Comparaison de plusieurs moyennes
|
|
- Clotilde Auger
- il y a 6 ans
- Total affichages :
Transcription
1 Master 1 de Santé Publique UE de biostatistique : cours 1 Comparaison de plusieurs moyennes M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 1
2 Liens entre deux variables X et Y variable Y Dichotomique Qualitative à plus de classes Quantitative variable X Dichotomique Qualitative à plus de classes comparaison de pourcentages test du χ comparaison de plusieurs distributions test du χ comparaison de moyennes test t de Student ou Z comparaison de plusieurs moyennes Analyse de la variance Quantitative Régression linéaire M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes
3 Comparaison de plusieurs moyennes Analyse de la variance Les sujets de la population se répartissent en classes. On s'intéresse à une variable X dont on veut comparer les moyennes dans les classes de la population. Hypothèses testées : H 0 : H 1 : µ 1 = µ = = µ il y a au moins une différence entre les moyennes M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 3
4 Exemples : La comparaison de plusieurs moyennes peut correspondre à plusieurs types de questions Comparaison des poids de naissances moyens de différentes portées de souris L'intérêt est le "facteur portée", pas la différence entre portées particulières. On parle de "facteur aléatoire". Comparaison des valeurs moyennes d un dosage biologique de 6 groupes de patients traités par 6 traitements différents On est intéressé par une comparaison globale, mais peut-être aussi par des comparaisons à, voire un classement des traitements. On parle de "facteur fixe". Comparaison de la durée de séjour en service de réanimation néonatale de prématurés selon leur terme de naissance : 8 semaines 9-3 semaines semaines semaines Le facteur "terme" est en fait quantitatif. C'est un problème proche d'une régression. Ces questions : - peuvent se traiter de façon identique par l'analyse de la variance qu'on va voir - se différencient lorsque les questions sont plus complexes (étude simultanée de plusieurs facteurs) M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 4
5 Principe de l analyse de la variance Considérons le cas où il y a 4 populations ( = 4) σ total σ T µ 1 µ µ 3 µ 4 µ Les moyennes µ 1, µ, µ 3, et µ 4 sont égales : σ T = σ σ total σ T µ µ 4 µ µ 1 µ 3 Les moyennes µ 1, µ, µ 3, et µ 4 sont différentes : σ T > σ M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 5
6 σ total σ T µ µ 4 µ µ 1 µ 3 La variance σ T a deux composantes : - σ qui est la variance interne à chaque groupe (variance intra-groupe) - la dispersion entre les µ i qui correspond à la variabilité entre les groupes (variance inter-groupes) Principe de l analyse de la variance : décomposer σ T en ces parties tester si σ T est différent de σ M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 6
7 Notations X : variable à laquelle on s intéresse : nombre de populations (et donc de moyennes) comparées Chaque population est repérée par l indice j n j : taille de l échantillon extrait de la population j Chacun des sujets de l échantillon est repéré par l indice i > x : i ème observation de l échantillon j M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 7
8 Décomposition de la variabilité des observations Somme des carrés des écarts totale : SCE T = ( x m) S T = SCE T n 1 ( ) SCE T = x m j + m j m ( ) + ( m j m) = x m j les termes (x m ) caractérisent la variabilité intra-groupe les termes (m j m) caractérisent la variabilité inter-groupes SCE T = ( x m j ) + ( m j m) + x m j On montre que : ( x m j )( m j m) = 0 ( )( m j m) ( ) donc : SCE T = x m j + m j m ( ) M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 8
9 SCE T = ( x m j ) + m j m ( ) SCE T Somme des carrés des écarts totale SCE R Somme des carrés des écarts résiduelle SCE A Somme des carrés des écarts due au facteur étudié ( ) SCE A = n j m j m ne dépend que de la dispersion des moyennes m j des groupes comparés = somme des carrés des écarts entre groupes (ou somme des carrés des écarts due au facteur A) SCE A a (-1) degrés de liberté Variance correspondante (entre groupes) : σ A, estimée par s A = SCE A 1 M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 9
10 SCE T = ( x m j ) + m j m ( ) SCE T Somme des carrés des écarts totale SCE R Somme des carrés des écarts résiduelle SCE A Somme des carrés des écarts due au facteur étudié SCE R = ( x m j ) n j = x m j i=1 ( ) ne dépend que de la dispersion des valeurs x au sein de chaque échantillon = somme des carrés des écarts intra-classe ou résiduelle SCE R a (n-) degrés de liberté Variance correspondante (résiduelle) : σ R, estimée par s R = SCE R n M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 10
11 Principe de l analyse de la variance 1. Décomposer s T (en fait SCE T ) en parties : SCET = SCEA + SCER σ total µ µ 4 µ µ 1 µ 3 σ A σ T σ T σ ( = σ R ). Tester si σ T est égal à σ σ ( = σ R ) c est-à-dire comparer s T et s R en fait, s T et s R ne sont pas indépendants et on montre qu il faut comparer s A et s R, c est-à-dire tester l hypothèse H 0 : σ A = σ R pour comprendre pourquoi, on a besoin de calculer les valeurs théoriques σ A et σ R. M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 11
12 Valeurs théoriques des sommes des carrés des écarts SCE T Somme des carrés des écarts totale SCE R Somme des carrés des écarts résiduelle On montre que (si les variances de X sont les mêmes dans les populations) : E(SCE T ) = (n 1)σ + n j (µ j µ) E(SCE A ) = ( 1)σ + n j (µ j µ) E(SCE R ) = (n )σ SCE A Somme des carrés des écarts due au facteur étudié D où : E(s T ) = σ T = E SCE T n 1 = σ + 1 n 1 E(s A ) = σ A = E SCE A 1 = σ E(s R ) = σ R = E SCE R n = σ n j (µ j µ) n j (µ j µ) M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 1
13 E(s T ) = σ T = E SCE T n 1 = σ + 1 n 1 E(s A ) = σ A = E SCE A 1 = σ E(s R ) = σ R = E SCE R n = σ n j (µ j µ) n j (µ j µ) H 0 : µ 1 = µ = = µ = µ H 0 : σ A = σ R H 1 : il y a au moins une différence entre les moyennes <=> H 0 : σ A > σ R La comparaison des variances σ A et σ R permet ainsi de tester H 0 M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 13
14 Test de comparaison des moyennes Analyse de la variance H 0 : µ 1 = µ = = µ = µ H 0 : σ A = σ R H 1 : il y a au moins une différence entre les moyennes <=> H 0 : σ A > σ R Si H 0 est vraie et si X a une distribution normale de même variance dans chaque population, on montre que : F 0 = s A s suit une loi de Fisher F 1 n R M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 14
15 Exécution du test H 0 : σ A = σ R H 0 : σ A > σ R 1. Calculer F 0 = s A s R à partir des observations sur l échantillon. Comparer F 0 à la valeur seuil de F 1 n : => règle de décision F 0 F 1 n (α): rejet de H 0 (au risque α) F 0 < F 1 n (α) : non rejet de H 0 Conditions d application : X a une distribution normale de même variance dans chaque population. M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 15
16 Exécution des calculs Tableau d analyse de la variance Source de variation Somme des carrés des écarts ddl Carré moyen (ou variance) F Entre groupes (facteur A) SCE A -1 s A = SCE A 1 F 0 = s A s K Résiduelle SCE R n- s R = SCE R n Total SCE T = SCE A +SCE R n-1 ( ) SCE A = n j m j m = T j n j T G n = nm j j nm T G = total général = i,j x T j = total de l'échantillon j = i x M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 16
17 SCE R = ( x m j ) n j = x m j i=1 = x i,j T j n j = (n j 1)s j j ( ) n j i=1 ( x m j ) (n j 1) s R = SCE R n = n j = s j ( x m j ) i=1 = ( n j 1)s j ( n j 1)s j n n = n n => n- = (n 1-1) + + (n -1) Donc : s R = (n 1 1)s 1 + (n 1)s +... (n 1 1) + (n 1) +... M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 17
18 Exemples Mois de Nov Déc Février Mars Avril prélèvement n VGM (en µ 3 ) x x Nombre de leucocytes (10 6 par l) m 8,4 7,49 7,16 7,17 7,69 s 6,7 5,07,90 4,1 3,77 M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 18
19 Comparaison des moyennes du VGM Mois de Nov Déc Février Mars Avril prélèvement n VGM (en µ 3 ) x x SCE A = T j n j T G n = = , ,456 = 464,75 SCE R = x i,j T j n j = = ,04 = 6.06,80 SCE T = 464, ,80 = 6 491,55 ou x T G n = = 6 491,54 M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 19
20 Source de variation Somme des carrés des écarts d.d.l. Carré moyen (ou variance) F Entre mois SCE A = 464,75 4 s A = 464,75 4 = 116,19 Résiduelle SCE R = 6.06, s R = 6 06, = 19,38 F 0 = 116,19 19,38 = 6,00 Total SCE T = 6.491, F 0 doit être comparé avec la valeur seuil de F 311 α 0,05 0,05 0,01 0,001 4 F 00 4 F F 500,4,85 3,41 4,81,39,81 3,36 4,69 Les moyennes de VGM varient avec le mois de prélèvement (p<1 ). Mois de prélèvement Nov Déc Février Mars Avril Moyenne 93,6 91,4 94,4 93,0 93,5 M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 0
21 Comparaison des moyennes du nombre de leucocytes Mois de Nov Déc Février Mars Avril prélèvement n Nombre de leucocytes (106 par l) m 8,4 7,49 7,16 7,17 7,69 s 6,7 5,07,90 4,1 3,77 m = 1 n j m j T j = n n 30 8, ,69 = 316 = 351, = 7,44 SCE A = n j m j nm = 30 8, , ,44 = , ,14 = 3,6 SCE R = ( n j 1)s j = 9 6, ,77 = 1 34,85 SCE T = SCE A + SCE R = 1.366,87 M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 1
22 Source de variation Somme des carrés des écarts Entre mois SCE A = 3,6 4 d.d.l. Carré moyen (ou variance) s A = 3,6 4 = 8,16 F F 0 = 8,16 4,6 = 1,9 Résiduelle SCE R =1.34, s R = 4,6 Total SCE T = 1.366, F 0 doit être comparé avec la valeur seuil de F 311 α 0,05 0,05 0,01 0,001 4 F 00,4,85 3,41 4,81 4 F F 500,39,81 3,36 4,69 On ne met pas évidence de différence entre les nombres moyens de leucocytes selon le mois de prélèvement. M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes
23 Attention aux arrondis Calcul sans arrondis m = 30 8, , = 351, = 7,44 SCE A = 30 8, , ,44 = , ,14 = 3,6 F 0 = 1,9 non significatif m arrondi à 7,44 donne : SCE A = 30 8, , ,44 = , ,74 = 46,0 F 0 =,47 significatif M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 3
24 Cas particulier de moyennes H 0 : µ 1 = µ ; H 1 : µ 1 µ tests possibles : - test de Student m t 0 = 1 m 1 s + 1 n 1 n, avec s = (n 1) s (n 1) s n 1 + n valeur seuil : t n1 +n ;α/ - analyse de la variance F 0 = s A s valeur seuil : F 1 n 1 +n R ;α. Ils sont équivalents car : F 0 = t 0 Les valeurs seuil de F 1 = carrés des valeurs seuil de t. Les conditions d'application identiques : distributions normales et variances égales. M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 4
25 On montre que : Ecarts aux conditions d application - le défaut de normalité des populations n affecte pas les résultats du test si elle n est pas très importante - l'importance de l égalité des variances dépend de l'écart entre les effectifs des échantillons si les échantillons ont des effectifs égaux ou du même ordre de grandeur, l analyse de la variance est très robuste et supporte de fortes hétérogénéités de variances. sinon, le risque α peut être influencé considérablement par une inégalité des variances, surtout lorsque les échantillons les plus réduits correspondent aux populations de variances maximum. M1 de Santé Publique Biostatistique Cours 1 - Comparaison de plusieurs moyennes 5
Analyse 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 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 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 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 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 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 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 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 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 détailBureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr
Dominique Muller Laboratoire Inter-universitaire de Psychologie Bureau : 238 Tel : 04 76 82 58 90 Email : dominique.muller@upmf-grenoble.fr Supports de cours : webcom.upmf-grenoble.fr/lip/perso/dmuller/m2r/acm/
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 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 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 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 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 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 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 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 détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
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 détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailValue at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061
Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain
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 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 détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
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 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 détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
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 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 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 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 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 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 détailBIOSTATISTIQUES AVANCEES PLAN. Quelques références. Master Biologie Intégrative 1 ère année
Master Biologie Intégrative 1 ère année 1 BIOSTATISTIQUES AVANCEES Yves Desdevises! Observatoire Océanologique de Banyuls-sur-Mer (www.obs-banyuls.fr)! 04 68 88 73 13! desdevises@obs-banyuls.fr! http://desdevises.free.fr
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 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 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 détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
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 détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détail"ÉMISSIONS TRADING" ET CONTROLE DES REJETS DE POLLUANTS ATMOSPHERIQUES ISSUES DE CENTRALES THERMIQUES * SYNTHESE
"ÉMISSIONS TRADING" ET CONTROLE DES REJETS DE POLLUANTS ATMOSPHERIQUES ISSUES DE CENTRALES THERMIQUES * SYNTHESE Afin de faire face aux dégâts engendrés ces dernières années par les polluants "acides",
Plus en détailDCG 6. Finance d entreprise. L essentiel en fiches
DCG 6 Finance d entreprise L essentiel en fiches DCG DSCG Collection «Express Expertise comptable» J.-F. Bocquillon, M. Mariage, Introduction au droit DCG 1 L. Siné, Droit des sociétés DCG 2 V. Roy, Droit
Plus en détailRégression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr
Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R
Plus en détailUne étude de différentes analyses réalisées par le BIT
Association internationale de la sécurité sociale Quinzième Conférence internationale des actuaires et statisticiens de la sécurité sociale Helsinki, Finlande, 23-25 mai 2007 Comparaison des hypothèses
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 détailIntérêt diagnostic du dosage de la CRP et de la leucocyte-estérase dans le liquide articulaire d une prothèse de genou infectée
Intérêt diagnostic du dosage de la CRP et de la leucocyte-estérase dans le liquide articulaire d une prothèse de genou infectée C. Rondé-Oustau, JY. Jenny,J.Sibilia, J. Gaudias, C. Boéri, M. Antoni Hôpitaux
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 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 détailLE BUDGET DES VENTES
LE BUDGET DES VENTES Objectif(s) : o Pré requis : o Modalités : o o o Elaboration du budget des ventes. Connaissances du processus "ventes". Principes, Synthèse, Application. TABLE DES MATIERES Chapitre
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 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 détailSTA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes
STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités
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 détailComplexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation
Complexité Objectifs des calculs de complexité : - pouvoir prévoir le temps d'exécution d'un algorithme - pouvoir comparer deux algorithmes réalisant le même traitement Exemples : - si on lance le calcul
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 détailMaster de Bioinformatique et Biologie des Systèmes Toulouse http://m2pbioinfo.biotoul.fr Responsable : Pr. Gwennaele Fichant
Master de Bioinformatique et Biologie des Systèmes Toulouse http://m2pbioinfo.biotoul.fr Responsable : Pr. Gwennaele Fichant Parcours: Master 1 : Bioinformatique et biologie des Systèmes dans le Master
Plus en détailExercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015
Exercices M1 SES 214-215 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 215 Les exemples numériques présentés dans ce document d exercices ont été traités sur le logiciel R, téléchargeable par
Plus en détailhttp://mondomaine.com/dossier : seul le dossier dossier sera cherché, tous les sousdomaines
Principales fonctionnalités de l outil Le coeur du service suivre les variations de position d un mot-clé associé à une URL sur un moteur de recherche (Google - Bing - Yahoo) dans une locale (association
Plus en détailafférent au projet de décret relatif aux obligations indexées sur le niveau général des prix
CONSEIL NATIONAL DE LA COMPTABILITÉ Note de présentation - Avis N 2002-11 du 22 octobre 2002 afférent au projet de décret relatif aux obligations indexées sur le niveau général des prix Sommaire I - Rappels
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 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 détailAnnales du Contrôle National de Qualité des Analyses de Biologie Médicale
Annales du Contrôle National de Qualité des Analyses de Biologie Médicale ARN du virus de l hépatite C : ARN-VHC ARN-VHC 03VHC1 Novembre 2003 Edité : mars 2006 Annales ARN-VHC 03VHC1 1 / 8 ARN-VHC 03VHC1
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailMortalité observée et mortalité attendue au cours de la vague de chaleur de juillet 2006 en France métropolitaine
Mortalité observée et mortalité attendue au cours de la vague de chaleur de uillet en France métropolitaine FOUILLET A 1, REY G 1, JOUGLA E, HÉMON D 1 1 Inserm, U75, Villeuif, France. Inserm CépiDc, IFR9,
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
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 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 détailBest Styles ou comment capturer au mieux les primes de risque sur les marchés d actions
Stratégie Best Styles ou comment capturer au mieux les primes de risque sur les marchés d actions La recherche des primes de risque constitue une stratégie relativement courante sur les marchés obligataires
Plus en détail6. Hachage. Accès aux données d'une table avec un temps constant Utilisation d'une fonction pour le calcul d'adresses
6. Hachage Accès aux données d'une table avec un temps constant Utilisation d'une fonction pour le calcul d'adresses PLAN Définition Fonctions de Hachage Méthodes de résolution de collisions Estimation
Plus en détailProjet SENTINELLE Appel àprojets «CO 2»Déc. 2007
Projet SENTINELLE Appel àprojets «CO 2»Déc. 2007 Philippe de DONATO Université de Lorraine/CNRS Co-auteurs: C. PRINET, B. GARCIA, H. LUCAS, Z. POKRYSZKA, S. LAFORTUNE, P. FLAMANT, F. GIBERT, D. EDOUART,
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailActivité 38 : Découvrir comment certains déchets issus de fonctionnement des organes sont éliminés de l organisme
Activité 38 : Découvrir comment certains déchets issus de fonctionnement des organes sont éliminés de l organisme 1. EXTRAITS REFERENTIELS DU BO Partie du programme : Fonctionnement de l organisme et besoin
Plus en détailGestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes.
Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes. LE QUERE Yann, SEVAUX Marc, TRENTESAUX Damien, TAHON Christian Equipe Systèmes de Production
Plus en détailCOURS GESTION FINANCIERE A COURT TERME SEANCE 2 COUVERTURE DU BESOIN DE FINANCEMENT CHOIX DU NIVEAU DU FONDS DE ROULEMENT
COURS GESTION FINANCIERE A COURT TERME SEANCE 2 COUVERTURE DU BESOIN DE FINANCEMENT CHOIX DU NIVEAU DU FONDS DE ROULEMENT SEANCE 2 COUVERTURE DU BESOIN DE FINANCEMENT CHOIX DU NIVEAU DU FONDS DE ROULEMENT
Plus en détail2010 Minitab, Inc. Tous droits réservés. Version 16.1.0 Minitab, le logo Minitab, Quality Companion by Minitab et Quality Trainer by Minitab sont des
2010 Minitab, Inc. Tous droits réservés. Version 16.1.0 Minitab, le logo Minitab, Quality Companion by Minitab et Quality Trainer by Minitab sont des marques déposées de Minitab, Inc. aux Etats-Unis et
Plus en détailRapport de stage. «Travail préparatoire à l estimation du coût d une bonne qualité des eaux de baignade sur le littoral Aquitain»
GRAPE-CEEP Rapport de stage «Travail préparatoire à l estimation du coût d une bonne qualité des eaux de baignade sur le littoral Aquitain» Vallette Jean-Vincent Master II Gestion des Ressources Naturelles
Plus en détailGUIDE PRATIQUE. Du provisionnement des emprunts à risques
Ministère de l Égalité des territoires et du Logement Ministère de l Économie et des Finances GUIDE PRATIQUE Du provisionnement des emprunts à risques Application aux Offices Publics de l Habitat à comptabilité
Plus en détailII L APPROCHE PEDAGOGIQUE EN 2nde PRO LOGISTIQUE ET TRANSPORT. 1 Mon téléphone portable
I PRESENTATION DES THEORIES 1 La chaîne logistique traditionnelle 2 Supply chain 3 Supply chain in reverse logistics La gestion globale de la chaîne logistique dans la logistique inversée (verte) II L
Plus en détailArchitecture des Systèmes d Information Architecture des Systèmes d Information
Plan... Tableaux et tris I3 - Algorithmique et programmation 1 Rappels Nicol Delestre 2 Tableaux à n dimensions 3 Initiation aux tris Tableaux - v2.0.1 1 / 27 Tableaux - v2.0.1 2 / 27 Rappels : tableau
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 détailUN EXEMPLE D EVALUATION DISCIPLINAIRE : EN ECONOMIE-GESTION (Droit)
UN EXEMPLE D EVALUATION DISCIPLINAIRE : EN ECONOMIE-GESTION (Droit) Apportant un complément indispensable aux enseignements d'économie, de management des organisations et de sciences de gestion, l enseignement
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailInégalités sociales de santé et accès aux soins. Inégalités sociales de santé et protection sociale 2006-07 Psychomot 1 UPMC/VHF
Inégalités sociales de santé et accès aux soins INEGALITES SOCIALES DE SANTE Définition : Inégalités/ sociales /de santé Inégalités face à la mort Comparaisons européennes Les maladies inégalitaires Inégalités
Plus en détailL indice de SEN, outil de mesure de l équité des systèmes éducatifs. Une comparaison à l échelle européenne
L indice de SEN, outil de mesure de l équité des systèmes éducatifs. Une comparaison à l échelle européenne Sophie Morlaix To cite this version: Sophie Morlaix. L indice de SEN, outil de mesure de l équité
Plus en détailChapitre 2/ La fonction de consommation et la fonction d épargne
hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation
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 détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
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 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 détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
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 détailLecture critique et pratique de la médecine
1-00.qxp 24/04/2006 11:23 Page 13 Lecture critique appliquée à la médecine vasculaireecture critique et pratique de la médecine Lecture critique et pratique de la médecine Introduction Si la médecine ne
Plus en détailComparaison de populations
Ricco Rakotomalala Comparaison de populations Tests paramétriques Version 1.2 Université Lumière Lyon 2 Page: 1 job: Comp_Pop_Tests_Parametriques macro: svmono.cls date/time: 11-Jun-2013/6:32 Page: 2 job:
Plus en détailMonUPMC vue par l enseignant
MonUPMC vue par l enseignant 1. Diversité des enseignants et attentes 2. Outil de communication 3. Support de projets pédagogiques O.Lascols Directeur du Département de biologie Coordinateur des éditions
Plus en détailECTS CM TD TP. 1er semestre (S3)
Organisation du parcours M2 IRS en alternance De façon générale, les unités d enseignements (UE) sont toutes obligatoires avec des ECTS équivalents à 3 sauf le stage sur 27 ECTS et réparties sur deux semestres
Plus en détailBTS MUC E4 : MGUC code : MUMGUC-CORRIGÉ
BTS MUC E4 : MGUC code : MUMGUC-CORRIGÉ Corrigé indicatif Cas CHRONODRIVE DOSSIER 1 : LES PERFORMANCES DU DRIVE 24pts 1.1 Construisez et complétez un tableau de bord pour les deux magasins CHRONODRIVE
Plus en détail