CALCUL DU NOMBRE DE REPETITIONS NECESSAIRES POUR LA COMPARAISON DE 2 POURCENTAGES DANS LE CAS DE DONNEES APPARIEES.
|
|
- Marie-Anne Doré
- il y a 6 ans
- Total affichages :
Transcription
1 CALCUL DU NOMBRE DE REPETITIONS NECESSAIRES POUR LA COMPARAISON DE POURCENTAGES DANS LE CAS DE DONNEES APPARIEES. C. LOPEZ Institut de l'elevage Service Biométrie Juillet 00
2 CALCUL DU NOMBRE DE REPETITIONS NECESSAIRES POUR LA COMPARAISON DE POURCENTAGES DANS LE CAS DE DONNEES APPARIEES. Définition du contexte On souhaite comparer le pouvoir de détection d'un appareil E par rapport à celui d'un appareil de référence R vis-à-vis d'une caractéristique biologique B. B est considérée comme présente lorsque son dosage est supérieur à un certain seuil S et considéré comme absente sinon. Les deux appareils sont testés sur les mêmes échantillons. On veut rejeter l appareil E lorsque son pouvoir de détection est statistiquement différent de celui de l appareil R avec un risque de ère espèce α acceptable et une puissance (-β) statistique suffisante. Exemple d'application : comparaison d'un préleveur automatique par rapport à la méthode de prélèvement manuel sur la détection de Listeria monocytogenes dans le lait. Les notations On définit pour un appareil donné l'indicatrice Xi (i=0 si appareil R ; i= si appareil E): Xi = si la caractéristique biologique B est supérieure au seuil S avec l'appareil n i Xi = 0 sinon. On appelle (0) la probabilité de détecter B avec l'appareil de référence R et () la probabilité de détecter B avec l'appareil E sur un même échantillon. (0) = P(X0 = ) = P(B présent appareil R) () = P(X = ) = P(B présent appareil E) Le problème posé revient donc à calculer le nombre N d échantillons nécessaires pour comparer la probabilité () à la probabilité (0) avec une puissance (-β) contrôlée. Remarque : Ces deux probabilités étant définies sur les mêmes échantillons elles ne sont pas indépendantes. Ce sont des probabilités sur "séries appariées". Le tableau suivant donne l'expression des probabilités (i) à partir des probabilités conjointes ij = P(X0=i et X=j). E [X] X = 0 X = R [X0] X0 = X0 = 0 (0) () Tableau : représentation des probabilités de présence de B C. LOPEZ - Institut de l'elevage Service Biométrie juillet 00
3 Remarque : La comparaison des probabilités () et (0) est équivalente à la comparaison des probabilités conjointes 0 et 0. () - (0) = [(0 + )] - [(0 + )] = 0-0 Ces probabilités conjointes mesurent la discordance entre les appareils. 0 = P[(X0=0) et (X=)] = P[B absent avec R et B présent avec E] 0 = P[(X0=) et (X=0)] = P[B présent avec R et B absent avec E] La comparaison de ces probabilités est alors réalisée conditionnellement aux situations de discordance. Remarque 3 : Il est équivalent de comparer 0 à 0 et de comparer à ½ la probabilité P que B soit présent avec E sachant que les appareils donnent des résultats discordants. Lorsque 0 et 0 sont égales (Hypothèse nulle, H0) P = 0 = P = = ( 0 + 0) ( 0 + 0) L'"écart" entre les probabilités 0 et 0 est alors estimé multiplicativement par 0 P ψa l'odds ratio de McNEMAR (947): ψ a = = (ou encore P = ). Cet odds ratio 0 P + ψa est égal à sous l'hypothèse nulle (P=/) et différent de sous l'hypothèse alternative (H) : 0 0 (P /). 0 Détermination du nombre d'échantillons N La détermination se déroule en étapes. - Détermination du nombre d'échantillons discordants m Si Pˆ désigne l'estimateur de la probabilité P et m le nombre d'échantillons sur lesquels il y discordance entre E et R on peut montrer les relations suivantes : Pˆ 4m suit asymptotiquement une loi Normale centrée réduite sous H0. Pˆ suit asymptotiquement une loi Normale de moyenne P * ( P) m variance unité sous H. P et de C. LOPEZ - Institut de l'elevage Service Biométrie juillet 00
4 Pˆ a alors une probabilité α d'être supérieur en valeur absolue à sous H0 où Z( α ) est le fractile (-α/) de la loi Normale centrée réduite. De même Z( Pˆ a une probabilité β d'être inférieur à β) est le fractile (-β) de la loi Normale centrée réduite. Z ( α ) * ( P) 4m P * P Z( β ) * où m On peut montrer que ces deux inégalités sont vérifiées avec m échantillons et des risques α et β fixés lorsque P vérifie l'égalité suivante: P = Z ( On en déduit la valeur de m correspondante: m Z ( ) P * P α ) + Z( β ) [] 4m m ( ) * + Z( β ) * P * ( P) = α * [] P Remarque 4 : Contrairement à ce que suggère l expression [] il n est pas nécessaire de connaître les probabilités de discordance 0 et 0 pour estimer m en raison de la relation liant P et ψ a de la remarque 3. - Détermination du nombre total d'échantillons N Une fois estimé le nombre d'échantillons discordants m le nombre total d'échantillons nécessaires N est obtenu à l'aide de l'expression suivante: m = N * θ [3] où θ est la probabilité d'avoir des résultats discordants sur un échantillon. θ = P[B présent avec R et absent avec E ou B absent avec R et présent avec E] soit θ = 0+0 On ne peut pas calculer cette probabilité car les probabilités de discordance ne sont pas connues. Remarque 5 : Cette probabilité peut être exprimée à partir des probabilité de détection () et (0). θ = P[B présent avec R] * P[B absent avec E B présent avec R] + P[B absent avec R] * P[B présent avec E B absent avec R] [4] C. LOPEZ - Institut de l'elevage Service Biométrie juillet 00 3
5 et des probabilités conditionnelles : P[B absent avec E B présent avec R] = PFN = P[B présent avec E B absent avec R] = PFP = ( (0)) 0 (0) 0, pourcentage de faux négatifs, pourcentage de faux positifs. J.J SCHLESSELMAN (98) propose de prendre une approximation de θ en négligeant l'appariement sur les échantillons. On obtient alors. θ (0) * (-()) + (-(0)) * () [5] La probabilité de détection avec la méthode de référence R, (0), est considérée comme une donnée connue, à tout le moins estimée avec une précision raisonnable. La probabilité de détection avec la méthode E, (), est alors obtenue en fonction de (0) et du odds ratio ψ m de ces deux probabilités marginales par la relation suivante: () 0 () = ψm * avec + 0 * ψm () ( ) () ( () ) ψ m = [6] () 0 ( ()) 0 Démonstration: L'odds ratio ψ s'écrit en fonction des probabilités de détection. où encore () () () () 0 = ψm * () () 0 ( ) ( ) * ( 0 ) = ψm * () 0 * ( () ) * ( 0 + ψm * 0 ) ψm * () 0 Soit () () () = On en déduit l'expression [6]. Cette façon de faire ne semble pas devoir être conseillée. L'hypothèse d'indépendance associée à l'approximation [6] implique en effet des probabilités de discordances incompatibles avec l'odds ratio ψ a fixé à l étape pour déterminer m. Le nombre total d'échantillons N ne peut être estimé sans faire des hypothèses préalables sur les taux d'erreur de diagnostic comme va le montrer l'exemple suivant. Un exemple à ne pas suivre Supposons que nous voulions détecter des écarts de 3 points (3%) entre les prévalences () et (0) avec une probabilité estimée pour la méthode de référence de (0) = 0,. Raisonnons aux risques α =0,05 et β = 0,0. On se fixe comme hypothèse de détecter un odds ratio ψ a =/4, c'est-à-dire un nombre de faux positifs 4 fois plus faible que le / 4 nombre de faux négatifs. La probabilité P est alors égale à P = = et + (/ 4) 5 l'expression [] donne un nombre d'échantillons discordants égal à m=5. C. LOPEZ - Institut de l'elevage Service Biométrie juillet 00 4
6 La probabilité de résultats discordants sous l'hypothèse d'indépendance (expression [5]) fournit une valeur θ = 0, * (-0,08) + (-0,) * 0,08 = 0,7 et au final un nombre d'échantillons total nécessaires de N= 5/0,7= 45. En fait cette estimation ne peut être retenue. L'hypothèse d'indépendance n'est pas tenable ici. Elle correspondrait à des probabilités de résultats discordants 0 = 0,07 (()*(-(0) = 0,08 * (-0,)) et 0 = 0,0 ((-()) * (0)) = (-0,08) * 0,). L'odds ratio ψ a des erreurs de diagnostic serait alors de 0,70 (0,07/0,0) différent de celui posé initialement (/4). Il faut fixer un paramètre supplémentaire. La solution consiste alors à se fixer l'odds ratio ψ a et une des deux probabilités de discordance 0 ou 0, ou bien à se fixer des pourcentages minimum tolérables de faux positifs et de faux négatifs. Où l on reprend l exemple précédent traité correctement Examinons applications pratiques. Situation n : Raisonnons toujours à partir de l'exemple précédent. La prévalence (0) estimée pour la méthode de référence de (0) = 0, et on veut détecter un écart de 3 points avec (). On a trouvé qu'il fallait un nombre de résultats discordants de m = 5. On s'intéresse aux probabilités de résultats discordants suivantes : 0 = 0,0 et 0 = 0,04 (P = /5 et ψ a = 0,5) On tolère par conséquent au maximum 5% de mal classés,,% de "faux positifs" (0,0/((0,)) et 36,4% de "faux négatifs" (0,04/0,). La probabilité d'avoir un résultat discordant est alors : θ = 0, * 0,364 + (-0,)*0,0 = 0,050 et le nombre total d'échantillon nécessaire est égal à N = 5/0,050 soit environ 500 échantillons. On constate que le nombre nécessaire est beaucoup plus élevé que lorsque l'on néglige l'appariement. Situation n : On tolère maintenant les probabilités de résultats discordants suivantes : 0 = 0,03 et 0 = 0,06 (P = /3 et ψ a = 0,50) Soit 9% de mal classés, 3,4% de "faux positifs" et 54,5% de "faux négatifs". L'expression [] donne un nombre de résultats discordants de m = 90. La probabilité d'avoir un résultat discordant est alors : θ = 0, * 0,545 + (-0,)*0,034 = 0,090 et le nombre total d'échantillon nécessaire est égal à N = 90/0,090 soit environ 000. Remarque 6 : Dans la ère situation le déséquilibre entre les types de résultats discordants est plus marqué. L'appareil E est moins bon que la référence R car il détecte 4 fois moins la substance B sur l'ensemble des résultats discordants (ψ a =/4) C. LOPEZ - Institut de l'elevage Service Biométrie juillet 00 5
7 alors que dans la ème situation il ne détecte B que dans fois moins de cas que la référence (ψ a =/). On a donc besoin de moins de répétitions en situation n pour conclure à une différence significative entre les probabilités 0 et 0 (et au final pour comparer les prévalences () et (0)). On peut souligner la très grande sensibilité du nombre de répétitions au degré de discordance. Pour un écart (0-0 ) de 3% dans notre exemple, le nombre de répétitions discordantes m passe de 5 à 90 (soit un facteur multiplicatif de 3,6) lorsque les probabilités 0 et 0 augmentent de % (0 = 0,0 à 0,03 et 0 = 0,04 à 0,06). Au nombre de répétitions que l'on décidera de retenir correspondront alors des probabilités de discordance, 0-0, au delà desquelles le test n'aura plus la puissance escomptée. Ainsi dans la situation n, en se fixant un nombre d'échantillons de 500 on est assuré de pouvoir détecter dans au moins 90% des cas un écart de 3% à partir d'un niveau de prévalence (0) de % tant que les pourcentages de résultats discordants ne sont pas supérieurs à % et 4%, soit un pourcentage de mal classé de 5% au maximum. On remarquera que dans les situations de notre exemple les pourcentages de faux négatifs sont très élevés. C'est dû à la faible prévalence du phénomène mesuré (% avec la référence). Chaque résultat classé par erreur " B absent" avec l'appareil E induit un accroissement du pourcentage de faux négatifs de / = 9,%. A titre indicatif il faut N = 7 échantillons par groupe pour détecter le même écart sur les probabilités () et (0) aux mêmes risques α et β dans le cas de mesures sur deux groupes d'échantillons indépendants (séries non appariées). Conclusion Le calcul du nombre N d'échantillons de lait nécessaires pour mettre en évidence une différence entre les prévalences () et (0) dépend des risques α et β, de la probabilité dans le groupe de référence (0) et de l'"écart" entre ces probabilités exprimé par le odds ratio ψ m comme dans la situation classique de séries indépendantes. Il faut toutefois, dans le cas des séries appariées, se fixer des paramètres supplémentaires, les probabilités de discordances conditionnelles 0 et 0. Plutôt que ces probabilités dont on a difficilement une idée a priori, des seuils d'erreurs de diagnostic, les pourcentages de faux positifs (PFP) et de faux négatifs (PFN) peuvent être définis. On peut alors, à partir de ces pourcentages et de la prévalence, (0), associée à l'appareil de référence estimer 0 et 0 et en déduire l'odds ratio ψ a. 0 = PFP * (-(0)) et 0 = PFN * (0) d'où l'on déduit : PFP PFN ( (0) ) ψ a = *. (0) On en déduit alors le nombre de répétitions donnant des résultats discordants m et le nombre total d'échantillons N. C. LOPEZ - Institut de l'elevage Service Biométrie juillet 00 6
8 Référence: McNEMAR Q. (947). Note on sampling error of the differences between correlated proportions or percentages. Psychometrika : SCHLESSELMAN J.J. (98). Case-control studies Design, conduct, analysis. New-York Oxford. OXFORD UNIVERSITY PRESS. P C. LOPEZ - Institut de l'elevage Service Biométrie juillet 00 7
TESTS 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 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 détailEvaluation de la variabilité d'un système de mesure
Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les
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 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 détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
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 détailLE ROLE DES INCITATIONS MONETAIRES DANS LA DEMANDE DE SOINS : UNE EVALUATION EMPIRIQUE.
LE ROLE DES INCITATIONS MONETAIRES DANS LA DEMANDE DE SOINS : UNE EVALUATION EMPIRIQUE. Synthèse des travaux réalisés 1. Problématique La question D7 du plan d exécution du Programme National de Recherches
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 détailTableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1
UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés
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 détailStatistiques 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 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 détailANTISELECTION ET CHOIX D'ASSURANCE : LE CAS DU VOL EN HABITATION UNE APPROCHE DE LA MESURE DU PHENOMENE
ANTISELECTION ET CHOIX D'ASSURANCE : LE CAS DU VOL EN HABITATION UNE APPROCHE DE LA MESURE DU PHENOMENE Yannick MACÉ Statisticien-Economiste Responsable du Secteur Analyses Techniques, Groupama (C.C.A.M.A.)
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 détailNouveau Barème W.B.F. de points de victoire 4 à 48 donnes
Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes Pages 4 à 48 barèmes 4 à 48 donnes Condensé en une page: Page 2 barèmes 4 à 32 ( nombre pair de donnes ) Page 3 Tous les autres barèmes ( PV de
Plus en détaila) La technique de l analyse discriminante linéaire : une brève présentation. 3 étapes de la méthode doivent être distinguées :
a) La technique de l analyse discriminante linéaire : une brève présentation. Nous nous limiterons ici à l'analyse discriminante linéaire et à deux groupes : - linéaire, la variante utilisée par ALTMAN
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 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 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 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 détailD.E.S.C.F - UV 1 - Module 8 Consolidation dans les groupes de sociétés. Corrigé - Cas IG/IP/MEE
D.E.S.C.F UV 1 Module 8 Cas IG/IP/MEE Corrigé D.E.S.C.F UV 1 Module 8 Consolidation dans les groupes de sociétés Corrigé Cas IG/IP/MEE HYPOTHESE N 1 : FILIALE EN INTEGRATION GLOBALE 6 étapes sont à distinguer
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 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 détailPôle de Dakar S IMUL ATIONS. 1 Utiliser un taux d accroissement pour une simulation
FORMULAIRE ATELIER S IMUL ATIONS 1 Utiliser un taux d accroissement pour une simulation La projection de certaines variables se base sur une hypothèse de taux de croissance annuelle régulier et constant.
Plus en détailFICHE 1 Fiche à destination des enseignants
FICHE 1 Fiche à destination des enseignants 1S 8 (b) Un entretien d embauche autour de l eau de Dakin Type d'activité Activité expérimentale avec démarche d investigation Dans cette version, l élève est
Plus en détailLE PROBLEME DU PLUS COURT CHEMIN
LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs
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 détailPRINCIPES DE LA CONSOLIDATION. CHAPITRE 4 : Méthodes de consolidation. Maître de conférences en Sciences de Gestion Diplômé d expertise comptable
PRINCIPES DE LA CONSOLIDATION CHAPITRE 4 : Méthodes de consolidation David Carassus Maître de conférences en Sciences de Gestion Diplômé d expertise comptable SOMMAIRE CHAPITRE I Les fondements de la consolidation
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 détailREER, CELI ou prêt hypothécaire : comment faire le bon choix?
REER, CELI ou prêt hypothécaire : comment faire le bon choix? Jamie Golombek L épargne est une pratique importante. Elle nous permet de mettre de côté une partie de nos revenus actuels afin d en profiter
Plus en détailScience et technique. La température et la durée de stockage sont des facteurs déterminants. Viande bovine et micro-organisme pathogène
Science et technique Viande bovine et micro-organisme pathogène La température et la durée de stockage sont des facteurs déterminants La contamination des carcasses lors des opérations d abattage et la
Plus en détailQuelles sont les principales formules utiles pour l étude de cas de vente?
Quelles sont les principales formules utiles pour l étude de cas de vente? Approvisionnement et gestion des stocks : des quantités vendues dans un Du stock initial, final et des livraisons, des commandes
Plus en détailÉpreuve collaborative
Épreuve collaborative Pour chaque partie, la grille permet d apprécier, selon quatre niveaux, les compétences développées dans le sujet par le candidat. Pour cela, elle s appuie sur des indicateurs traduisant
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 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 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 détailUNE FISCALITE DEFAVORABLE AU FINANCEMENT DES ENTREPRISES ET QUI AFFECTE LEUR COMPETITIVITE
UNE FISCALITE DEFAVORABLE AU FINANCEMENT DES ENTREPRISES ET QUI AFFECTE LEUR COMPETITIVITE Partant d une situation déjà défavorable au financement des entreprises par fonds propres, les mesures fiscales
Plus en détailCOMMENTAiRES/ DECISIONS
Plate-forme d'échanges affichage environnemental des PGC Date : 2009-12-21 Assistante: Lydia GIPTEAU Ligne directe : + 33 (0)1 41 62 84 20 Lydia.gipteau@afnor.org GT Méthodologie Numéro du document: N
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 détailLes débats sur l évolution des
D o c u m e n t d e t r a v a i l d e l a B r a n c h e R e t r a i t e s d e l a C a i s s e d e s d é p ô t s e t c o n s i g n a t i o n s n 9 8-0 7 C o n t a c t : La u re nt V e r n i è r e 0 1 4
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 détailCALCUL D UN SCORE ( SCORING) Application de techniques de discrimination LES OBJECTIFS DU SCORING
CALCUL D UN SCORE ( SCORING) Application de techniques de discrimination LES OBJECTIFS DU SCORING SÉLECTION DES RISQUES PRÉVISION DES DÉFAUTS SUIVI ET CONTRÔLE Pierre-Louis GONZALEZ Différents types de
Plus en détailPrincipe et règles d audit
CHAPITRE 2 Principe et règles d audit 2.1. Principe d audit Le principe et les règles d audit suivent logiquement l exposé précédent. D abord, comme dans toute branche de l activité d une entreprise, l
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 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 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 détailCession de la clientèle des cabinets libéraux : les facteurs clés d une transmission réussie
Cession de la clientèle des cabinets libéraux : les facteurs clés d une transmission réussie Les pouvoirs publics ont attiré notre attention sur les enjeux de la transmission des entreprises, plus de 100
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 détailRetentissement de la réforme de l'ircantec 2008 sur la retraite des Praticiens Hospitaliers.
Retentissement de la réforme de l'ircantec 2008 sur la retraite des Praticiens Hospitaliers. Dr Raphaël BRIOT ; Dr Jean GARRIC Syndicat National des Praticiens Hospitaliers d'anesthésie-réanimation RÉSUMÉ
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 et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en 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 détailSTATISTIQUES DESCRIPTIVES
STATISTIQUES DESCRIPTIVES ORGANISATION DES DONNÉES Etude de population 53 784 56 28 4 13 674 8375 9974 60 Consommation annuelle du lait Dossier n 1 Juin 2005 Tous droits réservés au réseau AGRIMÉDIA Conçu
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 détailLa valeur présente (ou actuelle) d une annuité, si elle est constante, est donc aussi calculable par cette fonction : VA = A [(1-1/(1+k) T )/k]
Evaluation de la rentabilité d un projet d investissement La décision d investir dans un quelconque projet se base principalement sur l évaluation de son intérêt économique et par conséquent, du calcul
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailRatios sectoriels. Dossier exemple. Dossier exemple-caroline. Références du dossier : Date : 24/09/2012 Auteur : Caroline
Ratios sectoriels Dossier exemple Références du dossier : Date : 24/09/2012 Auteur : Caroline Dossier exemple-caroline 1 P a g e SOMMAIRE LE BENCHMARKING SECTORIEL 5 RENTABILITE & PRODUCTIVITE 6 PRODUCTION
Plus en détailAPPORT DES RESEAUX BAYESIENS DANS LA PREVENTION DE LA DELINQUANCE
SûretéGlobale.Org La Guitonnière 49770 La Meignanne Téléphone : +33 241 777 886 Télécopie : +33 241 200 987 Portable : +33 6 83 01 01 80 Adresse de messagerie : c.courtois@sureteglobale.org APPORT DES
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 détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
Plus en détailCompte Courant Rémunéré
- 1 - Compte Courant Rémunéré Mots clés : Sommaire :! Compte rémunéré! Epargne! Versements! Rémunération! Livret 1. Définition du compte courant rémunéré 1.1 Historique 1.2 Description 1.3 Différences
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 détailLes réponses à vos questions
Vous trouverez ci-dessous les réponses aux questions les plus fréquentes. Si vous ne trouvez pas les informations que vous recherchez, n hésitez pas à nous contacter. IMPORTANT: les Champions de la Bourse
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
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 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 détailSUR UNE FORMULE GÉNÉRALE POUR LE CALCUL DES PRIMES PURES D'ASSURANCES SUR LA VIE. Professeur à /' Université de Strasbotirg, Strasbourg, France.
SUR UNE FORMULE GÉNÉRALE POUR LE CALCUL DES PRIMES PURES D'ASSURANCES SUR LA VIE PAR M. MAURICE FRéCHET, Professeur à /' Université de Strasbotirg, Strasbourg, France. INTRODUCTION Dans son ouvrage Introduction
Plus en détailLe financement adossé de l immobilier en gestion de patrimoine : une modélisation simple
Le financement adossé de l immobilier en gestion de patrimoine : une modélisation simple Laurent Batsch ahier de recherche n 2005-01 Le financement adossé est une des modalités de financement de l investissement
Plus en détailCycle de production et cycle des déchets
Cycle de production et cycle des déchets la solution informatique et gestionnaire de SISTEMA AMBIENTE DIGITALIS S.r.l. www.sistemaambiente.net digitalis@iride.to.it 1 La solution informatique donne la
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 détailFigure 1 Différents éléments influençant les mesures de seuil réalisées en champ visuel
LE CHAMP VISUEL DU SUJET NORMAL INFLUENCE DES METHODES D'EVALUATION Jacques CHARLIER U279 INSERM, LILLE INTRODUCTION La connaissance du champ visuel du sujet normal, de ses variations intra et interindividuelles
Plus en détail25/01/05 TD Entrepôt de données IHS / Master ICA
Une compagnie d assurance de biens (automobile, immobilier, responsabilité civile) possède une application transactionnelle de production permet de gérer les polices (contrats) de ses clients ainsi que
Plus en détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détailProbabilités (méthodes et objectifs)
Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d
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 détailLE PERP retraite et protection
LE PERP retraite et protection Benoit Rama http://www.imaf.fr Le PERP (Plan d Épargne Retraite Populaire) est une mesure d encouragement à la préparation de la retraite destinée aux salariés. Il copie
Plus en détailRémunération du Dirigeant : Faut il transformer les SARL en SAS?
Rémunération du Dirigeant : Faut il transformer les SARL en SAS? Quel est l'impact des nouvelles mesures au 1er janvier 2013 pour le DIRIGEANT TNS? Modifications sociales pour les TNS (Dirigeants assimilés
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailRENSEIGNEMENTS SUR L IMPÔT ET LES GAINS EN CAPITAL
FONDS COMMUNS DE PLACEMENT AGF ET ACUITY 2014 RENSEIGNEMENTS SUR L IMPÔT ET LES GAINS EN CAPITAL La présente brochure renferme des renseignements fi scaux afférents à vos investissements et gains en capital
Plus en détailCopropriété: 31, rue des Abondances 92100 Boulogne-Billancourt
Eléments utilisés: Copropriété: 31, rue des Abondances 92100 Boulogne-Billancourt Notice explicative sur la ventilation de la facture EDF annuelle entre les différents postes de consommation à répartir
Plus en détailCompte bancaire ou assurance vie? 5. Amortissement direct ou indirect?
92 LE GUIDE FINANCIER DU PROPRIÉTAIRE Compte bancaire ou assurance vie? La décision de prendre un compte bancaire dépendra du profil du client et de ses besoins. Par exemple, si l emprunteur est célibataire
Plus en détailExprimer ce coefficient de proportionnalité sous forme de pourcentage : 3,5 %
23 CALCUL DE L INTÉRÊT Tau d intérêt Paul et Rémi ont reçu pour Noël, respectivement, 20 et 80. Ils placent cet argent dans une banque, au même tau. Au bout d une année, ce placement leur rapportera une
Plus en détailPour l'application du présent arrêté, il faut entendre par la loi : la loi du 12 juin 1991 relative au crédit à la consommation.
Arrêté royal du 21 juin 2011 portant modification de divers arrêtés en matière de crédit à la consommation et portant exécution des articles 5, 1er, alinéa 2, et 2, et 15, alinéa 3, de la loi du 12 juin
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 détailLE CONTRÔLE INTERNE GUIDE DE PROCÉDURES
LE CONTRÔLE INTERNE GUIDE DE PROCÉDURES Direction du développement des entreprises Préparé par Jacques Villeneuve, c.a. Conseiller en gestion Publié par la Direction des communications : janvier 1995 Réédité
Plus en détailCONVENTION DE PORTAGE
S.A.R.L. au capital de 7 700 - SIRET : 409 016 961 00032 409 016 961 RCS Châteauroux - Code NAF : 741 G A ssistance et Conseil Administratif - Formation Siège social : 68 rue J.J. Rousseau - 36200 ARGENTON
Plus en détailChapitre 4 : les stocks
Chapitre 4 : les stocks Stocks et actifs Une entreprise achète généralement des biens pour les utiliser dans son processus de production, ce sont les matières premières et les fournitures, elle peut également
Plus en détailRaisonnement probabiliste
Plan Raisonnement probabiliste IFT-17587 Concepts avancés pour systèmes intelligents Luc Lamontagne Réseaux bayésiens Inférence dans les réseaux bayésiens Inférence exacte Inférence approximative 1 2 Contexte
Plus en détailPRINCIPE, REGULATION et RECHERCHE de PANNES
NOTICE TECHNIQUE N 003 Date : 08/04/03 Révisé le: 14/09/07 ALTERNATEUR PRINCIPE, REGULATION et RECHERCHE de PANNES 1 ) Principe : Contrairement à la dynamo qui produit du courant alternatif redressé par
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détail!-.!#- $'( 1&) &) (,' &*- %,!
0 $'( 1&) +&&/ ( &+&& &+&))&( -.#- 2& -.#- &) (,' %&,))& &)+&&) &- $ 3.#( %, (&&/ 0 ' Il existe plusieurs types de simulation de flux Statique ou dynamique Stochastique ou déterministe A événements discrets
Plus en détailRépartition des coûts du compte de pass-on par catégorie de consommateurs
Répartition des coûts du compte de pass-on par catégorie de consommateurs Coûts et caractéristiques de la consommation Plan de travail 1. Retour sur le suivi de la rencontre du 17 mai 1.1 Illustration
Plus en détailFctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines
FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailRéduisez vos impôts. avec l un des. meilleurs contrats. Retraite! 100% déductibles. Aujourd hui. bénéficiez de tous les avantages.
Cotisations 100% déductibles Réduisez vos impôts Aujourd hui bénéficiez de tous les avantages réservés aux professions libérales et indépendantes avec l un des meilleurs contrats Retraite! Info Retraite
Plus en détailEpargne, Retraite, Prévoyance et Santé
L offre FOBA Des outils d aide à la vente Budget Retraite Augmenter la vente des différentes solutions retraite ANI Générer des rendez-vous qualifiés et réduire le délai de décision pour la souscription
Plus en détail