PSY C3 Eléments de statistique
|
|
- Beatrice Labrie
- il y a 6 ans
- Total affichages :
Transcription
1 PSY C3 Eléments de statistique Responsables : Amandine Penel & Fabrice Guillaume Maîtres de conférence en Psychologie Cognitive Adresse internet pour trouver les cours : Rubrique personnel sur le site du Laboratoire de Psychologie Cognitive (en bas de page)
2 Groupes de TD : Vous devez rester dans votre groupe : alphabet MAR a PAZ PBA a SDZ BRA a DAL AAA a BQA groupe B2 B3 A2 A1 horaire lundi 8h-10h lundi 16h-18h mercredi 12h-14h mercredi 14h-16h salle A434 C140 A434 C113 Exceptions : salariés, handicapés, redoublants qui suivent la 1 ère et 2 ème années en parallèle. Avoir une attestation. FVA a JZZ DAM a FUZ SEA a ZZZ KAA a MAC A4 A3 B4 B1 mercredi 16h-18h jeudi 8h-10h jeudi 10h-12h jeudi 16h-18h S1 F1 F1 S2 Sinon, il faut trouver un autre étudiant qui veut bien faire l échange (constat signé).
3 Statistiques descriptives II 1. Variance et écart-type 2. La distribution normale (gaussienne) 3. De l él échantillon à la population 4. Scores z 5. Table de z 6. Intervalle de confiance
4 1. Variance et écart-type
5 Notion de variabilité = dispersion Histogramme en colonnes Distribution : continue m Effectifs
6 Variance (rappel) : 2 Notée! pour une population, pour un échantillon. s 2 =! ( X N " X ) 2 =! X 2 " ( N! Unité = celle de X au carré. X ) N Écart-type : Indice de dispersion dans la même unité que les données. 2 s 2 On trouve aussi : #(X " X) # 2 X 2 " ( # X ) 2 s 2 = = N N "1 N "1 (petits échantillons) e cart! type = variance Noté! pour une population, s pour un échantillon.
7 Écart-type : écart typique des données par rapport à la moyenne s Note la + basse 11,8 Note la + haute s Note la + basse 11,8 Note la + haute
8 Notion de variabilité = dispersion Plus s est grand et plus la courbe est évasée, plus il est petit, plus elle est mince Note la + basse s 11,8 14 Note la + haute s Note la + basse 11,814 Note la + haute
9 2. La distribution normale Dite aussi gaussienne. Un type particulier de courbe en cloche, symétrique, dans laquelle la moitié des observations sont en-dessous de la moyenne, l autre moitié au-dessus. Mode Médiane Moyenne Très souvent, les phénomènes naturels suivent une telle distribution dite normale. C est aussi le cas des données en psychologie.
10 La loi normale de Gauss ou loi des «erreurs» La loi normale repose sur l'estimation de deux paramètres de la population statistique: la moyenne µ l'écart type σ La courbe (appelée "fonction de densité de probabilité") a la formule suivante: π: : pie (3,14159 ) e : base des logarithmes (2,71828 ) La probabilité qu'une variable x prenne une valeur plus petite ou plus grande qu'une certaine valeur x i s'obtient en calculant l'aire sous la courbe:
11 Nombreux phénomènes biologiques et physiques peuvent être représentés par cette courbe (on( trouve la courbe de Gauss et ses dérivés dans tous les carnets de santé) Exemple : Jouons à pile ou face Nombre Pile/Face (sur 100 jets) 40 / / / / / / 90 Jouer 100 fois à pile ou face, c est c accumuler 100 petits hasards indépendants
12 Relation distribution normale / écart-type : On peut mesurer l écart d une donnée à la moyenne en unités d écart-type. Ex. : m = 56, s = 4 Score X = 60 = 1 écart-type au-dessus de la moyenne. Score X = 64 = 2 écart-types au-dessus de la moyenne. Si la distribution est normale, on connaît exactement le % de scores compris entre m et m + s, etc. :
13 S = 4 score = 64 élevé S = 10 score = 64 - élevé
14 3. De l él échantillon à la population Exemple : L inférence L chez l él épicier L inférence est nécessaire parce que la plupart du temps nous étudions la population à partir d und échantillon. Cette estimation s accompagne s d erreursd Le rôle r de la statistique est de mesurer ce degré d erreur Statistique : science des probabilités NB : La validité de l inférence l dépend de la représentativité de l él échantillon
15
16 Une caractéristique d une population (µ, σ) s appelle un paramètre On peut estimer un paramètre à partir des données de l échantillon (statistique)
17 4. Scores z Intérêt : En calculant la moyenne, la variance et l écart-type d une distribution, on peut situer un score dans cette distribution. Les scores z permettent de comparer des scores issus de distributions différentes (m et s différents) Ex. : Test 1, score 62, m = 57,11 ; s = 2,47 Test 2, score 67, m = 62,46 ; s = 3,21 Test 3, score 76, m = 68,93 ; s = 4,06 On ne peut pas comparer 62, 67 et 76 directement car issus de distributions différentes : Ce serait comme si on comparaît des données obtenues sur des échelles différentes, des enfants de 4 ans et des enfants de 10 ans
18 z = X! s m Score z : on soustrait la moyenne, et on divise par l écart-type Test 1, score 62, m = 57,11 ; s = 2,47 62! 57,11 z( test1) = = 1,98 2,47 Test 2, score 67, m = 62,46 ; s = 3,21 Test 3, score 76, m = 68,93 ; s = 4,06 z( test2) = 1,41 z( test3) = 1,74
19 Loi normale centrée réduite : σ=1 m=0 On peut comparer ces scores z entre eux (même échelle), test1 mieux réussi que test3 que test2 (1,98 > 1,74 > 1,41). Notez que la comparaison (erronée) des scores bruts aurait donné test3 (76)> test2 (67)> test1(62).
20 Relation entre un score z et la distribution normale : z X! m s = Donne l écart à la moyenne, en unités d écart-type. z = 2 signifie que le score est 2 s au-dessus de m (élevé). z = -1 signifie que le score est 1 s en-dessous de m. on peut en déduire le % de scores en-dessous & audessus.
21 5. Table de z (appelée aussi table de la distribution normale). Indique pour tout z le % de scores compris sous z et entre ce z et la moyenne. 50% des scores endessous de la moyenne 47,61% des scores entre z=1,98 et la moyenne 2,39% des scores audessus de z On en déduit : - le % de scores en-dessous = ,61 = 97,61% - le % de scores au-dessus = 50-47,61 = 2,39%
22 Si z est négatif : même % que si z est positif 34,13% des scores entre z=-1 et la moyenne z = -1 z = +1 On en déduit : - le % de scores en-dessous = 50 34,13 = 15,87% - le % de scores au-dessus = 34, = 84,13%
23 Table du z Aires de la distribution normale : % d erreur bilatérale Exemple: z= (précision de 1%) Z =.10 z=1.96 correspond à 5% soit
24 Probabilité unilatérale versus bilatérale Probabilité unilatérale 0,975 (97,5%) Probabilité bilatérale 0,95 (95%) 0,025 (2,5%) 0,025 (2,5%) Z = 1,96 Z 2 = 1,96 Z 1 = - 1,96 Probabilité unilatérale : 0,025 (2,5%) Probabilité bilatérale : 0, ,025 = 0,05 (5%)
25 Attention : la table que vous aurez en TD représente les probabilités bilatérales
26 Marche dans l autre sens : si on connaît le % de scores au-dessus ou endessous d une mesure, on peut en déduire le z correspondant Exemple : Quel est la valeur de z pour qu il y ait seulement 1% des scores au-dessus? Attention : 1% des scores unilatérale signifie 2% bilatérale P = 0,98 P = 0,99 P = 0,01 P = 0,01 P = 0,01 On recherche donc dans la table bilatérale la probabilité 0,02
27
28 Si z non listé (ex. : z = 2,825), Pour z=2,820 Pour z=2,83 On prend les deux valeurs qui l encadrent et on fait la moyenne : 0, ,00465 % = = 0,004725soit(0,4725%) 2
29 Raymond va à la pêche Le beau-frère de Raymond a pêché un brochet de 538,9 mm dans le lac. En admettant que la longueur des brochets de ce lac suit une loi normale N(467 mm, 47,9 mm), quelle est la probabilité que Raymond pêche un brochet plus long que celui de son beaufrère? Traduction: P (x > 538,9mm) =? Transformons 538,9 mm en z: Donc: P (x > 538,9 mm) = P (z > 1,501): P (z > 1,501)
30 Table du z : probabilité bilatérale associée à z=1,501 Exemple: z= (précision de 1%) Z =.10 z=1.501 correspond à 13,4% de façon bilatérale donc 13,4 / 2 % de façon unilatérale soit 6,7 %
31 P(z > 1,501) = 1 P(z < 1,501) = 0,067 La probabilité que Raymond pêche un brochet plus long que celui de son beau-frère est donc de 0,067 (soit 6,7 chance sur 100).
32 6. Intervalle de confiance On cherche à estimer un paramètre (ex., µ) à partir de plusieurs échantillons, µ M = meilleure estimation possible de µ. Cependant, erreur possible (erreur standard de la moyenne) : σ M Exemples d intervalles de confiance dans notre vie quotidienne : température, le prix d une voiture, etc.
33 Exemple d une distribution de scores de satisfaction au travail dont la moyenne est 50 (des milliers de travailleurs et de travailleuses ont passé cette épreuve) Si vous faites passer l épreuve à un petit groupe de travailleurs Probabilité que la moyenne se situe à l intérieur des intervalles : Faible Élevée
34 Valeurs d un échantillon Valeurs population On va estimer un intervalle qui contient µ (paramètre) : Au lieu de dire, µ = µ M, (ou µ : paramètre de la population et µ M paramètre de l échantillon) on dit : minimum < µ < maximum Si l intervalle est attaché à un pourcentage (95% ou 99%), on parle d intervalle de confiance à 95% (ou 99%) [minimum ; maximum] qui contient µ avec 5% (ou 1%) d erreur possible.
35 Supposons qu une distribution de moyennes a les caractéristiques suivantes : µ M = 75 ; σ M = 5 On sait que : 68,26% des scores entre z=-1 et z=1 z=1 Dans la table p=31,74 z = -1 µ M z = +1-1 σ M + 1 σ M Donc 68,26% des scores sont entre µ M +/- 1 écarttype : [75-5 ; 75+5] L intervalle [70 ; 80] a 68,26% de chance de contenir µ C est l intervalle de confiance pour µ à 68,26%.
36 On s intéresse en général à des intervalles de confiance pour µ à 95% (ou 99%) : La logique est la même. Il faut déterminer z pour 95% Consultation table de z : z 95 =1,96 95% 2,5% 2,5% z = -1,96 z = +1,96 donc intervalle de confiance à 95% : µ M ± z 95 "# M [ 75 "1,96 # 5 ; 75 +1,96 # 5] = [ 65,2 ; 84,8]
37 Raymond retourne à la pêche! Si la longueur des brochets du lac suit une loi normale N(moyenne: 467 mm, écarttype: 47,9 mm), entre quelles valeurs se situent 95 % des longueurs des brochets de ce lac? 1) Traduction: P (x 1 < x < x 2 ) = 0,95 2) Transformons x 1 et x 2 en z: P (z 1 < z < z 2 ) = 0,95 Le problème est donc inverse du précédent: nous avons la probabilité mais pas z
38 z 2 = 1,96 z 1 = 1,96 par symétrie Retransformons z 1 et z 2 en x par l'opération inverse d'un «centrage-réduction», on multiplie z par l'écart type de la variable, puis on ajoute la moyenne au résultat : z X! m = X " m = z # s X = z " s + m s x 1 = (z 1 47,9 mm) mm = ( 1,96 47,9 mm) mm = 373,12 mm x 2 = (z 2 47,9 mm) mm = (1,96 47,9 mm) mm = 560,88 mm Ainsi, 95% des brochets du lac ont une longueur comprise entre 373,12 mm et 560,88 mm. L intervalle de confiance est : [373,12;560,88].
39 Intervalle de confiance à 95% : µ M ± z 95 "# M [ 65,2 ; 84,8] Signifie que cet intervalle comprend µ avec 5% d erreur plus d information que µ! µ M = 75 Intervalle de confiance à 99% : µ M ± z 99 "# M z 99 = 2,57
40
41 Intervalle de confiance à 99% : µ M ± z 99 "# M z 99 = 2,57 [ 75 " 2,57 # 5 ; ,57 # 5] = [ 62,2 ; 87,9] Cet intervalle comprend µ avec 1% d erreur 0,5% 99% 0,5% z = -2,57 z = +2,57
Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailExercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible»
Exercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible» Quand la trésorerie d une entreprise est positive, le trésorier cherche le meilleur placement pour placer les excédents.
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en 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 détailhttp://mondomaine.com/dossier : seul le dossier dossier sera cherché, tous les sousdomaines
Principales fonctionnalités de l outil Le coeur du service suivre les variations de position d un mot-clé associé à une URL sur un moteur de recherche (Google - Bing - Yahoo) dans une locale (association
Plus en détailEvaluation de la variabilité d'un système de mesure
Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les
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 détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailLa maison Ecole d ' Amortissement d un emprunt Classe de terminale ES. Ce qui est demandé. Les étapes du travail
La maison Ecole d ' Amortissement d un emprunt Classe de terminale ES Suites géométriques, fonction exponentielle Copyright c 2004 J.- M. Boucart GNU Free Documentation Licence L objectif de cet exercice
Plus en détailPeut-on imiter le hasard?
168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard
Plus en détailLe suivi de la qualité. Méthode MSP : généralités
Le suivi de la qualité La politique qualité d une entreprise impose que celle maîtrise sa fabrication. Pour cela, elle doit être capable d évaluer la «qualité» de son processus de production et ceci parfois
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en 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 détailBACCALAURÉAT PROFESSIONNEL SUJET
SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)
Plus en détail1 Recherche en table par balayage
1 Recherche en table par balayage 1.1 Problème de la recherche en table Une table désigne une liste ou un tableau d éléments. Le problème de la recherche en table est celui de la recherche d un élément
Plus en détailTableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1
UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés
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 détailUne variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants)
CIVILITE-SES.doc - 1 - Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants) 1 PRÉSENTATION DU DOSSIER CIVILITE On s intéresse
Plus en 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 détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailCHEQUE DOMICILE. PAIEMENT EN LIGNE d un intervenant ou d un prestataire
CHEQUE DOMICILE PAIEMENT EN LIGNE d un intervenant ou d un prestataire DE QUOI S AGIT - IL? Vous bénéficiez de Chèques Domicile CESU et souhait ez régler des prestations de services àla personne (ménage,
Plus en détailEPFL 2010. TP n 3 Essai oedomètrique. Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilias Nafaï Weil Florian
1 EPFL 2010 Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilia Nafaï Weil Florian 11 Table de matière Ø Introduction 3 Ø Objectif 3 Ø Déroulement de l eai 4 Ø Exécution de deux palier de charge 6 Ø Calcul
Plus en détailDérivation : Résumé de cours et méthodes
Dérivation : Résumé de cours et métodes Nombre dérivé - Fonction dérivée : DÉFINITION (a + ) (a) Etant donné est une onction déinie sur un intervalle I contenant le réel a, est dérivable en a si tend vers
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en 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 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 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 détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailO, i, ) ln x. (ln x)2
EXERCICE 5 points Commun à tous les candidats Le plan complee est muni d un repère orthonormal O, i, j Étude d une fonction f On considère la fonction f définie sur l intervalle ]0; + [ par : f = ln On
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
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 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 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 détailService Apprentissage
LES DEMARCHES A ACCOMPLIR POUR CONCLURE UN CONTRAT D APPRENTISSAGE Établir sous 48 h la déclaration unique à l embauche auprès de l Urssaf (www.due.urssaf.fr ou www.net-entreprises.fr) Prendre rendez-vous
Plus en détailSystème de bonus-malus SBM 07 Assurance contre les accidents non professionnels
Système de bonus-malus SBM 07 Assurance contre les accidents non professionnels Principes de base et application du SBM 07 Le SBM 07 détermine le montant des primes des moyennes entreprises en tenant compte
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 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 détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en 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 détailUnité E Variation et analyse statistique
Unité E Variation et analyse statistique VARIATION ET ANALYSE STATISTIQUE Introduction Ce module présente aux élèves deux méthodes d'utilisation des statistiques pour décrire des données et tirer des conclusions
Plus en détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
Plus en détailEfficacité des Modules Maintenance dans les ERP.
Efficacité des Modules Maintenance dans les ERP. Les progiciels ERP (Entreprise Ressource Planning) proposent l ensemble des modules permettant de gérer une entreprise. Mais le module Maintenance est souvent
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 détailProposition technique et financière pour Le raccordement Sur le réseau public de distribution électricité Raccordement de puissance < kva
Proposition technique et financière pour Le raccordement Sur le réseau public de distribution électricité Raccordement de puissance < kva Numéro d affaire : Etablie entre : Vialis, Gestionnaire de Réseau
Plus en détailI - Quelques propriétés des étoiles à neutrons
Formation Interuniversitaire de Physique Option de L3 Ecole Normale Supérieure de Paris Astrophysique Patrick Hennebelle François Levrier Sixième TD 14 avril 2015 Les étoiles dont la masse initiale est
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ARTHUR CHARPENTIER 1 Un certain test médical révèle correctement, avec probabilité 0.85, qu une personne a le sida lorsqu elle l a vraiment et révèle incorrectement,
Plus en détailT de Student Khi-deux Corrélation
Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes
Plus en détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailWWW.ELCON.SE Multichronomètre SA10 Présentation générale
WWW.ELCON.SE Multichronomètre SA10 Présentation générale Le SA10 est un appareil portable destiné au test des disjoncteurs moyenne tension et haute tension. Quoiqu il soit conçu pour fonctionner couplé
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 détailL apprenti. Définition du code du travail
L apprenti Définition du code du travail Salarié rémunéré qui suit une formation diplômante pour obtenir une qualification professionnelle en signant un contrat d apprentissage. Le dispositif apprentissage
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailLE PERP retraite et protection
LE PERP retraite et protection Benoit Rama http://www.imaf.fr Le PERP (Plan d Épargne Retraite Populaire) est une mesure d encouragement à la préparation de la retraite destinée aux salariés. Il copie
Plus en détailpour les canalisations de transport 14 avril 2010-1 -
Arrêté multifluide du 4 août t 2006 pour les canalisations de transport 14 avril 2010-1 - Une volonté de l administration L ancien arrêté portant règlement de sécurité des ouvrages de transport de gaz
Plus en détailECTS CM TD TP. 1er semestre (S3)
Organisation du parcours M2 IRS en alternance De façon générale, les unités d enseignements (UE) sont toutes obligatoires avec des ECTS équivalents à 3 sauf le stage sur 27 ECTS et réparties sur deux semestres
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailmain-d oeuvr mploi Profil économique opulation active construction résidentielle logement
Profil économique VILLE DE MONTRÉAL Arrondissement de Rivière-des-Prairies Pointe-aux-Trembles chômage mploi logement établissements d affaires localisation de l emploi revenus d emploi professions main-d
Plus en détailComplément d information concernant la fiche de concordance
Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours
Plus en détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
Plus en détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailExe Livret Animateur_Exe Livret Animateur 01/02/11 11:10 Page1
Exe Livret Animateur_Exe Livret Animateur 01/02/11 11:10 Page1 1 Exe Livret Animateur_Exe Livret Animateur 01/02/11 11:10 Page2 Estimez les produits, tournez la roue et tentez de remporter la vitrine!
Plus en détailQuelle est l influence d une réduction des prestations d 1/5, via le crédit-temps et l interruption de carrière, sur le revenu du ménage?
Etudes Quelle est l influence d une réduction des prestations d 1/5, via le crédit-temps et l interruption de carrière, sur le revenu du ménage? Table des matières Introduction...7 Objectif, méthodologie
Plus en détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
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 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 détailValue at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061
Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain
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 détailEtude statistique des données fournies par la CCIJP
Etude statistique des données fournies par la CCIJP Sommaire Introduction : Stagnation du nombre de cartes accordées en 2012... 4 1. Dans quels secteurs d activité les journalistes encartés travaillent-ils?
Plus en détailL écart salarial entre les femmes et les hommes en Belgique
L écart salarial entre les femmes et les hommes en Belgique Rapport 2014 Table des matières Le rapport 2014... 5 1. Différences salariales générales... 6 1.1 L écart salarial en salaires horaires et annuels...
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 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 détailles derniers salaires qui comptent
1Ce sont les derniers salaires qui comptent Le montant de l allocation d aide au retour à l emploi est calculé sur la base du «salaire journalier de référence» établi à partir des rémunérations perçues
Plus en détailA. BONNEFOND Maître de conférences en neuroscience cognitive Laboratoire d imagerie et de neuroscience cognitive Université de Strasbourg
Sommeil de courte durée, vigilance et travail de nuit A. BONNEFOND Maître de conférences en neuroscience cognitive Laboratoire d imagerie et de neuroscience cognitive Université de Strasbourg Sommeil de
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailGuide Représentante. www.avon.co.ma
Guide Représentante www.avon.co.ma En tant que représentant(e), quels sont mes avantages? Avon met à ma disposition des services en ligne pour gérer et développer mon activité : - Un bureau personnel pour
Plus en détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailD un tsunami à l autre. Etat des lieux de la générosité des français. «Défricher les nouveaux champs de la générosité» 3 décembre 2009
D un tsunami à l autre. Etat des lieux de la générosité des français Antoine Vaccaro Chris Olivier Les sources L étude annuelle du CerPhi réalisée à partir des données de la Direction Générale des Finances
Plus en détailSTA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes
STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités
Plus en détailCaractéristiques des ondes
Caractéristiques des ondes Chapitre Activités 1 Ondes progressives à une dimension (p 38) A Analyse qualitative d une onde b Fin de la Début de la 1 L onde est progressive puisque la perturbation se déplace
Plus en détail1. Titre du contrat. (si les travaux de montage se font en plusieurs tranches, indiquer quelle est la tranche ou les tranches à assurer)
FORMULAIRE DE DECLARATION DU RISQUE ASSURANCE TOUS RISQUES MONTAGE - ESSAI 1. Titre du contrat (si les travaux de montage se font en plusieurs tranches, indiquer quelle est la tranche ou les tranches à
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 détailCHAPITRE V SELECTION DES CONSULTANTS ET D AUTRES PRESTATAIRES DE SERVICES
CHAPITRE V SELECTION DES CONSULTANTS ET D AUTRES PRESTATAIRES DE SERVICES Méthode de sélection: les dispositions qui suivent s appliquent lorsqu elles ne sont pas contraires à celles préconisées dans les
Plus en détailÉpreuve collaborative
Épreuve collaborative Pour chaque partie, la grille permet d apprécier, selon quatre niveaux, les compétences développées dans le sujet par le candidat. Pour cela, elle s appuie sur des indicateurs traduisant
Plus en détailComplexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation
Complexité Objectifs des calculs de complexité : - pouvoir prévoir le temps d'exécution d'un algorithme - pouvoir comparer deux algorithmes réalisant le même traitement Exemples : - si on lance le calcul
Plus en détailProbabilités conditionnelles
Probabilités conditionnelles Exercice Dans une usine, on utilise conjointement deux machines M et M 2 pour fabriquer des pièces cylindriques en série. Pour une période donnée, leurs probabilités de tomber
Plus en détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en détailPôle de Dakar S IMUL ATIONS. 1 Utiliser un taux d accroissement pour une simulation
FORMULAIRE ATELIER S IMUL ATIONS 1 Utiliser un taux d accroissement pour une simulation La projection de certaines variables se base sur une hypothèse de taux de croissance annuelle régulier et constant.
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailCours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions
Cours d introduction à l informatique Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Qu est-ce qu un Une recette de cuisine algorithme? Protocole expérimental
Plus en détailBaromètre : Le bien être psychologique au travail
Contacts Ifop : Rudy BOURLES/Isabelle MANDERON 6-8, rue Eugène Oudiné 75013 Paris tél 01 45 84 14 44 fax 01 45 85 59 39 Etude 23384 Baromètre : Le bien être psychologique au travail Septembre 2008 vague
Plus en détail