Exercices de Statistique
|
|
- Hubert Dumas
- il y a 6 ans
- Total affichages :
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.
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 détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en 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 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 détailCalcul 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 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 détailPROBABILITES 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 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 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 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 détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en 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 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 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 détail«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 détailNotre 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 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 détailLe 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 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 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 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 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 détailTABLE 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 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 détailExercices 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 détailCours d algorithmique pour la classe de 2nde
Cours d algorithmique pour la classe de 2nde F.Gaudon 10 août 2009 Table des matières 1 Avant la programmation 2 1.1 Qu est ce qu un algorithme?................................. 2 1.2 Qu est ce qu un langage
Plus en détailAide-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 détailLes 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 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 détailInteractions 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 détailDérivées 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 détailFonction 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 détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en 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 détailLicence 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 détailNORME 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 détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailLES 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 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 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 détailLoi 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 détailUn 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 détailNORME 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 détailUNIVERSITE 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 détailA 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 détailDocteur 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 détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailInstitut 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 détailÉtude 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 détailANALYSE 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 détailETUDE 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 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 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 détailCNAM 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 détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailLa 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 détailSAS 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 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 détailPour 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 détailINF 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 détailContributions 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 détailDe 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 détailRepères 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 détailAméliorations 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 détail1. 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 détailEvaluation 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 détailGuide 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 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 détailMise 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 détailPrincipes 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 détailProfesseur 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 détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailListe 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 détailL 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 détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailK. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau
Apport des modèles de krigeage à la simulation numérique K Ammar, F Bachoc, JM Martinez CEA-Saclay, DEN, DM2S, F-91191 Gif-sur-Yvette, France Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau Apport des
Plus en détailUne 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 détail1/24. 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 détailRésumé des communications des Intervenants
Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit
Plus en détail1 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 détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en 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 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 détailThéorie 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 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 détailVISEZ 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 détailTP 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 détailCOMMENTAiRES/ 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 détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailJournée 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 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 détailElaboration 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 détailLes 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 détailExamen 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 détail2012 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 détailModule 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 détailO, i, ) ln x. (ln x)2
EXERCICE 5 points Commun à tous les candidats Le plan complee est muni d un repère orthonormal O, i, j Étude d une fonction f On considère la fonction f définie sur l intervalle ]0; + [ par : f = ln On
Plus en 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 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 détail