Mathématiques Statistiques
|
|
- Monique François
- il y a 6 ans
- Total affichages :
Transcription
1 IUT de Mesures Physiques de Caen DUT 2ème année Mathématiques Statistiques Travaux Dirigés Feuille Sujet Statistiques descriptives : données univariées, échantillonnage, histogramme, diagramme de dispersion. Exercice : Corrélation de données Nous étudions les évolutions conjointes des températures moyennes de Sydney et de Caen. Le tableau suivant recense les températures moyennes mensuelles relevées sous abri, à midi, sur plusieurs années (Source : Météo France). jan. fev. mar. avr. mai jui. jui. aou. sep. oct. nov. dec. x : Sydney ( o C) y : Caen ( o C) Indiquer les valeurs extrêmes, puis l amplitude de variation (plage des valeurs). Calculer ensuite moyenne, variance, écart-type empirique de chaque échantillon x et y de différentes manières. Commenter les résultats. Indication : Attention aux unités! Si besoin, on pourra indiquer aux étudiants que x 2 = o C 2 et que y 2 = o C 2. x = o C et ȳ = 0.5 o C S 2 n(x) = o C 2 et S 2 n(y) = o C 2 S n (x) = o C et S n (y) = o C La température moyenne est plus élevée à Sydney, avec une variabilité plus faible qu à Caen. 2. Calculer la covariance et la corrélation empirique. Commenter et interpréter le résultat. Covariance empirique : S 2 n(x, y) = o C 2 Corrélation de Pearson : ρ(x, y) = Remarque : le coefficient de corrélation est élevé, donc la variance de y peut s expliquer linéairement en fonction de celle de x. Remarque 2 : une forte corrélation n indique pas la causalité!!! Remarque 3 : Coefficient négatif en raison du changement d hémisphère. 3. Calculer les paramètres de régression linéaire d un modèle affine du type : y = ax + b. a = S2 n(x, y) Sn(x) 2 = ρ(x, y) S n(y) S n (x) =.208 b = ȳ a x = o C 4. Tracer le nuage de points (x i, y i ) i puis la droite de régression déterminée à la question précédente. En déduire à quelle température on peut s attendre en partant en voyage à Sydney lorsque qu il fait 0 o C à Caen. Le nuage de point et la droite de régression sont tracés en figure. Si on souhaite prédire la valeur de température moyenne à Sydney en fonction de celle à Caen, il faut inverse le modèle linéaire : x = a (y b). Ainsi, s il fait 0o C, il fait en moyenne o C à Sydney.
2 8 6 regression lineaire nuage de points droite de regression ( = ) 4 2 y x Figure : Représentation des données brutes et régression. Exercice 2 : Analyse de données triées Un relevé de n valeurs est donné dans le tableau suivant, correspondant à la mesure de l impédance de résistances électrique provenant d un même lot et dont le code couleur indique qu elles sont de 00 Ω. Afin de faciliter l analyse, les données ont subi un pré-traitement : on notera que les valeurs sont triées en colonne Calculer la plage des valeurs, l effectif total, les valeurs minimales et maximales ; Indication : Attention aux unités! Plage des valeurs de l échantillon : [min, max] = [95; 04, 93] Ω Effectif total = 00 (pour simplifier les calculs). 2. Calculer les quantiles à : 0%, 25%, 50% et 75%. Médian : Quartiles : med = 2 (x 50 + x 5 ) = Ω Q 0 = 2 (x 0 + x ) = Ω, Q 25 = Ω, Q 50 = Ω, Q 75 = Ω 3. Dessiner la boîte à moustache correspondant aux données à partir des résultats de la question précédente. Dispersion inter-quartile : = Q 75 Q 25 = 4.8 Ω. Rappeler que 50 % des données appartiennent à cet intervalle de valeur, équilibré autour de la médiane. 2
3 Voici la représentation obtenue (Figure 2). Rappelons que sont représentés par ce diagramme : la médiane, les er et 3ème quartiles, puis les moustaches, qui varient selon la définition choisie. Historiquement (Tukey), les moustaches s étendent jusqu aux valeurs extrémales de l échantillon appartenant à l intervalle : [q min ; q max ] avec q max = Q (Q 75 Q 25 ) = Q = et q min = Q 25 3 = Ici, 2 toutes les données sont donc comprises dans l intervalle interquartile symbolisé par les moustaches. Boite a moustache Figure 2: Représentation des données brutes et simplification par boîte à moustache. 4. Dessiner la courbe des effectifs cumulés en utilisant seulement la première ligne du tableau (utiliser une interpolation linéaire). Déterminer graphiquement les quartiles : retrouve-t-on les résultats de la question précédente? Quel résultat obtiendrait-on en utilisant toutes les valeurs de l échantillon? Voici la courbe obtenue avec toutes les valeurs de l échantillon puis partielle (Figure 3). On obtient forcément des résultats différents et moins fiables pour décrire l impédance des résistances. Si on utilise tout l échantillon, on peut également trouver des résultats différents à cause de la méthode graphique (choix de l interpolation et de la définition de quantile). 5. Regrouper les valeurs en 0 classes (ou modalités). Préciser la quantification choisie. Donner le résultat sous forme de tableau. Classe Intervalle Centre Effectifs Proportion Il est naturel de prendre l intervalle de valeurs [95, 05] que l on découpe en 0 intervalles de même taille (quantification uniforme). On peut alors traiter les données comme des données discrètes mais en faisant des erreurs de calculs liées à la quantification. On obtient le tableau des effectifs suivant : classe centre effectif En déduire un calcul approché de la moyenne empirique. De la même manière, estimer ensuite la variance empirique et l écart-type de l échantillon. Donner ensuite estimation de la moyenne et de la variance de la population dont est issu cet échantillon. Comparer avec les résultats obtenus lorsque l on utilise toute les valeurs de l échantillon (voir les indications). Si vous avez le temps, retrouver ces valeurs avec votre calculatrice.
4 effectif (sur 0) effectifs partiels cumules Figure 3: Effectifs cumulés sur tout l échantillon puis partiel Indications : On a i x i = Ω et i x 2 i = Ω 2. On calcule de manière rapide mais approchée la moyenne de l échantillon en utilisant la valeur centrale de chaque classe ˆµ = Ω ˆσ 2 = Ω 2 ˆσ = Ω Sur tout l échantillon, on obtient : moyenne empirique de l échantillon : x = Ω Variance empirique Sn(x) 2 = (x x) 2 = x 2 x 2 = Ω 2 (on obtient en utilisant aucun arrondi intermédiaire de calcul). Moyenne estimée : ˆµ = x (estimateur sans biais et convergent d après la loi des grands nombre) Variance estimée de la population ˆσ = S n (x) 2 = n n S2 n(x) = Ω 2 (estimateur sans biais et convergent d après la loi des grands nombre) 7. Tracer l histogramme normalisé des effectifs et commenter l allure de la courbe. Comment obtient-on la répartition empirique des impédances pour ce modèle de résistance? Quelle est l allure de la courbe? L histogramme des effectifs est tracé en Figure 4. Il est obtenu en traçant en ordonné les effectifs en fonction des classes.
5 Les effectifs cumulés sont ensuite définis en sommant les effectifs sur plusieurs classes en commançant par la première. Différentes interpolations peuvent être utilisées pour représenter ces effectifs cumulés. Ici on a choisi une interpolation linéaire des effectifs entre les centres de chaque classe (qui suppose fondamentalement que les effectifs sont uniformément répartis dans chaque intervalle). 4 Histogramme des effectifs sur 0 classes effectif (sur 00) % Histogramme normalise et cumule sur 0 classes Figure 4: Histogrammes sur données 8. Calculer les paramètres de forme (coefficient d aplatissement et de symétrie) en utilisant les questions précédentes. Indication : On pourra utiliser les fonctions de tableur de sa calculatrice. On calcule de manière rapide mais approchée les coefficients de skewness et de kurtosis avec les données quantifiées (sans unité) : m3 = Ce coefficient est proche de zéro, soit une distribution empirique avec une bonne symétrie comme on peut l observer.
6 m4 =.855 < 3. Ce coefficient est plus faible que le kurtosis d une loi normale (égal à 3) : cela signifie que la décroissante est plus rapide qu une gaussienne, ce que nous permet de vérifier le diagramme de dispersion (boîte à moustache). Pour indication, pour tout l échantillon on obtient : m3 = m4 =.8537
Annexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en 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 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 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 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 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 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 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 détailÉVOLUTION DE L'ACCIDENTALITÉ ROUTIÈRE DANS LE DÉPARTEMENT DE LA HAUTE-VIENNE Valeurs cumulées sur les 12 derniers mois avec courbe de tendance
ÉVOLUTION DE L'ACCIDENTALITÉ ROUTIÈRE DANS LE DÉPARTEMENT DE LA HAUTE-VIENNE Valeurs cumulées sur les 12 derniers mois avec courbe de tendance Définition Un accident corporel (mortel ou non mortel) de
Plus en détailModèle de budget mensuel
Modèle de budget mensuel Ce modèle de budget a été créé pour vous aider à vous fixer un budget adapté à votre situation. Que vous épargniez en vue de votre mariage ou de l arrivée d un enfant, établir
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 détailModèle de budget mensuel
Modèle de budget mensuel Ce modèle de budget a été créé pour vous aider à vous fixer un budget adapté à votre situation. Que vous épargniez en vue de votre mariage ou de l arrivée d un enfant, établir
Plus en détailSéquence 4. Statistiques. Sommaire. Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement
Séquence 4 Statistiques Sommaire Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement 1 Introduction «Etude méthodique des faits sociaux par des
Plus en détailStatistiques à une variable
Statistiques à une variable Calcul des paramètres statistiques TI-82stats.fr? Déterminer les paramètres de la série statistique : Valeurs 0 2 3 5 8 Effectifs 16 12 28 32 21? Accès au mode statistique Touche
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
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 détail4 Statistiques. Les notions abordées dans ce chapitre CHAPITRE
CHAPITRE Statistiques Population (en milliers) 63 6 6 6 Évolution de la population en France 9 998 999 3 Année Le graphique ci-contre indique l évolution de la population française de 998 à. On constate
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 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 détailStatistiques 0,14 0,11
Statistiques Rappels de vocabulaire : "Je suis pêcheur et je désire avoir des informations sur la taille des truites d'une rivière. Je décide de mesurer les truites obtenues au cours des trois dernières
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 détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
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 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 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 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 détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
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 détailBulletin d information statistique
INFOSTAT JUSTICE Divorces : une procédure à deux vitesses Zakia Belmokhtar * Mai 2012 Numéro 117 En visant à permettre un règlement plus rapide et plus complet des demandes en divorce, la loi du 26 mai
Plus en détailProgramme canadien pour l épargne-études Rapport statistique annuel
Programme canadien pour l épargne-études Rapport statistique annuel Décembre 2008 TABLE DES MATIÈRES MESSAGE AUX INTERVENANTS... 3 PROGRAMME CANADIEN POUR L ÉPARGNE-ÉTUDES (PCEE)... 4 MÉTHODOLOGIE DU RAPPORT...
Plus en détailLe centre sera fermé du 20 au 31 juillet 2015
Calendrier officiel des 2015-2016 Date des 2 premières Cours de jour : Mercredi 26 août 2015 Mardi 8 septembre 2015 du 1 e juin au 8 juillet ET du 3 au 5 août 2015 Cours de soir : Inscriptions les lundis
Plus en détailStatistique descriptive. Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne. Notes de cours
Statistique descriptive Fabrice MAZEROLLE Professeur de sciences économiques Université Paul Cézanne Notes de cours Dernière mise à jour le mercredi 25 février 2009 1 ère année de Licence Aix & Marseille
Plus en détail1 Importer et modifier des données avec R Commander
Université de Nantes 2015/2016 UFR des Sciences et Techniques Département de Mathématiques TP1 STATISTIQUE DESCRIPTIVE Frédéric Lavancier Avant propos Ouvrir l application R Saisir dans la console library(rcmdr)
Plus en détailPROGRAMME INTERNATIONAL POUR LE SUIVI DES ACQUIS DES ÉLÈVES QUESTIONS ET RÉPONSES DE L ÉVALUATION PISA 2012 DE LA CULTURE FINANCIÈRE
PROGRAMME INTERNATIONAL POUR LE SUIVI DES ACQUIS DES ÉLÈVES QUESTIONS ET RÉPONSES DE L ÉVALUATION PISA 2012 DE LA CULTURE FINANCIÈRE TABLE DES MATIÈRES INTRODUCTION... 3 QUESTION NIVEAU 1: FACTURE... 4
Plus en détailActivité 11 : Nuage de points ou diagramme de dispersion
Activité 11 : Nuage de points ou diagramme de dispersion Un nuage de points, ou diagramme de dispersion, représente des coordonnées dans un plan cartésien. Chaque point dans le plan représente deux quantités.
Plus en détailStatistiques avec la graph 35+
Statistiques avec la graph 35+ Enoncé : Dans une entreprise, on a dénombré 59 femmes et 130 hommes fumeurs. L entreprise souhaite proposer à ses employés plusieurs méthodes pour diminuer, voire arrêter,
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 détailTerminale STMG Lycée Jean Vilar 2014/2015. Terminale STMG. O. Lader
Terminale STMG O. Lader Table des matières Interrogation 1 : Indice et taux d évolution........................... 2 Devoir maison 1 : Taux d évolution................................ 4 Devoir maison 1
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
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 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 détailEnseignements d exploration de seconde. Sciences de l Ingénieur. Création et Innovation Technologiques
Enseignements d exploration de seconde Sciences de l Ingénieur Création et Innovation Technologiques SI et CIT enseignements complémentaires pour un développement durable CIT Comprendre comment évoluent
Plus en détailStatistiques descriptives
Statistiques descriptives L3 Maths-Eco Université de Nantes Frédéric Lavancier F. Lavancier (Univ. Nantes) Statistiques descriptives 1 1 Vocabulaire de base F. Lavancier (Univ. Nantes) Statistiques descriptives
Plus en détailTrès légère hausse de la confiance des chefs d entreprise en février
25-2-24 29-5-26 Liens: NBB.Stat Information générale Enquête mensuelle de conjoncture auprès des entreprises - février 25 Très légère hausse de la confiance des chefs d entreprise en février Le baromètre
Plus en détailUNE OFFRE MODERNE DE BANQUE À DOMICILE
Le réseau Société Générale UNE OFFRE MODERNE DE BANQUE À DOMICILE Alain Brunet Journée Société Générale - 20 juin 2000 1 Sommaire Une utilisation massive et un impact important sur notre exploitation Une
Plus en détailUNEP /UNESCO /UNCH / ECA
UNEP /UNESCO /UNCH / ECA URBAN POLLUTION OF SURFICIAL AND GROUNDWATER AQUIFERS VULNERABILITY IN AFRICA Bénin, Guinée, Niger, Mali, Côte d Ivoire, Sénégal, Burkina Faso AQUIFERE SUPERFICIEL ET POLLUTION
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 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 détailUNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand
UNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand Service méthodes statistiques Institut National d Etudes Démographiques (Ined)
Plus en détailNotion de fonction. Résolution graphique. Fonction affine.
TABLE DES MATIÈRES 1 Notion de fonction. Résolution graphique. Fonction affine. Paul Milan LMA Seconde le 12 décembre 2011 Table des matières 1 Fonction numérique 2 1.1 Introduction.................................
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
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 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 détailIntroduction à la statistique descriptive
Chapitre chapitre 1 Introduction à la statistique descriptive Les méthodes de la statistique descriptive (statistique déductive) permettent de mener des études à partir de données exhaustives, c est-à-dire
Plus en détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en détailChapitre 13 Numérisation de l information
DERNIÈRE IMPRESSION LE 2 septembre 2013 à 17:33 Chapitre 13 Numérisation de l information Table des matières 1 Transmission des informations 2 2 La numérisation 2 2.1 L échantillonage..............................
Plus en détailG.P. DNS02 Septembre 2012. Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3. Réfraction
DNS Sujet Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3 Réfraction I. Préliminaires 1. Rappeler la valeur et l'unité de la perméabilité magnétique du vide µ 0. Donner
Plus en détailMesurage de la qualité acoustique de revêtements. acoustique de revêtements
Monitoring de la performance acoustique d un d revêtement phonoabsorbant en milieu urbain François Aballéa, Pierre-Jean René a Olivier Schalbetter, Lucien Pignat b Daniel Vaucher de la Croix, Fabien Lassablière
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 détailNOTICE MÉTHODOLOGIQUE SUR LES OPTIONS DE CHANGE
NOTICE MÉTHODOLOGIQUE SUR LES OPTIONS DE CHANGE Avec le développement des produits dérivés, le marché des options de change exerce une influence croissante sur le marché du change au comptant. Cette étude,
Plus en détailIndicateur du Marché du Transport (Transport Market Monitor)
Indicateur du Marché du Transport (Transport Market Monitor) La reprise des prix du transport continue Edition: 18 (février 2014) Distribution et restriction de publication de l'indicateur du Marché du
Plus en détailManipulation de données avec SAS Enterprise Guide et modélisation prédictive avec SAS Enterprise Miner
Le cas Orion Star Manipulation de données avec SAS Enterprise Guide et modélisation prédictive avec SAS Enterprise Miner Le cas Orion Star... 1 Manipulation de données avec SAS Enterprise Guide et modélisation
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 détailRéunion publique/téléconférence
Réunion publique/téléconférence Dorval Cornwall Kingston Watertown Oswego Burlington Rochester Kingston/Oswego Téléconférence: 1-877-413-4814 486 9841 (français) 447 9980 (anglais) Appeler entre 18h45-18h55
Plus en détailLe calcul du barème d impôt à Genève
Le calcul du barème d impôt à Genève Plan : 1. Historique Passage d un système en escalier à une formule mathématique 2. Principe de l imposition Progressivité, impôt marginal / moyen ; barème couple/marié
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 détailTendances du Marché Publicitaire
Tendances du Marché Publicitaire Rapport 2015/07 Compte-rendu mensuel de l évolution du marché suisse de la publicité Les points culminants en juillet 2 Pression publicitaire pour l ensemble du marché
Plus en détailINFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X.
INFIRMIER(E) GRADUE(E) SPECIALISE(E) EN SANTE COMMUNAUTAIRE HAUTE ECOLE DE LA PROVINCE DE LIEGE PROFESSEUR : RENARD X. Année scolaire 009-010 TABLE DES MATIERES CHAPITRE 1: Eléments de statistiques descriptives...
Plus en détailOUESSANT. Vivienne investissement. Printemps-été 2015. Rapport de gestion. L analyse quantitative au service de la gestion active
Ce document est destiné à des investisseurs professionnels uniquement Vivienne investissement L analyse quantitative au service de la gestion active OUESSANT Rapport de gestion Printemps-été 2015 Vivienne
Plus en détailMastère Spécialisé MSI-PME/PMO. aitrise des ystèmes d nformation pour les
Mastère Spécialisé MSI-PME/PMO aitrise des ystèmes d nformation pour les 1 Objectifs Former : Des collaborateurs de PME/PMO, aptes à jouer un rôle de responsable des systèmes d information Des chefs de
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailComparer l intérêt simple et l intérêt composé
Comparer l intérêt simple et l intérêt composé Niveau 11 Dans la présente leçon, les élèves compareront divers instruments d épargne et de placement en calculant l intérêt simple et l intérêt composé.
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 détailLecture graphique. Table des matières
Lecture graphique Table des matières 1 Lecture d une courbe 2 1.1 Définition d une fonction.......................... 2 1.2 Exemple d une courbe........................... 2 1.3 Coût, recette et bénéfice...........................
Plus en détailSéance 0 : Linux + Octave : le compromis idéal
Séance 0 : Linux + Octave : le compromis idéal Introduction Linux est un système d'exploitation multi-tâches et multi-utilisateurs, basé sur la gratuité et développé par une communauté de passionnés. C'est
Plus en détail- Ressources pour les classes
Mathématiques Collège - Ressources pour les classes de 6 e, 5 e, 4 e, et 3 e du collège - - Organisation et gestion de données au collège - Ce document peut être utilisé librement dans le cadre des enseignements
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 détailPRODUITS DÉRIVÉS LES CONTRATS À TERME : MODE D EMPLOI
PRODUITS DÉRIVÉS LES CONTRATS À TERME : MODE D EMPLOI About NYSE Euronext NYSE Euronext (NYX) est l un des principaux opérateurs de marchés financiers et fournisseurs de technologies de négociation innovantes.
Plus en détailFICHE 1 Fiche à destination des enseignants
FICHE 1 Fiche à destination des enseignants 1S 8 (b) Un entretien d embauche autour de l eau de Dakin Type d'activité Activité expérimentale avec démarche d investigation Dans cette version, l élève est
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 détailBaccalauréat ES Amérique du Nord 4 juin 2008
Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation
Plus en détailOscillations libres des systèmes à deux degrés de liberté
Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à
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 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 détailChapitre 5. Calculs financiers. 5.1 Introduction - notations
Chapitre 5 Calculs financiers 5.1 Introduction - notations Sur un marché économique, des acteurs peuvent prêter ou emprunter un capital (une somme d argent) en contrepartie de quoi ils perçoivent ou respectivement
Plus en détailFaire un semi variograme et une carte krigée avec surfer
Faire un semi variograme et une carte krigée avec surfer Jérôme Mathieu http://www.jerome.mathieu.freesurf.fr avril 2004 Fichier de données Faire un fichier excel avec les données organisée en colonnes:
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 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 détailClasse de première L
Classe de première L Orientations générales Pour bon nombre d élèves qui s orientent en série L, la classe de première sera une fin d étude en mathématiques au lycée. On a donc voulu ici assurer à tous
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 détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
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 détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailL'insertion professionnelle des diplômés DNSEP 2003 trois ans après le diplôme
IREDU-CNRS Ministère de la Culture et de la Communication Délégation aux Arts plastiques Magali Danner Gilles Galodé L'insertion professionnelle des diplômés DNSEP 2003 trois ans après le diplôme Enquête
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 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 détailEtudier l influence de différents paramètres sur un phénomène physique Communiquer et argumenter en utilisant un vocabulaire scientifique adapté
Compétences travaillées : Mettre en œuvre un protocole expérimental Etudier l influence de différents paramètres sur un phénomène physique Communiquer et argumenter en utilisant un vocabulaire scientifique
Plus en détail