Master Biologie Intégrative Biostatistiques avancées. Travaux Dirigés n o 3
|
|
- Quentin Plamondon
- il y a 6 ans
- Total affichages :
Transcription
1 Master Biologie Intégrative Biostatistiques avancées Responsable du cours : Yves Desdevises Travaux Dirigés n o 3 Exercice 1 Corrigé Le tableau suivant présente des mesures de la hauteur (en mm) de la plante Saede brassica, réalisées dans plusieurs milieux différents, sur des prélèvements échantillonnés aléatoirement. Un chercheur désire comparer ces données afin de connaître l'effet du milieu sur la taille de S. brassica. Milieu 1 Milieu 2 Milieu 3 Milieu 4 Milieu Tracez les boîtes à moustaches (boxplots) de la taille des plantes dans chaque milieu. plantes=read.table(file.choose(),header=t) attach(plantes) boxplot(haut~mil) A B C D E 2. Quelle analyse permet d'estimer l'effet du milieu sur la hauteur des plantes? Quelles sont les conditions requises pour pouvoir réaliser cette analyse? 1
2 Il faut faire une analyse de variance à 1 facteur. Conditions : normalité de la distribution, homogénéité des variances, indépendance des observations, variable quantitative, au moins 5 observations/groupe. 3. Vérifiez ces conditions et réalisez l'analyse statistique appropriée. Normalité : tapply(haut,mil,shapiro.test) $A W = , p-value = $B W = , p-value = $C W = , p-value = $D W = , p-value = $E W = , p-value = Pour tous les groupes, l hypothèse nulle de normalité ne peut être rejetée Test de Bartlett : bartlett.test(haut~mil) Bartlett test of homogeneity of variances data: Haut by Mil Bartlett's K-squared = , df = 4, p-value = On ne rejette pas l hypothèse nulle (égalité des variances) : les 5 variances peuvent être considérées comme homogènes. Il est possible d'effectuer une ANOVA avec ces données. ANOVA : summary(aov(haut~mil)) Mil <2e-16 *** Residuals
3 On rejette l hypothèse nulle d égalité des moyennes. 4. Testez si les moyennes sont toutes différentes entre elles. Il faut faire un test post-hoc (= test a posteriori) On utilise ici le test HSD de Tukey : TukeyHSD(aov(Haut~Mil)) Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = Haut ~ Mil) $Mil diff lwr upr p adj B-A C-A D-A E-A C-B D-B E-B D-C E-C E-D Ce résultat confirme l observation visuelle des boxplots : les moyennes sont toutes différentes entre elles. Exercice 2 Un botaniste veut déterminer si la présence d'insectes a un effet sur la fécondité des plantes dans un champ. Afin d empêcher les insectes d attaquer ses plantes, le botaniste a l'idée d'installer des cages au-dessus de quadrats expérimentaux. Il s inquiète du fait que la cage elle-même pourrait avoir un effet sur la fécondité des plantes, il propose donc d utiliser un facteur à trois niveaux (traitements) : contrôle (plantes non couvertes), plantes recouvertes de cages laissant les insectes entrer et plantes recouvertes de cages empêchant les insectes d'atteindre les plantes. Pour s assurer que les différences qu il observe à la fin de l étude sont dues aux manipulations et non à un effet quelconque des propriétés des cages utilisées, il utilise 5 quadrats par traitement, et il échantillonne 6 plantes par quadrat. Pour chaque plante, la variable mesurée est la fécondité (le nombre de graines produit par la plante durant la saison reproductrice). Les données ci-dessous se trouvent dans le fichier fecondite.txt. CONTRÔLE CAGES FERMEES Quadrats Quadrats Plante Plante
4 CAGES OUVERTES Quadrats Plante Quelle analyse paramétrique permet de savoir si le facteur a un effet sur la fécondité des plantes? Quelles sont ses conditions d applications? Il faut faire une ANOVA hiérarchique, et vérifier auparavant normalité et homogénéité des variances. 2. Si les conditions d applications sont vérifiées, réalisez l analyse paramétrique puis la même analyse par permutations et comparez les résultats. Normalité : fec=read.table(file.choose(),header=t) attach(fec) tapply(fecondite,quadrats,shapiro.test) $Q1 W = , p-value = $Q10 p-value = $Q11 p-value = $Q12 p-value = $Q13 p-value = $Q14 p-value = $Q15 p-value = $Q2 p-value = $Q3 p-value =
5 $Q4 p-value = $Q5 p-value = $Q6 p-value = $Q7 p-value = $Q8 p-value = $Q9 p-value = Normalité dans tous les groupes. Homogénéité des variances : bartlett.test(fecondite,quadrats) Bartlett test of homogeneity of variances data: Fecondite and Quadrats Bartlett's K-squared = , df = 14, p-value = Les variances peuvent être considérées comme homogènes. ANOVA hiérarchique : summary(aov(fecondite~cages/quadrats)) Cages e-09 *** Cages:Quadrats *** # Effet du sous/facteur Residuals summary(aov(fecondite~cages+error(cages:quadrats))) Error: Cages:Quadrats Cages ** # Effet du facteur principal Residuals Error: Within Residuals Il y a un effet significatif du sous-facteur (quadrats) qui n est pas assez fort pour masquer celui du facteur principal (cages). Test par permutations : source("/ /Fonctions_R/nest.anova.perm.R") nest.anova.perm(fecondite,cages,quadrats,nperm=999) $anova.type [1] "Nested anova, parametric and permutation tests" $nperm 5
6 [1] 999 $anova.table Df Sum Sq Mean Sq F value Prob(param) Prob(perm) a.fac a.fac:b.fac Residuals NA NA NA Exercice 3 Des écologues ont mesuré la longueur de la queue sur 40 merles d une forêt d Amérique du Nord (fichier merle.txt). Ces individus ont été échantillonnés aléatoirement dans 4 zones géographiques (Z1-4) entre lesquelles les populations ne se mélangent pas. Les scientifiques désirent savoir si la longueur de la queue de ces merles diffère selon la zone et le sexe (M : mâles ; F : femelles), et si une interaction existe entre ces facteurs. 1. Réalisez un test statistique et des diagrammes d interaction permettant de répondre à l interrogation des chercheurs, et interprétez les résultats. Il faut faire une ANOVA à 2 facteurs croisés avec répétitions (les effectifs sont suffisant), si les conditions de normalité et d homogénéité des variances sont vérifiées : Normalité : tapply(queue,zone:sexe,shapiro.test) $`Z1:F` W = , p-value = $`Z1:M` W = , p-value = $`Z2:F` W = , p-value = $`Z2:M` W = , p-value = $`Z3:F` W = , p-value = $`Z3:M` W = , p-value = $`Z4:F` W = , p-value = $`Z4:M` W = , p-value = Distribution normale dans tous les groupes. Homogénéité des variances : bartlett.test(queue,zone:sexe) Bartlett test of homogeneity of variances data: queue and zone:sexe Bartlett's K-squared = , df = 7, p-value = Homoscédasticité non rejetée. 6
7 ANOVA factorielle : summary(aov(queue~zone*sexe)) zone sexe ** zone:sexe Residuals Seul le facteur «sexe» a un effet significatif sur la longueur de la queue. L interaction entre les facteur n est pas significative au niveau 5 %, bien qu assez forte. Les diagrammes d interactions montrent que cela est du à la différence de longueur de queue entre mâles et femelles qui n est pas la même dans la zone 1. interaction.plot(zone,sexe,queue) mean of queue sexe M F Z1 Z2 Z3 Z4 zone 7
8 interaction.plot(sexe,zone,queue) mean of queue zone Z3 Z2 Z4 Z1 F M sexe Exercice 4 On a cherché à connaître l'effet de différents types d'alcool (bière ou vin) et de tabac (cigarette ou cigare) sur le sens du goût chez l'homme. Une technique biochimique permet de quantifier la variable "goût" (variable quantitative discrète) sur une échelle de 0 (aucune sensation) à 6 (goût extrêmement développé). 36 hommes non fumeurs et non buveurs d'âges variables ont été séparés en 9 groupes égaux. Dans chaque groupe, pendant une journée, chaque personne a consommé une dose égale d'alcool (250 ml répartis dans la journée) et fumé une quantité égale de tabac sous différentes formes. Un groupe a servi de contrôle : les individus n'ont pas fumé et/ou n'ont bu que de l'eau. À la fin de la journée, le goût a été mesuré chez chaque individu. Les résultats sont présentés dans le tableau suivant (fichier gout.txt) : Contrôle (ST) Cigarette (Cgt) Cigare (Cgr) Contrôle (SA) 4, 5, 3, 6 3, 2, 3, 1 1, 2, 2, 0 Bière (Bie) 3, 3, 4, 4 2, 2, 1, 3 2, 1, 0, 0 Vin (Vin) 2, 3, 4, 3 2, 2, 0, 2 0, 0, 1, 1 1. Réalisez un test statistique permettant d'estimer l'influence de l'alcool et du tabac sur le goût et interprétez les résultats. On ne peut réaliser une ANOVA à 2 facteurs croisés avec répétitions, car les effectifs sont insuffisants. On va donc effectuer un test non paramétrique de Sheirer-Ray-Hare : 8
9 gout=read.table(file.choose(),header=t) attach(gout) source("/users/yves/ /SRH.R") SRH(Gout,Tabac,Alcool) Df Sum Sq Mean Sq H pvalue fact fact fact1:fact Seul le facteur 1 (Tabac) a ici un effet, et il n y a pas d interaction entre les facteurs sur le goût. On peut aussi utiliser une ANOVA par permutation : Test de l homogénéité des variances par permutations : source("/users/yves/ /bartlett.perm.r") bartlett.perm(split(gout,list(tabac,alcool)),nperm=999) Bartlett K Param.prob Permut.prob [1,] On ne rejette pas l hypothèse nulle d homoscédasticité. ANOVA permutationnelle : source("/users/yves/ /anova.2way.r") anova.2way(gout~tabac*alcool,model=1,nperm=999) $anova.type [1] "Model I anova (two fixed factors) with permutation tests" $nperm [1] 999 $response.var [1] "Gout" $anova.table Df Sum Sq Mean Sq F value Prob(param) Prob(perm) Tabac e Alcool e Tabac:Alcool e Residuals NA NA NA Cette fois les 2 facteurs ont un effet (le test est plus puissant que le test non paramétrique), et n interagissent pas sur le goût. 9
Introduction 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 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 détailLire ; Compter ; Tester... avec R
Lire ; Compter ; Tester... avec R Préparation des données / Analyse univariée / Analyse bivariée Christophe Genolini 2 Table des matières 1 Rappels théoriques 5 1.1 Vocabulaire....................................
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailUne introduction. Lionel RIOU FRANÇA. Septembre 2008
Une introduction INSERM U669 Septembre 2008 Sommaire 1 Effets Fixes Effets Aléatoires 2 Analyse Classique Effets aléatoires Efficacité homogène Efficacité hétérogène 3 Estimation du modèle Inférence 4
Plus en détailAnalyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9
Analyse de variance à deux facteurs (plan inter-sujets à deux facteurs) TP9 L analyse de variance à un facteur permet de vérifier, moyennant certaines hypothèses, si un facteur (un critère de classification,
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
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 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 détailModèles pour données répétées
Résumé Les données répétées, ou données longitudinales, constituent un domaine à la fois important et assez particulier de la statistique. On entend par données répétées des données telles que, pour chaque
Plus en 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 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 détailExemples d Analyses de Variance avec R
Exemples d Analyses de Variance avec R Christophe Pallier 5 août 00 Résumé R est un logiciel d analyse statistique qui fournit toutes les procédures usuelles (t-tests, anova, tests non paramétriques...)
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 détailExemple PLS avec SAS
Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that
Plus en 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 détailDensité de population et ingestion de nourriture chez un insecte vecteur de la maladie de Chagas
Fiche TD avec le logiciel : tdr335 Densité de population et ingestion de nourriture chez un insecte vecteur de la maladie de Chagas F. Menu, A.B. Dufour, E. Desouhant et I. Amat La fiche permet de se familiariser
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailMOHAMAD Rihab 4 rue de la Bergeonnerie 37300 Joué-Lès-Tours, FRANCE 33 (0)6 20 85 90 65 dib305@hotmail.com
MOHAMAD Rihab 4 rue de la Bergeonnerie 37300 Joué-Lès-Tours, FRANCE 33 (0)6 20 85 90 65 dib305@hotmail.com (31 ans) Statut civil : mariée avec 2 enfants SITUATION ACTUELLE 2008-2012 Doctorat : Etude de
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 détailExercices M1 SES 2014-2015 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 2015
Exercices M1 SES 214-215 Ana Fermin (http:// fermin.perso.math.cnrs.fr/ ) 14 Avril 215 Les exemples numériques présentés dans ce document d exercices ont été traités sur le logiciel R, téléchargeable par
Plus en 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 détailÉtude des flux d individus et des modalités de recrutement chez Formica rufa
Étude des flux d individus et des modalités de recrutement chez Formica rufa Bruno Labelle Théophile Olivier Karl Lesiourd Charles Thevenin 07 Avril 2012 1 Sommaire Remerciements I) Introduction p3 Intérêt
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailEvaluation de la variabilité d'un système de mesure
Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les
Plus en détailUn exemple de régression logistique sous
Fiche TD avec le logiciel : tdr341 Un exemple de régression logistique sous A.B. Dufour & A. Viallefont Etude de l apparition ou non d une maladie cardiaque des coronaires 1 Présentation des données Les
Plus en détailExemples d application
AgroParisTech Exemples d application du modèle linéaire E Lebarbier, S Robin Table des matières 1 Introduction 4 11 Avertissement 4 12 Notations 4 2 Régression linéaire simple 7 21 Présentation 7 211 Objectif
Plus en détailStatistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année 2010-2011
Master 1 Biologie et technologie du végétal Année 010-011 Statistiques Rappels de cours et travaux dirigés (Seul ce document sera autorisé en examen) auteur : Jean-Marc Labatte jean-marc.labatte@univ-angers.fr
Plus en détailÉTUDE AD HOC RECHERCHE Printemps 2011. 2 objectifs: 1) Analyser le comportement des consommateurs 2) Mieux comprendre vos besoins et attentes
ÉTUDE AD HOC RECHERCHE 2 objectifs: 1) Analyser le comportement des consommateurs 2) Mieux comprendre vos besoins et attentes Ordre du jour 1) Sommaire et conclusions de l étude consommateurs 2) Information
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 détailMODELE A CORRECTION D ERREUR ET APPLICATIONS
MODELE A CORRECTION D ERREUR ET APPLICATIONS Hélène HAMISULTANE Bibliographie : Bourbonnais R. (2000), Econométrie, DUNOD. Lardic S. et Mignon V. (2002), Econométrie des Séries Temporelles Macroéconomiques
Plus en détailREQUEA. v 1.0.0 PD 20 mars 2008. Mouvements d arrivée / départ de personnels Description produit
v 1.0.0 PD 20 mars 2008 Mouvements d arrivée / départ de personnels Description produit Fonctionnalités L application Gestion des mouvements d arrivée / départ de Requea permet la gestion collaborative
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 détailStatistiques descriptives
Statistiques descriptives L3 Maths-Eco Université de Nantes Frédéric Lavancier F. Lavancier (Univ. Nantes) Statistiques descriptives 1 1 Vocabulaire de base F. Lavancier (Univ. Nantes) Statistiques descriptives
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane
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 détail1 Pourquoi une Gestion des Niveaux de Services?
La Gestion des Niveaux de Service 1 Pourquoi une Gestion des Niveaux de Services? Les Accords de Niveaux de Services ou SLA (Service Level Agreements) définissent des objectifs spécifiques sur lesquels
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 détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en 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 détailTRAVAUX DE RECHERCHE DANS LE
TRAVAUX DE RECHERCHE DANS LE DOMAINE DE L'EXPLOITATION DES DONNÉES ET DES DOCUMENTS 1 Journée technologique " Solutions de maintenance prévisionnelle adaptées à la production Josiane Mothe, FREMIT, IRIT
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 détailL'intelligence d'affaires: la statistique dans nos vies de consommateurs
L'intelligence d'affaires: la statistique dans nos vies de consommateurs Jean-François Plante, HEC Montréal Marc Fredette, HEC Montréal Congrès de l ACFAS, Université Laval, 6 mai 2013 Intelligence d affaires
Plus en détailAnalyse de grandes bases de données en santé
.. Analyse de grandes bases de données en santé Alain Duhamel Michaël Genin Mohamed Lemdani EA 2694 / CERIM Master 2 Recherche Biologie et Santé Journée Thématique Fouille de Données Plan. 1 Problématique.
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détail1 Gestionnaire de Données WORD A4 F - USB / 2014-04-05 / 6020 Alco-Connect
1 Gestionnaire de Données WORD A4 F - USB / 2014-04-05 / 6020 Alco-Connect Introduction... 4 Comment décrire le logiciel Cosmos?... 4 Quelles sont les fonctions de ce logiciel PC?... 4 Est-il possible
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 détailCours 1. I- Généralités sur R II- Les fonctions de R et autres objets III-Les vecteurs
Cours 1 I- Généralités sur R II- Les fonctions de R et autres objets III-Les vecteurs IV-Les facteurs I-1 Généralités sur R R (1995, AT&T Bell Laboratories) est un logiciel d analyse statistique et graphique,
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 détailLISTE V AU PROTOCOLE A MAROC. Description des produits
LISTE V AU PROTOCOLE A MAROC 04.03 Babeurre, lait et crème caillés, yoghourt, képhir et autres laits et crèmes fermentés ou acidifiés, même concentrés ou additionnés de sucre ou d'autres édulcorants ou
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 détailAide-mémoire de statistique appliquée à la biologie
Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela
Plus en détailGuide d utilisation du logiciel e-enfance
Guide d utilisation du logiciel e-enfance Afin de faciliter l utilisation du logiciel vous permettant la gestion des inscriptions de votre (vos) enfant (s) aux accueils périscolaires, vous trouverez ci-dessous,
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailLE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION
LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs
Plus en détailConvention de stage d ingénieur
Convention de stage d ingénieur Art. 0 Champ d application La convention règle les rapports entre les différentes parties pour un stage d ingénieur obligatoire qui s inscrit dans le cursus de formation
Plus en détailne définition de l arbre.
LA PHYSIOLOGIE DES ARBRES. U ne définition de l arbre. L es arbres sont des êtres vivants qui occupent une place à part dans le monde végétal. Ils sont indispensables à la vie sur terre et ils ont largement
Plus en détailComment prouver que les végétaux ont besoin d eau, de minéraux, d air et de lumière pour se développer normalement?
Comment prouver que les végétaux ont besoin d eau, de minéraux, d air et de lumière pour se développer normalement? La question que l on se pose : Les végétaux ont-ils besoin d eau, de minéraux, d air
Plus en détail- Les êtres vivants dans leur environnement, rôle et place des êtres vivants - Lecture de textes documentaires
Titre de l atelier : Les vers de terre Domaines d activité Les êtres vivants dans leur environnement, rôle et place des êtres vivants Lecture de textes documentaires Motsclés Vers de terre Vie du sol Compétences
Plus en détailStatistique inférentielle TD 1 : Estimation
POLYTECH LILLE Statistique inférentielle TD : Estimation Exercice : Maîtrise Statistique des Procédés Une entreprise de construction mécanique fabrique de pièces demoteurdevoiturepourungrandconstructeur
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détail2014/2015. Rapport 4 REALISE PAR : ISMAIL NAIT ABDELLAH OUALI SOUFIANE HOURRI MOHAMED OUSSAFI ENCADRE PAR : MME L.LAMRINI ANOUAR OUFQIR SMARTSIR
2014/2015 Rapport 4 REALISE PAR : ISMAIL NAIT ABDELLAH OUALI SOUFIANE HOURRI MOHAMED OUSSAFI ENCADRE PAR : ANOUAR OUFQIR MME L.LAMRINI SMARTSIR Table des matières Introduction... 2 Choix de l outil pour
Plus en détailRégression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr
Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R
Plus en détailLa visualisation d information
Visualisation d Information Introduction Fanny Chevalier Master IVI Winter 2014 Note: Ces transparents sont très largement insipirés des cours de Petra Isenberg, Jean- Daniel Fekete, Pierre Dragicevic,
Plus en détailLa pratique du coaching en France. Baromètre 2010
SFCoach : crée du lien entre le monde du travail et les professionnels de l accompagnement La pratique du coaching en France Baromètre 2010 Fondée en 1996 22, Bd Sébastopol 75004 Paris Association 1901
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailOptimisation du rééchantillonnage dans un logiciel d Amélioration des Plantes
Optimisation du rééchantillonnage dans un logiciel d Amélioration des Plantes Baradat P. INRA-Département EFPA UMR AMAP 34398 Montpellier Cedex 5 FRANCE baradat@ensam.inra.fr Labbé T. INRA-Département
Plus en détail2Exemplaire à conserver par le destinataire
2 2 Numéro de référence 2Exemplaire à conserver par le destinataire 3 2 Numéro de référence 3Exemplaire à renvoyer au fournisseur 1 2 Numéro de référence 1Exemplaire à conserver par le fournisseur B CERTIFICAT
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailThéorie des sondages : cours 5
Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur
Plus en détail2010 Minitab, Inc. Tous droits réservés. Version 16.1.0 Minitab, le logo Minitab, Quality Companion by Minitab et Quality Trainer by Minitab sont des
2010 Minitab, Inc. Tous droits réservés. Version 16.1.0 Minitab, le logo Minitab, Quality Companion by Minitab et Quality Trainer by Minitab sont des marques déposées de Minitab, Inc. aux Etats-Unis et
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailMASTER (LMD) MANAGEMENT DE PROJET ET INNOVATION EN BIOTECHNOLOGIE
MASTER (LMD) MANAGEMENT DE PROJET ET INNOVATION EN BIOTECHNOLOGIE RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel : Sciences, Technologies, Santé Mention : BIOLOGIE SANTE Spécialité
Plus en détailBonnes Pratiques de Fabrication des médicaments à usage humain et vétérinaire
1 2 3 4 Bonnes Pratiques de Fabrication des médicaments à usage humain et vétérinaire Partie 1 Chapitre 3: Locaux et matériel 5 6 7 8 9 10 11 12 13 PRINCIPE Les locaux et le matériel doivent être situés,
Plus en détailTRAITEMENT DES DONNEES MANQUANTES AU MOYEN DE L ALGORITHME DE KOHONEN
TRAITEMENT DES DONNEES MANQUANTES AU MOYEN DE L ALGORITHME DE KOHONEN Marie Cottrell, Smaïl Ibbou, Patrick Letrémy SAMOS-MATISSE UMR 8595 90, rue de Tolbiac 75634 Paris Cedex 13 Résumé : Nous montrons
Plus en détailMASTER PROFESSIONNEL (2 ème année)
C U R R I C U L U M 04-05 MASTER PROFESSIONNEL ( ème année) Domaine : Sciences Technologies Santé Mention : Sciences de la Vie et de la Santé Spécialité : Produits de Santé : développement et distribution
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 détailApplication sur le Dispositif en Blocs Complètement Randomisés
Roger Vumilia. KIZUNGU Directeur de l Expérimentation Agricole à l INERA Professeur Associé Faculté des Sciences Agronomiques Université de Kinshasa Utilisation des Logiciels de base dans la Recherche
Plus en 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 détailMETHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES
Enseignement du Deuxième Cycle des Etudes Médicales Faculté de Médecine de Toulouse Purpan et Toulouse Rangueil Module I «Apprentissage de l exercice médical» Coordonnateurs Pr Alain Grand Pr Daniel Rougé
Plus en détailTitre : POLITIQUE AFIN DE CONTRER LE HARCÈLEMENT PSYCHOLOGIQUE OU TOUTE AUTRE FORME DE VIOLENCE EN MILIEU DE TRAVAIL
Titre : POLITIQUE AFIN DE CONTRER LE HARCÈLEMENT PSYCHOLOGIQUE OU TOUTE AUTRE FORME DE VIOLENCE EN MILIEU DE TRAVAIL Numéro : 1. Objet général La présente politique vise à établir les règles applicables
Plus en détailEvaluation de cépages résistants ou tolérants aux principales maladies cryptogamiques de la vigne
VITICULTURE 27 Evaluation de cépages résistants ou tolérants aux principales maladies cryptogamiques de la vigne Marc Chovelon Grab Mathieu Combier Chambre d Agriculture du Var Gilles Masson Centre du
Plus en détailFragilité financière : une offre spécifique
SEPTEMBRE 2014 N 21 DIFFICULTÉS LES MINI-GUIDES BANCAIRES www.lesclesdelabanque.com Le site pédagogique sur la banque et l argent Fragilité financière : une offre spécifique Ce mini-guide vous est offert
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 détailCRM pour le Service clients et l Assistance technique
CRM pour le Service clients et l Assistance technique La satisfaction Maximizer. Inciter la fidélisation de la clientèle. Servir la clientèle efficacement est l élément clé d une croissance d affaires
Plus en détailDéclaration d'assurance (budget général) relative à l'exercice 1994 (25-26 octobre 1995)
Déclaration d'assurance (budget général) relative à l'exercice 1994 (25-26 octobre 1995) Légende: Première déclaration d'assurance relative aux activités relevant du budget général. Depuis l'entrée en
Plus en détailFragilité financière : une offre spécifique
SEPTEMBRE 2014 N 21 DIFFICULTÉS LES MINI-GUIDES BANCAIRES Fragilité financière : une offre spécifique sec_01-2 Ce mini-guide vous est offert par : Pour toute information complémentaire, nous contacter
Plus en détailIMAGERIE PAR TOMOGRAPHIE ÉLECTRIQUE RÉSISTIVE DE LA DISTRIBUTION DES PHASES DANS UNE COLONNE À BULLES
IMAGERIE PAR TOMOGRAPHIE ÉLECTRIQUE RÉSISTIVE DE LA DISTRIBUTION DES PHASES DANS UNE COLONNE À BULLES E. Fransolet, M. Crine, G. L Homme, Laboratoires de Génie Chimique, P. Marchot, D. Toye. Université
Plus en détail"La santé des étudiants en 2013"
1 Dossier de Presse "La santé des étudiants en 2013" 8 ème Enquête Nationale 1999 2013 Enquête Santé MGEL Depuis plus de 60 ans, à l écoute des étudiants 2 Sommaire EmeVia et les mutuelles étudiantes de
Plus en détailβ-galactosidase A.2.1) à 37 C, en tampon phosphate de sodium 0,1 mol/l ph 7 plus 2-mercaptoéthanol 1 mmol/l et MgCl 2 1 mmol/l (tampon P)
bioch/enzymo/tp-betagal-initiation-michaelis.odt JF Perrin maj sept 2008-sept 2012 page 1/6 Etude de la β-galactosidase de E. Coli : mise en évidence d'un comportement Michaélien lors de l'hydrolyse du
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailRÈGLEMENT relatif au programme Remise en argent
RÈGLEMENT relatif au programme Remise en argent Règlement Le programme Remise en argent Banque Laurentienne est assujetti au règlement suivant, sous réserve de modifications sans préavis. Si vous décidez
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 détailÉconometrie non paramétrique I. Estimation d une densité
Économetrie non paramétrique I. Estimation d une densité Stéphane Adjemian Université d Évry Janvier 2004 1 1 Introduction 1.1 Pourquoi estimer une densité? Étudier la distribution des richesses... Proposer
Plus en détailComment faire un Mailing A partir d une feuille Calc
Comment faire un Mailing A partir d une feuille Calc Diffusé par Le Projet Documentation OpenOffice.org Table des matières 1. Création de la base de données...3 2. Création de la lettre type...4 3. Fusion...5
Plus en détail