1. Introduction. 1.1 Objectifs. 2 caractères. Pour chaque individu : 120 un couple (x, y) de valeurs 100. Série de données : 80
|
|
- Adeline Paris
- il y a 6 ans
- Total affichages :
Transcription
1 1.1 Objectifs 1. Introduction Y: recette (k ) Etude 150? 2 caractères Pour chaque individu : 120 un couple (x, y) de valeurs 100 Série de données : 80 2 variables X: dépense (k ) Xet Ysont-elles liées? Modéliserla relation «corrélation» «ajustement», «régression» Estimerde nouvelles valeurs inconnues «prévision»
2 1. Introduction 1.2 Mises en forme Séries «listes» Tableaux de contingence parcelle n quantité d'engrais production recueillie X(kg.ha -1 ) Y(q.ha -1 ) Série chronologique Y : acuité X : âge / / / X : année Y : dépense
3 1. Introduction 1.3 Nuage de points Séries «listes» X : année Y : dépense Série de données x i et y i Ensemble de points M i (x i ; y i ) «nuage de points»
4 1. Introduction 1.3 Nuage de points Tableaux de contingence X : âge / Y : acuité 6/ /
5 TC Mathématiques S2 Exemple d approche 2. Test d indépendance du Khi-deux Deux variables sont croisées. L hypothèse à tester est celle de leur indépendance. Evaluer la différence entre observation et théorie par un paramètre global : χ² calc Ex : Hypothèse à tester, H 0 : «genre et QI sont indépendants (dans la population)» 1. Résultats d un échantillon de 6 hommes et 8 femmes : 2. Résultats théoriquement attendus (sous H 0 ) : 3. Différences : χ² partiels et χ² total <100 >100 <100 >100 <100 >100 F F F 1 1 H H H 4/3 4/ ,67 Calculer un χ² : (obs th)² / th Ce paramètre est le χ² calc de l expérience.
6 TC Mathématiques S2 La loi du χ² 2. Test d indépendance du Khi-deux Quelle que soit l expérience et sous l hypothèse nulle «H 0» (ex : «sexe et QI indépendants»), on sait donner la probabilité que telle valeur du χ² soit (ou ne soit pas) dépassée. densité de probabilité 0 4,67 notre exemple la réalité 96,6 % 3,4 % valeurs possibles du χ² vos possibilités densité de probabilité? %? % 0 4,67 2,71 3,84 5,41 5% 10% notre exemple 6,64 2% 1% valeurs possibles du χ²
7 TC Mathématiques S2 Méthodologie 2. Test d indépendance du Khi-deux 1. On teste l hypothèse nulle d indépendance «H 0» (ex : «sexe et QI indépendants»). Objectif : peut-on se permettre de la rejeter? 2. Le χ² de l expérience décrite est calculé : χ² calc. Objectif : évaluer son importance, dans l hypothèse H 0 3. On situe notre χ² calc en probabilité grâce au formulaire. Objectif : le comparer aux χ²donnés par le formulaire Test d indépendance à r lignes et k colonnes : ddl = (r 1)(k 1) 4. Selon le seuil de risque α choisi, une décision est prise (rejet ou non-rejet de H 0 ). densité de probabilité 0 χ² calc
8 TC Mathématiques S2 Exercice 1 Sh Sf Tj Tf Ta Test d indépendance du Khi-deux distribution observée distribution théorique sous H Sh Sf Tj 15,26 19,74 35 Tf 24,85 32,15 57 Ta 10,90 14, Tj Tf Ta valeurs des χ² Sh 0, , ,77038 Sf 0, , , , Hypothèse nulle «H 0» : sexe et rapport au tabac sont indépendants. 2. χ² calc = 5,3 3. nombre de ddl : (3-1)(2-1) = 2 seuil de risque : α = 10% χ² lim = 4,61 4. Au seuil de 10%, on peut rejeter H 0. densité de probabilité 0? 4,61 χ² calc? 5,3 5% 1% 2% 10% valeurs du formulaire 5,99 7,82 9,21
9 3. Ajustement, Mayer 3.1 Moyennes mobiles Exercice 5 1 à 5 2 à ,6 40,8 41,4 39, ,2 42,8 40,6 38,8 41,6 43,2 40,6 CA (M ) x: 1 à
10 3. Ajustement, Mayer 3.2 Problématique de l ajustement linéaire Une infinité de formes possibles pour un nuage de points. Parfois, une droite le représente correctement. «ajustement linéaire» Dans d autres cas, c est une courbe. «ajustement non linéaire»
11 3. Ajustement, Mayer 3.2 Problématique de l ajustement linéaire Dans le nuage de points: Par définition du point M i, x i et y i sont associés. y i y i e i Une fois une droite tracée: A x i est associé y i = ax i + b x i Définition: on appelle résidule nombre e i = y i y i e i > 0 : M i au-dessus de la droite e i < 0 : M i en-dessous de la droite (D) : droite de régression(ou de tendance) ; déterminer (D) : faire un ajustement linéaire.
12 3. Ajustement, Mayer 3.3 Méthode de Mayer Principe de Mayer : n i= 1 e i = 0 Méthode de Mayer(trouver une droite cohérente) : 1. Partager équitablement le nuage (de gauche à droite) 2. Déterminer G 1 et G 2, points moyens des deminuages 3. (D) = (G 1 G 2 ) (D) G Equivalent à : G (D) A noter : Dans tous les cas, G (G 1 G 2 ). Ainsi, (D) est une droite de Mayer. G 1 G G 2
13 3.3 Méthode de Mayer CA (M ) 3. Ajustement, Mayer Exercice 5 + x: 1 à G 2 G 1 Droite de Mayer xg = =, yg = = xg = =, yg = =, tri1 tri2 tri3 tri4 tri1 tri2 tri3 tri4 tri1 tri2 tri3 tri4 tri1 tri2 tri3 tri4 (M )
14 3.3 Méthode de Mayer 3. Ajustement, Mayer Exercice 6 x y G G = = = = 42 3 x y G G = = = = 48, 5 2 y: récolte (q/ha) G G D M x: engrais (kg/ha) engrais récolte (kg.ha -1 ) (q.ha -1 ) , 5 42 a = 0, ; b = yg ax 34, 35 1 G
15 4. Ajustement, moindres carrés 4.1 Paramètres des séries à deux variables Moyennes Variances Ecarts types n r x y = = i= 1 n n i= 1 n x y i i ( ) V X ( ) V Y x 2 i i= 1 2 = x n k y 2 j j= 1 2 = y n Sur calculatrice Saisir CALC > X : List 1 SET Y : List 2 CALC > (n ij : List 3) 2Var ( X ) V ( X ) σ = ( Y ) V ( Y ) σ = CALC > Stat2Var L 1,L 2,(L 3 ) Covariance (, ) Cov X Y Résultats xy n xy i i i= 1 = n 2 x, x, x, σ, 2 y, y, y, σ, n X Y xy
16 4. Ajustement, moindres carrés 4.1 Paramètres des séries à deux variables engrais récolte (kg.ha -1 ) (q.ha -1 ) Σxy= Cov(X,Y) = 203,6 E(X) = 134 Σx= 670 Σx² = σ X = 48,826 V(X) = 2384 E(Y) = 44,6 Σy = 223 Σy² = σ Y = 4,5869 V(Y) = 21,04 Exercice 8 Y X [15; 25[ [25; 50[ 50 et plus aucune à à Σxy= Cov(X,Y) = -56,15 E(X) = 39,375 Σx= 3937,5 Σx² = ,25 σ X = 16,422 V(X) = 269,67 E(Y) = 10,795 Σy = 1079,5 Σy² = 23388,25 σ Y = 10,833 V(Y) = 117,35
17 4. Ajustement, moindres carrés 4.2 Méthode des moindres carrés Principe : n i= 1 e 2 i G est minimale (D) Equivalent à : formules de a et b Résultats: A. La droite de régression est unique B. Dans tous les cas, G (D) C. (, ) ( ) Cov X Y a = b = y ax V X
18 4. Ajustement, moindres carrés 4.2 Méthode des moindres carrés Exercice 9 dépense (k ) (D) année(1 : 2002) V(X) = 11,91667 V(Y) = 701,3889 (, ) ( ) CALC > REG > X Cov(X,Y) = 84,1667 Cov X Y a = 7, 0629 b 37, 42 V X (D): y= 7,0629x+ 37,42 CALC > LinRegL 1,L 2
19 4. Ajustement, moindres carrés (, ) ( X) σ ( Y ) 4.3 Coefficient de corrélation linéaire Cov X Y r = R = ρ = σ 0.75 < r< 1 0 < r< < r< < r< 0-1 < r< < r< < r< < r< 0.5
20 4. Ajustement, moindres carrés 4.3 Coefficient de corrélation linéaire
21 TC Mathématiqus S2 5. Ajustement non linéaire Méthodologie Etude X, Y 1. remplacement de Xou Y par une autre variable (Tou U) Exemple X Y On proposele changement de variable T= X². T Y Ici, il s agit de déterminer une équation de droite de type y = at + b. Ex avec la méthode des moindres carrés, calculatrice en mode Stat: 2. corrélation linéaire après remplacement 3. modèle finalde la relation entre X et Y 3. (D Y/T ) : y = t y = x²
22 TC Mathématiqus S2 5. Ajustement non linéaire Méthodologie Etude X, Y 1. remplacement de Xou Y par une autre variable (Tou U) 2. corrélation linéaire après remplacement 3. modèle finalde la relation entre X et Y Exercice 13 X T Y (D Y/T ) : y = t y = (x 60)²
23 6. Estimation 6.1 Estimation ponctuelle Méthodologie Etude X, Y 1. Trouver l équation d une droite (ou courbe) de régression : y = ax+ b (ou y = f(x)) 2. Lire la nouvelle donnée x 0 (ou y 0 ) 3. Avec l équation, calculer sa valeur associée y 0 (ou x 0 ) Exercice 17 Exercice 9 1. y = x Exercice 6 2. x 0 = y = x y 0 = k 2. y 0 = 60 q/ha 3. x 0 = kg/ha Exercice y = (x 60)² x 0 = 100 km/h 3. y 0 = L/100km
24 6. Estimation 6.2 Intervalle de confiance Exercice 18 Méthodologie Exercice 9 1. a. b. 1. c. z= σ Z = a. Calculer les valeurs y i associées aux x i du tableau b. Calculer les valeurs z i = y i /y i d une nouvelle variable Z c. Obtenir la moyenne et l écart type de Z 2. Calculer l estimation ponctuelle y 0 3. Avec le niveau de confiance, donner le coefficient u 4. Intervalle : par la formule 2. y 0 = k 3. niveau de confiance : 95% u= y 0 z uα z y0 z u ( σ ) ; ( + σ ) [136.3( ) ; 136.3( )] = [102,8 ; 169,8] α z
25 6. Estimation 6.2 Intervalle de confiance Méthodologie 1. a. Calculer les valeurs y i associées aux x i du tableau b. Calculer les valeurs z i = y i /y i d une nouvelle variable Z c. Obtenir la moyenne et l écart type de Z 2. Calculer l estimation ponctuelle y 0 3. Avec le niveau de confiance, donner le coefficient u 4. Intervalle : par la formule Exercice 19 Exercice 6 1. c. z= 0, σ Z = 0, a. b. 2. y 0 = 0,07647x + 34,35 = 57,29 3. niveau de confiance : 99% u= y z u ; y z + u ( σ ) ( σ ) 0 α z 0 [57,29(0,9991 2,58 0,047255) ; 57,29(0, ,58 0,047255)] = [50,25 ; 64,22] α z
26 6. Estimation 6.2 Intervalle de confiance Exercice 20 x i y j n ij List1 List2 List y i z i y = x List4 List5 z = y/y 0,8738 0,3433 0,7052 0,4254 z= σ Z = ,6209 0,4832 x 0 = 80 y 0 = x = ,5366 0,5591 0,8738 0,6867 niveau de confiance : 99% u = ,7052 0,8508 0,6209 0,9664 y 0 ( z uασ ) ; z y0 ( z + uασ z ) 0,5366 1,1182 [0.368( ); 0,8738 1, ( )] 0,7052 1,2763 0,6209 1,4495 = [ ; ] 0,5366 1,6772
Relation 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 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 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 détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailLa 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 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 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 détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en 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 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 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 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 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 détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en 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 détailFONCTION DE DEMANDE : REVENU ET PRIX
FONCTION DE DEMANDE : REVENU ET PRIX 1. L effet d une variation du revenu. Les lois d Engel a. Conditions du raisonnement : prix et goûts inchangés, variation du revenu (statique comparative) b. Partie
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 détailLicence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015.
Licence Economie-Gestion, 1ère Année Polycopié de Statistique Descriptive. Année universitaire : 2014-2015. Thèmes des séances de TD Thème n.1: Tableaux statistiques et représentations graphiques. Thème
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 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 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 détailExercice 6 Associer chaque expression de gauche à sa forme réduite (à droite) :
Eercice a Développer les epressions suivantes : A-(-) - + B-0(3 ²+3-0) -0 3²+-0 3+00 B -30²-30+00 C-3(-) -3 + 3-3²+6 D-(-) + ² Eerciceb Parmi les epressions suivantes, lesquelles sont sous forme réduite?
Plus en 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 détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailSÉLECTION DE CONSULTANTS
MODÈLE DE RAPPORT D ÉVALUATION SÉLECTION DE CONSULTANTS Banque mondiale Washington Octobre 1999 iii Préface 1 Les Consultants 2 qui sont employés par les Emprunteurs de la Banque mondiale et dont les
Plus en détailLocalisation des fonctions
MODALISA 7 Localisation des fonctions Vous trouverez dans ce document la position des principales fonctions ventilées selon l organisation de Modalisa en onglets. Sommaire A. Fonctions communes à tous
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 détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en 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 détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en 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 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 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 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 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 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 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 détailTESTS D HYPOTHÈSE FONDÉS SUR LE χ². http://fr.wikipedia.org/wiki/eugénisme
TESTS D HYPOTHÈSE FONDÉS SUR LE χ² http://fr.wikipedia.org/wiki/eugénisme Logo du Second International Congress of Eugenics 1921. «Comme un arbre, l eugénisme tire ses constituants de nombreuses sources
Plus en 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 détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
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 détailUne variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants)
CIVILITE-SES.doc - 1 - Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants) 1 PRÉSENTATION DU DOSSIER CIVILITE On s intéresse
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 détailMODELE A CORRECTION D ERREUR ET APPLICATIONS
MODELE A CORRECTION D ERREUR ET APPLICATIONS Hélène HAMISULTANE Bibliographie : Bourbonnais R. (2000), Econométrie, DUNOD. Lardic S. et Mignon V. (2002), Econométrie des Séries Temporelles Macroéconomiques
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 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 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 détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
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 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 détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
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 détailChapitre 3 : Le budget des ventes. Marie Gies - Contrôle de gestion et gestion prévisionnelle - Chapitre 3
Chapitre 3 : Le budget des ventes Introduction 2 Rappel des différents budgets opérationnels - budget des ventes (chapitre 3) - budget de production (chapitre 4) - budget des approvisionnements et des
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 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 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 détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
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 détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailMODÉLISATION DU FONCTIONNEMENT EN PARALLELE À DEUX OU PLUSIEURS POMPES CENTRIFUGES IDENTIQUES OU DIFFERENTES
Annals of the University of Craiova, Electrical Engineering series, No. 30, 006 MODÉLISATION DU FONCTIONNEMENT EN PARALLELE À DEUX OU PLUSIEURS POMPES CENTRIFUGES IDENTIQUES OU DIFFERENTES Daniela POPESCU,
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 détailUFR 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 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 détailExercices de Statistique HEI 3-2014/2015 A. RIDARD
Exercices de Statistique HEI 3-2014/2015 A. RIDARD 2 Table des matières 1 Loi normale 5 2 Estimation 7 3 Tests statistiques 11 4 Régression linéaire 13 5 Analyse de variance 19 Annales 25 3 4 Chapitre
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailComprendre vos relevés de comptes CFD/FOREX:
Comprendre vos relevés de comptes CFD/FOREX: WHS ProStation WHS FutureStation Version: 16.06 2011 1 Rapports disponibles Rapport Historique du compte Fournit une vue d ensemble sur une période de temps
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 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 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 détailO, i, ) ln x. (ln x)2
EXERCICE 5 points Commun à tous les candidats Le plan complee est muni d un repère orthonormal O, i, j Étude d une fonction f On considère la fonction f définie sur l intervalle ]0; + [ par : f = ln On
Plus en 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 détailBiostatistiques : Petits effectifs
Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l
Plus en 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 détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
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 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 détailUne étude de différentes analyses réalisées par le BIT
Association internationale de la sécurité sociale Quinzième Conférence internationale des actuaires et statisticiens de la sécurité sociale Helsinki, Finlande, 23-25 mai 2007 Comparaison des hypothèses
Plus en détailDécouverte du logiciel ordinateur TI-n spire / TI-n spire CAS
Découverte du logiciel ordinateur TI-n spire / TI-n spire CAS Mémento Ouvrir TI-Nspire CAS. Voici la barre d outils : L insertion d une page, d une activité, d une page où l application est choisie, pourra
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
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 détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
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 détailAnalyse des correspondances avec colonne de référence
ADE-4 Analyse des correspondances avec colonne de référence Résumé Quand une table de contingence contient une colonne de poids très élevé, cette colonne peut servir de point de référence. La distribution
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 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 détailF7n COUP DE BOURSE, NOMBRE DÉRIVÉ
Auteur : S.& S. Etienne F7n COUP DE BOURSE, NOMBRE DÉRIVÉ TI-Nspire CAS Mots-clés : représentation graphique, fonction dérivée, nombre dérivé, pente, tableau de valeurs, maximum, minimum. Fichiers associés
Plus en détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailIncertitudes expérimentales
Incertitudes expérimentales F.-X. Bally et J.-M. Berroir Février 2013 Table des matières Introduction 4 1 Erreur et incertitude 4 1.1 Erreurs............................................. 4 1.1.1 Définition
Plus en détailGnuplot. Chapitre 3. 3.1 Lancer Gnuplot. 3.2 Options des graphes
Chapitre 3 Gnuplot Le langage C ne permet pas directement de dessiner des courbes et de tracer des plots. Il faut pour cela stocker résultats dans des fichier, et, dans un deuxième temps utiliser un autre
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 détail