MQT1183 Méthodes statistiques
|
|
- Laurent Michaud
- il y a 6 ans
- Total affichages :
Transcription
1 MQT1183 Méthodes statistiques Sébastien Blais Département des sciences administratives, UQO 28 mars 2017
2 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio Aujourd hui Chapitre 9: Test d hypothèses 1 Rappels 2 Hypothèse sur la moyenne,σ connu (théorie) 3 Hypothèse sur la moyenne, σ inconnu 4 Hypothèse sur la proportion
3 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio La troisième partie du cours pour sur l inférence statistique, qui comporte deux types de problèmes 1 estimation ponctuelle (chapitre 7) par intervalle (chapitre 8) 2 décision test d hypothèse introduction, une population (chapitre 9) plusieurs populations, moyennes (chapitre 10) plusieurs populations, proportions (chapitre 11) Les problèmes de décision considérés dans ce cours: 1 sont binaires: on décide de faire, ou de ne pas faire, quelque chose. 2 repose sur l observation d un événement: on fait quelque chose si un certain événement est observé.
4 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio La pièce est-elle truquée? J observe 10 lancés de la pièce de monnaie et je dois conclure si elle est truquée ou non. Exemple de règle de décision: Conclure que la pièce est truquée si j observe 0, 1, 2, 8, 9 ou 10 piles. Je peux faire deux types d erreur 1 Conclure que la pièce est truquée alors qu elle ne l est pas (probabilité de 0,11) 2 Conclure que la pièce n est pas truquée alors qu elle l est (probabilité inconnue)
5 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio Problème de MaxFlight MaxFlight fabrique des balles de golf. Lorsque le processus de fabrication est bien réglé, les balles produites parcourent 295 verges en moyenne avec un écart type de 12 verges. Un programme d assurance qualité prévoit le prélèvement périodique de 50 balles pour évaluer le réglage du processus de fabrication et décider s il doit être ajusté. H 0 :µ 295 H 1 :µ < 295 Règle de décision: on ajuste le réglage si la moyenne est inférieure à 291.
6 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio Je peux faire deux types d erreur 1 Décider de régler la machine alors que ce n est pas nécessaire (probabilité ) de P( X < 291) = = P(Z < 2, 35) = 0, P( X 295 1,7 < ,7 2 Décider de ne pas régler la machine alors que c est nécessaire (probabilité inconnue). Avec cette règle, on fait une erreur de première espèce avec une probabilité de α = 0, 0094.
7 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio Formes des hypothèses nulle et alternative Les trois formes possibles sont 1 unilatéral inférieur, H 0 : µ µ 0 et H 1 : µ<µ 0 On rejette la nulle lorsque x est assez petite. 2 unilatéral à supérieur, H 0 : µ µ 0 et H 1 : µ>µ 0 On rejette la nulle lorsque x est assez grande. 3 bilatéral, H 0 : µ = µ 0 et H 1 : µ µ 0 On rejette la nulle lorsque x est assez loin de µ 0. Remarques: La valeur de µ 0 est donnée (souvent µ 0 = 0; µ 0 = 295 dans le problème de MaxFlight) Dans plusieurs manuels, l hypothèse nulle prend toujours la forme d une égalité.
8 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio Rejet ou non de la nulle On n accepte jamais la nulle. Il est possible qu un échantillon permette de rejeter la nulle ou qu il ne permette pas de le faire. Exemple: Supposons que j ai une pièce de monnaie truquée avec P(pile) = 0, 25. Je lance la pièce deux fois et j obtiens {pile, face}. La probabilité de cet événement est 0, 375. Vous voulez tester H 0 : p = 0, 5 avant de jouer avec moi. Si p = 0, 5 (sous la nulle), l événement observé est vraisemblable: P(pile, face) = 0, 5. Vous ne rejetez pas la nulle. Ce serait par contre imprudent de l accepter...
9 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio Seuil de signification La règle de décision est généralement choisie par l intermédiaire d un seuil de signification (α), soit la probabilité de faire une erreur de première espèce lorsque l hypothèse nulle est satisfaite avec égalité. Exemple: On choisit la règle de décision de sorte que la probabilité de rejeter la nulle par erreur (erreur de première espèce) est α = 0, 05. La probabilité de procéder inutilement à un réglage est de 0,05. Remarque: On ne connaît pas la probabilité de faire une erreur de deuxième espèce.
10 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio Aujourd hui Chapitre 9: Test d hypothèses 1 Rappels 2 Hypothèse sur la moyenne,σ connu (théorie) 3 Hypothèse sur la moyenne, σ inconnu 4 Hypothèse sur la proportion
11 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio Deux méthodes équivalentes De manière générale, il y a deux manières de faire un test. Dans tous les cas, on commence par choisir le seuil de signification et calculer une statistique de test. Pour une hypothèse sur la moyenne, lorsque σ est connu, la statistique est z = x µ 0 σ/ n. On rejette H 0 lorsque l une ou l autre de ces conditions sont satisfaites: 1 valeur p: la probabilité d observer z est inférieur à α 2 valeur critique: z est inférieure et/ou (selon le cas) supérieure à une valeur critique.
12 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio Problème de Hilltop Hilltop vend du café dans des boîtes de 3 livres. Pour protéger les consommateurs, la Commission fédérale du commerce veut vérifier qu il y a au moins 3 livres de café par boîte, en moyenne, à partir d un échantillon de 36 boîtes. Des analyses antérieures permettent de considérer que l écart type de la population est 0, 18. Quelle est l hypothèse nulle? Quelle est l hypothèse alternative? Quelle est la statistique de test? Quelle est la distribution de la statistique de test sous la nulle? Quel est le seuil de signification du test?
13 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio 1. Approche de la valeur p Supposons que la moyenne d échantillon est 2, 92. La statistique de test observée est z = x µ 0 σ/ n 2, 92 3 = 0, 18/ = 2, Quelle est la probabilité d observer z = 2, 67? Sous la nulle, z est une normale centrée réduite et la valeur p est P(Z 2, 67) = 0, 0038 Puisque 0, 0038 < 0, 01, on rejette la nulle en faveur de l alternative H 1 : µ < 3. On conclut que les boîtes contiennent moins de 3 livres de café, en moyenne.
14 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio
15 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio 2. Approche de la valeur critique (test unilatéral) On cherche la valeur (critique) z α telle que P(Z z α ) = α sous la nulle, et on rejette la nulle si z z α. Puisque Z est une normale centrée réduite sous la nulle, z 0,01 = 2, 33 et on rejette H 0 puisque 2, 67 < 2, 33
16 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio
17 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio Test bilatéral Les hypothèses ont la forme H 0 : µ = µ 0 H 1 : µ µ 0 Pour le problème de MaxFlight H 0 : µ = 295 H 1 : µ 295
18 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio
19 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio 1. Approche de la valeur p Sous la nulle, z suit une loi normale centrée réduite. Supposons que la moyenne d échantillon (n = 50) est 297, 6. z = x µ 0 σ/ n = 297, / 50 = 1, 53. Quelle est la probabilité d observer une valeur de Z aussi loin de 0 que 1, 53? 1 P( 1, 53 Z 1, 53) = P(Z 1, 53)+P(Z 1, 53) = 2 P(Z 1, 53) = 2 0, 0630 = 0, Au seuil de α = 0, 05, on ne peut pas rejeter la nulle puisque 0, 1260 > 0, 05. On ne peut pas conclure qu un réglage est requis.
20 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio
21 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio 2. Approche de la valeur critique (test bilatéral) On cherche la valeur (critique) z α/2 telle que P ( z α/2 Z z α/2 ) = 1 α sous la nulle, et on rejette la nulle si z z α/2 ou z z α/2. Puisque Z est une normale centrée réduite sous la nulle, z 0,025 = 1, 96 et on ne peut pas rejeter H 0 puisque 1, 53 < 1, 96. On conclut que la portée des balles n est pas significativement différente de 295 verges. Remarque: De manière équivalente, on peut rejeter la nulle lorsque z z α/2.
22 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio
23 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio
24 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio Relation avec l estimation par intervalle Une autre manière de faire un test bilatéral consiste à calculer un intervalle de confiance et de rejeter la nulle si l intervalle de confiance ne contient pas µ 0. Exemple: L intervalle de confiance à 95% autour de 297, 6 est 297, 6±1, = 297, 6±3, 3 = 297, 6±3, 3 = [294, 3; 300, 9]. Puisque µ 0 = 295 est contenu dans cet intervalle, on ne peut pas rejeter la nulle et on conclut que la portée des balles n est pas significativement différente de 295 verges.
25 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio Aujourd hui Chapitre 9: Test d hypothèses 1 Rappels 2 Hypothèse sur la moyenne,σ connu (théorie) 3 Hypothèse sur la moyenne, σ inconnu 4 Hypothèse sur la proportion
26 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio Hypothèse sur la moyenne, σ inconnu Rien de surprenant ici: La statistique est t = x µ 0 s/ n. Elle suit une loi t de Student avec n 1 degrés de liberté lorsque la population est normale.
27 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio
28 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio Aujourd hui Chapitre 9: Test d hypothèses 1 Rappels 2 Hypothèse sur la moyenne,σ connu (théorie) 3 Hypothèse sur la moyenne, σ inconnu 4 Hypothèse sur la proportion
29 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio Hypothèse sur la proportion Dans ce cas: On fait appel au TCL pour justifier une approximation normale de la distribution de la statistique de test. Sous la nulle H 0 : p = p 0, la variance de la population est p 0 (1 p 0 ) La statistique de test z = p p 0 p 0 (1 p 0 ) n suit donc une loi normale centrée réduite. Remarque: L erreur type n est pas la même que lorsqu on construit un intervalle de confiance.
30 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio
31 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio Problème de Pine Creek Le club de golf de Pine Creek a mis en place une campagne publicitaire pour augmenter la proportion des femmes parmi les joueurs. Elle veut tester si cette campagne a été efficace avec un échantillon de 400 joueurs, avec un seuil de signification de 5%. L échantillon comptait 100 femmes. La proportion actuelle est de 20%. Quelles sont l hypothèse nulle et l hypothèse alternative? Quelle est la valeur observée de la statistique de test? Peut-on rejeter la nulle? 1 Quelle est la valeur p du test? 2 Quelle est la valeur critique du test?
32 Rappels Hypothèse sur la moyenne, σ connu (théorie) Hypothèse sur la moyenne, σ inconnu Hypothèse sur la proportio
33 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Aujourd hui Chapitre 10: Comparaisons de moyennes et analyse de la variance 5 Introduction 6 Deux échantillons indépendants 7 Deux échantillons appariés 8 k échantillons indépendants
34 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Comparaisons de moyennes et analyse de la variance Pour la première fois dans ce cours, on s intéresse à plusieurs populations. On considère 3 types de problèmes: 1 Est-ce que les étudiants du groupe 20 sont meilleurs que les étudiants du groupe 21? H 0 : µ 1 = µ 2 H 1 : µ 1 µ 2 2 Est-ce que les étudiants du groupe 20 sont meilleurs en statistique qu en comptabilité? H 0 : µ 1 = µ 2 H 1 : µ 1 µ 2 3 Supposons que chaque étudiant du groupe 20 a acheté un seul des 3 manuels recommandés pour le cours. Est-ce que le choix du manuel a influencé leur résultat final? (Est-ce que le étudiants qui ont acheté le manuel A ont mieux réussi que les autres, par exemple?) H 0 : µ 1 = µ 2 = µ 3 H 1 : µ 1 µ 2 µ 3 Remarquez le sens donné au mot population dans chaque cas.
35 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Aujourd hui Chapitre 10: Comparaisons de moyennes et analyse de la variance 5 Introduction 6 Deux échantillons indépendants 7 Deux échantillons appariés 8 k échantillons indépendants
36 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Deux échantillons indépendants On veut vérifier si les moyennes de deux populations,µ 1 et µ 2, sont égales. On dispose d un échantillon de n 1 observations de la première population et d un échantillon de n 2 observations de la seconde. Quelles sont les hypothèses nulle et alternatives? Quelle est la statistique de test? Quelle est la distribution de la statistique de test? 1 σ 1 et σ 2 connus 2 σ 1 et σ 2 inconnus
37 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Statistique de test La forme générale de la statistique est estimateur valeur sous la nulle. erreur type de l estimateur On a naturellement envie d utiliser x 1 x 2 pour estimer µ 1 µ 2 Quelle est l erreur type de x 1 x 2? Puisque les échantillons sont indépendants σ1 2 σ x1 x 2 = + σ2 2. n 1 n 2
38 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Distribution de la statistique de test La statistique est donc si σ 1 et σ 2 sont connus et z = ( x 1 x 2 ) D 0 σ 2 1 n 1 + σ2 2 n 2 t = ( x 1 x 2 ) D 0 s 2 1 n 1 + s2 2 n 2 si σ 1 et σ 2 ne sont pas connus. Dans ce dernier cas, le nombre de degrés de liberté est approximativement l entier inférieur à ( σ 2 1 n 1 + σ2 2 n 2 ) 2 ( ) 1 σ n 2 1 n n 2 1 ( σ 2 2 n 2 ) 2, ce qui est légèrement inférieur à n 1 + n 2 2.
39 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Intervalle de confiance Sans surprise, l intervalle de confiance est si σ 1 et σ 2 sont connus et si σ 1 et σ 2 ne sont pas connus. ( x 1 x 2 )±z α/2 σ 2 1 n 1 + σ2 2 n 2 ( x 1 x 2 )±t α/2 s 2 1 n 1 + s2 2 n 2
40 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Problème de Greystone Greystone a deux boutiques, l une au centre-ville de Buffalo, l autre en banlieue. Le profil des ventes diffère d une boutique à l autre. On veut vérifier si c est attribuable à une différence d âge de la clientèle. n 1 = 36 x 1 = 40 σ 1 = 9 n 2 = 49 x 2 = 35 σ 2 = 10.
41 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants
42 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Problème de Greystone L intervalle de confiance à 95% est 9 2 (40 35)±1, ±4, 06 = [0, 94; 9, 06]
43 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Problème des logiciels On veut établir si deux logiciels sont aussi efficaces pour développer un système d information. On mesure le temps nécessaire pour développer un système par des analystes utilisant l un ou l autre des logiciels. n 1 = 12 x 1 = 325 s 1 = 40 n 2 = 12 x 2 = 286 s 2 = 44.
44 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Les hypothèses nulle et alternatives sont La statistique de test est H 0 :µ 1 µ 2 = 0 H 1 :µ 1 µ 2. t = ( ) = 2, 27. Le nombre de degrés de liberté est approximativement l entier inférieur à ( ) soit ( ) ( ) = 21, 80, 12
45 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Aujourd hui Chapitre 10: Comparaisons de moyennes et analyse de la variance 5 Introduction 6 Deux échantillons indépendants 7 Deux échantillons appariés 8 k échantillons indépendants
46 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Deux échantillons appariés Ce type de problème correspond plus précisément à vérifier l égalité de la moyenne de deux variables, observées pour chaque observation d un échantillon. Exemple: Un échantillon de n travailleurs ayant utilisé deux méthodes pour réaliser une tâche. Pour chaque travailleur, on a observé le temps de réalisation de la tâche avec les deux méthodes. Remarque: les observations ne sont pas indépendantes: ce sont les mêmes travailleurs. Exemple: Un travailleur performant aura vraisemblablement un temps de réalisation court avec les deux méthodes, et on observera le contraire pour un travailleur moins performant.
47 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Au lieu de formuler les hypothèses sur la différence des moyennes (E[x 1 ] E[x 2 ]), on les formule sur la différence moyenne d = E[x 1 x 2 ]: H 0 :µ d = d 0 H 1 :µ d d 0. On a alors envie d estimer µ d par d = 1 n x 1i x 2i. n Remarque: la notation est un peu confuse dans le manuel, pages i=1
48 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Statistique de test La statistique de test est t = d d 0 s d / n où l écart type d échantillon est s d = 1 n ( x1i x 2i d ) 2. n 1 t suit une loi t de Student avec n 1 degrés de liberté. i=1
49 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Aujourd hui Chapitre 10: Comparaisons de moyennes et analyse de la variance 5 Introduction 6 Deux échantillons indépendants 7 Deux échantillons appariés 8 k échantillons indépendants
50 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Problème de Chemitech Chemitech produit des systèmes de filtration. Trois méthodes (A,B et C) peuvent être utilisée pour produire les systèmes. Chemitech veut savoir si une méthode permet de produire un plus grand nombre de systèmes par semaine. Vocabulaire (emprunté à la médecine...): La méthode d assemblage est appelée variable indépendante ou facteur Le problème est une expérience à un facteur, qualitatif (FIN1003 pour les facteurs multiples et/ou quantitatifs...) Chaque méthode d assemblage est considérée comme un traitement On s intéresse à l effet du traitement sur une variable de réponse (ou variable dépendante)
51 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Problème de Chemitech
52 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Cadre général La ième observation de l échantillon j est notée x ij. Hypothèses nulle et alternative H 0 :µ 1 = µ 2 =... = µ k H 1 : au moins une moyenne est différente des autres. Comme pour les tests précédents, la distribution de la statistique de test (à venir) dépend de la distribution de la population. Celle qu on utilisera repose sur les hypothèses suivantes: 1 observations normalement distribuées 2 observations de même variance (σ 2 1 = σ2 2 =... = σ2 k ) 3 observations indépendamment distribuées
53 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants
54 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants
55 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Cadre général - statistique de test La statistique de test sera le ratio de deux quantités: 1 une mesure de dispersion des moyennes d échantillons autour de la moyenne globale ( x j x) 2 une mesure de dispersion des observations autour de leur moyenne d échantillon respective (x ij x j ) Remarques: Ce ratio sera toujours positif Si toutes les moyennes d échantillons étaient égales, le ratio serait 0. Plus le ratio est grand, plus la preuve est forte contre H 0.
56 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants k échantillons indépendants On aura besoin d estimer les moyennes et les écarts types d échantillon. Moyenne d échantillon du traitement j: x j = 1 n j n j i=1 Variance d échantillon du traitement j: s 2 j = 1 n j 1 n j x ij (x ij x j ) 2 On aura besoin d estimer la moyenne globale d échantillon x = 1 n k j x ij = 1 k x j n k j=1 i=1 i=1 j=1
57 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Problème de Chemitech x = = 60.
58 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Carré moyen dû aux traitements Le numérateur de notre statistique de test est une mesure de dispersion des moyennes d échantillons autour de la moyenne globale. Carré moyen dû aux traitements CMT = CST k 1 où la somme des carrés due aux traitements est k SCT = n j ( x j x) 2. j=1 Problème de Chemitech SCT = 5(62 60) 2 + 5(66 60) 2 + 5(52 60) 2 = 520 CMT = = 260. CMT est un estimateur inter-échantillon biaisé de σ 2 si H 0 est fausse.
59 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Carré moyen dû aux erreurs Le dénominateur de notre statistique de test est une mesure de dispersion des observations autour de leur moyenne d échantillon respective. Carré moyen dû aux erreurs CME = CSE n k où la somme des carrés due aux erreurs est n k j k SCE = (x ij x j ) 2 = (n j 1) s 2 j. j=1 i=1 CME est un estimateur intra-échantillon sans biais de σ 2. Problème de Chemitech SCE = (5 1) 5, (5 1) 5, (5 1) 5, = 340 CME = 340 = 28, j=1
60 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Partition de la somme des carrés La somme totale des carrés est n k j SCtot = (x ij x) 2. j=1 i=1 La variance globale de l échantillon, s 2 = SCtot n 1, est un estimateur biaisé de σ 2 si H 0 est fausse. Les sommes de carrés satisfont l égalité SCtot = SCT + SCE. On peut donc considérer l analyse de la variance comme une décomposition de la somme totale des carrés.
61 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants
62 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Statistique de test, égalité des moyennes La statistique de test est F = CMT CME. Sous nos hypothèses, elle suit une loi de Fisher à k 1 degrés de liberté au numérateur et n k degrés de liberté au dénominateur. La valeur p est P ( F k 1,n k CMT CME). On rejette H 0 lorsque la statistique observée est trop grande pour être plausible, lorsque la valeur p est plus petit que le seuil de signification. Remarques: 1 On a mentionné (chapitre 6) qu un ratio de variables χ 2 suivait un loi de Fisher... 2 Lorsque l échantillon est grand, (k 1) F suit approximativement un loi χ 2 avec k 1 degrés de liberté.
63 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants
64 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants Problème de Chemitech On a F = CMT CME = 260 = 9, , 33 Sous H 0 : µ 1 = µ 2 = µ 3, la statistique suit une loi de Fisher avec k 1 = 2 degrés de liberté au numérateur et n k = 12 degrés de liberté au dénominateur. Selon la table de l annexe B, la valeur critique est 6, 93. On rejette la nulle puisque 9, 18 > 6, 93. On conclut que les méthodes ne sont pas aussi efficaces: la méthode B est plus efficace.
65 Introduction Deux échantillons indépendants Deux échantillons appariés k échantillons indépendants
Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailChapitre 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 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 détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailCours 9 : Plans à plusieurs facteurs
Cours 9 : Plans à plusieurs facteurs Table des matières Section 1. Diviser pour regner, rassembler pour saisir... 3 Section 2. Définitions et notations... 3 2.1. Définitions... 3 2.2. Notations... 4 Section
Plus en détailDocument d orientation sur les allégations issues d essais de non-infériorité
Document d orientation sur les allégations issues d essais de non-infériorité Février 2013 1 Liste de contrôle des essais de non-infériorité N o Liste de contrôle (les clients peuvent se servir de cette
Plus en détailBiostatistiques : Petits effectifs
Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l
Plus en détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détailStatistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014
Tests du χ 2 Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 A. Lourme http://alexandrelourme.free.fr Outline
Plus en détailTESTS D HYPOTHÈSE FONDÉS SUR LE χ². http://fr.wikipedia.org/wiki/eugénisme
TESTS D HYPOTHÈSE FONDÉS SUR LE χ² http://fr.wikipedia.org/wiki/eugénisme Logo du Second International Congress of Eugenics 1921. «Comme un arbre, l eugénisme tire ses constituants de nombreuses sources
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 détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détailPleins feux sur les IFRS
Bureau mondial des IFRS Août 2010 Pleins feux sur les IFRS L IASB publie un exposé-sondage sur la comptabilisation des contrats de location Table des matières La proposition Champ d application Comptabilisation
Plus en détailStatistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année 2010-2011
Master 1 Biologie et technologie du végétal Année 010-011 Statistiques Rappels de cours et travaux dirigés (Seul ce document sera autorisé en examen) auteur : Jean-Marc Labatte jean-marc.labatte@univ-angers.fr
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailRecommandation sur la commercialisation des comptes à terme
Recommandation sur la commercialisation des comptes à terme 2012-R-02 du 12 octobre 2012 1 Contexte Dans le cadre de son action de veille sur la publicité et les nouveaux produits, l ACP a constaté sur
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailSTATISTIQUES. UE Modélisation pour la biologie
STATISTIQUES UE Modélisation pour la biologie 2011 Cadre Général n individus: 1, 2,..., n Y variable à expliquer : Y = (y 1, y 2,..., y n ), y i R Modèle: Y = Xθ + ε X matrice du plan d expériences θ paramètres
Plus en détailLe nouvel indice de taux de change effectif du dollar canadien
Le nouvel indice de taux de change effectif du dollar canadien Janone Ong, département des Marchés financiers La Banque du Canada a créé un nouvel indice de taux de change effectif du dollar canadien,
Plus en détailCOMMENTAIRE. Services économiques TD
COMMENTAIRE Services économiques TD 16 juillet 213 LES MÉNAGES CANADIENS SONT PLUS ENDETTÉS QUE LES MÉNAGES AMÉRICAINS, MAIS UNIQUEMENT PAR SUITE DU RÉCENT DÉSENDETTEMENT AUX ÉTATS-UNIS Faits saillants
Plus en détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailwww.cas-marketing.fr Retrouvez des études de cas marketing pratiques! iphone : Succès commercial ou Manipulation médiatique?
Retrouvez des études de cas marketing pratiques! iphone : Succès commercial ou Manipulation médiatique? L histoire d un mobile C'est en 2002 qu'apple a pensé à créer ce qui est aujourd'hui l'iphone L histoire
Plus en détailFormat de l avis d efficience
AVIS D EFFICIENCE Format de l avis d efficience Juillet 2013 Commission évaluation économique et de santé publique Ce document est téléchargeable sur www.has-sante.fr Haute Autorité de santé Service documentation
Plus en détailPackage TestsFaciles
Package TestsFaciles March 26, 2007 Type Package Title Facilite le calcul d intervalles de confiance et de tests de comparaison avec prise en compte du plan d échantillonnage. Version 1.0 Date 2007-03-26
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailLoi fédérale contre la concurrence déloyale (LCD) du 19 décembre 1986
Loi fédérale contre la concurrence déloyale (LCD) du 19 décembre 1986 (État le 10 décembre 2002) 241 TABLE DES MATIÈRES Articles Chapitre premier : But... 1 er Chapitre 2 : Section 1 : Section 2 : Section
Plus en détailFICHE OBLIGATIONS LEGALES
FICHE OBLIGATIONS LEGALES L article 99 de la loi n 2010-1330 du 9 novembre 2 010 portant réforme des retraites a instauré, à compter du 1 er janvier 2012, pour les entreprises dont l effectif est au moins
Plus en détailORGANISME DE PLACEMENT COLLECTIF DE TYPE A
ANNEXE A ORGANISME DE PLACEMENT COLLECTIF DE TYPE A HYPOTHÈSES RELATIVES AUX EXEMPLES N o 1 À N o 4 : Le prix à la date de l opération est de 10 $ la part pour le Fonds d actions et de 11 $ la part pour
Plus en détailLecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888
Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques
Plus en détailAnalyse en temps réel du trafic des Internautes
Analyse en temps réel du trafic des Internautes Toute entreprise doit être en mesure d analyser le trafic de son site web et d obtenir une vue précise de son efficacité en temps réel SOMMAIRE Aperçu p.
Plus en détailDécision n 12-DCC-163 du 29 novembre 2012 relative à la prise de contrôle exclusif de la société Natixis Financement par le groupe BPCE
RÉPUBLIQUE FRANÇAISE Décision n 12-DCC-163 du 29 novembre 2012 relative à la prise de contrôle exclusif de la société Natixis Financement par le groupe BPCE L Autorité de la concurrence, Vu le dossier
Plus en détailArbres binaires de décision
1 Arbres binaires de décision Résumé Arbres binaires de décision Méthodes de construction d arbres binaires de décision, modélisant une discrimination (classification trees) ou une régression (regression
Plus en détailRédaction d un Plan d affaires
Rédaction d un Plan d affaires Catherine Raymond 2001 INTRODUCTION Raisons qui ont motivé la rédaction du plan d affaires Personnes ou organismes qui ont collaboré à l élaboration du plan d affaires Sommaire
Plus en détailDÉCISION DU TRIBUNAL DE LA SÉCURITÉ SOCIALE Division générale Assurance-emploi
Citation : R. G. c. Commission de l assurance-emploi du Canada, 2014 TSSDGAE 10 Appel n o : GE-13-2316 ENTRE : R. G. Appelant Prestataire et Commission de l assurance-emploi du Canada Intimée DÉCISION
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
Plus en détail1 Définition de la non stationnarité
Chapitre 2: La non stationnarité -Testsdedétection Quelques notes de cours (non exhaustives) 1 Définition de la non stationnarité La plupart des séries économiques sont non stationnaires, c est-à-direqueleprocessusquiles
Plus en détailRecommandation sur les conventions concernant la distribution des contrats d assurance vie
Recommandation sur les conventions concernant la distribution des contrats d assurance vie 2014-R-01 du 3 juillet 2014 1. Contexte L analyse des pratiques et des conventions observées sur le marché de
Plus en détailAvis 52-306 du. compte du. passage aux les émetteurs. Objet. Le présent. l émetteur»). établir PCGR. » s entend financière ou des. financiers.
. Avis 52-306 du personnel des Autorités canadiennes en valeurs mobilières (révisé) Mesures financières non conformes aux PCGR et autres mesuress conformes aux PCGR Le 9 novembre 2010 Révision et nouvelle
Plus en détailPrésident : M. Blin, conseiller le plus ancien faisant fonction., président REPUBLIQUE FRANCAISE AU NOM DU PEUPLE FRANCAIS
Le : 22/11/2011 Cour de cassation chambre criminelle Audience publique du 10 avril 1997 N de pourvoi: 96-83152 Publié au bulletin Rejet Président : M. Blin, conseiller le plus ancien faisant fonction.,
Plus en détailCOMMISSION DES NORMES COMPTABLES. Avis CNC 2010-5 - Calcul des critères de l article 15 C.Soc.
COMMISSION DES NORMES COMPTABLES Avis CNC 2010-5 - Calcul des critères de l article 15 C.Soc. Avis du 19 mai 2010 L article 15 opère une distinction, sur la base du chiffre d affaires annuel, du total
Plus en détailCirculaire du 7 juillet 2009
RÉPUBLIQUE FRANÇAISE Ministère de l économie, de l industrie et de l emploi NOR : ECEC0907743C Circulaire du 7 juillet 2009 concernant les conditions d application de l arrêté du 31 décembre 2008 relatif
Plus en détailNorme comptable internationale 21 Effets des variations des cours des monnaies étrangères
Norme comptable internationale 21 Effets des variations des cours des monnaies étrangères Objectif 1 Une entité peut exercer des activités à l international de deux manières. Elle peut conclure des transactions
Plus en détailProbabilité et Statistique pour le DEA de Biosciences. Avner Bar-Hen
Probabilité et Statistique pour le DEA de Biosciences Avner Bar-Hen Université Aix-Marseille III 2000 2001 Table des matières 1 Introduction 3 2 Introduction à l analyse statistique 5 1 Introduction.................................
Plus en détailT de Student Khi-deux Corrélation
Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes
Plus en détailBNP Paribas Diversipierre. Société de Placement à Prépondérance Immobilière à Capital Variable. Document à caractère publicitaire
BNP Paribas Diversipierre Société de Placement à Prépondérance Immobilière à Capital Variable Document à caractère publicitaire RISQUES BNP Paribas Diversipierre est un OPCI (Organisme de Placement Collectif
Plus en détailUne variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants)
CIVILITE-SES.doc - 1 - Une variable binaire prédictrice (VI) et une variable binaire observée (VD) (Comparaison de pourcentages sur 2 groupes indépendants) 1 PRÉSENTATION DU DOSSIER CIVILITE On s intéresse
Plus en détailConseil économique et social
NATIONS UNIES E Conseil économique et social Distr. GÉNÉRALE ECE/CES/GE.20/2008/3 12 février 2008 FRANÇAIS Original: ANGLAIS COMMISSION ÉCONOMIQUE POUR L EUROPE CONFÉRENCE DES STATISTICIENS EUROPÉENS Réunion
Plus en détailCOMPTE RENDU. Atelier-débat avec les futurs clients éligibles. 25 septembre 2002
Paris, le 17 octobre 2002 COMPTE RENDU Atelier-débat avec les futurs clients éligibles 25 septembre 2002 *** I La fourniture d électricité... 2 Les clients éligibles peuvent-ils acheter leur électricité
Plus en détailEvolution des risques sur les crédits à l habitat
Evolution des risques sur les crédits à l habitat n 5 février 2012 1/17 SOMMAIRE 1. PRINCIPALES CARACTÉRISTIQUES DE LA PRODUCTION... 4 2. ANALYSE DÉTAILLÉE DES INDICATEURS DE RISQUE... 8 2.1 Montant moyen
Plus en détailINITIATION À LA COMPTABILITÉ GÉNÉRALE
Comptabilité 155 INITIATION À LA COMPTABILITÉ GÉNÉRALE Etre capable d assurer le suivi quotidien des opérations courantes dans une entreprise afin de faciliter les échanges avec son expert comptable. Assistante
Plus en détailExemples d application
AgroParisTech Exemples d application du modèle linéaire E Lebarbier, S Robin Table des matières 1 Introduction 4 11 Avertissement 4 12 Notations 4 2 Régression linéaire simple 7 21 Présentation 7 211 Objectif
Plus en détailProcessus de validation des coûts à l appui de l attestation par l DPF
ASSISTANT DEPUTY MINISTER (FINANCE AND CORPORATE SERVICES) SOUS-MINISTRE ADJOINT (FINANCES ET SERVICES DU MINISTÈRE) Processus de validation des coûts à l appui de l attestation par l DPF Allan Weldon!
Plus en détailApplication sur le Dispositif en Blocs Complètement Randomisés
Roger Vumilia. KIZUNGU Directeur de l Expérimentation Agricole à l INERA Professeur Associé Faculté des Sciences Agronomiques Université de Kinshasa Utilisation des Logiciels de base dans la Recherche
Plus en détailConférence EIFR 18 décembre 2014
Conférence EIFR 18 décembre 2014 Prudentiel/Pratiques commerciales bancaires et assurances Marie-Agnès NICOLET Regulation Partners Présidente fondatrice 35, Boulevard Berthier 75017 Paris marieagnes.nicolet@regulationpartners.com
Plus en détailEconométrie et applications
Econométrie et applications Ecole des Ponts ParisTech Département Sciences Economiques Gestion Finance Nicolas Jacquemet (nicolas.jacquemet@univ-paris1.fr) Université Paris 1 & Ecole d Economie de Paris
Plus en détailPROGRAMME (Susceptible de modifications)
Page 1 sur 8 PROGRAMME (Susceptible de modifications) Partie 1 : Méthodes des revues systématiques Mercredi 29 mai 2013 Introduction, présentation du cours et des participants Rappel des principes et des
Plus en détailAssociations Dossiers pratiques
Associations Dossiers pratiques Le tableau de bord, outil de pilotage de l association (Dossier réalisé par Laurent Simo, In Extenso Rhône-Alpes) Difficile d imaginer la conduite d un bateau sans boussole
Plus en détailRapport S 3.2 «Informations non bilantaires»
Rapport S 3.2 «Informations non bilantaires» Banque centrale du Luxembourg Sommaire 1 Introduction...3 1.1 Population déclarante...3 1.2 Périodicité et délai de communication...3 2 Renseignement des opérations...4
Plus en détailLE GRAND ÉCART L INÉGALITÉ DE LA REDISTRIBUTION DES BÉNÉFICES PROVENANT DU FRACTIONNEMENT DU REVENU
LE GRAND ÉCART L INÉGALITÉ DE LA REDISTRIBUTION DES BÉNÉFICES PROVENANT DU FRACTIONNEMENT DU REVENU RÉSUMÉ Une étude de Tristat Resources commandée par l Institut Broadbent démontre que la majorité des
Plus en détailLe risque Idiosyncrasique
Le risque Idiosyncrasique -Pierre CADESTIN -Magali DRIGHES -Raphael MINATO -Mathieu SELLES 1 Introduction Risque idiosyncrasique : risque non pris en compte dans le risque de marché (indépendant des phénomènes
Plus en détailEfficacité des Modules Maintenance dans les ERP.
Efficacité des Modules Maintenance dans les ERP. Les progiciels ERP (Entreprise Ressource Planning) proposent l ensemble des modules permettant de gérer une entreprise. Mais le module Maintenance est souvent
Plus en détailCommuniqué de presse Nos très chères banques
Union Fédérale des Consommateurs QUE CHOISIR de Nouvelle-Calédonie 8 rue Lacave-Laplagne BP 2357-98846 NOUMEA CEDEX Tél/Fax : (687) 28.51.20 Courriel : contact@nouvellecaledonie.ufcquechoisir.fr Site :
Plus en détailAnalyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9
Analyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9 L analyse de variance à un facteur permet de vérifier, moyennant certaines hypothèses, si un facteur (un critère de classification,
Plus en détailSection Configuration
8 Section Configuration MailCleaner s adapte aisément à vos besoins et à votre mode de travail. La section Configuration comporte six rubriques de base : Préférences d interface, Mode de filtrage, Page
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
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 détailDegré de confiance pour les indicateurs de performance : degré de fiabilité du processus de production et écart significatif 1
Degré de confiance pour les indicateurs de performance : degré de fiabilité du processus de production et écart significatif 1 L utilisation des indicateurs de performance ne peut se faire de manière pertinente
Plus en détailLa règlementation autour du cadeau d affaire et promotionnel
La règlementation autour du cadeau d affaire et promotionnel Le cadeau d affaires et l objet promotionnel n échappent pas à la règlementation fiscale. Qu il s agisse d un cadeau de fin d année pour un
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailRégler les paramètres de mesure en choisissant un intervalle de mesure 10µs et 200 mesures.
TP Conversion analogique numérique Les machines numériques qui nous entourent ne peuvent, du fait de leur structure, que gérer des objets s composés de 0 et de. Une des étapes fondamentale de l'interaction
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailCOMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES
J. sci. pharm. biol., Vol.9, n - 00, pp. 9-0 EDUCI 00 9 VALLEE POLNEAU S.* DIAINE C. COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES Notre étude visait à comparer les résultats obtenus
Plus en détailPOLITIQUE D EXECUTION DE TRADITION (*)
POLITIQUE D EXECUTION DE TRADITION (*) Cette politique d exécution s applique aux services d intermédiation financière, qui vous sont fournis par les Sociétés du Groupe de Tradition (collectivement connues
Plus en détailBuild Your Island 2014 Annexe TFR 1
Build Your Island 2014 Annexe TFR 1 1 2 1 L importance du TFR... 3 2 Complexité du protocole de calcul... 3 2.1 Les indicateurs... 3 2.2 Les Dynamiques... 4 2.3 Le Taux de Fréquentation Espéré, une hypothèse
Plus en détailPrimes à l acquisition
Primes à l acquisition INFORMATIONS GÉNÉRALES Statistiques voisines Périodicité Ponctualité Propriété La prime à l acquisition est une aide financière, d'un montant forfaitaire de 745 EUR, qui peut être
Plus en détailLE TABLEAU DE BORD DE SUIVI DE L ACTIVITE
TABLEAU DE BORD LE TABLEAU DE BORD DE SUIVI DE L ACTIVITE DEFINITION Le tableau de bord est un support (papier ou informatique) qui sert à collecter de manière régulière des informations permettant de
Plus en détailUne nouvelle génération de calculatrices avec des fonctions spécifiques, pour le grand public
Une nouvelle génération de calculatrices avec des fonctions spécifiques, pour le grand public Des outils utiles, astucieux, simple d utilisation pour vous faciliter la vie DUO INVEST Le premier simulateur
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 détailCours d initiation à la programmation en C++ Johann Cuenin
Cours d initiation à la programmation en C++ Johann Cuenin 11 octobre 2014 2 Table des matières 1 Introduction 5 2 Bases de la programmation en C++ 7 3 Les types composés 9 3.1 Les tableaux.............................
Plus en détailDécision du 20 juin 2013 Cour des plaintes
B u n d e s s t r a f g e r i c h t T r i b u n a l p é n a l f é d é r a l T r i b u n a l e p e n a l e f e d e r a l e T r i b u n a l p e n a l f e d e r a l Numéros de dossiers: BP.2013.27-36 (Procédure
Plus en détailESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring
ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring Les méthodes d évaluation du risque de crédit pour les PME et les ménages Caractéristiques Comme les montants des crédits et des
Plus en détailANALYSE GLOBALE DES PROGRAMMES DE LA SHQ. SQEP 18 novembre 2011
ANALYSE GLOBALE DES PROGRAMMES DE LA SHQ SQEP 18 novembre 2011 Contexte Problématiques Objectifs Cadre conceptuel Étude comparative des programmes - Modèle matriciel de comparaison (indice ICP) - Grille
Plus en détailPratique. Égalité professionnelle entre les femmes et les hommes. Guide destiné aux entreprises
UIDE Pratique Égalité professionnelle entre les femmes et les hommes Guide destiné aux entreprises P GUIDE Pratique p.2 - Égalité professionnelle entre les femmes et les hommes RÉAMBULE L égalité professionnelle
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailQuelle qualité de l air au volant? Premiers éléments de réponse en Ile-de-France
Quelle qualité de l air au volant? ---------------------------- Les automobilistes sont nettement plus exposés à la pollution atmosphérique que les piétons, même à proximité des grands axes. Tel est le
Plus en détailAssurance gratuite contre la perte de revenus
Assurance gratuite contre la perte de revenus INFORMATIONS GÉNÉRALES Statistiques voisines Périodicité Ponctualité Propriété L assurance gratuite contre la perte de revenus est une assurance souscrite,
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détail