CORRECTION CONCOURS BLANC MATHS DU 26/11
|
|
- Aurore Lemieux
- il y a 6 ans
- Total affichages :
Transcription
1 CORRECTION CONCOURS BLANC MATHS DU 26/11 QCM 066) Récemment un Burger King a ouvert ses portes à Strasbourg. On souhaite comparer la survie entre des omnivores (groupe 1) et des Vegans (groupe 2) par une méthode paramétrique, l événement mesuré étant le fait de manger chez Burger King. Dans le groupe 1 on obtient 160 événements, pour une somme des durées des temps de participation de 1600 mois. Dans le groupe 2, le risque instantané de «décès» est de 0,015 Quelle(s) est (sont) la (les) proposition(s) exacte(s) : 1. La médiane de survie est plus élevée dans le groupe 1 que dans le groupe 2 2. La survie diminue plus lentement dans le groupe 1 que dans le groupe 2 3. Le rapport de risque montre un sur-risque dans le groupe 1 par rapport au groupe 2 4. Dans le groupe 1, la probabilité qu un sujet survive pendant 10 mois, conditionnellement au fait qu il a déjà survécu pendant 5 mois, est inférieure à la probabilité qu il survive plus de 5 mois. 5. L affirmation 4. serait fausse pour le groupe 2. Quelle est la réponse exacte? A B C D E. Autre réponse CORRECTION 1. Faux : Méthode exponentielle : on détermine les risques de chaque groupe (formule : Nb de décès / des temps de participation) Groupe 1 : h1 = 160/1600 = 0,1 Groupe 2 : h2 = 0,015 d après l énoncé Dans la méthode exponentielle : S(t) = e -hxt Médiane de survie : temps auquel S(t) = 0,5 Par le calcul : G1 : e -0,1t = 0,5-0,1t = ln (0,5) t = - ln (0,5) / 0,1 t = 6,93 G2 : même calcul, on remplace juste le risque et on obtient t = 46,21 2. Faux : Par rapport à l affirmation précédente, la médiane de survie est beaucoup plus faible, donc la survie diminue plus vite dans groupe 1 De plus, le risque détermine la pente de la courbe exponentielle. Plus le risque est élevé, plus la courbe exponentielle sera fortement décroissante. 1
2 3. Vrai : RR = h1 / h2 = 0,1/0,015 = 6,67 en effet, sur-risque dans le groupe 1 4. Faux : On traduit l énoncé : S (t = 10 Vivant à t=5) < S (t = 5) Méthode exponentielle et survies conditionnelles Formule : Donc ici S (t = 10 Vivant à t=5) = e -0,1 x 10 / e -0,1 x 5 = e ,5 = e -0,5 = S (t=5) Car e a / e b = e a-b De plus ici nous sommes dans le cas d une survie conditionnelle avec doublement du temps de survie donc on se souvient de la propriété (ou alors on la retrouve!) : e 2a / e a = e a Donc la probabilité qu un sujet survive pendant 10 mois, conditionnellement au fait qu il a déjà survécu pendant 5 mois, est égale à la probabilité qu il survive plus de 5 mois. 5. Vrai : Dans le groupe 2 : même méthode, donc si c est faux dans le groupe 1, ça doit être faux dans le groupe 2 QCM 0067) Pour une étude clinique, une équipe de psychiatre recrute 50 PACES. Afin de connaître l influence du stress sur leur poids, les chercheurs pèsent les volontaires. Leurs poids sont uniformément répartis entre 49 et 96 kg. Quelles sont les deux propositions fausses? A. Plus de la moitié des sujets a un poids supérieur à 69.6 kg. B. Le poids moyen des sujets est de 72.5kg. C. L écart-type des poids des sujets est de 27kg. D. La formule de la variance est V(X) = (b a)² E. Autre réponse 3 CORRECTION Proposition A : VRAI X est la variable représentant le poids des sujets, variable continue et uniformément répartie entre 44 et 96 kg. On va donc se servir de la loi uniforme pour résoudre le problème. On cherche P(X > 69.6 kg) cependant on ne connait que la fonction de répartition de la loi uniforme permettant de calculer les P(X x i). On exprime donc P(X > 69,6 kg) en fonction de P(X 69,6 kg). On a: P(X > 69,6 kg) = 1 - P(X 69,6 kg) = 1 F(69,6) D après la formule de la loi uniforme : P(X > 69,6 kg) = 1 F(69,6) = ~ 0,56 56%
3 Proposition B : VRAI Le poids moyen des sujets correspond à E(X). D après la formule de la loi uniforme : E(X) = a+b AN : E(X) = = 72.5 Le poids moyen des sujets est donc de 72,5 kg. 2 Proposition C : FAUSSE L écart-type des poids des sujets correspond a V(X) = σx ; D après la formule de la loi uniforme : σx = (b a)² b a = = 2. 3 = 13.57kg Proposition D : FAUSSE La formule de la variance est V(X) = (b a)² 12 QCM 068) La kaliémie (concentration de potassium dans le plasma sanguin) d une population suit une loi normale de moyenne 4,1mmol/litre et d écart-type 0,4. Quelles sont les deux propositions exactes? A. La probabilité que la kaliémie d un individu pris au hasard soit inférieure à 3 est de B. La probabilité que la kaliémie d un individu soit comprise entre 3.5 et 4.2 est de C. La fonction de répartition de la variable X pour P(X 4.5) vaut 1. D. 84% des individus ont une kaliémie strictement supérieure à 4,5 E. Autre réponse CORRECTION Proposition A : VRAI X suit une loi normale N(4.1 ; 0.4) Z suit une loi normale N(0 ;1) : Z = X P(X 3) = P( Z ) = P( Z -2,75) = F(-2,75) On lit dans le TAB 3 que F(-2,75) = Proposition B : FAUSSE On sait que P(za Z zb) = P(Z zb) - P(Z za) = F(zb) - F(za) AN : P( Z ) = P( -1.5 Z 0.25) = F(0.25) F(-1.5) =
4 = Proposition C : VRAI La fonction de répartition F de X est définit par F(xi) = P(X xi). C est en fait la fonction des probabilités cumulés. Ici on a P(X 4.5) On applique le changement de variable : P(Z ) = P(Z 1) = F (1) Proposition D : FAUSSE P(X > 4.5) = P( Z > ) = P( Z > 1) Or on sait que P(Z > zi) = P(Z -zi) = 1 - P(Z zi) AN : P(Z > 1) = 1 P( Z 1) = 1 F(1) = = % des individus ont une kaliémie strictement supérieure à 4,5 QCM 069) Un épidémiologiste étudie le taux de guérison à 5ans d une maladie rare sur deux groupes de sujets : On souhaite déterminer, au risque de 30%, si le taux de guérison diffère entre le groupe 1 et le groupe 2. Parmi les propositions suivantes, quelle sont les 2 propositions exactes? A. On fait un test du Khi 2 de Mac Nemar B. On rejette H0 en formulation bilatérale C. On rejette H0 en formulation unilatérale D. On ne rejette pas H0 en formulation bilatérale E. On ne rejette pas H0 en formulation unilatérale F. Autre réponse CORRECTION : 4
5 On est dans le cas d une comparaison de deux distributions observées. On se trouve alors dans un test du Khi 2 d indépendance. Mais les effectifs sont petits et quand on calcule un eij, on voit qu au moins un des eij est inférieur à 5. On réalise alors un test exact de Fischer. (réponse A fausse) On calcule les probabilités associées à chaque combinaison possible du tableau. On fait alors varier a de 0 à 4 : En formulation bilatérale, pour calculer p, on ajoute toutes les probabilités qui sont inférieures ou égales à P(A=3) Ici P(A=3) = 0,2424 alors p = P(A=0) + P(A=1) + P(A=3) + P(A=4) = 0,5448 On a donc p > α avec α = 30% On ne rejette pas H0 en formulation bilatérale. (réponse B fausse et D vraie) En formulation unilatérale, pour calculer p, on ajoute toutes les probabilités qui sont inférieures ou égales à P(A=3) et qui touchent P(A=3) : p = P(A=3) + P(A=4) = 0,2724 p < α On rejette H0 en formulation unilatérale. (réponse C vraie et E fausse) Réponses : C et D 5
6 QCM 070) Une équipe de chercheur souhaite savoir si la prise d une pilule de 3ème génération augmente le risque de développer une maladie thromboembolique veineuse (MTEV) par rapport à la prise d une pilule de 2nd génération. Elle s appuie sur deux échantillons A et B indépendants de 61 et 120 femmes respectivement. Les femmes de A prennent une pilule de 3ème génération et les femmes de B prennent une pilule de 2nd génération. Pour A, 0,75 femmes en moyenne développe une MTEV et Sa = 4,22 et 1,26 en développe pour l échantillon B avec Sb = 3,58. On pose X la variable «nombre de femmes ayant développé une MTEV» et on suppose que X suit une loi N. Cette équipe souhaite savoir, au risque de 5%, si la prise d une pilule de 3e G à une influence positive sur le développement d une MTEV. On prend alpha = 5% Quelle(s) est (sont) la ou les propositions fausses? A. On doit faire un test bilatéral. B. Il faut que X suive une loi N. C. La statistique du test vaut -1,21. D. On ne peut pas affirmer au risque de 5% que la prise d une pilule 3e G augmente le risque de développer une MTEV. E. Autre réponse. CORRECTION : Comparaison de deux moyennes : On veut savoir si la prise d une pilule de 3ème G augmente le risque de développer une MTEV par rapport à la prise d une pilule de 2ème G. Soit ma : le nombre moyen de femmes de l échantillon A ayant développer une MTEV et mb : celui de femme de l échantillon B ayant développer une MTEV. On veut si la prise d une pilule de 3ème G a une influence positive sur le développement d une MTEV, on effectue donc un test unilatéral de comparaisons de deux moyennes. (réponse A fausse) Couples d hypothèses : H0 : ma = mb H1 : ma > mb Comme ma et mb sont supérieurs à 30, on applique un test z de la forme : Les conditions d applications pour réaliser ce test sont : On doit alors vérifier l homoscédasticité des variances. 6
7 Pour cela, on effectue un test bilatéral. On pose : Condition : il faut que X suive une loi normale. (réponse B vraie) Marqué dans l énoncé On calcule : : Si les deux variances sont égales, alors Fobs suit une loi de Fisher à na - 1 et nb -1 ddl, soit à 60 et 119 ddl. On rejette H0 si Donc on ne rejette pas H0 et il n y a pas de différences entre les variances. Les conditions d applications sont remplies. On peut comparer les moyennes : La statistique du test vaut -0,81 (réponse C fausse) On avait définit ma > mb donc on rejette H0 si zobs > - z2α zobs > - z 0,1 zobs > -1,64 7
8 Or zobs = - 0,81 donc on ne rejette pas H0 et on peut dire que la prise d une pilule de 3ème G augmente le risque de développer une MTEV. (réponse D fausse) Réponses A,C,D QCM 071) À propos du test de Wilcoxon et Mann-Whitney A. Quelles sont les deux propositions exactes? B. Ces deux tests sont équivalents, ils sont utilisés pour la comparaison de deux échantillons appariés. C. Pour le calcul de la statistique, on classe par ordre croissant les valeurs observées et on leur attribue un rang. D. L hypothèse nulle H 0 suppose que les deux populations ont une distribution identique. E. Pour pouvoir réaliser ces tests, on suppose que les populations sont gaussiennes. F. Autre réponse CORRECTION A. Faux. Ces deux tests sont équivalents, ils sont utilisés pour la comparaison de deux échantillons indépendants. Attention, il existe également un test de Wilcoxon pour la comparaison de deux échantillons appariés. B. Vrai C. Vrai. H 1 suppose que les deux populations ont une distribution différente. D. Faux. On ne connait pas leur distribution. QCM 0072) On répartit un échantillon de 15 sujets revenant d Asie en fonction de leur sexe. De plus, parmi ces sujets, on regarde lesquels ont contracté l hépatite B. On obtient les résultats suivants : Quelle(s) est (sont) la (les) proposition(s) exacte(s)? 1) On réalise un test du Khi2 d indépendance. 2) On réalise un test exact de Fischer. 3) En formulation bilatérale, on rejette H0 si alpha = 2% 4) En formulation unilatérale, on ne rejette pas H0 si alpha = 10% 5) La puissance est la probabilité d accepter H1 alors qu elle est vraie A) B) C) D) E) Autre réponse CORRECTION 8
9 1) FAUX Le Khi2 d indépendance permet de comparer des distributions observées. Tous les eij doivent être 5! 2) VRAI Il ne s utilise que pour remplacer le Khi2 d indépendance, soit quand un des ei < 5 Rappel : permet de calculer une somme de probabilités p Si p<alpha, on rejette H0 et si p>alpha, on ne rejette pas H0 3) FAUX Pour calculer p, il faut calculer la probabilite de toutes les combinaisons possibles du tableau Le plus souvent, on fait varier la cellule A On fait varier A de 0 à m1 Dans un test bilatéral, on cherche tous les probabilités inférieures ou égales à P(A=2) de part et d autre de la médiane 9
10 Donc : p =P(A=0) + P(A=1) + P(A=2) + P(A=5) = 0.29 On compare à alpha :Alpha = 0.02 Donc : p>alpha On ne rejette pas H0 4) VRAI Dans un test unilatéral, on ne s intéresse qu aux valeurs du côté de a par rapport à la médiane! On trouve : p = P(A=0) + P(A=1) + P(A=2) = 0.25 On compare à alpha :Alpha = 0.10 Donc : p>alpha On ne rejette pas H0 QCM 008) 5) VRAI Rappel : - La puissance est l inverse du risque de 2 ème espèce béta - Béta est le risque d accepter H0 alors qu elle est fausse - Alpha est le risque de rejeter H0 alors qu elle est vraie 10
11 QCM73) La probabilité qu un patient fasse une réaction allergique lors de la prose d un antibiotique vaut 1/1200. En considérant que patients ont été exposés à ce produit, quelles sont les propositions correctes? 1. La variable aléatoire X décrivant la présence ou non d une réaction allergique chez un patient choisi au hasard parmi les 5 000, suit une loi de Bernoulli. 2. On peut utiliser une loi de poisson pour approximer la probabilité d observer au moins 3 réactions allergiques. 3. La probabilité de n observer aucune réaction allergique est plus petite que 0,1%. 4. La loi normale donnerait une bonne approximation de la probabilité d observer entre 2 et 5 réactions allergiques 5. Prob(X 4) > 0,5 A : B :1+2+4 C :2+3+4 D : E : Autre réponse CORRECTION 1. VRAI : L épreuve de Bernoulli est une expérience aléatoire qui prend la valeur 1 avec la probabilité p (succès) et 0 avec la probabilité q= 1-p (qui correspond à l échec). Lors d une épreuve de Bernoulli on ne peut donc avoir que 2 possibilités : soit une succès, soit un échec. 2. VRAI :La loi de Poisson est une probabilité discrète qui décrit le comportement du nombre d événements se produisant sur un intervalle donné. Elle permet aussi de savoir si ces évènements se produisant avec une fréquence moyenne connue et indépendant du temps écoulé depuis l évènement précédents. n> 50 et np < 10 sont les conditions d application de la loi de poisson. 3. FAUX : P(X=0) = e _5000 = 0,01550 >0, FAUX : La loi normale n est pas utilisable ici, en effet np > VRAI : P (X 4) = 1- P(X=0)- P(X=1)- P(X=2)- P(X=3) = 0,598 > 0,5 QCM 074) Parmi les propositions suivantes qu elle est la valeur de la puissance selon la norme ISO? On rappelle que P = R.I² R = 40,59 ± 0,55 Ω A. P = 423,5 ± 34,6 W B. P = 423,45 ± 34,57 W C. P = 423,47 ± 34,55 W D. P = 423,47 ± 34,58W E. Autre réponse I = 3,23 ± 0,13 A 11
12 CORRECTION On cherche l incertitude sur un produit. On applique la formule suivante : P = P ± P = P ±P ΔR R 2 2 I2 + I Le 2 vient du fait qu il s agit de la dérivée partielle d une fonction x2 On remplace par les données : R = 40,59 R = 0,55 I = 3,23 I = 0,13 Après application numérique on trouve : P = 423,471 P = 34,567 Or la norme ISO s écrit avec 2 chiffres significatifsdonc d après la norme ISO on a P = 423,47 ± 34,57 réponse E QCM 075) Une étude a été conduite pour déterminer s il existait une association entre la survenue d une tumeur cérébrale et l utilisation régulière d un téléphone portable. L utilisation d un téléphone portable était trouvée chez : - 50% des 2400 sujets atteints d une tumeur cérébrale - 54% des 2600 sujets indemnes d une tumeur cérébrale On pose l hypothèse H0 comme étant l absence d association entre la survenue d une tumeur et l utilisation d un téléphone portable. On suppose les conditions de validité du test vérifiées. Dans cette étude, quelle est la proposition exacte? A. L utilisation d un téléphone portable est une variable quantitative continue. B. La présence d une tumeur cérébrale est une variable qualitative. C. Les deux échantillons sont appariés. D. Le test statistique approprié est le test de comparaison de deux moyennes. E. Toutes les propositions sont fausses. Correction : Proposition b vraie La proposition a est fausse, le fait d utiliser, ou non, un téléphone portable est une variable quantitative binaire. 12
13 La proposition b est vraie, le fait de présenter, ou non, une tumeur est une variable qualitative binaire. La proposition c est fausse, les deux échantillons sont vraisemblablement indépendants. La proposition d est fausse, le test statistique approprié est celui de comparaison de deux proportions. 13
Estimation 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 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 détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en 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 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 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 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 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 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 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 détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en 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 détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en 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 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 détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en 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 détaildistribution 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 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 détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
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 détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
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 détailGEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau
GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en 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 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 détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailEXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG
Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
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 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 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 détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
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 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 détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en détailExo7. Limites de fonctions. 1 Théorie. 2 Calculs
Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en 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 détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
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 détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailApprentissage par renforcement (1a/3)
Apprentissage par renforcement (1a/3) Bruno Bouzy 23 septembre 2014 Ce document est le chapitre «Apprentissage par renforcement» du cours d apprentissage automatique donné aux étudiants de Master MI, parcours
Plus en détailDonnées longitudinales et modèles de survie
ANALYSE DU Données longitudinales et modèles de survie 5. Modèles de régression en temps discret André Berchtold Département des sciences économiques, Université de Genève Cours de Master ANALYSE DU Plan
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailEPREUVES AU CHOIX DU CANDIDAT. Durée : De 09 h 00 à 12 h 00 (Heure de Yaoundé, TU + 1)
1 CYCLE MST-A 30 JUIN 2010 10 ème Promotion 2010 / 2012 CONCOURS D ENTREE A L IIA DROIT EPREUVES AU CHOIX DU CANDIDAT Durée : De 09 h 00 à 12 h 00 (Heure de Yaoundé, TU + 1) Le candidat traitera au choix
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 détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16
ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que
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 détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailStatistiques à une variable
Statistiques à une variable Calcul des paramètres statistiques TI-82stats.fr? Déterminer les paramètres de la série statistique : Valeurs 0 2 3 5 8 Effectifs 16 12 28 32 21? Accès au mode statistique Touche
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 détailÉtablissement des taux d actualisation fondés sur la meilleure estimation aux fins des évaluations de provisionnement sur base de continuité
Ébauche de note éducative Établissement des taux d actualisation fondés sur la meilleure estimation aux fins des évaluations de provisionnement sur base de continuité Commission des rapports financiers
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en 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 détailProbabilités conditionnelles Loi binomiale
Fiche BAC ES 05 Terminale ES Probabilités conditionnelles Loi binomiale Cette fiche sera complétée au fur et à mesure Exercice n 1. BAC ES. Centres étrangers 2012. [RÉSOLU] Un sondage a été effectué auprès
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 détailRessources pour le lycée général et technologique
éduscol Ressources pour le lycée général et technologique Ressources pour la classe de terminale générale et technologique Exercices de mathématiques Classes de terminale S, ES, STI2D, STMG Ces documents
Plus en 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 détailExo7. Probabilité conditionnelle. Exercices : Martine Quinio
Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailItem 169 : Évaluation thérapeutique et niveau de preuve
Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes
Plus en détailJoueur B Pierre Feuille Ciseaux Pierre (0,0) (-1,1) (1,-1) Feuille (1,-1) (0,0) (-1,1) Ciseaux (-1,1) (1,-1) (0.0)
CORRECTION D EXAMEN CONTROLE CONTINU n 1 Question de cours Question 1 : Les équilibres de Cournot et de Stackelberg sont des équilibres de situation de duopole sur un marché non coopératif d un bien homogène.
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
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 détailSystème de bonus-malus SBM 07 Assurance contre les accidents non professionnels
Système de bonus-malus SBM 07 Assurance contre les accidents non professionnels Principes de base et application du SBM 07 Le SBM 07 détermine le montant des primes des moyennes entreprises en tenant compte
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailLE PROCESSUS ( la machine) la fonction f. ( On lit : «fonction f qui à x associe f (x)» )
SYNTHESE ( THEME ) FONCTIONS () : NOTIONS de FONCTIONS FONCTION LINEAIRE () : REPRESENTATIONS GRAPHIQUES * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
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 détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détail