Tests usuels sur échantillons appariés. Pierre Neuvial, Evry, M1 SGO, automne 2014
|
|
- Monique Moreau
- il y a 6 ans
- Total affichages :
Transcription
1 Démarche Statistique 1 Tests usuels sur échantillons appariés Pierre Neuvial, Evry, M1 SGO, automne 2014
2 Echantillons appariés Définition Deux séries d'observations sur les mêmes individus, mais dans des conditions différentes n ( X 1, Y 1 ), ( X 2, Y 2 ), ( X n, Y n ) ( X i, Y i ) des variables indépendantes, identiquement distribuées. On note ( μ 1, μ 2 ) (X, Y). couples de variables quantitatives, telles que les sont Question: la moyenne des deux populations est-elle identique? Exemples la moyenne de Efficacité de deux traitements laser pour la rétinopathie diabétique: un traitement par oeil; mesure de l'acuité visuelle un certain temps après traitement Effet secondaire d'un médicament contre le rhume: on se demande si le médicament n'aurait pas pour effet d'augmenter la tension artérielle. On mesure la tension de chaque patient; le patient prend le médicament; après un certain temps, on reprend la tension du patient 2/21
3 Plan 1. Test de Student 2. Test du signe 3. Test de Wilcoxon 3/21
4 Notations On écrira que des variables sont i.i.d. (pour indépendantes, et identiquement distribuées) si elles sont indépendantes et suivent toutes la même loi de probabilité On utilisera des lettres majuscules pour désigner les variables aléatoires et des lettres minuscules pour désigner leurs réalisations (qui sont des valeurs numériques) Exemple: - Xˉ = n i=1 X i désigne la moyenne empirique de l'échantillon, - x 1 = 2 x 2 = 0 xˉ Pour un échantillon donné, si les réalisations de ces variables sont,, x 3 = 1, alors la valeur de la moyenne empirique de l'échantillon est = 1 X 1 X n 4/21
5 Notations (suite) On notera P( (0, 1) x) qu'une variable aléatoire de loi la probabilité dépasse la valeur, c'est-à-dire l'aire sous la courbe de densité à droite de. x En R, on a P( (0, 1) x) = 1-pnorm(x) x (0, 1) Exemple: loi normale On utilisera de même les notations: - P( (0, 1) x) = - P( (0, 1) x) = 1-pnorm(x) 2*(1-pnorm(x)) On utilisera également cette notation pour d'autres lois (en particulier la loi de k Student à degrés de liberté, notée ). t k Exemple: loi de Student Cette notation n'est pas ambigüe car il s'agit de quantités intrinsèques à la loi de probabilité 5/21
6 1. Test de Student
7 Données appariées: méthode des couples Principe: travailler sur les différences entre observations D i = Y i X i i On note pour tout. On suppose que ( μ 2 μ 1, σ 2 ). D 1, D 2, D n sont indépendantes, identiquement distribuées de loi H 0 : μ 1 = μ 2 H 1 : μ 1 μ 2 H 1 : μ 1 < μ 2 Pour tester contre (ou ), on peut utiliser le test de comparaison à la valeur de référence 0. Dˉ = n i=1 D i n S 2 1 = ( D n 1 i Dˉ ) 2 i=1 n On présente ici le cas où σ est inconnu car c'est le plus réaliste. On utilse un test de Student. 7/21
8 Test de Student sur données appariées Les différences D 1, D n sont supposées i.i.d. de loi (, ) μ 1 μ 2 σ, et sont inconnus T = Dˉ Statistique de test: S/ n H 0 : μ 1 = μ 2 T n 1 Sous, suit une loi de Student à degrés de liberté Test bilatéral: H 0 : μ 2 = μ 1 contre : Test de niveau α: rejeter de H 0 si t u, où est le quantile d'ordre de la loi de Student à degrés de liberté Exemple: si et, alors H 1 μ 2 μ 1 u 1 α/2 n 1 α = 0.05 n = 20 u = p-value du test: p = P H0 ( T t ) μ 2 μ 1 σ 2 8/21
9 Test de Student sur données appariées Les différences D 1, D n sont supposées i.i.d. de loi (, ) μ 1 μ 2 σ, et sont inconnus T = Dˉ Statistique de test: S/ n μ 1 μ 2 σ 2 Sous H 0 : μ 1 = μ 2, T suit une loi de Student à n 1 degrés de liberté: t n 1 Test unilatéral à gauche H 0 μ 2 μ 1 contre : < : = H 1 μ 1 μ 2 α H 0 t u Test de niveau : rejet de si, u α t n 1 où est le quantile d'ordre de la loi Si α = 0.05, alors u = p-value du test: p = P H0 (T t) Test unilatéral à droite H 0 μ 2 μ 1 contre : > : = H 1 μ 1 μ 2 α H 0 t u Test de niveau : rejet de si, u 1 α t n 1 où est le quantile d'ordre de Si α = 0.05, alors u = p-value du test: p = P H0 (T t) 9/21
10 Exemple: étude de l'effet d'un somnifère Nombre d'heures de sommeil gagnées par 10 patients après la prise d'un somnifère SOMNIFÈRE 1 SOMNIFÈRE 2 DIFFÉRENCE ('1'-'2') Cushny, A. R. and Peebles, A. R. (1905) The action of optical isomers: II hyoscines. The Journal of Physiology 32, Student (1908) The probable error of the mean. Biometrika, 6, /21
11 Test de Student sur données appariées Mise en place du test H 0 μ 2 = μ 1 H 1 μ 1 μ 2 " Test de : " " contre : " Niveau choisi: α = 0.05 T = Dˉ Statistique de test: H 0 T t(n 1) pour Sous, suit une loi de Student, connue S/ n H 0 Forme du test: rejet de T u Seuil de rejet: u = n = 10 Réalisation du test Données: -1.2, -2.4, -1.3, -1.3, 0, -1, -1.8, -0.8, -4.6, -1.4 Statistique de test: p-value: Conclusion Au vu de cette expérience, au niveau 0.05, on rejette l'hypothèse selon laquelle les deux somnifères ont la même efficacité 11/21
12 Test de Student sur données appariées Statistique de test Décision d <- x-y S <- sd(d) n <- length(d) (stat <- mean(d)/s*sqrt(n)) ifelse(abs(stat)>=u, "rejet", "non rejet") ## [1] "rejet" ## [1] Calcul du quantile Calcul de la p-valeur (p <- 2*(1-pt(abs(stat), df=n-1))) alpha < (u <- qt(1-alpha/2, df=n-1)) ## [1] ## [1] /21
13 Test de Student sur données appariées Pilote automatique t.test(x, y, paired=true) ## ## Paired t-test ## ## data: x and y ## t = , df = 9, p-value = ## alternative hypothesis: true difference in means is not equal to 0 ## 95 percent confidence interval: ## ## sample estimates: ## mean of the differences ## /21
14 2. Test du signe
15 Test du signe Motivation Le test de Student n'est applicable que quand les D i sont indépendantes et de loi normale. Le test du signe ne fait pas d'hypothèse de normalité (mais fait l'hypothèse d'indépendance!) Idée: tester la symétrie de la distribution de par rapport à 0 Mise en oeuvre Compter le nombre T d'individus dont le D i est positif D Propriété Sous l'hypothèse de symétrie de la loi de est nulle), la loi de T est Bin(n, 1/2) D (c'est-à-dire sous l'hypothèse que la médiane de D 15/21
16 3. Test des rangs signés de Wilcoxon
17 Test de Wilcoxon Motivation Le test de Student n'est applicable que quand les D i sont indépendantes et de loi normale. Le test de Wilcoxon ne fait pas d'hypothèse de normalité (mais fait l'hypothèse d'indépendance!) Il suppose simplement qu'ordonner les a un sens (variables ordinales) Idée: tester la symétrie de la distribution de par rapport à 0 Mise en oeuvre R i D i s i Calculer les rangs des valeurs absolues des différences et le signe de la différence D D i Calculer la somme des rangs des individus dont le D i est positif: T = { Di>0} R i Propriété Sous l'hypothèse de symétrie de la loi de est nulle), la loi de ces variables aléatoires ne dépend que de D (c'est-à-dire sous l'hypothèse que la médiane de n D 17/21
18 Exemple: somnifères Mise en place du test H 0 μ 1 = μ 2 H 1 μ 1 μ 2 " Test de : " " contre : " Niveau choisi: α = 0.05 Statistique de test: T = { Di>0} H 0 T (n) Sous, suit une loi de Wilcoxon, connue Forme: rejet de H 0 T u g ou T u d Seuils de rejet: u g = 6, = 39 u d R i Réalisation du test Données: -1.2, -2.4, -1.3, -1.3, -1, -1.8, -0.8, -4.6, -1.4 Statistique de test: 0 p-value: Conclusion Au vu de cette expérience, au niveau 0.05, on rejette l'hypothèse selon laquelle les deux somnifères ont la même efficacité 18/21
19 Test de Wilcoxon sur données appariées Statistique de test Décision d <- x-y; d <- d[d!= 0] n <- length(d) r <- rank(abs(d)) (stat <- sum(r[d > 0])) ifelse(stat>=u[1] stat<=u[2], "rejet", "non rejet") ## [1] "rejet" ## [1] 0 Calcul des quantiles Calcul de la p-valeur NB: la loi de la statistique sous symétrique p H 0 n'est pas calcul de la -valeur adapté alpha < (u <- qsignrank(c(alpha/2, 1-alpha/2), n)) pg <- psignrank(stat, n) (p <-2*min(pg, 1-pg)) ## [1] 6 39 ## [1] /21
20 Test de Wilcoxon sur données appariées Pilote automatique? suppresswarnings(wilcox.test(x, y, paired=true)) ## ## Wilcoxon signed rank test with continuity correction ## ## data: x and y ## V = 0, p-value = ## alternative hypothesis: true location shift is not equal to 0 Noter les "Warning" à cause de la présence de 0 et d'ex-aequo (ties) et le "with continuity correction" Utiliser plutôt la fonction wilcox.exact du package exactranktests 20/21
21 Test de Wilcoxon sur données appariées Pilote automatique: test exact Approximation gaussienne library(exactranktests) wilcox.exact(x, y, paired=true) library(exactranktests) wilcox.exact(x, y, paired=true, exact=false) ## ## Exact Wilcoxon signed rank test ## ## data: x and y ## V = 0, p-value = ## alternative hypothesis: true mu is not equal to 0 ## ## Asymptotic Wilcoxon signed rank test ## ## data: x and y ## V = 0, p-value = ## alternative hypothesis: true mu is not equal to 0 Ce test utilise la loi exacte de la statistique de test: c'est celui qu'il faut utiliser! Ce test utilise une approximation de la loi de la statistique de test par une loi normale, qui n'est valable que pour des échantillons de taille suffisante (ce n'est pas le cas ici car n = 9 ) 21/21
distribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
Plus en 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 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 détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en 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 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 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 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 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 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 détailTests statistiques et régressions logistiques sous R, avec prise en compte des plans d échantillonnage complexes
, avec prise en compte des plans d échantillonnage complexes par Joseph LARMARANGE version du 29 mars 2007 Ce cours a été développé pour une formation niveau M2 et Doctorat des étudiants du laboratoire
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 détailUne introduction. Lionel RIOU FRANÇA. Septembre 2008
Une introduction INSERM U669 Septembre 2008 Sommaire 1 Effets Fixes Effets Aléatoires 2 Analyse Classique Effets aléatoires Efficacité homogène Efficacité hétérogène 3 Estimation du modèle Inférence 4
Plus en détailModèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes
de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz
Plus en détailDémographie des masseurs-kinésithérapeutes
Démographie des masseurs-kinésithérapeutes AQUITAINE 24 33 47 40 64 24 33 40 47 64 - Conseil national de l Ordre des masseurs-kinésithérapeutes Dordogne Gironde Landes Lot-et-Garonne Pyrénées-Atlantiques
Plus en détailDidacticiel - Études de cas. Description de quelques fonctions du logiciel PSPP, comparaison des résultats avec ceux de Tanagra, R et OpenStat.
1 Objectif Description de quelques fonctions du logiciel PSPP, comparaison des résultats avec ceux de Tanagra, R et OpenStat. Tout le monde l aura compris, je passe énormément de temps à analyser les logiciels
Plus en détailDocument d orientation sur les allégations issues d essais de non-infériorité
Document d orientation sur les allégations issues d essais de non-infériorité Février 2013 1 Liste de contrôle des essais de non-infériorité N o Liste de contrôle (les clients peuvent se servir de cette
Plus en 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 détaildémographie des masseurs-kinésithérapeutes
démographie des masseurs-kinésithérapeutes Île de France - Réunion 95 78 974 93 92 75 94 91 77 75 77 78 91 92 - Paris Seine-et-Marne Yvelines Essonne Hauts-de-Seine conseil national de l ordre des masseurs-kinésithérapeutes
Plus en détailFiche d utilisation du logiciel. 1 - Installation. J. Thioulouse & D. Chessel
Fiche d utilisation du logiciel 1 - Installation J. Thioulouse & D. Chessel Résumé Cette fiche est une introduction à l'utilisation du logiciel R pour les trois environnements Unix, Windows et MacOS. Plan
Plus en détailUnity Real Time 2.0 Service Pack 2 update
Unity Real Time 2.0 Service Pack 2 update Configuration des Objectifs Analytiques La nouvelle version permet, en un écran, de configurer un lot, un panel ou un instrument. Le menu est accessible au moyen
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 détailUnix/Linux I. 1 ere année DUT. Université marne la vallée
Unix/Linux I 1 ere année DUT Université marne la vallée 1 Introduction 2 Fonctions et spécifité d Unix Architecture 3 4 5 Fichier Unix Arborescence de fichiers Quelques commandes sur les fichiers Chemins
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 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 détailIntroduction à R. Florence Yerly. Dept. de mathématiques, Université de Fribourg (CH) SP 2011
Dept. de mathématiques, Université de Fribourg (CH) SP 2011 Qu est ce que R? Un logiciel de statistiques libre et gratuit ; Un logiciel multi-plateforme (UNIX, Windows MacOS X) R permet de faire des calculs
Plus en détailMODELE A CORRECTION D ERREUR ET APPLICATIONS
MODELE A CORRECTION D ERREUR ET APPLICATIONS Hélène HAMISULTANE Bibliographie : Bourbonnais R. (2000), Econométrie, DUNOD. Lardic S. et Mignon V. (2002), Econométrie des Séries Temporelles Macroéconomiques
Plus en détailÉtude des flux d individus et des modalités de recrutement chez Formica rufa
Étude des flux d individus et des modalités de recrutement chez Formica rufa Bruno Labelle Théophile Olivier Karl Lesiourd Charles Thevenin 07 Avril 2012 1 Sommaire Remerciements I) Introduction p3 Intérêt
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 détailFPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 1
INTRODUCTION ça L'INFçERENCE STATISTIQUE 1. Introduction 2. Notion de variable alçeatoire íprçesentation ívariables alçeatoires discrçetes ívariables alçeatoires continues 3. Reprçesentations d'une distribution
Plus en détailRecherche dans un tableau
Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6
Plus en détailPARCOURS 3 EXPERIMENTATION APPRENTISSAGE : PHASE 2 CARA CREATION DU PROGRAMME POUR LA PHASE 2
REMARQUE : Pour créer un programme, vous devez avoir un profil Parcours 3 «Administrateur». 1. Création des motifs de sortie du programme PHASE 2 CARA Pour correspondre au souhait des évaluateurs, nous
Plus en détailTP N 57. Déploiement et renouvellement d une constellation de satellites
TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les
Plus en détailUn exemple de régression logistique sous
Fiche TD avec le logiciel : tdr341 Un exemple de régression logistique sous A.B. Dufour & A. Viallefont Etude de l apparition ou non d une maladie cardiaque des coronaires 1 Présentation des données Les
Plus en détailPackage TestsFaciles
Package TestsFaciles March 26, 2007 Type Package Title Facilite le calcul d intervalles de confiance et de tests de comparaison avec prise en compte du plan d échantillonnage. Version 1.0 Date 2007-03-26
Plus en détailAIDE FINANCIÈRE POUR ATHLÈTES FINANCIAL ASSISTANCE FOR ATHLETES
AIDE FINANCIÈRE POUR ATHLÈTES FINANCIAL ASSISTANCE FOR ATHLETES FORMULAIRE DE DEMANDE D AIDE / APPLICATION FORM Espace réservé pour l utilisation de la fondation This space reserved for foundation use
Plus en détailAide-mémoire de statistique appliquée à la biologie
Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
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 détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
Plus en détailModèles pour données répétées
Résumé Les données répétées, ou données longitudinales, constituent un domaine à la fois important et assez particulier de la statistique. On entend par données répétées des données telles que, pour chaque
Plus en détailEssais précoces non comparatifs : principes et calcul du nombre de sujets nécessaire
Essais précoces non comparatifs : principes et calcul du nombre de sujets nécessaire Sylvie CHABAUD Direction de la Recherche Clinique et de l Innovation : Centre Léon Bérard - Lyon Unité de Biostatistique
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 détailExemple PLS avec SAS
Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that
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 détailR, Bonnes pratiques. Christophe Genolini
R, Bonnes pratiques Christophe Genolini 1 Table des matières 1 Des bonnes pratiques, pour quoi faire? 4 2 Choix de l éditeur de texte 4 3 Architecture du code 6 4 Variables 10 5 Commentaires et documentation
Plus en détailDÉCLARATION SOCIALE NOMINATIVE
DÉCLARATION SOCIALE NOMINATIVE NEODeS - Passage de la phase 1 à la phase 2 Éléments de référence pour assurer la continuité Page 1 Sommaire 1. La relation employeur salarié... 3 2. Le positionnement du
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 détailCOMMENTAiRES/ DECISIONS SUITE A DONNER SOURCE. Note du collectif d associations de consommateurs sur le format d affichage
Plate-forme d'échanges Date : 2011-06-10 Assistante: Lydia GIPTEAU Ligne directe : + 33 (0)1 41 62 84 20 Lydia.gipteau@afnor.org Affichage environnemental des produits grande consommation Numéro du document:
Plus en détailGestion de Portefeuille. Mesures de Performance Ajustées du Risque
Gestion de Portefeuille Mesures de Performance Ajustées du Risque Le Ratio de Sharpe La mesure de performance (ajustée du risque) la plus utilisée Rappel: Propriétés du ratio de Sharpe Mesure de la stratégie:
Plus en détailÉtude de cas Assurance (d après une étude de Philippe Périé, CISIA)
Étude de cas Assurance (d après une étude de Philippe Périé, CISIA) I.1.Les données L échantillon est constitué de 1106 assurés Belges observés en 1992 et répartis en 2 groupes. - les assurés qui n ont
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 détailInitiation à la Programmation en Logique avec SISCtus Prolog
Initiation à la Programmation en Logique avec SISCtus Prolog Identificateurs Ils sont représentés par une suite de caractères alphanumériques commençant par une lettre minuscule (les lettres accentuées
Plus en détailDécret n 2010-1229 du 19 octobre
Télémédecine et diabète : le plan d éducation personnalisé électronique para médical (epep) Lydie Canipel Colloque TIC Santé 2011, 8 et 9 février 2011, Paris Décret n 2010-1229 du 19 octobre 2010 relatif
Plus en détailApproche par groupe de gènes pour les données longitudinales d expression génique avec une application dans un essai vaccinal contre le VIH
Approche par groupe de gènes pour les données longitudinales d expression génique avec une application dans un essai vaccinal contre le VIH Boris Hejblum 1,2,3 & Rodolphe Thiébaut 1,2,3 1 Inserm, U897
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 détailUEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.
UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases
Plus en détailDiane Patrimoine. L épargne salariale : outil d optimisation et de défiscalisation de la rémunération. Diane Patrimoine 1
Diane Patrimoine L épargne salariale : outil d optimisation et de défiscalisation de la rémunération Diane Patrimoine 1 Sommaire : Les dispositifs d épargne salariale et leurs principaux avantages Une
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détail0.8 U N /0.5 U N 0.8 U N /0.5 U N 0.8 U N /0.5 U N 0.2 U N /0.1 U N 0.2 U N /0.1 U N 0.2 U N /0.1 U N
Série 55 - Relais industriels 7-10 A Caractéristiques 55.12 55.13 55.14 Relais pour usage général avec 2, 3 ou 4 contacts Montage sur circuit imprimé 55.12-2 contacts 10 A 55.13-3 contacts 10 A 55.14-4
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 détailSommaire. Page d accueil. Comment effectuer une mise à jour? Comment insérer le logo de sa société? Comment effectuer une sauvegarde?
Sommaire Page d accueil Comment effectuer une mise à jour? Comment insérer le logo de sa société? Comment effectuer une sauvegarde? Page Tiers Comment créer un tiers (client et/ou fournisseur)? Comment
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 détailchoisir H 1 quand H 0 est vraie - fausse alarme
étection et Estimation GEL-64943 Hiver 5 Tests Neyman-Pearson Règles de Bayes: coûts connus min π R ( ) + ( π ) R ( ) { } Règles Minimax: coûts connus min max R ( ), R ( ) Règles Neyman Pearson: coûts
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 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 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 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 détailSpondylarthropathies : diagnostic, place des anti-tnf et surveillance par le généraliste. Pr P. Claudepierre CHU Henri Mondor - Créteil
Spondylarthropathies : diagnostic, place des anti-tnf et surveillance par le généraliste Pr P. Claudepierre CHU Henri Mondor - Créteil Le Diagnostic Objectif de la démarche diagnostique Diagnostic de SPONDYLARTHROPATHIE
Plus en détailLe case management de transition (CMT) Une illustration de pratique avancée en soins infirmiers
XIIe Congrès Européen Lausanne, le 22 novembre 2013 Le case management de transition (CMT) Une illustration de pratique avancée en soins infirmiers Cécile Morgan & Patricia Jaunin, Infirmières spécialisées
Plus en détailREK Commission d experts Comptabilité & Contrôle de gestion
REK Commission d experts Comptabilité & Contrôle de gestion Décision sur la proposition n 14_003 Traçabilité de la proposition Date Statut Remise le: 9.4.2014 1 er traitement 24.4.2014 2 ème traitement
Plus en détailParcours du patient cardiaque
Parcours du patient cardiaque Une analyse HAS à partir de la base QualHAS, des Indicateurs Pour l Amélioration de la Qualité & Sécurité des Soins (IPAQSS)- Infarctus du myocarde Linda Banaei-Bouchareb,
Plus en détailLe langage SQL pour Oracle - partie 1 : SQL comme LDD
Le langage SQL pour Oracle - partie 1 : SQL comme LDD 1 SQL : Introduction SQL : Structured Query Langage langage de gestion de bases de donn ees relationnelles pour Définir les données (LDD) interroger
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 détailCorrélation entre deux classements. ρ Le coefficient de rang de Spearman
Corrélation entre deux classements Cas: échelle ordinale On peut utilisé le Rhô ρ Le coefficient de rang de Spearman Cours réalisé par Benjamin Putois Novembre 2008 bputois@gmail.com Indice statistique
Plus en détailIBM SPSS Direct Marketing 21
IBM SPSS Direct Marketing 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 109. Cette version s applique à IBM SPSS
Plus en détailExemples d application
AgroParisTech Exemples d application du modèle linéaire E Lebarbier, S Robin Table des matières 1 Introduction 4 11 Avertissement 4 12 Notations 4 2 Régression linéaire simple 7 21 Présentation 7 211 Objectif
Plus en détailDERAILLEUR AVANT SR / R / CH - GAMME ACTUELLE
DERAILLEUR AVANT SR / R / CH - GAMME ACTUELLE 1 - SPÉCIFICITÉS TECHNIQUES 55 2 - COMPATIBILITÉ (GAMME ACTUELLE) ATTENTION! Les associations différentes de celles figurant dans le tableau pourraient entraîner
Plus en détailUn laboratoire d auto-immunité paperless : mythe ou réalité? L.Lutteri Laboratoire d auto-immunité Service de Chimie Clinique CHU Liège
Un laboratoire d auto-immunité paperless : mythe ou réalité? L.Lutteri Laboratoire d auto-immunité Service de Chimie Clinique CHU Liège Immunofluorescence Dépistage Aspect Titre Cellules Hep 2: Connectivites
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détail«Quelle information aux patients en recherche biomédicale? Quels enseignements en retirer pour la pratique quotidienne?»
«Quelle information aux patients en recherche biomédicale? Quels enseignements en retirer pour la pratique quotidienne?» Dr Adeline Paris Unité de Pharmacologie Clinique Centre d Investigation Clinique
Plus en détailCHAPITRE 4. La réglementation du médicament
CHAPITRE 4 La réglementation du médicament 1 Les procédures d enregistrement d un médicament en Europe Le choix de la procédure Pour l enregistrement d un médicament dans plus d un état membre de l Union
Plus en détailASSURER LA QUALITE DES RESULTATS D ESSAI ET D ETALONNAGE Assuring the quality of test and calibration results
ASSURER LA QUALITE DES RESULTATS D ESSAI ET D ETALONNAGE Assuring the quality of test and calibration results Soraya Amarouche Armelle Picau Olivier Pierson Raphaël Deal Laboratoire National de Métrologie
Plus en détailLa simulation probabiliste avec Excel
La simulation probabiliste avec Ecel (2 e version) Emmanuel Grenier emmanuel.grenier@isab.fr Relu par Kathy Chapelain et Henry P. Aubert Incontournable lorsqu il s agit de gérer des phénomènes aléatoires
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 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 détailMesure et gestion des risques d assurance
Mesure et gestion des risques d assurance Analyse critique des futurs référentiels prudentiel et d information financière Congrès annuel de l Institut des Actuaires 26 juin 2008 Pierre THEROND ptherond@winter-associes.fr
Plus en détailIFT3245. Simulation et modèles
IFT 3245 Simulation et modèles DIRO Université de Montréal Automne 2012 Tests statistiques L étude des propriétés théoriques d un générateur ne suffit; il estindispensable de recourir à des tests statistiques
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 détailLa place de SAS dans l'informatique décisionnelle
La place de SAS dans l'informatique décisionnelle Olivier Decourt ABS Technologies - Educasoft Formations La place de SAS dans l'informatique décisionnelle! L'historique de SAS! La mécanique! La carrosserie
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 détailSérie D65/D75/D72 Afficheurs digitaux modulaires
Série D65/D75/D72 Afficheurs digitaux modulaires Afficheurs digitaux modulaires Afficheurs digitaux individuels La série D65/D75/D72 représente une vaste gamme de modules d affichage numériques, hexadécimaux
Plus en détailCharte de nommage du «.tn»
République Tunisienne Instance Nationale des Télécommunications ---------------------------------- ------------------------------------ Charte de nommage du «.tn» Version 1.0 Table des matières Article
Plus en détailApplication des courbes ROC à l analyse des facteurs pronostiques binaires
Application des courbes ROC à l analyse des facteurs pronostiques binaires Combescure C (1), Perneger TV (1), Weber DC (2), Daurès J P (3), Foucher Y (4) (1) Service d épidémiologie clinique et Centre
Plus en détail