La statistique bidimensionnelle
|
|
- Aurélie Bouchard
- il y a 6 ans
- Total affichages :
Transcription
1 La statistiue bidimensionnelle I) Introduction On s intéresse au rarochement ossible entre variables statistiues observées sur une même oulation, 3 cas sont ossibles soit : variables uantitatives variables ualitatives Variable uantitative/variable ualitative dans le cadre su cours les variables sont de même nature. On cherche our ces variables une étude simultanée de celles-ci à traduire au moyen de table grahiue et/ou de méthode numériue, la liaison ouvant exister entre ces variables. II) Rerésentation grahiue 1) Deux variables uantitatives juxtaosition d histogramme et/ou de diagramme en bâtons. Nuage de oints Si (x i ; y i ) n ou (y i ; x i )..n Si (x i ) n et (y i )..n sont resectivement les observations de variables x et y. ) Deux variables ualitatives Juxtaosition de diagramme en bâtons. III) La statistiue bidimensionnelle des aramètres. 1) La série double à doubles indices. On considère variables statistiues x et y admettent (res. et ) modalités, classes et/ou valeur observées mesurées sur une même oulation de taille n. Ex1: a) x = oids (x i ) n y = taille (y i ).n b) (x i ; y j ; n ij ) Valeurs observées. Centre de classes 1.1) Tableau croisé (ou tri croisé). Définition: déterminer le tableau croisé associé aux variables x et y, c est déterminer le nombre d unité statistiue n ij réondant simultanément aux
2 modalités classes ou valeurs observées x i et y j de x et y our i {1.} et j {1.} (n ij ) constitue un tableau d effectif croisés. n 11, n 1 n 1 n 1, n.n n i1, n i.n ij..n i n 1, n..n Ex : On considère une variable uantitative discrète x et y (res. 3 et ) valeurs observées soit : x 1 = 0 x = 1 x 3 = y 1 = 0 y = 1 n = 10 v X 1 X X 3 Y 1 Y Construisons le tableau des effectifs croisés associés à ces donnés, c est un tableau de 3 lignes (car X rend 3 valeurs) et colonnes (car Y rend valeurs). s ij.3 est le nombre d unité statistiue our lesuelles on a simultanément observés x i et y j avec..3 et j=1 n 11 associé à X 1 et Y 1 on lit n 11 = 3 n 1 associé à X 1 et Y on lit n 1 = 1 n 1 associé à X et Y 1 on lit n 1 = 1 n associé à X et Y on lit n = 3 n 31 associé à X 3 et Y 1 on lit n 31 = n 3 associé à X 3 et Y on lit n 3 = 0 Le tableau croisé est donc n 11.n n 1.n = 1 3 n 31...n ) Transformation d un tableau croisé On considère le tableau croisé (n ij ) j=1 n i = n i our on ael marge colonne et on note n j la uantité définit ar n ij = n ij our j=1..
3 On définit le tableau des fréuences croisé ar f ij j=1 n ij Avec f ij =. n On définit aussi : Les fréuences marges lignes fi = f ij our. Les fréuences marges colonne f. j = f ij our j=1. On a les relations suivantes n = n i. = n. j = n ij 1 = f i. = f. j = f ij j=1 j=1 j=1 j=1 Définition: on aelle distribution de X liée our Y = Y j les valeurs (n 1j, n j,. n j ar j=1.. Distribution de Y liée our X = X i la suite des valeurs (n i1, n i,.n i ) our. Ex 3 (suite ex ) : On a le tableau croisé Déterminons les effectifs des lignes et des colonnes. n 1. = n 1j = n 11 + n 1 = 4 n. = n j = n 1 + n = 4 n 3. = n 3j = n 31 + n 3 = n. 1 = n i1 = n 11 + n 1 + n 31 = 6 n. = n i = n 1 + n + n 3 = 4 n = n i. = n j = n ij j=1 Y 1 Y n i X X X 3 0 n ij (n 11, n 1, n 31 ) = (3 ; 1 ; ). La distribution de Y liée à X = X 1 est (n 1, n ) = (1 ; 3). Pour les fréuences on a le tableau des fréuences croisées. n ij n ij f ij = = our i = 1,, 3. n 10 j = 1, La distribution de X liée à Y = Y 1 est
4 Les fréuences marginales s écrivent f i. = f ij our 3 j=1 f. j = f ij our De manière générale on à une résentation de la fréuence. Proriété d indéendance des distributions à variables ualitatives. Définition : distribution théoriue On ael distribution théoriue et on note : (V ij ) j=1. n ij n ij La distribution définie ar V ij = our j=1 n Problème a-t-on indéendance des caractères observés. A-t-on donc our cela i {1.} et j {1 }. n i. n. j n ij = V ij = ou de manière éuivalente f ij = n b i f ij? n Une mesure de l indéendance de variables : On a les effectifs observés n ij j=1 On a les effectifs théoriues (Y ij ) j=1. n i. n. j n i. = n ij Y ij = où n. j = n ij n On s intéresse à la différence n ij y ij Si our tout ( i ; j ) n ij Y ij = 0 alors les variables sont indéendantes. Si our tout ( i ; j ) donné on a n ij Y ij 0 alors on dit ue le coule (x i ; y j ) est surrerésenté. Si n ij Y ij 0, alors on dit ue (x i ; y j ) est sous-rerésenté. Déterminons les effectifs théoriues : n i n j Y ij = où i = 1,, 3 n j = 1,. effectif y 1 y x
5 x x n 1. n y 11 = = =.4 n 10 n 1. n. 4 4 y 1 = = = 1.6 n 10 n. n y 1 = = =.4 n 10 n. n. 4 4 y = = = 1.6 n 10 n 3. n. 1 6 y 31 = = = 1. n 10 n 3. n. 4 y 3 = = = 0.8 n 10 Par exemle le coule (1 ; ) tel ue n 1 - y 1 = 1 16 = Donc le coule (x i ; y 1 ) est sous oulation. ) Paramètres associés à variables uantitatives double à double indice. 1) Les données On considère la série (x i, y j, n ij ) associée à variables uantitatives X et Y observée sur une oulation de taille n et ayant resectivement et valeurs observées. ) Les résumés numériues a) Les moyennes et les variances marginales Définition : La moyenne marginale de x est x x = 1/n n i. x i La moyenne marginale de y est y y = 1/n n. j y j
6 Définition : La variance marginale de x est : V (x) = 1/n n i. (x i x) = 1/n n i. x i x La variance marginale de y est : V (y) = 1/n n. j (y j y) = 1/n n. j y j y b) Moyenne et variance conditionnelle Définition : La moyenne conditionnelle de X liée ar Y = y j est : x j = 1/n. j n ij x i La moyenne conditionnelle de Y liée ar X = x i est : y i = 1/n i. n ij y j Définition : La variance conditionnelle de X liée ar Y = y j est : V j (x) = 1/n. j n ij (x i x j ) = 1/n. j n ij x i x j La variance conditionnelle de Y liée ar X = x i est : V i (y) = 1/n i. n ij (y j y i ) V i (y) = 1/n i. n ij y j y i
7 c) Relation entre moyenne marginale et moyenne conditionnelle Proriété : La moyenne arithmétiue ondéré des moyennes conditionnelle de Y (res. de Y) est égale et la moyenne marginale de X (res. de Y) soit : x = 1/n n. j x j (res. y = 1/n n i. y i ) d) Décomosition de la variance marginale Relation entre les variances de X. V (x) = 1/n n. j V j (x) + 1/n n. j ( x j x) Variance résiduelle + variance exliuée Relation entre les variances de Y. V (x) = 1/n n i. V i (Y) + 1/n n i. (y i y) j=1 Y 1 Y n i. x x x 3 0 n. j Calculons les moyennes conditionnelles de X liée ar y = y j our j=1.. On a x 1 moyenne conditionnelle x 1 = 1/n n. 1 x i 3 = 1/6 ( ) = 5/6. x = 1/n n. x i 3 = ¼ ( ) = ¾ = 0.75 La moyenne marginale de x est donc : x = 1/n n j x j
8 = 1/n (n. 1 x 1 n. x ) = 7/10 (6 5/6 + 6 ¾) = 8/10 = 4/5 = 0.8 Calculons les variances conditionnelles de X liée ar y = y j j=1.. On a : 3 V 1 (x) = 1/n 1 n 1 (x i x 1 ) 3 = 1/n 1 n 1 x i x 1 ) = 1/6 (( ) (5/6) = 9/6 35/36 = 9/36. 3 V (x) = 1/n n x i (x ) = ¼ (( ) (3/4) = ¾ - (3/4) = ¾ (1/4) = ¾ - (3/4) = ¾ (1/4) = 3/16. On obtient V (x) = 1/n n. j V j (x) + 1/n n. j (x j x) o=1 (3/4) (0.8) ] = 1/10 (6 9/ /16) + 1/10 [6 (5/6) + 4 = Paramètre de liaison entre caractères uantitatifs. 1) La covariance Définition : La série observée (x i, y i, n ij ) associé aux variances x et y est tel ue la variance de x et y est définit ar définit ar : Cos (x ; y) = 1/n (x i x) (y j y) Proriété : on a j=1 Cos (x ; y) = 1/n n ij x i y j - xy j=1 Proriété 3 : on a La covariance est un aramètre symétriue.
9 Cov (x ; y) = Cov (y ; x). Proriété 4 : Pour (a, b, c) R 4 on a : Cov (ax + b, cy + d) = a c cov (x ; y). Exercice 7 (suite ex ) La covariance de x est de y s écrit: 3 cov (x ; y) = 1/n n ij (x i x) (y j y) j=1 3 = 1/n n ij x i y j xy 3 = 1/n (n i x i y 1 + n i x i y ) - xy j= = 1/n (n 11 x 1 y 1 + n 1 x y 1 + n x y + n 31 x 3 y 1 + n 3 x 3 y ) = 3/ (calculs fait à l ex 5 y = 0.4 x = 0.8) = = -0.0 La corrélation Définition : La corrélation entre les variables x et y est définit ar : cov (x ; y) x (x ; y) = (x ; y) = V (x) V (y) cov (x ; y) = (x) (y) Le coefficient de corrélation est le coefficient de corrélation de Bravers Pearson. Proriété : le coefficient de corrélation est un aramètre symétriue. 3) Série statistiue à indice simle. On considère la série statistiue double à indice simle (x i, y i n i ) associé aux variance X et Y observée sur une même oulation de taille n réécrivons les aramètres du III) ) our cette série. Proriété : Les moyennes arithmétiue de X et de Y s écrivent : x = 1/n n i x i et y = 1/n n i y j j=1 La variance de X et de Y S écrivent : V (x) = 1/n n i (x i x) = 1/n n i x i x V (y) = 1/n n i (y i y) = 1/n n i y j y
10 j=1 j=1 La variance entre X et Y s écrit : Cos (x ; y) = 1/n n i (x i x) (y i y) = 1/n n i x i y i xy. IV) La roriété énoncé dans le III).) (les résumés numériues) restent vraies our les séries double à indice simle. Etude de la liaison entre variables uantitatives La régression On considère la série statistiue double (x i, y i, n i ) observée our les variables doubles uantitative X et Y sur une même oulation de taille n. 1) Aroche grahiue le nuage de oints. Le nuage de oints est constitué des oints (x i y i ) our.7 y x ) Régressions linéaires droites des moindres carrées. 1) Le rincie Définition : la régression linéaire de Y en X consiste à déterminer la fonction affine et les valeurs (a ; b) R ui rendait minimum la uantitative. n i (y i (ax 1 + b)) x y Régression de X en Y n i (x i (ay i + b))
11 x y ) Définition et roriété La régression linéaire de Y en X ar la méthode des moindres carrée conduisent aux coefficient arochés our a et b. cov (x y) â = V (x) b^ = y ā x Proriété : Pour (a, b, c, d) R 4 tel ue (a, b) R* On a : (ax + b ; cy + a) = r (x ; y). En effet on a : cov (ax + b ; cy + d) r (ax + b) cy + d) = (ax + b) (cy + d) a c cov ( y x ) = a (x) c (y) a c = n (x ; y) = ± n (x ; y) ac en fonction des signes de ac Exercice 8 Le coefficient de corrélation de X et de Y est : cov (x ; y) r (x ; y) = = = < 0 V (x) V (y) Le raort de corrélation : Définition : Le raort de corrélation de X en Y est définit ar :
12 Variance exliuée de x = 1/n n. j (x j x) Variance total de x Le raort de corrélation de Y en X est définit ar : Variance exliuée de y 1/n n i. (y i y) = Variance total de y V(y) Proriété : Quand les variables sont indéendantes, le raort est nul (les variances des moyennes card. est réelle). Quand il existe une liaison fonctionnelle entre X et Y, la variance résiduelle est nulle et le raort vaut 1. R : Le raort de corrélation corresond donc à la roortion de variance exiué Ex 9 (suite ex) : Le raort de corrélation de X en Y est donné ar : 1/n n ij (x j x) V (x) 1/10 (n. 1 x 1 + n. x ) x = V (x) 1/10 (6 (5/6) + 4 (3/4) (0.8) = /10 (5/6 + 9/6) 0.64 = = 0.56 = 0./ La droite de régression à our éuation : ŷ = āx + b^
13 Les valeurs estimées sont our... Proriété : ŷ est une nouvelle variable et on a : ŷ = y V (y) = 1/n n i (ŷ i y) = 1/n n i (y i y) Définition : on aelle oint moyen dans le cadre de la régression de Y en X le oint de coordonnées (x ; y). Proriété : Le oint moyen est un oint de la droite de régression de Y en X. y y = âx + b^ x On a en effet âx + b^ = âx + y âx = y (x ; y) est donc un oint de la droite de régression de Y en X. Proriété : Les coefficients de la régression de Y en X et le coefficients de la régression de X en Y sont tel ue : â â = R (x ; y) On a â (res. â ) est l estimation du coefficient de l éuation y = ax + b (res. x = ay + b ). Calcul de l indice moyen sur 1 an y = 1/n n i y i = 1/n y i = 170/10 = 17 R : La artie de la droite de régression est liée aux signes de la covariance : cov (xy) â = 0 si cov (xy) 0
14 V (x) 0 si cov (xy) 0. â 0 â 0 3) Mesure de la ualité de la régression. a) Variance exliuée et variance résiduelle dans le cadre de la régression. Définition : On aelle variance résiduelle ou variance des écarts de la uantité : V R (y) = 1/n n i (y i y i ) On aelle variance exliuée la uantité : V C = (y) = 1/n n i (ŷ y i ) Proriété : on a : V R (y) = (y) 1- r (x ; y) = V (x) 1 r (x ; y) V E (y) = V (y) V R (x) = V (y) r (x ; y) b) Coefficient de corrélation Proriété : Pour variances X et Y de coefficient de corrélation : cov (xy) r (x ; y) = est tel ue r (x ; y) [-1 ; 1]. V (x) V (y) La régression est considérée ĉ justifié si : r (x ; y) 1 c'est-à-dire r (x ; y) -1 ou r (x ; y) 1
15 r (x ; y) -1 r (x ; y) 0 r(x ; y) 1 cov (x ;y) â = 0 ente négative V (x) cov (x ;y) â = 0 ente ositive V (x) c) Erreur absolue Définition : l erreur absolue est liée à la variance résiduelle soit e tel ue : e = 1/n n i (y i ŷ i ) = V R (y) d) Erreur relative Définition : l erreur absolu est définit ar : (ŷ) (y) Proriété : on a : (ŷ) = r (x ;y). (y) e) Coefficient de détermination Définition : On aelle coefficient de détermination le carré du coefficient de corrélation. on la note en général R. Ex 1 (suite ex 10) On a : r (x ; y) V (x) V (y) Avec cov (x ; y) = 1/n x i y i - xy
16 y = 1/n y i V (x) = 1/n x i x V (y) = 1/n y i y i Avec les données on a 170 y = = cov (x; y) = = V (x) = = (5.5) = V (y) = = (17) = 564. d ou r (x; y) = ĉ r (x; y) 1 l argument linéaire est envisageable. cov (x ;y) Le coefficient de la régression sont â = et b^ = y âx V (x) -66 soit â = = -8 et b^ = L éuation de la droite de régression est ŷ = -8x + 6 R : On aurait u considérer e = V R (y) = V (y) V E (y). L existence d une corrélation n imliue as toujours un lien de causalité. 4) Régression non linéaire 1) Ajustement d une fonction uissance On a Y = x a (E ) Avec 0 et x 0 or linéaire (E ) et on a ln y = ln + ln x, on ose Y = ln y et x = ln x. Y = ax + b
17 Avec a = b = ln a et b sont estimé ar cov (x ;y) â = V (x) b^ = y âx On déduit de â et b^ des estimation de et = â = e b^ Ex 1 Y = ax + b On estime a ar : cov (x ;y) â = V (x) et b ar b^ = y âx On obtient : x = 13.5 y = 180 cov (x ;y) = V (x) = 17.5 V (y) = D où â b^ On a ŷ = 18.86x On considère le modèle uissance y = bx a On linéaire et on a ln y = ln b + a ln x On ose : y = ln y b = ln b a = ln a x = ln x D où y = a x + b On estime a et b ar cov (x ;y ) â = et b^ = y â x V (x)
18 On obtient x = 1/n x i =.55 P y = 1/n y i = 4.5 cov (x ; y ) = 1/n x i y i xy 0.31 P V (x ) = 1/n x i x i = 0.1 V (y ) 0.48 On aboutit â.017 b^ Comme a = a b = b On a a = a b = e b D où les estimations : â.017 b^ e b^ e On a : Ŷ = b^ â = Pour déterminer le meilleur modèle, on considère l erreur absolue. Ces linéaires e = 1/n (y i - y i ) avec ŷ i = âx i + b^ â b Ces uissances e 1/n (y i y i ) avec ŷ i = b^ x i â â.017 b^ On obtient e et e 8 8
19 Soit e e la meilleur modèle est le modèle uissance. Utilisons le modèle uissance our donner une valeur ou a ŷ 0 = b^ x 0 â ) Ajustement d une fonction exonentielle. Y = e x + Y = ln y = x + 3) Ajustement d une fonction logarithme Y = ln ( x + ) e y = x + avec ax + b 0 Y = ax + b Y = ax b Y = a ln x + b Modèle 1 cov (x ;y) â = V (x) b^ = ŷ = âx Modèle cov (x ;y) â = avec X = x 0.5 V (x 0.5 ) b^ = y âx Modèle 3 cov (x y) â = avec x = ln x V (x ) On obtient : â = 0.31 b^ = â 7.68 b^ = â b^ = e = 1/n (y i ŷ i ) avec ŷ i = âx i + b Recherche du meilleur modèle e = 1/n (y i ŷ 1 ) avec ŷ = âx i b^ P e = 1/n (y i y i ) avec ŷ i = âx + b^
20 On obtient e e e Le meilleur modèle est n o Y = a ln x + b Prévision our x 0 = 00 ŷ 0 = â ln (x 0 ) + b^ 35.39
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 détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en 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 détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailIntérêts. Administration Économique et Sociale. Mathématiques XA100M
Intérêts Administration Économique et Sociale Mathématiques XA100M 1. LA NOTION D INTÉRÊT 1.1. Définition. Définition 1. L intérêt est la rémunération d un prêt d argent effectué par un agent économique
Plus en détailCorrection du bac blanc CFE Mercatique
Correction du bac blanc CFE Mercatique Exercice 1 (4,5 points) Le tableau suivant donne l évolution du nombre de bénéficiaires de minima sociaux en milliers : Année 2002 2003 2004 2005 2006 2007 2008 2009
Plus en détaildénombrement, loi binomiale
dénombrement, loi binomiale Table des matières I) Introduction au dénombrement 1 1. Problème ouvert....................................... 2 2. Jeux et dénombrements...................................
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailModule : réponse d un système linéaire
BSEL - Physique aliquée Module : réonse d un système linéaire Diaoramas () : diagrammes de Bode, réonse Résumé de cours - Caractérisation d un système hysique - Calcul de la réonse our une entrée donnée
Plus en détailCorrection du baccalauréat STMG Polynésie 17 juin 2014
Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé
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 détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailChapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en détailMéthodologie version 1, juillet 2006
Méthodologe verson, ullet 2006 Tendances Carbone résente chaque mos sx groues d ndcateurs :. Synthèse du mos 2. Clmat 3. Actvté économque. Energe 5. Envronnement nsttutonnel 6. Tableau de bord Ce document
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en 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 détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailLa maison Ecole d ' Amortissement d un emprunt Classe de terminale ES. Ce qui est demandé. Les étapes du travail
La maison Ecole d ' Amortissement d un emprunt Classe de terminale ES Suites géométriques, fonction exponentielle Copyright c 2004 J.- M. Boucart GNU Free Documentation Licence L objectif de cet exercice
Plus en détailEXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG
Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailTP : Outils de simulation. March 13, 2015
TP : Outils de simulation March 13, 2015 Chater 1 Initialisation Scilab Calculatrice matricielle Exercice 1. Système Unix Créer sous Unix un réertoire de travail outil_simulation dans votre home réertoire.
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
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 détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailDérivées d ordres supérieurs. Application à l étude d extrema.
Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailExercice 1 Trouver l équation du plan tangent pour chaque surface ci-dessous, au point (x 0,y 0,z 0 ) donné :
Enoncés : Stephan de Bièvre Corrections : Johannes Huebschmann Exo7 Plans tangents à un graphe, différentiabilité Exercice 1 Trouver l équation du plan tangent pour chaque surface ci-dessous, au point
Plus en détailEquations différentielles linéaires à coefficients constants
Equations différentielles linéaires à coefficients constants Cas des équations d ordre 1 et 2 Cours de : Martine Arrou-Vignod Médiatisation : Johan Millaud Département RT de l IUT de Vélizy Mai 2007 I
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailAccès optiques : la nouvelle montée en débit
Internet FTR&D Dossier du mois d'octobre 2005 Accès otiques : la nouvelle montée en débit Dans le domaine du haut débit, les accès en France sont our le moment très majoritairement basés sur les technologies
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 détailRésumé du Cours de Statistique Descriptive. Yves Tillé
Résumé du Cours de Statistique Descriptive Yves Tillé 15 décembre 2010 2 Objectif et moyens Objectifs du cours Apprendre les principales techniques de statistique descriptive univariée et bivariée. Être
Plus en détailDUT Techniques de commercialisation Mathématiques et statistiques appliquées
DUT Techniques de commercialisation Mathématiques et statistiques appliquées Francois.Kauffmann@unicaen.fr Université de Caen Basse-Normandie 3 novembre 2014 Francois.Kauffmann@unicaen.fr UCBN MathStat
Plus en détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Plus en détail.NET remoting. Plan. Principes de.net Remoting
Plan.NET remoting Clémentine Nebut LIRMM / Université de Montellier 2 de.net Remoting côté serveur côté client.net Remoting en ratique Les canaux de communication L'activation L'invocation Les aramètres
Plus en détailDes familles de deux enfants
Des familles de deux enfants Claudine Schwartz, IREM de Grenoble Professeur, Université Joseh Fourier Les questions et sont osées dans le dernier numéro de «Pour la Science» (n 336, octobre 2005, article
Plus en détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailavec des nombres entiers
Calculer avec des nombres entiers Effectuez les calculs suivants.. + 9 + 9. Calculez. 9 9 Calculez le quotient et le rest. : : : : 0 :. : : 9 : : 9 0 : 0. 9 9 0 9. Calculez. 9 0 9. : : 0 : 9 : :. : : 0
Plus en détailL information sera transmise selon des signaux de nature et de fréquences différentes (sons, ultrasons, électromagnétiques, électriques).
CHAINE DE TRANSMISSION Nous avons une information que nous voulons transmettre (signal, images, sons ). Nous avons besoin d une chaîne de transmission comosée de trois éléments rinciaux : 1. L émetteur
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailStatistiques - Cours. 1. Gén éralités. 2. Statistique descriptive univari ée. 3. Statistique descriptive bivariée. 4. Régression orthogonale dans R².
Statistiques - Cours Page 1 L I C E N C E S c i e n t i f i q u e Cours Henri IMMEDIATO S t a t i s t i q u e s 1 Gén éralités Statistique descriptive univari ée 1 Repr é s e n t a t i o n g r a p h i
Plus en détailUn modèle de composition automatique et distribuée de services web par planification
Un modèle de comosition automatique et distribuée de services web ar lanification Damien Pellier * Humbert Fiorino ** * Centre de Recherche en Informatique de Paris 5 Université Paris Descartes 45, rue
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailStatistiques à deux variables
Statistiques à deux variables Table des matières I Position du problème. Vocabulaire 2 I.1 Nuage de points........................................... 2 I.2 Le problème de l ajustement.....................................
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailLes fonction affines
Les fonction affines EXERCICE 1 : Voir le cours EXERCICE 2 : Optimisation 1) Traduire, pour une semaine de location, chaque formule par une écriture de la forme (où x désigne le nombre de kilomètres parcourus
Plus en détailUne forme générale de la conjecture abc
Une forme générale de la conjecture abc Nicolas Billerey avec l aide de Manuel Pégourié-Gonnard 6 août 2009 Dans [Lan99a], M Langevin montre que la conjecture abc est équivalente à la conjecture suivante
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailI. Cas de l équiprobabilité
I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus
Plus en détailUNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES. Éric TÉROUANNE 1
33 Math. Inf. Sci. hum., (33 e année, n 130, 1995, pp.33-42) UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES Éric TÉROUANNE 1 RÉSUMÉ Le stéréogramme de liaison est
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailERRATA ET AJOUTS. ( t) 2 s2 dt (4.7) Chapitre 2, p. 64, l équation se lit comme suit : Taux effectif = 1+
ERRATA ET AJOUTS Chapitre, p. 64, l équation se lit comme suit : 008, Taux effectif = 1+ 0 0816 =, Chapitre 3, p. 84, l équation se lit comme suit : 0, 075 1 000 C = = 37, 50$ Chapitre 4, p. 108, note
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 détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailFonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme
Fonctions linéaires et affines 3eme 1 Fonctions linéaires 1.1 Vocabulaire Définition 1 Soit a un nombre quelconque «fixe». Une fonction linéaire associe à un nombre x quelconque le nombre a x. a s appelle
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 détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
Plus en détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
Plus en détailLE PRODUIT SCALAIRE ( En première S )
LE PRODUIT SCALAIRE ( En première S ) Dernière mise à jour : Jeudi 4 Janvier 007 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble ( Année 006-007 ) 1 Table des matières 1 Grille d autoévaluation
Plus en détailCommande prédictive des systèmes non linéaires dynamiques
Rébliqe Algérienne Démocratiqe et olaire Ministère de l Enseignement Sérier et de la Recherche Scientifiqe Université Molod Mammeri de Tizi-Ozo Faclté de Génie Electriqe et Informatiqe Déartement Atomatiqe
Plus en détailDérivation : cours. Dérivation dans R
TS Dérivation dans R Dans tout le capitre, f désigne une fonction définie sur un intervalle I de R (non vide et non réduit à un élément) et à valeurs dans R. Petits rappels de première Téorème-définition
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 détailCorrection du baccalauréat S Liban juin 2007
Correction du baccalauréat S Liban juin 07 Exercice. a. Signe de lnx lnx) : on fait un tableau de signes : x 0 e + ln x 0 + + lnx + + 0 lnx lnx) 0 + 0 b. On afx) gx) lnx lnx) lnx lnx). On déduit du tableau
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailSOMMAIRE OPÉRATIONS COURANTES OPÉRATIONS D INVENTAIRE
SOMMAIRE OPÉRATIONS COURANTES OPÉRATIONS D INVENTAIRE 1 Factures de doit p. 9 Processus 1 2 Réductions sur factures de doit p. 11 Processus 1 3 Frais accessoires sur factures p. 13 Processus 1 4 Comptabilisation
Plus en détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
Plus en détailCorrigé des TD 1 à 5
Corrigé des TD 1 à 5 1 Premier Contact 1.1 Somme des n premiers entiers 1 (* Somme des n premiers entiers *) 2 program somme_entiers; n, i, somme: integer; 8 (* saisie du nombre n *) write( Saisissez un
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 détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
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 détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailExo7. Limites de fonctions. 1 Théorie. 2 Calculs
Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailS2I 1. quartz circuit de commande. Figure 1. Engrenage
TSI 4 heures Calculatrices autorisées 214 S2I 1 L essor de l électronique nomade s accomagne d un besoin accru de sources d énergies miniaturisées. Les contraintes imosées à ces objets nomades sont multiles
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailSeconde Généralités sur les fonctions Exercices. Notion de fonction.
Seconde Généralités sur les fonctions Exercices Notion de fonction. Exercice. Une fonction définie par une formule. On considère la fonction f définie sur R par = x + x. a) Calculer les images de, 0 et
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détailPython - introduction à la programmation et calcul scientifique
Université de Strasbourg Environnements Informatique Python - introduction à la programmation et calcul scientifique Feuille de TP 1 Avant de commencer Le but de ce TP est de vous montrer les bases de
Plus en détailComplément d information concernant la fiche de concordance
Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours
Plus en détail