1 lois usuelles. 2 Estimation. 1.1 Loi Binomiale. 1.2 Loi de Poisson. 1.3 Loi normale. 2.1 Estimation ponctuelle de la moyenne
|
|
- Eugénie Labranche
- il y a 6 ans
- Total affichages :
Transcription
1 1 lois usuelles 11 Loi Biomiale B(, p) q = 1 p p(x = k) = C k p k q k Espérace E(X) = p Variace : V ar(x) = pq Écart type : σ = pq 12 Loi de Poisso P(λ) : loi de Poisso de paramètre λ > 0 : X(Ω) = N λ λk p k = P (X = k) = e k! Espérace mathématique : E(X) = λ Variace : V ar(x) = λ Écart type : σ = λ Utilisatio pratique : O cosidère ue loi biomiale B(, p) avec grad et p petit, ie o cherche u évéemet rare La loi de Poisso P(p) (ie λ = p) est ue boe approximatio d u tel tirage dès que 30 p 0, 1 et p 10 λ = p représete le ombre d évéemets attedus pour la période cosidérée 13 Loi ormale Loi ormale cetrée réduite N (0, 1) Espérace : 0 Variace : 1 Écart type : 1 Loi ormale N (µ, σ) Espérace : µ Variace : σ 2 Écart type : σ 2 Estimatio 21 Estimatio poctuelle de la moyee X variable aléatoire sur ue populatio Ω Espérace E(X) = µ Écart type σ Variace : V ar(x) = σ 2 X = 1 X i : variable aléatoire moyee aléatoire de l échatillo de taille : i=1 Espérace : E( X) = µ 1
2 Écart type : σ/ Variace :V ar( X = σ 2 / 22 Estimatio poctuelle de la variace ( ) V e = 1 (X i X) 2 1 = (X i ) 2 X 2 : variable aléatoire variace empirique de i=1 i=1 l échatillo : σ e = V e Espérace : E(V e ) = 1 σ2 σ Écart type : = σ e 1 23 Estimatio poctuelle d ue fréquece ou d u pourcetage O cherche à détermier la fréquece p d u caractère A sur ue populatio Ω O tire u échatillo de taille, o observe la fréquece f obteue F : variable aléatoire fréquece observée de l échatillo Espérace : E(F ) = p p(1 p) Variace : V ar(f ) = Applicatio : si o obtiet ue fréquece observée f d u échatillo de taille, o estime la fréquece p par f p(1 p) la variace σ = par f(1 f) 1 2
3 3 Estimatio par itervalle de cofiace 31 Estimatio d ue fréquece par u itervalle de cofiace Soit p la fréquece d apparitio d u caractère A das ue populatio Ω Soit f la fréquece d apparitio de ce caractère das u échatillo d taille O cherche à détermier u itervalle I =]f b; f +b[ tel que p I avec ue probabilité 1 α ou u risque d erreur 1 α Pour grad et p pas trop voisi de 1 ou 0 ( 30, p 5 et q 5), la variable aléatoire X = (F p)/ p(1 p)/ suit la loi ormale cetrée réduite O estime p par f et p(1 p)/ par f(1 f)/ 1 O lit das la table 2 la valeur a tel que p( X a) = α L itervalle de cofiace est alors : ]f a f(1 f)/( 1), f + a f(1 f)/( 1)[ 32 Estimatio d ue moyee par u itervalle de cofiace, cas des grads échatillos ( > 30) X variable aléatoire d espérace µ et d écart type σ µ et σ sot icous O cherche à estimer µ au risque de α X µ σ La variable aléatoire U = s suit sesiblemet la loi ormale réduite cetrée N (0, 1) O dispose d u échatillo de valeurs x 1,,x Moyee observée : x = 1 (x x ) 1 Écart type observé : σ e = (x x 2 ) s s O estime µ par x et par e 1 O lit das la table 2 la valeur a tel que p( U a) = α L itervalle de cofiace est alors : s e s I =] x a, x a e [ Estimatio d ue moyee par u itervalle de cofiace, cas des petits échatillos ( < 30) sur ue variable Gaussiee X variable aléatoire Gaussiee d espérace µ et d écart type σ, c est-à-dire X suit la loi ormale N (µ, σ) µ et σ sot icous O cherche à estimer µ au risque de α La variable aléatoire U = X µ σ s O dispose d u échatillo de valeurs x 1,,x suit la loi de Studet à 1 degrés de liberté 3
4 Moyee observée : x = 1 (x x ) 1 Écart type observé : σ e = (x x 2 ) O estime µ par x et s par s e 1 O lit das la table 3 (Table de Studet, lige 1 degrés de liberté) la valeur a tel que p( U a) = α L itervalle de cofiace est alors : s e s I =] x a, x a e [ Tests de coformité d ue fréquece 41 Test bilatéral O dispose d ue fréquece théorique p et d ue fréquece observée f A priori, la fréquece observée peut être au dessus ou au dessous de p O veut savoir si la différece etre f et p est due à l échatilloage (hypothèse H 0 ) au risque d erreur α Sous l hypothèse H 0 F suit sesiblemet la loi ormale N (p; p(1 p)/ O calcule l itervalle de cofiace de p au risque α pour u échatillo de taille : I =]p a p(1 p)/; p + a p(1 p)/[, où a est obteu das la table 2 par p( X] a) = α Si f I o accepte l hypothèse : la différece est due aux variatios d échatilloage Sio o rejette l hypothèse 1er exemple O lace 100 fois ue pièce de moaie O observe 45 piles et 55 faces Hypothèse H 0 la pièce équilibrée, hypothèse H 1 : la pièce est pas équilibrée Si H 0 est vraie, la probabilité d obteir le coté pile est p = 1/2 La proportio de pile est approchée par la loi ormale N (0, 5; 0, 5 2 /100) = N (0, 5; 0, 05) O a p( X a) = 0, 05 pour a = 1, 96 Ceci doe u itervalle de cofiace [0, 50 1, 96 0, 05; 0, , 96 0, 05] = [0, 402; 0, 598] Comme 0, 45 est das l itervalle, o e peut rejetter l hypothèse que la pièce est équilibrée au risque de 5% 42 Test uilatéral O dispose d ue fréquece théorique p et d ue fréquece observée f > p Hypothèse H 0 : la différece etre f et p est liée aux variatios de l échatilloage Hypothèse H 1 : la fréquece réelle est plus grade que la fréquece théorique (par exemple sous l effet d u médicamet) La fréquece f observée e correspod doc pas à la fréquece théorique La différece essetielle est que l o sait à priori que f e peut pas être plus petite que p (aux variatios d échatilloage près) 4
5 Sous l hypothèse H 0 F suit sesiblemet la loi ormale N (p; p(1 p)/ O cherche a das les tables de la loi ormale N (0, 1) tel que p(f > a) = α O calcule b = p + a p(1 p)/ Si f b o accepte l hypothèse H 0 Sio o rejette l hypothèse H 0 Remarque : la valeur a peut être lue de 2 maières : Table 1 e lecture iverse Table 2 e utilisat la propriété p(x > a) = α p( X > a) = 2α 1er exemple, bis O lace 100 fois ue pièce de moaie O observe 45 piles et 55 faces O soupçoe que la pièce est truquée, et doc que la fréquece réelle p d obteir pile est plus faible que p 0 = 0, 5 Hypothèse H 0 la pièce est pas truquée : p = 0, 5 Hypothèse H 1 : la pièce est truquée : p <= 0, 5 Si H 0 est vraie, la probabilité d obteir le coté pile est p = 1/2 La proportio de pile est approchée par la loi ormale N (0, 5; 0, 5 2 /100) = N (0, 5; 0, 05) O a p(x a) = 0, 05 pour a = 1, 64 Ceci doe ue bore b = p + aσ = 0, 5 1, 64 0, 05 = 0, 418 Comme la fréquece observée f est de 45%, o e peut pas rejeter H 0 O e peut pas rejeter l hypothèse que la pièce est pas truquée au risque de 0, 05 Comme 0, 45 est das l itervalle, la pièce est pas truquée au risque de 5% 5 Tests de coformité d ue moyee 51 Test bilatéral O dispose d ue moyee théorique µ et d u échatillo de taille O dispose ou o e dispose pas de la valeur de la variace théorique σ O calcule la moyee observée : x = 1 (x x ) Si o e coaît pas σ o l estime sur l échatillo (avec correctio du biais) : 1 s = 1 σ e = 1 (x x 2 ) O veut savoir si la différece etre x et µ est due à l échatilloage (hypothèse H 0 ) au risque d erreur α Cas des grads échatillos ( 30) Sous l hypothèse H 0 X suit sesiblemet la loi ormale N (p; σ/ )) O calcule l itervalle de cofiace de µ au risque α pour u échatillo de taille : I =]µ aσ/ ; µ + aσ/ [, où a est obteu das la table 2 par p( X] a) = α Si f I o accepte l hypothèse : la différece est due aux variatios d échatilloage Sio o rejette l hypothèse 5
6 Exemple : O cosidère ue série statistique de 60 taux d hémoglobie das le sag (g/l) mesuré chez des adultes présumés e boe saté O observe ue moyee x = 159 et u écart type σ e = 9, 5 E l absece d iformatio, o suppose que le prélèvemet a été fait sur ue populatio répartie hommes/femmes e proportio égales Das ce cas la moyee attedue est µ = 146 Hypothèse H 0, la populatio est bie répartie hommes/femmes Das ce cas, X suit sesiblemet la loi ormale N (µ, σ/ ) Estimatio de σ/ : σ e / 1 = 9, 5/ 59 = 1, 237 Au risque de 1%, p( X a) = 0, 01 pour a = 2, 576 Itervalle de cofiace : I =]µ aσ/ ; µ + aσ/ [=]146 3, 18; , 18[ La valeur x = 159 obteue est pas das l itervalle, la populatio est doc probablemet pas équilibrée Remarque : la variace attedue pour la populatio totale est σ = 18, o a alors σ/ = 18/ 60 = 2, 32, ce qui, au risque de 1% doe I =]µ aσ/ ; µ + aσ/ [=]146 5, 76; , 76[ O rejette toujours l hypothèse H 0 L Cas des petits échatillos ( < 30) O suppose que X suit ue loi ormale ( est ue variable Gaussiee ) X µ Sous l hypothèse H 0 σ/ suit sesiblemet la loi de Studet à 1 degrés de liberté Idetique au cas précédet, sauf lecture de a das la table 3 52 Test uilatéral sur les grads échatillos Idetique au cas bilatéral sur les grads échatillos, excepté que a est lu das la table 1 : O cherche a das les tables de la loi ormale N (0, 1) tel que p(f > a) = α Exemple : O repred l exercice précédet O suppose que la loi théorique est µ = 146 et σ = 18 O a toujours σ/ = 18/ 60 = 2, 32 O cherche a das la table 1 tel que p(x > a) = 0, 01, soit a = 2, 33 La bore obteue est b = µ+aσ/ = 146+5, 4 = 151, 4 Comme x = 159, o rejette H 0, c est-à-dire que l o cosidère qu il s agit d ue populatio d hommes 6 Tests d homogééité 61 Présetatio du problème O e dispose pas de loi théorique, mais de 2 échatillos de tailles respectives 1 et 2 O veut savoir si les différeces de résultats sur chaque échatillo peut s expliquer ou o par les fluctuatios dues à l échatilloage ou o Soit Y la variable étudiée (par exemple fréquece F ou moyee X) O ote σ Y l écart type de Y 6
7 O dispose de 2 échatillos que l o modélise par 2 variables Y 1 et Y 2 Hypothèse H 0 : les échatillos provieet de la même populatio Les tirages sot idépedats Sous cette hypothèse, la variable Z = Y 1 Y 2 a pour espérace 0 et écart type σ Z = σy σy Comparaiso de deux fréqueces Si Y = F est ue fréquece, σ F = p(1 p) p(1 p) p(1 p)/ et σ Z = Si l échatillo est suffisammet grad, et les fréqueces pas trop proches de 0 ou 1, Z suit sesiblemet la loi ormale N (0, σ Z ) Estimatio de p : o réuit les 2 échatillos, o trouve ˆp = 1f f Test bilatéral O calcule ˆp = 1f f O calcule s = (ˆp(1 ˆp)( ) O détermie a das la table 1 tel que p( X] a) = α O détermie l itervalle de cofiace de Z au risque α : I =] as; as[, Si f 1 f 2 I o accepte l hypothèse : la différece est due aux variatios d échatilloage Sio o rejette l hypothèse 63 Comparaiso de deux moyees Cas des grads échatillos ( 30) σ 2 1 Si Y = X est ue moyee, σ X = σ/ et σ Z = + σ O estime σ 1 et σ 2 par la méthode habituelle s i = Test bilatéral i i 1 σ e,i O estime σ 1 er σ 2 σ1 2 O calcule s Z = + σ O détermie a das la table 1 tel que p( X] a) = α O détermie l itervalle de cofiace de Z au risque α : I =] as; as[, Si x 1 x 2 I o accepte l hypothèse : la différece est due aux variatios d échatilloage Sio o rejette l hypothèse 7
8 7 Test de coformité par la loi du χ 2 : ajustemet à ue loi théorique Situatio : o dispose d u système complet d évéemets E 1, E k et d ue distributio de probabilité théorique de ces évéemets : p i = p(e i ) avec p p k = 1 O dispose d u échatillo de taille sur lequel o calcule les effectifs observés O i et les fréqueces observées f i = O i / de chaque évéemet O veut tester si l échatillo est coforme à la distributio théorique, aux écarts d échatilloage près O calcule les effectifs théoriques de chaque évéemets sur u échatillo de taille : C i = p i Hypothèse H 0 : la distributio de l échatillo est coforme à la distributio théorique Sous l hypothèse H 0, la variable aléatoire Y 2 qui preds les valeurs χ 2 c = (O 1 C 1 )) 2 + C 1 + (O k C k )) 2 suit la loi du χ 2 avec 1 degré de liberté C k O choisit u coefficiet de risque α O calcule les effectifs théoriques C i = p i O calcule χ 2 c = (O 1 C 1 )) (O k C k )) 2 C 1 C k O lit das la table 4 la valeur χ 2 α telle que p(y 2 χ 2 α) = α Si χ 2 c χ 2 α, o écarte l hypothèse H 0 avec ue probabilité de se tromper de α Sio o e peut pas rejeter cette hypothèse Remarque : si u effectif est iférieur à 5, il faut faire u regroupemet de classe Exemple : O a effectué le croisemet de balsamies blaches et de balsamies pourpres E première géératio, les fleurs sot toutes pourpres O obtiet e deuxième géératio quatre catégories avec les effectifs suivats : couleurs pourpre rose blac lavade blac effectifs L hypothèse de répartitio medéliee doe ( 9 16 ; 3 16 ; 3 16 ; 1 16 ) Peut-o accepter cette hypothèse avec u risque de première espèce de 5%? Effectif total : = = 3098 couleurs pourpre rose blac lavade blac effectifs observés effectifs théoriques 1742, 6 580, 9 580, 9 193, 6 χ 2 ( , 6)2 ( , 9)2 ( , 9)2 ( , 6)2 c = , 6 580, 9 580, 9 193, 6 Nombre de degrés de liberté : 1m4 1 = 3 Si α = 0, 05, o lit das la table χ 2 0,05 = 7, 81 O e peut pas rejeter l hypothèse d ue répartitio medéliee = 7, 07 8
STATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en détailCours de Statistiques inférentielles
Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détailPrincipes et Méthodes Statistiques
Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détailÉchantillonnage et estimation
Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailCours 5 : ESTIMATION PONCTUELLE
Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détailLimites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détailChapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.
Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE
Plus en détailUniversité Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014
Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,
Plus en détailII - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1
II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d
Plus en détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailUV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1
UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau
Plus en détailTerminale S. Terminale S 1 F. Laroche
Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM
Plus en détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en détailStatistique Numérique et Analyse des Données
Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détailx +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.
EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détailRisque de longévité et détermination du besoin en capital : travaux en cours
Risque de logévité et détermiatio du besoi e capital : travaux e cours Frédéric PLANCHET ISFA Laboratoire SAF Versio.6 / Septembre 2008 Sommaire La prise e compte de l expériece propre au groupe das l
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détailProbabilités et statistique pour le CAPES
Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détailRESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)
RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &
Plus en détailExercices de mathématiques
MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailExamen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot
Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars
Plus en détailSuites et séries de fonctions
[http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de
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 détailTempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation
Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détailLes nouveaux relevés de compte
Ifo CR Les ouveaux relevés de compte Les relevés de compte actuels du Crédit Agricole de Champage-Bourgoge sot issus de la migratio iformatique sur le GIE AMT e 2001 : petit format (mais A4 pour les Professioels),
Plus en détailProcessus géométrique généralisé et applications en fiabilité
Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détailSTRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO
Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailChaînes de Markov. Arthur Charpentier
Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailCHAPITRE 2 SÉRIES ENTIÈRES
CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.
Plus en détailInitiation à l analyse factorielle des correspondances
Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
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 détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
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 détailPROMENADE ALÉATOIRE : Chaînes de Markov et martingales
PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
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 détailChapitre 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 détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détailInstitut de démographie
Cours aalyse émographiue par Aleare Aveev, IDUP 26/3/22 Chapitre 7 : Uiversité Paris Pathéo orboe, Istitut e émographie I D U P Aalyse e la uptialité. ariage e tat u u évéemet émographiue : partiularité,
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détailRÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION
RÈGLES ORDIALES : UE GÉÉRALISATIO DES RÈGLES D'ASSOCIATIO SYLVIE GUILLAUME ALI KHECHAF 2 RÉSUMÉ: La plupart des mesures des règles cocere les variables biaires et écessite pour les autres types de variables
Plus en détailDares Analyses. Plus d un tiers des CDI sont rompus avant un an
Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée
Plus en détailRéseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus
Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio
Plus en détailEtude de la fonction ζ de Riemann
Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.
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 détailMathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période)
A-PDF OFFICE TO PDF DEMO: Purchase from www.a-pdf.com to remove the watermark Mathématques Facères : l essetel Les formules cotourables (F de érode) htt://www.ecogesam.ac-a-marselle.fr/esed/gesto/mathf/mathf.html#e5aels
Plus en détailUNIVERSITÉ DE SFAX École Supérieure de Commerce
UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première
Plus en détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détailDominique Tapsoba, Vincent Fortin, François Anctil et Mario Haché
289 NOTE / NOTE Apport de la techique du krigeage avec dérive extere pour ue cartographie raisoée de l équivalet e eau de la eige : Applicatio aux bassis de la rivière Gatieau Domiique Tapsoba, Vicet Forti,
Plus en détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
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 détailCompte Sélect Banque Manuvie Guide du débutant
GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en détailPOLITIQUE ECONOMIQUE ET DEVELOPPEMENT
POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier
Plus en détailLa tarification hospitalière : de l enveloppe globale à la concurrence par comparaison
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 58 2000 La tarificatio hospitalière : de l eveloppe globale à la cocurrece par comparaiso Michel MOUGEOT * RÉSUMÉ. Cet article cosidère différetes politiques de
Plus en détailINTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï
INTRODUCTION AUX MATRICES ALÉATOIRES par Djalil Chafaï Résumé. E cocevat les mathématiques comme u graphe, où chaque sommet est u domaie, la théorie des probabilités et l algèbre liéaire figuret parmi
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 détailCours (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 détailILT. Interfacultair Instituut voor Levende Talen. T@@lvaardig. Actes de communication. Serge Verlinde Evelyn Goris. Katholieke Universiteit Leuven
IL If I L S V Ey G Khk U L 13/02/02 pé? xp qé xp pz à pz p héhq pé p à q z p à p héhq fé à p à q pz xp q 'p (è) f, '-à- p. x. ' é ff. N xp à py qq' q z b ( f) P xp pô pp L p - pé pz ': z qq', q -? Bj,
Plus en détailRESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY
LO 4 : SOLUTO P L MTHO OTO, MLLM T KLY SOLUTO P L MTHO OTO, MLLM T KLY MTHO OTO. toductio Le théoème de oto va ous pemette de éduie u cicuit complexe e gééateu de couat éel. e gééateu possède ue souce
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 détailProbabilités 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