6- Tests statistiques - 1. Chapitre 6 : Tests d hypothèses

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "6- Tests statistiques - 1. Chapitre 6 : Tests d hypothèses"

Transcription

1 6- Tests statstques - Chaptre 6 : Tests d hypothèses 6. Costructo d u test et règle de décso ussace d u test Quelques tests d hypothèses Test sur la moyee d ue dstrbuto ormale de varace coue Test sur la moyee d ue dstrbuto ormale de varace coue Test sur la varace d ue dstrbuto ormale de moyee coue Test sur la varace d ue dstrbuto ormale de moyee coue Test d égalté de moyees de deu populatos ormales de varaces coues Test d égalté de moyees de deu populatos ormales de varaces coues Les varaces sot supposées égales Les varaces sot égales Test d égalté de varaces de deu populatos ormales de moyees coues Test d égalté de varaces de deu populatos ormales de moyees coues Test sur des doées par pares (apparées) Eemple de pussace d u test... Les tests d hypothèses servet à détermer s ue sére d observatos (format l échatllo) permettet d valder ou o ue hypothèse que l o formule sur la populato. Eemple : U cmet est fabrqué pour préseter ue résstace de 3 Ma (valeur de desg). U échatllo de 5 éprouvettes a four les valeurs suvates : 3., 9.5, 9.6, 8.4, 8.9. euto rejeter l hypothèse que le cmet das so esemble a ue résstace de 3 Ma sur la seule fo de ces 5 échatllos? Eemple : O stalle u feu de crculato à ue tersecto jugée dagereuse. Les tros mos précédat l stallato du feu, 4 accdets majeurs avaet été eregstrés. Les tros mos suvats, seulemet accdets majeurs sot surveus. eut-o affrmer que le feu de crculato a perms ue réducto sgfcatve de la moyee du ombre d accdets? Les tests d hypothèses peuvet porter sur dvers aspects. Les plus fréquemmet utlsés sot : o la moyee d ue populato est-elle dfférete d ue moyee coue? o deu populatos ot-elles même moyee? o deu varables sot-elles dépedates? o la corrélato etre deu varables est-elle sgfcatve? o la varace d ue populato est-elle dfférete d ue varace coue? o deu populatos ot-elles même varace? o ue lo de dstrbuto doée s applque-t-elle à ue populato doée? o deu populatos ot-elles même dstrbuto? Remarque commet les éocés précédets portet tous sur la populato. Toutefos, c est l échatllo, sesé représeter la populato, qu permettra de répodre à ces questos. U test compare la valeur d ue statstque calculée sur u échatllo à la valeur théorque découlat de la dstrbuto de cette statstque obteue lorsqu o cosdère l hypothèse

2 6- Tests statstques - formulée vrae. la valeur de la statstque e présete re de partculer par rapport à la dstrbuto théorque, o accepte l hypothèse. Lorsque la valeur de la statstque apparaît claremet atypque, o se dot de rejeter l hypothèse formulée. Cepedat cette valeur atypque possède ue certae probablté d être observée même lorsque l hypothèse est vrae. Doc u test statstque e permet jamas d être certa qu ue hypothèse est vrae ou fausse. Tout au plus s agt-l d ue règle opératoelle permettat de documeter statstquemet les décsos prses. 6. Costructo d u test et règle de décso Repreos l eemple du cmet et des cq éprouvettes évoqué précédemmet. upposos de plus que l o sat que la dstrbuto de la résstace des éprouvettes est N(3,) pour u cmet coçu pour préseter ue résstace de 3 Ma. O veut vérfer s la moyee observée das l échatllo (5*( )9.3) permet d affrmer que la valeur de cocepto (3 Ma) est pas respectée. O formule l hypothèse : H 3 vs H 3. Le test est dt ulatéral c car o e s téresse qu au cas où la moyee e recotre pas la valeur de cocepto (le cas 3 costtue e fat u «bous» dot l y a pas leu de s quéter). Lorsque l hypothèse alteratve est de la forme 3 o dt alors que le test est blatéral). eule la dstrbuto sous H c est etèremet spécfée (o parle alors d hypothèse smple). L hypothèse alteratve H est dte hypothèse composée car elle e spécfe pas ue dstrbuto uque lorsque H vrae. C est le cas le plus fréquemmet recotré e pratque be que parfos o pusse auss avor ue alteratve smple. O sat que la moyee d u échatllo dot les observatos sot dépedates et ssues d ue dstrbuto ormale est ue v.a. et : ~ N,. O va calculer ( 9.3). cette probablté est féreure à u seul rasoable que l o s est fé (souvet.5) alors o rejettera l hypothèse H car la valeur 9. 3 apparaîtra comme atypque pour la dstrbuto de. O calcule : (.3) ( ) N 5 5 ( (,).). 34 Comme.34.5, o e peut rejeter H,.e. o a pas d évdeces suffsates pour affrmer que la valeur de cocepto est pas respectée. Le ombre d observatos joue u rôle clé das cette décso. l échatllo avat par eemple coteu observatos au leu de 5, toujours présetat la même moyee, o aurat calculé.36 et o serat arrvé à la décso cotrare. U test statstque cosste doc e :

3 6- Tests statstques - 3 o Idetfer l hypothèse smple H et l hypothèse alteratve H ; o trouver ue statstque lée à H dot o coaît la lo de dstrbuto; o detfer le veau de sgfcato du test, ; habtuellemet, est chos égal à.,.5 ou. mas cec peut varer selo l applcato; o évaluer la valeur de la statstque sur l échatllo; o calculer la probablté que l o observe ue valeur auss ou plus atypque que la valeur obteue sur l échatllo; o rejeter l hypothèse H s la probablté obteue est féreure à. 6. ussace d u test upposos que l alteratve H sot auss ue hypothèse smple. O peut alors évaluer (Accepter H H est vrae). Cette probablté est appelée l erreur de secode espèce ( β ; état l erreur de premère espèce). La probablté complémetare (Rejeter H H est vrae)- β est appelée la pussace du test. O cherche ormalemet à avor u test le plus pussat possble car cec assure que l o pourra évetuellemet détecter de subtles varatos de moyee, de varace, etc. La pussace d u test doé déped de deu facteurs : le ombre d observatos et l écart etre les deu hypothèses smples H et H. lus o a d observatos, pour u même écart, plus le test est pussat. lus l écart est grad etre H et H, pour u même ombre d observatos, plus l est facle de détecter cette dfférece et doc plus le test est pussat. Cas de H hypothèse composée : Das ce cas, o cosdère pluseurs valeurs possbles de l alteratve et pour chacue o calcule la pussace correspodate. O trace esute la courbe de pussace du test e focto de la valeur sous l alteratve. Lorsque la valeur cosdérée sous H ted vers celle sous H, alors la pussace du test ted vers le veau du test (.e. le test est très peu pussat). Courbe caractérstque : La courbe caractérstque est la courbe β ( H) alors que la courbe de pussace est la courbe complémetare, - β H ). ( Eemple : La fgure suvate motre la pussace du test ulatéral sur la moyee (avec varace coue) au veau 5%, H vs H e focto de l écart ormalsé etre les moyees sous H et H pour dfféretes valeurs de. As, observatos permettet de détecter u écart ormalsé de.3 evro avec ue pussace de 8% alors que 5 observatos écesstet u écart de. à cette même pussace. our u même écart ormalsé de.3, la pussace du test est que de 7% evro avec 5 observatos, 5% avec 3 observatos et presque % avec observatos. Remarque comme la pussace augmete rapdemet au fables pus plus letemet. Remarque égalemet comme la pussace est fable pour les petts écarts ormalsés. Même avec observatos, la pussace est que de 4% pour détecter u écart de.. Alteratvemet, o peut auss calculer la valeur crtque das la dstrbuto de la statstque correspodat au veau désré et o rejette H s la valeur de la statstque ecède ce seul.

4 6- Tests statstques - 4 Corbe de pussace, test moyee, ulatéral 5% ussace (-β) Écart ormalsé ( - ) Note mportate : Il este u le très étrot etre u test d hypothèse smple sur la valeur d u paramètre et l estmato par tervalle de coface de ce même paramètre. la valeur du paramètre testée sous H est cluse das l tervalle de coface costrut autour de l estmateur alors o e peut rejeter H pour u test de veau de coface correspodat à u tervalle de veau -. De même, s la valeur sous H se trouve à l etéreur de l tervalle de coface, alors o rejette H. 6.3 Quelques tests d hypothèses 6.3. Test sur la moyee d ue dstrbuto ormale de varace coue Test : H : vs H :, ou H :, ou H : ( ) tatstque : ~ N (,) Règle de décso : H :, H : ( ), rejeter H.

5 6- Tests statstques - 5 ( ), rejeter H. H : ( ), ou ( ), rejeter H. E raso du théorème cetral lmte, lorsque est suffsammet grad, le test demeure appromatvemet valde même s la populato est pas ormale au départ. ussace du test : (Rejeter H H vrae) ot ~ N(,) et tel que ( ) et tel que ( ) H : ( ) ( ) H : ( ) ( ) ar la symétre de la lo ormale, les deu derers résultats peuvet s écrre comme : ) ( β H : ) ( β 6.3. Test sur la moyee d ue dstrbuto ormale de varace coue Test : H : vs H :, ou H : :, ou H : tatstque : ( ) ~ t s t Règle de décso : H :

6 6- Tests statstques - 6 t ( ) s, ou t ( ) s, rejeter H. Les cas ulatérau s obteet de faço smlare. Lorsque est suffsammet grad, t N(,), de plus, e raso du théorème cetral lmte, le test demeure appromatvemet valde même s la populato est pas ormale au départ Test sur la varace d ue dstrbuto ormale de moyee coue la moyee est coue, o estme la varace par : ˆ ( ) Claremet, s ( ) ~ N(, ) ~ N(,) ~ χ ~ χ Or ˆ Test : H : vs H :, ou H :, ou H tatstque : ˆ ~ χ Règle de décso : H : ˆ χ, ou ˆ χ, rejeter H. Les cas ulatérau s obteet de faço smlare. Lorsque est grad, le test demeure appromatvemet valde même s la dstrbuto de est pas ormale.

7 6- Tests statstques Test sur la varace d ue dstrbuto ormale de moyee coue Das ce cas, o estme la varace par : ( ) O a : ( ) ~ χ Le test découle drectemet (vor secto précédete) Test d égalté de moyees de deu populatos ormales de varaces coues ot ~ N(, ) et ~ N(, ). ot et le ombre d observatos das chaque populato. Cosdéros la dstrbuto de la dfférece des moyees des échatllos. O a : ous H ( ) ( ) ~ N, ( ) ~ N(,) ~ N(,) Le test découle drectemet Test d égalté de moyees de deu populatos ormales de varaces coues Les varaces sot supposées égales ot ~ N(, ) et ~ N(, ). ot et populato. le ombre d observatos das chaque Comme la varace commue est coue, o va l estmer e utlsat l esemble des observatos par : ( ) ( ) p O peut motrer que cet estmateur est sas bas pour ous H et χ p ~

8 6- Tests statstques - 8 ( ) p ~ t Le test découle drectemet Les varaces sot égales Das ce cas, l y a pas de test eact. Il y a u test appromatf toutefos. ous H Le test découle drectemet. ( ) avec v ( ) ( ) t v Eemple : Lafarge produt du cmet à t-costat à l ade de deu crcuts dépedats. Les teeurs moyees et les varaces e C 3 des deu crcuts sot mesurées sur deu échatllos : s Crcut 3 3 Crcut 5 Les deu crcuts présetet-ls ue moyee sgfcatvemet dfférete? ous H : vs H : ( 5) O calcule la statstque t :. 8.5 (3 3 ) (3 3 ) Les degrés de lberté sot : v (3 3) 3 ( ) O lt t. 3 48;.5 Comme.8-.3, o e peut rejeter H.

9 6- Tests statstques Test d égalté de varaces de deu populatos ormales de moyees coues O estme chaque varace par : ˆ ( ) ˆ O a : ~ χ ous H :, o a, utlsat la défto de la lo F : Le test découle drectemet. ˆ ˆ ~ F, Test d égalté de varaces de deu populatos ormales de moyees coues ( ) O estme chaque varace par : ( ) ( ) O a : ~ χ ous H :, o a, utlsat la défto de la lo F : Le test découle drectemet. ~ F, Test sur des doées par pares (apparées) Imagos doées proveat par pares. Ce pourrat être par eemple bétos dfférets pour lesquels o prépare deu éprouvettes chacu et o fat subr à chacue des deu éprouvettes u test de résstace dfféret. O voudrat tester s les deu tests de résstace doet les mêmes valeurs moyees. Ce pourrat auss être échatllos de sols auquels o fat subr u certa tratemet. O calcule la moyee avat et après tratemet. La questo se pose alors : le tratemet a-t-l eu u effet sgfcatf,.e. les moyees sot-elles sgfcatvemet dfféretes? O pourrat peser utlser le test d égalté des moyees pour deu populatos. Toutefos ce serat ue erreur car l s agt des mêmes doées. O e peut sûremet pas les cosdérer comme dépedates, ce qu est ue codto essetelle pour pouvor applquer le test d égalté des moyees vu précédemmet. O va plutôt cosdérer la v.a où les dces et dstguet les doées de chaque pare, (e. avat et après tratemet). ous hypothèse que est ormale, o posera

10 6- Tests statstques - H : H : La statstque t ~ t. Le test découle drectemet. 6.4 Eemple de pussace d u test Cosdéros le test sur la moyee d ue populato ormale lorsque la varace est coue. as perte de gééralté, o pose. La fgure suvate motre la pussace du test H : vs H : pour dfféretes valeurs de l alteratve et e focto du ombre d observatos das l échatllo. ussace d'u test.9.8 ussace Lorsque l écart etre les hypothèses s approche de, la pussace du test s approche du veau du test (c,5). Le graphe précédet permet de détermer le ombre d observatos requs pour avor ue pussace suffsate e focto de l écart atcpé par rapport à pour l alteratve. As, s l o vse ue pussace de,8 u échatllo de talle 5 e permet de détecter qu u écart de, alors qu u échatllo de 5 permet de détecter u écart auss fable que,35 appromatvemet. l o coaît la probablté à pror que se réalse l hypothèse H (dsos p ) et l alteratve smple H (dsos p ), alors o peut calculer la probablté de predre la boe décso avec le test : p (- )p (- β ). lus est grad, plus β est pett (et plus la pussace du test est grade).

11 6- Tests statstques - ussace d'u test ussace ussace du test ulatéral sur la moyee () e focto de.

[ ] IV.- Espérance mathématique de l estimateur  : Nous avons ( ) ε. alors l espérance mathématique sera : soit

[ ] IV.- Espérance mathématique de l estimateur  : Nous avons ( ) ε. alors l espérance mathématique sera : soit Itroducto à l écoométre S6-EF sc. éco. & gesto Prof. Mohamed El Meroua IV.- Espérace mathématque de l estmateur  : A ˆ A + X X X Nous avos ( ε alors l espérace mathématque sera : E ( E( A + E[ ( X X X

Plus en détail

I. Moyenne, variance et écart-type d une série statistique

I. Moyenne, variance et écart-type d une série statistique I Moyee, varace et écart-type d ue sére statstque Sére statstque dscrète : Eemple d ue sére statstque dscrète : Preos le cas d ue classe de élèves qu réalset u devor oté sur 5 La sére statstque dscrète

Plus en détail

LEÇON N 6 : Loi de Poisson, loi normale.

LEÇON N 6 : Loi de Poisson, loi normale. LEÇON N 6 :. Pré-requs : Probabltés : défto, calculs et probabltés codtoelles ; Lo bomale cf. leço o 5) ; Noto de varables aléatores dscrètes et cotues cf. leços o 4 et 7), et proprétés assocées : espérace,

Plus en détail

NOTATIONS ET FORMULAIRE

NOTATIONS ET FORMULAIRE Uversté PARIS DESCARTES Lcece de Psychologe L1 ADP1- Resp : Mrelle LAGARRIGUE page 1/5 PROTOCOLE SUR U ECHA TILLO NOTATIONS ET FORMULAIRE Esemble des sujets de l échatllo S { s 1 ; s ;.; s } (1) Varable

Plus en détail

LOI NORMALE ET LOIS DERIVEES

LOI NORMALE ET LOIS DERIVEES Prcpes et Méthodes de la Bostatstque Chaptre 5 LOI NORMALE ET LOIS DERIVEES A-LA LOI NORMALE Présetato La dstrbuto ormale, dte ecore de Laplace-Gauss, est pour des rasos qu apparaîtrot plus lo, la plus

Plus en détail

Cours (Terminale) Probabilités (révisions 1 ère )

Cours (Terminale) Probabilités (révisions 1 ère ) Cours (Termale) Probabltés (révsos ère ) Quelques rappels et complémets sur les esembles Uo de deux esembles O appelle «uo de deux esembles E et F» l esemble oté E F dot les élémets sot costtués des élémets

Plus en détail

RADIOPROTECTION CIRKUS. Sommaire

RADIOPROTECTION CIRKUS. Sommaire RADIOPROTECTION CIRKUS Documet techque Radoprotecto Crkus 89 D boulevard du Fer 74000 Aecy www.rpcrkus.org - cotact@rpcrkus.org Assocato lo 1901 créée le 9 mars 010 W91300355 - Eregstrée à la préfecture

Plus en détail

Améliorer la productivité

Améliorer la productivité Maurce Pllet Amélorer la productvté Déploemet dustrel du toléracemet ertel, 00 SBN : 978---54754- Commet calculer ue tolérace ertelle 75 Nous avos doc u toléracemet par tervalle sur les exgeces foctoelles

Plus en détail

Serie statistique double

Serie statistique double Sere statstque double Dstrbutos margales Actvté U relevé statstque des talles (e cm) et des pods Y (e kg) d u échatllo de 00 élèves a perms de costrure le tableau suvat : Y [0, 5[ [5, 50[ [50, 55[ [55,

Plus en détail

Pondichéry Avril 2014 Série S Exercice.

Pondichéry Avril 2014 Série S Exercice. Podchéry Avrl 04 Sére S Exercce Le pla complexe est mu d u repère orthoormé ( O; uv, ) Pour tout eter aturel, o ote A le pot d affxe z déf par : O déft la sute ( ) z z 0 = et + = + z 4 4 r par r = z pour

Plus en détail

2.1 Variable aléatoire Fonction de répartition Fonction de masse et de densité...2

2.1 Variable aléatoire Fonction de répartition Fonction de masse et de densité...2 - Varables aléatores et dstrbutos - Chaptre : Varables aléatores et dstrbutos. Varable aléatore.... Focto de répartto....3 Focto de masse et de desté....4 Dstrbuto cojote de varables aléatores...5.4. Dstrbuto

Plus en détail

I. Qu est-ce qu une variable aléatoire?

I. Qu est-ce qu une variable aléatoire? I. Qu est-ce qu ue varable aléatore?. Défto : Sot ue expérece aléatore dot l esemble des résultats possbles (l uvers est oté Ω. Ue varable aléatore est ue focto X allat de Ω sur R, c est-à-dre que c est

Plus en détail

Divisibilité et congruences. Corrigés d exercices

Divisibilité et congruences. Corrigés d exercices Dvsblté et cogrueces Corrgés d exercces Les exercces du lvre corrgés das ce docuet sot les suvats : Page 445 : N 1, 5 Page 459 : N 45 Page 449 : N 10 Page 460 : N 51, 5, 55, 57 Page 451 : N 16 Page 461

Plus en détail

2. On présente ensuite une proposition : l'équiprobabilité à chaque étape entraîne l'équiprobabilité sur l'ensemble des résultats.

2. On présente ensuite une proposition : l'équiprobabilité à chaque étape entraîne l'équiprobabilité sur l'ensemble des résultats. rbre de déombremet et arbre de probablté Pla du documet. O présete tout d'abord la règle du produt pour les arbres de déombremet avec, e cas partculer, le cardal d'u produt cartése d'esembles fs.. O présete

Plus en détail

Le cours Interprétation physique de la dérivée

Le cours Interprétation physique de la dérivée Il est égalemet possble de procéder à la «dérvato umérque» d ue sute de valeurs {(t ; f )}. La sute dérvée est elle-même costtuée de couples {(t ; f )} ; la valeur f de correspodat au tau de varato mesuré

Plus en détail

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen Aexe. Estmato d u quatle o-paramétrque par la méthode de Haze La probablté cumulée emprque d ue doée au se d u échatllo est pas u cocept parfatemet déf : pluseurs estmatos sot possbles ; l e est de même

Plus en détail

Exercice 1 : Analogie entre équilibres acido-basiques et équilibres de complexation (Application du Principe de Le Châtelier).

Exercice 1 : Analogie entre équilibres acido-basiques et équilibres de complexation (Application du Principe de Le Châtelier). Bla UE 1C G. EXERCICES BILAN Exercce 1 : Aaloge etre équlbres acdo-basques et équlbres de complexato (Applcato du Prcpe de Le Châteler). Objectfs de l'exercce - Coassaces/Compéteces testées das cet exercce

Plus en détail

CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4

CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4 page1/6 CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4 Dosser "Défcece" 1) = 30 pour les groupes. Les classes sot d'ampltudes dfféretes doc...utlser la desté (rappel : desté = effectf/ampltude). Durée

Plus en détail

ANALYSE DE RESULTATS EXPERIMENTAUX Sommaire

ANALYSE DE RESULTATS EXPERIMENTAUX Sommaire ANALYSE DE RESULTATS EXPERIMENTAUX ------------ Sommare. ANALYSE DE RESULTATS DE PLUSIEURS MESURES D UNE MÊME GRANDEUR :..... LE PROBLÈME :..... QUELQUES NOTIONS INDISPENSABLES DE STATISTIQUE...... Populato

Plus en détail

L2 Mention Informatique. UE Probabilités. Chapitre 3 : Variables aléatoires réelles

L2 Mention Informatique. UE Probabilités. Chapitre 3 : Variables aléatoires réelles L Meto Iformatque UE Probabltés Chaptre 3 : Varables aléatores réelles Notes de cours rédgées par Rége Adré-Obrecht, Jule Pquer, Serge Solovev Sot (, A, P) Ω et X : Ω R ue varable aléatore. I. Varable

Plus en détail

La valeur acquise par un capital au bout d'une année est donc obtenue en multipliant ce capital par (1 + i). Par suite, le capital C1

La valeur acquise par un capital au bout d'une année est donc obtenue en multipliant ce capital par (1 + i). Par suite, le capital C1 LGL Cours de Mathématques 26 Exemples de sutes das le domae des faces 1) Itérêts composés O place 1. à térêts composés au taux de 4,5 % par a. Détermer le captal dspoble à la f de chaque aée et ce pedat

Plus en détail

On applique le théorème de Pythagore au triangle AIE est rectangle en I AI 2 IE 2 AE 2 IE IE 1 2

On applique le théorème de Pythagore au triangle AIE est rectangle en I AI 2 IE 2 AE 2 IE IE 1 2 Exercce Lba 6 4 pots O cosdère u solde ADECBF costtué de deux pyramdes detques ayat pour base commue le carré ABCD de cetre I. Ue représetato e perspectve de ce solde est doée e aexe (à redre avec la cope).

Plus en détail

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an BTS BLANC Ma 0 Epreuve : Mathématques Géérales et Applquées Flère : DA / ARLE Durée: heures NB : Chaque parte dot être tratée sur des copes dfféretes I- MATHEMATIQUES GENERALES Exercce a b Sot le Sot la

Plus en détail

Probabilités. est la i ième valeur possible. L ensemble des issues auxquelles on associe la même valeur x

Probabilités. est la i ième valeur possible. L ensemble des issues auxquelles on associe la même valeur x Probabltés A) Varable aléatore et lo de probablté Varable aléatore Défto : O cosdère l'esemble E des ssues d'ue expérece aléatore Défr ue varable aléatore X sur cet esemble, c est assocer u ombre à chaque

Plus en détail

Comment représenter les variables aléatoires (données)? Paramètres descriptifs. Quels sont les paramètres descriptifs de la position?

Comment représenter les variables aléatoires (données)? Paramètres descriptifs. Quels sont les paramètres descriptifs de la position? Paramètres descrptfs Cours VETE043- Aée académque 06-07 Commet représeter les varables aléatores (doées)? Représetato sythétque Tables de fréqueces Représetato graphque Dagrammes de fréqueces Paramètres

Plus en détail

Nombre de Clients [0 ; 50[ 72. x i. n i [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200 ; 250 [ 18

Nombre de Clients [0 ; 50[ 72. x i. n i [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200 ; 250 [ 18 1 U commerçat a relevé le motat des dépeses e euros de chaque clet au cours d ue semae. Motat des dépeses Clets [0 ; 50[ 72 x x - x ) - x )² -x ) ² [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200

Plus en détail

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont interdites. * * *

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont interdites. * * * SESSION 003 EPREUVE SPECIFIQUE FILIERE MP MAHEMAIQUES 1 Durée : 4 heures Les calculatrces sot terdtes * * * NB : Le caddat attachera la plus grade mportace à la clarté, à la précso et à la cocso de la

Plus en détail

Loi de Fisher. Test de Fisher. Exemple. Solution. ANOVA à un facteur. df = (29, 28) df = (19, 6) df = (6, 6)

Loi de Fisher. Test de Fisher. Exemple. Solution. ANOVA à un facteur. df = (29, 28) df = (19, 6) df = (6, 6) ! amlle de dtrbuto. Lo de her! Chaque membre de la famlle et détermé par deux paramètre: le ombre de degré de lberté du umérateur et le ombre de degré de lberté du déomateur.! et cotue et potve.! et potvemet

Plus en détail

Méthode du simplexe: préliminaires. 2. Programmation linéaire. Solution de base. Méthode du simplexe: préliminaires. b. Méthode du simplexe

Méthode du simplexe: préliminaires. 2. Programmation linéaire. Solution de base. Méthode du simplexe: préliminaires. b. Méthode du simplexe Méthode du smplee: prélmares Modèles de recherche opératoelle (RO). Programmato léare b. Méthode du smplee Das le cas où l y a ue fté de solutos, la méthode d élmato de Gauss-Jorda permet d detfer tros

Plus en détail

L2 Mention Informatique. UE Probabilités. Chapitre 4 : Simulation - Régression

L2 Mention Informatique. UE Probabilités. Chapitre 4 : Simulation - Régression L Meto Iformatque UE Probabltés Chaptre 4 : Smulato - Régresso Notes de cours rédgées par Rége Adré-Obrecht, Jule Pquer I- Smulato de varables aléatores. Itroducto Das certaes expéreces «réelles», où le

Plus en détail

arlesrcomplexesraurbacr2014r==corriges=z

arlesrcomplexesraurbacr2014r==corriges=z arlesrcomplexesraurbacr0r==corriges= Nouvelle-Calédoe ovembre 0 5 pots Proposto : Pour tout eter aturel : ( + ) = () VRAI! ( ) doc d où ( ) ( ) ( ) ( ) Sot (E) l équato ( )( + 8) = 0 où désge u ombre complexe

Plus en détail

Limites de fonctions (1) Approche intuitive ; limites des fonctions de référence. 1 ère S. II. La fonction carrée. 1 ) Tableau de variation

Limites de fonctions (1) Approche intuitive ; limites des fonctions de référence. 1 ère S. II. La fonction carrée. 1 ) Tableau de variation ère S Lmtes de foctos () Approche tutve ; tes des foctos de référece II. La focto carrée ) Tableau de varato Das ce chaptre, o lasse provsoremet de côté les dérvées. I. Itroducto ) Rappel Déà vu : oto

Plus en détail

Alain MORINEAU

Alain MORINEAU www.deeov.com Ala MORINEAU Cet artcle est ue reprse et u extrat de l artcle «Note sur la Caractérsato Statstque d'ue Classe et les Valeurs-tests», publé das la revue Bullet Techque du Cetre de Statstque

Plus en détail

5. Variables aléatoires simultanées

5. Variables aléatoires simultanées 5. Varables aléatores smultaées 5.1 Coule de varables aléatores Défto 1 Pour tout dce das 1, sot X ue varable aléatore. O dt que X X 1 X est ue varable aléatore de dmeso. Nous ous téresseros rcalemet aux

Plus en détail

Bac blanc de mathématiques

Bac blanc de mathématiques Termale st2s le mercred 09/03/2016 Durée : 2 heures Bac blac de mathématques Exercce 1 : 6 pots Le tableau c-dessous doe le ombre d aboemets au servce de téléphoe moble e Frace etre f 2001 et f 2009, exprmé

Plus en détail

Chapitre 4 : RÉGRESSION

Chapitre 4 : RÉGRESSION Chaptre 4 : RÉGRESSION 4. Régresso léare smple 4.. Équato de la régresso 4.. Estmato par les modres carrés 4..3 Coeffcet de détermato 4..4 Iférece sur les coeffcets 4..5 Prévso et aalyse des résdus Régresso

Plus en détail

a. Le symbole se lit «sigma» ; l écriture Ex : 2 Fréquences en % ( f i x 100) 11,1 % 29,6 % 59,3 % 100 %!!!!

a. Le symbole se lit «sigma» ; l écriture Ex : 2 Fréquences en % ( f i x 100) 11,1 % 29,6 % 59,3 % 100 %!!!! Cours : Statstques I. Itroducto Classe de ère S O a vu que our caractérser ue sére statstque, o utlse des : - aramètres de tedace cetrale : - la moyee ; - la médae. Ils ermettet d dquer la «osto» de la

Plus en détail

MATERIEL UTILISE : CALCULATRICE AUTORISEE OUI NON

MATERIEL UTILISE : CALCULATRICE AUTORISEE OUI NON BAC BLANC MATIERE : MATHEMATIQUES OBLIGATOIRE CLASSE de : Termale S SALLE : Grade Permaece PROFESSEUR : Mle GUIHENEUF ATE : Vedred javer 6 HEURE ébut : 8 h HEURE f : h MATERIEL UTILISE : CALCULATRICE AUTORISEE

Plus en détail

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20.

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20. BTS CG 996 Eercce : (0 pots) Ue agece mmoblère evsage de commercalser u programme de costructo d'appartemets Deu projets lu sot soums: Projet P : Le coût de producto de appartemets ( eter et 0 )est doé

Plus en détail

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet.

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet. ère S Cotrôle du mard 7 javer 05 ( heures) D C N Le barème est doé sur 0 O répodra drectemet sur la cope foure avec le sujet U certa ombre de questos écesste ue recherche préalable au broullo O e rédgera

Plus en détail

Leçon 08 : Statistiques Terminale. Altitude (x i ) Températures ( y i )

Leçon 08 : Statistiques Terminale. Altitude (x i ) Températures ( y i ) Leço 08 : Statstques Termale E premer leu, l te faut relre les cours de premère sur les statstques à ue varable, l a tout u lagage à se remémorer : étude d u échatllo d ue populato, mode, moee et médae

Plus en détail

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE UE4 : Bostatstques Chaptre 8 Corrélato et régresso léare smple José LABARERE Aée uverstare 20/202 Uversté Joseph Fourer de Greoble - Tous drots réservés. Pla I. Corrélato et régresso léare II. Coeffcet

Plus en détail

MAT4081 Chapitre 3 Régression 3 Transformation de variables

MAT4081 Chapitre 3 Régression 3 Transformation de variables MAT408 Chaptre 3 Régresso 3 Trasformato de varables Les graphques ou les techques dagostques peuvet révéler des volatos des hypothèses de la régresso léare : hétéroscédastcté, par exemple, ou absece de

Plus en détail

Calculs en chromatographie

Calculs en chromatographie Calculs e chroatographe éthode de la oralsato tere... 1 Coeffcet de répose assque relatf... 1 Calcul des pourcetages assques... 2 Calcul des pourcetages olares... 3 xeple d aalyse CG d ue substtuto copéttve

Plus en détail

NOMBRES COMPLEXES EXERCICES CORRIGES

NOMBRES COMPLEXES EXERCICES CORRIGES Cours et exercces de mathématques NOMRES COMPLEXES EXERCICES CORRIGES Exercce. O doe = + et = + Ecrre sous forme algébrque les complexes suvats : = ; Exercce. Calculer, et = ; = ; = ; 5 006 009 E dédure

Plus en détail

( (p, q) IN 2 ) A p A q = A p+q ( (p, q) IN 2 ) (A p ) q = A pq ( k IN) (A ) k = (A k ) ( k IN) Dét (A k ) = (Dét A) k

( (p, q) IN 2 ) A p A q = A p+q ( (p, q) IN 2 ) (A p ) q = A pq ( k IN) (A ) k = (A k ) ( k IN) Dét (A k ) = (Dét A) k Algèbre Chaptre 6 Les matrces carrées Hypothèses : est u eter strctemet postf I est la -matrce uté I La trace d ue matrce carrée La trace d ue -matrce est la somme de ses termes dagoaux O ote la trace

Plus en détail

Terminales S Exercices sur les nombres complexes Page 1 sur 6

Terminales S Exercices sur les nombres complexes Page 1 sur 6 Termales S Exercces sur les ombres complexes Page sur 6 Exercce : ) Calculer, et 5 6 7 ) E dédure, et ) Détermer les eters pour lesquels est a) u réel, b) est u magare pur, c) égal à Exercce : Ecrre sous

Plus en détail

TD Techniques de prévision pour la Gestion de production

TD Techniques de prévision pour la Gestion de production Orgasato et gesto dustrelle Page / 6 TD Techques de prévso pour la Gesto de producto er Exercce Vetes d u rayo de jouraux das u supermarché Javer Févrer Mars Avrl Ma Ju Jullet Août Septembre Octobre Novembre

Plus en détail

Z(y) dy. Z v (x) = 1 v. v v

Z(y) dy. Z v (x) = 1 v. v v 3. VARIANCES DE BLOCS, DE DISPERSION, D'ESTIMATION 3- Varaces de blocs, de dsperso et d estmato 3. Varaces de blocs: O a u précédemmet l'mportace de coaître la arace de la arable aléatore correspodat au

Plus en détail

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES ANALYSE DES DONNÉES TEST DU KHI-DEUX ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES Perre-Lous Gozalez Mesure de la laso etre deux varables qualtatves Kh deux Equête : Êtes-vous «pas du tout d accord»

Plus en détail

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant :

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant : STATISTIQUES Cours Termale ES O observe que, das certas cas, l semble ester u le etre deu caractères statstques quattatfs (deu varables) sur ue populato ; par eemple, etre le pods et la talle d u ouveau-é,

Plus en détail

NOMBRES COMPLEXES - EXERCICES CORRIGES Exercice n 1.

NOMBRES COMPLEXES - EXERCICES CORRIGES Exercice n 1. NOMBRES COMPLEXES - EXERCICES CORRIGES Exercce. O doe = + et = + Ecrre sous forme algébrque les complexes suvats : = ; = ; = ; = ; 5 = Exercce. Calculer, et E dédure la valeur de 006 et de 009, pus les

Plus en détail

BUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES

BUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES BUREAU D'APPLCATON DE METHODE TATTQUE ET NORMATQUE BAM REPRNT 02/2003 Tros cas pratques d applcato de la méthode statstque des dces amuel AMBAPOUR BAM BAM B.P. 13734 Brazzavlle BAM REPRNT 02/2006 Tros

Plus en détail

MPSI du lycée Rabelais semaine du 11 septembre 2015 CALCULS ALGÉBRIQUES. Montrez que u k = u m +u n

MPSI du lycée Rabelais  semaine du 11 septembre 2015 CALCULS ALGÉBRIQUES. Montrez que u k = u m +u n MPSI du lycée Rabelas http://mps.satbreuc.free.fr semae du septembre 5 CALCULS ALGÉBRIQUES Sommes et produts fs Exercce : Parm les formules suvates, lesquelles sot vraes?.. 3. α+a α+ a +b αa α a + a a

Plus en détail

Exercice n 1 1) Par associativité de l intersection des événements, et à l aide de la formule des probabilités conditionnelles,

Exercice n 1 1) Par associativité de l intersection des événements, et à l aide de la formule des probabilités conditionnelles, CONCOURS EMIA Sceces CONCOURS 0 EPREUVE DE MATHEMATIQUES Corrgé o offcel rédgé par Jea-Gullaume CUAZ, esegat au Lycée Mltare de Sat-Cyr, jgcuaz@hotmalcom Eercce ) Par assocatvté de l tersecto des évéemets,

Plus en détail

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1 II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d

Plus en détail

ε : force électromotrice induite instantanée ou en abrégé f.é.m induite instantanée

ε : force électromotrice induite instantanée ou en abrégé f.é.m induite instantanée Lo de l ducto électromagétque (Lo de faraday) Pla, résumé 1 1. Lo de Faraday = Flux du champ magétque : Φ = = cos ou Φ = : force électromotrce dute stataée ou e abrégé f.é.m dute stataée dφ : force électromotrce

Plus en détail

3- LES TIRAGES PROBABILISTES D'ECHANTILLONS

3- LES TIRAGES PROBABILISTES D'ECHANTILLONS 3- LES TIRAGES PROBABILISTES D'EHATILLOS Das de ombreuses alcatos ratques du calcul des robabltés, o retrouve u ou luseurs des schémas de trages robablstes d'échatllos que ous allos exoser. Le cadre gééral

Plus en détail

STATISTIQUES A UNE VARIABLE

STATISTIQUES A UNE VARIABLE Cours et exercces de mathématques ) Itroducto et vocabulare STATISTIQUES A UNE VARIABLE La statstque est la scece qu cosste à réur des doées chffrées, à les aalyser, à les commeter et à les crtquer Ue

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe

Plus en détail

Ressources pour le lycée général et technologique

Ressources pour le lycée général et technologique éduscol Ressources pour le lycée gééral et techologque Ressources pour le cycle termal gééral et techologque Mesure et certtudes Ces documets peuvet être utlsés et modés lbremet das le cadre des actvtés

Plus en détail

Module 4 - Leçon 01 - Budget des ventes 1. Introduction - Recherche de la tendance générale

Module 4 - Leçon 01 - Budget des ventes 1. Introduction - Recherche de la tendance générale Cotrôle de gesto Budget des vetes Module 4 - Leço - Budget des vetes Itroducto - Recherche de la tedace géérale - Itroducto Le budget des vetes est le premer budget opératoel à établr. Il est cosdéré comme

Plus en détail

Variables j.. p. Xij

Variables j.. p. Xij L alyse e Composates Prcpales (CP) O possède u tableau rectaulare de mesure dot les coloes sot des varables quattatves (mesuratos, taux, statos clmatques) et dot les les représetet des dvdus statstques

Plus en détail

Polynésie Juin 2010 Série S Exercice. Le plan complexe est rapporté à un repère orthonormal direct ( O; uv, )

Polynésie Juin 2010 Série S Exercice. Le plan complexe est rapporté à un repère orthonormal direct ( O; uv, ) Polyése Ju 00 Sére S xercce Le pla complexe est rapporté à u repère orthoormal drect ( O; uv, ) Prérequs Parte A Resttuto orgasée de coassaces Sot u ombre complexe tel que = a+ b où a et b sot deux ombres

Plus en détail

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet.

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet. ère S Cotrôle du mard 7 javer 05 ( heures) D C N Le barème est doé sur 0 O répodra drectemet sur la cope foure avec le sujet U certa ombre de questos écesste ue recherche préalable au broullo O e rédgera

Plus en détail

Analyse de régression

Analyse de régression Itroducto à la régresso Aalyse de régresso La régresso est utlsée pour estmer ue focto f( ) décrvat ue relato etre ue varable explquée cotue,, et ue ou pluseurs varables explcatves,. = f(,, 3,, )+ε Remarque

Plus en détail

Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires

Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires UE 4 Evaluato des méthodes d aalyse applquées au sceces de la ve et de la saté Statstque Varables aléatores Frédérc Mauy - 27 septembre et 3 octobre 2013 1 Pla du cours 1. Varable aléatore 1. Défto 2.

Plus en détail

(respectivement M n,1 ( )) l espace vectoriel réel

(respectivement M n,1 ( )) l espace vectoriel réel Les calculatrces sot autorsées **** NB : Le caddat attachera la lus grade mortace à la clarté, à la récso et à la cocso de la rédacto S u caddat est ameé à reérer ce qu eut lu sembler être ue erreur d'éocé,

Plus en détail

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets

Plus en détail

Chapitre I : Introduction à la résistance des matériaux & Rappel de statique. (August Wöhler)

Chapitre I : Introduction à la résistance des matériaux & Rappel de statique. (August Wöhler) Chaptre I : Itroducto à la résstace des matéraux & appel de statque (August Wöhler) Premer cours de ésstace des atéraux a été doé par August Wöhler à l'uversté de Göttge (Allemage) e 842. aculty of echacal

Plus en détail

COUPLE DE VARIABLES ALEATOIRES. On considère deux variables aléatoires X et Y. On aimerait connaitre s il y a influence entre ces deux variables.

COUPLE DE VARIABLES ALEATOIRES. On considère deux variables aléatoires X et Y. On aimerait connaitre s il y a influence entre ces deux variables. COUPLE DE VARIABLES ALEATOIRES O cosdère deux varables aléatores et. O amerat coatre s l y a fluece etre ces deux varables. I Coule de varables dscrètes : 1) Lo ote : Soet et deux varables dscrètes, à

Plus en détail

ANALYSE DES ENQUETES CAS-TEMOINS. AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séries non appariées) ad bc. , bc. 762, nmnm

ANALYSE DES ENQUETES CAS-TEMOINS. AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séries non appariées) ad bc. , bc. 762, nmnm I. DEFINITION ANALYSE DES ENQUETES CAS-TEMOINS AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séres o apparées) Dr F. Séguret Départemet d Iformato Médale, Épdémologe et Bostatstques U facteur F est ue

Plus en détail

COURS SUR LES MELANGES EN FILATURE DE COTON PARTIE 07. Section IV ELEMENTS DE STATISTIQUES APPLIQUES EN FILATURE

COURS SUR LES MELANGES EN FILATURE DE COTON PARTIE 07. Section IV ELEMENTS DE STATISTIQUES APPLIQUES EN FILATURE COURS SUR LES MELANGES EN FILATURE DE COTON PARTIE 07 Secto IV ELEMENTS DE STATISTIQUES APPLIQUES EN FILATURE 7.7. Elémets de statstques 7.7.. Caractérstques de posto. Moyee arthmétque La moyee est la

Plus en détail

PROBABILITÉS - VARIABLES ALÉATOIRES

PROBABILITÉS - VARIABLES ALÉATOIRES PROBABILITÉS - VARIABLES ALÉATOIRES Itroducto Das le cours sur les probabltés ous avos trodut la oto d uvers U et lu avos attacé ue focto probablté P. Das beaucoup d applcatos pratques la oto d uvers,

Plus en détail

Chapitre 5 : Modèles probabilistes pour la recherche d information. - Modèle tri probabiliste (BIR et BM25) - Modèle de Langue

Chapitre 5 : Modèles probabilistes pour la recherche d information. - Modèle tri probabiliste (BIR et BM25) - Modèle de Langue Chaptre 5 : Modèles probablstes pour la recherche d formato - Modèle tr probablste BI et BM25 - Modèle de Lague Itroducto ourquo les probabltés? La I est u processus certa et mprécs Imprécso das l expresso

Plus en détail

La statistique et les statistiques

La statistique et les statistiques Psy004 Secto : La statstque et les statstques Pla du cours: 0.0: Beveue 0.: Les catégores du savor 0.: Survol de la psychologe 0.3: Le pla de cours 0.4: Les assstats.0: La physque: scece exacte?.: Scece

Plus en détail

I. Introduction. Les constantes totales de stabilité des complexes respectifs sont: Marina Iliescu, C. Podina et Cristina Mandravel

I. Introduction. Les constantes totales de stabilité des complexes respectifs sont: Marina Iliescu, C. Podina et Cristina Mandravel L ÉTUDE DE L ÉTAT IONIQUE RÉEL DE CERTAINS IONS ÉTALLIQUES DANS DES SOLUTIONS AQUEUSES TRÈS DILUÉES. I. DETERINATION DES CONSTANTES TOTALES DE STABILITE DANS LE CAS OU LES IONS ETALLIQUES FORENT UN SEUL

Plus en détail

VI. Statistique descriptive.

VI. Statistique descriptive. VI. Statstque descrptve. 1. Avat - propos : le sge sommatore. Soet x 1, x,...x : réels x 1 + x +...+ x = x Remarquos : Proprétés. 1 x = x j j1 1. x = x + x 1 p 1. kx = k x 1 1 p1 3. ( x y ) = x + y 1 Exercces.

Plus en détail

Méthodes stochastiques de calcul de stabilité des pentes

Méthodes stochastiques de calcul de stabilité des pentes Républque Algéree Démocratque et Populare Mstère de l Esegemet Supéreur et de la Recherche Scetfque UNIVERSITE MOULOUD MAMMERI - TIZI OUZOU - Faculté du Gée de la costructo Départemet de Gée Cvl MÉMOIRE

Plus en détail

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 2. Durée : 4 heures. Les calculatrices sont interdites. * * *

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 2. Durée : 4 heures. Les calculatrices sont interdites. * * * SESSION 005 EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES Durée : 4 heures Les calculatrces sot terdtes * * * NB : Le caddat attachera la lus grade mortace à la clarté, à la récso et à la cocso de la rédacto

Plus en détail

Résumé de statistique I

Résumé de statistique I Résumé de statstque I Etude de doées statstques : Ce qu ous téresse lorsqu o a des doées statstque ou ue dstrbuto de celles-c : Le cetre : o o Moyee : mesures o robustes Médae : mesures robustes La dsperso

Plus en détail

SYSTEME DE SUIVI ET D EVALUATION DU DEUXIEME PROGRAMME NATIONAL DE ROUTES RURALES (PNRR-2)

SYSTEME DE SUIVI ET D EVALUATION DU DEUXIEME PROGRAMME NATIONAL DE ROUTES RURALES (PNRR-2) SYSTEME DE SUIVI ET D EVALUATION DU DEUXIEME PROGRAMME NATIONAL DE ROUTES RURALES (PNRR-2) Résumé Rachd TABBOUCHY Chef du servce auscultato au CNER Le deuxème Programme Natoal de Routes Rurales prévot

Plus en détail

Tests. Chapitre 2. 1 Principe d un test Définitions Méthode générale... 3

Tests. Chapitre 2. 1 Principe d un test Définitions Méthode générale... 3 Tests Chapitre Table des matières 1 Pricipe d u test 1 11 Défiitios 1 Méthode géérale 3 Test de coformité à u paramètre 3 1 Test de coformité à ue moyee 3 Test de coformité à ue proportio 4 3 Test d homogééité

Plus en détail

CHAPITRE 2. Les carrés dans (Z/nZ) 2.1 Carrés et non carrés dans le corps Z/pZ

CHAPITRE 2. Les carrés dans (Z/nZ) 2.1 Carrés et non carrés dans le corps Z/pZ CHAPITRE Les carrés das (Z/Z Das ce chatre o s téresse à l esemble des carrés das le cors Z/Z, mas auss das certas aeaux Z/Z avec o remer O todut le symbole de Legedre qu caractérse les carrés O trodut

Plus en détail

IFT3913 Qualité du logiciel et métriques. Chapitre 7 Collecte et analyse des métriques

IFT3913 Qualité du logiciel et métriques. Chapitre 7 Collecte et analyse des métriques IFT393 Qualté du logcel et métrques Chaptre 7 Collecte et aalyse des métrques Pla du cours Itroducto Qualté du logcel Théore de la mesure Mesure du produt logcel Mesure de la qualté du logcel Études emprques

Plus en détail

AVRIL 2007 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie B Option Économie. MATHÉMATIQUES (Durée de l épreuve : 4 heures)

AVRIL 2007 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie B Option Économie. MATHÉMATIQUES (Durée de l épreuve : 4 heures) ÉCOLE NATIONALE SUPÉRIEURE DE STATISTIQUE ET D ÉCONOMIE APPLIQUÉE ENSEA ABIDJAN AVRIL 007 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES ITS Voe B Opto Écoome MATHÉMATIQUES (Durée de l épreuve : 4 heures)

Plus en détail

Chapitre : Équilibre général de Walras

Chapitre : Équilibre général de Walras Écoome et maagemet Lcece Mcroécoome 3 Aée 04-05 Chaptre : Équbre gééra de Waras Robert Jorda Agets de 'écoome : aucue fuece dvdueemet Système de prx : permettat de réaser des échages Codusat à u état réasabe

Plus en détail

Convergences et approximations

Convergences et approximations Covergeces et approximatios Probabilités : Chapitre 5 Das tout ce chapitre, les démostratios serot faites das le cas des variables discrètes et des variables à desité. I Iégalité de Bieaymé-Tchebychev

Plus en détail

MODULE : STATISTIQUES ROYAUME DU MAROC OFPPT RESUME THEORIQUE & GUIDE DE TRAVAUX PRATIQUES SECTEUR : TERTIAIRE

MODULE : STATISTIQUES ROYAUME DU MAROC OFPPT RESUME THEORIQUE & GUIDE DE TRAVAUX PRATIQUES SECTEUR : TERTIAIRE OFPPT ROYAUME DU MAROC مكتب التكوين المهني وإنعاش الشغل Offce de la Formato Professoelle et de la Promoto du Traval DIRECTION RECHERCHE ET INGENIERIE DE FORMATION RESUME THEORIQUE & GUIDE DE TRAVAUX PRATIQUES

Plus en détail

Nombres complexes Sessions antérieures

Nombres complexes Sessions antérieures ème aée Maths Nombres complexes Sessos atéreures Aée scolare 9 - A LAATAOUI Exercce N (SP) Das le pla complexe P rapporté à u repère orthoormé ( Ouv ; ; ) o cosdère les pots A et B d affxes respectves

Plus en détail

CHAPITRE I : LES SERIES STATISTIQUES A DEUX DIMENSIONS : DISTRIBUTIONS MARGINALES ET CONDITIONNELLES

CHAPITRE I : LES SERIES STATISTIQUES A DEUX DIMENSIONS : DISTRIBUTIONS MARGINALES ET CONDITIONNELLES CHAPITRE I : LES SERIES STATISTIQUES A DEU DIMESIOS : DISTRIBUTIOS MARGIALES ET CODITIOELLES CHAPITRE I : LES SERIES STATISTIQUES A DEU DIMESIOS : DISTRIBUTIOS MARGIALES ET CODITIOELLES Il est très courat

Plus en détail

Coefficient de partage

Coefficient de partage Coeffcet de partage E chme aque, la sythèse d'u composé se fat e pluseurs étapes : la réacto propremet dte (utlsat par exemple u motage à reflux quad la réacto dot être actvée thermquemet), les extractos

Plus en détail

DEVOIR EN TEMPS LIBRE A RENDRE LE 17 /02/11 ECS 2

DEVOIR EN TEMPS LIBRE A RENDRE LE 17 /02/11 ECS 2 DEVOIR EN TEPS LIBRE A RENDRE LE 7 /0/ ECS EX : : Le but de ce poblème (dot les tos pates sot dépedates) est l'étude du temps passé das ue mae pa u usage quad u ou pluseus guchets sot à la dsposto du publc,

Plus en détail

Texte Analyse en composantes principales

Texte Analyse en composantes principales Uverstés Rees I Épreuve de modélsato - Agrégato Extere de Mathématques 2007 Page Texte Aalyse e composates prcpales Itroducto E archéologe, l aalyse de la composto de matéraux est deveue u outl essetel

Plus en détail

BACCALAURÉAT GÉNÉRAL BLANC MATHÉMATIQUES

BACCALAURÉAT GÉNÉRAL BLANC MATHÉMATIQUES BACCALAURÉAT GÉNÉRAL BLANC SESSION 06 MATHÉMATIQUES Sére STL Durée de l épreuve : 4 heures Coeffcet : 4 ENSEIGNEMENT OBLIGATOIRE Les calculatrces électroques de poche sot autorsées, coformémet à la réglemetato

Plus en détail

PROBABILITÉS ET STATISTIQUE POUR L ENSEIGNEMENT SECONDAIRE

PROBABILITÉS ET STATISTIQUE POUR L ENSEIGNEMENT SECONDAIRE PROILITÉS ET STTISTIQUE POUR L ENSEIGNEMENT SECONDIRE Ce documet a été rédgé à l occaso d u stage de formato cotue de professeurs de mathématques de trosème et secode e décembre 009 à Toulouse, sute à

Plus en détail

Opérations sur les variables aléatoires Lois limites

Opérations sur les variables aléatoires Lois limites Opératios sur les variables aléatoires Lois limites A. Idépedace de deux variables aléatoires. Exemple 1. Pour améliorer le stockage d u produit u supermarché fait ue étude sur la vete de packs de 6 bouteilles

Plus en détail

Statistiques à deux variables

Statistiques à deux variables Statistiques à deux variables. Approche des séries statistiques à deux variables.. Nuage de poits Sur ue classe de BTSA, le professeur a relevé les moyees de élèves e mathématiques et e agroomie. Les otes

Plus en détail

1 ère partie : STATISTIQUE DESCRIPTIVE

1 ère partie : STATISTIQUE DESCRIPTIVE ère parte : STATISTIQUE DESCRIPTIVE CHAPITRE : COLLECTE DE L INFORMATION, TABLEAUX ET GRAPHIQUES. I. Défto et vocabulare Défto : la statstque est ue méthode scetfque qu cosste à réur des doées chffrées

Plus en détail

SYSTEME FERME EN REACTION CHIMIQUE

SYSTEME FERME EN REACTION CHIMIQUE SYSTEME FERME EN REACTION CHIMIQUE I. DESCRIPTION D UN SYSTEME. Les dfférets types de système (ouvert, fermé, solé U système S est formé d u esemble de corps séparés du reste de l uvers (appelé mleu extéreur

Plus en détail