Statistiques descriptives bivariées
|
|
- Jean-Bernard Chénier
- il y a 6 ans
- Total affichages :
Transcription
1 Statistiques descriptives bivariées
2 ntroduction Soit une population ou un échantillon d effectif N. On observe deux caractères sur cette population, X et Y. On veut étudier les liens de dépendance ou d indépendance entre les deux variables. On va considérer successivement deux possibilités : X et Y sont des ensembles finis. Par exemple, on étudie les étudiants d UT-TC1. X est la couleur des yeux : X 2{bleus, marrons, verts} Y est la couleur des cheveux : Y 2{bruns, blonds, roux, chatains} X et Y sont des ensembles infinis. Par exemple, on étudie les français qui ont un emploi. X est leur revenu. Y est leur nombre d années d étude.
3 Section 1. Tableau de contingence On se place d abord dans le cas où X et Y sont des ensembles finis. Ce peut être deux variables qualitatives (nominales ou ordinales) ou deux variables quantitatives discrètes. On a une population d effectif N.
4 Tableau de contingence Notons x 1, x 2, x 3,... x p les modalités de X,ordonnéesdans l ordre croissant (si besoin). p est le nombre de modalités de X. Notons y 1, y 2, y 3,... y q les modalités de Y,ordonnéesdans l ordre croissant (si besoin). q est le nombre de modalités de Y. Exemple. Si X est la couleur des yeux : x1 = {bleue}, x 2 = {marron}, x 3 = {verte}, Si Y est la couleur des cheveux : y1 = {bruns}, y 2 = {blonds}, y 3 = {roux}, y 4 = chatains.
5 Tableau de contingence (2) L effectif du couple (x i, y j ) est noté n ij. C est le nombre d individus pour lesquels on a X = x i et Y = y j. Remarque px i=1 j=1 qx n ij = N La fréquence du couple (x i, y j ) est égale au nombre n ij /N. Le tableau de contingence est un tableau qui croise les différentes modalités des deux caractères.
6 Tableau de contingence (3) Le tableau de contingence est représenté de la façon suivante : X /Y y 1... y j... y q Total x 1 n 1,1... n 1,j... n 1,q n 1, x i n i,1... n i,j... n i,q n i, x p n p, n p,q n p, Total n,1 n,j n,q N Le tableau représente la distribution conjointe du couple (X, Y ).
7 Tableau de contingence (4) Dans le tableau précédent, n i, = P q j=1 n ij s appelle l effectif marginal de x i. n,j = P p i=1 n ij s appelle l effectif marginal de y j.
8 Tableau de contingence (5) Exemple. On a interrogé 130 actifs avec un emploi sur leur métiers et leurs votes lors du second tour des présidentielles. On a obtenu les résultats suivants. Hollande Sarkozy Agriculteurs Commerçants Ouvriers 16 4 Enseignants 24 6 Entrepreneurs 5 15
9 Tableau de contingence (6) Calculons les effectifs marginaux. Hollande Sarkozy Totaux Agriculteurs Commerçants Ouvriers Enseignants Entrepreneurs Totaux Dans l échantillon, quel pourcentage a voté pour Hollande? quel pourcentage des ouvriers ont voté pour Sarkozy? quel pourcentage des électeurs de Hollande sont entrepreneurs? quel est le pourcentage d enseignants?
10 Représentation des données Comment représenter les données du tableau? Trois solutions : 1. Diagramme empilé
11 Représentation des données (2) 2. Diagramme à barres ou (moins bien)
12 Représentation des données (3) 3. Diagramme 3D : bof...
13 Etude de la dépendance entre les deux variables Les graphiques montrent que les comportements électoraux ne sont pas identiques selon les professions exercées. On dit qu il n y a pas indépendance entre la variable métier et la variable vote. Aquoiressembleraitletableaudecontingencesilesdeux variables étaient parfaitement indépendantes? l y a par exemple 25 agriculteurs. S ils suivaient le même comportement de vote que l ensemble de la population, une proportion 70/130 d entre eux auraient voté Hollande une proportion 60/130 d entre eux auraient voté Sarkozy.
14 Etude de la dépendance entre les deux variables (2) Ainsi on aurait = 13.5 agriculteursquiauraientvoté Hollande et = 11.5 qui auraient voté Sarkozy. On représente le tableau de contingence que l on aurait obtenu si les deux variables étaient parfaitement indépendantes. Quel est l effectif de la case (i, j) dans ce cas? C est n i, n,j N.
15 Etude de la dépendance entre les deux variables (3) On obtient le tableau de contingence théorique suivant: Hollande Sarkozy Totaux Agriculteurs Commerçants Ouvriers Enseignants Entrepreneurs Totaux Clairement le tableau associé à l hypothèse d indépendance n est pas du tout le même que le véritable tableau. Conclusion : les deux variables métier et vote ne sont pas indépendantes. On peut tester l indépendance de façon plus rigoureuse.
16 Etude de la dépendance entre les deux variables (4) Prenons un deuxième exemple. On veut étudier le lien entre situation professionnelle (CD/CDD) et acceptation d un prêt immobilier en considérant 200 personnes qui ont demandé un tel prêt. Acceptation Refus CD CDD On calcule les effectifs marginaux. Acceptation Refus Total CD CDD Total
17 Etude de la dépendance entre les deux variables (5) Quels seraient les effectifs théoriques si les deux variables étaient parfaitement indépendantes? Acceptation Refus Total CD CDD Total Pour tester rigoureusement si les deux variables sont indépendantes, on calcule la statistique du khi deux ( 2 ): 2 = px qx (n ij m ij ) 2 m ij i=1 j=1 où les n ij sont les effectifs observés et m ij les effectifs théoriques associés à la situation d indépendance.
18 Etude de la dépendance entre les deux variables (6) Quand le 2 est proche de zéro ou petit, les valeurs des effectifs du tableau des données observées sont proches des valeurs théoriques correspondant à l indépendance. dans ce cas, les deux variables sont indépendantes. Quand le 2 est grand, les valeurs des effectifs du tableau des données observées sont éloignées des valeurs théoriques correspondant à l indépendance. dans ce cas, les deux variables ne sont pas indépendantes.
19 Etude de la dépendance entre les deux variables (7) Comment savoir si le 2 est grand ou petit? l existe des valeurs seuils données par une table. Pour les déterminer, il faut calculer le nombre de degrés de liberté (ddl)du tableau. l est égal à (p 1)(q 1). La table est ddl seuil
20 Etude de la dépendance entre les deux variables (8) Prenons notre exemple avec les CDD/CDD et les prêts. Le 2 est égal à (90 66) (30 54) (20 44) (60 36)2 36 l faut calculer le nombre de degrés de liberté du tableau. Dans notre tableau 2 2, il est égal à (2 1)(2 1) =1. = Si la valeur du 2 que nous avons trouvée précédemment est supérieure à celle de la table pour le bon nombre de degrés de liberté, les deux variables ne sont pas indépendantes.
21 Etude de la dépendance entre les deux variables (9) La valeur seuil lue sur la table est égale à On a > 3.84 : les deux variables ne sont clairement pas indépendantes.
22 Etude de la dépendance entre les deux variables (10) Reprenons l exemple avec les professions et les votes à la présidentielle. La valeur du ( ) est égale à ( ) (15 9.2)2 9.2 = 24 Le nombre de degrés de liberté est égal à (5 1)(2 1) =4. Les deux variables sont-elles indépendantes? La valeur seuil lue sur la table est égale à On a 24 > 9.49 : les deux variables ne sont pas indépendantes. On peut en conclure que les gens en CD obtiennent plus facilement un prêt immobilier que les gens en CDD.
23 Section 2. Corrélation et régression On étudie à présent la relation entre 2 variables quantitatives. Prenons l exemple d un groupe de douze jeunes femmes dont on a observé le poids et la taille. Personne Taille (cm) Poids (kg)
24 Corrélation et régression (2) On représente les deux variables à l aide d un diagramme de dispersion : taille en abscisse et poids en ordonnée. Les deux variables semblent liées par une relation croissante qui exprime un lien de causalité : le poids des femmes plus grandes est plus élevé.
25 Corrélation et régression (3) Attention! Qui dit relation entre deux variables ne dit pas forcément causalité!!! Exemple : on mesure le PB / tête européen (en euros) ainsi la taille d un arbuste (en cm) devant l UT de 2000 à On a obtenu le tableau suivant Année PB/tête UE Taille arbuste
26 Corrélation et régression (4) On obtient le graphique suivant ci pourtant il n y a pas relation de causalité entre les variables. Les deux variables sont en fait croissantes par rapport à une troisième variable : le temps!
27 Corrélation et régression (5) Revenons à notre exemple avec le poids et la taille. Quand l examen du nuage de points indique qu il est judicieux de supposer une relation de type linéaire entre Y et X alors on cherche à déterminer l équation d une droite y = ax + b où a et b sont deux réels telle que cette droite soit le plus près possible du nuage de points. La méthode des moindres carrés précise cette notion de proximité entre la droite (dite des moindres carrés ) et les points du nuage.
28 Davantage sur les moindres carrés Comment estime-t-on a et b? les estimateurs sont notés â et ˆb. On prend les différents couples de données observées (x i, y i ) pour i qui varie de 1 à n. Considérons le couple (x i, y i ). Quelle est la valeur estimée de yi par le modèle? Elle est égale à âxi + ˆb. Pour déterminer â et ˆb, onminimiselasommedescarrésentre valeur observée, y i, et valeur estimée, âx i + ˆb.
29 Davantage sur les moindres carrés (2) Le critère des moindres carrés consiste à déterminer les â et ˆb qui minimisent nx 2 (y i âx i ˆb) i=1
30 Corrélation et régression (7) Si l on dispose des couples d observations (x i, y i ),pour i = 1,, n et si on note x et ȳ, lesmoyennesrespectivesdex et Y, alors le couple (â, ˆb) solution de ce problème de minimisation est P n i=1 â = (x i x)(y i ȳ) P n i=1 (x i x) 2 et ˆb = ȳ â x
31 Corrélation et régression (8) On applique les calculs à notre exemple poids - taille. On trouve P x = et ȳ = 58. n Pi=1 (x i x)(y i ȳ)=103 n i=1 (x i x) 2 = et P n i=1 (y i ȳ) 2 = 180 Soit â = 103/ = 0.83 et ˆb = ȳ â x = Selon la régression, chaque centimétre supplémentaire est associé à 0.83 kg en plus. poids = 0.83 taille 81.79
32 Corrélation et régression (9) On peut représenter graphiquement la droite de régression
33 Coefficent de corrélation Pour mesurer la qualité de l ajustement de notre modèle aux données, on utilise le coefficient de corrélation. On appelle coefficient de corrélation linéaire le nombre réel P n i=1 r = (x i x)(y i ȳ) pp n i=1 (x i x) 2p P n i=1 (y i ȳ) 2 On peut montrer que 1 apple r apple 1. Si r = 0, on dit que les variables x et y sont non corrélées linéairement. Si r =1,lespoints(x i, y i ), i = 1,, n sont parfaitement alignés : la variable y est une fonction linéaire de la variables x. En pratique, la corrélation est d autant plus forte que r est proche de 1.
34 nterprétation du coefficient de corrélation
35 Retour à l exemple poids - taille On a r = P n i=1 (x i x)(y i ȳ) p Pn i=1 (x i x) 2p P n i=1 (y i ȳ) 2 = 103 p p 180 = 0.69 La force de la corrélation est moyenne. C est normal : votre poids ne dépend pas seulement de la taille mais aussi de ce que vous mangez, du sport que vous faites, etc... Anoterquelastatistiquepeutfairedesrégessionsplus compliquées ( régressions multiples ) du type : poids = a 1 taille + a 2 calories consommées quotidiennement + b
36 Prévision avec le modèle Une fois qu on a déterminé â et ˆb et que le modèle est suffisamment bon (ce qu on mesure par le coefficent de corrélation), on peut utiliser le modèle pour faire de la prévision. Reprenons l exemple précédent avec le poids et la taille. Supposons qu on ait une femme de 1m62? Quel est la prédiction de son poids par le modèle? C est = kg.
Chapitre 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 détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en 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 détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en 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 détailCorrection du bac blanc CFE Mercatique
Correction du bac blanc CFE Mercatique Exercice 1 (4,5 points) Le tableau suivant donne l évolution du nombre de bénéficiaires de minima sociaux en milliers : Année 2002 2003 2004 2005 2006 2007 2008 2009
Plus en détailFonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme
Fonctions linéaires et affines 3eme 1 Fonctions linéaires 1.1 Vocabulaire Définition 1 Soit a un nombre quelconque «fixe». Une fonction linéaire associe à un nombre x quelconque le nombre a x. a s appelle
Plus en détailFONCTION DE DEMANDE : REVENU ET PRIX
FONCTION DE DEMANDE : REVENU ET PRIX 1. L effet d une variation du revenu. Les lois d Engel a. Conditions du raisonnement : prix et goûts inchangés, variation du revenu (statique comparative) b. Partie
Plus en détailUNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand
UNE FORMATION POUR APPRENDRE À PRÉSENTER DES DONNÉES CHIFFRÉES : POUR QUI ET POURQUOI? Bénédicte Garnier & Elisabeth Morand Service méthodes statistiques Institut National d Etudes Démographiques (Ined)
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailDistribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités
Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailChapitre 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 détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailItems étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire
CHAPITRE N5 FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION Code item D0 D2 N30[S] Items étudiés dans le CHAPITRE N5 Déterminer l'image
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailSERIE 1 Statistique descriptive - Graphiques
Exercices de math ECG J.P. 2 ème A & B SERIE Statistique descriptive - Graphiques Collecte de l'information, dépouillement de l'information et vocabulaire La collecte de l information peut être : directe:
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 détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en détailRésumé du Cours de Statistique Descriptive. Yves Tillé
Résumé du Cours de Statistique Descriptive Yves Tillé 15 décembre 2010 2 Objectif et moyens Objectifs du cours Apprendre les principales techniques de statistique descriptive univariée et bivariée. Être
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailStatistiques à deux variables
Statistiques à deux variables Table des matières I Position du problème. Vocabulaire 2 I.1 Nuage de points........................................... 2 I.2 Le problème de l ajustement.....................................
Plus en détailTSTT ACC OUTILS DE GESTION COMMERCIALE FICHE 1 : LES MARGES
TSTT ACC OUTILS DE GESTION COMMERCIALE FICHE 1 : LES MARGES Coût de revient du produit + Marge du fabricant = Prix de vente HT au distributeur Prix d'achat HT du distributeur + Marge du distributeur =
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailTS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S
FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailLa médiatrice d un segment
EXTRT DE CURS DE THS DE 4E 1 La médiatrice d un segment, la bissectrice d un angle La médiatrice d un segment Définition : La médiatrice d un segment est l ae de smétrie de ce segment ; c'est-à-dire que
Plus en détailTerminale STMG Lycée Jean Vilar 2014/2015. Terminale STMG. O. Lader
Terminale STMG O. Lader Table des matières Interrogation 1 : Indice et taux d évolution........................... 2 Devoir maison 1 : Taux d évolution................................ 4 Devoir maison 1
Plus en détailDurée de L épreuve : 2 heures. Barème : Exercice n 4 : 1 ) 1 point 2 ) 2 points 3 ) 1 point
03 Mai 2013 Collège Oasis Durée de L épreuve : 2 heures. apple Le sujet comporte 4 pages et est présenté en livret ; apple La calculatrice est autorisée ; apple 4 points sont attribués à la qualité de
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailRésultats d Etude. L étude de marché. Résultats d Etude N 1889 : Conciergerie privée. Testez la fiabilité de votre projet.
Résultats d Etude L étude de marché Testez la fiabilité de votre projet 1 Sommaire : Introduction... 4 Synthèse... 6 PAGE 1 :... 7 Question 1/13... 7 Vous vivez :... 7 PAGE 2 :...10 Question 2/13...10
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 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 détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailExtrait du poly de Stage de Grésillon 1, août 2010
MINI-COURS SUR LES POLYNÔMES À UNE VARIABLE Extrait du poly de Stage de Grésillon 1, août 2010 Table des matières I Opérations sur les polynômes 3 II Division euclidienne et racines 5 1 Division euclidienne
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en 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 détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
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 détailAnalyse des correspondances avec colonne de référence
ADE-4 Analyse des correspondances avec colonne de référence Résumé Quand une table de contingence contient une colonne de poids très élevé, cette colonne peut servir de point de référence. La distribution
Plus en détailThéorie 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 détailLoi d une variable discrète
MATHEMATIQUES TD N : VARIABLES DISCRETES - Corrigé. P[X = k] 0 k point de discontinuité de F et P[X = k] = F(k + ) F(k ) Ainsi, P[X = ] =, P[X = 0] =, P[X = ] = R&T Saint-Malo - nde année - 0/0 Loi d une
Plus en détailTrépier avec règle, ressort à boudin, chronomètre, 5 masses de 50 g.
PHYSQ 130: Hooke 1 LOI DE HOOKE: CAS DU RESSORT 1 Introduction La loi de Hooke est fondamentale dans l étude du mouvement oscillatoire. Elle est utilisée, entre autres, dans les théories décrivant les
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailCours 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 détailFctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines
FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html
Plus en détailExo7. Probabilité conditionnelle. Exercices : Martine Quinio
Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle
Plus en détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
Plus en détailUne forme générale de la conjecture abc
Une forme générale de la conjecture abc Nicolas Billerey avec l aide de Manuel Pégourié-Gonnard 6 août 2009 Dans [Lan99a], M Langevin montre que la conjecture abc est équivalente à la conjecture suivante
Plus en détailCHAPITRE 2 SYSTEMES D INEQUATIONS A DEUX INCONNUES
CHAPITRE 2 SYSTEMES D INEQUATIONS A DEUX INCONNUES Exercice 1 Dans un repère orthonormé on donne les points A( 1;2 ), ( 5; 6) et les droites a 3x + 2y = 5 et b 4x 3y + 10 = 0. B, 1 C 5; 2, 1 D 7; 2 1)
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailInitiative socialiste pour des impôts équitables Commentaires Bernard Dafflon 1
Initiative socialiste pour des impôts équitables Commentaires Bernard Dafflon 1 L initiative socialiste pour des impôts équitables soulève des discussions souvent quérulentes entre défenseurs de l initiative
Plus en détailFeuille 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 détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
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 détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailUNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES. Éric TÉROUANNE 1
33 Math. Inf. Sci. hum., (33 e année, n 130, 1995, pp.33-42) UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES Éric TÉROUANNE 1 RÉSUMÉ Le stéréogramme de liaison est
Plus en détailPerrothon Sandrine UV Visible. Spectrophotométrie d'absorption moléculaire Étude et dosage de la vitamine B 6
Spectrophotométrie d'absorption moléculaire Étude et dosage de la vitamine B 6 1 1.But et théorie: Le but de cette expérience est de comprendre l'intérêt de la spectrophotométrie d'absorption moléculaire
Plus en détailLes intentions de vote pour les élections régionales en Midi-Pyrénées- Languedoc-Roussillon
Les intentions de vote pour les élections régionales en Midi-Pyrénées- Languedoc-Roussillon Ifop pour Midi Libre, Centre Presse, La Dépêche du Midi et L Indépendant JF/EP N 113175 Contacts Ifop : Jérôme
Plus en détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détailGEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau
GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailLe comité d entreprise
Le comité d entreprise En bref Dans les entreprises de 50 salariés et plus, le chef d entreprise est tenu d organiser la mise en place d un comité d entreprise (CE) composé de représentants élus du personnel
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 détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailLE GRAND ÉCART L INÉGALITÉ DE LA REDISTRIBUTION DES BÉNÉFICES PROVENANT DU FRACTIONNEMENT DU REVENU
LE GRAND ÉCART L INÉGALITÉ DE LA REDISTRIBUTION DES BÉNÉFICES PROVENANT DU FRACTIONNEMENT DU REVENU RÉSUMÉ Une étude de Tristat Resources commandée par l Institut Broadbent démontre que la majorité des
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
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 détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailSéquence 4. Statistiques. Sommaire. Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement
Séquence 4 Statistiques Sommaire Pré-requis Médiane, quartiles, diagramme en boîte Moyenne, écart-type Synthèse Exercices d approfondissement 1 Introduction «Etude méthodique des faits sociaux par des
Plus en détailBaccalauréat technique de la musique et de la danse Métropole septembre 2008
Baccalauréat technique de la musique et de la danse Métropole septembre 008 EXERCICE 5 points Pour chacune des cinq questions à 5, trois affirmations sont proposées dont une seule est exacte. Pour chaque
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 détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailLes 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 détailBiostatistiques : Petits effectifs
Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l
Plus en détailReconstruction de bâtiments en 3D à partir de nuages de points LIDAR
Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Mickaël Bergem 25 juin 2014 Maillages et applications 1 Table des matières Introduction 3 1 La modélisation numérique de milieux urbains
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détailCONTROLE DE GESTION. DUT GEA, 2 èm e année option PMO 2005-2006
CONTROLE DE GESTION Une définition classique du contrôle de gestion le décrit comme «le processus par lequel les dirigeants s assurent que les ressources sont obtenues et utilisées avec efficacité et efficience
Plus en détailLes coûts de la production. Microéconomie, chapitre 7
Les coûts de la production Microéconomie, chapitre 7 1 Sujets à aborder Quels coûts faut-il considérer? Coûts à court terme Coûts à long terme Courbes de coûts de court et de long terme Rendements d échelle
Plus en détailSujet 4: Programmation stochastique propriétés de fonction de recours
Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction
Plus en détail