UFR de Sciences Economiques Année FEUILLE 1 : ESTIMATION
|
|
- Virgile Dussault
- il y a 6 ans
- Total affichages :
Transcription
1 Université Paris 13 Cours de Statistiques et Econométrie UFR de Sciences Economiques Année Licence de Sciences Economiques 3 Premier semestre FEUILLE 1 : ESTIMATION 1. Estimation ponctuelle Exercice 1. Une machine fabrique des pièces carrées dont on veut estimer la surface moyenne ; pour cela on dispose des mesures de 2 côtés, x et y, sur un échantillon de n pièces. (1) On supposera que X et Y sont des variables aléatoires indépendantes de même espérance m et de même écart-type σ. Les moyennes empiriques X et Y sont-ils des estimateurs sans biais de m? Sont-ils indépendants l un de l autre? Ont-ils même variance et, si oui, quelle est-elle? (2) On décide de choisir entre trois estimations possibles de la surface moyenne: (x + y) 2 /4, (x 2 + y 2 )/2, x y. Les estimateurs suivants sont-ils sans biais ( X + Y ) 2 /4. (X 2 + Y 2 )/2. X Y. Quel est parmi eux l estimateur le plus biaisé? (3) Calculer le risque quadratique de X Y. Exercice 2. Comparons, sur un petit exemple, les qualités de X à celles d autres estimateurs possibles de la moyenne. On dispose d une population de cinq individus dont on a mesuré la taille en mètre : Alain, de taille 1, 75m, Bernard, de taille 1, 80m, Clément, qui qui mesure 1, 72m, David de taille 1, 68m et Eugène qui mesure 1, 78m. La moyenne des cinq tailles est m = 1, 746m et l écart-type est σ = 4, 27cm. On extrait des échantillons (avec remise) de n = 3 individus parmi les 5. On note X la moyenne des tailles de l échantillon, X 1 la taille du premier individu tiré au sort, X 3 celle du troisième, et X me la taille médiane. (1) Calculer E(X), V (X), E(X 1 ), V (X 1 ), E(X 3 ), V (X 3 ). (2) Lequel des estimateurs X, X 1 et X 3 est-il le plus efficace? (3) Combien y-a-t-il d échantillons aléatoires simples (i.e. avec remise) possibles, équiprobables? (4) Parmi ceux-ci combien ont pour médiane 1, 68m, 1, 72m, 1, 75m, 1, 78m, 1, 80m? (On rappelle que si a 1 a 2 a 3 sont trois nombres (distincts ou confondus) ordonnés par ordre croissant, a 2 est leur médiane). (5) En déduire E(X me ) et V (X me ). (6) X me est-il un estimateur sans biais de m? (7) X me est-il un estimateur sans biais de la médiane? Date: Octobre
2 2 FEUILLE 1 : ESTIMATION Exercice 3. Soit θ un paramètre strictement positif. Soit X 1,, X n un n- échantillon de densité f θ (x) = 1 2πθ exp( x2 ), x R. (1) Reconnaître la loi de X i. (2) Montrer que T = n i=1 X2 i n est un estimateur sans biais de θ. Exercice 4. Soit θ un paramètre strictement positif. Soit X 1,, X n un n- échantillon de densité la densité exponentielle de paramètre θ. 2θ (1) Calculer la vraisemblance L(θ) de X 1,, X n. (2) Calculer l estimateur du maximum de vraisemblance de θ. (3) Application numérique: des durées de vie d ampoules de même type, supposées être les réalisations de variables aléatoires de loi exponentielle sont données ci-dessous Estimer la durée de vie moyenne. Estimer le paramètre de la loi exponentielle. Exercice 5. M. Dupont prend tous les jours l autobus, aux environs de 8 h. Il sait que ce bus passe à intervalles de temps réguliers, mais il ne connaît pas la durée de ces intervalles. La durée de son attente est donc une variable aléatoire X, de loi uniforme sur un intervalle [ 0, a ], où a est inconnu et strictement positif. Il a noté, pendant 20 jours, la durée de son attente : x1, x2,..., xn ( n = 20 ), et veut utiliser cet échantillon pour estimer a, durée maximale d attente. (1) Calculer E(X). En déduire un estimateur sans biais de a dont on calculera la variance. On notera U ce premier estimateur. Cet estimateur est-il convergent? (2) Une autre possibilité, puisque a est la durée maximale de l attente, est d estimer a par M = max(x 1, X 2,, X n ). L estimateur M est-il sans biais? (vous essayerez de répondre sans faire le calcul de cette espérance. (3) En utilisant le fait que M a pour densité g M (x) = n xn 1, pour x [0, a], an calculer E a (M) puis E a (M 2 ). En déduire le risque quadratique R(a, M). (4) Quel estimateur allez-vous choisir entre U et M? (5) Comme a est le milieu de [0, a], on peut aussi estimer a par Y = M + m, où m = min(x 1,, X n ). On peut démontrer que E(Y ) = a, et V (Y ) = 2a 2 (n+1)(n+2). Quel est l estimateur de risque quadratique le plus faible entre Y,M et U?
3 FEUILLE 1 : ESTIMATION 3 Exercice 6. Afin d estimer le nombre d oies dans une région un premier groupe de 100 oies est capturé marqué et relaché. Un second groupe de 75 oies est capturé parmi lesquelles on observe que 2 sont marquées. Sans faire de calcul compliqué, donner une estimation grossière du nombre d oies. 2. Intervalles de confiance Exercice 7. Soit X une variable aléatoire de densité f(x; µ) = (x µ) 2 e π. (1) On a calculé x = 30 pour un échantillon aléatoire de taille 20 de X. Déterminer un intervalle de confiance à 95% pour µ. (2) De quelle taille devrait être un échantillon pour que l intervalle de confiance soit moins long de moitié? (3) Le poids d un nouveau né est une variable gaussienne d écart type 0,5 kg. On pèse 19 nouveaux nés dans une maternité et on trouve un poids moyen empirique de 3,6 kg. Déterminer un intervalle de confiance au niveau 0,95 pour le poids moyen des nouveaux nés dans la région desservie par cet hopital. (4) Quel serait l intervalle de confiance au même niveau si le poids moyen de 3,6 kg avait été obtenu sur un échantillon de 50 enfants? (5) Pour un échantillon de 19 enfants, quel est le degré de confiance d un intervalle de longueur 0,1? Exercice 8. Dans une population le temps d écoute de la télévision en une semaine en heures est une variable de loi normale dont la moyenne µ fluctue selon la saison et les programmes. Un sondage auprès de 16 individus de cette population a donné les temps d écoute suivants en une semaine : 12,0 23,5 15,0 11,5 23,0 29,5 31,0 19,5 20,0 27,0 13,0 22,5 6,0 25,0 18,0 20,5. (1) Déterminer un intervalle de confiance au niveau 0,9 pour l espérance du temps d écoute cette semaine là (2) Si l écart type est connu égal à 6, déterminer un intervalle de confiance au niveau 0,9. Combiens d observations aurait-il fallu pour que la longueur de cet intervalle n excède pas une heure? Exercice 9. Des statistiques sur 199 enfants d une population ont montré que le nombre de caries dentaires sur une période de 36 mois avait pour moyenne 21 et pour écart type 12. En supposant que le nombre de ces caries suit une loi normale déterminer un intervalle de confiance pour sa moyenne au niveau 90/100, puis au niveau 99/100. Exercice 10. Soit un n-échantillon de taille 20 de la densité f(x; θ) = exp( 1 2 ( x 10 σ )2 ) σ. 2π Trouver un intervalle de confiance à 90% pour σ 2. On donne: x x 20 = 180 et x x 2 20 = 2000
4 4 FEUILLE 1 : ESTIMATION Exercice 11. (1) Utiliser les valeurs suivantes, qui sont les réalisations d un échantillon Gaussien d espérance µ et de variance σ 2 pour obtenir un intervalle de confiance à 95% pour σ (2) On suppose que vous disposez de 1000 échantillons indépendants de cette loi et de taille 16. Pour chaque échantillon vous calculez l intervalle de confiance à 95% pour σ 2 associé. On suppose aussi que vous connaissez la vraie variance. On coche chaque intervalle qui la contient. Quel est le nombre attendu d intervalles non cochés? Quelle est la loi du nombre d intervalles non cochés? Exercice 12. (extrait du partiel de janvier 2006) On a étudié l effet d un régime alimentaire sur 9 femmes. On donne les résultats dans le tableau suivant. Poids avant Poids après Femme (en livres) (en livres) Construire un intervalle de confiance à 90% pour la différence moyenne de poids µ (la différence de poids sera prise égale au poids avant régime - poids après régime et sera supposée gaussienne). Exercice 13. Construisez un intervalle de confiance à 90% pour le paramètre µ de la loi de Poisson si un échantillon de taille 30 donne x x 30 = 240. Utilisez l approximation normale pour X et remplacer σ par son estimateur. Exercice 14. (1) Construisez un intervalle de confiance à 95% pour le paramètre p de la loi de Bernoulli (on note π(x, p) la probabilité si le paramètre est p d obtenir le résultat x pour cette variable): { p si x = 1 π(x; p) = 1 p si x = 0, à partir d un échantillon de taille 50 vérifiant 50 i=1 x i = 15. Utilisez l approximation normale pour X et remplacer la variance par la variance estimée. (2) Après le débat télévisé d octobre 1981 entre les candidats à la présidence des Etats Unis, Reagan et Mondale, un sondage d opinion fait par la maison Gallup pour le compte du journal Newsweek a révélé que 205 spectateurs sur les 375 sondés pensaient que Mondale l avait emporté. Construire un intervalle de confiance au niveau 0,9 pour la proportion de spectateurs qui pensaient que Mondale l avait emporté. Peut-on affirmer avec ce degré de confiance que la majorité des spectateurs étaient de cet avis?
5 FEUILLE 1 : ESTIMATION 5 (3) 20 pièces produites par une machine sur un échantillon de 200 sont défectueuses. Calculer un intervalle de confiance au niveau 0,95 pour la proportion de pièces défectueuses produites par cette machine. Exercice 15. (extrait du partiel de Janvier 2006) (1) Dans un échantillon de 1500 électeurs, 52% préféraient le candidat A au candidat B. Donner un intervalle de confiance à 98% pour la proportion d électeurs qui préfèrent le candidat A. (2) La variance maximale de l estimation d une proportion p à partir d un échantillon de taille n est 1 4n. Par suite, la longueur maximale d un intervalle de confiance pour p de c niveau 1 α, si l on utilise l approximation gaussienne, est n, où c est tel que P ( N (0, 1) c) = 1 α. Combien d observations sont-elles nécessaires pour que l on soit sûr à 95% que l estimation diffère de p d au plus 0.01? Exercice 16. (extrait du partiel de Janvier 2008) Vingt lignes, de longueur 60 cm chacune, ont été dessinées. Un étudiant a estimé visuellement le centre de chaque ligne. La distance en cm de chaque point désigné à l extrémité gauche de la ligne a été mesurée. Les 20 mesures sont reportées dans le tableau suivant: 29,7 32,3 30,0 29,8 31,1 29,8 30,6 30,7 29,7 30,2 29,8 30,7 31,8 29,2 30,0 30,3 31,3 31,3 29,4 32,0 On supposera que les données sont des réalisations de Gaussiennes indépendantes de moyenne m et de variance σ 2. (1) Estimer la moyenne m et la variance σ 2 en en donnant des estimations non biaisées. (2) Construire un intervalle de confiance au niveau 0.95 pour m. Exercice 17. Une maison de sondages se propose d estimer des proportions dans une population par les proportions correspondantes dans un échantillon de façon à ce que la marge d erreur soit au plus de 2/100 et ce 19 fois sur 20 en moyenne. Quelle doit être la taille minimale de l échantillon?
UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16
ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
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 du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible»
Exercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible» Quand la trésorerie d une entreprise est positive, le trésorier cherche le meilleur placement pour placer les excédents.
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailBAREME sur 40 points. Informatique - session 2 - Master de psychologie 2006/2007
BAREME ur 40 point Informatique - eion 2 - Mater de pychologie 2006/2007 Bae de donnée PRET de MATERIEL AUDIO VISUEL. Remarque : Le ujet comporte 7 page. Vérifier qu il et complet avant de commencer. Une
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 détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
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 détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
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 détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailCours 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 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 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 détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
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 détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailSIMULATION ELECTORALE
SIMULATION ELECTORALE COMMUNICATION - PROGIS - JOURNALISME IEP Grenoble - Présidentielle 2012 SIMULATION ELECTORALE PRÉSIDENTIELLE 2012 A l initiative de l Association des Diplômés, cette simulation du
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailLes Français et le courrier publicitaire. Rapport
Les Français et le courrier publicitaire Rapport Sommaire 1. Présentation de l'étude 2. Principaux enseignements 3. Résultats détaillés 4. Les habitudes en termes de courrier 5. Appréciation des différents
Plus en détailThéorie des sondages : cours 5
Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur
Plus en détailSondage Politique provinciale Campagne électorale 2014. Grand sondage régional. Étude quantitative. 25 mars 2014
Sondage Politique provinciale Campagne électorale 2014 Grand sondage régional Étude quantitative 25 mars 2014 Méthodologie MÉTHODOLOGIE SONDAGE INTERNET Un sondage Internet réalisé auprès du grand public
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailECTS CM TD TP. 1er semestre (S3)
Organisation du parcours M2 IRS en alternance De façon générale, les unités d enseignements (UE) sont toutes obligatoires avec des ECTS équivalents à 3 sauf le stage sur 27 ECTS et réparties sur deux semestres
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
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 détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
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 détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
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 détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
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 détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en détailC2i Niveau 1 Enoncé Activité 1 UPJV 2014-2015 1
Epreuves pratique du C2i Enoncé de l Activité 1 pour la validation des compétences du domaine D1 du C2i «Travailler dans un environnement numérique évolutif» CONTEXTE L objectif de cette activité est de
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 détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailBACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
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 détailPRIME D UNE OPTION D ACHAT OU DE VENTE
Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,
Plus en détailItems étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire
CHAPITRE N5 FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION Code item D0 D2 N30[S] Items étudiés dans le CHAPITRE N5 Déterminer l'image
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailDistribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités
Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements
Plus en détailEnquête CTIP/CREDOC. 22 février 2008 L OPINION DES SALARIÉS ET DES EMPLOYEURS SUR LA COMPLÉMENTAIRE SANTÉ ET LES RÉFORMES DE L ASSURANCE MALADIE
Enquête CTIP/CREDOC L OPINION DES SALARIÉS ET DES EMPLOYEURS SUR LA COMPLÉMENTAIRE SANTÉ ET LES RÉFORMES DE L ASSURANCE MALADIE 22 février 2008 www.ctip.asso.fr Sondage auprès de 1000 salariés et 300 employeurs
Plus en détail1. Aménagements technologiques 2. Installation de Microsoft SQL Server 2012
Microsoft SQL Server 2012 Guide d installation et de configuration sur des serveurs Microsoft Windows version 2008/2008R2/2012 ( Décembre 2012 ) Ce guide explique les différentes étapes pour installer
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailDiscours introductif du directeur du département. Mesdames Messieurs les professeurs, Mesdames Messieurs, Cher collègues, cher étudiants
CP du 18 février 2013 Etaient présents: voir feuille de présence ci jointe Discours introductif du directeur du département. Mesdames Messieurs les professeurs, Mesdames Messieurs, Cher collègues, cher
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
Plus en détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
Plus en détailFPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 1
INTRODUCTION ça L'INFçERENCE STATISTIQUE 1. Introduction 2. Notion de variable alçeatoire íprçesentation ívariables alçeatoires discrçetes ívariables alçeatoires continues 3. Reprçesentations d'une distribution
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
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 détailL olivier Assurances Licence 3 Econométrie Lyon II
15 novembre 2013 L olivier Assurances Licence 3 Econométrie Lyon II Pascal Gonzalvez 1 L olivier Assurances et le Groupe Admiral Segmentation et tarification en assurance auto Autres applications de la
Plus en détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détailDate de diffusion publique : lundi 15 décembre 2008, 6h00 heure normale de l Est
Suite à la récente crise constitutionnelle, un nouveau sondage démontre que les Canadiens manquent de connaissances élémentaires sur le système parlementaire canadien La moitié des Canadiens (51%) croient
Plus en détailBACCALAURÉAT PROFESSIONNEL SUJET
SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)
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 détailAppel à projets L Annexe pour les petits spectateurs
Appel à projets L Annexe pour les petits spectateurs Vous avez un projet dans les domaines du spectacle vivant, des arts, des jeux, des sciences pour le jeune public de 0 à 12 ans et pour sa famille? La
Plus en détailRégression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr
Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R
Plus en détailNote de service À : De :
Note de service À : De : Tous les Fellows, affiliés, associés et correspondants de l Institut canadien des actuaires et autres parties intéressées Jim Christie, président Conseil des normes actuarielles
Plus en détailF.F.E.S.S.S.M. Commission Nationale d Apnée Manuel de formation APNEISTE NIVEAU 2
APNEISTE NIVEAU 2 1. ORGANISATION GENERALE - Les sessions de Niveau 2 sont organisées à l échelon du club ou des structures commerciales agréées, en formation continue ou sous la forme d un examen ponctuel.
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ARTHUR CHARPENTIER 1 Un certain test médical révèle correctement, avec probabilité 0.85, qu une personne a le sida lorsqu elle l a vraiment et révèle incorrectement,
Plus en détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détailSolutions collaboratives, vidéo et développement durable Ce qu en pensent les décideurs IT. Aastra Handbooks
Solutions collaboratives, vidéo et développement durable Ce qu en pensent les décideurs IT Aastra Handbooks Sommaire Introduction 3 Contexte 4 Méthodologie 5 Résultats de l étude 6 Conclusion 17 Glossaire
Plus en détailMATHÉMATIQUES. Mat-4104
MATHÉMATIQUES Pré-test D Mat-404 Questionnaire e pas écrire sur le questionnaire Préparé par : M. GHELLACHE Mai 009 Questionnaire Page / 0 Exercice ) En justifiant votre réponse, dites quel type d étude
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailMANUEL GANTT PROJECT
MANUEL GANTT PROJECT A FAIRE UN GANTT PREVISIONNEL 1 Définir le problème Le diagramme de GANTT est un outil permettant de modéliser la planification de tâches nécessaires à la réalisation d'un projet.
Plus en détailL approche de régression par discontinuité. Thomas Lemieux, UBC Atelier de formation du Congrès de l ASDEQ Le 18 mai 2011
L approche de régression par discontinuité Thomas Lemieux, UBC Atelier de formation du Congrès de l ASDEQ Le 18 mai 2011 Plan de la présentation L approche de régression par discontinuité (RD) Historique
Plus en détailSondage Politique provinciale Campagne électorale 2014. Rapport étude quantitative. 15 mars 2014
Sondage Politique provinciale Campagne électorale 2014 Rapport étude quantitative 15 mars 2014 Méthodologie MÉTHODOLOGIE SONDAGE INTERNET Un sondage Internet réalisé auprès du grand public dans l ensemble
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 détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
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 détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
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 détailC f tracée ci- contre est la représentation graphique d une
TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe
Plus en détail