Mesures et incertitudes

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Mesures et incertitudes"

Transcription

1 Mesures et certtudes Mesurer ue gradeur phsque est ue actvté fodametale das les laboratores de recherche scetfque et das l'dustre Mas la mesure d'ue gradeur 'est jamas parfatemet précse et l faut doc sstématquemet s'terroger sur la coface à accorder au résultat obteu Il faut avor coscece de la varablté des résultats obteus lors du processus de mesure et e compredre les orges, pus eprmer u résultat epérmetal par ue valeur et ue certtude (évetuellemet lée à u veau de coface) I- Vocabulare La métrologe est la scece qu se cosacre à l étude des processus de, voc ue parte du vocabulare utlsé : ) Valeur vrae, mesurage La gradeur que l o souhate détermer se omme valeur vrae ou mesurade (otée par eemple X vrae ) otos que la valeur vrae est jamas coue parfatemet Pour e obter ue estmato ous fasos dfféretes ou mesurages (la valeur mesurée sera par eemple otée X mesurée ou plus smplemet X pour la eme mesure O a doc X mesurée X pour e pas alourdr les otatos) La dfférece etre la valeur vrae X vrae et la valeur mesurée X mesurée est l erreur de mesure : Cosdéros ue même mesure réalsée pluseurs fos (o dt qu l a pluseurs mesurages) O suppose que les dfférets mesurages sot réalsés rgoureusemet das les mêmes codtos opératores Les dfférets mesurages (o peut auss dre dfféretes ) sot otés : X mesurée X ; X mesurée X ; X mesurée X L erreur de mesure sur la mesure X est otée E X - X vrae ) Erreur aléatore Cosdéros à ouveau ue même mesure réalsée pluseurs fos (pluseurs mesurages) O suppose ecore que les dfférets mesurages (X, X, X, ) sot réalsés rgoureusemet das les mêmes codtos opératores La moee des dfféretes est otée X moee E toute rgueur la moee dot porter sur u très grad ombre de X moee X mesurée X Pour ue mesure, l erreur aléatore est : E aléa X - X moee L erreur aléatore est e gééral, lée à la varablté des codtos etéreures (température, presso) et à la fdélté de l apparel de mesure (sa capacté à doer des très voses lors de l applcato répétée d u même protocole) ) Erreur sstématque L erreur sstématque est E sst X moee - X vrae L erreur sstématque est gééralemet due à ue erreur d étaloage, l oubl d u paramètre, u protocole erroé, u «décalbrage» d u apparel de mesure La justesse d u apparel de mesure est sa capacté à doer des eemptes d erreurs sstématques 4 ) Erreur de mesure L erreur de mesure E pour ue mesure est la somme de l erreur aléatore et de l erreur sstématque E E aléa E sst X - X moee X moee - X vrae X - X vrae E X - X vrae

2 5 ) Représetato graphque X a) Erreur sstématque O cosdère ue sére de du mesurade réalsée das les mêmes codtos et doat chacue ue gradeur mesurée X X moee X vrae E sst b) Erreur aléatore et erreur de mesure O cosdère par eemple la mesure 7 du graphe c dessus O peut fare faclemet apparatre l erreur de mesure sur la mesure 7 : E 7 X 7 - X vrae et l erreur aléatore : E aléa 7 X 7 - X moee X X moee X vrae E aléa 7 E 7 X 7 - X vrae Esst 6 ) Justesse et fdélté d u apparel de mesure 7 Lorsqu'o reprodut eactemet la même mesure pluseurs fos, l'apparel doe des valeurs repartes sur u certa tervalle S l'apparel est correctemet «étaloé», ces valeurs se repartsset autour de la "valeur vrae" Plus la largeur de l'tervalle l tervalle est fable plus l apparel est «juste» X X X moee X vrae E sst X moee X vrae E sst Fgure : apparel «fdèle» (fables erreurs aléatores) mas «o juste» (erreur sstématque mportate) Fgure : apparel «peu fdèle» (erreurs aléatores mportates) mas «juste» (erreur sstématque fable) X X X moee X moee X vrae E sst X vrae Fgure : apparel «peu fdèle» (erreurs aléatores mportates) et «peu juste» (erreur sstématque mportate) Fgure : apparel «fdèle» (fables erreurs aléatores) et «juste» (erreur sstématque fable)

3 Remarque sur l erreur sstématque : Elle se produt de maère costate, toujours das le même ses Fare la moee sur u grad ombre de résultats 'effacera pas ce gere d'erreur Il faut évter de la commettre (e agssat par eemple sur les apparels de mesure) ou chercher à coatre sa valeur af de corrger le résultat de la mesure L erreur sstématque d u résultat de mesure e peut être rédute e augmetat le ombre d observatos, mas par l applcato d ue correcto Par la sute o fera l hpothèse que l erreur sstématque ulle ou be corrgée Cepedat aat fat cette hpothèse, l obteto au fal de résultats cohérets pourra être attrbuée à cette erreur sstématque talemet églgée Cocluso : à cause des erreurs de la valeur vrae est jamas coue précsémet c est pourquo le résultat d ue mesure devra être accompagé de l certtude sur cette mesure II- Vocabulare et présetato du résultat d'ue mesure ) Termologe S o ote X le résultat de la mesure de la gradeur mesurée s(x) l certtude tpe affectat X X l certtude élarge affectat X L certtude tpe s(x) est u paramètre assocé au résultat d u mesurage qu caractérse la dsperso des résultats d ue mesure L certtude-tpe élarge X est ue gradeur défssat u tervalle, autour du résultat du mesurage dot o pusse s attedre à ce qu l compree ue fracto élevée de la dstrbuto de valeurs pouvat être attrbuées au mesurade Elle est assocée à u veau de coface La dfférece etre s(x) et X est ssue de calculs statstques, o estme das u premer temps s(x) et o e dédut X (vor méthodes plus lo) L certtude élarge s eprme sous la forme X ks(x) où s(x) est doc l certtude-tpe et k le facteur d élargssemet C est X qu ous téresse, cette certtude tpe élarge sera le plus souvet appelée certtude sur la mesure de X par soucs de smplfcato a) Estmato de la mesure : La melleure estmato de X est comme o pouvat s attedre, la valeur moee : X Xmoee Xmesurée X S l a qu ue mesure X cela revet be sûr à X X b) Ecrture du résultat Comme o l a dt lorsque l o mesure ue gradeur X, à cause des erreurs de, o obtet ue valeur évtablemet dfférete de la "valeur vrae" X vrae (que l'o e coatra jamas parfatemet!) Détermer l'certtude élarge X c'est s'terroger sur l'écart possble (compte-teu de la précso de la mesure) etre X et X vrae O pourra alors doer u ecadremet probable de X vrae : X X < X vrae < X X comme o l a vu, o peut assocer à X u veau de coface O écrra le résultat de la mesure sous la forme X ± X (avec X postve) Eemple : O mesure l accélérato de la pesateur g 9,8 ms - S, après étude de la précso de la mesure (certtude tpe pus certtude élarge), o estme que ce résultat 'est fable qu à g 0, ms - près, o écrra g 9,8 ± 0, ms - Remarque : ous verros que des règles statstques peuvet permettre d assocer à l certtude élarge u veau de coface Par eemple s g 0,ms - avec u veau de coface de 95%, cela sgfe alors que das 95% des cas l erreur de mesure ecèdera pas 0, ms - O écrt alors : g 9,8 ± 0, ms -, 95% Cocluso : E l absece d erreur sstématque, X déft u tervalle autour de la mesure qu clut la valeur vrae avec ue probablté plus ou mos grade Eemple : S le résultat d ue mesure d ue résstace est R 5 Ω avec ue certtude élarge R Ω affectée du veau de coface stadard (95%) o pourra écrre R 5 Ω ± Ω ce qu sgfera que la probablté pour que la valeur de la résstace appartee à l tervalle [5Ω, 55Ω] est de 95%

4 ) Chffres sgfcatfs Le ombre de chffres sgfcatfs que l'o doe au résultat d'ue mesure dot être cohéret avec l'certtude E : S le résultat brut est g 9,87ms - et que g 0,ms -, les deu derères décmales "" et "7" sot e fat totalemet coues! C'est pourquo o écrt g 9,8 ± 0, ms - E revache, l est utle (et souvet dffcle) de doer plus d u chffre sgfcatf pour X o doera gééralemet l certtude X avec u seul chffre sgfcatf Par cotre s le résultat brut est g 9,87ms - et que g 0,04 ms - o écrra g 9,8 ± 0,04 ms - C est la valeur l certtude qu ous doe le ombre de chffres sgfcatf à garder pour le résultat de la mesure ) Icerttude relatve O préfère parfos dquer l'certtude relatve X assocée à la gradeur X que l'o eprme gééralemet par u pourcetage E : g 9,8ms - et g 0,ms - g 0,, 0, 0 sot % g 9,8 O pourra doc auss écrre g 9,8ms - ± % ou ecore g 9,8ms - ± %, 95% s o assoce u veau de coface de 95% à l certtude élarge III- Propagato des certtudes a) Présetato avec ue gradeur calculée à partr de gradeurs mesurées Sot ue gradeur calculée à partr des gradeurs mesurée, et z Cela revet à dre que est ue focto des gradeurs,, et z : (,,z) sot ue focto à varables Les certtudes sur les, et z (respectvemet,, z), etraet ue certtude sur la valeur de O parle alors d certtude composée E toute rgueur ous avos : z (formule de propagato de l certtude) où : z est la dérvée partelle de par rapport à est la dérvée partelle de par rapport à est la dérvée partelle de par rapport à z z Rappel sur les dérvées partelles : est la dérvée de par rapport à e cosdérat et z comme des costates est la dérvée de par rapport à e cosdérat et z comme des costates est la dérvée de par rapport à z e cosdérat et comme des costates z Eemple : ²zs() alors zs() ; ²zcos() et ²s() z Remarque : z peut s écrre : ( ) ( ) ( ) z z où est la «part» d certtude sur lée à l certtude sur la gradeur

5 est la «part» d certtude sur lée à l certtude sur la gradeur z z z est la «part» d certtude sur lée à l certtude sur la gradeur z b) Cas gééral où la gradeur calculée déped de valeurs mesurées Plus gééralemet, s déped de paramètres :,,, o aura : Formule géérale ce qu peut s écrre ( ) Chaque certtude sur la varable etraat «sa part» d certtude sur c) Cas d ue dfférece Supposos que l o at - Par eemple pour la mesure d ue dstace sur u bac optque après repérage des postos etrêmes et O veut alors l certtude sur la mesure de la dstace résultat des certtudes et sur les postos et doc s écrt c sot sachat que et : ( ) ( ) pour - d) Cas d ue somme Supposos que l o at O veut l certtude résultat des certtudes et sur les gradeurs et doc s écrt c sot sachat que et : ( ) ( ) pour O peut be sûr gééralser pour d) Cas de la multplcato par u réel parfatemet détermé Supposos que l o at k où k est u réel parfatemet détermé (pas d certtude sur k) et ue gradeur mesurée : par eemple Das ce cas k et s écrt ( ) k k k pour k avec k facteur réel parfatemet détermé Eemple : pour alors e) Cas d ue relato de la forme λ Avec λ,, et réels parfatemet détermés (pas d certtude sur ces gradeurs) pouvat être postfs ou égatfs (c est ue stuato très souvet recotrée)

6 Das ce cas λ doc o vot que l o peut écrre e multplat par : λ De la même maère ous avos λ doc o vot que l o peut écrre λ et be sûr o obtet auss As s écrt ² ² ² sot ecore ² ² ² As das cette stuato assez fréquete, e utlsat cette formule, o a pas à calculer de dérvées partelles : ² ² ² pour λ ou plus gééralemet ² pour λ Eemple : pussace P électrque estmée à partr de la mesure d ue teso U (certtude U) et d ue résstace R (certtude R) U² P P U²R - U R P P ² ( ) ² R U R Supposos que U 0V, U V ; R 50Ω ; R Ω P P ² ( ) U U R ² R 0² U R O a P 058W P P ² ( ) ² 058 ² ( ) ² 5W 50 U R 0 50 O e garde qu u chffre sgfcatf sur P P 50W du coup, o garde pour P : P 060 W pour être cohéret avec l certtude assocée présetato du résultat P 060 ± 50W Remarque : C est équvalet, mas o a auss l habtude d écrre : z ² β² γ² pour λ γ z z β Eemple U U UI R R ² ( ) I R ² I U I résstace est toujours postve U I R R avec R R pusqu ue U I Eemple Eerge cétque E c estmée à partr des de m et v (certtudes m et v) E c mv² E E ² ( ) m v m v c c ² Ec Ec 4 (E c toujours 0) m v m v

7 S o mesure v,5 ms - et m 54 g sachat que v 0,04 et m 6g o obtet E c mv² 0,54,5², 7 J m v 60 0,04 Ec Ec 4,7 4 0,07 m v 540 que l o arrodt à 0,0 (o e,5 garde qu u chffre sgfcatf) E c 0,0 J doc o dot arrodr E c à E C, J pour être cohéret O écrra alors E c, ± 0,0J Eemple 4 Pérode d u pedule de logueur l das l hpothèse des petts agles (g accélérato de la pesateur) l T π π l g T T g l 4 l T T g 4 g l l (T est toujours 0) g g IV- Détermato de l certtude tpe (s) et de l certtude élarge (X) ous devos à préset appredre à estmer l certtude de mesure à assocée à u mesurage Pour ue mesure de la gradeur X, c est l certtude tpe élarge X qu sera cosdérée comme l certtude de mesure Elle est détermée après avor obteu l certtude tpe otée s Le résultat s écrra alors X ± X ) Evaluato de tpe A Elle se fode sur l applcato de méthodes statstques à ue sére de valeurs epérmetales répétées pour ue même mesure X, X, X, X 4 X Il est doc écessare de réalser ue sére de mesurages L certtude tpe s est alors détermée par la formule : s où X moee Xmesurée X ( ) ( X X moee ) L certtude élarge X est doc X ks(x) X k ( ) ( ) X X moee Le facteur d élargssemet k (coeffcet de Studet) déped du ombre de k déped du veau de coface qu sera accordé et du ombre de mesure S les résultats se répartsset suvat ue lo ormale autour de la valeur moee, ous avos : * Pour u veau de coface à 68% k 68%,84,,0,4,,09,08,07,06,0,0 Dès qu l a quelques, pour smplfer, o pred souvet k pour u veau de coface à 68% quel que sot le ombre de mesure * Pour u veau de coface à 95% k 95%,7 4,,8,78,57,45,7,,6,09,0,96 Dès qu l a quelques, pour smplfer, o pred souvet k pour u veau de coface à 95% quel que sot le ombre de mesure Das ce cas très gééral, ous auros : ( ) X X X moee (veau de coface à 95%) ( )

8 ) Evaluato de tpe B L certtude de tpe B est la plus fréquete C est elle qu tervet lorsque l o réalse ue mesure uque Elle auss détermée à partr du calcul d u écart tpe mas celu-c est pas calculé sur ue sére de valeurs obteues par l opérateur Il est estmé à partr d formatos, d epéreces, certfcat d étaloage, classe des strumets, documetato costructeur Ecore ue fos o cosdère ue certtude tpe s (calculable par des formules coues ou grâce au doées du costructeur de l apparel de mesure) et ue certtude élarge X qu est la gradeur qu ous téresse au fal L certtude à predre e compte est doc X ks où le facteur d élargssemet k est k pour u tervalle de coface à 95 % et k pour u tervalle de coface à 99% E toute rgueur ces facteurs d élargssemet e sot valables que s les résultats se répartsset suvat ue lo ormale autour d ue valeur moee ous feros cette hpothèse (be qu e réalté, elle e sot pas toujours justfée) et de maère géérale ous chosros de travaller sur les tervalles de coface à 95%, o écrra doc smplemet X s a) Eemple de la lecture d ue échelle graduée uegraduato uegraduato uegraduato uegraduato s o a doc avec k X X, 95 % Par eemple pour la lecture de la température sur u thermomètre gradué de degré e degré X 0, 6 S la température mesurée est C o écrra θ, 0 ± 0,6 b) Mesure de dstace (double lecture) Supposos que l o veulle mesurer ue dstace avec u mètre, l s agt e fat d ue double mesure car la dstace d vérfe d - et des erreurs sot possbles sur les de et ous avos vu que das ce cas d ² ² or pour u tervalle de coface à 95% ous avos vu que uegraduato s X est obteu par lecture d ue échelle graduée X uegraduato uegraduato doc et cec va ous doer : d [ uegraduato ] uegraduato uegraduato ² ² ² (uegraduato) Au fal o obtet pour la mesure d ue dstace d 0,8 graduato (95%) sot pratquemet ue graduato de l échelle graduée qu a perms la mesure de cette dstace As das la pratque lorsque l o mesurera des dstaces par eemple sur u bac optque l e sera pas rare d écrre tout smplemet, sas se poser davatage de questo d mm (sachat que la plus pette graduato sur les bacs optques est mm) c) Eemple de l certtude résultat de mesure sur u apparel umérque p E gééral la otce de l apparel doe la précso p de ce derer et ous avos s doc X ks p doe X s pour u veau de coface à 95%, o aboutt à X E fat o aboutt as à X,5p sot ecore ue fos X p p As pour les apparels umérques e toute rgueur X et das la pratque X p Das la pratque ous ous coteteros souvet de la précso pour estmer l certtude élarge Précso p : elle est doée sur la otce par ue formule de la forme : «% de la valeur lue ombre de dgt» Eemple supposos que la otce d u apparel doe la précso : «5% de la valeur lue dgt» Cela sgfe par eemple pour u courat mesuré de 5,4 ma le dgt correspod à la derère décmale affchée (doc c 0,0 ma) 5 p p 5,4 0,0 0, 77 0,8mA as e toute rgueur I I 0, ma o garde chffre 00 sgfcatf I 0, ma Doc pour I o e dot garder que I 5, ma I 5, ± 0, ma (95%)

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant :

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant : STATISTIQUES Cours Termale ES O observe que, das certas cas, l semble ester u le etre deu caractères statstques quattatfs (deu varables) sur ue populato ; par eemple, etre le pods et la talle d u ouveau-é,

Plus en détail

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen Aexe. Estmato d u quatle o-paramétrque par la méthode de Haze La probablté cumulée emprque d ue doée au se d u échatllo est pas u cocept parfatemet déf : pluseurs estmatos sot possbles ; l e est de même

Plus en détail

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20.

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20. BTS CG 996 Eercce : (0 pots) Ue agece mmoblère evsage de commercalser u programme de costructo d'appartemets Deu projets lu sot soums: Projet P : Le coût de producto de appartemets ( eter et 0 )est doé

Plus en détail

Coefficient de partage

Coefficient de partage Coeffcet de partage E chme aque, la sythèse d'u composé se fat e pluseurs étapes : la réacto propremet dte (utlsat par exemple u motage à reflux quad la réacto dot être actvée thermquemet), les extractos

Plus en détail

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets

Plus en détail

Calculs en chromatographie

Calculs en chromatographie Calculs e chroatographe éthode de la oralsato tere... 1 Coeffcet de répose assque relatf... 1 Calcul des pourcetages assques... 2 Calcul des pourcetages olares... 3 xeple d aalyse CG d ue substtuto copéttve

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe

Plus en détail

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES ANALYSE DES DONNÉES TEST DU KHI-DEUX ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES Perre-Lous Gozalez Mesure de la laso etre deux varables qualtatves Kh deux Equête : Êtes-vous «pas du tout d accord»

Plus en détail

SYSTEME FERME EN REACTION CHIMIQUE

SYSTEME FERME EN REACTION CHIMIQUE SYSTEME FERME EN REACTION CHIMIQUE I. DESCRIPTION D UN SYSTEME. Les dfférets types de système (ouvert, fermé, solé U système S est formé d u esemble de corps séparés du reste de l uvers (appelé mleu extéreur

Plus en détail

Module 4 - Leçon 01 - Budget des ventes 1. Introduction - Recherche de la tendance générale

Module 4 - Leçon 01 - Budget des ventes 1. Introduction - Recherche de la tendance générale Cotrôle de gesto Budget des vetes Module 4 - Leço - Budget des vetes Itroducto - Recherche de la tedace géérale - Itroducto Le budget des vetes est le premer budget opératoel à établr. Il est cosdéré comme

Plus en détail

Chapitre 4 : RÉGRESSION

Chapitre 4 : RÉGRESSION Chaptre 4 : RÉGRESSION 4. Régresso léare smple 4.. Équato de la régresso 4.. Estmato par les modres carrés 4..3 Coeffcet de détermato 4..4 Iférece sur les coeffcets 4..5 Prévso et aalyse des résdus Régresso

Plus en détail

Incertitudes expérimentales

Incertitudes expérimentales U N I O N D E S P R O F E S S E U R S D E P H Y S I Q U E E T D E C H I M I E 995 Icerttudes érmetales par Fraços-Xaver BALLY Lcée Le Corbuser - 93300 Aubervllers et Jea-Marc BERROIR École ormale supéreure

Plus en détail

TD Techniques de prévision pour la Gestion de production

TD Techniques de prévision pour la Gestion de production Orgasato et gesto dustrelle Page / 6 TD Techques de prévso pour la Gesto de producto er Exercce Vetes d u rayo de jouraux das u supermarché Javer Févrer Mars Avrl Ma Ju Jullet Août Septembre Octobre Novembre

Plus en détail

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet.

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet. ère S Cotrôle du mard 7 javer 05 ( heures) D C N Le barème est doé sur 0 O répodra drectemet sur la cope foure avec le sujet U certa ombre de questos écesste ue recherche préalable au broullo O e rédgera

Plus en détail

Analyse de régression

Analyse de régression Itroducto à la régresso Aalyse de régresso La régresso est utlsée pour estmer ue focto f( ) décrvat ue relato etre ue varable explquée cotue,, et ue ou pluseurs varables explcatves,. = f(,, 3,, )+ε Remarque

Plus en détail

Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires

Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires UE 4 Evaluato des méthodes d aalyse applquées au sceces de la ve et de la saté Statstque Varables aléatores Frédérc Mauy - 27 septembre et 3 octobre 2013 1 Pla du cours 1. Varable aléatore 1. Défto 2.

Plus en détail

6GEI300 - Électronique I. Examen Partiel #1

6GEI300 - Électronique I. Examen Partiel #1 6GEI3 Électroque I Autome 27 Modalté: Aucue documetato est permse. Vous avez drot à ue calculatrce o programmable. La durée de l exame est de 3h Cet exame compte pour 2% de la ote fale. Questo 1. Questos

Plus en détail

1 ère partie : STATISTIQUE DESCRIPTIVE

1 ère partie : STATISTIQUE DESCRIPTIVE ère parte : STATISTIQUE DESCRIPTIVE CHAPITRE : COLLECTE DE L INFORMATION, TABLEAUX ET GRAPHIQUES. I. Défto et vocabulare Défto : la statstque est ue méthode scetfque qu cosste à réur des doées chffrées

Plus en détail

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1 II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d

Plus en détail

III ESPERANCE MATHEMATIQUE

III ESPERANCE MATHEMATIQUE /9 ésumé de ours e alul des probabltés (JJ bellager III ESPEAE MATHEMATIQUE I.Défto et alul de l espérae mathématque d ue VA La défto la plus géérale de l espérae d u VA : (do à valeurs postves ou ulles

Plus en détail

La statistique et les statistiques

La statistique et les statistiques Psy004 Secto : La statstque et les statstques Pla du cours: 0.0: Beveue 0.: Les catégores du savor 0.: Survol de la psychologe 0.3: Le pla de cours 0.4: Les assstats.0: La physque: scece exacte?.: Scece

Plus en détail

AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION

AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION. INTRODUCTION Il est fréquet de s'terroger sur la relato qu peut exster etre deux gradeurs e partculer das les problèmes de prévso et d estmato. Tros types

Plus en détail

PHYSIQUE DES SEMICONDUCTEURS

PHYSIQUE DES SEMICONDUCTEURS MIISTERE DE L'ESEIGEMET SUPERIEURE ET DE LA REHERHE SIETIFIQUE UIERSITE DE BEHAR Départemet es Sceces Laboratore e Pysque es spostfs à semcoucteurs (L.P.D.S ttp://www.uv-becar.z/lps/ PHYSIQUE DES SEMIODUTEURS

Plus en détail

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période)

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période) A-PDF OFFICE TO PDF DEMO: Purchase from www.a-pdf.com to remove the watermark Mathématques Facères : l essetel Les formules cotourables (F de érode) htt://www.ecogesam.ac-a-marselle.fr/esed/gesto/mathf/mathf.html#e5aels

Plus en détail

RECUEIL DES METHODES INTERNATIONALES D'ANALYSES OIV Guide de validation Contrôle qualité

RECUEIL DES METHODES INTERNATIONALES D'ANALYSES OIV Guide de validation Contrôle qualité Gude de valdato Cotrôle qualté Gude pratque pour la valdato, le cotrôle qualté, et l estmato de l certtude d ue méthode d aalyse œologque alteratve (Résoluto Oeo 10/005) Sommare 1. OBJET... 5. PREAMBULE

Plus en détail

Améliorer la productivité

Améliorer la productivité Maurce Pllet Amélorer la productvté Déploemet dustrel du toléracemet ertel, 010 SBN : 978--1-54754- Sommare Remercemets... troducto De l terchageablté à Sx Sgma... 1 V CHAPTRE 1 Du toléracemet tradtoel

Plus en détail

ANALYSE DES ENQUETES CAS-TEMOINS. AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séries non appariées) ad bc. , bc. 762, nmnm

ANALYSE DES ENQUETES CAS-TEMOINS. AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séries non appariées) ad bc. , bc. 762, nmnm I. DEFINITION ANALYSE DES ENQUETES CAS-TEMOINS AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séres o apparées) Dr F. Séguret Départemet d Iformato Médale, Épdémologe et Bostatstques U facteur F est ue

Plus en détail

Analyse Statistique des Données de Lifetest

Analyse Statistique des Données de Lifetest Aalyse Statstque des Doées de Lfetest Evas Gouo Laboratore de Statstque Applquée de l Uversté de Bretage-Sud Pla Gééraltés Les modèles paramétrques Essas accélérés : modèle d accélérato Exemple Step-Stress

Plus en détail

ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES

ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES SOMMAIRE. Normes sur u espace vectorel E 2.. Défto d'ue orme. Cter l'égalté tragulare reversée. 2.2. Normes usuelles

Plus en détail

GIN FA 4 02 01 INSTRUMENTATION P Breuil

GIN FA 4 02 01 INSTRUMENTATION P Breuil GIN FA 4 0 0 INSTRUMENTATION P Breul OBJECTIFS : coatre les bases des statstques de la mesure af de pouvor d ue part compredre les spécfcatos d u composat et d autre part évaluer avec rgueur les performaces

Plus en détail

Ressources pour le lycée général et technologique

Ressources pour le lycée général et technologique éduscol Ressources pour le lycée gééral et techologque Ressources pour le cycle termal gééral et techologque Mesure et certtudes Ces documets peuvet être utlsés et modés lbremet das le cadre des actvtés

Plus en détail

Analyse de survie. Michel Fioc. (Michel.Fioc@iap.fr, www2.iap.fr/users/fioc/enseignement/analyse_de_survie/)

Analyse de survie. Michel Fioc. (Michel.Fioc@iap.fr, www2.iap.fr/users/fioc/enseignement/analyse_de_survie/) École doctorale d astroome et d astrophysque d Île de Frace. I.A.P., févrer 2013 Post-master. Approche statstque bayésee par l exemple Aalyse de surve Mchel Foc (Mchel.Foc@ap.fr, www2.ap.fr/users/foc/esegemet/aalyse_de_surve/)

Plus en détail

Cours 8 : Analyse de variance à un facteur

Cours 8 : Analyse de variance à un facteur PSY 004 Techques d aalyses e sychologe Cours 8 : alyse de varace à u facteur Table des matères Secto. "U cou de dé jamas 'abolra le hasard"... Secto. Itroducto à l aalyse de varace NOV... Secto 3. Réartto

Plus en détail

ANALYSE DES CORRESPONDANCES SIMPLES

ANALYSE DES CORRESPONDANCES SIMPLES ANALYSE DES DONNÉES TEST DU KHI-DEUX ANALYSE DES CORRESPONDANCES SIMPLES Perre-Lous Gozalez MESURE DE LIAISON ENTRE DEUX VARIABLES QUALITATIVES KHI-DEUX Mesure de la laso etre deux varables qualtatves

Plus en détail

Apport de la technique de décomposition de domaine en réduction modale de branche

Apport de la technique de décomposition de domaine en réduction modale de branche Apport de la techque de décomposto de domae e réducto modale de brache Perre-Olver LAFFAY, Olver QUEMENER *, Etee VIDECOQ, Ala NEVEU Laboratore de Mécaque et d Eergétque d Evry (LMEE) 40, Rue du Pelvoux

Plus en détail

IREM Section Martinique Groupe Lycée. QCM pour la classe de Terminale S

IREM Section Martinique Groupe Lycée. QCM pour la classe de Terminale S IREM Secto Matque Goupe Lycée QCM pou la classe de Temale S QCM : Calculatce o autosée Pou chaque questo, seules ou popostos sot vaes. Recope la ou les popostos vaes. Sot f la focto défe su IR pa f ( )

Plus en détail

sont distincts 2 à 2.

sont distincts 2 à 2. Lycée Thers CORRIGÉ TP PYTHON - 09 L algorthme des k-meas pour partager u uage de pots e u ombre doé de classes peu dspersées 1 - La méthode de Forgy [Qu. 1] 1) Cette double somme comporte termes pusque

Plus en détail

Application de la théorie des valeurs extrêmes en assurance automobile

Application de la théorie des valeurs extrêmes en assurance automobile Applcato de la théore des valeurs extrêmes e assurace automoble Nouredde Belagha & Mchel Gru-Réhomme Uversté Pars 2, ERMES-UMR78-CNRS, 92 rue d Assas, 75006 Pars, Frace E-Mal: blour2002@yahoo.fr E-Mal:

Plus en détail

Chapitre III. Gaz parfaits

Chapitre III. Gaz parfaits Chatre III Gaz arfats IIIA : Déftos rorétés IIIAI : Gééraltés : U gaz arfat est u flude déal qu satsfat à l équato d état vr, ou ecore c est u gaz qu obét rgoureusemet aux tros los MARIOE, GAY LUSSAC et

Plus en détail

CHAPITRE I : LES SERIES STATISTIQUES A DEUX DIMENSIONS : DISTRIBUTIONS MARGINALES ET CONDITIONNELLES

CHAPITRE I : LES SERIES STATISTIQUES A DEUX DIMENSIONS : DISTRIBUTIONS MARGINALES ET CONDITIONNELLES CHAPITRE I : LES SERIES STATISTIQUES A DEU DIMESIOS : DISTRIBUTIOS MARGIALES ET CODITIOELLES CHAPITRE I : LES SERIES STATISTIQUES A DEU DIMESIOS : DISTRIBUTIOS MARGIALES ET CODITIOELLES Il est très courat

Plus en détail

GESTION COOPÉRATIVE DE STOCKS DE PRODUITS FINIS DANS UN RESEAU DE DISTRIBUTION

GESTION COOPÉRATIVE DE STOCKS DE PRODUITS FINIS DANS UN RESEAU DE DISTRIBUTION GESTION COOPÉRATIVE DE STOCKS DE PRODUITS FINIS DANS UN RESEAU DE DISTRIBUTION Lama Trqu, Jea-Claude Heet To cte ths verso: Lama Trqu, Jea-Claude Heet. GESTION COOPÉRATIVE DE STOCKS DE PRO- DUITS FINIS

Plus en détail

REPUBLIUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTAIRE DES ETUDES SUPERIEURS ET DES RECHERCHES SCIENTIFIQUES

REPUBLIUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTAIRE DES ETUDES SUPERIEURS ET DES RECHERCHES SCIENTIFIQUES REPUBLIUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTAIRE DES ETUDES SUPERIEURS ET DES RECHERCHES SCIENTIFIQUES UNIVERSITE ABOU BAKR BELKAID TLEMCEN FACULTE DE TECHNOLOGIE DEPARTEMENT DE GENIE ELECTRIQUE

Plus en détail

FD5-10-15 Solutions D Acquisition de données Module d acquisition de données

FD5-10-15 Solutions D Acquisition de données Module d acquisition de données Module d acqusto de doées De 5 à 15 etrées aalogques sychrosées dfféretelles uverselles Logcel d'explotato embarqué Serveur Web Jusqu'à 400 échatllos par secode par voe Voes de calcul et de tratemet Stockage

Plus en détail

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure.

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure. TABLE DES MATIERES Durée...2 Objectf spécfque...2 Résumé...2 I. L agrégato des préféreces...2 I. Le système de vote à la majorté...2 I.2 Vote par classemet...3 I.3 Codtos de décso socale et théorème d

Plus en détail

IFT3913 Qualité du logiciel et métriques. Chapitre 7 Collecte et analyse des métriques

IFT3913 Qualité du logiciel et métriques. Chapitre 7 Collecte et analyse des métriques IFT393 Qualté du logcel et métrques Chaptre 7 Collecte et aalyse des métrques Pla du cours Itroducto Qualté du logcel Théore de la mesure Mesure du produt logcel Mesure de la qualté du logcel Études emprques

Plus en détail

THESE. présentée devant. l UNIVERSITE D EVRY VAL D ESSONNE. en vue de l obtention du DOCTORAT DE L UNIVERSITE D EVRY. Spécialité : Robotique.

THESE. présentée devant. l UNIVERSITE D EVRY VAL D ESSONNE. en vue de l obtention du DOCTORAT DE L UNIVERSITE D EVRY. Spécialité : Robotique. THESE présetée devat l UNIVERSITE D EVRY VAL D ESSONNE e vue de l obteto du DOCTORAT DE L UNIVERSITE D EVRY Spécalté : Robotque Par Omar AÏT-AIDER Localsato référecée modèle d'u robot moble d'téreur Le

Plus en détail

Rappel (voir cours 1). On obtient l ampleur de chacune de ces dispersions par les sommes suivantes :

Rappel (voir cours 1). On obtient l ampleur de chacune de ces dispersions par les sommes suivantes : Master SV U7 COURS III - - Aalyse de varace (ANOVA I Patrc Coqullard I. ANOVA T RGRSSION MULTIPL I.. Rappels Ue régresso multple s accompage toujours d ue aalyse de varace ( ANalyse Of VArace = ANOVA.

Plus en détail

9 ème Cogrès Fraças de écaque arselle, 4-8 août 009 Evaluato des certtudes de mesure sur ue mache à mesurer trdmesoelle: Nouvelle méthode d estmato des paramètres de surface et certtudes assocées.jlid

Plus en détail

LE PARAMETRAGE DU MRP SOUS INCERTITUDES DE DELAIS D APPROVISIONNEMENTS ET DEMANDE : LE CAS DE SYSTEME D ASSEMBLAGE A UN NIVEAU

LE PARAMETRAGE DU MRP SOUS INCERTITUDES DE DELAIS D APPROVISIONNEMENTS ET DEMANDE : LE CAS DE SYSTEME D ASSEMBLAGE A UN NIVEAU 8 e Coférece Iteratoale de MOdélsato et SIMulato - MOSIM 0-0 au 2 ma 200 - Hammamet - Tuse «Evaluato et optmsato des systèmes ovats de producto de bes et de servces» LE PARAMETRAE U MRP SOUS INCERTITUES

Plus en détail

2013 LES DÉLAIS DE PAIEMENT. STATISTIQUES DE 2000 À 2012 EN NOMENCLATURE NAF rev. 2

2013 LES DÉLAIS DE PAIEMENT. STATISTIQUES DE 2000 À 2012 EN NOMENCLATURE NAF rev. 2 203 LES DÉLAIS DE PAIEMENT STATISTIQUES DE 2000 À 202 EN NOMENCLATURE NAF rev. 2 Javer 204 Itroducto Des séres statstques chroologques des délas de paemet et du solde du crédt teretreprses sot dspobles

Plus en détail

Performances d une méthode de localisation dans les réseaux sans fil mobiles

Performances d une méthode de localisation dans les réseaux sans fil mobiles Performaces d ue méthode de localsato das les réseaux sas fl mobles Matheu Bouet, Erwa Ermel, Guy Pujolle Résumé Avec la multplcato des objets commucats, la localsato est ue composate majeure des futurs

Plus en détail

6. RADIERS 6.1. GÉNÉRALITÉS

6. RADIERS 6.1. GÉNÉRALITÉS 6. RADIERS 6.. GÉNÉRALITÉS U raer est ue alle plae, évetuellemet ervurée, costtuat l'esemble es foatos 'u bâtmet. Il s'éte sur toute la surface e l'ouvrage. Ce moe e foato est utlsé as eux cas : lorsque

Plus en détail

Value at Risk en assurance : recherche d une méthodologie à long terme

Value at Risk en assurance : recherche d une méthodologie à long terme Value at Rsk e assurace : recerce d ue métodologe à log terme Marc FEDOR Uversté Pars Daupe Jule MOREL ISFA Uversté Lyo I RESUME La Value at Rsk est deveue u stadard de la gesto de rsque das le mode facer.

Plus en détail

" BIOSTATISTIQUE - 1 "

 BIOSTATISTIQUE - 1 ISTITUT SUPERIEUR DE L EDUCATIO ET DE LA FORMATIO COTIUE Départemet Bologe Géologe S0/ " BIOSTATISTIQUE - " Cours & Actvtés : Modher Abrougu Aée Uverstare - 008 Modher Abrougu Bostatstque «I» ISEFC - 008

Plus en détail

Mesure avec une règle

Mesure avec une règle Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système

Plus en détail

BTS BIOCHIMIE & ANALYSES BIOLOGIQUES 2001

BTS BIOCHIMIE & ANALYSES BIOLOGIQUES 2001 Exercice 1 : ( 12 poits ) Les parties A et B peuvet être traitées idépedammet l ue de l autre. O se propose d étudier l évolutio e foctio du temps des températures d u bai et d u solide plogé das ce bai.

Plus en détail

Universe Ratio Jean-François BOULIER Romain VERDIER Abstract

Universe Ratio Jean-François BOULIER Romain VERDIER Abstract Uverse Rato B Jea-Fraços BOULIER Head of Euro Fxed Icome ad Credts Crédt Agrcole Asset Maagemet 90 boulevard asteur 75730 ars cedex 5 Jea-fracos.bouler@ca-assetmaagemet.fr Roma VERDIER Egeer - EDF, place

Plus en détail

Au sommaire : Des généralités. Polynôme d'endomorphisme. Polynômes minimal d'un endomorphisme. Valeur et vecteur propres. Sous-espace propre.

Au sommaire : Des généralités. Polynôme d'endomorphisme. Polynômes minimal d'un endomorphisme. Valeur et vecteur propres. Sous-espace propre. - De la réducto des edomorphsmes - Ce cours a été rédgé e ovembre 994 alors que e préparas l'agrégato de mathématques et ms à our e u et ullet 2. Das le cas où l comporterat des erreurs, merc de me les

Plus en détail

Chapitre 4 Lois discrètes

Chapitre 4 Lois discrètes Chapitre 4 Lois discrètes 1. Loi de Beroulli Ue variable aléatoire X est ue variable de Beroulli si elle e pred que les valeurs 0 et 1 avec des probabilités o ulles. P(X = 1) = p, P(X = 0) = 1 p = q, avec

Plus en détail

Traitement Numérique du Signal (Partie 2)

Traitement Numérique du Signal (Partie 2) II Tratemet umérque du Sgal Parte Support de cours Olver SETIEYS seteys@essat.fr http://rd.essat.fr/esegemets/ts/ts.php Pla du cours Parte II IV. Aalyse des fltres umérques. Spécfcato, classfcato, représetato.

Plus en détail

Note méthodologique. Traitements hebdomadaires Quiestlemoinscher.com. Quelle méthode de collecte de prix? Qui a collecté les prix?

Note méthodologique. Traitements hebdomadaires Quiestlemoinscher.com. Quelle méthode de collecte de prix? Qui a collecté les prix? Note méthodologque Tratements hebdomadares Questlemonscher.com Quelle méthode de collecte de prx? Les éléments méthodologques ont été défns par le cabnet FaE onsel, socété d études et d analyses statstques

Plus en détail

Algorithmique pour la conversion par approximation de courbes de Bézier degré élevé : Le modèle de rationnelle

Algorithmique pour la conversion par approximation de courbes de Bézier degré élevé : Le modèle de rationnelle CIMA4 UM 3 Nov Dec 4 Algortmque pour la coverso par approxmato de courbes de ézer degré élevé : Le modèle de ratoelle Fard ASMA*, Idr ELAIDI*, Kamal MOHAMMEDI*, Guy ISCHIOMIN**, Moad Oulad CHALLALI *Laboratore

Plus en détail

Les sinistres graves en assurance automobile : Une nouvelle approche par la théorie des valeurs extrêmes

Les sinistres graves en assurance automobile : Une nouvelle approche par la théorie des valeurs extrêmes Les sstres graves e assurace automoble : Ue ouvelle approche par la théore des valeurs extrêmes Nouredde Belagha (*, Mchel Gru-Réhomme (*, Olga Vasecho (** (* Uversté Pars 2, ERMES-UMR78-CNRS, 2 place

Plus en détail

Pricing Avancé pour Exotiques FINKEYS FRANCE

Pricing Avancé pour Exotiques FINKEYS FRANCE Prcg Avacé pour Exotques Esegat Phlppe DUCHEMIN, Cosultat Formateur. www.fkeys.com (accès au cours) Cosultat : «Product Cotrol» CNP, chox d u outl Frot to Compta SOCIETE GENERAL SGCIB - Product Cotrol

Plus en détail

COURS DE MATHEMATIQUE FINANCIERE A COURT ET LONG TERME Promotion : Première année de graduat

COURS DE MATHEMATIQUE FINANCIERE A COURT ET LONG TERME Promotion : Première année de graduat P R O F E S REPUBLIQUE DEMOCRATIQUE DU CONGO ENSEIGNEMENT SUPEREIEUR ET UNIVERSITAIRE INSTITUT SUPERIEUR DE GESTION INFORMATIQUE DE GOMA /I.S.I.G-GOMA DEVELOPPEMENT ISIG M A T I O N COURS DE MATHEMATIQUE

Plus en détail

f(t) g(t)dt f²(t)dt g²(t) dt a a a

f(t) g(t)dt f²(t)dt g²(t) dt a a a PCSI Chatre 4 : Produts scalares-résumé Das ce chatre E est u -ev. Produts scalares. Défto et exemles de référeces Def: O aelle rodut scalare sur E toute alcato de E² das est bléare. est symétrque: x,ye,

Plus en détail

Utilisation du symbole

Utilisation du symbole HKBL / 7 symbole sgma Utlsaton du symbole Notaton : Pour parler de la somme des termes successfs d une sute, on peut ou ben utlser les pontllés ou ben utlser le symbole «sgma» majuscule noté Par exemple,

Plus en détail

Abdelkader Kadid Maître Assistant (A) à l université Hassiba ben Boualli de chlef. Kadidkader@gmail.com

Abdelkader Kadid Maître Assistant (A) à l université Hassiba ben Boualli de chlef. Kadidkader@gmail.com Revue académque des études humaes et socales Nouvelle Approche de Mesure de l Ouverture Commercale das les Modèles de Gravte New Approach to Measure The Opeg Busess Models of Gravty Abdelkader Kadd Maître

Plus en détail

Méthodologie statistique

Méthodologie statistique Méthodologe statstque 000 L'ECONOMETIE ET l'etude DES COMPOTEMENTS Présetato et mse e oeuvre de modèles de régresso qualtatfs Les modèles uvarés à résdus logstques ou ormaux LOGIT, POBIT Documet de traval

Plus en détail

CNAM-UPMC MASTER 2010-2011 Recherche Opérationnelle MODELES DE LOCALISATION ET APPLICATIONS Marie-Christine Costa

CNAM-UPMC MASTER 2010-2011 Recherche Opérationnelle MODELES DE LOCALISATION ET APPLICATIONS Marie-Christine Costa CNAM-UPMC MASTER 200-20 Recherche Opératoelle MODELES DE LOCALISATION ET APPLICATIONS Mare-Chrste Costa I INTRODUCTION Avertssemet: ce polycopé e cotet que les résultats prcpau. Les démostratos et complémets

Plus en détail

Chaîne de Markov - Télétrafic - Files d'attente

Chaîne de Markov - Télétrafic - Files d'attente ITRODUCTIO UX TLCOMMUICTIOS Chaîe de Marov - Télétrafc - Fles d'attete Verso 5 Mchel Terré lectroque L terre@camfr lectroque B ITRODUCTIO UX TLCOMMUICTIOS Raels de robablté Le dmesoemet d'u réseau de Télécommucatos

Plus en détail

Une méthode alternative de provisionnement stochastique en Assurance Non Vie : Les Modèles Additifs Généralisés

Une méthode alternative de provisionnement stochastique en Assurance Non Vie : Les Modèles Additifs Généralisés Ue méthode alteratve de provsoemet stochastque e Assurace No Ve : Les Modèles Addtfs Gééralsés Lheureux Else B&W Delotte 85, av. Charles de Gaulle 954 Neully-sur-See cedex Frace Drect: 33(0).55.6.65.3

Plus en détail

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 ECO - SESSION 1 - Correction - Minimum Moyenne Ecart-type

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 ECO - SESSION 1 - Correction - Minimum Moyenne Ecart-type EAME FIAL DE STATISTIQUES DESCRIPTIVES L1 ECO - SESSIO 1 - Correcton - Exercce 1 : 1) Questons à Chox Multples (QCM). Cochez la bonne réponse Classer ces statstques selon leur nature (ndcateur de poston

Plus en détail

BUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES

BUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES BUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES DT 3/2006 Pauvreté multdmesoelle au Cogo : ue approche o moétare Samuel AMBAPOUR BAMSI BAMSI B.P. 3734 Brazzavlle DT 3/2006 Pauvreté multdmesoelle

Plus en détail

Automates 1 Présentation

Automates 1 Présentation Automates Présetatio Présetatio d u automate 2 Ue maière de désiger l automate de l exemple 3 Défiitio géérale 4 U exemple d automate 5 Mot costruit sur l alphabet C 6 L esemble de tous les mots das u

Plus en détail

Solution : 1. Soit y = α + βt, l équation de la droite considérée. Le problème de régression linéaire s écrit. i=1 2(α + βt i b i )t i

Solution : 1. Soit y = α + βt, l équation de la droite considérée. Le problème de régression linéaire s écrit. i=1 2(α + βt i b i )t i Exercces avec corrgé succnct du chaptre 3 (Remarque : les références ne sont pas gérées dans ce document, par contre les quelques?? qu apparassent dans ce texte sont ben défns dans la verson écran complète

Plus en détail

Université de Rennes 1 Master Recherche en Informatique. Étude bibliographique Évaluation des performances des réseaux WLAN maillés

Université de Rennes 1 Master Recherche en Informatique. Étude bibliographique Évaluation des performances des réseaux WLAN maillés Uversté de Rees 1 Master Recherche e Iformatque Étude bblographque Évaluato des performaces des réseau WLAN mallés Ecadrat : Ndh Hegde (FT/CORE/CPN/TRM Etudat : Al Ibrahm Table de matères Table des matères

Plus en détail

Méthodologie statistique

Méthodologie statistique Métodologe statstque M050 LA CORRECTIO DE LA O-REPOSE PAR REPODERATIO ET PAR IMPUTATIO atale Cao Documet de taval Isttut atoal de la Statstque et des Etudes Ecoomques ISTITUT ATIOAL DE LA STATISTIQUE ET

Plus en détail

OBLIGATION DU SECTEUR PRIVE : EVALUATION ET OUTIL DE GESTION DU RISQUE DE TAUX D INTERET

OBLIGATION DU SECTEUR PRIVE : EVALUATION ET OUTIL DE GESTION DU RISQUE DE TAUX D INTERET Jea-Claude AUGROS Professeur à l Uversté Claude Berard LYON I et à l Isttut de Scece Facère et d Assuraces ISFA Mchel QUERUEL Docteur e Gesto Igéeur de Marché Socété de Bourse AUREL Résumé : Cet artcle

Plus en détail

MICROECONOMIE APPROFONDIE ET CALCUL INTERTEMPOREL

MICROECONOMIE APPROFONDIE ET CALCUL INTERTEMPOREL 3èm aé r smstr II Alcatos à la gsto d ortfull. L modèl CAPM. a. Préfércs tr tmorlls t otmsato sur érods.. rdmt d actf t rsqu. msur sml du rdmt d u actf r avc d + d rx du ttr à la f d la érod cosdéré rx

Plus en détail

Valeur absolue et fonction valeur absolue Cours

Valeur absolue et fonction valeur absolue Cours Valeur absolue foncton valeur absolue Cours CHAPITRE 1 : Dstance entre deu réels 1) Eemples prélmnares 2) Défnton 3) Proprétés CHAPITRE 2 : Valeur absolue d un réel 1) Défnton 2) Proprétés CHAPITRE 3 :

Plus en détail

La fonction de la maîtrise des vitesses est d assurer un temps

La fonction de la maîtrise des vitesses est d assurer un temps sas frotière OÎTE À OUTILS Guide de dimesioemet La maîtrise des vitesses hydrauliques JEN ROUSSEU 1 La oîte à outils du précédet uméro de Techologie traitait du choix d u distributeur pour l actioeur hydraulique.

Plus en détail

Estimation des incertitudes sur les erreurs de mesure.

Estimation des incertitudes sur les erreurs de mesure. Estmto des certtdes sr les errers de mesre. I. Itrodcto : E sceces epérmetles, l este ps de mesres ectes. Celle-c e pevet être q etchées d errers pls o mos mporttes selo le protocole chos, l qlté des strmets

Plus en détail

Historique de la fibre optique Les fontaines lumineuses de l antiquité

Historique de la fibre optique Les fontaines lumineuses de l antiquité stoque de la fbe optque Les fotaes lumeuses de l atquté Pcpe de la popagato de la lumèe? Pcpe du gudage plaae (1 Dmeso) Se place e codto de éfleo totale A 1 A 1 Gae g Gae g M < c Cœu c M > c Cœu c Fute

Plus en détail

Intervalles de fluctuation et de confiance

Intervalles de fluctuation et de confiance Chapitre 9 Itervalles de fluctuatio et de cofiace Sommaire 9.1 Itervalle de fluctuatio................................... 157 9.1.1 Quelques rappels..................................... 157 9.1.2 Itervalle

Plus en détail

Modélisations du risque en assurance automobile. Michel Grun-Rehomme Université Paris 2 et Ensae Email: grun@ensae.fr

Modélisations du risque en assurance automobile. Michel Grun-Rehomme Université Paris 2 et Ensae Email: grun@ensae.fr Modélsatons du rsque en assurance automoble Mchel Grun-Rehomme Unversté Pars 2 et Ensae Emal: grun@ensae.fr 1 Modélsatons du rsque en assurance automoble La snstralté est mesurée en terme de fréquence

Plus en détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

Première partie. Proportionnalité. 1 Reconnaître des situations de proportionnalité... 7

Première partie. Proportionnalité. 1 Reconnaître des situations de proportionnalité... 7 Premère parte Proportonnalté 1 Reconnaître des stuatons de proportonnalté....... 7 2 Trater des stuatons de proportonnalté en utlsant un rapport de lnéarté........................ 8 3 Trater des stuatons

Plus en détail

Calcul des pertes du distributeur

Calcul des pertes du distributeur Clcul des pertes du dstrbuteur Jver 007 Clcul des pertes du dstrbuteur Tros étpes : Clcul des pertes techques pr tpe d ouvrge Modélsto des pertes o techques (PNT) Modélsto d ue courbe de tpe P²+bP+c ou

Plus en détail

Cours d Electrostatique-Electrocinétique

Cours d Electrostatique-Electrocinétique Uversté Joseph Fourer DEUG SMa Cours d Electrostatque-Electrocétque Joatha Ferrera Aée uverstare - Pla du cours I- Le champ électrostatque. Notos géérales a. Phéomèes électrostatques b. Structure de la

Plus en détail

Hydrologie et Hydrogéologie

Hydrologie et Hydrogéologie ème aée ème semestre Hydrologe et Hydrogéologe Téléchargemets autorsés pour le cours, mpresso autorsée, photocopllage terdt Resposable: V. MERRIEN-SOUKATCHOFF Aée Uverstare 0/03 Eau souterraes Avrl 03

Plus en détail

I- Rappel I-1. Types de tirages : Soit un ensemble fini E contenant n éléments. On considère l'épreuve suivante : " tirer p éléments de E ".

I- Rappel I-1. Types de tirages : Soit un ensemble fini E contenant n éléments. On considère l'épreuve suivante :  tirer p éléments de E . Cours de termiales Probabilités sur u esemble fii Mr ABIDI F I- Rappel I- Types de tirages : Soit u esemble fii E coteat élémets O cosidère l'épreuve suivate : " tirer p élémets de E " Type de tirages

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

La classification de données quantitatives avec SPAD

La classification de données quantitatives avec SPAD La classificatio de doées quatitatives avec SPAD SPAD effectue toujours ue ACP de la matrice des doées quatitatives X " p avat de faire la classificatio des idividus. Les méthodes de classificatio s appliquet

Plus en détail

Estimations et intervalles de confiance

Estimations et intervalles de confiance Estimatios et itervalles de cofiace Estimatios et itervalles de cofiace Résumé Cette vigette itroduit la otio d estimateur et ses propriétés : covergece, biais, erreur quadratique, avat d aborder l estimatio

Plus en détail

Pierre Composite Polie RENFORT FIBRE

Pierre Composite Polie RENFORT FIBRE Pierre Composite Polie RENFORT FIBRE FICHES TECHNIQUE, ENTRETIEN et INFORMATIONS ENVIRONNEMENTALES www.sigaturemurale.com SARL au capital de 25 000 Euros - 21 rue des Miimes 92 400 COURBEVOIE - Tél. :

Plus en détail

DEA de physique subatomique Corrigé de l examen d analyse statistique des données et de modélisation session de février - année 2002-2003

DEA de physique subatomique Corrigé de l examen d analyse statistique des données et de modélisation session de février - année 2002-2003 DEA d physqu subatomqu Corrgé d l xamn d analys statstqu ds donnés t d modélsaton ssson d févrr - anné 22-23 Jérôm Baudot sur 45 ponts I- Errur sur la msur d un asymétr avant-arrèr ponts I-a La formul

Plus en détail

10.1 Inférence dans la régression linéaire

10.1 Inférence dans la régression linéaire 0. Inférence dans la régresson lnéare La régresson lnéare tente de modeler le rapport entre deux varables en adaptant une équaton lnéare avec des données observées. Chaque valeur de la varable ndépendante

Plus en détail

Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 Année 2011 12. TD4. Tribus.

Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 Année 2011 12. TD4. Tribus. Unversté Perre & Mare Cure (Pars 6) Lcence de Mathématques L3 UE LM364 Intégraton 1 Année 2011 12 TD4. Trbus. Échauffements Exercce 1. Sot X un ensemble. Donner des condtons sur X pour que les classes

Plus en détail

Modèle de pointage et correction des dérives

Modèle de pointage et correction des dérives Ges de la Lue Observatoire astroomique de Plougastel Tél : 0 98 40 69 73 http://www.gesdelalue.org Modèle de poitage et correctio des dérives 1. Présetatio du problème Le poitage d u astre par u télescope

Plus en détail