une décision dans un monde aléatoire : modèles inférentiels

Dimension: px
Commencer à balayer dès la page:

Download "une décision dans un monde aléatoire : modèles inférentiels"

Transcription

1 Lecture 9. Comment prendre une décision dans un monde aléatoire : modèles inférentiels Prof. Kizungu Vumilia Roger UNIKIN (FACAGRO-BIOLOGIE), UNILU (FACAGRO), UEA (FACAGRO), UCB (FACAGRO), ISS, ISTA (ENVIRONNEMENT), UPN (FACAGRO-MEDVET) ---GII-GIII-DEA--- Release: 27 décembre 2009 Sommaire Sommaire 1 Introduction... 3 Etape 1. Toujours commencer par définir l hypothèse nulle et l hypothèse alternative... 3 Etape 2. Choix du seuil de signification, nécessité de la planification de l'expérimentation... 4 Etape 3. La statistique de test ou de décision, voie de la maîtrise de la puissance du test 6 Etape 4. La valeur critique, la région critique ou la région de rejet de l'hypothèse nulle 6 Etape 5. Règle de décision, sur base des tables ou sur base du p-value... 7 Conclusion... 7 Auto-évaluation... 8 Références Bibliographiques... 9

2 2 Roger KIZUNGU Vumilia

3 BIOMÉTRIE ET MODÉLISATION 3 Introduction Quand nous organisons une expérimentation ou une enquête, en Biologie en Agronomie ou en économie, les populations en étude sont dans un environnement aléatoire où nul ne peut être prédit avec certitude. Dans ce contexte, s'il faut généraliser une décision prise sur un échantillon sur une population entière, alors il faut définir une règle objective. C'est l'objet de cette lecture. Vous savez ce qu est une statistique. Dans la suite nous allons l appeler statistique de test. Après cette note introductive, voyons maitenant comment la décision se prend sur base des statistiques de test. Dans la démarche de la biométrie, ou de la statistique appliquée, toute décision se prend schématiquement en 5 étapes. Nous les exposons dans la suite. Etape 1. Toujours commencer par définir l hypothèse nulle et l hypothèse alternative Le chercheur est toujours porté à démontrer un effet ou un impact de quelque chose, d'un facteur en étude. C'est ce qui l'excite et c'est ce qu'il annonce en général dans l'introduction de son travail. L'hypothèse qui consiste à considérer l'absence de l'effet est appelée hypothèse nulle et son symbole est Ho. C'est l'hypothèse à tester et le chercheur doit la définir avant de penser à l'échantillonnage. Supposons que nous voulons tester si le rendement moyen du manioc est de 15 tonnes dans la Province de Bandundu. On écrit: Il est à noter que l'hypothèse nulle est celle qui a le signe d'égalité dans sa formulation. Elle exprime que le paramètre de la population est égal à une valeur spécifiée. Un test statistique est toujours mené avec l'objectif de prouver que n'est pas vraie. Par exemple, un chercheur peut souhaiter trouver une contrée où le rendement moyen de sa variété est supérieur au rendement observé en station. En conduisant son test, son hypothèse à tester est: Il a l'espoir que l'échantillon qu'il va tirer de la population va confirmer une valeur grande que sa moyenne et que cette valeur ne va pas confirmer l'hypothèse nulle. Si le résultat issu de l échantillon ne confirme pas l'hypothèse nulle, alors on doit prendre une autre décision.

4 4 Roger KIZUNGU Vumilia L'hypothèse qui se prête comme alternative de l'hypothèse nulle, c'est-à-dire l'hypothèse de présence de l'effet est dite hypothèse alternative et son symbole est H 1. C est l hypothèse alternative qui exprime donc les aspirations du chercheur. Sa définition depend donc de la nature du problème. Le chercheur peut souhaiter tester l'hypothèse de supériorité du rendement par rapport au rendement de la station. Un écotoxicologue peut souhaiter tester si la quantité de plomb dans les légumes est inférieure à la norme de l'oms. Etape 2. Choix du seuil de signification, nécessité de la planification de l'expérimentation Dans toute décision prise à parir d'un échantillon il y a toujours d'un côté la décision prise sur base de l'échantillon et d'un autre la réalité de la population. Il faut donc déterminer un critère objectif pour décider. Quand on veut vérifier si la quantité de plomb dans les légumes est inférieure au norme de l'oms, on prélève quelques échantillons de légumes et on les amène au laboratoire. Si la moyenne trouvée sur ces échantillons est de loin inférieur à la norme, alors on décide facilement. Jusqu'à quand on peut accepter que la moyenne est différente de la norme? C'est ici que l'on introduit la notion de probabilité. On dira que si la probabilité d'observer une valeur inférieure à la norme (et non à la moyenne de l'échantillon) est inférieure à une valeur donnée que l'on se fixe d'avance, alors on rejette l'hypothèse d'égalité de la moyenne et la norme. Il apparaît que ce seuil que l'on se fixe est la probabilité que l'on se fixe de rejetter par erreur l'hypothèse nulle. Ce risque de rejertter par erreur l'hypothèse nulle est connu sous le nom de seuil ou niveau de signification et on le note par la lettre grecque (alpha) Considérons toujours un chercheur qui par erreur d'échantillonnage décide faussement que le rendement de maïs est inférieur dans une contrée par rapport au résultat de la station. Après avoir perdu beaucoup d'argent dans la séléction de la variété, il fait aussi passer cette contrée à côté d'une belle opportunité d'affaires. La variété ne sera pas donc adoptée alors qu'en réalité elle est porteuse des revenus. Peut-être l'a-t-il testé systématiquement chez des paysans paresseux ou tout simplement qui ne sont pas préparés au paquet de technologie accompagnant la variété. La technique de prélévement des données ou la planification de l'expérimentation sont très importants dans la coïncidence entre la réalité et la décision prise. Aussi, le choix de la méthode d'analyse de données peut avoir de l'influence comme nous le verrons bientôt. Avant d'argumenter plus, voyons d'abord de combien de facons on peut se tromper que telle est la décision alors que la réalité est une autre. Dans l'enquête qui consiste à prouver si l'eau est impropre à la consommation par rapport au ph, le chercheur prélève un certain nombre d'échantillons qu'il soumet aux analyses. La technique de prélévement de ces échantillons peut influer sur le résultat. Accompagnons la reflexion par un exemple sur le médicament que l on teste sur une population. Rejetter l hypothèse nulle veut dire, attester que le médicament a un effet curratif alors que non. Ceci a des conséquences désastreuses. Ne pas rejetter l hypothèse

5 Décision Sur base De l'échantillon BIOMÉTRIE ET MODÉLISATION 5 nulle veut dire attester que le médicament n a pas d effet curratif. Quel critère dois-je me fixer pour accepter que le médicament a un effet curratif? Dans ce processus de décision, quatre cas peuvent se présenter. Réalité De la Population Ho H1 H1 Erreur de type I Décision correcte 1 Ho Décision correcte 1 Erreur de type II Premièrement, tu peux décider, à partir des données issues d un échantillon que l hypothèse nulle (Ho) est vraie (que le médicament n a pas d effet curratif) et qu en réalité, au niveau de la population c est toujours l hypothèse nulle (Ho) qui est vraie (qu en réalité, le médicament n a pas d effet curratif). C est une bonne décision. En d autres termes, tu avances qu il n y a pas d effet du facteur étudié alors que cet effet n existe pas en réalité. Deuxièmement, tu peux aussi décider que c est l hypothèse alternative (H1) qui est vraie (que le médicament a un effet curratif) alors qu en réalité, c est toujours elle qui est vraie (qu en réalité le médicament a un effet curratif) : c est encore une décision correcte. En d autres termes, tu réalises une expérience qui révèle un effet d un facteur en étude quand cet effet existe en réalité. C est ce que l'on appelle puissance de l'essai. Troisièmement, dans le cas où tu décides que l hypothèse alternative (H1) est vraie à partir de ton échantillon (que le médicament a un effet curratif) et qu en réalité c est l hypothèse nulle (Ho) qui est vraie (qu en réalité le médicament n a pas d effet curratif), tu auras commis une erreur qui sera appelée erreur de type I. Cette erreur est lourde de conséquence! L expérimentateur se fixe au plus bas le risque de rejettrer de facon erronée l hypothèse nulle. Plus le risque est grand, plus cela coûte cher à l expérimentateur. Traditionnellement, il le fixe à 1% ou 5%. Les biologistes vont jusqu'à 20% dans certaines études à très forte variabilité. On appelle ce risque, le seuil de signification de l expérience. Dans la littérature, ce risque est noté par la lettre grecque. Et donc la chance de ne pas commettre cette erreur est donnée par 1. Quatrièmement, dans le cas où tu décides que l hypothèse nulle (Ho) est vraie à partir de ton échantillon (que le médicament n a pas d effet curratif) et qu en réalité c est l hypothèse alternative (H1) qui est vraie (qu en réalité le médicament a un effet curratif), tu auras commis une erreur qui sera appelée erreur de type II. L expérimentateur ne peut pas se fixer le niveau de cette erreur. Elle dépend du bon choix du modèle à ajuster aux données. Un modèle mal ajusté peut entraîner une telle erreur.

6 6 Roger KIZUNGU Vumilia Etape 3. La statistique de test ou de décision, voie de la maîtrise de la puissance du test Quelle statistique utiliser pour la décision? Le bon sens nous guiderait en pensant que si nous voulons comparer la moyenne d une variable à une norme, que l on puisse penser à sa valeur centrée et réduite. La statistique de test est celle dont la valeur est la base de la décision du test d'hypothèse. Toujours le bon sens nous suggererait que la statistique pour comparer deux moyennes passerait par la comparaison entre la variabilité intra-groupe et la variabilité intergroupes. A chaque problématique, il existe une statistique bien déteminée dont la distibution permet d aboutir à une décision objective. Etape 4. La valeur critique, la région critique ou la région de rejet de l'hypothèse nulle Dès que la statistique de test est connue, alors tu peux avancer. Supposons que le risque de rejetter par erreur Ho est de Ceci signifie que le rejet de hypothèse nulle par erreur a seulement 5% de chance d arriver. La région critique ou la région de rejet est la partie de la courbe de distribution égale au total à qui est supposée ne pas contenir la valeur de la statistique du test si Ho est vraie. Le point limite est dit valeur critique. La valeur critique est la quantille qui correspond à une probabilité si le test est unilatérale ou si le test est bilatéral.

7 BIOMÉTRIE ET MODÉLISATION 7 Etape 5. Règle de décision, sur base des tables ou sur base du p-value Tu rejeteras l hyopthèse nulle en faveur de l hypothèse alternative si la statistique{ XE "statistique" } de test tombe dans la zone critique si non tu déclareras que l hypothèse nulle n est pas rejettée. Ceci arrive si le p-value est inférieur à. Remarque importante, tu ne diras jamais que tu acceptes l hypothèse nulle. Je rejette l allégation selon laquelle il n y a pas d effet médicament. Je ne saurai jamais attester qu il n y a pas effet médicament. Le fait que je constate qu il n y apas effet médicament peut-être dû à autre chose. Conclusion La statistique{ XE "statistique" } de décision donne un moyen de prendre une décision le plus objectivement possible. Néanmoins, la décision statistique ne doit pas être la décision finale. Elle est parmi tant d autres éléments de décision. La multitude de ces facteurs qui guident une décision dans une circonstance réelle donne du poids à la décision statistique. En effet, cette décision statistique joue le rôle de réduire et de contrôler l incertitude mais ne permet pas d éliminer complètement le doute. Une grande part de responsabilité incombe à la facon dont les données ont été échantillonnées.

8 8 Roger KIZUNGU Vumilia Auto-évaluation 1.- Si un échantillon a 52 individus, quelle est la chance que la moyenne de l'échantillon tombe à 1.96 écart-type ou plus de la vraie moyenne de la population? 2.- Qu'est ce qu' une erreur de type I? 3.- Qu'est ce qu'une erreur de type II? 4.- Quelle est la pertinence du seuil de signification dans un test statistique? 5.- Qu'est ce qu'une hypothèse alternative? 6.- Pourquoi doit-on connaître la distribution de probabilité de la statistique de test? 7.- Qu'appelle-t-on valeur critique? 8.- Qu'appelle-t-on statistique de test? 9.- Décrire les cinq étapes d'une prise de décision ou d'un test d'hypothèse Qu'est ce qu'une hypothèse alternative? 11.- Si l'hypothèse nulle est quelles sont les hypothèses alternatives possibles? 12.- Pour chacun des cas suivants, formuler l'hypothèse nulle et l'hypothèse alternative - La norme de l'oms sur le plomb contenudans l'eau de consommation est 0.05 mg/l. Un écotoxicologue veut tester l'hypothèse que l'eau de Ndjili est au norme - Dans le cadre de l'étude du changement climatique, un chercheur veut tester si la température de l'année précédente est la même que la moyenne des trentes dernières années - Un chercheur veut tester l'impact de la déforestation sur la température - Un chercheur veut comparer les moyennes de quatre variétés - Un chercheur veut montrer qu'il y a une relation entre la biomasse et le rendement de haricot - Un chercheur veut vérifier qu'il y a une relation entre le prix d'un produit et la production, la distance du point d'achat, les taxes. - Un chercheur veut tester l'indépendance de deux facteurs.

9 BIOMÉTRIE ET MODÉLISATION 9 Références Bibliographiques Sanders, Smidt, Adatia, Larson, 2005, Statistics, A first course, McGraw-Hill Ryerson, Toronto, 635 p.

Principe des tests statistiques

Principe des tests statistiques Principe des tests statistiques Jean Vaillant Un test de signification est une procédure permettant de choisir parmi deux hypothèses celles la plus probable au vu des observations effectuées à partir d

Plus en détail

11. Tests d hypothèses (partie 1/2)

11. Tests d hypothèses (partie 1/2) 11. Tests d hypothèses (partie 1/2) MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v1) MTH2302D: tests d hypothèses 1/30 Plan 1. Introduction 2. Hypothèses et erreurs 3. Tests d hypothèses

Plus en détail

TESTS D'HYPOTHESES Etude d'un exemple

TESTS 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 détail

et Statistiques particulières

et Statistiques particulières Lecture 9.3. Notion de Statistique et Statistiques particulières Prof. Kizungu Vumilia Roger UNIKIN (FACAGRO-BIOLOGIE), UNILU (FACAGRO), UEA (FACAGRO), UCB (FACAGRO), ISS, ISTA (ENVIRONNEMENT), UPN (FACAGRO-MEDVET)

Plus en détail

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2 Test du Khi 2 Le test du Khi 2 (khi deux ou khi carré) fournit une méthode pour déterminer la nature d'une répartition, qui peut être continue ou discrète. Domaine d application du test : Données qualitatives

Plus en détail

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES

Cours (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 détail

Chapitre VI Échantillonages et simulations

Chapitre VI Échantillonages et simulations Chapitre VI Commentaires : Récursivement, les commentaires ne sont pas à l attention des élèves.. Fluctuation d échantillonnage Définition : En statistiques, un échantillon de taille n est la liste des

Plus en détail

Document d orientation sur les allégations issues d essais de non-infériorité

Document 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 détail

Introduction au cours STA 102 Analyse des données : Méthodes explicatives

Introduction au cours STA 102 Analyse des données : Méthodes explicatives Analyse des données - Méthodes explicatives (STA102) Introduction au cours STA 102 Analyse des données : Méthodes explicatives Giorgio Russolillo giorgio.russolillo@cnam.fr Infos et support du cours Slide

Plus en détail

Master 1 Informatique Éléments de statistique inférentielle

Master 1 Informatique Éléments de statistique inférentielle Master 1 Informatique Éléments de statistique inférentielle Faicel Chamroukhi Maître de Conférences UTLN, LSIS UMR CNRS 7296 email: chamroukhi@univ-tln.fr web: chamroukhi.univ-tln.fr 2014/2015 Faicel Chamroukhi

Plus en détail

Tests 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» 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 détail

L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques.

L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques. L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques 1 BUTS DU COURS : se familiariser avec le vocabulaire statistique o variable dépendante, variable indépendante o statistique descriptive,

Plus en détail

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon PACES - APEMK UE 4 Evaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie

Plus en détail

Test de Poisson à 1 échantillon et à 2 échantillons

Test de Poisson à 1 échantillon et à 2 échantillons Test de Poisson à 1 échantillon et à 2 échantillons Sous-menus de Minitab 15 : Stat>Statistiques élémentaires>test de Poisson à 1 échantillon Stat>Statistiques élémentaires>test de Poisson à 2 échantillons

Plus en détail

L analyse de variance à un critère de classification (ANOVA)

L analyse de variance à un critère de classification (ANOVA) Bio 041 L analyse de variance à un critère de classification (ANOVA) Pierre Legendre & Daniel Borcard, Université de Montréal Référence: Scherrer (007), section 14.1.1.1 et 14.1. 1 - Introduction Objectif:

Plus en détail

Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30

Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30 Comparaison entre un groupe expérimental et un groupe témoin (Corrigé) /30 I1 Connaissances préalables : Buts spécifiques : Outils nécessaires: Consignes générales : Test t de comparaison de moyennes pour

Plus en détail

DOCUMENT 2.1 : INFORMATIONS COMPLEMENTAIRES SUR LA METHODE D ENQUETE

DOCUMENT 2.1 : INFORMATIONS COMPLEMENTAIRES SUR LA METHODE D ENQUETE DOCUMENT 2.1 : INFORMATIONS COMPLEMENTAIRES SUR LA METHODE D ENQUETE 1 Définir le type de variable Dans notre cas, la variable est quantitative nominale. Note : Une variable est qualitative nominale quand

Plus en détail

La 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 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 détail

MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE

MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE Forum HH 05.02.2013 Ghislaine Gagnon Unité HPCI Qualitatif ou quantitatif? Les 2 méthodes peuvent être utilisées séparément ou en conjonction - le qualitatif

Plus en détail

Analyse de la variance (ANOVA)

Analyse de la variance (ANOVA) Chapitre 7 Analyse de la variance (ANOVA) Introduction L analyse de la variance (ANOVA) a pour objectif d étudier l influence d un ou plusieurs facteurs sur une variable quantitative. Nous nous intéresserons

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2 UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 Master d économie Cours de M. Desgraupes MATHS/STATS Document 4 : Les tests statistiques 1 Généralités sur les tests

Plus en détail

Chapitre 3 : INFERENCE

Chapitre 3 : INFERENCE Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage

Plus en détail

Échantillonnage. Pierre Neuvial, http://stat.genopole.cnrs.fr/~pneuvial Evry, M1 SGO, automne 2014

Échantillonnage. Pierre Neuvial, http://stat.genopole.cnrs.fr/~pneuvial Evry, M1 SGO, automne 2014 Démarche Statistique 1 Échantillonnage Pierre Neuvial, http://stat.genopole.cnrs.fr/~pneuvial Evry, M1 SGO, automne 2014 Introduction Objectif statistique descriptive: sur l'échantillon statistique inférentielle:

Plus en détail

STATISTIQUES. Cours I : Test d hypothèses. Télécom Physique Strasbourg Module 2101. Fabrice Heitz. Octobre 2014

STATISTIQUES. Cours I : Test d hypothèses. Télécom Physique Strasbourg Module 2101. Fabrice Heitz. Octobre 2014 Télécom Physique Strasbourg Module 2101 STATISTIQUES Cours I : Test d hypothèses Fabrice Heitz Octobre 2014 Fabrice Heitz (Télécom PS) Statistiques 2014 1 / 75 Cours I TESTS D HYPOTHÈSES Fabrice Heitz

Plus en détail

Analyses 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 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 détail

Lot Quality Assurance Sampling. Elise Naoufal EVARISQ 15 septembre 2011

Lot Quality Assurance Sampling. Elise Naoufal EVARISQ 15 septembre 2011 Lot Quality Assurance Sampling LQAS Elise Naoufal EVARISQ 15 septembre 2011 1 LQAS Une question d efficacité? LQAS et santé Méthode et Fondements théoriques Détermination du couple (n,d n,d) Conclusion

Plus en détail

Excel. Quelques traitements statistiques

Excel. Quelques traitements statistiques Excel Quelques traitements statistiques Rachid BOUMAZA Département ETIC Institut National d'horticulture Angers Sommaire 1. Tirer au hasard 2. Saisie des données 3. Comparer deux moyennes 4. Analyse de

Plus en détail

Analyse de la variance

Analyse de la variance M2 Statistiques et Econométrie Fanny MEYER Morgane CADRAN Margaux GAILLARD Plan du cours I. Introduction II. Analyse de la variance à un facteur III. Analyse de la variance à deux facteurs IV. Analyse

Plus en détail

choisir H 1 quand H 0 est vraie - fausse alarme

choisir H 1 quand H 0 est vraie - fausse alarme étection et Estimation GEL-64943 Hiver 5 Tests Neyman-Pearson Règles de Bayes: coûts connus min π R ( ) + ( π ) R ( ) { } Règles Minimax: coûts connus min max R ( ), R ( ) Règles Neyman Pearson: coûts

Plus en détail

L essentiel sur les tests statistiques

L essentiel sur les tests statistiques L essentiel sur les tests statistiques 21 septembre 2014 2 Chapitre 1 Tests statistiques Nous considérerons deux exemples au long de ce chapitre. Abondance en C, G : On considère une séquence d ADN et

Plus en détail

Support du cours de Probabilités IUT d Orléans, Département d informatique

Support du cours de Probabilités IUT d Orléans, Département d informatique Support du cours de Probabilités IUT d Orléans, Département d informatique Pierre Andreoletti IUT d Orléans Laboratoire MAPMO (Bât. de Mathématiques UFR Sciences) - Bureau 126 email: pierre.andreoletti@univ-orleans.fr

Plus en détail

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE

Tests 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 détail

CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Probabilités Épreuve de Bernoulli, loi de Bernoulli.

CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Probabilités Épreuve de Bernoulli, loi de Bernoulli. 1 ère - 3 Chap.9 : Loi binomiale. Échantillonnage. 1 ère - Chapitre 9 : LOI BINOMIALE. ÉCHANTILLONNAGE. Textes officiels (30 septembre 2010) : CONTENU CAPACITÉ ATTENDUE COMMENTAIRE Probabilités Épreuve

Plus en détail

UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans sa documentation) est autorisée.

UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans sa documentation) est autorisée. Université René Descartes- Paris V Licence de Psychologie Année L1, Semestre S1-2005 /2006 Page 1/5 UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans

Plus en détail

Le sujet traite de l'étude des Amida-Kuji, jeu de hasard japonais.

Le sujet traite de l'étude des Amida-Kuji, jeu de hasard japonais. Amida-kuji Collège Mario Meunier Montbrison (42) Année 2012/2013 Elèves: AIRED A. (4ème 3) BAROU C. (4ème 2) BLANC A. (4ème 9) BOS T. (4ème 3) BRUYERE T. (4ème 9) CHAUMETTE C. (4ème 9) CHERMANNE M. (3ème

Plus en détail

Le raisonnement par récurrence

Le raisonnement par récurrence Le raisonnement par récurrence Nous notons N l ensemble des entiers naturels : N = {0,,, } Nous dirons naturel au lieu de entier naturel Le principe du raisonnement par récurrence Soit A une partie de

Plus en détail

Le Data Mining au service du Scoring ou notation statistique des emprunteurs!

Le Data Mining au service du Scoring ou notation statistique des emprunteurs! France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative

Plus en détail

Introduction à la Statistique Inférentielle

Introduction 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 détail

Ch.12 : Loi binomiale

Ch.12 : Loi binomiale 4 e - programme 2007 - mathématiques ch.12 - cours Page 1 sur 5 1 RÉPÉTITION D'EXPÉRIENCES INDÉPENDANTES Lancer plusieurs fois un dé et noter les résultats successifs. Ch.12 : Loi binomiale Prélever des

Plus en détail

LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION

LE 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 détail

5. Validité de la méta-analyse

5. Validité de la méta-analyse 5. Validité de la méta-analyse 5.1. Poids de la preuve d une méta-analyse Le poids de la preuve d un résultat scientifique quantifie le degré avec lequel ce résultat s approche de la réalité. Il ne s agit

Plus en détail

G R E C A U Rapport sur le mémoire de thèse de doctorat ENSA de Toulouse, INSA, école doctorale MEGeP, Spécialité Génie Civil, En co-tutelle avec l'université de Laval, Québec, Canada présenté par Catherine

Plus en détail

La démarche d investigation en mathématiques. 26 novembre 2008 La démarche d investigation en mathématiques P. KOBER- IUFM Nice

La démarche d investigation en mathématiques. 26 novembre 2008 La démarche d investigation en mathématiques P. KOBER- IUFM Nice La démarche d investigation en mathématiques 1) Qu est ce que la démarche d investigation en sciences? 2) Qu est-ce que faire des mathématiques? - Pour un chercheur Plan de cette intervention - Dans l

Plus en détail

Fidélité des méthodes analytiques (Résolution oeno 5/99)

Fidélité des méthodes analytiques (Résolution oeno 5/99) (Résolution oeno 5/99) Les données concernant la fidélité des méthodes analytiques déterminées par des études collaboratives sont applicables dans les cas suivants : ) Vérification de l'acceptabilité des

Plus en détail

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

Chapitre 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 détail

NOTIONS DE PROBABILITÉS

NOTIONS DE PROBABILITÉS NOTIONS DE PROBABILITÉS Sommaire 1. Expérience aléatoire... 1 2. Espace échantillonnal... 2 3. Événement... 2 4. Calcul des probabilités... 3 4.1. Ensemble fondamental... 3 4.2. Calcul de la probabilité...

Plus en détail

Alltech Young Scientist Conseils pour rédiger un papier

Alltech Young Scientist Conseils pour rédiger un papier Alltech Young Scientist Conseils pour rédiger un papier Chers étudiants, De nombreux étudiants nous ont demandé, les années passées, si nous pouvions vous communiquer un article-type, ce qui est difficile,

Plus en détail

1. Les types d enquêtes

1. Les types d enquêtes La conduite d une enquête par questionnaire La conception d un questionnaire ne doit pas être réalisée de façon hasardeuse. Elle suit une méthodologie stricte qui permet d atteindre des résultats utilisables

Plus en détail

3. COMPARAISON DE PLUS DE DEUX GROUPES

3. COMPARAISON DE PLUS DE DEUX GROUPES 3. COMPARAISON DE PLUS DE DEUX GROUPES La comparaison de moyennes de plus de deux échantillons se fait généralement par une analyse de variance (ANOVA) L analyse de variance suppose l homogénéité des variances

Plus en détail

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION Dans les leçons précédentes, nous avons modélisé des problèmes en utilisant des graphes. Nous abordons dans cette leçon un autre type de modélisation.

Plus en détail

Estimation et tests statistiques, TD 5. Solutions

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 détail

Simulation Examen de Statistique Approfondie II **Corrigé **

Simulation Examen de Statistique Approfondie II **Corrigé ** Simulation Examen de Statistique Approfondie II **Corrigé ** Ces quatre exercices sont issus du livre d exercices de François Husson et de Jérôme Pagès intitulé Statistiques générales pour utilisateurs,

Plus en détail

Table des cas d entreprise et enquêtes. Avant-propos Nos choix d adaptation Visite guidée La 4 e édition Remerciements

Table des cas d entreprise et enquêtes. Avant-propos Nos choix d adaptation Visite guidée La 4 e édition Remerciements Table des matières Table des cas d entreprise et enquêtes Avant-propos Nos choix d adaptation Visite guidée La 4 e édition Remerciements xiii xiii xiv xv xv Première partie Les fondements de la comptabilité

Plus en détail

ECOLE DES HAUTES ETUDES COMMERCIALES CORRIGE TYPE DE L EXAMEN

ECOLE DES HAUTES ETUDES COMMERCIALES CORRIGE TYPE DE L EXAMEN ECOLE DES HAUTES ETUDES COMMERCIALES Niveau : 1 ème année Master TC Groupes : 1, 2, 3, 4, 5, 6 et 7 Date : 21/05/2012 Module : Recherche Marketing Durée : 2h CORRIGE TYPE DE L EXAMEN Correction 1 ère Partie

Plus en détail

2010 My Maths Space Page 1/6

2010 My Maths Space Page 1/6 A. Des statistiques aux probabilités 1. Statistiques descriptives, analyse de données. Vocabulaire des statistiques : Population : c'est l'ensemble étudié. Individu : c'est un élément de la population.

Plus en détail

Chapitre 5 Les Probablilités

Chapitre 5 Les Probablilités A) Introduction et Définitions 1) Introduction Chapitre 5 Les Probablilités De nombreuses actions provoquent des résultats qui sont dus en partie ou en totalité au hasard. Il est pourtant nécessaire de

Plus en détail

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités

Plus en détail

Statistique (MATH-F-315, Cours #3)

Statistique (MATH-F-315, Cours #3) Statistique (MATH-F-315, Cours #3) Thomas Verdebout Université Libre de Bruxelles 2015 Plan de la partie Statistique du cours 1. Introduction. 2. Théorie de l estimation. 3. Tests d hypothèses et intervalles

Plus en détail

Économie d'entreprise

Économie d'entreprise Économie d'entreprise Leneant 27 Économie d'entreprise Variation de l' et positionnement produit Variation de l' et positionnement produit 1/17 Économie d'entreprise Leneant 27 Sommaire 1. Objet...3 2.

Plus en détail

Analyse de la variance à deux facteurs

Analyse de la variance à deux facteurs 1 1 IRMA, Université Louis Pasteur Strasbourg, France Master 1 Psychologie du développement 06-10-2008 Contexte Nous nous proposons d analyser l influence du temps et de trois espèces ligneuses d arbre

Plus en détail

La régression logistique. Par Sonia NEJI et Anne-Hélène JIGOREL

La régression logistique. Par Sonia NEJI et Anne-Hélène JIGOREL La régression logistique Par Sonia NEJI et Anne-Hélène JIGOREL Introduction La régression logistique s applique au cas où: Y est qualitative à 2 modalités Xk qualitatives ou quantitatives Le plus souvent

Plus en détail

ESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring

ESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring Les méthodes d évaluation du risque de crédit pour les PME et les ménages Caractéristiques Comme les montants des crédits et des

Plus en détail

Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.

Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Etudes et traitements statistiques des données : le cas illustratif de la démarche par sondage INTRODUCTION

Plus en détail

différence groupe-conseil en statistique

différence groupe-conseil en statistique Vais-je atteindre mon objectif cette année? Par Martin Carignan, associé chez Différence www.difference-gcs.com Contexte Les gestionnaires sont souvent évalués sur des résultats mesurés par des indicateurs

Plus en détail

Structure typique d un protocole de recherche. Préparé par Johanne Desrosiers dans le cadre d une formation au réseau FORMSAV

Structure typique d un protocole de recherche. Préparé par Johanne Desrosiers dans le cadre d une formation au réseau FORMSAV Structure typique d un protocole de recherche Préparé par Johanne Desrosiers dans le cadre d une formation au réseau FORMSAV Introduction Planification et développement d une proposition de recherche Étape

Plus en détail

A PROPOS DES TABLES DE NOMBRES AU HASARD

A PROPOS DES TABLES DE NOMBRES AU HASARD A PROPOS DES TABLES DE NOMBRES AU HASARD Dans les bulletins n 3 et n 5, nous avons publié dans le courrier des lecteurs deux exemples de séances de travaux dirigés durant lesquelles les étudiants devaient

Plus en détail

Christophe Fournier. Clinique de Thuys. Aunége - Christophe Fournier

Christophe Fournier. Clinique de Thuys. Aunége - Christophe Fournier Christophe Fournier Clinique de Thuys Aunége - Christophe Fournier 2 Table des matières Information sur l'échantillon 3 Structure de l'échantillon...4 Point méthodologique 6 Point méthodologique...7 Représentativité

Plus en détail

La magie de la division

La magie de la division La magie de la division Résultats d apprentissage Description Matériel 7 e année, Le nombre, n 1 Déterminer et expliquer pourquoi un nombre est divisible par 2, 3, 4, 5, 6, 8, 9 ou 10 et expliquer pourquoi

Plus en détail

Collecte de données. Laurent Dorey

Collecte de données. Laurent Dorey Laurent Dorey Mercredi 16 Décembre 2014 Programme : Recensement & Echantillonnage Étapes pour sélectionner un échantillon La population observée La base de sondage Les unités d enquête La taille de l échantillon

Plus en détail

PRINCIPES RÉGISSANT L'APPLICATION DES PROCÉDURES D'ÉCHANTILLONNAGE ET D'ESSAI DANS LE COMMERCE INTERNATIONAL DES DENRÉES ALIMENTAIRES CAC/GL 83-2013

PRINCIPES RÉGISSANT L'APPLICATION DES PROCÉDURES D'ÉCHANTILLONNAGE ET D'ESSAI DANS LE COMMERCE INTERNATIONAL DES DENRÉES ALIMENTAIRES CAC/GL 83-2013 PRINCIPES RÉGISSANT L'APPLICATION DES PROCÉDURES D'ÉCHANTILLONNAGE ET D'ESSAI DANS LE COMMERCE INTERNATIONAL DES DENRÉES ALIMENTAIRES CAC/GL 83-2013 Adoptés en 2013. Révision: 2015. CAC/GL 83-2013 2 1.

Plus en détail

SCI03 - Analyse de données expérimentales

SCI03 - Analyse de données expérimentales SCI03 - Analyse de données expérimentales Introduction à la statistique Thierry Denœux 1 1 Université de Technologie de Compiègne tél : 44 96 tdenoeux@hds.utc.fr Automne 2014 Qu est ce que la statistique?

Plus en détail

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p. STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,

Plus en détail

En considérant votre dernier projet de recherche, à quelle étape avez-vous en premier pensé aux statistiques?

En considérant votre dernier projet de recherche, à quelle étape avez-vous en premier pensé aux statistiques? ENQUÊTE: BIOSTATISTIQUES DANS LA RECHERCHE Le but de notre questionnaire n'était pas de pointer du doigt les lacunes dans la façon qu'ont les chercheurs d'aborder les statistiques ni d'apporter de manière

Plus en détail

Correction de l épreuve de Statistiques et Informatique appliquées à la Psychologie

Correction de l épreuve de Statistiques et Informatique appliquées à la Psychologie Université de Bretagne Occidentale Année Universitaire 2013-2014 U.F.R. de Lettres et Sciences Humaines CS 93837-29238 BREST CEDEX 3 Section : Psychologie - Licence 3è année Enseignant responsable : F.-G.

Plus en détail

Chapitre 7 Tests d hypothèse (partie 1)

Chapitre 7 Tests d hypothèse (partie 1) Chapitre 7 Tests d hypothèse (partie 1) I Qu est ce qu un test statistique? La philosophie est toujours la même : déterminer des informations sur une population à partir d informations sur un échantillon

Plus en détail

Plan. Entreprise Guide ou comment rendre presque séduisantes les procédures statistiques de SAS. Tirer un échantillon d'une table existante (1)

Plan. Entreprise Guide ou comment rendre presque séduisantes les procédures statistiques de SAS. Tirer un échantillon d'une table existante (1) Entreprise Guide ou comment rendre presque séduisantes les procédures statistiques de SAS Présentation au Club des Utilisateurs SAS de Québec 30 octobre 2006 Jean Hardy Services Conseils Hardy Plan Tirer

Plus en détail

LA RÉGULARISATION DES CHARGES EN FIN D EXERCICE

LA RÉGULARISATION DES CHARGES EN FIN D EXERCICE LA RÉGULARISATION DES CHARGES EN FIN D EXERCICE À la fin de l'exercice financier, il faut examiner tous les comptes de la balance de vérification afin de déterminer lesquels nécessitent un ajustement.

Plus en détail

Statistiques inférentielles : tests d hypothèse

Statistiques inférentielles : tests d hypothèse Statistiques inférentielles : tests hypothèse Table es matières I Tests hypothèse 2 I.1 Test bilatéral relatif à une moyenne...................................... 2 I.2 Test unilatéral relatif à une moyenne.....................................

Plus en détail

Introduction à l'analyse statistique des données

Introduction à l'analyse statistique des données INTRODUCTION À L'ANALYSE STATISTIQUE DES DONNÉES CONCEPTS DE BASE Un certain nombre de concepts, préalables indispensables à la compréhension des analyses présentées, sont définis ici. De même pour quelques

Plus en détail

NOTE SUR LA MODELISATION DU RISQUE D INFLATION

NOTE SUR LA MODELISATION DU RISQUE D INFLATION NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui

Plus en détail

TECHNIQUES D ENQUETE

TECHNIQUES D ENQUETE TECHNIQUES D ENQUETE Le Système d Information Marketing L étude de marché Les différentes sources d informations Méthodologie d enquête BENSGHIR AFAF ESTO 1 Plan d'apprentissage du cours " Méthodologie

Plus en détail

Devoir Surveillé n 5 BTS 2009 groupement B

Devoir Surveillé n 5 BTS 2009 groupement B EXERCICE 1 (12 points) Devoir Surveillé n 5 BTS 2009 groupement B Les trois parties de cet exercice peuvent être traitées de façon indépendante. A. Résolution d une équation différentielle On considère

Plus en détail

Les effets d une contrainte de crédit sur la convergence économique : Le cas des pays de l UEMOA

Les effets d une contrainte de crédit sur la convergence économique : Le cas des pays de l UEMOA Les effets d une contrainte de crédit sur la convergence économique : Le cas des pays de l UEMOA Auteurs : Abdoulaye DIAGNE et Abdou-Aziz NIANG Introduction Ceci devrait contribuer à réduire l écart entre

Plus en détail

Utilisation d EXCEL pour résoudre des problèmes de programmation linéaire

Utilisation d EXCEL pour résoudre des problèmes de programmation linéaire Utilisation d EXCEL pour résoudre des problèmes de programmation linéaire Introduction Le solveur d'excel est un outil puissance d'optimisation et d'allocation de ressources. Il peut vous aider à déterminer

Plus en détail

Cartes de contrôle aux mesures

Cartes de contrôle aux mesures Cartes de contrôle aux mesures 1 Une introduction à la maîtrise statistique des processus Deux objets ne sont jamais rigoureusement identiques. Quelles que soient les techniques utilisées pour fabriquer

Plus en détail

ÉVALUATION DANS LES CASERNES

ÉVALUATION DANS LES CASERNES ÉVALUATION DANS LES CASERNES ANALYSE DE L'EXPÉRIMENTATION DU LOGICIEL ELMO DANS TROIS CORPS DE TROUPE : ROUEN, LILLE, VALENCE Martine RÉMOND 1. BUTS DE L'EXPÉRIMENTATION Le GPLI (Groupe Permanent de Lutte

Plus en détail

TP Maîtrise Statistique des Procédés

TP Maîtrise Statistique des Procédés TP Maîtrise Statistique des Procédés Vous allez utiliser un programme informatique «SIMDI Tour» qui simule (sommairement) le fonctionnement d un tour à commande numérique. Pendant ce TP, qui se déroule

Plus en détail

9. Distributions d échantillonnage

9. Distributions d échantillonnage 9. Distributions d échantillonnage MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v3) MTH2302D: distributions d échantillonnage 1/46 Plan 1. Échantillons aléatoires 2. Statistiques et distributions

Plus en détail

La méthode des quotas

La méthode des quotas La méthode des quotas Oliviero Marchese, décembre 2006 1 La méthode des quotas Principe de la méthode Point de départ et but recherché Caractère «intuitif» de la méthode A quoi ressemble une feuille de

Plus en détail

CONCOURS 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) 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 détail

2. Formalisation ... Or les variables sont indépendantes. Donc si

2. Formalisation ... Or les variables sont indépendantes. Donc si L'estimation 1. Concrètement... Dernièrement un quotidien affichait en première page : en 30 ans les françaises ont grandi de... je ne sais plus exactement, disons 7,1 cm. C'est peut-être un peu moins

Plus en détail

Electricité 4. Cours. Les résistances électriques. Quatrièmes. 4 ème. Qu est-ce qu une résistance et à quoi sert-elle?

Electricité 4. Cours. Les résistances électriques. Quatrièmes. 4 ème. Qu est-ce qu une résistance et à quoi sert-elle? 4 ème Electricité 4 Qu est-ce qu une résistance et à quoi sert-elle? Objectifs 1 Savoir utiliser un ohmmètre et le code des couleurs 2 Connaître l influence d une résistance dans un circuit 3 Connaître

Plus en détail

Simulation d un système d assurance automobile

Simulation d un système d assurance automobile Simulation d un système d assurance automobile DESSOUT / PLESEL / DACHI Plan 1 Introduction... 2 Méthodes et outils utilisés... 2.1 Chaines de Markov... 2.2 Méthode de Monte Carlo... 2.3 Méthode de rejet...

Plus en détail

Contrôler le facteur «humidité» dans la miellerie.

Contrôler le facteur «humidité» dans la miellerie. Contrôler le facteur «humidité» dans la miellerie. Philippe COUGNET Guide nature et apiculteur Dossier Miel Nous savons tous que le taux dʼhumidité du miel doit être inférieur à 18 %. Or, bien souvent,

Plus en détail

Principe d un test statistique

Principe 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 détail

UTFPR. Nada Benlahbib. [DATA MINING] Fertility Data Set

UTFPR. Nada Benlahbib. [DATA MINING] Fertility Data Set UTFPR [DATA MINING] Fertility Data Set Sommaire Introduction... 2 1. Description de la base de données... 3 1.1. Origine de la base... 3 1.2. Description des attributs... 3 1.3. Exploration des données...

Plus en détail

COMPARAISON GRAHPIQUE DE DEUX VALEURS AVEC INCERTITUDE

COMPARAISON GRAHPIQUE DE DEUX VALEURS AVEC INCERTITUDE COMPARAISON GRAHPIQUE DE DEUX VALEURS AVEC INCERTITUDE Le but d une expérience de laboratoire est souvent de vérifier un résultat théorique à l aide d un montage. Puisqu il est impossible (sinon très rare)

Plus en détail

MoneyTalk - Personal Finance Day du 27 septembre 2008

MoneyTalk - Personal Finance Day du 27 septembre 2008 21/09/2008 Existe-t-il un niveau de chiffre d'affaires à partir duquel il est intéressant de passer en société? Mise en garde : cette note a servi de support à la présentation d un exposé lors de la journée

Plus en détail

Bouteilles récipients-mesures

Bouteilles récipients-mesures RECOMMANDATION OIML R 96 INTERNATIONALE Edition 1990 (F) Bouteilles récipients-mesures Measuring container bottles OIML R 96 Edition 1990 (F) ORGANISATION INTERNATIONALE DE MÉTROLOGIE LÉGALE INTERNATIONAL

Plus en détail

LE PROBLÈME DE RECHERCHE ET LA PROBLÉMATIQUE

LE PROBLÈME DE RECHERCHE ET LA PROBLÉMATIQUE LE PROBLÈME DE RECHERCHE ET LA PROBLÉMATIQUE Un problème de recherche est l écart qui existe entre ce que nous savons et ce que nous voudrions savoir à propos d un phénomène donné. Tout problème de recherche

Plus en détail