Statistiques en Scilab
|
|
- Emmanuelle Lacroix
- il y a 6 ans
- Total affichages :
Transcription
1 Statistiques en Scilab Table des matières 1 Vocabulaire des statistiques 2 2 Statistique descriptive univariée Modalités Dénombrement Effectifs Fréquences Classes Paramètres Mode Moyenne Médiane Quartile, décile Etendue Variance Ecart type Statistique descriptive bivariée Définition Covariance et corrélation Ajustement linéaire Définition Problème des moindres carrés
2 1 Vocabulaire des statistiques Définition 1.1 : Population, individu, effectif L ensemble des éléments Ω = {ω 1, ω 2,..., ω N } dont on étudie les données s appelle population, ses éléments sont appelés individus. Le cardinal N de Ω est l effectif de la population. Définition 1.2 : Echantillon Un échantillon est la portion de population servant à l étude. Exemple 1. Une étude sur la population française en âge de travailler peut s effectuer sur un échantillon de français (exemple : enquête emploi INSEE. Définition 1.3 : Variable Une variable (ou caractère est une application X définie sur Ω. Si X est à valeurs réelles, X est une variable quantitative. Sinon X est une variable qualitative. Exemple 2. On a : La taille des habitants d un pays donné ou les notes obtenues à une épreuve de concours par des candidats sont des variables quantitatives. La couleur des yeux des habitants d un pays donné est une variable qualitative. 2 Statistique descriptive univariée 2.1 Modalités Définition 2.1 : Modalités Les valeurs prises par une variable X s appellent les modalités de X. Définition 2.2 : Série statistique La liste des valeurs prises (des modalités par X est une série statistique : [x 1, x 2,..., x N ] avec x i = X(ω i. Remarque 2.3 : Série ordonnée Une série ordonnée est une série statistique telle que [x 1, x 2,..., x N ] avec x 1 x 2 x N. 2
3 Remarque 2.4 : Série dépouillée Si certaines valeurs d une série ordonnée sont égales, on peut grouper les valeurs égales, notons-les y 1,..., y p avec p N, en indiquant le nombre n i de fois où la valeur y i apparait. On parle alors de série dépouillée. Exemple 3. Une série statistique "brute" La même série ordonnée La même série dépouillée 2.2 Dénombrement Effectifs Définition 2.5 : Effectif modalités x i modalités x i modalités y i effectifs n i L effectif de la modalité x i est le nombre n i d individus de cette modalité. Calculer l effectif d une modalité : la fonction tabul Méthode 2.6 : Comment calculer l effectif d une modalité? On utilise la fonction tabul(x qui ordonne la série x dans l ordre décroissant et donne l effectif de chaque modalité de la série. Exemple 4. En reprenant le même exemple : --> m=tabul(x m = > bar(m(:,1,m(:,2 // on trace le diagramme en bâtons correspondant à la série dépouillée. 3
4 m(:,1 (la première colonne du vecteur m donne les abscisses, ce sont les valeurs des modalités. m(:,2 (la deuxième colonne du vecteur m donne les ordonnées, ce sont les effectifs. Remarque 2.7 : Classer dans l ordre croissant Par défaut le classement se fait dans l ordre décroissant. On écrit tabul(x, i pour classer la série dans l ordre croissant ( i comme increasing. --> m=tabul(x, i m = Définition 2.8 : Effectif cumulé L effectif cumulé d une modalité est la somme des effectifs des modalités qui lui sont inférieures ou égales Fréquences Définition 2.9 : Fréquence La fréquence de x i est le réel p Si X prend p valeurs distinctes, alors f i = 1. f i = n i N 4
5 Définition 2.10 : Fréquence cumulée La fréquence cumulée d une modalité est la somme des fréquences des modalités qui lui sont inférieures ou égales. Pour une série ordonnée, on peut écrire p i = j i f j. Remarque 2.11 : Important : lien avec les probabilités Les notions suivantes se correspondent en probabilités et en statistiques : X variable aléatoire probabilité P(X = x i fonction de répartition F X X variable statistique fréquence f i fréquence cumulée p i Méthode 2.12 : Comment calculer l effectif cumulé ou la fréquence cumulée? On utilise la fonction sum et cumsum. Exemple 5. On reprend la série précédente. --> m=tabul(x, i // on utilise la fonction tabul pour ordonner la série m = > effc=cumsum(m(:,2 // on effectue la somme cumulée de la 2e colonne de m pour obtenir l effectif cumulé effc = > frec=effc/sum(m(:,2 // on divise l effectif cumulée par l effectif de la population totale frec =
6 Remarque 2.13 : Rappel! m(:,2 renvoie la deuxième colonne de m. m(:,1 renvoie la première colonne de m. m(1,: renvoie la première ligne de m. m(5,: renvoie la cinquième ligne de m. 2.3 Classes Définition 2.14 : Classes Lorsque le nombre de valeurs prises par X est trop grand, on regroupe les modalités par intervalles, appelés classes de la série. On dit alors que la série est groupée par classes. Remarque 2.15 Scilab permet de choisir les extrémités de chaque classe, ainsi que le nombre de classes. Par exemple, en prenant c 1, c 2,..., c q, c q+1, on considère q classes [c 1, c 2 ], ]c 2, c 3 ],... ]c q, c q+1 ] La première est un intervalle fermé, les autres sont des intervalles ouverts à gauche et fermés à droite. Définition 2.16 : Amplitude d une classe Le réel c i+1 c i est l amplitude de la classe ]c i, c i+1 ]. Exemple 6. On reprend l exemple précédent. On groupe cette série statistique par classes. Grouper une série brute : la fonction dsearch classes [2,4] ]4,6] ]6,8] ]8,10] effectifs Méthode 2.17 : Comment grouper par classes une série brute? On utilise les fonctions linspace et dsearch pour grouper par classes une série brute. La fonction linspace permet de déterminer l amplitude commune de chaque classe et dsearch renvoie le nombre de modalités présentes dans chacune de ces classes. Exemple 7. Reprenons le même exemple. --> c=linspace(2,10,5 // on découpe l intervalle [2,10] en 4 intervalles c = > histplot(c,x // on trace l histogramme correspondant. 6
7 --> [ind,occ]=dsearch(x,c occ = ind = occ retourne le nombres d éléments dans chaque classe. ind retourne le numéro de la classe dans laquelle se trouve chaque élément de x. Dans cet exemple, on affecte la valeur 1 aux éléments dans l intervalle [2, 4], la valeur 2 aux éléments dans l intervalle ]4, 6], la valeur 3 aux éléments dans l intervalle ]6, 8] Paramètres Mode Définition 2.18 : Mode On appelle mode d une série statistique toute valeur de la variable correspondant au plus grand effectif (il peut donc y en avoir plusieurs. Exemple 8. Pour la série, [ ] 5 et 7 sont les modalités aux plus grands effectifs (4 fois chacun. 5 et 7 sont les modes de cette série statistique Moyenne Définition 2.19 : Moyenne On appelle X la moyenne de la série statistique (x i 1 i N X = 1 N N x i. 7
8 Remarque 2.20 : Moyenne d une série dépouillée Si la série est groupée par modalités (y i, n i 1 i p, on a : X = 1 N p n i y i. Méthode 2.21 : Comment calculer la moyenne d une série statistique? On utilise la fonction mean. Exemple 9. La série de notre exemple a pour moyenne : --> m=mean(x m = Médiane Définition 2.22 : Médiane On appelle médiane de la série statistique (x i 1 i N la valeur, souvent notée M e, en laquelle la fréquence cumulée est égale à 1 2. Remarque 2.23 La médiane partage la série en deux séries d effectifs égaux. Méthode 2.24 : Comment calculer la médiane d une série statistique? On utilise la fonction median. Exemple 10. La série de notre exemple a pour médiane : --> M=median(x M = 5 8
9 2.4.4 Quartile, décile Définition 2.25 : Quartile Un quartile est chacune des 3 valeurs qui divisent les données triées en 4 parts égales, de sorte que chaque partie représente 1/4 de l échantillon de population. Le premier quartile, noté q 1, est la plus petite valeur telle qu au moins 25% des termes de la série soient inférieurs ou égaux à q 1. Le deuxième quartile est la médiane de la série. Le troisième quartile, noté q 3, est la plus petite valeur telle qu au moins 75% des termes de la série soient inférieurs ou égaux à q 3. Méthode 2.26 : Comment calculer les quartiles d une série statistique? On peut utiliser la fonction quart, mais il faut faire attention car celui-ci peut donner un calcul erroné. Exemple 11. La série de notre exemple a pour quartiles : --> quart(x ans = 4.25 // Scilab devrait renvoyer 4 mais donne ici un calcul suivant la //définition internationale qui diffère de la définition francaise Définition 2.27 : Ecart interquartile Le nombre q 3 q 1 est appelé écart interquartile (l idée est de mettre en valeur l écart entre les 2 quarts de la population correspondant aux valeurs extrêmes de la série. Exemple 12. Pour notre série, l écart interquartile est 7-4=3. Définition 2.28 : Décile On appelle k ème décile d une série statistique, le réel correspondant à 10k% des fréquences cumulées (le 5 ème décile est donc la médiane de la série. Exemple 13. Pour notre série, le neuvième décile est Etendue Définition 2.29 : Etendue On appelle étendue d une série statistique la différence entre la plus grande modalité et la plus petite modalité. 9
10 Méthode 2.30 : Comment calculer l étendue d une série statistique? On utilise les fonctions max et min. Exemple 14. La série de notre exemple a pour étendue : --> max(x-min(x ans = Variance Définition 2.31 : Variance On appelle V (X la variance de la série statistique (x i 1 i N le réel V (X = 1 N N ( x i X 2. Remarque 2.32 Si la série est groupée par modalités (y i, n i 1 i p, on a : V (X = 1 N p n i (y i X 2 Méthode 2.33 : Comment calculer la variance d une série statistique? On utilise la fonction variance. Exemple 15. La série de notre exemple a pour variance : --> V=variance(x V = Attention, la variance calculée avec 1 N ( X 2 x i donne Avec la fonction variance, Scilab calcule N 1 N ( X 2 x i qui est la variance empirique, on verra plus tard que c est un estimateur sans biais de N 1 la variance de la population entière. 10
11 2.4.7 Ecart type Définition 2.34 : Ecart type On appelle σ X l écart type d une série statistique σ X = V (X. Méthode 2.35 : Comment calculer l écart type d une série statistique? On utilise la fonction stdev. Exemple 16. La série de notre exemple a pour écart type : --> ec=stdev(x ec = Attention, de même que pour la variance, l écart type calculée par Scilab est la racine carrée de variance(x, ce qui diffère de l écart type de l échantillon observé. 3 Statistique descriptive bivariée 3.1 Définition Définition 3.1 : Série statistique double Soient un échantillon Ω = {ω 1, ω 2,..., ω n } et deux séries statistiques X = [x 1, x 2,..., x n ] et Y = [y 1, y 2,..., y n ]. On appelle série statistique double la donnée de la liste [(x 1, y 1, (x 2, y 2,..., (x n, y n ], chaque couple (x i, y i étant associé à un seul individu ω i de la population. Remarque 3.2 : Objectif C est le recueil simultané des modalités de deux variables X et Y chez les mêmes sujets. L intérêt se porte le plus souvent sur la relation entre les deux variables : la recherche de corrélation. Exemple 17. On mesure le poids X et la taille Y de 10 individus. modalités x i modalités y i
12 3.2 Covariance et corrélation Définition 3.3 : Covariance empirique On appelle covariance empirique de la série statistique double (x i, y i i [[1,n]] le réel : Cov(X, Y = 1 n ( x i X ( y i Ȳ. Définition 3.4 : Coefficient de corrélation empirique Le coefficient de corrélation empirique de la série (x i, y i i [[1,n]] est le réel : On a ρ X,Y 1. ρ X,Y = Cov(X, Y σ X σ Y. Remarque 3.5 Le coefficient de corrélation empirique mesure la dépendance linéaire entre deux variables. S il est proche de 1 ou 1, alors X et Y sont fortement corrélés. S il est proche de 0, alors X et Y sont faiblement corrélés (voire ne le sont pas. Méthode 3.6 : Comment calculer la covariance empirique et le coefficient de corrélation empirique? On utilise la fonction corr(x,y,1 pour calculer la covariance empirique de X et Y. Afin de calculer le coefficient de corrélation empirique, il suffit de diviser la covariance empirique de X et Y par l écart-type de X et celui de Y. Exemple 18. On reprend la série précédente. modalités x i modalités y i > x=[ ]; --> y=[ ]; --> corr(x,y,1 ans = > corr(x,y,1/stdev(x/stdev(y ans =
13 3.3 Ajustement linéaire Définition Définition 3.7 : Nuage de points On appelle nuage de points d une série statistique double, l ensemble des points M i de coordonnées (x i, y i. Définition 3.8 : Point moyen On appelle point moyen du nuage, le point de coordonnées ( X, Ȳ. Méthode 3.9 : Comment tracer un nuage de points? On construit les vecteurs x et y de même taille, puis on utilise la commande plot2d(x,y,style=z où Z est une des valeurs suivantes : noir bleu foncé vert bleu clair rouge Exemple 19. Avec la série des exemples précédents, --> x=[ ]; --> y=[ ]; --> plot2d(x,y,style=-3 --> plot2d(mean(x,mean(y,style=-4 // point moyen du nuage Problème des moindres carrés Si le nuage de points associé à une série statistique double possède une forme étirée, on peut avoir l idée de chercher quelle droite approcherait au mieux les points de ce nuage. Le problème consiste donc à identifier une droite y = ax + b qui ajuste bien le nuage de points. L erreur que l on commet en utilisant la droite de régression pour prédire y i à partir de x i est y i (ax i + b. 13
14 erreur commise au point (72,178 Pour déterminer la valeur des coefficients a et b, on utilise le principe des moindres carrés qui consiste à chercher la droite qui minimise la somme des carrés de ces erreurs : (y i ax i b 2. Proposition 3.10 : Droite de régression linéaire L unique droite rendant minimale (y i ax i b 2 est la droite d équation y = a x + b avec a = Cov(X, Y V (X et b = Ȳ a X. Cette droite est appelée droite de régression linéaire de Y en X. On dit que X est la variable explicative et Y la variable expliquée. Démonstration. Le minimum de la fonction F (a, b = (y i ax i b 2 correspond au point où les dérivées partielles s annulent. D après les formules de Huygens, comme Cov(X, Y = 1 x i y i n XȲ et V (X = 1 x 2 i n X 2, alors F n a (a, b = 2 x i (y i ax i b = 2 x i y i 2a x 2 i 2b x i (( = 2n Cov(X, Y + XȲ ( a V (X + X 2 b X F n b (a, b = 2 (y i ax i b = 2n (Ȳ a X b 14
15 Ainsi le point (a, b où F atteint son minimum vérifie le système suivant 0 = ( Cov(X, Y + XȲ ( a V (X + X 2 b X, 0 = Ȳ a X b. 0 = ( Cov(X, Y + XȲ a ( V (X + X 2 (Ȳ a X X, b = Ȳ a X. { 0 = Cov(X, Y a V (X, a = Cov(X, Y, b = Ȳ V (X a X. b = Ȳ a X. Ainsi y = Cov(X, Y ( x + Ȳ Cov(X, Y X = Cov(X, Y ( x V (X V (X V (X X + Ȳ. Propriété 3.11 : Point moyen et droite de régression linéaire Les droites de régression linéaire passent par le point moyen. Proposition 3.12 : Lien avec le coefficient de corrélation empirique Plus ρ X,Y est proche de 1, plus les points sont proches de l alignement et plus les prévisions données par les droites de régression sont pertinentes. ρ X,Y ne valant 1 que lorsque les points du nuage sont alignés. Démonstration. En effet, on rappelle que F (a, b = (y i ax i b 2 permet de calculer la distance du nuage de points à la droite de régression pour une droite y = ax + b donné, F (a, b = (yi 2 + (ax i 2 + b 2 2ax i y i 2y i b + 2abx i On utilise le fait que Cov(X, Y = 1 x i y i n x 2 i n. F (a, b = ( n V (Y + Ȳ 2 + a 2 (V (X + X 2 + b 2 ( + 2n a Cov(X, Y + XȲ = n ( ( V (Y + Ȳ 2 + a 2 (V (X + X (Ȳ a X + ( 2 a Cov(X, Y + XȲ b Ȳ + a b X (Ȳ a X Ȳ + a ( Ȳ a X X car b = Ȳ a X = n ( V (Y + Ȳ 2 + a 2 (V (X + X 2 + Ȳ 2 + a 2 X2 2Ȳ a X 2a Cov(X, Y 2a XȲ 2Ȳ 2 + 2a XȲ + 2a Ȳ X 2a 2 X2 = n ( a 2 V (X 2a Cov(X, Y + V (Y ( Cov(X, Y 2 = n V (Y V (X ( = nv (Y 1 ρ 2 X,Y car a = Cov(X, Y V (X Plus ρ X,Y est proche de 1, plus F (a, b est petit et donc le nuage de points est proche de la droite de régression. 15
16 Remarque 3.13 : Sens de variation suivant le coefficient de corrélation empirique Si ρ X,Y > 0 (respectivement ρ X,Y < 0, alors les droites sont de pente positive (resp. négative : X et Y varient dans le même sens (resp. en sens opposé. Méthode 3.14 : Comment tracer la droite de régression linéaire? On trace une droite à l aide de la fonction plot2d. Exemple 20. Avec la série des exemples précédents, --> x=[ ]; --> y=[ ]; --> plot2d(x,y,style=-3; // on trace le nuage de points --> plot2d(mean(x,mean(y,style=-4 // point moyen du nuage (pas nécessaire --> a=corr(x,y,1/variance(x; b=mean(y-a*mean(x; // coefficients de la droite --> xx=60:0.01:98; // abscisses de la droite --> yy=a*xx+b; // ordonnées de la droite --> plot2d(xx,yy // on trace la droite de régression linéaire 16
Statistiques 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailhttp://cermics.enpc.fr/scilab
scilab à l École des Ponts ParisTech http://cermics.enpc.fr/scilab Introduction à Scilab Graphiques, fonctions Scilab, programmation, saisie de données Jean-Philippe Chancelier & Michel De Lara cermics,
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 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 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 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 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 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 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 détailCours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
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 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 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 détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
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 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 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 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 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 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 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 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 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 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 détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
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 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 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 détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en 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 détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailCréer et modifier un fichier d'import des coordonnées approximatives avec Excel
Créer et modifier un fichier d'import des coordonnées approximatives avec Excel Manuel d'utilisation Date: 26.03.2015 Version: 1.0 Auteur: Christoph Rüfenacht Statut: En cours Libéré Classification: publique
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 détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
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 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 détailGuidance de Statistique : Epreuve de préparation à l examen
Guidance de Statistique : Epreuve de préparation à l examen Durée totale : 90 min (1h30) 5 questions de pratique (12 pts) 20 décembre 2011 Matériel Feuilles de papier De quoi écrire Calculatrice Latte
Plus en détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
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 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 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 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 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 détailLe patrimoine des ménages retraités : résultats actualisés. Secrétariat général du Conseil d orientation des retraites
CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 08 juillet 2015 à 9 h 30 «Le patrimoine des retraités et l épargne retraite» Document N 2 bis Document de travail, n engage pas le Conseil Le patrimoine
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailMarché de l occasion et exigences de rénovation énergétique. Rencontre de l Observatoire 21 mai 2015
Marché de l occasion et exigences de rénovation énergétique Rencontre de l Observatoire 21 mai 2015 Logements neufs / logements d occasion 7 700 logements d occasion vendus en 2013 dans l aire urbaine
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 détailL analyse boursière avec Scilab
L analyse boursière avec Scilab Introduction La Bourse est le marché sur lequel se traitent les valeurs mobilières. Afin de protéger leurs investissements et optimiser leurs résultats, les investisseurs
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 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 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 détailMODE D EMPLOI Boitier de programmation SKY300046-01
MODE D EMPLOI Boitier de programmation SKY300046-01 INTRODUCTION Merci d avoir fait l acquisition du Boitier de programmation SkyRc (SKY300046-01). Veuillez lire complètement et attentivement ce manuel
Plus en détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailStatistiques - Cours. 1. Gén éralités. 2. Statistique descriptive univari ée. 3. Statistique descriptive bivariée. 4. Régression orthogonale dans R².
Statistiques - Cours Page 1 L I C E N C E S c i e n t i f i q u e Cours Henri IMMEDIATO S t a t i s t i q u e s 1 Gén éralités Statistique descriptive univari ée 1 Repr é s e n t a t i o n g r a p h i
Plus en détailFeuille TD n 1 Exercices d algorithmique éléments de correction
Master Sciences, Technologies, Santé Mention Mathématiques, spécialité Enseignement des mathématiques Algorithmique et graphes, thèmes du second degré Feuille TD n 1 Exercices d algorithmique éléments
Plus en détailInfos. Indicateurs analogiques encastrables pour installation à courants forts. Série M W/P/ LSP BWQ BGQ TP TG WQ /0S WQ /2S FQ /2 W BI BIW DFQ
Infos Série M 200.U.003.05 encastrables pour installation à courants forts Série M W/P/ LSP pour montage sur rail normé BWQ BGQ TP TG WQ /0S WQ /2S FQ /2 W BI BIW SY Compteurs horaires Voltmètres partiels
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 détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailSTATISTIQUES DESCRIPTIVES
1 sur 7 STATISTIQUES DESCRIPTIVES En italien, «stato» désigne l état. Ce mot à donné «statista» pour «homme d état». En 1670, le mot est devenu en latin «statisticus» pour signifier ce qui est relatif
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
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 détailIBM SPSS Direct Marketing 21
IBM SPSS Direct Marketing 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 109. Cette version s applique à IBM SPSS
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 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 détailCorrection du baccalauréat STMG Polynésie 17 juin 2014
Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé
Plus en 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 détailCOMPTABILITE SAGE LIGNE 30
COMPTABILITE SAGE LIGNE 30 Date : 25/09/2006 Auteur : Pascal VIGUIER Réf. : SAGE092006 SOMMAIRE SOMMAIRE... 1 1. MENU FICHIER... 3 1.1 1.2 AUTORISATION D ACCES... 3 A PROPOS DE VOTRE SOCIETE... 4 1.2.1
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 détailTraitement bas-niveau
Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.
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 détailEcran : Processeur : OS : Caméra : Communication : Mémoire : Connectique : Audio : Batterie : Autonomie : Dimensions : Poids : DAS :
SMARTPHONE - DUAL-CORE - NOIR 3483072425242 SMARTPHONE - DUAL-CORE - BLEU XXXX SMARTPHONE - DUAL-CORE - BLANC 3483072485246 SMARTPHONE - DUAL-CORE - ROSE 3483073704131 SMARTPHONE - DUAL-CORE - ROUGE XXXX
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 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 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 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 détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailOrganisme certificateur : 10 rue Galilée 77420 Champs sur Marne Tél : +33 (0)1 72.84.97.84 Fax : +33 (0)1 43 30 85 65 www.fcba.fr. www.marque-nf.
N d identification AFNOR Certification : NF 061 MQDQ-CERT 15-306 du 18/01/2015 N de Révision : 16 Date de mise en application : 04/03/2015 Annule et remplace le MQDQ-CERT /14-324 du 15/05/2014 REGLES GENERALES
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 détailÉtude sur les taux de revalorisation des contrats individuels d assurance vie au titre de 2013 n 26 mai 2014
n 26 mai 2014 Étude sur les taux de revalorisation des contrats individuels d assurance vie au titre de 2013 Sommaire 1.INTRODUCTION 4 2.LE MARCHÉ DE L ASSURANCE VIE INDIVIDUELLE 6 2.1.La bancassurance
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 détailTrépier avec règle, ressort à boudin, chronomètre, 5 masses de 50 g.
PHYSQ 130: Hooke 1 LOI DE HOOKE: CAS DU RESSORT 1 Introduction La loi de Hooke est fondamentale dans l étude du mouvement oscillatoire. Elle est utilisée, entre autres, dans les théories décrivant les
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détail