Exercices de Statistique

Dimension: px
Commencer à balayer dès la page:

Download "Exercices de Statistique"

Transcription

1 Université Joseph Fourier, Grenoble I Licence Sciences et Technologies 2 e année STA230 : Méthodes Statistiques pour la Biologie Exercices de Statistique http ://ljk.imag.fr/membres/bernard.ycart/sta230/ Réponses numériques Les calculs ont été effectués en utilisant un logiciel ; à cause des erreurs d arrondis, il peut y avoir des différences mineures avec les calculs effectués à partir des tables de valeurs statistiques. 1 Données et Modèles 1.1 Distributions empiriques Exercice âge fréq , , , 26, 29 Exercice âge fréq âge fréq. cum âge fréq. cum (0.5, 1.0, 2.0, 0.5, 0.5, 1.0, 0.5, 1.0, 1.0)

2 Exercice (0.985, 1.077, 1.810, 0.779, 0.367, 0.871, 0.046, 1.283, 0.665) 1.2 Probabilités et probabilités conditionnelles Exercice , 0.45, 0.20, 0.6, /2, 1/3, 1/6 3. 1/8, 5/8, 1/4 4. 6/7, 1/7 Exercice Exercice Groupe O A B AB 1. Prob Groupe O A B AB Prob Groupe O A B AB Prob , Loi binomiale Exercice , 0.18, (a) B(4, 0.1), 0.4, 0.36 (b) (c) (a) (b)

3 Exercice (a) (b) (c) oui non 1.4 Loi hypergéométrique Exercice H(32, 4, 8), 1, , H(32, 8, 16), 4, , H(52, 12, 13), 3, , H(49, 6, 6), , , Loi normale Exercice (a) (b) (c) (a) (b) (c) Exercice N ( 3, 4) Exercice (a) (b) (c) (a) (b) (c)

4 Exercice , Exercice Approximation d une loi binomiale par une loi normale Exercice B(150000, 0.4) N (60000, 36000) Exercice Exercice Exercice Exercice

5 2 Estimation paramétrique 2.1 Estimation ponctuelle Exercice , Exercice , Intervalles de confiance pour un échantillon gaussien Exercice , [ ; ] 3. [ ; ] 4. [ ; ] Exercice , [ ; ], [ ; ], [ ; ] 3. [ ; ], [ ; ], [ ; ] 4. [ ; ], [ ; ], [ ; ] Exercice [ ; ] [0.051 ; 0.207] 5. [ ; ] Exercice [ ; ], [ ; ] 2. [ ; ], [ ; ] Exercice [ ; ], [ ; ] 2. [ ; ] 5

6 2.3 Int. de conf. d une espérance pour un grand échantillon Exercice [ ; ], [ ; ] Exercice [ ; ], [ ; ], [ ; ] Exercice [ ; ], [ ; ] Exercice [ ; ], [ ; ], [ ; ] 2. [ ; ], [ ; ], [ ; ] 2.4 Int. de conf. d une probabilité pour un grand échantillon Exercice [ ; ], [ ; ] Exercice [ ; ] Tests statistiques 3.1 Règles de décision, seuil et p-valeur Exercice H 0 : µ = 1000 contre H 1 : µ Rejet de H 0 si X / [960.8 ; ] (5%) ou X / [948.4 ; ] (1%). 2. H 0 : µ = 1000 contre H 1 : µ > Rejet de H 0 si X > (5%) ou X > (1%) , H 0 : µ = 1000 contre H 1 : µ < Rejet de H 0 si X < (5%) ou X < (1%) , Exercice H 0 : µ = 150 contre H 1 : µ < 150. Rejet de H 0 si X < ; oui à 5% ; non à 1% Exercice H 0 : µ = 30 contre H 1 : µ > 30. Rejet de H 0 si X > (5%) ou X > (1%). 2. H 0 : µ = 30 contre H 1 : µ < 30. Rejet de H 0 si X < (5%) ou X < (1%). 6

7 3.2 Tests sur un échantillon Exercice rejet de H 0 si X / [983.7, ] ; rejet de H 0 si X > ; rejet de H 0 si X / [994.8, ] ; rejet de H 0 si X > ; Non : p-valeur= Non : p-valeur= Exercice H 0 : µ = 150 contre H 1 : µ < 150 ; T = 4 (X 150)/5 ; rejet de H 0 si T < T = 3.5 ; rejet de H 0 ; pas de risque ; p-valeur H 0 : µ = 150 contre H 1 : µ < 150 ; T = 3(X 150)/ (S 2 ) ; rejet de H 0 si T < T = ; rejet de H 0 ; pas de risque ; p-valeur Exercice significativement plus légers 2. T = 29 (X 3400)/ S 2 ; rejet de H 0 si T < ; T = ; significativement plus légers ; p-valeur = non ; p-valeur = ; significativement plus légers. Exercice , H 0 acceptée ; p-valeur = T = ; rejet de H 0 si T > ; H 0 acceptée 4. p-valeur = Exercice T = ; rejet de H 0 si T < ; le traitement diminue le poids moyen 2. p-valeur = Exercice T = 10 X/ S 2, où X et S 2 sont la moyenne et la variance empiriques des différences Pneus A - Pneus B. 2. H 0 : µ = 0 contre H 1 : µ 0 7

8 3. H 0 : µ = 0 contre H 1 : µ > 0 4. T = Pas de différence significative (p-valeur = ) ; pas d amélioration significative (p-valeur = ) Exercice T = 8 X/ S 2, où X et S 2 sont la moyenne et la variance empiriques des différences Avant - Après. 2. p-valeur = ; amélioration significative Exercice T = ; p-valeur = ; oui 3. T = 1.87 ; p-valeur = ; oui au seuil de 5%, non au seuil de 1% 4. T = ; p-valeur = ; non Exercice Exercice T = ; p-valeur = ; non T = ; p-valeur = ; non Exercice T = ; p-valeur 0 ; oui 2. T = ; p-valeur 0 ; oui 3. T = ; p-valeur 0 ; oui 3.3 Comparaison de deux échantillons indépendants Exercice T = ; 1/T = ; égalité des variances acceptée ; p-valeur = T = ; p-valeur = 0 ; oui 4. oui Exercice T = ; égalité des variances acceptée ; p-valeur = T = ; p-valeur = non Exercice T = ; égalité des variances acceptée ; p-valeur = T = ; p-valeur = non Exercice T = ; p-valeur =

9 Exercice T = ; égalité des variances acceptée ; p-valeur = p-valeur = pas de différence significative Exercice T = ; p-valeur = l engrais n est pas efficace Exercice p-valeur = ; pas de différence significative Exercice p-valeur = ; pas de différence significative 3.4 Test du khi-deux d ajustement Exercice T = ; p-valeur 0 ; oui 2. T = ; p-valeur = ; oui 3. T = ; p-valeur = ; oui 4. T = ; p-valeur 0 ; oui 5. T = ; p-valeur = ; non Exercice T = ; p-valeur = ; différence significative Exercice T = ; p-valeur = ; différence non significative 2. T = ; p-valeur = ; différence non significative Exercice T = ; p-valeur = ; différence non significative 2. T = ; p-valeur = ; différence non significative 3.5 Test du khi-deux de contingence Exercice T = p-valeur = ; oui Exercice T = p-valeur = ; oui 9

10 Exercice T = p-valeur = ; les deux variables sont indépendantes Exercice T = p-valeur = ; les deux variables sont indépendantes Exercice T = p-valeur 0 ; non 4 Régression linéaire 4.1 Droite de régression et prédiction ponctuelle Exercice y = x Exercice ; ; Exercice ; ; ; Exercice ; ; Exercice y = x

11 4.2 Intervalles de confiance et de prédiction Exercice [2.30 ; 3.35], [ ; 98.3] 2. [37.73 ; 46.34] 3. [17.97 ; 66.10] Exercice [ ; ], [11.56 ; 13.63] 2. [6.15 ; 7.24] 3. [5.54 ; 7.85] Exercice [0.48 ; 1.97], [ ; 22.50] 2. [21.13 ; 37.41] 3. [18.62 ; 39.92] Exercice [0.043 ; 0.060], [ 6.57 ; 4.07] 2. [2.78 ; 3.02] 3. [2.49 ; 3.30] Exercice [0.21 ; 0.55], [2.61 ; 2.96] 2. [12.53 ; 15.91] 3. [11.55 ; 17.25] 4.3 Tests sur une régression Exercice T = ; p-valeur 0 ; pertinence acceptée 2. T = ; p-valeur = H 0 acceptée Exercice T = ; p-valeur 0 ; pertinence acceptée 2. T = 7.02 ; p-valeur 0 ; oui Exercice

12 1. T = ; p-valeur = ; pertinence acceptée 2. H 0 : a = 1 contre H 1 : a 1 ; T = 1.04 ; p-valeur = ; H 0 acceptée H 0 : b = 0 contre H 1 : b 0 ; T = ; p-valeur = ; H 0 acceptée 3. T = ; p-valeur = ; oui Exercice T = ; p-valeur 0 ; pertinence acceptée 2. T = ; p-valeur 0 ; oui Exercice T = ; p-valeur = ; pertinence acceptée 2. T = ; p-valeur = ; oui 12

21 mars 2012. Simulations et Méthodes de Monte Carlo. DADI Charles-Abner. Objectifs et intérêt de ce T.E.R. Générer l'aléatoire.

21 mars 2012. Simulations et Méthodes de Monte Carlo. DADI Charles-Abner. Objectifs et intérêt de ce T.E.R. Générer l'aléatoire. de 21 mars 2012 () 21 mars 2012 1 / 6 de 1 2 3 4 5 () 21 mars 2012 2 / 6 1 de 2 3 4 5 () 21 mars 2012 3 / 6 1 2 de 3 4 5 () 21 mars 2012 4 / 6 1 2 de 3 4 de 5 () 21 mars 2012 5 / 6 de 1 2 3 4 5 () 21 mars

Plus en détail

Chapitre 6 Test de comparaison de pourcentages χ². José LABARERE

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 détail

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

Chapitre 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 détail

distribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position

distribution 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 détail

Calcul élémentaire des probabilités

Calcul élémentaire des probabilités Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire La loi de Poisson. Définition. Exemple. 1 La loi de Poisson. 2 3 4

Plus en détail

Principe d un test statistique

Principe 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 détail

PROBABILITES ET STATISTIQUE I&II

PROBABILITES ET STATISTIQUE I&II PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits

Plus en détail

FORMULAIRE DE STATISTIQUES

FORMULAIRE 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 détail

Lois de probabilité. Anita Burgun

Lois 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 détail

Chapitre 3. Les distributions à deux variables

Chapitre 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 détail

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE DES MATIERES. C Exercices complémentaires 42 TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence

Plus en détail

TESTS D'HYPOTHESES Etude d'un exemple

TESTS 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 détail

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE

Tests 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 détail

Probabilités III Introduction à l évaluation d options

Probabilités 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 détail

«Cours Statistique et logiciel R»

«Cours Statistique et logiciel R» «Cours Statistique et logiciel R» Rémy Drouilhet (1), Adeline Leclercq-Samson (1), Frédérique Letué (1), Laurence Viry (2) (1) Laboratoire Jean Kuntzmann, Dép. Probabilites et Statistique, (2) Laboratoire

Plus en détail

Notre métier : Vous accompagner dans votre Projet

Notre métier : Vous accompagner dans votre Projet Notre métier : Vous accompagner dans votre Projet Formation initiale en alternance (scolaire ou apprentissage) Formation continue FORMATION INITIALE > Bac Pro Bio Industries de Transformation Accéder x

Plus en détail

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.

TABLE 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 détail

Le cloud-computing : une réponse aux problématique de gestion de la qualité des projets pour des équipes géographiquement dispersées

Le cloud-computing : une réponse aux problématique de gestion de la qualité des projets pour des équipes géographiquement dispersées Le cloud-computing : une réponse aux problématique de gestion de la qualité des projets pour des équipes géographiquement dispersées Thierry BONTEMS UMR PACTE CNRS Université de Grenoble FRANCE Caroline

Plus en détail

La 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 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 détail

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

Chapitre 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 détail

VI. Tests non paramétriques sur un échantillon

VI. 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 détail

Tests 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» 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 détail

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be

Plus en détail

STATISTIQUES. UE Modélisation pour la biologie

STATISTIQUES. 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 détail

Exercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015

Exercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015 Exercices M1 SES 214-215 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 215 Les exemples numériques présentés dans ce document d exercices ont été traités sur le logiciel R, téléchargeable par

Plus en détail

Cours d algorithmique pour la classe de 2nde

Cours 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 détail

Aide-mémoire de statistique appliquée à la biologie

Aide-mémoire de statistique appliquée à la biologie Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela

Plus en détail

Les 5 différents types d ordres

Les 5 différents types d ordres Les 5 différents types d ordres «Au marché» «A la meilleure limite» «Limité» «A seuil de déclenchement» ou «Stop» «A plage de déclenchement» 1 Définitions Type d ordre «Au marché» «A la meilleure limite»

Plus en détail

Biostatistiques : Petits effectifs

Biostatistiques : 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 détail

Interactions des rayonnements avec la matière

Interactions des rayonnements avec la matière UE3-1 : Biophysique Chapitre 2 : Interactions des rayonnements avec la matière Professeur Jean-Philippe VUILLEZ Année universitaire 2011/2012 Université Joseph Fourier de Grenoble - Tous droits réservés.

Plus en détail

Dérivées et différentielles des fonctions de plusieurs variables

Dérivées et différentielles des fonctions de plusieurs variables UE4 : Evaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé Analyse Chapitre 6 : Dérivées et différentielles des fonctions de plusieurs variables Christelle MELODELIMA Année

Plus en détail

Fonction réciproque. Christelle MELODELIMA. Chapitre 2 :

Fonction réciproque. Christelle MELODELIMA. Chapitre 2 : UE4 : Evaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé Analyse Chapitre 2 : Fonction réciproque Christelle MELODELIMA Année universitaire 2011/2012 Université Joseph

Plus en détail

LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.

LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,

Plus en détail

Cours de Tests paramétriques

Cours 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 détail

Licence et Master E.E.A.

Licence et Master E.E.A. Licence et Master E.E.A. N. Galopin & F. Camus UFR PHITEM 2 avril 2015 Spécialités des Masters 2 De roulement des E tudes Apre s le Master? De roulement des e tudes Locaux et environnement ge ographique

Plus en détail

NORME IAS 20 LES SUBVENTIONS PUBLIQUES

NORME IAS 20 LES SUBVENTIONS PUBLIQUES NORME IAS 20 LES SUBVENTIONS PUBLIQUES UNIVERSITE NANCY2 Marc GAIGA - 2009 Table des matières NORME IAS 20 : LES SUBVENTIONS PUBLIQUES...3 1.1. LA PRÉSENTATION SUCCINCTE DE LA NORME...3 1.1.1. L esprit

Plus en détail

Simulation de variables aléatoires

Simulation de variables aléatoires Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo

Plus en détail

Logiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS

Logiciel 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 détail

LES 10 POINTS CLÉS POUR RÉUSSIR SON APP MOBILE D ENTREPRISE

LES 10 POINTS CLÉS POUR RÉUSSIR SON APP MOBILE D ENTREPRISE LES 10 POINTS CLÉS POUR RÉUSSIR SON APP MOBILE D ENTREPRISE ECOM 2015 CLIO SA / YOANN PELÉ / RESPONSABLE MOBILITÉ @YOANNPELE STAND C11 AGENDA 1. Présentation CLIO SA 2. Les Apps d Entreprise 3. 10 points

Plus en détail

Analyses 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 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 détail

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ

L 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 détail

Loi binomiale Lois normales

Loi binomiale Lois normales Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli

Plus en détail

Un nouveau standard pour mesurer la performance des gérants

Un nouveau standard pour mesurer la performance des gérants Données de performance amleague Euro Equities Année en cours Période du 31 Décembre 2013 au 30 septembre 2014 Un nouveau standard pour mesurer la performance des gérants Un univers de compétition équitable

Plus en détail

NORME IAS 07 LE TABLEAU DES FLUX DE TRÉSORERIE

NORME IAS 07 LE TABLEAU DES FLUX DE TRÉSORERIE NORME IAS 07 LE TABLEAU DES FLUX DE TRÉSORERIE UNIVERSITE NANCY2 Marc GAIGA - 2009 Table des matières NORME IAS 12 : IMPÔTS SUR LE RÉSULTAT...3 1.1. LA PRÉSENTATION SUCCINCTE DE LA NORME...3 1.1.1. L esprit

Plus en détail

UNIVERSITE HASSAN II DE CASABLANCA. FACULTE DES SCIENCES & TECHNIQUES MOHAMMEDIA Département Génie Electrique

UNIVERSITE HASSAN II DE CASABLANCA. FACULTE DES SCIENCES & TECHNIQUES MOHAMMEDIA Département Génie Electrique UNIVERSITE HASSAN II DE CASABLANCA FACULTE DES SCIENCES & TECHNIQUES MOHAMMEDIA Département Génie Electrique FORMATION CONTINUE Diplôme d Université de Casablanca Master d Université Master en Sciences

Plus en détail

A PROPOS DES CRITERES D ATTRIBUTION DES EQUIVALENCES

A PROPOS DES CRITERES D ATTRIBUTION DES EQUIVALENCES IED PARIS 8 A PROPOS DES CRITERES D ATTRIBUTION DES EQUIVALENCES La procédure d équivalence permet de dispenser les étudiants de certains enseignements dans la mesure où ils peuvent justifier de l acquisition

Plus en détail

Docteur José LABARERE

Docteur José LABARERE UE7 - Santé Société Humanité Risques sanitaires Chapitre 3 : Epidémiologie étiologique Docteur José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.

Plus en détail

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois

Plus en détail

Institut Universitaire de Technologie de Laval

Institut Universitaire de Technologie de Laval Formation Niveau Date début de stage Date fin de stage Objectifs Missions possibles (1) DUT Génie Biologique option Analyses Biologiques et Biochimiques Licence professionnelle Hygiène et sécurité des

Plus en détail

Étude de cas Assurance (d après une étude de Philippe Périé, CISIA)

Étude de cas Assurance (d après une étude de Philippe Périé, CISIA) Étude de cas Assurance (d après une étude de Philippe Périé, CISIA) I.1.Les données L échantillon est constitué de 1106 assurés Belges observés en 1992 et répartis en 2 groupes. - les assurés qui n ont

Plus en détail

ANALYSE FINANCIERE DES COMPTES ANNEXES D EAU ET D ASSAINISSEMENT DE LA CAB!

ANALYSE FINANCIERE DES COMPTES ANNEXES D EAU ET D ASSAINISSEMENT DE LA CAB! ANALYSE FINANCIERE DES COMPTES ANNEXES D EAU ET D ASSAINISSEMENT DE LA CAB! 16 septembre 2014 Caroline GRAOUER & Christian ESCALLIER Cabinet Michel Klopfer 6 bis, rue de Larminat 75015 Paris Tél. : 01

Plus en détail

ETUDE COMPARATIVE DES MODELISATIONS NUMERIQUE ET PHYSIQUE DE DIFFERENTS OUVRAGES D EVACUATION DES CRUES

ETUDE COMPARATIVE DES MODELISATIONS NUMERIQUE ET PHYSIQUE DE DIFFERENTS OUVRAGES D EVACUATION DES CRUES ETUDE COMPARATIVE DES MODELISATIONS NUMERIQUE ET PHYSIQUE DE DIFFERENTS OUVRAGES D EVACUATION DES CRUES P.E. LOISEL, J. SCHAGUENE, O. BERTRAND, C. GUILBAUD ARTELIA EAU ET ENVIRONNEMENT Symposium du CFBR

Plus en détail

Estimation et tests statistiques, TD 5. Solutions

Estimation 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 détail

T de Student Khi-deux Corrélation

T 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 détail

CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité

CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité 1 CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité Une situation fréquente en pratique est de disposer non pas d un résultat mais de plusieurs. Le cas se présente en assurance, par exemple :

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe 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 détail

La place de SAS dans l'informatique décisionnelle

La place de SAS dans l'informatique décisionnelle La place de SAS dans l'informatique décisionnelle Olivier Decourt ABS Technologies - Educasoft Formations La place de SAS dans l'informatique décisionnelle! L'historique de SAS! La mécanique! La carrosserie

Plus en détail

SAS ENTERPRISE MINER POUR L'ACTUAIRE

SAS ENTERPRISE MINER POUR L'ACTUAIRE SAS ENTERPRISE MINER POUR L'ACTUAIRE Conférence de l Association des Actuaires I.A.R.D. 07 JUIN 2013 Sylvain Tremblay Spécialiste en formation statistique SAS Canada AGENDA Survol d Enterprise Miner de

Plus en détail

TESTS 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 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 détail

Pour commencer liste de vérification du service ECCnet Item Certification. Version 2.0

Pour commencer liste de vérification du service ECCnet Item Certification. Version 2.0 Pour commencer liste de vérification du service ECCnet Item Certification Version 2.0 Pour commencer liste de vérification du service ECCnet Item Certification Les renseignements que contient le présent

Plus en détail

INF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies

INF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies INF 232: Langages et Automates Travaux Dirigés Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies Année Académique 2013-2014 Année Académique 2013-2014 UNIVERSITÉ JOSEPH

Plus en détail

Contributions aux méthodes d estimation en aveugle

Contributions aux méthodes d estimation en aveugle Université Joseph Fourier Année 2005 INPG Contributions aux méthodes d estimation en aveugle THÈSE DE DOCTORAT Spécialité : Traitement de signal et Automatique École Doctorale de Grenoble soutenue le 01

Plus en détail

De la mesure à l analyse des risques

De la mesure à l analyse des risques De la mesure à l analyse des risques Séminaire FFA Jean-Paul LAURENT Professeur à l'isfa jean-paul.laurent@univ-lyon1.fr http://laurent.jeanpaul.free.fr/ 0 De la la mesure à l analyse des risques! Intégrer

Plus en détail

Repères Gérer la capacité

Repères Gérer la capacité Repères Gérer la http://www.agilecom.fr Les enjeux de la gestion de la Réaliser cet ajustement est un effort continuel : La stratégie de l entreprise évolue avec la conjoncture ; Les métiers développent

Plus en détail

Améliorations du schéma de nuage et de EDKF dans AROME/MésoNH

Améliorations du schéma de nuage et de EDKF dans AROME/MésoNH Améliorations du schéma de nuage et de EDKF dans AROME/MésoNH Sébastien Riette Météo-France CNRM/GMME Réunion des utilisateurs de Méso-NH, 13 et 14 octobre 2011 Les composantes du schéma de nuage d'arome

Plus en détail

1. Insérez le DVD de support dans le lecteur optique. L onglet Drivers (Pilotes) apparaîtra si l Exécution automatique est activée.

1. Insérez le DVD de support dans le lecteur optique. L onglet Drivers (Pilotes) apparaîtra si l Exécution automatique est activée. ASUS PC Probe II PC Probe II est un utilitaire qui contrôle l activité des composants cruciaux de l ordinateur ; il détecte et vous avertit de tout problème survenant sur l un de ces composants. PC Probe

Plus en détail

Evaluation des stages hospitaliers par les étudiants en médecine

Evaluation des stages hospitaliers par les étudiants en médecine Evaluation des stages hospitaliers par les étudiants en médecine A partir du lundi 28 octobre, vous devrez évaluer votre stage d externe du premier trimestre effectué entre le 01/08/2013 et le 27/10/201.

Plus en détail

Guide d installation JMap 5.0

Guide d installation JMap 5.0 Guide d installation JMap 5.0 Installation de JMap L installation de JMap se fait typiquement sur un serveur qui sera accédé par l ensemble des utilisateurs. Lors de l installation, toutes des composantes

Plus en détail

Analyse de la variance Comparaison de plusieurs moyennes

Analyse 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 détail

Mise en sécurité des ascenseurs. Guide d aide à la décision

Mise en sécurité des ascenseurs. Guide d aide à la décision Mise en sécurité des ascenseurs Solutions techniques pour répondre à l obligation réglementaire de précision d arrêt et maintien à niveau des ascenseurs Utilisation des variateurs électriques de vitesse

Plus en détail

Principes généraux de la modélisation de la dispersion atmosphérique

Principes généraux de la modélisation de la dispersion atmosphérique Principes généraux de la modélisation de la dispersion atmosphérique Rémy BOUET- DRA/PHDS/EDIS remy.bouet@ineris.fr //--12-05-2009 1 La modélisation : Les principes Modélisation en trois étapes : Caractériser

Plus en détail

Professeur Patrice FRANCOIS

Professeur Patrice FRANCOIS UE7 - Santé Société Humanité Médecine et Société Chapitre 4 : Protection sociale Partie 2 : L assurance maladie Professeur Patrice FRANCOIS Année universitaire 2011/2012 Université Joseph Fourier de Grenoble

Plus en détail

données en connaissance et en actions?

données 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 détail

Liste des notes techniques... xxi Liste des encadrés... xxiii Préface à l édition internationale... xxv Préface à l édition francophone...

Liste des notes techniques... xxi Liste des encadrés... xxiii Préface à l édition internationale... xxv Préface à l édition francophone... Liste des notes techniques.................... xxi Liste des encadrés....................... xxiii Préface à l édition internationale.................. xxv Préface à l édition francophone..................

Plus en détail

L ABSENCE DE COMPLEMENTAIRE SANTE CHEZ LES ETUDIANTS Résultats d une enquête déclarative

L ABSENCE DE COMPLEMENTAIRE SANTE CHEZ LES ETUDIANTS Résultats d une enquête déclarative L ABSENCE DE COMPLEMENTAIRE SANTE CHEZ LES ETUDIANTS Résultats d une enquête déclarative Rapport final 28 août 2014 Contrat de prestations de service Juillet 2013 Commanditaire Fonds de financement de

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

K. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau

K. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau Apport des modèles de krigeage à la simulation numérique K Ammar, F Bachoc, JM Martinez CEA-Saclay, DEN, DM2S, F-91191 Gif-sur-Yvette, France Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau Apport des

Plus en détail

Une comparaison de méthodes de discrimination des masses de véhicules automobiles

Une comparaison de méthodes de discrimination des masses de véhicules automobiles p.1/34 Une comparaison de méthodes de discrimination des masses de véhicules automobiles A. Rakotomamonjy, R. Le Riche et D. Gualandris INSA de Rouen / CNRS 1884 et SMS / PSA Enquêtes en clientèle dans

Plus en détail

1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles)

1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles) 1/4 Objectif de ce cours /4 Objectifs de ce cours Introduction au langage C - Cours Girardot/Roelens Septembre 013 Du problème au programme I passer d un problème exprimé en français à la réalisation d

Plus en détail

Résumé des communications des Intervenants

Résumé des communications des Intervenants Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit

Plus en détail

1 Imputation par la moyenne

1 Imputation par la moyenne Introduction au data mining L3 MIS - STA 1616-2010 V. Monbet Données manquantes L'objectif de ce TD est de manipuler et de comparer plusieurs méthodes d'imputation de données manquantes. La première partie

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 2D CH X : Exemples de lois à densité 1 TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun

Plus en détail

Exercice 6 Associer chaque expression de gauche à sa forme réduite (à droite) :

Exercice 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 détail

DEVELOPPEMENT ET MAINTENANCE DE LOGICIEL: OUTIL DE PILOTAGE

DEVELOPPEMENT 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 détail

Théorie des probabilités

Théorie des probabilités Théorie des probabilités LAVOISIER, 2008 LAVOISIER 11, rue Lavoisier 75008 Paris www.hermes-science.com www.lavoisier.fr ISBN 978-2-7462-1720-1 ISSN 1952 2401 Le Code de la propriété intellectuelle n'autorisant,

Plus en détail

Introduction à l approche bootstrap

Introduction 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 détail

VISEZ LES ÉTOILES. INFORMATIONS CONCERNANT LES PNEUS ET ROUES COMPLÈTES D ORIGINE BMW/MINI MARQUÉS D UNE ÉTOILE.

VISEZ LES ÉTOILES. INFORMATIONS CONCERNANT LES PNEUS ET ROUES COMPLÈTES D ORIGINE BMW/MINI MARQUÉS D UNE ÉTOILE. VISEZ LES ÉTOILES. INFORMATIONS CONCERNANT LES PNEUS ET ROUES COMPLÈTES D ORIGINE BMW/MINI MARQUÉS D UNE ÉTOILE. Switzerland DES PNEUS SUR MESURE. La conception d un pneu d origine BMW/MINI débute dès

Plus en détail

TP N 57. Déploiement et renouvellement d une constellation de satellites

TP N 57. Déploiement et renouvellement d une constellation de satellites TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les

Plus en détail

COMMENTAiRES/ DECISIONS

COMMENTAiRES/ DECISIONS Plate-forme d'échanges affichage environnemental des PGC Date : 2009-12-21 Assistante: Lydia GIPTEAU Ligne directe : + 33 (0)1 41 62 84 20 Lydia.gipteau@afnor.org GT Méthodologie Numéro du document: N

Plus en détail

NOTE SUR LA MODELISATION DU RISQUE D INFLATION

NOTE SUR LA MODELISATION DU RISQUE D INFLATION NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui

Plus en détail

Journée technique ARRA Gestion quantitative de la ressource en eau

Journée technique ARRA Gestion quantitative de la ressource en eau Journée technique ARRA Gestion quantitative de la ressource en eau Etude Volumes Prélevables sur les Usses 2010-2012 5 avril 2013 SMECRU Syndicat Mixte d Etude du Contrat de Rivières des Usses Le bassin

Plus en détail

Nouveau 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 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 détail

Elaboration et Suivi des Budgets

Elaboration et Suivi des Budgets Elaboration et Suivi des Budgets 1 1- La Notion Du contrôle de Gestion 2- La Place du Contrôle de Gestion dans le système organisationnel 3- La Notion des Centres de responsabilité 4- La procédure budgétaire

Plus en détail

Les responsabilités des professionnels de santé

Les responsabilités des professionnels de santé Chapitre 5 : UE6 - Le Droit pharmaceutique Les responsabilités des professionnels de santé Martine DELETRAZ-DELPORTE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.

Plus en détail

Examen de Logiciels Statistiques

Examen de Logiciels Statistiques G. Hunault Angers, mai 2011 Licence MEF Examen de Logiciels Statistiques On s intéresse ici au dossier EAEF01 qui contient un extrait des données du recensement américain. On trouvera ces données et leur

Plus en détail

2012 LE NOUVEAU LABEL PNEUMATIQUE EUROPÉEN

2012 LE NOUVEAU LABEL PNEUMATIQUE EUROPÉEN 2012 LE NOUVEAU LABEL PNEUMATIQUE EUROPÉEN Etiquetage et Classification De plus en plus de produits sont pourvus d une étiquette (label) informant de leurs performances spécifiques Généralement il s agit

Plus en détail

Module d Electricité. 2 ème partie : Electrostatique. Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere

Module d Electricité. 2 ème partie : Electrostatique. Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere Module d Electricité 2 ème partie : Electrostatique Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere 1 Introduction Principaux constituants de la matière : - protons : charge

Plus en détail

O, i, ) ln x. (ln x)2

O, i, ) ln x. (ln x)2 EXERCICE 5 points Commun à tous les candidats Le plan complee est muni d un repère orthonormal O, i, j Étude d une fonction f On considère la fonction f définie sur l intervalle ]0; + [ par : f = ln On

Plus en détail

FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)

FORMATION 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 détail

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke

Biostatistiques 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 détail