La significativité statistique : aspects conceptuels et signification dans la pratique clinique

Dimension: px
Commencer à balayer dès la page:

Download "La significativité statistique : aspects conceptuels et signification dans la pratique clinique"

Transcription

1 La significativité statistique : aspects conceptuels et signification dans la pratique clinique Jacques Juhel Centre de Recherches en Psychologie, Cognition, Communication (EA 1285) Centre de Formation des Conseillers d Orientation-Psychologues Université Rennes 2 1

2 Extraits du référentiel de compétences du cadre de santé «Le cadre de santé est responsable de la gestion d une unité et organise la prise en charge globale de la personne soignée pour apporter des réponses adaptées à ses besoins de santé. Il est référent professionnel, il a un rôle de formation, de coordination et de recherche» Évaluer, améliorer, mettre en place des procédures E4 Le cadre de santé contribue aux études et recherches professionnelles et médicales anticipe l incidence des recherches sur l organisation et l activité de l unité de travail, favorise la diffusion, la connaissance et l utilisation des résultats des études et des recherches. 2

3 Extraits du programme de formation des cadres de santé MODULE 3 Analyse des pratiques et initiation à la recherche Le cadre de santé doit être capable : - d appréhender la démarche professionnelle au travers de ses pratiques et savoirs, - d appréhender les concepts de recherche et de maîtriser les méthodologies et outils de la recherche, - de réaliser une démarche de recherche appliquée au domaine professionnel, - de conduire l'analyse d'une situation de travail à l'aide de cadres conceptuels préétablis, - de conduire l'analyse critique d'une publication. 3

4 L engagement dans «la pratique basée sur les résultats probants» La pratique infirmière basée sur les résultats probants (PBRP) est une pratique qui intègre les résultats de la recherche, le savoir des experts -d autres sources de connaissances cliniques- ainsi que les préférences des patients (Goulet et al., 2004). La PBRP rend nécessaire «l emploi de certains aspects de l investigation scientifique dans une application clinique». Le processus de PBRP comporte une phase d analyse critique des conclusions publiées dans la littérature afin d en dégager les résultats probants. Comprendre le concept de significativité statistique. 4

5 Les statistiques comme outil d aide à la décision Les statistiques étudient les modes d'utilisation et de traitement de données, dans le but de conduire et d'étayer une réflexion ou de prendre une décision en situation concrète soumise aux aléas de l'incertain. Deux niveaux d étude : Production de descriptions des informations. Extension inductive des informations décrites à un domaine de validité non exploré directement en ayant une certaine maîtrise du risque d erreur encouru. Des réticences à vaincre chez les professionnels 5

6 Pouvoir dégager «en confiance» des résultats probants Le concept de «significativité statistique» est complexe à appréhender. Re-visiter des notions statistiques fondamentales qui sous-tendent la prise de décision statistique : l échantillonnage statistique, l intervalle de confiance, le test d hypothèse, la taille d effet et la puissance d un test statistique. Comprendre que le «statistiquement significatif» peut ne pas impliquer le «cliniquement significatif». 6

7 L échantillonnage statistique McNemar (1941) : «L objectif essentiel de la méthode d échantillonnage est de fournir un schème économique et utilisable permettant d effectuer des inférences sur une population définie sans qu il soit nécessaire de mesurer ou de classer tous les individus de cette population. [ ] - l existence des variations humaines rend nécessaire le recours à l échantillonnage, - la validité de l inférence scientifique est très largement dépendante de la précision des données sur lesquelles elle s appuie» 7

8 L échantillonnage statistique Sur la population soit µ la moyenne des valeurs d une variable X, soit π la proportion d individus présentant une caractéristique donnée, etc. Echantillon 1 ( ) Echantillon 2 ( ) Sur chaque échantillon de taille N soit la moyenne des valeurs de la variable X, soit f la proportion d individus présentant la caractéristique étudiée, etc. x 8

9 L échantillonnage statistique Un échantillon statistique est constitué d un nombre limité d individus d observations- extraits aléatoirement d une population donnée. Démo tirage aléatoire La précision de la statistique dépend : - de la taille de l échantillon, - de la dispersion des observations. même tendance centrale 9

10 L échantillonnage statistique Une statistique univariée est une fonction des réalisations d une variable X sur un échantillon : la moyenne empirique des valeurs de X dans un échantillon de taille N, une proportion, etc. Démo échantillonnage Démo échantillonnage taille N 10

11 L échantillonnage statistique Les simulations précédentes illustrent deux résultats importants : la moyenne de l échantillon est un estimateur qui donne en moyenne la valeur de la moyenne µ de la population, l erreur d échantillonnage est d autant plus importante que la taille de l échantillon est petite. Taille de l échantillon Moyenne des valeurs de la moyenne empirique 95% des valeurs de la moyenne empirique sont comprises entre 10 10,51 7,00 14, ,48 9,41 11, ,49 10,08 10,84 Tirage de 100 échantillons empiriques 11

12 Qu est-ce qu une distribution d échantillonnage? Une statistique (moyenne, proportion, etc.) est toujours obtenue dans une situation concrète soumise aux aléas de l'incertain. Quelles valeurs la statistique est-elle susceptible de prendre sur un nombre infini d échantillons? Comment les valeurs de la statistique sont-elles susceptibles de se distribuer? La variabilité attendue de la statistique est décrite par une loi de probabilités entièrement hypothétique : la distribution d échantillonnage. Exemples : La loi normale (moyenne, variance) La loi binomiale (proportion) 12

13 Qu est-ce qu une distribution d échantillonnage? Démo lois normale et binomiale La loi normale spécifie par exemple le degré de variabilité attendue de la moyenne employée pour estimer le paramètre µ dans la population. La loi binomiale spécifie par exemple le degré de variabilité attendue de la proportion f employée pour estimer le paramètre π dans la population. 13

14 La fixation de limites probables à une observation La population est distribuée normalement. On connaît la moyenne de la population. Quelles sont les limites dans lesquelles devrait se trouver une observation choisie aléatoirement dans la population? Démo loi normale limites probables Distribution normale réduite - Probabilité de 95% de voir une observation choisie aléatoirement se situer entre 1,96 écart-type et +1,96 écart-type de la moyenne. 14

15 Limites de confiance d un paramètre Un échantillon extrait d une population distribuée normalement. On connaît la moyenne d une variable. Entre quelles limites a-t-on une probabilité de 95% d englober la moyenne de la population? Interprétation fréquentiste orthodoxe des IC Démo intervalle de confiance d une moyenne Attention! L interprétation correcte de l Intervalle de Confiance est que si l on répétait l expérience un nombre infini de fois, 95% des intervalles calculés contiendraient la vraie valeur du paramètre (ce sont les bornes qui varient d une répétition à l autre et non le paramètre). 15

16 Limites de confiance d un paramètre Un échantillon extrait d une population distribuée normalement. On connaît la corrélation entre 2 variables. Entre quelles limites a-t-on une probabilité de 95% d englober la corrélation sur la population? Démo visualisation d une corrélation Démo intervalle de confiance d une corrélation 16

17 Idées de base du test d hypothèse L hypothèse nulle (H 0 ) porte sur la valeur d un paramètre de la population. Les données sont utilisées pour tester l hypothèse que cette valeur est celle du paramètre. La statistique calculée sur l échantillon n est pas égale au paramètre de la population à cause de l erreur d échantillonnage. Il est toujours possible que le hasard soit à l origine de la différence observée entre la statistique calculée et la statistique attendue sous H 0. Quand la statistique calculée est jugée «suffisamment» différente de la statistique attendue sous H 0, on dit qu elle est «statistiquement significative» : il y a suffisamment de preuves pour rejeter H 0, il n est pas certain que H 0 soit fausse. 17

18 Les étapes du test d hypothèse Développer l hypothèse nulle H 0 (pas de différence) et l hypothèse alternative H a (prédiction positive). Choisir un intervalle de confiance, par exemple 95% (5% des valeurs les plus extrêmes sont considérées comme statistiquement différentes des variations aléatoires). Déterminer comment calculer la statistique (moyenne, proportion, différence de moyennes, corrélation, etc.) et avec quelles conditions d application. Déterminer sous H 0 la distribution d échantillonnage relative à la statistique qu elle décrit. Calculer la valeur de p sous H 0. Prendre la décision de rejeter ou de ne pas rejeter H 0. 18

19 Qu est-ce que la probabilité p? p est une mesure du degré d accord des données observées avec l hypothèse nulle : p est la probabilité d observer une valeur de la statistique aussi extrême ou plus extrême que celle observée sous hypothèse de H 0. p est la probabilité d observer des données «comme les nôtres» si H 0 était vraie. Démo comparaison de moyennes 19

20 Processus de décision du test d hypothèse H 0 est l hypothèse statistique testée Quelle est la probabilité p d obtenir une statistique dont la valeur est égale à ou plus grande que celle observée? p < α p > α rejet de H 0 échec à rejeter H 0 H 0 non vraisemblable n est pas la preuve que H a soit vraie Constat d ignorance H 0 n est pas acceptée pour autant 20

21 Tests unilatéraux et bilatéraux H 0 : la valeur du paramètre est égale à une certaine valeur. H a : la valeur du paramètre est soit «différente» ( ), soit ou à une certaine valeur, selon la situation. test unilatéral (ou directionnel) : ou ; test bilatéral (ou non directionnel) :

22 Les deux types d erreur d échantillonnage Erreur α, de 1 ère espèce : Faible différence entre moyennes des populations rejet non légitime de H 0 (conv. α=.05). Différence importante et significative entre échantillons Erreur β, de 2 ème espèce : différences significatives non détectées (conv. β=.20). Différence importante et significative entre moyennes des populations Différence insignifiante entre échantillons 22

23 Règle de décision Décision Ne pas rejeter H 0 Rejeter H 0 H 0 est réellement vraie H 0 est réellement fausse (H a est vraie) Décision correcte Erreur de type II Probabilité conditionnelle β Erreur de type I Probabilité conditionnelle α Décision correcte 23

24 Taille de l effet Mesure l amplitude de l effet dont H a fait l hypothèse. La taille de l effet peut être interprétée comme le pourcentage de non-recouvrement entre les distributions d échantillonnage sous H 0 et H a. Effet de petite taille : Effet de taille médiane : Effet de taille importante : 24

25 Taille de l effet Exemple de l'étude de l'efficacité d'un traitement vis à vis d'une pathologie donnée. Constitution au hasard d un groupe expérimental et d un groupe témoin (essai randomisé). Données continues : par ex., comparaison des moyennes des deux groupes. Taille de l effet = différence standardisée des moyennes. L intervalle de confiance traduit la précision de l estimation de la taille de l effet. L effet est statistiquement significatif si l IC ne contient pas la valeur 0. Effect Size = 0 : 0% de non-recouvrement entre les distributions d échantillonnage sous H 0 et H a, ES = 0,8 : 47,4% de non-recouvrement, ES = 1,7 : 75,4% de non-recouvrement. 25

26 Taille de l effet Proportions : par ex., comparaison des taux d évènement dans deux groupes. Taille de l effet = Risque Relatif (RR) ou «chance» de connaître un événement donné dans le groupe expérimental par rapport au groupe témoin (également le Odd Ratio ou rapport de cotes). L effet est statistiquement significatif si l IC ne contient pas la valeur 1. Le traitement est néfaste si RR (OR) est supérieur à 1, efficace si RR (ou OR) est inférieur à 1. Risque Relatif connaître le risque de base. 26

27 Puissance d un test statistique La puissance d un test statistique est sa capacité à déceler une différence significative quand il y en a réellement une. C est la probabilité 1-β de rejeter H 0 lorsque celle-ci est réellement fausse. Elle est fonction : de la probabilité α de rejeter H 0 alors qu elle est effectivement vraie (β augmente quand α augmente), de la taille de l effet d (β augmente quand d augmente), de la taille de l échantillon (β augmente quand Ν augmente). Démo calcul de puissance exemple précédent 27

28 Significativité statistique et significativité clinique Soit l intervalle de confiance à 95% de la statistique étudiée. Le point important est celui de la relation entre : les limites de confiance (ou valeurs critiques), le point d absence d effet (valeur non intéressante en soi), le «plus petit bénéfice intéressant en pratique» ( la difficulté réside dans la fixation de ce seuil) Quelle est la position de l intervalle de confiance par rapport à celle de la région d absence de significativité clinique? 28

29 Significativité statistique et significativité clinique La situation la moins espérée! Inf. Sup. H 0 Effet clinique La situation idéale! Inf. Sup. H 0 Effet clinique 29

30 Significativité statistique et significativité clinique Différence statistique mais pas clinique : effet statistique < effet clinique. Inf. Sup. H 0 Effet clinique Inf. Sup. H 0 Effet clinique Statistique vs clinique : l effet statistique est-il significativement supérieur à l effet clinique? Inf. Sup. H 0 Effet clinique 30

31 Significativité statistique et significativité clinique Score de changement Pas d effet Pas d effet cliniquement significatif Pas significativement moins que le seuil Effet cliniquement significatif probable Effet cliniquement significatif important 31

32 Que retenir en pratique? La compréhension de notions statistiques de base est nécessaire pour effectuer l analyse critique des résultats des recherche axées vers les interventions de soins. On retiendra que : La probabilité p nous renseigne sur l existence d une erreur d échantillonnage anormale mais n évoque pas la même chose selon que l effectif est de 10 ou de

33 Que retenir en pratique? La compréhension de notions statistiques de base est nécessaire pour effectuer l analyse critique des résultats des recherche axées vers les interventions de soins. On retiendra que : L intervalle de confiance, en tant que méthode d estimation de l effet, apporte beaucoup d information sur la variabilité en jeu et sur la précision des résultats. L IC doit donc être au cœur de la pratique basée sur des résultats probants. 33

34 Que retenir en pratique? La compréhension de notions statistiques de base est nécessaire pour effectuer l analyse critique des résultats des recherche axées vers les interventions de soins. On retiendra que : La significativité statistique doit être traitée en relation avec la puissance du test statistique et la taille d effet car beaucoup d études ont une puissance : souvent insuffisante pour détecter des différences significatives, parfois excessive, ce qui conduit à la détection de différences cliniquement non significatives. 34

35 Que retenir en pratique? La compréhension de notions statistiques de base est nécessaire pour effectuer l analyse critique des résultats des recherche axées vers les interventions de soins. On retiendra que : Au-delà de l inférence statistique, c est l inférence scientifique (critère de reproductibilité des résultats) qui doit surtout fonder la pratique basée sur des résultats probants. 35

36 Présentation téléchargeable à l adresse : 36

TESTS D'HYPOTHESES Etude d'un exemple

TESTS 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 détail

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

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 détail

Principe d un test statistique

Principe 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 détail

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,

Plus en détail

Lois de probabilité. Anita Burgun

Lois de probabilité. Anita Burgun Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage

Plus en détail

PROGRAMME (Susceptible de modifications)

PROGRAMME (Susceptible de modifications) Page 1 sur 8 PROGRAMME (Susceptible de modifications) Partie 1 : Méthodes des revues systématiques Mercredi 29 mai 2013 Introduction, présentation du cours et des participants Rappel des principes et des

Plus en détail

Item 169 : Évaluation thérapeutique et niveau de preuve

Item 169 : Évaluation thérapeutique et niveau de preuve Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes

Plus en détail

Tableau 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

Tableau 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 détail

Document d orientation sur les allégations issues d essais de non-infériorité

Document d orientation sur les allégations issues d essais de non-infériorité Document d orientation sur les allégations issues d essais de non-infériorité Février 2013 1 Liste de contrôle des essais de non-infériorité N o Liste de contrôle (les clients peuvent se servir de cette

Plus en détail

LECTURE CRITIQUE 1 ER PAS

LECTURE CRITIQUE 1 ER PAS 1 LECTURE CRITIQUE D UN ARTICLE SCIENTIFIQUE 1 ER PAS FORUM PCI 20,05,14 MJ Thévenin / Inf. EPIAS/ SMPH BUTS ET ORGANISATION DE LA PRÉSENTATION Utiliser une grille de lecture critique d un article Comprendre

Plus en détail

BERTHIER E, CHRISTIANO M, PHILIPPE M O, IEHL J, TATARU N, DECAVEL P, VUILLIER F, ELISEEF A, MOULIN T. Introduction (1). Contexte de l étude

BERTHIER E, CHRISTIANO M, PHILIPPE M O, IEHL J, TATARU N, DECAVEL P, VUILLIER F, ELISEEF A, MOULIN T. Introduction (1). Contexte de l étude REPRODUCTIBILITE INTEROBSERVATEUR DU TEST «NIHSS» (National Institutes of Heath Stroke Scale) RÉALISÉ PAR VIDÉOCONFÉRENCE : EXPÉRIENCE DU RÉSEAU DES URGENCES NEUROLOGIQUES (RUN) BERTHIER E, CHRISTIANO

Plus en détail

Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants)

Une 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 détail

Tests 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» 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 détail

CE QU IL FAUT SAVOIR PARTICIPATION À UN ESSAI CLINIQUE SUR UN MÉDICAMENT

CE QU IL FAUT SAVOIR PARTICIPATION À UN ESSAI CLINIQUE SUR UN MÉDICAMENT CE QU IL FAUT SAVOIR PARTICIPATION À UN ESSAI CLINIQUE SUR UN MÉDICAMENT Sommaire Comment se fait la recherche sur un nouveau médicament? (page 1) A quoi sert la recherche sur un nouveau médicament? (page

Plus en détail

23. Interprétation clinique des mesures de l effet traitement

23. 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 détail

La survie nette actuelle à long terme Qualités de sept méthodes d estimation

La survie nette actuelle à long terme Qualités de sept méthodes d estimation La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg

Plus en détail

Introduction aux Statistiques et à l utilisation du logiciel R

Introduction 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 détail

ESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring

ESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring Les méthodes d évaluation du risque de crédit pour les PME et les ménages Caractéristiques Comme les montants des crédits et des

Plus en détail

Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels

Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels

Plus en détail

Réaliser la fiche de lecture du document distribué en suivant les différentes étapes de la méthodologie (consulter le support du TD!

Réaliser la fiche de lecture du document distribué en suivant les différentes étapes de la méthodologie (consulter le support du TD! Réaliser la fiche de lecture du document distribué en suivant les différentes étapes de la méthodologie (consulter le support du TD!) 1. Réaliser la note sur l auteur (bien lire le document, utiliser Internet)

Plus en détail

La nouvelle planification de l échantillonnage

La nouvelle planification de l échantillonnage La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 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 détail

e-santé du transplanté rénal : la télémédecine au service du greffé

e-santé du transplanté rénal : la télémédecine au service du greffé e-santé du transplanté rénal : la télémédecine au service du greffé Professeur Michèle Kessler CHU de Nancy et réseau Néphrolor L une des applications de la télémédecine est la télésurveillance à domicile,

Plus en détail

Calcul élémentaire des probabilités

Calcul élémentaire des probabilités Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire La loi de Poisson. Définition. Exemple. 1 La loi de Poisson. 2 3 4

Plus en détail

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE

Tests 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 détail

Études épidémiologiques analytiques et biais

Études épidémiologiques analytiques et biais Master 1 «Conception, évaluation et gestion des essais thérapeutiques» Études épidémiologiques analytiques et biais Roxane Schaub Médecin de santé publique Octobre 2013 1 Objectifs pédagogiques Connaitre

Plus en détail

Doit on et peut on utiliser un placebo dans la prise en charge de la douleur?

Doit on et peut on utiliser un placebo dans la prise en charge de la douleur? Doit on et peut on utiliser un placebo dans la prise en charge de la douleur? Dr Philippe Poulain Unité Territoriale de Soins Palliatifs Polyclinique de l Ormeau Tarbes phpoulain@wanadoo.fr Placebo: de

Plus en détail

Statistiques Descriptives à une dimension

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 détail

Probabilité et Statistique pour le DEA de Biosciences. Avner Bar-Hen

Probabilité et Statistique pour le DEA de Biosciences. Avner Bar-Hen Probabilité et Statistique pour le DEA de Biosciences Avner Bar-Hen Université Aix-Marseille III 2000 2001 Table des matières 1 Introduction 3 2 Introduction à l analyse statistique 5 1 Introduction.................................

Plus en détail

Enquête sur la santé des résidents des foyers Adoma de Saint-Quentin-en-Yvelines

Enquête sur la santé des résidents des foyers Adoma de Saint-Quentin-en-Yvelines Direction de l action sociale, de l habitat et de la santé publique 12 ème congrès national des ORS Territoires et Santé des populations 9 et 10 novembre 2010 Enquête sur la santé des résidents des foyers

Plus en détail

Chapitre 6 Test de comparaison de pourcentages χ². José LABARERE

Chapitre 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 détail

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be

Plus en détail

Estimation et tests statistiques, TD 5. Solutions

Estimation 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 détail

Chapitre 2/ La fonction de consommation et la fonction d épargne

Chapitre 2/ La fonction de consommation et la fonction d épargne hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation

Plus en détail

Valeur ajoutée relative basée sur les comparaisons indirectes Giens 2008, TR 5

Valeur ajoutée relative basée sur les comparaisons indirectes Giens 2008, TR 5 Valeur ajoutée relative basée sur les comparaisons indirectes Giens 2008, TR 5 Claire Le Jeunne Bertrand Xerri Cécile Rey-Coquais Jean-Michel Joubert Jean Delonca Martine Pigeon Michel Lièvre Patricia

Plus en détail

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES

UFR 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 détail

Evaluation de la variabilité d'un système de mesure

Evaluation 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 détail

L axe 5 du Cancéropole Nord Ouest

L axe 5 du Cancéropole Nord Ouest L axe 5 du Cancéropole Nord Ouest Cancers, Individu id & Société L état des lieux d un pari Le Rapport Cordier 1 Biomarqueurs prédictifs 2 L axe 5 du Cancéropole Nord Ouest Cancers, Individu & Société

Plus en détail

Evaluation de critères res de substitution de la survie globale dans les cancers bronchiques localement avancés

Evaluation de critères res de substitution de la survie globale dans les cancers bronchiques localement avancés Evaluation de critères res de substitution de la survie globale dans les cancers bronchiques localement avancés Evaluations de la survie sans progression et du contrôle locoregional comme critère de substitution

Plus en détail

VI. Tests non paramétriques sur un échantillon

VI. 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 détail

Peut-on ne pas reprendre des marges «insuffisantes» en cas de Carcinome canalaire infiltrant

Peut-on ne pas reprendre des marges «insuffisantes» en cas de Carcinome canalaire infiltrant Peut-on ne pas reprendre des marges «insuffisantes» en cas de Carcinome canalaire infiltrant Institut Cancérologie de l Ouest CHIRURGIE Dr. Isabelle Jaffré CAS CLINIQUE 1 36 ans 90B sans CI radiothérapie

Plus en détail

Probabilités Loi binomiale Exercices corrigés

Probabilités Loi binomiale Exercices corrigés Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre

Plus en détail

Probabilités conditionnelles Loi binomiale

Probabilités conditionnelles Loi binomiale Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard

Plus en détail

METHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES

METHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES Enseignement du Deuxième Cycle des Etudes Médicales Faculté de Médecine de Toulouse Purpan et Toulouse Rangueil Module I «Apprentissage de l exercice médical» Coordonnateurs Pr Alain Grand Pr Daniel Rougé

Plus en détail

Demande de résumés! 71 e conférence clinique et scientifique annuelle Du 9 au 12 juin 2015 Québec (Québec) Centre des congrès de Québec

Demande de résumés! 71 e conférence clinique et scientifique annuelle Du 9 au 12 juin 2015 Québec (Québec) Centre des congrès de Québec Demande de résumés! 71 e conférence clinique et scientifique annuelle Du 9 au 12 juin 2015 Québec (Québec) Centre des congrès de Québec La Société des obstétriciens et gynécologues du Canada (SOGC), l

Plus en détail

I. Une nouvelle loi anti-discrimination

I. Une nouvelle loi anti-discrimination Extrait du Bulletin de Liaison Le Défi n 17, LHFB, Juillet 2004 Discriminations et assurances ; les apports de la Loi du 25 février 2003 et le rôle du Centre pour l'égalité des chances et la lutte contre

Plus en détail

Diplôme d Etat d infirmier Référentiel de compétences

Diplôme d Etat d infirmier Référentiel de compétences Annexe II Diplôme d Etat d infirmier Référentiel de compétences Les référentiels d activités et de compétences du métier d infirmier diplômé d Etat ne se substituent pas au cadre réglementaire. En effet,

Plus en détail

Comparaison des enjeux énergétiques de la France et de l Allemagne

Comparaison des enjeux énergétiques de la France et de l Allemagne Comparaison des enjeux énergétiques de la France et de l Allemagne Dans la perspective de la première conférence franco-allemande sur l énergie qui se tiendra le 2 juillet prochain à Paris 1, il paraît

Plus en détail

Essais cliniques de phase 0 : état de la littérature 2006-2009

Essais cliniques de phase 0 : état de la littérature 2006-2009 17 èmes Journées des Statisticiens des Centres de Lutte contre le Cancer 4 ème Conférence Francophone d Epidémiologie Clinique Essais cliniques de phase 0 : état de la littérature 2006-2009 Q Picat, N

Plus en détail

Docteur José LABARERE

Docteur José LABARERE UE7 - Santé Société Humanité Risques sanitaires Chapitre 3 : Epidémiologie étiologique Docteur José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.

Plus en détail

Mémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains.

Mémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains. Mémoire d actuariat - promotion 2010 La modélisation des avantages au personnel: complexité et limites du modèle actuariel, le rôle majeur des comportements humains. 14 décembre 2010 Stéphane MARQUETTY

Plus en détail

Ratios sectoriels. Dossier exemple. Dossier exemple-caroline. Références du dossier : Date : 24/09/2012 Auteur : Caroline

Ratios sectoriels. Dossier exemple. Dossier exemple-caroline. Références du dossier : Date : 24/09/2012 Auteur : Caroline Ratios sectoriels Dossier exemple Références du dossier : Date : 24/09/2012 Auteur : Caroline Dossier exemple-caroline 1 P a g e SOMMAIRE LE BENCHMARKING SECTORIEL 5 RENTABILITE & PRODUCTIVITE 6 PRODUCTION

Plus en détail

La recherche clinique de demain ne se fera pas sans les paramédicaux

La recherche clinique de demain ne se fera pas sans les paramédicaux La recherche clinique de demain ne se fera pas sans les paramédicaux Marc Beaumont, kinésithérapeute - 5ème journée inter régionale GIRCI - Tours, 3 juin 2015 Qu est ce que la recherche clinique? «une

Plus en détail

Introduction à l approche bootstrap

Introduction 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 détail

PROBABILITES ET STATISTIQUE I&II

PROBABILITES ET STATISTIQUE I&II PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits

Plus en détail

Les allocataires des minima sociaux: CMU, état de santé et recours aux soins

Les allocataires des minima sociaux: CMU, état de santé et recours aux soins études résultats et N 603 octobre 2007 Les allocataires des minima sociaux: CMU, état de santé et recours aux soins Une enquête a été effectuée par la DREES au deuxième trimestre 2006 auprès de personnes

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités 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 détail

A quels élèves profite l approche par les compétences de base? Etude de cas à Djibouti

A quels élèves profite l approche par les compétences de base? Etude de cas à Djibouti A quels élèves profite l approche par les compétences de base? Etude de cas à Djibouti Hamid Mohamed Aden, Directeur du CRIPEN, Djibouti Xavier Roegiers, Professeur à l Université de Louvain, Directeur

Plus en détail

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre. Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences

Plus en détail

Équivalence et Non-infériorité

Équivalence et Non-infériorité Équivalence et Non-infériorité Éléments d Introduction Lionel RIOU FRANÇA INSERM U669 Mars 2009 Essais cliniques de supériorité Exemple d Introduction Données tirées de Brinkhaus B et al. Arch Intern Med.

Plus en détail

La supervision en soins infirmiers

La supervision en soins infirmiers La supervision en soins infirmiers (article en deux parties : version jumelée) La pratique de la supervision en soins infirmiers étant peu courante en France et les écrits la concernant de même, bien que

Plus en détail

LE TABLEAU DE BORD DE SUIVI DE L ACTIVITE

LE TABLEAU DE BORD DE SUIVI DE L ACTIVITE TABLEAU DE BORD LE TABLEAU DE BORD DE SUIVI DE L ACTIVITE DEFINITION Le tableau de bord est un support (papier ou informatique) qui sert à collecter de manière régulière des informations permettant de

Plus en détail

Essais précoces non comparatifs : principes et calcul du nombre de sujets nécessaire

Essais précoces non comparatifs : principes et calcul du nombre de sujets nécessaire Essais précoces non comparatifs : principes et calcul du nombre de sujets nécessaire Sylvie CHABAUD Direction de la Recherche Clinique et de l Innovation : Centre Léon Bérard - Lyon Unité de Biostatistique

Plus en détail

First Line and Maintenance in Nonsquamous NSCLC: What Do the Data Tell Us?

First Line and Maintenance in Nonsquamous NSCLC: What Do the Data Tell Us? Dr Jean-Charles Soria : Bonjour et bienvenue dans ce programme. Je suis Jean Charles Soria, Professeur de Médecine et Directeur du programme de développement précoce des médicaments à l université Paris

Plus en détail

Représentation d une distribution

Représentation 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 détail

Cours 9 : Plans à plusieurs facteurs

Cours 9 : Plans à plusieurs facteurs Cours 9 : Plans à plusieurs facteurs Table des matières Section 1. Diviser pour regner, rassembler pour saisir... 3 Section 2. Définitions et notations... 3 2.1. Définitions... 3 2.2. Notations... 4 Section

Plus en détail

Cours de Tests paramétriques

Cours de Tests paramétriques Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.

Plus en détail

Baccalauréat ES/L Amérique du Sud 21 novembre 2013

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée

Plus en détail

L hôpital de jour ( HDJ ) en Hôpital général Intérêt d une structure polyvalente? Dr O.Ille Centre hospitalier Mantes la Jolie, Yvelines

L hôpital de jour ( HDJ ) en Hôpital général Intérêt d une structure polyvalente? Dr O.Ille Centre hospitalier Mantes la Jolie, Yvelines L hôpital de jour ( HDJ ) en Hôpital général Intérêt d une structure polyvalente? Dr O.Ille Centre hospitalier Mantes la Jolie, Yvelines Hôpital de jour (HDJ) Permet des soins ou examens nécessitant plateau

Plus en détail

LES RÉFÉRENTIELS RELATIFS AUX ÉDUCATEURS SPÉCIALISÉS

LES RÉFÉRENTIELS RELATIFS AUX ÉDUCATEURS SPÉCIALISÉS LES RÉFÉRENTIELS RELATIFS AUX ÉDUCATEURS SPÉCIALISÉS 1. RÉFÉRENTIEL PROFESSIONNEL D ÉDUCATEUR SPÉCIALISÉ 2. RÉFÉRENTIEL ACTIVITÉS 3. RÉFÉRENTIEL DE 4. RÉFÉRENTIEL DE CERTIFICATION 5. RÉFÉRENTIEL DE FORMATION

Plus en détail

EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG

EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette

Plus en détail

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3

Plus en détail

«Cours Statistique et logiciel R»

«Cours Statistique et logiciel R» «Cours Statistique et logiciel R» Rémy Drouilhet (1), Adeline Leclercq-Samson (1), Frédérique Letué (1), Laurence Viry (2) (1) Laboratoire Jean Kuntzmann, Dép. Probabilites et Statistique, (2) Laboratoire

Plus en détail

ECOLE SUPERIEURE DE L EDUCATION NATIONALE

ECOLE SUPERIEURE DE L EDUCATION NATIONALE ECOLE SUPERIEURE DE L EDUCATION NATIONALE Formation des Chefs d Etablissement d Affectation Management adaptatif et délégations Support participants SOMMAIRE La formation dans son contexte p.3 Les facteurs

Plus en détail

Comptes rendus d Activités Techniques et Financières du Service de l Eau Potable Année 2004

Comptes rendus d Activités Techniques et Financières du Service de l Eau Potable Année 2004 Service de l Eau Potable Année 2004 1 Ville de VENELLES Comptes rendus d activités Techniques et financières du Service de l Eau Potable Destinataire : Monsieur le Maire de la commune de VENELLES (13770)

Plus en détail

Utilisation des médicaments au niveau des soins primaires dans les pays en développement et en transition

Utilisation des médicaments au niveau des soins primaires dans les pays en développement et en transition 09-0749 1 WHO/EMP/MAR/2009.3 Utilisation des médicaments au niveau des soins primaires dans les pays en développement et en transition Synthèse des résultats des études publiées entre 1990 et 2006 Organisation

Plus en détail

Format de l avis d efficience

Format de l avis d efficience AVIS D EFFICIENCE Format de l avis d efficience Juillet 2013 Commission évaluation économique et de santé publique Ce document est téléchargeable sur www.has-sante.fr Haute Autorité de santé Service documentation

Plus en détail

Le Data Mining au service du Scoring ou notation statistique des emprunteurs!

Le 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 détail

QUEL PROTOCOLE DE REENTRAINEMENT PROPOSER AUX PATIENTS INSUFFISANTS CARDIAQUES?

QUEL PROTOCOLE DE REENTRAINEMENT PROPOSER AUX PATIENTS INSUFFISANTS CARDIAQUES? QUEL PROTOCOLE DE REENTRAINEMENT PROPOSER AUX PATIENTS INSUFFISANTS CARDIAQUES? Cliquez pour modifier le style des sous titres du masque MARIE CHRISTINE MERSCH MASSEUR KINESITHERAPEUTE Service de Réadaptation

Plus en détail

Probabilités III Introduction à l évaluation d options

Probabilités 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 détail

Théorie des Jeux Et ses Applications

Théorie des Jeux Et ses Applications Théorie des Jeux Et ses Applications De la Guerre Froide au Poker Clément Sire Laboratoire de Physique Théorique CNRS & Université Paul Sabatier www.lpt.ups-tlse.fr Quelques Définitions de la Théorie des

Plus en détail

La formation au Leadership Clinique a-t-elle transformé l infirmière en chef de mon unité de soins? Ressenti d un infirmier de terrain.

La formation au Leadership Clinique a-t-elle transformé l infirmière en chef de mon unité de soins? Ressenti d un infirmier de terrain. La formation au Leadership Clinique a-t-elle transformé l infirmière en chef de mon unité de soins? Ressenti d un infirmier de terrain. Olivier Guissard,, infirmier en unité de pneumologie, en charge de

Plus en détail

Chapitre 3 : INFERENCE

Chapitre 3 : INFERENCE Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage

Plus en détail

L approche de régression par discontinuité. Thomas Lemieux, UBC Atelier de formation du Congrès de l ASDEQ Le 18 mai 2011

L approche de régression par discontinuité. Thomas Lemieux, UBC Atelier de formation du Congrès de l ASDEQ Le 18 mai 2011 L approche de régression par discontinuité Thomas Lemieux, UBC Atelier de formation du Congrès de l ASDEQ Le 18 mai 2011 Plan de la présentation L approche de régression par discontinuité (RD) Historique

Plus en détail

Loi binomiale Lois normales

Loi 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 détail

NOTE SUR LA MODELISATION DU RISQUE D INFLATION

NOTE SUR LA MODELISATION DU RISQUE D INFLATION NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui

Plus en détail

Brock. Rapport supérieur

Brock. Rapport supérieur Simplification du processus de demande d aide financière dans les établissementss : Étude de cas à l Université Brock Rapport préparé par Higher Education Strategy Associates et Canadian Education Project

Plus en détail

Master Sales Analysis. Analyse et développement des compétences de vente

Master Sales Analysis. Analyse et développement des compétences de vente Master Sales Analysis Analyse et développement des compétences de vente L'essentiel L essentiel à propos du système MSA 360 Description résumée du système MSA 360 Le système Master Sales Analysis (MSA)

Plus en détail

La problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites

La problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur

Plus en détail

ÉVALUATION ET AMÉLIORATION DES PRATIQUES. Développement professionnel continu. Simulation en santé. Fiche technique méthode

ÉVALUATION ET AMÉLIORATION DES PRATIQUES. Développement professionnel continu. Simulation en santé. Fiche technique méthode ÉVALUATION ET AMÉLIORATION DES PRATIQUES Développement professionnel continu Simulation en santé Fiche technique méthode Cette fiche technique décrit la participation des professionnels à une session de

Plus en détail

!-.!#- $'( 1&) &) (,' &*- %,!

!-.!#- $'( 1&) &) (,' &*- %,! 0 $'( 1&) +&&/ ( &+&& &+&))&( -.#- 2& -.#- &) (,' %&,))& &)+&&) &- $ 3.#( %, (&&/ 0 ' Il existe plusieurs types de simulation de flux Statique ou dynamique Stochastique ou déterministe A événements discrets

Plus en détail

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers

Plus en détail

Modélisation aléatoire en fiabilité des logiciels

Modélisation aléatoire en fiabilité des logiciels collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.

Plus en détail

Activité 38 : Découvrir comment certains déchets issus de fonctionnement des organes sont éliminés de l organisme

Activité 38 : Découvrir comment certains déchets issus de fonctionnement des organes sont éliminés de l organisme Activité 38 : Découvrir comment certains déchets issus de fonctionnement des organes sont éliminés de l organisme 1. EXTRAITS REFERENTIELS DU BO Partie du programme : Fonctionnement de l organisme et besoin

Plus en détail

Le nouvel indice de taux de change effectif du dollar canadien

Le nouvel indice de taux de change effectif du dollar canadien Le nouvel indice de taux de change effectif du dollar canadien Janone Ong, département des Marchés financiers La Banque du Canada a créé un nouvel indice de taux de change effectif du dollar canadien,

Plus en détail

Annexe 2 Les expressions du HCAAM sur la coordination des interventions des professionnels autour du patient

Annexe 2 Les expressions du HCAAM sur la coordination des interventions des professionnels autour du patient Annexe 2 Les expressions du HCAAM sur la coordination des interventions des professionnels autour du patient Dans son avis de 2012 «L assurance maladie : les options du HCAAM» qui synthétise l ensemble

Plus en détail

La valeur présente (ou actuelle) d une annuité, si elle est constante, est donc aussi calculable par cette fonction : VA = A [(1-1/(1+k) T )/k]

La valeur présente (ou actuelle) d une annuité, si elle est constante, est donc aussi calculable par cette fonction : VA = A [(1-1/(1+k) T )/k] Evaluation de la rentabilité d un projet d investissement La décision d investir dans un quelconque projet se base principalement sur l évaluation de son intérêt économique et par conséquent, du calcul

Plus en détail

Théorie des sondages : cours 5

Théorie des sondages : cours 5 Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur

Plus en détail

distribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position

distribution 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 détail

Les Français et le don d organes

Les Français et le don d organes Les Français et le don d organes Rapport Version n 2 Date : 8 Février 2011 De: Nadia AUZANNEAU et Stéphanie CHARDRON A: Jean-Pierre SCOTTI et Saran SIDIBE OpinionWay, 15 place de la République, 75003 Paris.

Plus en détail