UE 4 : Évaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé
|
|
- Antonin Lambert
- il y a 6 ans
- Total affichages :
Transcription
1 UE 4 : Évaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé
2 BIOMATHÉMATIQUES I. Les unités de bases du SI (système international) II. Les 5 M III. Étude d une fonction IV. La linéarisation V. Les incertitudes de mesure
3 I. Les unités de bases du SI Les unités de bases du SI sont au nombre de par cœur. 7 et sont à savoir Nom Unité Symbole Longueur (l) mètre m Masse (m) kilogramme kg Temps, durée (t) seconde s Courant électrique (I) ampère A Température thermodynamique (T) Quantité de matière (n) Intensité lumineuse (I v ) kelvin Mole candela K mol cd
4 À partir des unités de base du SI, on forme les dérivées du SI. unités On peut trouver par exemple, la superficie (m²), le volume (m 3 ), la vitesse (m/s)
5 II. Les 5M Les 5M sont : - moyen - milieu - matière - main d oeuvre - mode opératoire Toute modification des 5M affecte la mesure.
6 III. Étude de fonction Pour trouver le sens de variation d une courbe, on calcule sa dérivée première. Si elle est positive, la courbe est croissante. Si elle est négative, le courbe est décroissante. Si elle est nulle en un point, la courbe présente une tangente horizontale (extremum ou point d inflexion).
7 Pour trouver la concavité d une courbe, on calcule sa dérivée seconde (la dérivée de la dérivée). Si elle est positive, on est content J, la concavité est tournée vers le haut, la courbe est au-dessus de ses tangentes. Si elle est négative, on n est pas content L, la concavité est tournée vers le bas, la courbe est en dessous de ses tangentes. Si elle est nulle en un point et qu il y a un changement de signe de la dérivée 1 ère, il existe un point d inflexion c est-à-dire un changement de concavité.
8 QCM : On s intéresse à la fonction N = N 0 e &3kx, k et N₀ sont des constantes positives. Cochez la ou les réponse exactes A. Le domaine d étude de cette fonction est R. B. Sa dérivée première est : N = 3N. e &012. C.Elle est croissante sur son ensemble de définition. D.Sa dérivée seconde est : N = 9k 5 N. e &012 E. Sa courbe présente une concavité dirigée vers le bas. Réponses : A C E
9 IV. La linéarisation Le but de la linéarisation est d obtenir, à partir de n importe quelle équation, une fonction linéaire d équation Y = ax + b. Exemple : u Prenons la fonction y = 3x² + 5, elle n est pas sous la forme Y = ax + b. On pose alors que X = x², et on obtient y = 3X + 5. On a alors une fonction de type y = ax + b avec Y = y, X = x², a = 3 et b = 5. u Prenons la fonction y = 6 x>2. Pour la mettre sous la forme ax + b, nous allons inverser le quotient : on obtient alors 1 = x>2 = x + 2 = 1 x + 2 y et on obtient bien notre fonction de type Y = ax + b avec Y = 1/y, X = x, a = 1/6 et b = 2/6 u Prenons la fonction y = Ce &kx, pour la mettre sous forme Y = ax + b, on passe par les ln : ln y = ln C kx, on obtient bien une équation de type Y = ax + b avec X = x, Y = lny, a = -k, b = lnc.
10 III. Les incertitudes de mesure Il existe deux méthodes pour calculer une incertitude de mesure : - - La méthode de la différentielle totale La méthode des différentielles logarithmiques
11 1. La méthode de la différentielle totale La méthode de la différentielle totale est applicable dans tous les cas (sommes, différences, multiplication, division). La différentielle totale est la somme des différentielles partielles Prenons la fonction u x, y, z = 2x 0 + y 3z 1. On dérive en fonction de x, c est-à-dire que l on considère y et z comme des constantes : δu δx = 6x² 2. On dérive en fonction de y, c est-à-dire que l on considère x et z comme des constantes : δu δy = 1 3. On dérive en fonction de z, c est-à-dire que l on considère x et y comme des constantes : δu δz = 3 Pour obtenir la différentielle totale, on fait la somme des différentielles partielles : du = 6x 2 dx + 1 dy + 3 dz
12 Ensuite, pour obtenir l incertitude absolue de u, on fait la valeur absolue de la différentielle totale : c est la majoration : Donc si on remplace x = 2,0 ± 0,1 ; y = 7,0 ± 0,2 ; z = 6,0 ± 0,3 L incertitude absolue Δu est égale à : u = 6x² x + y + 3 z = , 1 + 0, , 3 = 2, 4 + 0, 2 + 0, 9 = 3, 5 L incertitude relative est égale à : [ [ = 3,5 5 u = δu δx x + δu δy y + δu δz z u = 6x 2 x + 1 y + 3 z u = 6x² x + y + 3 z = 0, 7 = 70% ATTENTION : L incertitude absolue a les unités de la grandeur mesurée. L incertitude relative n a pas d unité, elle est exprimée en pourcentage.
13 2. La méthode de la différentielle logarithmique La méthode de la différentielle logarithmique n est utilisable que pour les multiplications et les divisions. Prenons la fonction u = xy 1. On passe sous la forme logarithmique : ln u = ln xy = ln x + ln y 2. On fait la différenciation : d (ln u) = du u = 1 x dx + 1 y dy 3. On majore (en utilisant les valeurs absolues) : [ = 1 [ x x + 1 y y Si x = 2,0 ± 0,5 et y = 4,0 ± 0,2, u u = 1 2 0, , 2 = 0, , 05 = 0, 30 = 30% 4 On a obtenu l incertitude relative Pour obtenir l incertitude absolue : u u = 0, 30 or u = 8, 0 donc u = 2, 4
14 APPLICATIONS Application 1 : Soit la fonction y = 5t² + 7, Question 1 : Quel est son domaine de définition? La variable est un temps donc son domaine de définition est R >. Question 2 : Quelle est sa dérivée première, et que peut-on en déduire? y u = 10t > 0, donc la fonction est croissante sur son domaine de définition. Question 3 : Quelle est sa dérivée seconde, et que peut-on en déduire? y u = 10 > 0, donc la courbe a une concavité tournée vers le haut et une courbe au-dessus de ses tangentes. Question 4 : Mettre la fonction sous la forme d une fonction affine. On pose X = t², on obtient alors une équation de type ax + b avec a = 5, X = t² et b = 7
15 La dérivée d une fonction de type u n est n. u n&1. u
16 Application 2 : Soit la fonction y = 0 2²>w5, Question 1 : Quel est son domaine de définition? Elle est définie sur R. Question 2 : Quelle est sa dérivée première, et que peut-on en déduire? On peut mettre la fonction sous la forme y = 3 (x ) &w. On dérive : y u = 1 3 x &5 2x = 6x x &5 = x2 2 y >w5 y < 0 donc la fonction est décroissante. Question 3 : Mettre la fonction sous la forme d une fonction affine. On inverse la fonction : w = 2²>w5 = w w5 x² + = w x² + 4 et on a bien une { fonction de type Y = ax + b avec Y = w, a = w, X = x² et b = 4. } 0
17 BIOSTATISTIQUES A. Rappels de terminale : I. Définitions II. III. IV. Les différents types de variables La répartition des valeurs des variables (vocabulaire) La représentation des variables V. Les paramètres B. Introduction à la statistique inductive : I. Ecart réduit II. III. Intervalle de pari / de confiance Tests
18 A. Rappels de terminale I. Définitions Population : Ensemble fini dont chaque élément peut être observé (ex : les français de 12 à 25 ans) Individu : Échantillon : Variable : Tout élément de la population (peut être un objet) (ex : un français de 21 ans) Sous ensemble de la population prélevé afin d étudier une variable de la population (ex : 100 personnes tirées au sort parmi les français de 12 à 25 ans) Caractère étudié (ex : poids, taille, nombre d enfants, etc)
19 II. Les différents types de variable 1. Une variable est dite qualitative si elle correspond à un état (sexe, état civil ). Elle peut être alors : - À 2 modalités (binaire ou dichotomique) : sexe (masculin/féminin), survie (mort/vivant) - À k > 2 modalités : état civil (célibataire, marié, veuf, concubin, séparé ) couleur des cheveux.
20 2. Une variable est dite quantitative si elle résulte d une mesure. Elle peut être alors : discrète ou discontinue si elle ne peut prendre que des valeurs entières : le nombre d enfants (1, 2, 3 ) continue si elle peut prendre toute valeur numérique (entière ou non) : glycémie (1,00 ; 1,01 ; 1,02 ; ), taille
21 Enfin, une variable est dite ordinale s il existe un ordre objectif sur ses valeurs : donc toute variable quantitative est ordinale. Une variable qualitative ordinale avec des modalités numériques est dite semi-quantitative. Exemple : la douleur (absente, faible, modérée, forte) est une variablequalitative (résulte d un état) et ordinale (il existe un ordre objectif). Si on y ajoute des modalités numériques tel que : 0 = absente, 1 = faible, 2 = modérée, 3 = forte, alors la variable est dite semi-quantitative.
22 APPLICATIONS Application 1 : Prenons la variable «moyen de transport» (pieds, bus, voiture, mobylette, vélo, hélicoptère), quel est le type de variable? C est une variable qualitative à k = 6 modalités. Application 2 : Prenons la variable «la longueur des pieds en cm», quel est le type de variable? C est une variable quantitative continue et ordinale comme toutes les variables quantitatives. Application 3 : Prenons la variable «le nombre de glace vendue chez Miss Cookie», quel est le type de variable? C est une variable quantitative discrète et ordinale comme toutes les variables quantitatives.
23 III. La répartition des valeurs des variables (vocabulaire) 1. Pour une variable qualitative non ordinale : Pour représenter une variable X, observable chez N individus, on ordonne ses valeurs dans un tableau de fréquences où on retrouve ces paramètres : N : Effectif total n : Fréquence absolue : l effectif n correspondant à la modalité x. f : Fréquence relative : le quotient de l effectif n par l effectif total N.
24 2. Pour une variable qualitative ordinale : Dans le tableau de fréquences représentant une variable qualitative ordinale, on peut ordonner les k modalités et ainsi calculer de nouveaux paramètres : N : Effectif cumulé/ fréquence cumulée absolue : l addition de tous les effectifs simples jusqu à celui d indice i inclus. F : Fréquence cumulée relative : le quotient de la fréquence cumulée absolue par l effectif total.
25 3. Pour une variable quantitative : Pour une variable quantitative discrète, le tableau des fréquences est le même que pour une variable qualitative ordinale. En revanche pour une variable quantitative continue, il est nécessaire de classer les valeurs dans des intervalles contigus en fixant des limites pour les intervalles (l intervalle est ouvert à la limite supérieure). Il existe ainsi d autres paramètres calculables : a : amplitude de classe : limite supérieure limite inférieure. c : centre de la classe: la moyenne de ses limites. Densité d effectif : le quotient d une fréquence absolue n par l amplitude a.
26 IV. La représentation des variables Variable qualitative Histogramme en barres Diagramme circulaire Diagramme figuratif Diagramme cumulatif en barre (seulement pour une variable qualitative ordinale) Variable quantitative discrète Histogramme en bâtons Diagramme cumulatif en escalier Variable quantitative continue Histogramme en rectangle Diagramme cumulatif en ligne brisée
27 V. Les paramètres 1. Les paramètres de position Mode : Médiane : Modalité correspondant au maximum de densité de fréquence ou d effectif. Il peut ne pas exister, ou ne pas être unique (la distribution sera alors dite bimodale, trimodale, etc) Valeur de la variable telle que la fréquence des valeurs qui lui soient inférieures ou égales soit égale à la fréquence des valeurs qui lui sont supérieures. Elle n existe pas pour les variables qualitatives et peut ne pas exister pour les quantitatives discrètes. Moyenne : µ = x j. f j Ces trois paramètres ont pour unité l unité de la variable.
28 2. Les paramètres de dispersion Étendue : Variance : différence entre la plus grande et la plus petite valeur observée. σ² = 1 N x i² μ² = x i² N. μ² N Ecart type : σ = σ² L étendue et l écart type ont pour unité l unité de la variable, mais la variance, elle, a pour unité celle de la variable mise au carré.
29 B. Introduction à la statistique inductive La statistique inductive cherche à approximer les paramètres de la population à partir des paramètres de l échantillon.
30 I. Ecart réduit Pour comparer des variables, il est important de les standardiser, il faut ainsi centrer-réduire les variables. On dit qu on la centre en comparant son écart à la moyenne (X μ) et qu on la réduit en rapportant cet écart à l écart-type. avec μ= moyenne et σ= écart type U = X μ De la même manière, on peut standardiser la moyenne μ et obtenir l écart réduit. m μ U = σ 2 n L écart réduit Fluctue autour de 0 et respecte la loi normale.. En statistique inductive, on utilise cet écart réduit pour réaliser des paris et ainsi obtenir des intervalles de pari et de confiance. On peut aussi lancer des tests avec l écart réduit. σ
31 II. Intervalle de paris / de confiance On sait que l écart réduit fluctue selon une loi normale qui peut être caractérisé par cette probabilité : Proba( a < U < +a) = 1 α Grace à cette loi, on peut réaliser un pari au risque α et ainsi on obtient : L intervalle de pari qui permet d encadrer la valeur de la moyenne de l échantillon en fonction de la moyenne de la population : μ a σ2 n < m < μ + a L intervalle de confiance qui encadre la moyenne de la population en fonction de la moyenne de l échantillon. σ2 n m a σ2 n < μ < m + a σ2 n
32 III. Tests Les tests sont des tests d hypothèses la vérification d une hypothèse H 0. car ils se basent sur Il existe deux types de tests : Test de conformité : on compare un échantillon à une population afin de voir si l échantillon est représentatif de la population. Test d homogénéité : on compare 2 échantillons entre eux pour voir s ils sont significativement différents ou pas.
33 La démarche à suivre est codifiée : 1) Définition de la population et du/des échantillon(s). 2) Définition de la variable : binaire, qualitative, quantitative,... 3) Choix du type de test : conformité, homogénéité 4) Définir les hypothèses : H. et H w (l hypothèse inverse de H. ). 5) Choisir la loi de probabilité. 6) Faire les calculs sous H.. 7) Prendre la décision de rejeter ou non H. (jamais décider sur H w ). 8) Conclure.
34 ÉPIDÉMIOLOGIE I. Taux de mortalité II. Taux d incidence III. Taux de prévalence
35 I. Le taux de mortalité Il s agit du rapport, pendant une année donnée, des décès enregistrés dans une population à l effectif moyen de cette population (effectif moyen = effectif au milieu de l année, ou moyenne des effectifs en début et fin d année). T = Nombre de décès N. 10 n N : nombre d individus dans la population n : on multiplie les taux par une puissance de 10 pour les rapporter à une population fictive de 1000, , individus.
36 II. Le taux d incidence Il s agit du nombre de nouveaux cas d une maladie apparus dans une population pendant une période donnée. I = Nombre de cas nouveaux pendant une période Nombre d u individus composant la population pendant cette période. 10n
37 III. Le taux de prévalence Il s agit du nombre de cas d une maladie existant dans une population pendant une période donnée. P = Nombre de cas existant pendant une période Nombre d u individus composant la population pendant cette période. 10n
38 BIOPROBABILITÉS I. Quelques définitions II. Opérations III. Probabilité conditionnelle IV.Formule des probabilités totales
39 I. Quelques définitions o Expérience aléatoire : expérience dont le résultat ne peut être prédit à l avance de manière certaine (ex : lancer de dé). o Ensemble fondamentale : ensemble des résultats possibles noté S. o Evénement élémentaire : tout élément de S. o Evénement : toute proposition logique associé aux résultats de l expérience auquel on peut associer un sous-ensemble de S. A B : événement qui se produit si «A ou B» est réalisé. A B : événement qui se produit si «A et B» est réalisé. C(A) : événement complémentaire de A (= A )
40 II. Opérations 0 P A 1 P S = 1 Si A et B s excluent mutuellement : P A B = P A + P B et P A B = 0 Sinon : P A B = P A + P B P A B Si A et B sont indépendants (compatibles mais ils ne s influencent pas entre eux) : P A B = P A P B
41 III. Probabilité conditionnelle Définitions : Probabilité que A se produise sachant que E s est produit auparavant. P A E = P(A E) P(E) Théorème de Bayes : P A B = ¼ ½ ¾ ¼ = P A i P(B A i ) P B
42 IV. Formule des probabilités totales P B = P(A i B)
Statistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailMesures et incertitudes
En physique et en chimie, toute grandeur, mesurée ou calculée, est entachée d erreur, ce qui ne l empêche pas d être exploitée pour prendre des décisions. Aujourd hui, la notion d erreur a son vocabulaire
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en 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 détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailC f tracée ci- contre est la représentation graphique d une
TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe
Plus en détailBACCALAURÉAT PROFESSIONNEL SUJET
SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)
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 détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailItems étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire
CHAPITRE N5 FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION Code item D0 D2 N30[S] Items étudiés dans le CHAPITRE N5 Déterminer l'image
Plus en 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 détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailSERIE 1 Statistique descriptive - Graphiques
Exercices de math ECG J.P. 2 ème A & B SERIE Statistique descriptive - Graphiques Collecte de l'information, dépouillement de l'information et vocabulaire La collecte de l information peut être : directe:
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
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 détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailExercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible»
Exercice du cours Gestion Financière à Court Terme : «Analyse d un reverse convertible» Quand la trésorerie d une entreprise est positive, le trésorier cherche le meilleur placement pour placer les excédents.
Plus en détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailCatalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands.
Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands. Pourquoi un autre catalogue en Suisse romande Historique En 1990, la CRUS (Conférences des
Plus en détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
Plus en détailFonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme
Fonctions linéaires et affines 3eme 1 Fonctions linéaires 1.1 Vocabulaire Définition 1 Soit a un nombre quelconque «fixe». Une fonction linéaire associe à un nombre x quelconque le nombre a x. a s appelle
Plus en détailInitiation à la Mécanique des Fluides. Mr. Zoubir HAMIDI
Initiation à la Mécanique des Fluides Mr. Zoubir HAMIDI Chapitre I : Introduction à la mécanique des fluides 1 Introduction La mécanique des fluides(mdf) a pour objet l étude du comportement des fluides
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
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 détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
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 détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en détailBaccalauréat technique de la musique et de la danse Métropole septembre 2008
Baccalauréat technique de la musique et de la danse Métropole septembre 008 EXERCICE 5 points Pour chacune des cinq questions à 5, trois affirmations sont proposées dont une seule est exacte. Pour chaque
Plus en détailO, i, ) ln x. (ln x)2
EXERCICE 5 points Commun à tous les candidats Le plan complee est muni d un repère orthonormal O, i, j Étude d une fonction f On considère la fonction f définie sur l intervalle ]0; + [ par : f = ln On
Plus en détailExamen d informatique première session 2004
Examen d informatique première session 2004 Le chiffre à côté du titre de la question indique le nombre de points sur 40. I) Lentille électrostatique à fente (14) Le problème étudié est à deux dimensions.
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailComplément d information concernant la fiche de concordance
Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours
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 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 détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailIncertitudes expérimentales
Incertitudes expérimentales F.-X. Bally et J.-M. Berroir Février 2013 Table des matières Introduction 4 1 Erreur et incertitude 4 1.1 Erreurs............................................. 4 1.1.1 Définition
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
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 détailDérivées et différentielles des fonctions de plusieurs variables
UE4 : Evaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé Analyse Chapitre 6 : Dérivées et différentielles des fonctions de plusieurs variables Christelle MELODELIMA Année
Plus en détailTerminale STMG Lycée Jean Vilar 2014/2015. Terminale STMG. O. Lader
Terminale STMG O. Lader Table des matières Interrogation 1 : Indice et taux d évolution........................... 2 Devoir maison 1 : Taux d évolution................................ 4 Devoir maison 1
Plus en 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 détailChapitre 2 Les ondes progressives périodiques
DERNIÈRE IMPRESSION LE er août 203 à 7:04 Chapitre 2 Les ondes progressives périodiques Table des matières Onde périodique 2 2 Les ondes sinusoïdales 3 3 Les ondes acoustiques 4 3. Les sons audibles.............................
Plus en détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailIntroduction à la statistique descriptive
Chapitre chapitre 1 Introduction à la statistique descriptive Les méthodes de la statistique descriptive (statistique déductive) permettent de mener des études à partir de données exhaustives, c est-à-dire
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 détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailMéthode : On raisonnera tjs graphiquement avec 2 biens.
Chapiittrre 1 : L uttiilliitté ((lles ménages)) Définitions > Utilité : Mesure le plaisir / la satisfaction d un individu compte tenu de ses goûts. (On s intéresse uniquement à un consommateur rationnel
Plus en détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailRessources pour le lycée général et technologique
éduscol Ressources pour le lycée général et technologique Ressources pour la classe de terminale générale et technologique Exercices de mathématiques Classes de terminale S, ES, STI2D, STMG Ces documents
Plus en détailTS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S
FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences
Plus en détailFonctions de plusieurs variables et applications pour l ingénieur
Service Commun de Formation Continue Année Universitaire 2006-2007 Fonctions de plusieurs variables et applications pour l ingénieur Polycopié de cours Rédigé par Yannick Privat Bureau 321 - Institut Élie
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailDUT Techniques de commercialisation Mathématiques et statistiques appliquées
DUT Techniques de commercialisation Mathématiques et statistiques appliquées Francois.Kauffmann@unicaen.fr Université de Caen Basse-Normandie 3 novembre 2014 Francois.Kauffmann@unicaen.fr UCBN MathStat
Plus en détail8 Ensemble grand-canonique
Physique Statistique I, 007-008 8 Ensemble grand-canonique 8.1 Calcul de la densité de probabilité On adopte la même approche par laquelle on a établi la densité de probabilité de l ensemble canonique,
Plus en détail