B2 - Intervalle de confiance d une moyenne avec écart-type inconnu dans le cas d une population Gaussienne
|
|
- Jean Fortier
- il y a 6 ans
- Total affichages :
Transcription
1 B2 - Itervalle de cofiace d ue moyee avec écart-type icou das le cas d ue populatio Gaussiee Das le cas précédet, o a costruit l IdC à partir de la var X m σ{?. Mais, maiteat σ état icou, il coviet de le remplacer par so estimateur sas biais qui sera la racie carrée de la variace d échatillo : ÿ px i X q 2 C est-à-dire : S 2 S i 1 1 g fÿ e px i X q 2 i 1? 1. O cosidère alors la var Z X m S {?. La var X suivat ue loi Gpm, σq, Z suit ue loi de Studet 1 à 1 degrés de libertés (ddl e abrégé). Rappelos la desité de cette loi P R, P N, Γpmq ż `8 0 x m 1 e x dx. f Z ptq? 1 Γp `1 2 q 1 π Γp 2 q, `1 ` t 2 `1 L expressio, assez rébarbative, de la desité de cette loi e doit pas vous iquiéter car elle figure das tous les logiciels qui permettet d effectuer des calculs statistiques (sur les tableurs otammet). Doos u exemple d utilisatio de cette loi pour détermier u itervalle de cofiace. Supposos que X Gpm, σq et qu u échatillo (iid) de cette loi doe : 5.134; 6.582; 4.269; 6.425; 4.465; 4.400; 5.507; 5.212; 5.134; 4.852; 5.231; 3.933; ; 3.166; 3.184; 3.915; 6.315; 4.678; Détermier u itervalle de cofiace pour m, au seuil O commece par détermier, grâce à u logiciel adapté (tableur par exemple) fourissat les valeurs iverses de la loi de Studet à ddl, la valeur t 0.99 telle : P r t 0.99 ď X 20 m S 20 {? 20 ď t 0.99s Puis, o détermie l itervalle de cofiace aléatoire de m au seuil 0.99 : ȷ P m P rx 20 t0.99? S 20 ; X 20 ` t0.99? S 20 s Studet est le pseudoyme d u statisticie aglais, de so vrai om William GOSSET ( ). 1
2 Efi, à partir de l échatillo, o calcule l écart-type d échatillo s 20 et x 20, pour trouver ue réalisatio de cet itervalle alétoire qui sera l itervalle de cofiace particulier de m au seuil 0.99, associé à l échatillo de taille 20 doé par l éocé. O trouve r5.08; 5.39s. B3 - Itervalle de cofiace d ue moyee pour ue populatio quelcoque avec écart-type cou La différece essetielle avec les deux cas précédets est que la costructio de l itervalle va s appuyer sur ue loi limite et o plus sur ue loi exacte. Pour que l itervalle de cofiace soit assez précis, il faudra doc que la taille de l échatillo soit! grade ". E pratique, ě 50 garatit ue boe précisio. Si X suit ue loi (quelcoque) d espérace mathématique m, alors le théorème cetral-limite affirme que : Z X m σ{? coverge e loi vers Gp0; 1q, lorsque ted vers ` 8. Rappelos que la covergece e loi de Z vers la loi ormale cetrée réduite sigifie que P R, lim P rz ď xs 1 ż? e Ñ`8 2π x 8 t2 2 dt. À partir de ce résultat o costruit u itervalle de cofiace aléatoire au seuil α comme précédemmet : O détermie t α à partir de la loi ormale cetrée réduite et l itervalle est de la forme : rx tα? σ; X ` tα? σs. Pour grad, la probabilité que m appartiee à cet itervalle (aléatoire) est approximativemet égale à α. À partir d u échatillo de taille, o détermie u itervalle de cofiace particulier e calculat x à partir de l échatillo, l idc est rx? tα σ; x `? tα σs. B4 - Itervalle de cofiace d ue moyee pour ue populatio quelcoque avec écart-type icou Si X est ue var de moyee m et d écart-type σ, alors ue gééralisatio du théorème cetrallimite, justifie que la var Z X m S {?, ted ecore e loi vers Gp0; 1q (avec les otatios itroduites précédemmet). À partir de ce résultat, la costructio de l itervalle de cofiace aléatoire au seuil α de m se costruit exactemet comme das le cas B3. Pour u échatillo de taille doé, o obtiet u IdC particulier e remplaçat X par x et S par l écart-type d échatillo s. U cas particulier importat Il s agit du cas où la var parete est u var de Berouilli. C est ce qui se produit lorsqu o s itéresse à la présece (ou l absece) d u caractère das ue populatio. Par exemple, avat ue électio, o observe sur la populatio d u certai esemble géographique, le caractère! être favorable au cadidat Utel ". Ue var de Berouilli, X, est caractérisée par u paramètre, oté ici p P r0; 1s et EpXq p, V pxq pp1 pq. Comme vous le compreez, le but du travail statistique est l estimatio de p (estimatio potuelle ou par IdC). Comme p est la moyee de la var parete, si px i q 1ďiď est u échatillo iid de X, o est 2
3 rameé au cas B4 : var o écesairemet gaussiee, mais - grâce au théorème cetral-limite, loi de la moyee de l échatillo suivat ue loi limite gaussiee. De plus, i m EpXq p, i σ pp1 pq e sot cous. Examios u exemple. O suppose que sur u échatillo de taille 100, le ombre de persoes favorables à Utel est égal à 62 (et le ombre de persoes o favorables alors égal à =38). Estimatio poctuelle de p : o estime par l estimateur habituel sas biais (et coverget) d ue moyee X 100. D où l estimatio poctuelle Estimatio par IdC de p : la valeur de état suffisamet grade, o s appuie sur la loi limite de X p S {? qui est la loi Gp0; 1q. D où, pour u seuil α, comme o l a déjà vu l IdC aléatoire et l IdC particulier associé à l échatillo observé : rx 100 tα 10 S 100; X 100 tα 10 S 100s. rx 100 tα 10 s 100; x 100 tα 10 s 100s. Das ce cas particulier, les expressios de x et de s s obtieet e codat les valeurs des var de Berouilli par 1 (succès=! être favorable à Utel ") et 0 (échec =! e pas être favorable à ř utel "). Aisi, x est la fréquece observée des succès, cad ici, x Le calcul de s doe : s 2 i 1 px i x q 2, 1 où x i vaut 1 u ombre de fois égal à x et 0 u ombre de fois égal à x p1 x q. O obtiet : s 2 p1 x q 2 x ` p0 x q 2 p1 x q 1 p1 x q x ˆ 1. p1 x q 2 x ` p0 x q 2 p1 x q D où, s a c p1 x q x 1. L expressio de l IdC particulier au seuil α est alors ȷ x? tα a p1 x q x ; x ` tα a? p1 x q x 1 1 Das le cas particulier de l exemple, si α 0.95 : ȷ? 1.96? ; 0.62 ` r0.573; 0.667s Les chaces de Utel d être élu sot doc sérieuses. ˆ 1 La situatio se complique si la fréquece observée des opiios favorables est voisie de 0.5. Imagios que x? L amplitude de l IdC associé à u échatillo (toujours au seuil 0.95) est alors 0.51 ˆ égale à 2 ˆ 1.96 ˆ?, soit ecore?
4 Si l o veut que cette amplitude reste iférieure à ce qui fourira u IdC particulier! à droite " de il faut iterroger u ombre d électeurs potetiels tel que ` 1 ď, c est-à-dire au miimum persoes - ce qui est u éorme échatillo! Avec les réserves d usage : c est seulemet pour 95% des échatillos, e moyee, que l IdC cotiedra la vraie valeur de p. Pour termier ce paragraphe, il est itéressat d examier l itroductio à l estimatio d ue moyee qui est proposée das les programmes de Secode. Le détail des PO est le suivat. CONTENUS Échatilloage Notio d échatillo. Itervalle de fluctuatio d ue fréquece au seuil 0,95. Réalisatio d ue simulatio. CAPACITÉS ATTENDUES COMMENTAIRES Cocevoir, mettre e œuvre et U échatillo de taille est costitué exploiter des simulatiosde situatios de répétitios idépedates de la cocrètes à l aide d u même expériece. tableur ou d ue calculatrice. Exploiter et faire ue aalyse critique d u résultat d échatilloage. À l occasio de la mise e place d ue simulatio o peut : utiliser les foctios logiques d u tableur ou d ue calculatrice mettre e place des istructios coditioelles das u algorithme. L objectif est d ameer les élèves à u questioemet lors des activités suivates. L estimatio d ue proportio icoue à partir d u échatillo, la prise de décisio à patir d u échatillo. Le commetaire suivat est ajouté.! L itervalle de fluctuatio au seuil 0,95, relatif aux échatillos de taille, est l itervalle cetré autour de p, où se situe - avec ue probabilité égale à 0,95%, la fréquece observée das l échatillo de taille. Cet itervalle peut être obteu de faço approchée par simulatio. Le professeur peut idiquer aux élèves le résultat suivat, utilisable das la pratique pour des échatillos de taille ě 25 et des proportios p comprises etre 0,2 et 0,8 : si f désige la fréquece du caractère das l échatillo, f appartiet à l itervalle p? 1 ; p ` 1 ȷ? avec ue probabilité d au mois 0,95. Le professeur peut faire percevoir expérimetalemet la validité de cette propriété, mais elle est pas exigible. ". Vous remarquerez que c est l expressio! itervalle de fluctuatio " qui est reteue. Elle correspod au cas où p est coue et où o cherche à cofirmer (ou à ifirmer) la valeur de p par celle d ue fréquece observée et d u itervalle costruit autour de cette fréquece. U itervalle de cofiace est u itervalle qui a ue probabilité doée de coteir la valeur exacte de p qui est pas supposée coue. La uace etre les deux otios est faite das certais mauels, mais elle est pas metioée das le 4
5 PO. Iterrogez-vous sur la légitimité de l approximatio (de l itervalle) qui est proposée par le PO das l ecadré ci-dessus. 5
6 Exercices d etraiemet Ce sot des exercices types des classes de STS - sectio TPIL (Techiques Physiques pour l Idustrie et le Laboratoire) du groupemet A (à l exceptio du premier exercice). Exercice 1 : O cosidère u stock très importat de boulos. O ote Y la var qui, à chaque boulo tiré au hasard das le stock, associe le diamètre, e mm, de so pied. La var Y suit la loi ormale de moyee icoue m et d écart-type σ 0, 1. O désige Y la va qui, à chaque échatillo aléatoire de 100 boulos prélevé das le stock, associe la moyee des diamètres des pieds de ces 100 boulos (le stock est assez importat pour qu o puisse assimiler ces prélèvemets à des tirages sas remise). 1) Justifier que Y suit ue loi Gpm; 0, 01q. 2) Détermier h 1 ą 0 tel que P rm h 1 ď Y ď m ` h 1 s 0, 9. 3) Détermier h 2 ą 0 tel que P rm h 2 ď Y ď m ` h 2 s 0, 95. 4) Détermier h 3 ą 0 tel que P rm h 3 ď Y ď m ` h 3 s 0, 99. Exercice 2 : O se propose d étudier, das ue populatio de grad effectif, la taille d adolescets de 13 à 14 as. O suppose que la va X doat la taille d u adolescet est ue va gaussiee de moyee m et d écart type σ. U échatillo de 36 adolescets, choisis au hasard das la populatio étudiée, doe les résultats suivats. Taille [130 ;135[ [135 ;140[ [140 :145[ [145 ;150[ [150 ;155[ [155 ;160[ [160 ;165[ Effectif ) a) Calculer la moyee, otée x et l écart-type σ e de cet échatillo. b) E déduire ue estimatio poctuelle de m et de σ. c) Doer u itervalle de cofiace de m au seuil de 95%. 2) Afi d améliorer la coaisssace de m, o décide d augmeter la taille de l échatillo. À partir de quel etier 0 obtiedra-t-o u itervalle de cofiace d amplitude iférieure à 1 cm avec u seuil de 98%? 6
7 Solutios : Exercice 1 : 1) Y état ue moyee d u échatillo de var idépedates d ue loi ormale, suit aussi ue loi (exacte) ormale, de même moyee que la loi parete et d écart-type égal à σ{? si σ est l écarttype de la loi parete et la taille de l échatillo. 2) Z Y m 0.01 suit ue loi Gp0; 1q, d où P h1 0, 01 ď Z ď h ȷ 1 0, 9 ô 2F p h 1 0, 01 0, 01 q 1 0, 9 ô F p h 1 q 0, 95 0, 01 L utilisatio de la loi iverse d ue loi gausiee stadard doe h 1 0, ) h 2 0, ) h 3 0, Exercice 2 : 1) a) Le type de calcul demadé ici pose u problème. O e coait pas pour chaque idividu de la populatio, la valeur de la taille. Il est doc pas possible d effectuer les calculs demadés sas faire ue hypothèse supplémetaire cocerat la répartitio des idividus das chaque classe. L hypothèse la plus élémetaire cosiste à assimiler chaque classe à so cetre. Tout se passe alors comme si : 1 idividu mesurait 132,5 cm ; 4 idividus mesuraiet 137,5 cm, etc. D autres hypothèse sot possibles - qui coduiset à d autres valeurs de la moyee et de l écarttype - comme, par exemple, supposer que les idividus sot équirépartis das les classes. Alors, les 4 idividus de la deuxième classe sot iterprétés comme : 1 idividu de taille 136 cm ; 1 idividu de taille 137 cm, 1 idividu de taille 138 cm et 1 idividu de taille 139 cm. Avec l hypothèse simplificatrice, o trouve (e cm) x 1 ˆ ` 4 ˆ ` 7 ˆ ` 10 ˆ ` 8 ˆ ` 4 ˆ ` 2 ˆ Et, pour l écart-type d échatillo σ e b) Les valeurs précédemmet calculées fourisset des estimatios poctuelles des deux paramètres. Les estimateurs utilisés sot sas biais et covergets. c) Pour détermier u itervalle de cofiace de m au seuil 95%, o utilise le fait que X m σ suivat ue loi gaussiee cetrée réduite, X X 36 suit ue loi de Studet à 35 ddl. O a vu S 36 {6 das le cours que l IdC était de la forme rx 36 t 0.95 s 36 6 ; x 36 ` t 0.95 s 36 6 s où, t 0.95 est détermié à partir de la loi de Studet. soit, r ˆ ; ` 2.03 ˆ s r145.6; 150.6s ) L amplitude de l itervalle est 2 ˆ t 0.98 ˆ 7.25?, où t Ce ombre est iférieur ou égal à 1 (e cm) dès que 2 ˆ ˆ 7.25 ď? ô ě 1250 Taille d échatillo très supérieure à la taille de l échatillo iitial, mais fourissat u IdC particulier très étroit. 7
x +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 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 détailSTATISTIQUE : 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
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 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 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 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 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 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 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 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 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 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 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 détailLes études. Recommandations applicables aux appareils de levage "anciens" dans les ports. Guide Technique
es Cetre d Etudes Techiques Maritimes et Fluviales Les études Recommadatios applicables aux appareils de levage "acies" das les ports Guide Techique PM 03.01 Cetre d Etudes Techiques Maritimes et Fluviales
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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
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 détail16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.
16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme
Plus en détailMESURE DE L'INFORMATION
MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE
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 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 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 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 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 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 détailUn nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction
A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés
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 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 détailLe chef d entreprise développe les services funéraires de l entreprise, en
Le chef d etreprise développe les services fuéraires de l etreprise, e assurat lui-même tout ou partie des activités de vete et e ecadrat directemet le persoel techique et commercial et d exploitatio.
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 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 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 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 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 détailIntroduction : Mesures et espaces de probabilités
Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,
Plus en détailGérer les applications
Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces
Plus en détail