreuve : 4 heures Coeffcet : 4 ENSEIGNEMENT OBLIGATOIRE Les calculatrces électroques de poche sot autorsées, coformémet à la réglemetato

Plus en détail

ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES

ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES SOMMAIRE. Normes sur u espace vectorel E 2.. Défto d'ue orme. Cter l'égalté tragulare reversée. 2.2. Normes usuelles

Plus en détail

EXERCICES DE. Serveur d'exercices 1/22

EXERCICES DE. Serveur d'exercices 1/22 Sceces.ch EXERCICES DE TOPOLOGIE Serveur d'exercces /22 Sceces.ch EXERCICE.. Auteur : Rube Rcchuto (09.08.04, rube@sceces.ch) Mots Clés :Théorème de Bare et cardal de Éocé : Doer ue preuve topologque du

Plus en détail

SOMMAIRE. Généralités :...2

SOMMAIRE. Généralités :...2 SOMMAIRE Gééraltés :... I. Déftos :... II. Apport de la statstque au écoomstes :... III. Les lmtes de la méthode statstque :... IV. Le vocabulare utlsé e statstque :...3 V. Quelques symboles mathématques

Plus en détail

MPSI du lycée Rabelais semaine du 11 septembre 2015 CALCULS ALGÉBRIQUES. Montrez que u k = u m +u n

MPSI du lycée Rabelais  semaine du 11 septembre 2015 CALCULS ALGÉBRIQUES. Montrez que u k = u m +u n MPSI du lycée Rabelas http://mps.satbreuc.free.fr semae du septembre 5 CALCULS ALGÉBRIQUES Sommes et produts fs Exercce : Parm les formules suvates, lesquelles sot vraes?.. 3. α+a α+ a +b αa α a + a a

Plus en détail

Chapitre II : Notion de mesure : Définition : 3 Remarques : 3 Définition : 3 Définition : 3 Définition : 3 Exemple : 4 Définition : 4 2.

Chapitre II : Notion de mesure : Définition : 3 Remarques : 3 Définition : 3 Définition : 3 Définition : 3 Exemple : 4 Définition : 4 2. Chaptre II : Noto de mesure 3 2. : Défto : 3 Remarques : 3 Défto : 3 Défto : 3 Défto : 3 Exemple : 4 Défto : 4 2.2 : Proprétés : 4 Proprété : 4 Proprété 2 : 4 Proprété 3 : 4 Proprété 4 : 4 Proprété 5 :

Plus en détail

Le cours Interprétation physique de la dérivée

Le cours Interprétation physique de la dérivée Il est égalemet possble de procéder à la «dérvato umérque» d ue sute de valeurs {(t ; f )}. La sute dérvée est elle-même costtuée de couples {(t ; f )} ; la valeur f de correspodat au tau de varato mesuré

Plus en détail

Analyse de régression

Analyse de régression Itroducto à la régresso Aalyse de régresso La régresso est utlsée pour estmer ue focto f( ) décrvat ue relato etre ue varable explquée cotue,, et ue ou pluseurs varables explcatves,. = f(,, 3,, )+ε Remarque

Plus en détail

CHAPITRE 4 Paramètres d'une série statistique

CHAPITRE 4 Paramètres d'une série statistique Cours de Mathématiques Classe de secode Statistiques CHAPITRE 4 Paramètres d'ue série statistique A) Diverses sortes de séries statistiques 1) Défiitio Ue série statistiques est u esemble de ombres, représetat

Plus en détail

CORRECTION DU BAC 2007

CORRECTION DU BAC 2007 ORRTION U B 7 Trmal S mérqu du Nord rcc Sot (P l pla dot u équato st : + y z + = lors, d coordoés ( ; ;, st u vctur ormal d (P omm H st l projté orthogoal d sur (P, alors H t sot coléars Il st H = k H

Plus en détail

MAT4081 Chapitre 3 Régression 3 Transformation de variables

MAT4081 Chapitre 3 Régression 3 Transformation de variables MAT408 Chaptre 3 Régresso 3 Trasformato de varables Les graphques ou les techques dagostques peuvet révéler des volatos des hypothèses de la régresso léare : hétéroscédastcté, par exemple, ou absece de

Plus en détail

CHAPITRE I : LES SERIES STATISTIQUES A DEUX DIMENSIONS : DISTRIBUTIONS MARGINALES ET CONDITIONNELLES

CHAPITRE I : LES SERIES STATISTIQUES A DEUX DIMENSIONS : DISTRIBUTIONS MARGINALES ET CONDITIONNELLES CHAPITRE I : LES SERIES STATISTIQUES A DEU DIMESIOS : DISTRIBUTIOS MARGIALES ET CODITIOELLES CHAPITRE I : LES SERIES STATISTIQUES A DEU DIMESIOS : DISTRIBUTIOS MARGIALES ET CODITIOELLES Il est très courat

Plus en détail

Texte Analyse en composantes principales

Texte Analyse en composantes principales Uverstés Rees I Épreuve de modélsato - Agrégato Extere de Mathématques 2007 Page Texte Aalyse e composates prcpales Itroducto E archéologe, l aalyse de la composto de matéraux est deveue u outl essetel

Plus en détail

La valeur acquise par un capital au bout d'une année est donc obtenue en multipliant ce capital par (1 + i). Par suite, le capital C1

La valeur acquise par un capital au bout d'une année est donc obtenue en multipliant ce capital par (1 + i). Par suite, le capital C1 LGL Cours de Mathématques 26 Exemples de sutes das le domae des faces 1) Itérêts composés O place 1. à térêts composés au taux de 4,5 % par a. Détermer le captal dspoble à la f de chaque aée et ce pedat

Plus en détail

Chapitre 5 : Modèles probabilistes pour la recherche d information. - Modèle tri probabiliste (BIR et BM25) - Modèle de Langue

Chapitre 5 : Modèles probabilistes pour la recherche d information. - Modèle tri probabiliste (BIR et BM25) - Modèle de Langue Chaptre 5 : Modèles probablstes pour la recherche d formato - Modèle tr probablste BI et BM25 - Modèle de Lague Itroducto ourquo les probabltés? La I est u processus certa et mprécs Imprécso das l expresso

Plus en détail

Concours général 2014 pb 3 : chiffres et lettres

Concours général 2014 pb 3 : chiffres et lettres Cocours gééral 014 pb 3 : chffres et lettres 1 Le sujet U mot de logueur est ue sute de lettres choses parm les l0 lettres A, B, C, D, E, F, G, H, I, J Par exemple, BEC, IJCD, AFFICHAGE, ABCDEFGHIJ sot

Plus en détail

Convergences et approximations

Convergences et approximations Covergeces et approximatios Probabilités : Chapitre 5 Das tout ce chapitre, les démostratios serot faites das le cas des variables discrètes et des variables à desité. I Iégalité de Bieaymé-Tchebychev

Plus en détail

CHAPITRE 2. Les carrés dans (Z/nZ) 2.1 Carrés et non carrés dans le corps Z/pZ

CHAPITRE 2. Les carrés dans (Z/nZ) 2.1 Carrés et non carrés dans le corps Z/pZ CHAPITRE Les carrés das (Z/Z Das ce chatre o s téresse à l esemble des carrés das le cors Z/Z, mas auss das certas aeaux Z/Z avec o remer O todut le symbole de Legedre qu caractérse les carrés O trodut

Plus en détail

N O M B R E S C O M P L E X E S.

N O M B R E S C O M P L E X E S. T le S 00/005 Ch9 Nombres complexes J TAUZIEDE N O M B R E S C O M P L E X E S I- L ENSEMBLE C DES NOMBRES COMPLEXES Ecrture algébrque des ombres complexes Comme o a motré l suffsace de l esemble Q par

Plus en détail

Covariance et ajustement affine par la méthode des moindres carrés

Covariance et ajustement affine par la méthode des moindres carrés Uiversité de Poitiers - 205-206 A. Moreau Algèbre - Géométrie M MEEF Covariace et ajustemet affie par la méthode des moidres carrés Das tout le documet, la lettre désige u etier aturel o ul. Les deux parties

Plus en détail

M ( ) n,p. Chapitre 15 Matrices et systèmes linéaires. I Généralités. Dans tout le chapitre K désigne le corps R ou C.

M ( ) n,p. Chapitre 15 Matrices et systèmes linéaires. I Généralités. Dans tout le chapitre K désigne le corps R ou C. PSI 1 hatre 15 Matrces et systèmes léares Das tout le chatre K désge le cors R ou I Gééraltés 1 Défto Défto : Ue matrce est u tableau d élémets de K coteat lges et coloes Notatos : U matrce A est otée

Plus en détail

PROBABILITÉS - VARIABLES ALÉATOIRES

PROBABILITÉS - VARIABLES ALÉATOIRES PROBABILITÉS - VARIABLES ALÉATOIRES Itroducto Das le cours sur les probabltés ous avos trodut la oto d uvers U et lu avos attacé ue focto probablté P. Das beaucoup d applcatos pratques la oto d uvers,

Plus en détail

EXERCICES RÉDIGÉS SUR LES NOMBRES COMPLEXES. et z 2 = e. Z i ( Z = 0 ou arg(z) = π 2 [π] ) Z imaginaire pur Z + Z = 0

EXERCICES RÉDIGÉS SUR LES NOMBRES COMPLEXES. et z 2 = e. Z i ( Z = 0 ou arg(z) = π 2 [π] ) Z imaginaire pur Z + Z = 0 EXERCICES RÉDIGÉS SUR LES NOMRES COMPLEXES Exercce 1 Valeur exacte du us et du sus de /1 O dère les deux ombres complexes suvats : 1. Écrre z 1 et z sous forme algébrque. z 1 = e 3 et z = e. Détermer les

Plus en détail

LIDO 2.0. Logiciel de modélisation filaire des écoulements à surface libre NOTICE THEORIQUE. Février 2000

LIDO 2.0. Logiciel de modélisation filaire des écoulements à surface libre NOTICE THEORIQUE. Février 2000 stère de l Equpeet, des Trasports et du Logeet Cetre d Etudes Techques artes Et Fluvales LIO.0 Z b V + + J S + + 0 x S g t x f 0,5 q ( f + + f + ) + 0,5 ( - q ) ( f + f ) Logcel de odélsato flare des écouleets

Plus en détail

Introduction à la statistique descriptive

Introduction à la statistique descriptive Itroducto à la statstque descrptve Cours et eercces avec tableur Luce LEBOUCHER Mare-José VOISIN CÉPADUÈS-ÉDITIONS 111, rue Ncolas Vauquel 311 Toulouse Frace Tél. : 5 61 4 57 36 Fa : 5 61 41 79 89 www.cepadues.com

Plus en détail

Z(y) dy. Z v (x) = 1 v. v v

Z(y) dy. Z v (x) = 1 v. v v 3. VARIANCES DE BLOCS, DE DISPERSION, D'ESTIMATION 3- Varaces de blocs, de dsperso et d estmato 3. Varaces de blocs: O a u précédemmet l'mportace de coaître la arace de la arable aléatore correspodat au

Plus en détail

Arithmétique. Divisibilité. PGCD et PPCM. Division euclidienne. [http://mp.cpgedupuydelome.fr] édité le 24 septembre 2016 Enoncés 1

Arithmétique. Divisibilité. PGCD et PPCM. Division euclidienne. [http://mp.cpgedupuydelome.fr] édité le 24 septembre 2016 Enoncés 1 [http://mp.cpgedupuydelome.fr] édté le 24 septembre 206 Eocés Arthmétque Exercce 7 [ 025 ] [Correcto] O cosdère la sute (ϕ ) N défe par Dvsblté Exercce [ 087 ] [Correcto] Résoudre das Z les équatos suvates

Plus en détail

Cours 8 : Applications pratiques de la programmation linéaire

Cours 8 : Applications pratiques de la programmation linéaire Cours 8 : Applicatios pratiques de la prograatio liéaire Christophe Gozales LIP6 Uiversité Paris 6, Frace Pla du cours Cours 8 : Applicatios pratiques de la prograatio liéaire 2/23 1 Jeux à deux joueurs

Plus en détail