P(X> ) = f(..) + f(...).. MAIS si on ne sait pas le max à 1-P(X< )* P(X< ) = f(..) + f( ).. Type de donnée Ex Main Excel
|
|
- Thérèse Briand
- il y a 6 ans
- Total affichages :
Transcription
1 Les lois discrètes Réalisatios déombrables Poits portet probabilités P(X> ) = f(..) + f(...).. MAIS si o e sait pas le max à -P(X< )* P(X< )= f(..) + f(...).. P(X> ) = *-P(X< ) = F( ) è soit f( ) f( ) f( ) ou F( ) /F( ) = f( )+f( ) P(X< ) = f(..) + f( ).. P(X= ) = f( ) Type de doée Ex Mai Excel Loi biomiale = tirage avec remise à = ombre total d épreuves idividuelles à p = probabilité de succès = épreuves avec ou sas succès = variable aléatoire X comptat le ombre de succès Poser X ~B( ;p). Poser la formule géérale : x f x P X x C i xi xi ( ) = ( = ) = p ( p) x =,,!, i i 3. Poser la probabilité cumulée, les coditios de succès, etre combie et combie? (p. ex au mois 5 sur : P ( X 5) = f (5) + f (6) + f (7) + f (8) + f (9) + f ()) 4. Calculer la probabilité de succès des épreuves idividuelles idépedates (avec le même exemple : = C ( ) ( ) + C!! ( ) ( ) + C! ( ) ( ) + C! ( ) ( ) + C! ( ) ( ) + C! ( ) ( ) ! 3! C r = Si r et sot idetiques =, si r est =, si r est = ( r)! r! Ø Si N est pas défii, ou est u grad ombre, comme das l ex. 3 et 5b, au lieu de faire de 6 à N car P(X>6), faire l iverse, càd rapporter à - P(X<5) i Excel : toujours rameer formule à P X x ) ( i Doc si das otre ex c était au mois 5, doc = ou + que 5, alors c est de toute maière plus grad que 4 : P(X>5)=P(X>4)=- P(X<4) = F(4) Formule = loi.biomiale.(4;;/ 3;) (X i ; ;p ; si ue probabilité et si plusieurs cumulée) Patricia Fly
2 Coefficiet de variatio avec Biomiale (expliquer différeces etre probabilités, comparer la dispersio de plusieurs distributios) Espérace mathématique E(X) Et variace Var(X) pour la loi hypergéométrique P. ex motrer pourquoi H est plus précis que B 5c 8e 8c 8d 9 Ø Si la probabilité se situe das u itervalle, comme das l ex 4 o avait itervalle de 5'8 et 6', alors trasformer P( 5'8 X 6') = P(5'799 < X 6') = F(6') F(5'799) Soit F(b)-F(a), bie trop log à calculer à la mai Si mois gros chiffres : P(3< X > 5) = f(3) + f(4) + f(5) Attetio : P(3< X > 5) = f(4) où variace Var(X) = p(-p) et espérace mathématique E(X) = p = moyee Plus la valeur du coefficiet de variatio est élevée, plus la dispersio autour de la moyee est grade aisi, mois cocetrée autour de sa moyee, ce qui permet des probabilités plus fortes E ( X ) = p et N Var ( X ) = p( p). N Si o compare les résultats obteus etre B et H, o peut calculer leur variaces respectives puis de quel % ue des deux est plus élevée, p. ex celle de B (var(x)b var(x)h / var(x)h Si x < = LOI.BINOMIALE.N( x i ; ; p; ) =LOI.BINOMIALE.N(b ; ;p ;)- LOI.BINOMIALE.N(a ; ;p ;) Patricia Fly
3 Loi hypergéométrique = tirage sas remise à = échatillo aléatoire à N = populatio totale à k = ombre possédat la caractéristiques, soit succès X ~H(N ; ;p) xi xi Ck CN k f ( xi ) = P( X = xi ) = xi =,,,!,. CN 3. Quelle probabilité cherche-t-o? Combie sur doivet être u succès = f(x i ) et calculer si P(X<) o calcule P(x=) + P(x=) Suit les mêmes règles que la Biomiale, soit si P(x>7) o fait F(7) Plus N est grad, plus la variable aléatoire hypergéométrique X ted à se comporter comme ue variable aléatoire biomiale à si N est grad et est petit par rapport à N => utilisatio loi biomiale, car tirages avec / sas remises sot proches =LOI.HYPERGEOMETRIQUE.N(x i ; ;k ;N ;O) si ue probabilité et si plusieurs cumulée) loi.hypergeometrique.( x i ; ;k ;N ;) à p = probabilité d avoir la caractéristique lors du premier tirage = k/n Loi de poisso = prévisio du ombre d évéemets susceptibles de se produire sur ue période de temps détermiée (trafic, files d attetes) 3. X ~ P( λ) xi λ -λ. f ( xi ) = P( X = xi ) = e λ >, xi =,,,! x! 4 coditios : i à λ, ombre moye de succès das l itervalle ], t] est cou seul paramètre à probabilité d avoir plus d u succès das u itervalle très petit est presque ulle = LOI.POISSON.N( x ;λ; ) i Patricia Fly 3
4 = variable aléatoire X compte le ombre de fois où l évéemet (succès) se produit das u itervalle de temps Les lois cotiues Réalisatios o déombrables Itervalles portet probabilités à probabilité d obteir u succès das u petit itervalle est proportioelle à la logueur de l itervalle àsuccès aléatoires et idépedats les us des autres Foctio de desité sur l axe horizotal ous idique où la variable aléatoire a le plus de chace de tomber f ( x) f ( x) dx = ((la surface sous le graphe de la foctio de desité égale (ou %)) Probabilité que X tombe exactemet sur u poit de l itervalle = ulle. Doc calculer P(X=,89889) si X obéit à ue loi cotiue (ormale) =! a P ( X = a) = f ( x) dx = P ( a X b) = f ( x) dx a Mode de la variable aléatoire cotiue X = maximum de la foctio de desité Médiae de X (Md ou C 5 ) = ombre réel Q défii par l itégrale b a Type de doée Ex Mai Excel Loi ormale à Paramètres : E(X) µ et Var(X) σ Si de ombreuses variables aléatoires idépedates s additioet, leur somme est ue Courbe de la desité ormale à ue cloche qui s éted idéfiimet à gauche et à droite de µ. Foctio de desité : f(x) = σ e π E (X ) = µ et (x µ) σ x R Var ( X ) = σ (σ =écart-type) R = esemble des ombres réels - La courbe s approche de plus e plus de l axe horizotal sas jamais l atteidre Cette loi e possède pas de foctio de répartitio explicite et o e peut procéder à la mai. Probabilités : X ~ N( µ, σ ) et a est u ombre réel quelcoque (u pt quelcoque sur l axe horizotale) : = LOI.NORMALE.N(a ; µ ; σ ;) = c est la foctio de répartitio Patricia Fly 4
5 variable aléatoire dot la loi de probabilité est ormale Elle est symétrique par rapport à µ ; qui lui est le cetre de la distributio, la médiae, la moyee et l espérace mathématique - poits d iflexio d abscisses : µ σ et µ + σ - Aire totale sous la courbe = - Si µ dimiue, courbe se déplace horizotalemet vers la gauche, si µ augmete, vers la droite - Siσ dimiue, courbe se codese, si σ augmete, courbe se disperse Calculer ue probabilité : das u itervalle etre poits P(a< X < b) : a µ X µ b µ. Poser X ~ N( µ, σ ) -- > P ( a < X < b) = P( < < ) σ σ σ µ. Cetrer et réduire la variable aléatoire ormale : Z = X pour avoir σ ue variable aléatoire stadard. ; µ = et σ = a µ 3. doc Z ~ N(,) = ( ) ( µ b P a < X < b = P < Z < ) σ σ 4. O a os ouvelles valeurs a et b pour calculer avec Excel Calculer ue probabilité : X > a. P(X > a) =P( > ) = P(Z > résultat*) Trouver la valeur du cetile Z : La cetile d ordre tat = poit sur l axe horizotal tel que tat de % est à sa gauche. Si o ous dit que P(Z < Z ) =. par exemple, cela veut dire que % de la surface sous la courbe ormale se situe à gauche de Z. Et cela veut dire aussi que Z = C. à doc Excel C. =LOI.NORMALE.INVERSE.N(. ; ;) qui doe u résultat égatif. F(X) = P(X<a) qui est évaluée au poit a et o pas la foctio de desité f(x). Ce qui calcule la probabilité F(a) = P(X<a) (= P ( < X < a) ). Ce P(X<a) représete la surface sous le graphe de la foctio de desité f(x), à gauche du poit a. C est aussi le rag de cetile de a. P(a< X < b) : =LOI.NORMALE.N( b; µ ; σ ;) - LOI.NORMALE.N( a ; µ ; σ ;) P(X>a) = P(X<a) = F(a) doc : =-LOI.NORMALE.N( a* ; µ ; σ ;) Cetiles : X ~ N( µ, σ ) et o veut le cetile d ordre a : (C a ) =LOI.NORMALE.INVERSE.N ( α ; µ ; σ ) Patricia Fly 5
6 5 6 Si P(Z> Z ) =.44 par exemple, cela veut dire que 44% de la surface sous la courbe ormale est à droite de Z et aisi comme c est la surface à sa gauche qui ous itéresse et qu o sait que la surface totale est de %, o fait -.44=.56 et o cherche doc C.56 Si P(Z < Z < ) =. alors c est la zoe etre Z et qui fait %, comme le est la moitié de la cloche, les deux parties à gauche et droite de fot 5% chacue. Et Z C. mais 5-=8% doc il s agit de C.8 que l o cherche. Doc si o cherche u poit précis (par ex résultat miimal d u exame pour réussir, ote, durée, etc, o cherche la cetille et si o veut ue proportio, u itervalle, o cherche la probabilité. Patricia Fly 6
7 Echatilloage et equête Echatillo Processus d equête pour collecter doées relatives à échatillo = equête d échatilloage Méthode de base assurat la représetativité d u échatillo : tirages équiprobables avec/sas remise das la populatio = Echatilloage aléatoire simple Processus de faire estimatios et tests d hypothèses sur caractéristiques d ue populatio à partir d u échatillo = iférece statistique Populatio d échatillos = pour doé, l esemble éorme de tous les échatillos possibles de taille das ue populatio Esemble de tous les échatillos possibles pour ue taille doée = populatio d échatillo Gradeur caractérisat u échatillo = statistique = toute foctio des X, X etc Moyee = Ecart-type = Proportio = à biomiale Distributio d échatilloage de la moyee X O e coaît i la distributio de X (variable statistique de départ) i la moyee ou la variace. Pour l estimatio de la moyee, o utilise la moyee échatilloale (= estimateur). Pour mesurer la précisio Populatio Processus d equête pour collecter doées relatives à populatio = recesemet Gradeur caractérisat ue populatio = paramètre Moyee = Ecart-type = Proportio = Pour le calcul des probabilités cocerat P X das le cas où 3, P = et X est biomiale à se référer à la loi biomiale! Patricia Fly 7
8 de cet outil, o s itéresse à la variace : plus elle est faible, plus l outil est précis. Avec remise = = Sas remise = plus précis Mais quad la taille de la populatio est ettemet plus élevée que celle de l échatillo, le facteur de correctio (N- sur N-) est très proche de, doc peu importe que l échatilloage se fasse avec ou sas remise, mais utiliser avec remise. Distributio de X lorsque X est ormale = théorème de la ormalité exacte Avec remise σ = X σ Sas remise 9 σ X = σ N N Patricia Fly 8
9 Doc pour trouver ue probabilité, il ous faut : - La moyee de x µ x - La variace de X Var(X) σ ECHANTILLONNAGE AVEC REMISE - et Grads échatillos - Puis - Se référer à la loi ormale mais avec les valeurs de X Distributio de X lorsque est grad >3 = théorème cetral limite 3 (ormale) Itervalle de cofiace pour la moyee x ± marge d erreur (Erreur d Estimatio Maximale) à x ± z α / s s = zα / avec remise X Très semblable au théorème de ormalité exacte sauf que la variable X de départ est pas supposée ormale et peut répodre à importe quelle loi. Quad la taille de l échatillo ted vers l ifii, la distributio de X est ormale (>3 alors ormale) Avec remise σ X ~ N( µ, ) Sas remise σ X ~ N( µ, N ) N INTERVALLES DE CONFIANCES Comme o a pas les doées pour calculer les moyees et variaces exactes, o évalue approximativemet par ue statistique adéquate ommée estimé. Itervalle de cofiace avec remise EEM = s s x zα /, x + zα / pour z, α / predre la valeur du cetile calculé! s zα / avec remise EEM avec remise = INTERVALLE.CONFIANCE.NORMAL(α ; s ; ) a = risque d erreur, s = écart-type O estime doc : Si pas idiqué avec ou sas, faire avec remise Patricia Fly 9
10 - La moyee échatilloalle par - La proportio échatilloale par - La variace échatilloale σ par s ECHANTILLONNAGE SANS REMISE Estimatio poctuelle θ = u paramètre de la distributio de X( µ σ π ) Doc faire ue estimatio poctuelle de θ est faire ue approximatio de θ par l estimé θˆ. Mais le problème : e doe pas d iformatio sur l erreur d estimatio ˆ θ θ (distace etre θˆ et θ ). (doc o met u chapeau pour dire que c est l estimé) Estimatio par itervalle θ = paramètre d ue populatio sur laquelle est défiie ue variable statistique x L itervalle de cofiace est u itervalle [ a, b] (bores aléatoires) qui cotiet la cible avec ue probabilité élevée de α. Niveau de cofiace = Risque d erreur = α α Cetiles de la loi ormale - z = à C α / -a/ - la surface de -a/ sous la foctio de desité N(,) se trouve à gauche de z α / - - z = C α / a/ Itervalle de cofiace sas remise x z α / s N, x + z N α / s N N Doe u itervalle plus petit, car plus précis! Costruire u itervalle de cofiace :. Poser les ifos qu o a :, s, -a, a, etc. Poser les ormes de la loi ormale : X ~ N( µ, σ ) 3. Calculer : a/= z =C α / -a/ 4. =loi.ormale.iverse(cetille ; ;) 5. Créer l itervalle de cofiace (plus haut avec / sas remise) Patricia Fly
11 Petits échatillos (studet) Itervalle de cofiace pour la moyee x ± marge d erreur (Erreur d Estimatio Maximale) à ± t s x α / X Distributio de X lorsque est petit = loi de Studet - variable aléatoire = T - paramètre l = degré de liberté - plus le degré de liberté l augmete, desité de Studet ted vers desité de la loi ormale stadard - distributio det est E ( T ) = ( ) - variace Var( T ) = ( > 3) 3 - foctio de desité est aussi e forme de cloche et est symétrique autour de ; de fortes réalisatios positives ou égatives ot des chaces d être prises par T T ~ Studet( l) Degré de liberté : l = - Cetiles : t α/ : cetile d ordre α / = à C -a/ Itervalle de cofiace avec remise x t s x + t α /, α / s s EEM = t α /. avec remise EEM avec remise = INTERVALLE.CONFIANCE.STUDENT(α ; s ; ) Si pas idiqué avec ou sas, faire avec remise Itervalle de cofiace sas remise x t α / s N, x + t N α / s N N Costruire u itervalle de cofiace :. Poser les ifos qu o a :, s, -a, a,, degré de liberté (-). Calculer : a/= t α/ =C -a/ 3. Calcul du cetile t α/ : 4. =LOI.STUDENT.INVERSE.N(cetille; degré de liberté) 5. Créer l itervalle de cofiace (plus haut avec / sas remise) Patricia Fly
12 Itervalle de cofiace pour la proportio p ± marge d erreur à p ± zα / s 3, π 5 et ( π) 5 p 4a Itervalle de cofiace avec remise p z α / p( p), p + z α / p( p) p( p) s P = = estimé de l écart-type de la proportio échatilloale Itervalle de cofiace sas remise p( p) N p zα /, p + zα / N p( p) N N Costruire u itervalle de cofiace :. Poser les ifos qu o a et détermier p (ceux qui ot la caractéristique/ total). Calculer : a/= t ou z α/ =C -a/ 3. Calcul du cetile t ou z α/ : 6. Petit échatillo =LOI.STUDENT.INVERSE.N(cetille; degré de liberté) et grad échatillo =loi.ormale.iverse(cetille ; ;) 4. Créer l itervalle de cofiace (avec / sas remise) s P = p( p) N N z = cetile d ordre α / de la loi ormale stadard. α / Plus l échatillo est grad, plus l estimatio est précise. O vérifie doc la taille d échatillo miimale pour ue précisio défiie à l avace : :. Estimer s avec u pré-échatillo d ue 3aie de doées. Avec ce s, détermier le défiitif avec les équatios : (calculer Cetile) Patricia Fly
13 Taille de l échatillo (>3) avec remise La taille de l échatillo : s EEM = z α / à Doc : EEM = zα / z s z s α / α / = = EEM EEM pred la valeur supérieure) Plus a dimiue, plus gradit. s (Et si tombe sur chiffre avec virgule, o sas remise La taille de l échatillo : N z s α / = ( N ) EEM + z s α / avec remise 4b 6 5 avec remise. Estimer avec u pré-échatillo d ue 3aie de doées. Avec ce, détermier le défiitif avec les équatios (calculer Cetile) : La taille de l échatillo : p( p) EEM = z α à / EEM p( p) Doc : = z + α / EEM o pred la valeur supérieure) = z α p( p) / (Et si tombe sur chiffre avec virgule, Patricia Fly 3
14 Tests d hypothèse. Affirmatio mise sur la sellette : hypothèse ulle H. Affirmatio cotraire : hypothèse alterative H O accepte de rejeter H que si otre échatillo recueille assez de preuve cotre elle et das ce cas c est H qui est acceptée (mais H est jamais «acceptée», juste coservée. - Outil du test = statistique à S = f ( X, X,..., X ) - S se calcule à partir de l échatillo - La loi L de S lorsque H est vraie est coue - L peut être loi ormale, de studet ou du khi-carré - Si la valeur de S est icompatible avec les réalisatios que la loi L produit, H a des chaces d être fausse - Pour être compatible, la distributio de S doit être das ue zoe de forte desité de L Erreur de première espèce = rejeter H quad H est vraie (à tort) Probabilité de commettre l erreur de première espèce = iveau de sigificatio = α, habituellemet fixé à 5% (si o veut vérifier foctioemet actuel, o peut baisser α à %) Erreur de secode espèce = coserver H à tort, alors qu elle est fausse. Probabilité de commettre cette erreur : β «Les doées récoltées grâce à l échatilloage aléatoire sot-elles compatibles avec ue hypothèse d itérêt faite sur la populatio dot proviet l échatillo?»! Plus α est petit, plus β augmete! Doc, il faut augmeter taille de l échatillo pour réduire β sas que α augmete à o augmete la puissace sas que α augmete! - β = puissace du test et puissace = P(Rejeter H quad H est vraie, à bo esciet). 7 7, 8,9 Probabilité critique / valeur p (p-valeur) de H = degré de cocordace etre H et les doées à dispositio à plus elle est petite, mois H est plausible! Iférieure à 5% : H peu plausible, devrait être rejetée et mois d % : fort rejet de H Patricia Fly 4
15 Procédure classique Procédure modere 7, 4. Détermier variable X. Formuler H et H au iveau de la populatio 3. Choisir le iveau α (arbitrairemet, par ex.5) et calculer Z a (grads échatillos) / t a (petits échatillos) à cetile -a / -a/ pour bilatéral 4. Détermier la zoe de rejet R α 5. Se reseiger sur la statistique du test S à utiliser (coaître la distributio de S sous H ) (S ~ ) 6. Calculer S à partir de l échatillo 7. Rejeter H si S tombe das la zoe de rejet. Détermier variable X. Formuler H et H au iveau de la populatio 3. Se reseiger sur la statistique du test S à utiliser (coaître la distributio de S sous H ) 4. Calculer S 5. Calculer la probabilité critique à partir de S 6. Rejeter H si p-valeur α, coserver H Avatage de la modere : évite tâtoemet et probabilité critique ous doe directemet le plus petit iveau de sigificatio a auquel H serait rejetée. Patricia Fly 5
16 Test sur la moyee 3 faços de ier l hypothèse ulle : H : µ = µ cotre : H : µ < µ µ > µ µ µ (test à gauche) (test à droite) (test bilatéral) Le choix de gauche ou droite déped des circostaces. Si rie e ous permet à priori de détermier das quel ses la moyee s éloige de o fait u test bilatéral. Grads échatillos >3 8 X µ S = S est vraie ~ N(,) de maière approximative lorsque H Test à droite : H : > Probabilité critique : Probabilité critique à droite : =-LOI.NORMALE.N( S ; ; ;) p-valeur = S f ( x) dx et f = desité de N(,) H rejetée au iveau de α si : S Zα ( S R α, DONC R a = [ Zα, [) ou si p-valeur α. Patricia Fly 6
17 Test à gauche : H : < Probabilité critique : S P-valeur = f ( x) dx et f = desité de N(,) H rejetée au iveau de α si : S Zα (S R α, DONC R a = ], Zα ]) ou si p-valeur α. Probabilité critique à gauche : =LOI.NORMALE.N(S ; ; ;) 7 4 Test bilatéral : H à à gauche et à droite Cette fois, ce est plus a mais a/. S peut être égative ou positive, alors o pred la valeur absolue Les deux zoes de rejet sot symétriques. Probabilité critique : S f ( x) dx + f ( x) dx Doc : * S S f ( x) dx, f = desité de N(,) H rejetée au iveau de α si S Zα/ (S R α, DONC R a = ]-, - Zα/ ] [ Zα/, [)ou si p-valeur α. Probabilité critique bilatérale : =*( - loi.ormale.(abs(s ) ; ; ;) ) Patricia Fly 7
18 Petits échatillos S = X µ s S ~ Studet ( ) lorsque H est vraie Zoe de rejet à droite : Surface sous la courbe à droite : P(T l > α) = -F(α) = LOI.STUDENT.DROITE(α ; l) Probabilité critique à droite : Test à droite : H : > Probabilité critique : p-valeur = S f ( x) dx f = desité de studet à - degré de liberté = LOI.STUDENT.DROITE(S ; -) α de liberté p valeur α Distributio de S sous Studet à -degrés H H rejetée au iveau de α si : S tα (S R α, DONC R a = [ tα, [) ou si p-valeur α. t α S α Zoe de rejet Z 7 Test à gauche : H : < Probabilité critique : Zoe de rejet à gauche : Surface sous la courbe à gauche : F(α) = P(T l < α) S P-valeur = f ( x) dx f = desité de studet à - degré de liberté H rejetée au iveau de α si : S tα (S R α, DONC R a = ], tα ]) ou si p-valeur α. Test bilatéral : H à à gauche et à droite =LOI.STUDENT.N(α ;l ;) Probabilité critique à gauche : =LOI.STUDENT.N(S ; - ;) Distributio de S sous Studet à degrés de liberté H Probabilité critique : * f ( x) dx, p-valeur α S t α Z S Zoe de rejet H rejetée au iveau de α si S tα/ (S R α, DONC R a = ]-, - tα/ ] [ tα/, [)ou si p-valeur α. Probabilité critique bilatérale : =*loi.studet.droite(abs(s ) ;-) ) Patricia Fly 8
19 α p-valeur/ α / α/ α / S t α / S t α / Loi de S Studet à Zoe de rejet Zoe de rejet Test sur ue proportio Grad échatillo 3, π 5 et ( π) H : π = π cotre : H : S = π < π π > π π π ( (test à gauche) (test à droite) (test bilatéral) P π ~ N(,) de maière approximative lorsque H est vraie π π ) R a et valeur p sot détermiés comme das le cas des tests de la moyee sur grads échatillos. H est rejetée au iveau α si : test à gauche : R α = ], Zα ] ou valeur p = S f ( x) dx Patricia Fly 9
20 test à droite : R α = [ Zα, [ ou valeur p = S f ( x) dx test bilatéral : R α = ], Zα/ ] [ Zα/, [ ou valeur p = S f ( x) dx ou si p-valeur α! Populatio P P Test sur la différece de deux moyees Cela sert à tester si la moyee d ue populatio est égale, iférieure ou supérieure à la moyee d ue autre populatio. échatillos aléatoires sot tirés, das chaque populatio, puis o compare les deux moyees d échatilloage et : la différece est-elle suffisammet importate pour coclure à différece réelle? Oui à différece = sigificative (structurelle et o due au hasard), discerable. Hypothèses géérales H : H : µ µ = d (d = ombre réel cou) cotre : µ µ < d µ µ > d µ µ d (test à gauche) (test à droite) (test bilatéral) moyee de X µ µ Ecart-type de X σ σ Valeurs icoues au début Echatillo E E Taille ( 3 ) ( 3 ) Moyee x x Ecart-type s s «Différece etre les moyees = valeur test» Patricia Fly
21 Hypothèses fréquetes à d = H : µ = µ ( + = ) H : µ < µ µ > µ µ µ S = X X s (test à gauche) (test à droite) (test bilatéral) s + d S ~ N(,) de maière approximative lorsque H est vraie. R a et valeur p sot détermiés comme das le cas des tests de la moyee sur grads échatillos. Populatio Proportio de «succès» das la populatio P P π π Test sur la différece de deux proportios Cela sert à tester si la proportio des idividus possédat ue certaie caractéristique varie d ue populatio par rapport à ue autre populatio. échatillos aléatoires sot tirés, das chaque populatio et proportios sot comparées. La différece est-elle suffisammet importate pour coclure à différece réelle? à différece = sigificative, discerable. Echatillo E E Taille ( 3 ) ( 3 ) Proportio de «succès» das l échatillo P P Patricia Fly
22 Hypothèses géérales H : π - π = d ou: π = π (d = ombre réel cou, gééralemet ) cotre : π π < d H : π π > d π π d (test à gauche) (test à droite) (test bilatéral) P P d S =, P ( P ) P ( P ) + S ~ N(,) de maière approximative lorsque H est vraie. R a et valeur p sot détermiés comme das le cas des tests de la moyee sur grads échatillos. Patricia Fly
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailConvergences 2/2 - le théorème du point fixe - Page 1 sur 9
Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios
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 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 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 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 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 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 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 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 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 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 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 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 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 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 détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **
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 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 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 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 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 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 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 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 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 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 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 détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
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 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 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 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 détailLa maladie rénale chronique
La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie
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 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 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 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 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 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 détailNous imprimons ce que vous aimez!
Nous imprimos ce que vous aimez! Persoalisé simple différet Catalogue de produits Tapis stadard tapis logo tapis publicitaire Nous imprimos ce que vous aimez! 2 I JOBET JOBET Vous et vos cliets serez coquis...
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 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 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 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 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 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 détailRECHERCHE DE CLIENTS simplifiée
RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées
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 détail3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.
3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios
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 détailComment les Canadiens classent-ils leur système de soins de santé?
Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté
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 détailRenseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.
Reseigemets et moitorig. Reseigemets commerciaux et de solvabilité sur les etreprises et les particuliers. ENSEMBLE CONTRE LES PERTES. Reseigemets Creditreform. Pour plus de trasparece. Etreteir des rapports
Plus en détailDonnez de la liberté à vos données. BiBOARD. www.biboard.fr
Doez de la liberté à vos doées BiBOARD www.biboard.fr Le décisioel pour tous Le décisioel évolue. L etreprise quelle que soit sa taille, a besoi de piloter so activité à l aide d outils simples, fiables,
Plus en détail4 Approximation des fonctions
4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour
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 détailOne Office Voice Pack Vos appels fixes et mobiles en un seul pack
Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre
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 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 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 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 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 détailOpérations bancaires avec l étranger *
Opératios bacaires avec l étrager * Coditios bacaires au 1 er juillet 2011 Etreprises et orgaismes d itérêt gééral Opératios à destiatio de l étrager Viremets émis vers l étrager : viremet e euros iférieur
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 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 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 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 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 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 détailSéries numériques. Chap. 02 : cours complet.
Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm
Plus en détailMobile Business. Communiquez efficacement avec vos relations commerciales 09/2012
Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre
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 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 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 détailLa fibre optique arrive chez vous Devenez acteur de la révolution numérique
2 e éditio Edité par l Autorité de régulatio des commuicatios électroiques et des postes RÉPUBLIQUE FRANÇAISE DÉCEMBRE 2010 La fibre optique arrive chez vous Deveez acteur de la révolutio umérique Petit
Plus en détailLe Sphinx. Enquêtes, Sondages. Analyse de données. Internet : http://www.lesphinxdeveloppement.fr/club/index.html
Equêtes, Sodages Aalyse de doées Le Sphix! Iteret : http://www.lesphixdeveloppemet.fr/club/idex.html Lagarde J. Aalyse statistique de doées, Duod. Réaliser vos equêtes Questioaire Traitemets et aalyses
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 détailCoefficient de partage
Coeffcet de partage E chme aque, la sythèse d'u composé se fat e pluseurs étapes : la réacto propremet dte (utlsat par exemple u motage à reflux quad la réacto dot être actvée thermquemet), les extractos
Plus en détailn tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...
Nom:... Préom :... Chaque répose peut valoir : c) 2 poits si le choix est totalemet exact + poit si le choix est partiellemet exact + 0 poit si le choix est erroé + -i poit si le choix est u coeses Ue
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 détail