éléments d'analyse statistique
|
|
- Sandrine Bossé
- il y a 8 ans
- Total affichages :
Transcription
1 éléments danalse statstque applcaton à lhdrologe deuxème édton D. Ther octobre 989 R EAU 4S 89 BUREAU DE RECHERCHES GEOLOGIQUES ET MINIERES SERVICES SOL ET SOUS-SOL Département Eau B.P ORLÉANS CEDEX 2 - France - Tél.: (33)
2 ELEMENTS DANALYSE STATISTIQUE Applcaton à lhdrologe VorrUnlque. THIEM PR R 3073 EAU/4S/89 R E S U M E Ce rapport présente un certan nombre de technques statstques élémentares : - étude dun échantllon de valeurs et détermnaton de la foncton de dstrbuton emprque, - étude et méthode dajustement aux fonctons de dstrbuton les plus classques, - calculs de régresson lnéare, - calcul des ntervalles de confances et pratque de tests statstques (comparason des moennes ou de varance, analse de varance]. précser : Pour chadune de ces technques, on sest efforcé de - les hpothèses dapplcaton à respecter, - les erreurs classques è évter. Un exemple numérque a été traté à chaque fos pour rendre la méthode plus explcte.
3 S O M M A I R E. Pages. - ETUDE DUN ECHANTILLON DOBSERVATION.. GENERALITES ET DEFINITIONS.2. PARAMETRES STATISTIQUES D" UN ECHANTI LLÛN 3.3. ETUDE DESCRIPTIl/E DE LA DISTRIBUTION 5.4. DETERMINATION DE LA FONCTION DE DISTRIBUTION LES DISTRIBUTIONS STATISTIQUES 4.. LA DISTRIBUTION GAUSSIENNE (OU NORMALE) LA DISTRIBUTION LOG-NORMALE ( GALTON-GIBRATj LA DISTRIBUTION DE GUM8EL LA DISTRIBUTION DE STUVENT B 2.5. LA DISTRIBUTION BINOMIALE LA DISTRIBUTION DE POISSON LA DISTRIBUTION EXPONENTIELLE 2 2. S. LA DISTRIBUTION DU CHI LA REGRESSION LINEAIRE GENERALITES METHODE DE CALCUL INTERPRETATION STATISTIQUE TESTS STATISTIQUES ET CALCUL DES INTERVALLES DE CONFIANCE INTERVALLE VE CONFIANCE DUNE MOYENNE INTERVALLE VE CONFIANCE DUN ECART-TYPE INTERVALLE VE CONFIANCE VUN QUANTILE DUNE REPARTITION GAUSSIENNE INTERl/ALLE DE CONFIANCE DUN COEFFICIENT DE CORRELATION INTERVALLE VE CONFIANCE DES COEFFICIENTS DE REGRESSION INTERVALLE VE CONFIANCE DUNE PREVISION COMPARAISON VE DEUX MOYENNES 37 4.S. COMPARAISON VE VEUX VARIANCES COMPARAISON DE PLUSIEURS MOYENNES [ANALYSE VE l/ariance] 4
4 5. - COMPLEMENTS A LA PREMIERE EDITION REGRESSION VES "MOINDRES DISTANCES" CORRELATION DOUBLE DUREE DE VIE DUN PROJET ETUDE DUNE VARIABLE AU-VESSUS VUN SEUIL COMPOSITION VES 2 LOIS DE PROBABILITE INTERVALLE DE CONFIANCE VU RAPPORT DE DEUX l/ariances INTERl/ALLE DE CONFIANCE DUN POURCENTAGE OBSERVE S. TEST DAJUSTEMENT VU CHI Z 55
5 LISTE DES FIGURES (En Annexe) Fgure : Dstrbuton emprque sur paper Gauss Fgure 2 : Dstrbuton emprque sur paper Log-Normal (ou Gausso-Log) Fgure 3 : Dstrbuton emprque sur paper Gumbel Fgure 4 : Foncton de répartton de la lo normale rédute Fgure 5 : Dstrbuton de Student Fgure 6 : Table de dstrbuton de x 2 (Lo de K. Pearson) Fgure 7 : Intervalle de confance à 95 % dun coeffcent de corrélaton Fgure 8 : Fgure 9 : Valeur au-dessus de laquelle un coeffcent de corrélaton mesuré est sgnfcatvement dfférent de 0. Table de FISCHER-SCHNEDECOR P = 97.5 % (pour ntervalles de confance des 2 côtés. Fgure 0 : Table de FISCHER-SCHNEDECOR P = 95 % (à utlser pour des tests dun seul côté). Fgure : Abaque donnant lntervalle de confance à 95 % dun pourcentage
6 INTRODUCTION Il exste un certan nombre de technques qu permettent détuder un échantllon de valeurs pour en précser sa dstrbuton statstque et le comparer à un autre échantllon. Un certan nombre de ces technques sont très utlsées en hdrologe superfcelle. Malheureusement, ces méthodes statstques sont souvent utlsées de manère partelle, sans tenr compte des hpothèses dapplcaton et donnent souvent leu à des nterprétatons douteuses ou tendanceuses. Le but de ce rapport est de rappeler un certan nombre de méthodes danalse statstques élémentares : - en précsant les hpothèses dapplcaton, - en montrant comment calculer les ntervalles de confance de tous les résultats en foncton de la talle de léchantllon, - en attrant lattenton du lecteur sur les erreurs dapplcaton les plus classques. Le texte qu sut a été rédgé à loccason des recclages statstques de novembre 980 et mars 98 à Orléans. Il reprend presque ntégralement le texte de la note technque n 80/6 après révson et correctons. La deuxème édton, conçue à la sute du recclage statstque de Septembre 989 à Orléans, corrge et complète largement la premère édton de 98.
7 ETUDE DUN ECHANTILLON.. GENERALITES ET DEFINITIONS Sot une sére de valeurs*par exemple : " le débt journaler dun cours deau, " la plue annuelle sur un bassn versant, " le nveau pézométrque en un pont, " le prx de leau en dfférentes localtés, }C la concentraton en ntrates en dfférents ponts Le but des statstques est de vor sl est possble de résumer les valeurs de la sére par quelques paramètres caractérstques, et de précser la fréquence de ces dfférentes valeurs. La sére des valeurs dsponbles consttue un ECHANTILLON comprenant un nombre lmté de valeurs appelées OBSERVATIONS. En général on ne sntéresse pas partculèrement à l ECHANTILLON dsponble : Cpar exemple 5 valeurs de plue annuelle) mas plut8t à la POPULATION doù est tré cet échantllon Cla plue annuelle). Une POPULATION est un ensemble (théorque) consttué dun nombre nfn de valeurs. Cette populaton peut être décrte par quelques paramètres : par exemple par sa MOYENNE^ son ECART-TYPE (vor plus lon) etc.. On sntéresse le plus souvent à des populatons STABLES cest-à-dre dont les paramètres ne présentent pas de tendances. Exemples : " le prx de leau en dfférents ponts et à dfférentes dates ne consttue pas une populaton stable car en un pont donné, le prx évolue Cplus ou mons régulèrement) à la hausse en foncton du temps. Il a donc une tendance quon peut éventuellement corrger en exprmant les prx en Francs (ou Dollars) constants.
8 - 2 - :î le débt dun cours deau stué dans un bassn versant qu surbanse progressvement va évoluer. On ne pourra donc pas défnr,par exemple la moenne des débts. " le débt mensuel dun cours deau présente généralement une forte pérodcté sasonnère. Le débt de chaque mos consttue cependant une populaton stable. Les paramètres décrvant une populaton sont nconnus car pour les calculer l faudrat dsposer de toutes les valeurs de la populaton or ces valeurs sont en nombre nfn. Exemple : Quelle est la plue annuelle moenne à Orléans? Pour connaître cette moenne l faudrat dsposer de toutes les valeurs de plue depus lorgne -. de la terre jusquà sa... fn. Pour étuder une populaton on étude donc un échantllon formé par les observatons dsponbles. Pourquo procède-ton ans? :: parce quon ne peut fare autrement, " parce quon démontre que - s la populaton est stable - les paramètres estmés à partr dun échantllon sont proches de ceux de la populaton. Ils sont dautant plus proches que le nombre dobservatons de léchantllon est grand ["Lo des grands nombres"). On conçot asément que la moenne de la plue annuelle calculée sur 3 années dobservatons a beaucoup plus de chances dêtre élognée de la moenne vrae que celle calculée sur 50 années dobservatons, En effet, sur les 3 années l peut avor par exemple 2 années très sèches Cou très humdes) alors que sur 50 années l est très peu probable davor 30 années sèches (ou humdes).
9 - 3 - Avant détuder un échantllon l faut tout dabord vérfer : a) que toutes ses valeurs provennent de la populaton à étuder, b) que cette populaton est stable, c) que cette populaton est homogène. Exemple : ] S on veut étuder les caractérstques chmques dune nappe, l faut sassurer que tous les prélèvements provennent de la même nappe. Exemple : 2] Vor plus haut : prx évoluant en foncton du temps. Exemple : 3] Quand on étude les débts de crue dun cours deau l convent souvent de séparer les crues de prntemps (fonte des neges) de celles dété (orages) qu provennent de phénomènes essentellement dfférents..2. PARAMETRES STATISTIQUES VUN ECHANTILLON Dans ce paragraphe nous défnrons seulement deux paramètres statstques qu sont utlsés constamment et nous montrons comment les calculer. Dans des chaptre ultéreurs nous montrerons comment apprécer la précson des paramètres obtenus. La moenne Cest le paramètre défnssant la tendance CENTRALE de léchantllon :. E = sgnfe somme de tous les m = E x. éléments x. x n î î n = nombre déléments de léchantllon m = moenne des valeurs x. x
10 - 4 - L écart tpe de sa moenne. Cest le paramètre défnssant la DISPERSION de léchantllon autour Lécart tpe a même dmenson que les valeurs de léchantllon (m 3 /s, mm de plue, etc...). Plus lécart tpe est grand et plus léchantllon est étalé Cou dspersé). Lécart tpe est généralement notée (sgma) ou s : V I Cx. - "mt r 2 " (n = nombre déléments de -TTTT léchantllon) [attenton on dvse par n- et non par n). Calcul pratque : a) Un certan nombre de calculatrces de poche permettent le calcul automatque de lécart tpe, cest ldéal. écrre : b) En développant lexpresson de lécart tpe on vot que lon peut V E x. 2 - n. m 2 a. n - * ce qu est beaucoup plus rapde à calculer, mas parfos nettement mons précs. Un exemple de calcul est présenté dans le chaptre sur la régresson lnéare (paragraphe 3.2.). Coeffcent de varaton Cest le rapport de lécart tpe à la moenne C = cest un nombre sans dmenson (donc ndépendant des untés) qu ne présente de lntérêt que dans la mesure ou la moenne m a un sens phsque (C na pas dntérêt par exemple quand on étude des charges qu sont défnes par rapport à un repère arbtrare).
11 - 5 - Il exste dautres paramètres statstques comme le coeffcent dasmétre. Nous nen parlerons pas c. Il faut en effet dsposer déchantllons de grandes dmensons pour être en mesure de le défnr avec précson ETUPE_pESÇRIPnE_ÇE_LA_PIST^ Une telle étude se propose de détermner quelle est la dstrbuton statstque des observatons de léchantllon cest-à-dre : " quel est le pourcentage dobservatons comprses entre 2 valeurs (cest-à-dre dans une CLASSE lmtée par ces 2 valeurs) ou encore : certane valeur. :: quel est le pourcentage dobservatons supéreures à une La représentaton graphque dune telle étude est un HISTOGRAMME des fréquences qu permet den dédure un HISTOGRAMME DES FREQUENCES CUMULEES. Avant dexplquer comment tracer un hstogramme l convent de défnr ce que lon appelera une CLASSE et une FREQUENCE. :: a et b [nclus ou non suvant le cas], LA CLASSE [a, b] est lensemble des valeurs comprses entre " LA FREQUENCE de la CLASSE [a, b] est le pourcentage des observatons qu appartennent à la classe La* bj. classe est : Sl a n. observatons dans la classe la fréquence f. de cette n. N j étant le nombre total dobservatons
12 - 6 - Constructon dun hstogramme : On détermne lntervalle de varaton, comprs entre lobservaton mnmum et lobservaton maxmum, et on le dvse en classes égales contenant un mnmum denvron 5 observatons. Il est alors facle de calculer les "fréquences" de chaque classe. Il sufft alors de reporter en abscsse les classes et en ordonnée les fréquences correspondantes. Exemple : Débts maxmal des forages dune régon..fr&ooejnce. 30Ï o.- - r 4=- 0 S? V> ma
13 - 7 - La classe aant la plus forte fréquence est appelée le Mode, (c cest la classe de 25 à 30 m 3 /h]". Quand l a deux "pcs" de fréquence, la répartton est bmodale. Un hstogramme bmodal ndque souvent que léchantllon provent de deux populatons dfférentes aant chacune un mode : Exemple : pour une rvère : :c les débts dautomne, dorgne pluvale, " les débts de prntemps, dorgne nvale. Il est consellé détuder alors séparément les deux populatons. Remarque : la somme des fréquences est égale à en effet toutes les valeurs sont affectées à une classe donc toutes les classes contennent au total 00 % des valeurs. Hstogramme cumulé On sntéresse mantenant à la fréquence des valeurs comprses dans toutes les classes nféreures ou égales à la classe. Cest donc le pourcentage des valeurs qu ne dépassent pas la classe. La fréquence cumulée est donc la FREQUENCE DE NON DEPASSEMENT. On dra par exemple que B3 % des forages ont un débt maxmal qu ne dépasse pas 30 m 3 /h.pour construre un hstogramme cumulé, l sufft daffecter à chaque classe la somme de toutes les fréquences jusquà cette classe. On reporte alors la fréquence cumulée en foncton de la classe.
14 - 8-5# - % <? S l* * *» 55»v»/-U Défnton : La médane est la valeur dont la fréquence de dépassement est de 50 % (50 % des valeurs lu sont supéreures ; 50 sont nféreures). Dans notre exemple la médane appartent à la classe [20,
15 DETERMINATION VE LA FONCTION VE DISTRIBUTION Lhstogramme dépend beaucoup du découpage et du nombre des classes qu est ben entendu arbtrare. Lhstogramme cumulé dépend beaucoup mons de ce découpage et tend vers une lmte stable quand le nombre de classes augmente jusquà ne conserver qvau maxmum une valeur par classe. A toute valeur X, (et non plus à toute classe ) on peut assocer une fréquence de non dépassement (ou probablté de non dépassement]. La foncton F qu assoce la fréquence de non dépassement à la valeur X est la FONCTION DE DISTRIBUTION de léchantllon étudé. Létude de la dstrbuton de la populaton consste à essaer ddentfer la foncton de dstrbuton de la populaton. Calcul pratque En pratque on peut procéder de deux façons : a] calculer la fréquence cumulée F (X] pour chaque observaton X, b) ou répartr ces observatons en classes et calculer F (X] pour chaque classe. ère méthode - classer toutes les valeurs X par ordre crossant - leur affecter leur numéro dordre j - calculer la valeur estmée de F (X] 2 - F (X] =Tj-j-j r N : étant le nombre total dobservatons - tracer F (X] en foncton de X (vor remarque 2) Cette méthode est la plus approprée quand on dspose dun nombre de valeurs nféreur à 50.
16 - 0-2ème méthode - dvser lntervalle en P classes égales (contenant chacune au mons 3 ou 5 valeurs] - compter le nombre K de valeurs dans chaque classe, - pour chaque classe calculer la somme j dea nombres -K dans les classes nféreures ou égales - calculer la valeur estmée de F (X) : x = borne supéreure de la classe F lxj 2N + X étant la valeur correspondant au mleu de chaque classe. Remarque : Quand on possède beaucoup de données, la 2ème méthode est beaucoup plus rapde car l est très long de classer un grand nombre dobservatons. Exemple : Pour classer IM = 000 observatons, l faut au maxmum opératons ; pour les ranger en 50 classes, l en faut au maxmum sot 0 fos mons. Remarque 2 : Lors de la constructon de lhstogramme nous avons calculé la fréquence cumulée- par F (X] = -jamas pour ldentfcaton de la foncton de dstrbuton on utlse F lxj m = 2J " 2N + pour la valeur maxmale : j = N on trouve F (X max) = -^ - qu est donc nféreure à 00 % En effet, la valeur maxmale observée est généralement nféreure à la valeur maxmale possble de la populaton. Remarque 3 : On utlse parfos FCX) = j/tn+). Défnton : On appelle TEMPS DE RETOUR lntervalle de temps MOYEN T séparant des évènemsnts de fréquence de non-dépassement F. Il exste la relaton suvante entre T et F : T - ^ ; F - - \
17 -- Remarque : Il convent de remarquer que T est un temps MOYEN. Par exemple s en 3B mos on observe, dans un cours deau, 9 crues supéreures à * r o/ -r 36 mos... j. j. - 5 m3/s on dédura que T = = = 4 mos mas l se peut très M K 9 crues ben quon observe 2 ou 3 crues supéreures à 5 m3/s dans un même mos partculer. Remarque 2 : Il est évdent que la noton de temps de retour na de sens que quand on étude des événements successfs. Il n aurat pas leu de calculer un temps de retour quand on étude des varables ndépendantes du temps (par exemple le débt maxmal dun forage dans une régon]. En reportant sur un graphque les ponts défns par X, F(X) on peut détermner la dstrbuton emprque de léchantllon en fasant passer une courbe lsse parm les ponts. Il est alors possble dinterpoler la fréquence de non-dépassement F de toute valeur X donnée ou récproquement la valeur X correspondant à toute fréquence de non dépassement F donnée. Cependant, en général, l ne faut pas sarrêter à ce stade et l faut essaer de vor s la dstrbuton dentfée correspond à une dstrbuton connue défne par quelques paramètres. Lensemble des observatons pourra alors être représenté par ces seuls paramètres. La structure de la dstrbuton de la populaton nétant en général pas connue a pror, l est très dangereux dextrapoler la courbe en-dehors des valeurs observées. Il est en effet souvent possble dajuster de façon auss satsfasante à un même échantllon, pluseurs los statstques qu condusent à des extrapolatons extrêmement dfférentes. On étude généralement les los de dstrbuton en varable rédute : Dans ce but on pose : u = varable centrée et rédute x - mx x = varable aléatore à étuder mx = moenne de x (T = écart-tpe de x la moenne de u est alors : 0 son écart-tpe est :
18 - 2 " Exemple : Soent les débts mensuels du mos de septembre dun cours deau pendant 25 ans. Année Débt [m 3 /s) Après classement m 3 /s Numéro Fréquence de non dépassement % Cet exemple est représenté sur les fgures à 3 placées en annexe.
19 - 3 - Exemple 2 : On dspose de 396 essas à lar-lft de 396 forages. Il serat trop long dapplquer la méthode précédente. On les répartt donc dans classes de débts. On obtent ans : numéro de la classe lmtes de la ( D! classe m3/h nombre de forages B nombre cumulé B B B 388 3BB 396 On calcule alors la fréquence cumulée F daprès le nombre cumulé de forages j suvant la formule : F. 2 J - 2x396+ On obtent ans : Cette fréquence est affectée à la borne supéreure de chaque classe. X (m 3 /h) FCX) C%) Cet exemple correspond à lhstogramme donné dans le paragraphe.3. F(X) est la fréquence cumulée assocée à la classe de centre X ; cest la fréquence de non dépassement de la borne supéreure de la classe de centre X.
20 LES DISTRIBUTIONS STATISTIQUES les plus smples. Nous naborderons c que les dstrbutons les plus courantes et 2.. LA VISTRJBUTlOh GAUSSTENUE (M NORMALE) Cest la dstrbuton la plus connue. Elle a un r6e très mportant en statstque car cest la lmte dun certan nombre dautres dstrbutons (Student, CHI2...). Elle est représentée graphquement par la fameuse "courbe en cloche". On démontre que cest la dstrbuton que sut un phénomène aléatore résultant de la SOMME dun grand nombre de facteurs (aléatores] ndépendants et de même mportance et cec quelque sot la dstrbuton statstque de chacun de ces facteurs. " Quelles sont les varables hdrologques qu suvent en général une dstrbuton Gaussenne? - La température (journalère, mensuelle ou annuelle] - Le débt moen annuel dun cours deau - La plue annuelle - LETP annuelle - Toute varable qu est une SOMME ou une MOYENNE (ce qu revent au même). - La parte centrale de toute dstrbuton " Quelles sont les varables hdrologques qu ne suvent absolument pas une dstrbuton Gaussenne? - La pluejournalère (ou mensuelle) - Le débt journaler dun cours deau - Le nombre de jours sans plue Et surtout : - Le débt journaler maxmal de chaque année - La plue journalère maxmale de chaque année - La transmssvté dun aqufère - En général tout ce qu est un extrême.
21 - 5 - Vvo-pvétês :. Cest un dstrbuton smétrque par rapport à la médane.. La médane est égale à la moenne. Elle est entèrement défne par 2 paramètres : La moenne et écart-tpe La fgure 4 donne un tableau des fréquences cumulées correspondant à la varable rédute : u = x - mx mx -= moenne a = écart-tpe un examan de ce tableau permet de dédure les valeurs suvantes : Pourcentage d observatons Dans lnt ervalle 68 % x" +.00 a 80 % x +.28 a 90 % X +.64 a 95 % X +.96 a 99 % X a Méthode dajustement En pratque, pour vérfer s un échantllon peut être représenté par une dstrbuton Gaussenne, on calcule sa foncton de dstrbuton F(X) et on la trace sur un paper spécal appelé paper Gausso-Arthmétque. Ce paper est conçu de telle sorte quune dstrbuton Gaussenne sot représentée par une drote : on peut donc vor mmédatement s une drote peut sajuster au "nuage" de ponts., exemple : fgure. On ne peut vsblement pas ajuster une drote.
22 - 6 - S on peut ajuster une drote, l est possble dobtenr très rapdement les 2 paramètres qu défnssent cette dstrbuton. F = 50 % > médane = moenne mx F = 84 % > mx + a donc a = X n/0 - X x 84% 50% REMARQUE IMPORTANTE : Lors de lajustement l ne faut pas trop soccuper des valeurs extrêmes (les 2 plus grandes et les 2 plus pettes] car les valeurs sont par nature très aléatores, cec est valable pour toutes les dstrbutons LA VSTRBUTI0N LOG NORMALE ( GaUon -GJUanaJL) Cest la même dstrbuton que la précédente mas applquée au logarthme(décmal ou Népéren] des observatons. " Quelles sont les varables hdrologques qu suvent généralement une lo Log-Normale? - Les débts journalers (non nuls] dun cours deau - Les plues journalères (non nulles] - La transmssvté dune nappe - Les débts mensuels des petts cours deau. Log-Normale? Comment vor s une dstrbuton peut sajuster à une dstrbuton En traçant la foncton de dstrbuton sur paper Gauss on vot que la varable est "plafonnée" pour les fables fréquences et croît très rapdement pour les fortes fréquences : vor fgure. Méthode dajustement Pour ajuster une dstrbuton Log-Normale on utlse un paper Gausso- Log. Sur un tel paper une dstrbuton Log-Normale est représentée par une drote : vor fgure 2.
23 - 7 - En regardant les valeurs correspondant a F = 50 % et 84 % on nobtent plus la moenne m x et lécart tpe ax de la varable x mas l est possble de les calculer : On pose = Ln (x) F = 50 % > * doù on dédut m = Ln x. F = 84 % > x doù on dédut a = Ln x - Ln x,(ln étant le logarthme Népéren] on calcule alors : m x = exp (m + a v /2) x x expla ]- pus exemple : sur la fgure 2 on lt, ;F = 50 % F - Râ - > x = 28 m 3 /h... 4 v - RH m 3 /h.m = ta = = 0.89 m = 4.5 n 3 /h x!a = m 3 /h x Inversement s la dstrbuton de la varable x est Log Normale le logarthme de la varable = Ln x sut une lo Gaussenne dont les paramètres sont : et 2 m = Ln (m ) - a /2 x I n / mx \
24 LA VlSTRIBrrON VE GUMBEL Cest une dstrbuton souvent utlsée pour représenter des valeurs extrêmes cest pourquo on lappelle parfos "Lo des valeurs extrêmes". Ce nest cependant absolument pas un postulat et les valeurs extrêmes ne suvent pas forcément une dstrbuton de Gumbel. Méthode dajustement Il exste un paper spécal dt paper Gumbel sur lequel la représentaton dune dstrbuton de Gumbel est une drote [vor fgure 3].. Pour calculer la moenne et lécart tpe on procède ans : F = (T = 2.33) m = x. x F = CT x = X 2 " X Proprétés Lexpresson de la fréquence cumulée F est F = exp f-exp (- " )j Xf étant la valeur modale o x = -28 g m x = x f g = x f a La quantté g (qu est égale à 0.78 a ) est appelée GRADEX cest à dre GRADIENT des valeurs EXTREMES. NOTA. S F proche de 00 % on peut écrre : Ln T - (x 2.4. LA DISTRIBUTION VE STUDENT xf)/g Cest une dstrbuton très utlsée pour les tests statstques. Elle fat ntervenr en plus de la moenne et de lécart-tpe le nombre de degrés de lberté (cest à dre le nombre de varables ndépendantes] qu est généralement noté v (NU).
25 -9- La fgure 5 donne un tableau de la fréquence de non-dépassement x ^nx correspondant à la varable rédute t = de ce tableau on peut extrare les valeurs approxmatves suvantes : Pourcentage d observatons comprses entre : mx ± t.a V B >27 80 % t = % t= v = nombre de degrés de lberté lo Normale LA VSTMBUT0N BWOMALE Cest une dstrbuton sapplquant a des nombres enters (dstrbuton "dscrète"]. Cest la dstrbuton du nombre K dévénements de fréquence de nondépassement F dans un échantllon de n valeurs.la probablté P^ dobtenr exactement K événements de fréquence de non dépassement F dans un échantllon de n valeurs est : r, r^ r- nk t-n-k k n! P, = C C-FJ F avec C = -r-r-. T-Z-, K n n K!(n-k)! P ^ est la fréquence de la valeur k.) Applcaton : Sot un échantllon de 0 années de débt dun cours deau. Quel est la probablté dobserver exactement k crues décennales? ;n = 0 :F on applque la formule pour k = 0 à 5. On trouve alors (en se souvenant que C n = ] la probablté dobserver 0,,... 5-crues au mons décennales dans une pérode de 0 ans, cest-à-dre en fat le POURCENTAGE de pérodes de 0 ans au cours desquelles on observe 0,,... 5 crues au mons décennales
26 - 20 Nombre de crues décennales Fréquence dobservatons % % 9.37 % 5.74 %.2 % 0.5 % On vot c que ben quon observe EN MOYENNE une crue décennale tous les 0 ans, on nobserve exactement crue décennale que dans 39 % des pérodes de 0 ans, 0 crue décennale dans 35 % des pérodes de 0 ans et 2 crues décennales ou plus dans 26 % des pérodes de 0 ans. Proprétés " moenne = n (-F) ce quon vérfe ben dans notre exemple n = 0 ] F = 0.9: m = 0 x (-0.9] = crue, par pérode de 0 ans en moenne écart-tpe = /nf(-f) (0,95 dans notre exemple) 2.6. LA VSTMBUTI0N VE POISSON Cest la lmte de la dstrbuton bnomale quand n est grand et F proche de 00 % (cest à dre pour les valeurs rares). La probablté P^ dobtenr K événements de fréquence de non dépassement F dans un échantllon de n observatons est : k -m P. = K 7-j K! avec m = n (-FJ bnomale. expresson beaucoup plus facle à utlser que celle de la dstrbuton
27 - 2 - Proprétés : moenne : m écart-tpe : a n (-F) /nm-f) = V^n de Posson? " Quelles sont les varables hdrologques qu suvent une dstrbuton - Le nombre de jours de plue par mos, par an - Le nombre de crues, de fréquences données, par an, par sècle. Applcaton : On reprend lexemple précédent : F = 0.9 n = 0 ans quelle est la probablté dobserver K crues décennales? m = on trouve alors Mombre de crues probablté valeurs proches de celles obtenues avec la dstrbuton bnomale 2.7. LA DISTRIBUTION EXPONENTIELLE Quelles sont les varables hdrologques qu suvent une dstrbuton exponentelle? - La durée dun événement : ex durée dune averse durée dun épsode sans plue durée pendant laquelle un nveau (ou un débt est dépassé) Lexpresson de la Fréquence de non dépassement est F (x) = -exp (-Xx) proprété : moenne = m = /A remarque : L^Tj = Xx!écart tpe = a J 2/\
28 22.%. DISTRIBUTION VU CHU [plononcea Kl-VEUX) Cest une dstrbuton très utlsée pour les tests statstques. Elle dépend du nombre v de degrés de lberté (vor table 6). 3.- LA REGRESSION LINEAIRE 3.7. GENERALITES Cest une technque [parfos appelée à tort "corrélaton"]) qu permet détuder la lason lnéare exstant entre 2 échantllons de valeurs x et. La régresson lnéare permet de détermner la relaton lnéare avec laquelle on peut "le meux" calculer les valeurs de léchantllon à partr de celles de léchantllon x. Ce nest pas la même que celle qu permet de calculer x à partr de. La méthode de calcul est celle des "mondrescarrés" qu consste à rendre mnmale la somme des CARRES des dstances VERTICALES entre les ponts de coordonnées x^, ^ et la drote représentant la relaton lnéare = ax+b.
29 En pratque l est donc INDISPENSABLE de vérfer, avant tout calcul, que le nuage de pont a une forme allongée au mleu de laquelle l paraît possble de tracer une drote. Possblté de tenter une régresson lnéare U Impossble de tenter une régresson S le nuage a une forme qu peut être approchée par une autre courbe quune drote, l est souvent possble, pour une tranformaton des données dobtenr un nuage plus lnéare. On est parfos gudé, par la nature des séres pour effectuer la transformaton.»
30 S le nuage de ponts nest pas "ellptque" mas a au contrare une dsperson qu augmente avec les fortes valeurs de x et de on peut tenter de prendre la racne carrée (ou le logarthme à condton ben sûr que les valeurs soent toutes postves). Dans certans cas, l convendra de fare une crtque des données pour éventuellement supprmer certanes valeurs erratques qu par leur pods trop mportant rsqueraent de fausser lajustement. après suppresson du pont M lluson dun très bon ajustement (r élevé)
31 METHOVE VE CALCUL Il faut dabord calculer le coeffcent de corrélaton entre les valeurs de x et celles de. Calcul du coeffcent de corrélaton Remarque : Un certan nombre de calculatrces de poche permettent deffectuer ce calcul automatquement. Sx 2 Ex m x = n* x m 5- =, n * CExz -n.m z ] x f l ^n" -n.m ] f n-.zx m.m x o a x. (C sappelle la covarance) Le coeffcent de corrélaton r, est toujours comprs entre - et + r = + ou - ndque une relaton lnéare parfate!r = 0 ndque une relaton lnéare nulle et comme on le vot dans le calcul de r.cest une expresson smétrque de x r (x,) = r t.x) Calcul des coeffcents de régresson Un certan nombre de calculatrces de poche permettent ce calcul automatquement = ax + b avec : f a = r.0"/0~x () { b = m. a.m (2) x légalté (2) ndque que la drote de régresson passe par le centre de gravté Cm,m ) du nuage de rponts car m = am + b. x x
32 26 Applcaton : X u n = 6 Zlx = 5 Ix 2 = 47 mx = "x =.38 Z = 38 Z 2 = 284 Zx = 76 m = 6.33 CT = r = la = -.66 b = 0.48 doù lajustement =-.66 x +0.48
33 On peut alors calculer lécart e = -ax-b pour chaque observaton. X e La somme des écarts est égale à 0.02 donc quasment égale à 0 (aux erreurs darronds près) ce qu est normal INTERPRETATION STATISTIQUE Jusquà ce stade nous navons fat aucune hpothèse sur les dstrbutons statstques de x et. Il est toujours possble de calculer un coeffcent de corrélaton entre 2 échantllons dobservatons. des hpothèses : Lnterprétaton du coeffcent de corrélaton nécesste cependant On suppose mantenant que : Les valeurs de sont ndépendantes les unes des autres. sut une dstrbuton à peu près Gaussenne Lécart e = -ax-b sut également une dstrbuton à peu près Gaussenne. Cette dstrbuton est la même pour toute valeur de x Le carré du coeffcent de corrélaton est alors le pourcentage de la varance de qu est explquée par la lason lnéare. Le reste est la varance résduelle cest la varance de lécart [la varance est le carré de lécart-tpe) a varance totale r 2 ~ 2 r - a varance explquée *4 varance résduelle égale à (-r 2 ) o 2 on en dédut donc que la varance résduelle (varance de lécart) est
34 Applcaton : en reprenant lexemple précédent : n = 6 r = 0.78 a = 2.95 On suppose que les observatons sont ndépendantes. En premère approxmaton la répartton peut être consdérée comme Gaussenne. On en dédut donc : varance explquée = r 2 = 6% lécart-tpe sans bas de lécart est : a /r a =0.70a 2.06 lutlsaton de la régresson lnéare permet c de rédure lécart-tpe de la varable à lécart-tpe de lécart qu est dmnué denvron /3. Rappelons que cette nterprétaton statstque na de sens que s :!J Les observatons sont ndépendantes " La varable et le résdu suvent des dstrbutons à peu près Gaussenne. Lécart-tpe du résdu étant ndépendant de x. S ces hpothèses ne sont pas vérfées, on peut essaer de s ramener : - en rendant la varable Gaussenne par transformaton - en ne sélectonnant que des observatons ndépendantes.
35 - 2g TESTS STATISTIQUES ET CALCUL DES INTFRVALLES DE CONFIANCE 4.. INTERVALLE VE CONFIANCE VUNE WVENNE Sot un échantllon de n valeurs INDEPENDANTES j on calcule m et 0~ x x comme l a été explqué plus haut. Pour défnr la précson avec laquelle on connat m on calcule lintervalle de Confance U.C.) qu a un certan pourcentage de chance de contenr la vrae valeur. On chost généralement lntervalle de confance à 95 %;parfos lntervalle de confance à 80 %. Cest à dre que s on fat cette opératon pour chaque échantllon dsponble de n valeurs, 95 % (ou 80%) des ntervalles de confances calculés contendront la vrae moenne m de la populaton. Récproquement on peut dre [en smplfant) quon a un rsque de 5 % (ou 20 %) seulement que la vrae moenne sot en-dehors de lntervalle calculé. Méthode pratque : La varable m décart-tpe : sut une dstrbuton de Student à n- degrés de lberté ax_ on utlse donc la table de Student (fgure 5 ) et on lt à la lgne v = n- la valeur de t correspondant à la précson cherchée (95 %). (Rappelons que dès que n 5. 5 on a 80% =.3.et 95% = 2.0) Lntervalle de confance est alors : m X + t. ax /n" exemple : la moenne sur 5 ans de la plue annuelle à une staton est de 800 mm. Lécart-tpe calculé sur les 5 ans est de 200 mm/ ;n = 5 ax = 200 mm dans ]a fgure 5, on lt à la lgne n- = 4. On trouve, pour 95 %, t = On en dédut que lntervalle de confance à 95 % est : = mm = [55, 049 ] mm /5~
36 S le nombre dannée nest plus 5 mas 30, on trouve pour ces mêmes valeurs : t = 2.05 sot [725, 875 ] mm /3Ô" on vot que lntervalle de confance a nettement dmnué ce qu est normal car 30 années permettent de défnr une moenne ben meux que 5 années. INDEPENDANTES. Rappelons que ce calcul nest valable que s les n valeurs sont 4.2. INTERVALLE VE CONFIANCE PUW ECART-TYPE Sot un échantllon de n valeurs INDEPENDANTES sur lequel on calcule un écart-tpe a. On montre que : (n-) a- sut une dstrbuton du x 2 (CHI 2 ) à n- degrés de lberté (a étant lécart-tpe de la populaton) Lntervalle de confance à 95 % a donc pour lmtes a., o mn max défns par : mn (n-dcr 2, ^ 2 (n- la 2 - S- et a ^ = <* max x2..(97,5%) x2 (2,5%) on calculetf 2 nconnu daprès (J 2 connu. x l sufft alors de prendre la racne carrée pour obtenr 0. et o mn max Applcaton : n=5 :o =200 x sur la lgne n- 4 de la fgure 6, on lt : f X 2 C2.5%] = 0.48 X 2 (97.5%)=.
37 - 3 - sot a 2 _ 4x20D 2 2 _ 4x200 2 j a mn. max 0.48 cest à dre 20 <a < 575 mm On remarque que la dstrbuton nest plus smétrque.s n = 30,.on trouve de la même manère 59 < a < 269 mm quand n devent assez grand la dstrbuton devent smétrque (et Gaussenne) et lntervalle de confance à 95 % est défn approxmatvement par (T U X " /SK pour n = 30 on trouve, par cette méthode 48 ^ a ^ INTERVALLE VE CONFIANCE VUN QUANTI LE V UNE PEPAPTITIflN GAUSSIENNE Sot la valeur x de fréquence de non dépassement F : ^ x,- F - m x x,_ = m + u,_.o (u r = varable rédute = ) F x F x F a pour calculer son ntervalle de confance on admet que les varances de m et o sont ndépendantes. x x on obtent ans var (x ) = var (m ) + u 2 var (a ] F x F x on utlse lexpresson de lécart-tpe dun écart-tpe ; 2 2 var (x J = 2*. + U 2 C 2x sot F n F 2n x-f = /n" J..Î x sut approxmatvement une lo normale.
38 32 Applcaton m = BDO mm a = 200 mm n = 30 années F = 0,9. quel est lntervalle de confance de la valeur décennale? En utlsant une table de Gauss (fgure 4), on obtent : u,_ =.28 doù x c = x 200 = 056 mm F F Xr 200 /3Ô\ V/ / " + ^8 2 = mm pour un seul de confance de 95 % - u =.96 sot 959 < Xqno, < 53 à INTERVALLE VE CONFIANCE PUN COEFFICIENT VE CORREIATION Sot n couples dobservatons (x,) INDEPENDANTES et provenant de populatons suvant des dstrbutons à peu près Gaussennes. On a calculé un coeffcent de corrélaton r. Quel est son ntervalle de confance? aucun calcul. La fgure 7 permet de répondre mmédatement à cette queston sans Applcaton : n = 20 r = 0.70 on trouve sur labaque lntervalle de confance à 95 % [0.37, 0.86]
39 Applaaton 2 : dans le calcul de régresson traté précédemment on a trouvé : r = pour n=b on dédut donc de labaque : <r < ( à 95 % ) lntervalle de confance à 95 % encadre la valeur 0. On ne peut donc pas affrmer Cà 95 %) que le coeffcent de corrélaton des populatons dont est tré léchantllon est dfférent de 0. La fgure 8 donne, en foncton du nombre v = n-2 de degrés de lberté la valeur mnmale (de la valeur absolue) de r pour quon pusse consdérer qul est sgnfcatvement dfférent de 0 (à 95 %). Ex. : Pour n-2 = 4 on trouve r = 0.8 Apploatùon <T : A ttre dexemple on a construt, à lade de nombres au hasard, 5 échantllons de 3 couples tx,) trés dune populaton de moenne nulle décart-tpe = et de coeffcent de corrélaton nul entre x et. Les résultats sont les suvants : m X m -0.B a X a r a b
40 3 4 le jeu du hasard : On vot que sur les 5 coeffcents de corrélaton on obtent, par et r 3 = r 5 = alors quen fat le coeffcent de corrélaton est nul, de même les écarts-tpes séchelonnent de à.339 alors que lécart-tpe de la populaton est égale à IMTERt/ALLE VE CONFIANCE VES COEFFICIENTS VE REGRESSION Après un calcul de régresson on a trouvé des coeffcents a et b. Quel est lntervalle de confance de ces coeffcents? En partculer a et b sont ls sgnfcatvement dfférents de 0. Pour calculer ces ntervallesde. confance, l faut que les hpothèses suvantes soent vérfées : " Les écarts dovent être ndépendants. :: Les écarts dovent avor une dstrbuton à peu près Gaussenne j leur écart-tpe dot être ndépendant de x. Lécart-tpe des coeffcents est alors : a -\jn-2 a _ a X \Z + m * / < r * <<T h -or -r 2 n-2 s x est centré] On vot que les écarts-tpes sont dautant plus petts,et les coeffcents sont donc dautant meux détermnés,que : r est grand (melleure relaton lnéare] n est grand (grand nombre dobservatons] o est grand (x est plus varable]
41 Les coeffcents a et b suvent une dstrbuton de Student à n-2 degrés de lberté de moenne a [ou b) et décart-tpe a [ou a,). a D Méthode pratque : On utlse la table de Student [fgure 5 ) et on lt à la lgne v = n-2 la valeur de t correspondant à la précson chose (généralement 95 % parfos 80 %). Les ntervalles de confance sont alors : a + t.a 3 b + t.a,_ rappelons que dès que n >, 5 on a : t 80.3 et t g5 = 2.0 remarque : Quand n est assez grand [5 ou 20] on vot quon a approxmatvement -r z. _ ;», _e_ a V n a x > / n V W r 2 e a ^ «^ s x est centré la dstrbuton de Student est alors approxmatvement Gaussenne. Applcaton Dans lexemple traté précédemment :t$ 3.2.) r = a =.38 x a = 2.95 a = -.66 b = 0.48 n = 6 m = 2.50 x
42 36 - Dn calcule V^ 7&f m % 2.95 J - Q.782 vf / la table de Student donne, pour v = 6-2 = 4 degrés de lberté, et pour un ntervalle de confance à 95 % Î t = 2.78 doù < a < < b < 5.79 N.B. t. = régresson on vot ans que a nest pas sgnfcatvement dfférent de 0 au seul de 95 % car lntervalle encadre INTERVALLE VE CONFIANCE VUNE PREVISION Sot un échantllon de n couples de valeurs (x,) ; on a ajusté sur ces valeurs une relaton lnéare = ax+b. Sot une nouvelle valeur x pour laquelle on calcule. Quel est lntervalle de confance sur cette valeur calculée? P La valeur, sut une dstrbuton de Student à n-2 degrés de lberté de moenne et lécart-tpe, (approxmatvement) (écart tpe de lécart] et u On vot que dès que n est suffsamment grand (20 ou 30 valeurs] et pour des valeurs rasonnables de u (de -2 à +2) lécart-tpe se rédut approxmatvement à 0 = a p e. ^ «j
43 Applcaton avec les données de lexemple précédent r = -Q a = b = t = \/ = 2.95 n = m = X sot x =.5 P = -.66 x = 7.99 P [O z = n 7? 2 doù a = 2.06 \/ + + ^^- =2.32 p V 6 5 doù est dans lntervalle x 2.32 P sot.54 < < 4.44 P Le même calcul, avec les mêmes valeurs, mas pour n = 30 donnerat : t = 2.05 doù : 4.04 < <.94 cest à dre un ntervalle beaucoup plus étrot COMPARAISON! VE 2 MQENNES Sot deux échantllons de valeurs INDEPENDANTES provenant de dstrbutons plus ou mons Gaussennes dont les caractérstques sont les suvantes : nombre de valeurs moenne écart-tpe échantllon m. échantllon 2 m On suppose que ces échantllons sont trés de populatons qu ont même varance. Peut on admettre que leurs MOYENNES sont égales? N.B. Le test décrt dans le paragraphe 4.8. permet de vérfer s on peut accepter lhpothèse que les 2 populatons ont même varance.
44 - 3B - Applcaton en hdrologe : - On a modfé lemplacement dun pluvomètre à une certane date. On a n/ années denregstrement avant et n après la date de changement. Les moennes m. et m des plues annuelles des 2 pérodes peuvent-elles être consdérées comme égales? cest à dre : -a-tl eu une nfluence sstématque. - Idem avec une staton de jaugeage. - Dans une régon, le débt annuel par unté surface a une valeur moenne m.. Un autre cours deau ndépendant observé pendant n années a une moenne m. Peut-on consdérer que ce nouveau cours deau a même débt par unté de surface? Prncpe du test : On calcule d = m. - m. S les moennes sont égales cette DIFFERENCE 2 sut une dstrbuton de Student à n +n -2 degrés de lberté,de moenne 0 et décart-tpe : a = CT / + - d V n. n. avec o =\/- r 7 = écart tpe calculé sur toutes les W(n -J + (n -), f. 2 observatons Student. On calcule donc son ntervalle de confance à lade dune table de Méthode pratque : On calcule la dfférence des moennes d = m - rr2 [ On calcule a pus a. On lt dans une table de Student la valeur t d correspondant au seul fxé [par exemple 95 %) pour un nombre de degrés de lberté égal à n. + n - 2. On compare alors la dfférence d (en valeur absolue!) à t.a. S la d dfférence est supéreure, alors les 2 échantllons ont une moenne sgnfcatvement dfférente de 0.
45 Applcaton Sot deux pérodes dobservaton dun pluvomètre avant et après changement demplacement (le pluvomètre est transporté à une alttude un peu plus élevée] peut-on attrbuer la dfférence de moenne au changement demplacement? Les caractérstques sont les suvantes : n Avant 2 ans Après n = 7 ans m = 800 mm m = 000 mm r = 200 mm V = 250 mm On vérfe ben que les plues annuelles : - sont ndépendantes, - suvent une dstrbuton à peu près Gaussenne. on calcule P = mm doù a.= 04.3 mm.pour = 7 degrés d de lberté et au seul de 95 % la table de Student donne t = 2.(fgure 5]. On calcule alors t a = 2. x 04.3 = mm d La dfférence m. m, = 200 mm est nféreure à mm, on ne peut donc pas affrmer que les 2 moennes sont sgnfcatvement dfférentes. Du pont de vue purement statstque on ne peut donc pas consdérer cette dfférence comme anormale vu la talle des échantllons cependant... S la dfférence de plue survent justement à partr de la date de déplacement du pluvomètre, on peut quand même se poser des questons. S on effectue le même calcul pour n = 20 ans et n = 0 ans, on trouve cr, = 87.7 mm et t = 2.05 sot t. a = mm. Les moennes sont d a alors sgnfcatvement dfférentes au seul de confance de 95 %.
46 COMPARAISON VE 2 VAMANCES Sot deux échantllons INDEPENDANTS de n et n valeurs ndépendantes provenant de populatons suvant des dstrbutons à peu près Gaussennes et dont les écarts-tpes sont o. et CL.(pas forcément mmes moennes). Peut-on consdérer que ces écarts-tpes sont sgnfcatvement dfférents (à un seul de confance donné)? On montre que le rapport R 2 des carrés des écarts-tpes sut une dstrbuton de FISCHER - SNEDECOR fgure 9 et 0)ou dstrbuton F à n. - et n - degrés de lberté. Méthode pratque e On calcule R 2 = - On calcule lntervalle de confance (à 95 % par exemple en utlsant la fgure 9. de R 2 Fî)2,SM < R 2 < F *,S>2 avec vl = n/ - v2 = n 2 - Il convent de ben fare attenton à lordre des nombre de degrés de lberté car : vl,v2^ V2,vl Applcaton Sot deux pluvomètres INDEPENDANTS (cest à dre suffsamment élognés pour présenter seulement un fable coeffcent de corrélaton). On observe les valeurs suvantes : égales sont : n = 2 ans """ 200 mm 02 n = 7 ans = 250 mm Les valeurs lmtes admssbles du rapport R 2 s les varances sont ( -r^-, F. J sot, ( -^-^, 5.42) = (0.26, 5.42) F 6,,6 3,88 ï 200 o Or le rapport R* est égal à l-fnl = - 64 Il est comprs entre les 2 valeurs extrêmes.
47 - 4 - n ne peut donc pas affrmer les 2 varances [donc les 2 écarts-tpes] sont dfférente au seul de 95 %.S n = 30 et n = 20, on trouve : 0.45 < R 2 > 2.39 on vot donc que la varance vare consdérablement dun échantllon à un autre même quand le nombre de valeurs est relatvement élevé.(test utle pour autre test nécesstant égalté des varances] COMPARAISON VE PLUSIEURS MÛ FEMMES (AnaZàe. de. vcuance.) Sot un nombre K déchantllons comprenant chacun un nombre dfférent de valeurs. Pour chaque échantllon on peut calculer une moenne m Cet un K écart-tpe a k). La méthode décrte c-dessous permet de décder (a un certan pourcentage de confance] s on peut consdérer que les échantllons ont même moenne et s des dfférences observées sont dues aux aléas des échantllons. Quelles sont les applcatons en hdrologe? Cette méthode est utlsée pour des tests dhomogénété par exemple pour des données pluvométrques, pour des débts par unté de surface, pour des données chmques etc.. Il faut cependant être prudent et vérfer que les hpothèses suvantes sont vérfées : - les échantllons dovent être INDEPENDANTS. On ne pourra donc pas comparer des séres de plue ou de débts en des ponts proches présentant donc un fort coeffcent de corrélaton j - chaque échantllon dot avor une répartton à peu près Gaussenne ; - les varances des populatons dovent pouvor être consdérées comme égales.
48 Méthode de calcul On compare en fat lécart-tpe des moennes à lécart-tpe des observatons à lade dun test de FISCHER - SNEDECOR. Sot les échantllons suvants Echantllon 2 3 K Nombre de valeurs n l n 2 n 3 \ Moenne m l m 2 m 3 m k Ecart-tpe OK n + n_ n, 2 \ nombre total dobservatons n n l m l + n 2 m n k\ = moenne totale 72 C^-) a? + Cn 2 -t) (rw-) "^ = r^-j a? : V ^ k (> vanance totale ) n - K 2 = n (m^-rn) 2 + n2 Cm 2 -m) n^ (m k -m) 2 (varance nterne) m k - On calcule alors 2 ofm v plus les moennes sont semblables plus R 2 sera pett. Une table de FISCHER - SNEDECOR donne la lmte supéreure de R 2 s les échantllons provennent de populatons qu ont même moenne. Cette lmte est F, (a] Vl, V2 I vl = k - v2 = n - k a = nveau de confance. donc : s R 2 > F (a) les échantllons qu provennent de V / V^ populatons nont pas des moennes égales. On remarque quon effectue le test que "dun seul coté" car R 2 est toujours plus grand que quand les échantllons provennent de populatons qu nont pas des moennes égales. On utlsera donc une table à 95% Cet non 97.5%).
49 - 43 " Applcaton Sot les débts obtenus à lar lft pour des forages réalsés dans 5 régons dfférentes. Peut-on consdérer que les débts moens sont les mêmes dans chaque régon? Un examen des données montre quelles ne suvent pas une répartton Gaussenne. En prenant le logarthme (décmal) des débts on se ramène cependant à des réparttons Gaussennes. Les caractérstques des données sont les suvantes : Régon Moenne (en log) Ecart-tpe 0.B Nombre dobservatons LTl 20 n = K = 5 5 m = /5. (30x + 20x. + 30x x x.5) = x x x x x.3 2 a = = 5-5 (T 2 m = /^--f). 30(-.026) C.-.026) ( ) 2 = doù R 2_ a m Or une table de FISCHER avec a = 5% (attenton pas 2.5 %) fgure 0 donne F 4 (5%) = 2.46 R 2 étant supéreur à 2.46, on peut affrmer (avec seulement 5% de chance de se tromper) que les débts moens de chaque régon ne sont pas égaux. On remarque en effet que la régon n 3 semble avor une moenne nettement plus fable. S on refat le même calcul en retrant la régon n 3 on trouve : n = 85 a 2 = 0.92*, R 2 =.36 k = 4 a 2 m =.26 F 3,80 t5 * J» 2-73 m =.2 Ces 3 régons nont donc pas des moennes sgnfcatvement dfférentes.
50
51 CHAPITRE 5 COMPLEMENTS A LA PREMIERE EDITION
52
53 5. - REGRESSION DES "MOINDRES DISTANCES" On a vu quun calcul de régresson fasat jouer un rôle dssmétrque au varables x et. S on cherche à calculer à partr de x, on nobtendra pas la même drote (sur le même dagramme x, ) que s on cherche à calculer x à partr de. En partculer, s le coeffcent de corrélaton r est nul on obtendra dans le premer cas une drote horzontale et dans le deuxème cas une drote vertcale. Il exste un certan nombre de cas où lon désre étuder la relaton entre x et et ajuster la "melleure" drote au mleu du nuage de ponts. Cette drote est celle dont tous les ponts sont à la mondre dstance. Elle mnmse donc les dstances (sur les perpendculares à cette drote) doù son nom de "mondres dstances" (on trouve parfos... on ne sat trop pourquo le terme de "mondres rectangles"). Cette drote correspond à celle que tracerat nstnctvement un dessnateur en essaant de passer au meux au mleu des ponts. Elle fat jouer un rôle smétrque à x et, mas elle nest pas optmale pour calculer à partr de x pusque la drote optmale est la drote de régresson. En fat les 2 drotes sont confondues s le coeffcent de corrélaton r est égal à + ou -; La drote des mondres dstances sécrt : = ax + b avec. (TU. a = * le sgne est celu de r b = m a.m x on note mmédatement que la drote est ndépendante du coeffcent de corrélaton r ; elle passe par le pont moen (m x, m ) et quelle se confond avec la drote de régresson r = r.<r /g- s r = ou -. S les varables x ou sont normées ou ont un même écart tpe la pente a est égale à (ou -). On montre en effet que cest la premère composante prncpale. La drote des mondres dstance fat jouer un rôle smétrque à x et mas on ne peut pas fare une nterprétaton statstque smple sur lerreur commse CORRELATION DOUBLE Un cas partculer de corrélaton avec pluseurs varables explcatves est la corrélaton "double" avec deux varables explcatves X et x 2 ntercorrellés : on note les moennes et les écarts-tpes de /x et x 2 respectvement m, m a, m 2 et ^T, ÇJ» 0"à«
54 On note les coeffcents de corrélatons : r (, X), r 2 (, x 2 ), r (x x, x 2 ) et R entre observé et calculé. On écrt la relaton : = a # X + a 3.x 3 + b et on obtent les coeffcents suvants : a x s * <T a 2 «2. b = m _ 9t.n a 2.m 2 K - < - 2..*..T v T2.-t-n ~TZ* Il est ans possble de calculer faclement tous les termes a, a 2, b et R 2 en effectuant 3 calculs de coeffcents de corrélaton smple. Il convent de remarquer que a et a 2 sont dfférents des coeffcents A et A 2 quon obtendrat par régresson smple respectvement avec X et x 2. Ces coeffcents A et A 2, égaux à ^(T. /(n efn-jc/fc^ seraent dentque à a et a 2 seulement s les varables x? et x 2 étaent ndépendantes (r = o). Les coeffcents de corrélaton partelle sont respectvement : p r. *- v^^q- P2 ^7 v^f Ce sont ces coeffcents de corrélaton partelle qu montrent relatons réelles entre varables. les Exemple dapplcaton : Une enquête (réalsée dans les années 60) entre les varables suvantes : = fréquentaton des salles de cnéma,
Mesure avec une règle
Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système
Plus en détailRemboursement d un emprunt par annuités constantes
Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)
Plus en détailLes jeunes économistes
Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque
Plus en détailTD 1. Statistiques à une variable.
Danel Abécasss. Année unverstare 2010/2011 Prépa-L1 TD de bostatstques. Exercce 1. On consdère la sére suvante : TD 1. Statstques à une varable. 1. Calculer la moyenne et l écart type. 2. Calculer la médane
Plus en détailFiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage
Fche n 7 : Vérfcaton du débt et de la vtesse par la méthode de traçage 1. PRINCIPE La méthode de traçage permet de calculer le débt d un écoulement ndépendamment des mesurages de hauteur et de vtesse.
Plus en détailSTATISTIQUE AVEC EXCEL
STATISTIQUE AVEC EXCEL Excel offre d nnombrables possbltés de recuellr des données statstques, de les classer, de les analyser et de les représenter graphquement. Ce sont prncpalement les tros éléments
Plus en détailGénéralités sur les fonctions 1ES
Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :
Plus en détailPlan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks
Plan Geston des stocks Abdellah El Fallah Ensa de Tétouan 2011 Les opératons de gestons des stocks Les coûts assocés à la geston des stocks Le rôle des stocks Modèle de la quantté économque Geston calendare
Plus en détailEditions ENI. Project 2010. Collection Référence Bureautique. Extrait
Edtons ENI Project 2010 Collecton Référence Bureautque Extrat Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf
Plus en détailMontage émetteur commun
tour au menu ontage émetteur commun Polarsaton d un transstor. ôle de la polarsaton La polarsaton a pour rôle de placer le pont de fonctonnement du transstor dans une zone où ses caractérstques sont lnéares.
Plus en détailGrandeur physique, chiffres significatifs
Grandeur physque, chffres sgnfcatfs I) Donner le résultat d une mesure en correspondance avec l nstrument utlsé : S avec un nstrument, ren n est ndqué sur l ncerttude absolue X d une mesure X, on consdère
Plus en détailExercices d Électrocinétique
ercces d Électrocnétque Intensté et densté de courant -1.1 Vtesse des porteurs de charges : On dssout une masse m = 20g de chlorure de sodum NaCl dans un bac électrolytque de longueur l = 20cm et de secton
Plus en détailMÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES
MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES Émle Garca, Maron Le Cam et Therry Rocher MENESR-DEPP, bureau de l évaluaton des élèves Cet artcle porte sur les méthodes de
Plus en détailAssurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire
Assurance malade et aléa de moralté ex-ante : L ncdence de l hétérogénété de la perte santare Davd Alary 1 et Franck Ben 2 Cet artcle examne l ncdence de l hétérogénété de la perte santare sur les contrats
Plus en détailChapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3.
Chaptre 3 : Incerttudes CHAPITRE 3 INCERTITUDES Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.1 Volume 1 : Orentatons générales et établssement des rapports Auteurs
Plus en détailÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.
ÉLÉMETS DE THÉORIE DE L IFORMATIO POUR LES COMMUICATIOS. L a théore de l nformaton est une dscplne qu s appue non seulement sur les (télé-) communcatons, mas auss sur l nformatque, la statstque, la physque
Plus en détailPREMIERS PAS en REGRESSION LINEAIRE avec SAS. Josiane Confais (UPMC-ISUP) - Monique Le Guen (CNRS-CES-MATISSE- UMR8174)
PREMIERS PAS en REGRESSION LINEAIRE avec SAS Josane Confas (UPMC-ISUP) - Monque Le Guen (CNRS-CES-MATISSE- UMR874) e-mal : confas@ccr.jusseu.fr e-mal : monque.leguen@unv-pars.fr Résumé Ce tutorel accessble
Plus en détailDES EFFETS PERVERS DU MORCELLEMENT DES STOCKS
DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS Le cabnet Enetek nous démontre les mpacts négatfs de la multplcaton des stocks qu au leu d amélorer le taux de servce en se rapprochant du clent, le dégradent
Plus en détailLE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régime») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF
1 LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régme») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF AVIS AUX RETRAITÉS ET AUX PARTICIPANTS AVEC DROITS ACQUIS DIFFÉRÉS Expédteurs
Plus en détailContrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations
Contrats prévoyance des TNS : Clarfer les règles pour sécurser les prestatons Résumé de notre proposton : A - Amélorer l nformaton des souscrpteurs B Prévor plus de souplesse dans l apprécaton des revenus
Plus en détailQ x2 = 1 2. est dans l ensemble plus grand des rationnels Q. Continuons ainsi, l équation x 2 = 1 2
Exo7 Nombres complexes Vdéo parte. Les nombres complexes, défntons et opératons Vdéo parte. Racnes carrées, équaton du second degré Vdéo parte 3. Argument et trgonométre Vdéo parte 4. Nombres complexes
Plus en détailBTS GPN 2EME ANNEE-MATHEMATIQUES-MATHS FINANCIERES MATHEMATIQUES FINANCIERES
MATHEMATIQUES FINANCIERES I. Concepts généraux. Le référentel précse : Cette parte du module M4 «Acquérr des outls mathématques de base nécessares à l'analyse de données économques» est en relaton avec
Plus en détailGEA I Mathématiques nancières Poly. de révision. Lionel Darondeau
GEA I Mathématques nancères Poly de révson Lonel Darondeau Intérêts smples et composés Voc la lste des exercces à révser, corrgés en cours : Exercce 2 Exercce 3 Exercce 5 Exercce 6 Exercce 7 Exercce 8
Plus en détailGENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)
GENESS - Generalzed System for mputaton Smulatons (Système généralsé pour smuler l mputaton) GENESS est un système qu permet d exécuter des smulatons en présence d mputaton. L utlsateur fournt un ensemble
Plus en détailChapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique
Spécale PSI - Cours "Electromagnétsme" 1 Inducton électromagnétque Chaptre IV : Inductance propre, nductance mutuelle. Energe électromagnétque Objectfs: Coecents d nductance propre L et mutuelle M Blan
Plus en détail1.0 Probabilité vs statistique...1. 1.1 Expérience aléatoire et espace échantillonnal...1. 1.2 Événement...2
- robabltés - haptre : Introducton à la théore des probabltés.0 robablté vs statstque.... Expérence aléatore et espace échantllonnal.... Événement.... xomes défnton de probablté..... Quelques théorèmes
Plus en détail1 Introduction. 2 Définitions des sources de tension et de courant : Cours. Date : A2 Analyser le système Conversion statique de l énergie. 2 h.
A2 Analyser le système Converson statque de l énerge Date : Nom : Cours 2 h 1 Introducton Un ConVertsseur Statque d énerge (CVS) est un montage utlsant des nterrupteurs à semconducteurs permettant par
Plus en détailSystème solaire combiné Estimation des besoins énergétiques
Revue des Energes Renouvelables ICRESD-07 Tlemcen (007) 109 114 Système solare combné Estmaton des besons énergétques R. Kharch 1, B. Benyoucef et M. Belhamel 1 1 Centre de Développement des Energes Renouvelables
Plus en détailCOMPARAISON DE MÉTHODES POUR LA CORRECTION
COMPARAISON DE MÉTHODES POUR LA CORRECTION DE LA NON-RÉPONSE TOTALE : MÉTHODE DES SCORES ET SEGMENTATION Émle Dequdt, Benoît Busson 2 & Ncolas Sgler 3 Insee, Drecton régonale des Pays de la Lore, Servce
Plus en détailCalculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.
1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle
Plus en détailÉconométrie. Annexes : exercices et corrigés. 5 e édition. William Greene New York University
Économétre 5 e édton Annexes : exercces et corrgés Wllam Greene New York Unversty Édton françase drgée par Dder Schlacther, IEP Pars, unversté Pars II Traducton : Stéphane Monjon, unversté Pars I Panthéon-Sorbonne
Plus en détailThermodynamique statistique Master Chimie Université d Aix-Marseille. Bogdan Kuchta
hermodynamque statstque Master Chme Unversté d Ax-Marselle Bogdan Kuchta Plan: Rappel: thermodynamque phénoménologque (dscuter l entrope, l évoluton de gaz parfat,) Premer prncpe Deuxème prncpe (transformaton
Plus en détailDirigeant de SAS : Laisser le choix du statut social
Drgeant de SAS : Lasser le chox du statut socal Résumé de notre proposton : Ouvrr le chox du statut socal du drgeant de SAS avec 2 solutons possbles : apprécer la stuaton socale des drgeants de SAS comme
Plus en détailI. Présentation générale des méthodes d estimation des projets de type «unité industrielle»
Evaluaton des projets et estmaton des coûts Le budget d un projet est un élément mportant dans l étude d un projet pusque les résultats économques auront un mpact sur la réalsaton ou non et sur la concepton
Plus en détailLes déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises
Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune Marc Bourreau Abel Franços Jun 2006 Département Scences Economques et
Plus en détailInterface OneNote 2013
Interface OneNote 2013 Interface OneNote 2013 Offce 2013 - Fonctons avancées Lancer OneNote 2013 À partr de l'nterface Wndows 8, utlsez une des méthodes suvantes : - Clquez sur la vgnette OneNote 2013
Plus en détailCorrections adiabatiques et nonadiabatiques dans les systèmes diatomiques par calculs ab-initio
Correctons adabatques et nonadabatques dans les systèmes datomques par calculs ab-nto Compte rendu du traval réalsé dans le cadre d un stage de quatre mos au sen du Groupe de Spectroscope Moléculare et
Plus en détailLes déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises
Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune a, Marc Bourreau a,b et Abel Franços a,c a Télécom ParsTech, Département
Plus en détailCREATION DE VALEUR EN ASSURANCE NON VIE : COMMENT FRANCHIR UNE NOUVELLE ETAPE?
CREATION DE VALEUR EN ASSURANCE NON VIE : COMMENT FRANCHIR UNE NOUVELLE ETAPE? Boulanger Frédérc Avanssur, Groupe AXA 163-167, Avenue Georges Clémenceau 92742 Nanterre Cedex France Tel: +33 1 46 14 43
Plus en détailPage 5 TABLE DES MATIÈRES
Page 5 TABLE DES MATIÈRES CHAPITRE I LES POURCENTAGES 1. LES OBJECTIFS 12 2. LES DÉFINITIONS 14 1. La varaton absolue d'une grandeur 2. La varaton moyenne d'une grandeur (par unté de temps) 3. Le coeffcent
Plus en détailIntegral T 3 Compact. raccordé aux installations Integral 5. Notice d utilisation
Integral T 3 Compact raccordé aux nstallatons Integral 5 Notce d utlsaton Remarques mportantes Remarques mportantes A quelle nstallaton pouvez-vous connecter votre téléphone Ce téléphone est conçu unquement
Plus en détailPratique de la statistique avec SPSS
Pratque de la statstque avec SPSS SUPPORT Transparents ultéreurement amélorés et ms à jour sur le ste du SMCS LIENS UTILES Ste du SMCS (Support en Méthodologe et Calcul Statstque) : http://www.stat.ucl.ac.be/smcs/
Plus en détailCHAPITRE 14 : RAISONNEMENT DES SYSTÈMES DE COMMANDE
HAITRE 4 : RAISONNEMENT DES SYSTÈMES DE OMMANDE RAISONNEMENT DES SYSTÈMES DE OMMANDE... 2 INTRODUTION... 22 RAELS... 22 alcul de la valeur ntale de la répone à un échelon... 22 alcul du gan tatque... 22
Plus en détailTerminal numérique TM 13 raccordé aux installations Integral 33
Termnal numérque TM 13 raccordé aux nstallatons Integral 33 Notce d utlsaton Vous garderez une longueur d avance. Famlarsez--vous avec votre téléphone Remarques mportantes Chaptres à lre en prorté -- Vue
Plus en détailIDEI Report # 18. Transport. December 2010. Elasticités de la demande de transport ferroviaire: définitions et mesures
IDEI Report # 18 Transport December 2010 Elastctés de la demande de transport ferrovare: défntons et mesures Elastctés de la demande de transport ferrovare : Défntons et mesures Marc Ivald Toulouse School
Plus en détailLa Quantification du Risque Opérationnel des Institutions Bancaires
HEC Montréal Afflée à l Unversté de Montréal La Quantfcaton du Rsque Opératonnel des Insttutons Bancares par Hela Dahen Département Fnance Thèse présentée à la Faculté des études supéreures en vue d obtenton
Plus en détailCalcul de tableaux d amortissement
Calcul de tableaux d amortssement 1 Tableau d amortssement Un emprunt est caractérsé par : une somme empruntée notée ; un taux annuel, en %, noté ; une pérodcté qu correspond à la fréquence de remboursement,
Plus en détailUNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS
BRUSSELS ECONOMIC REVIEW - CAHIERS ECONOMIQUES DE BRUXELLES VOL. 49 - N 2 SUMMER 2006 UNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS DANS LE SECTEUR DE L ASSURANCE AUTOMOBILE* MARÍA DEL CARMEN MELGAR**
Plus en détailsanté Les arrêts de travail des séniors en emploi
soldarté et DOSSIERS Les arrêts de traval des sénors en emplo N 2 2007 Les sénors en emplo se dstnguent-ls de leurs cadets en termes de recours aux arrêts de traval? Les sénors ne déclarent pas plus d
Plus en détailUNIVERSITÉ DU QUÉBEC À MONTRÉAL L ASSURANCE AUTOMOBILE AU QUÉBEC : UNE PRIME SELON LE COÛT SOCIAL MARGINAL MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE
UNIVERSITÉ DU QUÉBEC À MONTRÉAL L ASSURANCE AUTOMOBILE AU QUÉBEC : UNE PRIME SELON LE COÛT SOCIAL MARGINAL MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN ÉCONOMIQUE PAR ERIC LÉVESQUE JANVIER
Plus en détailImpôt sur la fortune et investissement dans les PME Professeur Didier MAILLARD
Conservatore atonal des Arts et Méters Chare de BAQUE Document de recherche n 9 Impôt sur la fortune et nvestssement dans les PME Professeur Dder MAILLARD Avertssement ovembre 2007 La chare de Banque du
Plus en détailREPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE. MEMOIRE Présentée à
REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE MEMOIRE Présentée à L Unversté de Batna Faculté des Scences Département de Physque
Plus en détailLes prix quotidiens de clôture des échanges de quotas EUA et de crédits CER sont fournis par ICE Futures Europe
Méthodologe CDC Clmat Recherche puble chaque mos, en collaboraton avec Clmpact Metnext, Tendances Carbone, le bulletn mensuel d nformaton sur le marché européen du carbone (EU ETS). L obectf de cette publcaton
Plus en détailTRAVAUX PRATIQUES SPECTRO- COLORIMETRIE
UNIVERSITE MONTPELLIER 2 Département de Physque TRAVAUX PRATIQUES DE SPECTRO- COLORIMETRIE F. GENIET 2 INTRODUCTION Cet ensegnement de travaux pratques de seconde année se propose de revor rapdement l'aspect
Plus en détailBUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES
BUREAU DAPPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES BAMSI REPRINT 04/2003 Introducton à l analyse des données Samuel AMBAPOUR BAMSSI I BAMSI B.P. 13734 Brazzavlle BAMSI REPRINT 04/2003 Introducton
Plus en détailCorrigé du problème de Mathématiques générales 2010. - Partie I - 0 0 0. 0.
Corrgé du problème de Mathématques générales 2010 - Parte I - 1(a. Sot X S A. La matrce A est un polynôme en X donc commute avec X. 1(b. On a : 0 = m A (A = m A (X n ; le polynôme m A (x n est annulateur
Plus en détailMODÈLE D ISING À UNE ET DEUX DIMENSIONS.
Chapter MODÈLE DISIG À UE ET DEUX DIMESIOS.. ITRODUCTIO. ous commençons, dans ce chaptre, létude dun problème de mécanque statstque de la matère condensée où leffet des nteractons est mportant. Le modèle
Plus en détailPour plus d'informations, veuillez nous contacter au 04.75.05.52.62. ou à contact@arclim.fr.
Régulaton Sondes & Capteurs Détente frgo électronque Supervson & GTC Humdfcaton & Déshu. Vannes & Servomoteurs Comptage eau, elec., énerge Ancens artcles Cette documentaton provent du ste www.arclm.eu
Plus en détailhal-00409942, version 1-14 Aug 2009
Manuscrt auteur, publé dans "MOSIM' 008, Pars : France (008)" 7 e Conférence Francophone de MOdélsaton et SIMulaton - MOSIM 08 - du mars au avrl 008 - Pars - France «Modélsaton, Optmsaton et Smulaton des
Plus en détailDynamique du point matériel
Chaptre III Dynaqe d pont atérel I Généraltés La cnéatqe a por objet l étde des oveents des corps en foncton d teps, sans tenr copte des cases q les provoqent La dynaqe est la scence q étde (o déterne)
Plus en détailINTRODUCTION. Jean-Pierre MAGNAN Chef de la section des ouvrages en terre Département des sols et fondations Laboratoire central
Etude numérque de la consoldaton undmensonnelle en tenant compte des varatons de la perméablté et de la compressblté du sol, du fluage et de la non-saturaton Jean-Perre MAGNAN Chef de la secton des ouvrages
Plus en détailPaquets. Paquets nationaux 1. Paquets internationaux 11
Paquets Paquets natonaux 1 Paquets nternatonaux 11 Paquets natonaux Servces & optons 1 Créaton 3 1. Dmensons, pods & épasseurs 3 2. Présentaton des paquets 4 2.1. Face avant du paquet 4 2.2. Comment obtenr
Plus en détail1. Les enjeux de la prévision du risque de défaut de paiement
Scorng sur données d entreprses : nstrument de dagnostc ndvduel et outl d analyse de portefeulle d une clentèle Mrelle Bardos Ancen chef de servce de l Observatore des entreprses de la Banque de France
Plus en détailMEMOIRE. Présenté au département des sciences de la matière Faculté des sciences
REPUBLIQUE LERIEN DEMOCRTIQUE ET POPULIRE Mnstère de l ensegnement supéreur et de la recherche scentfque Unversté El-Hadj Lakhdar-BTN- MEMOIRE Présenté au département des scences de la matère Faculté des
Plus en détailPro2030 GUIDE D UTILISATION. Français
Pro2030 GUIDE D UTILISATION Franças Contents Garante... Introducton... 1 Artcle nº 605056 Rév C Schéma nº A605056 Novembre 2010 2010 YSI Incorporated. Le logo YSI est une marque déposée de YSI Incorporated.
Plus en détailBe inspired. Numéro Vert. Via Caracciolo 20 20155 Milano tel. +39 02 365 22 990 fax +39 02 365 22 991
Ggaset SX353 / französsch / A31008-X353-P100-1-7719 / cover_0_hedelberg.fm / 03.12.2003 s Be nspred www.onedrect.fr www.onedrect.es www.onedrect.t www.onedrect.pt 0 800 72 4000 902 30 32 32 02 365 22 990
Plus en détailGATE Groupe d Analyse et de Théorie Économique DOCUMENTS DE TRAVAIL - WORKING PAPERS W.P. 08-24. Préférences temporelles et recherche d emploi
GATE Groupe d Analyse et de Théore Économque UMR 5824 du CNRS DOCUMENTS DE TRAVAIL - WORKING PAPERS W.P. 08-24 Préférences temporelles et recherche d emplo «Applcatons économétrques sur le panel Européen
Plus en détailLA SURVIE DES ENTREPRISES DÉPEND-ELLE DU TERRITOIRE D'IMPLANTATION?
LA SURVIE DES ENTREPRISES DÉPEND-ELLE DU TERRITOIRE D'IMPLANTATION? Anne PERRAUD (CRÉDOC) Phlppe MOATI (CRÉDOC Unversté Pars) Nadège COUVERT (ENSAE) INTRODUCTION Au cours des dernères années, de nombreux
Plus en détailStéganographie Adaptative par Oracle (ASO)
Stéganographe Adaptatve par Oracle ASO Sarra Kouder, Marc Chaumont, Wllam Puech To cte ths verson: Sarra Kouder, Marc Chaumont, Wllam Puech. Stéganographe Adaptatve par Oracle ASO. CORESA 12: COmpresson
Plus en détailPrêt de groupe et sanction sociale Group lending and social fine
Prêt de roupe et sancton socale Group lendn and socal fne Davd Alary Résumé Dans cet artcle, nous présentons un modèle d antsélecton sur un marché concurrentel du crédt. Nous consdérons l ntroducton de
Plus en détailLa théorie classique de l information. 1 ère partie : le point de vue de Kolmogorov.
La théore classque de l nformaton. ère parte : le pont de vue de Kolmogorov. La sute de caractères comme outl de descrpton des systèmes. La scence peut être vue comme l art de compresser les données quelles
Plus en détailP R I S E E N M A I N R A P I D E O L I V E 4 H D
P R I S E E N M A I N R A P I D E O L I V E 4 H D Sommare 1 2 2.1 2.2 2.3 3 3.1 3.2 3.3 4 4.1 4.2 4.3 4.4 4.5 4.6 5 6 7 7.1 7.2 7.3 8 8.1 8.2 8.3 8.4 8.5 8.6 Contenu du carton... 4 Paramétrage... 4 Connexon
Plus en détailEvaluation de performances d'ethernet commuté pour des applications temps réel
Evaluaton de performances d'ethernet commuté pour des applcatons temps réel Ans Koubâa, Ye-Qong Song LORIA-INRIA-INPL, Avenue de la Forêt de Haye - 5456 Vandoeuvre - France Emal : akoubaa@lorafr, song@lorafr
Plus en détailLE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE
LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe
Plus en détailAVERTISSEMENT. Contact SCD INPL: mailto:scdinpl@inpl-nancy.fr LIENS
AVERTISSEMENT Ce document est le frut d un long traval approuvé par le jury de soutenance et ms à dsposton de l ensemble de la communauté unverstare élarge. Il est soums à la proprété ntellectuelle de
Plus en détailProjet de fin d études
Unversté Franços Rabelas Tours Ecole Polytechnque Unverstare de Tours Département Informatque Projet de fn d études Ordonnancement Juste à Temps avec geston des stocks Chopn Antone Mrault Arnaud 3ème année
Plus en détailRAPPORT DE STAGE. Approcher la frontière d'une sous-partie de l'espace ainsi que la distance à cette frontière. Sujet : Master II : SIAD
UFR SCIENCES ET TECHNOLOGIES DEPARTEMENT DE MATHEMATIQUES ET INFORMATIQUE 63 177 AUBIERE CEDEX Année 2008-2009 Master II : SIAD RAPPORT DE STAGE Sujet : Approcher la frontère d'une sous-parte de l'espace
Plus en détailCHAPITRE DEUX : FORMALISME GEOMETRIQUE
CHPITRE DEUX FORMLISME GEOMETRIQUE. CHPITRE DEUX : FORMLISME GEOMETRIQUE verson.3, -8 I. GEOMETRIE DNS L ESPCE-TEMPS ) Prncpe de relatvté Le prncpe de relatvté peut s exprmer ans : toutes les los physques
Plus en détailCHAPITRE 1 : Distribution statistique à une dimension
Chatre1 : Dstrbuton Statstque à une dmenson I.H.E.T de Sd Dhr CHAPITRE 1 : Dstrbuton statstque à une dmenson Secton 1 : Vocabulare élémentare de la statstque descrtve 1. Poulaton et ndvdu Dénton On aelle
Plus en détailEH SmartView. Identifiez vos risques et vos opportunités. www.eulerhermes.be. Pilotez votre assurance-crédit. Services en ligne Euler Hermes
EH SmartVew Servces en lgne Euler Hermes Identfez vos rsques et vos opportuntés Plotez votre assurance-crédt www.eulerhermes.be Les avantages d EH SmartVew L expertse Euler Hermes présentée de manère clare
Plus en détailL enseignement virtuel dans une économie émergente : perception des étudiants et perspectives d avenir
L ensegnement vrtuel dans une économe émergente : percepton des étudants et perspectves d avenr Hatem Dellag Laboratore d Econome et de Fnances applquées Faculté des scences économques et de geston de
Plus en détailLe Prêt Efficience Fioul
Le Prêt Effcence Foul EMPRUNTEUR M. Mme CO-EMPRUNTEUR M. Mlle Mme Mlle (CONJOINT, PACSÉ, CONCUBIN ) Départ. de nass. Nature de la pèce d dentté : Natonalté : CNI Passeport Ttre de séjour N : Salaré Stuaton
Plus en détailPourquoi LICIEL? Avec LICIEL passez à la vitesse supérieure EPROUVE TECHNICITE CONNECTE STABILITE SUIVIE COMMUNAUTE
L og c el s de D agnos t c s I mmob l er s Cont ac t eznous 32BddeS t r as bougcs3010875468 Par scedex10tel. 0253354064Fax0278084116 ma l : s er v c e. c l ent @l c el. f r Pourquo LICIEL? Implanté sur
Plus en détailMETHODE AUTOMATIQUE POUR CORRIGER LA VARIATION LINGUISTIQUE LORS DE L INTERROGATION DE DOCUMENTS XML DE STRUCTURES HETEROGENES
METHODE AUTOMATIQUE POUR CORRIGER LA VARIATION LINGUISTIQUE LORS DE L INTERROGATION DE DOCUMENTS XML DE STRUCTURES HETEROGENES Ourda Boudghaghen(*),Mohand Boughanem(**) yugo_doudou@yahoo.fr, bougha@rt.fr
Plus en détailESTIMATION DES TITRES VIRAUX : UNE PROGRAMMATION PRATIQUE ET FIABLE SUR CALCULATRICE DE POCHE, ET ACCESSIBLE PAR l INTERNET
ESTIMATIO DES TITRES VIRAUX : UE PROGRAMMATIO PRATIQUE ET FIABLE SUR CALCULATRICE DE POCHE, ET ACCESSIBLE PAR l ITERET Jocelyne Husson van Vlet et Ph. Roussel Insttut de la Santé Publque, Brussels, Belgum,
Plus en détailAnalyse des Performances et Modélisation d un Serveur Web
SETIT 2009 5 th Internatonal Conference: Scences of Electronc, Technologes of Informaton and Telecommuncatons March 22-26, 2009 TUNISIA Analyse des Performances et Modélsaton d un Serveur Web Fontane RAFAMANTANANTSOA*,
Plus en détailFaire des régimes TNS les laboratoires de la protection sociale de demain appelle des évolutions à deux niveaux :
Réformer en profondeur la protecton socale des TNS pour la rendre plus effcace Résumé de notre proposton : Fare des régmes TNS les laboratores de la protecton socale de deman appelle des évolutons à deux
Plus en détailLICENCE DE SCIENCES PHYSIQUES UV 3LSPH50. Année 2004-2005 MODÉLISATION. Recherche des paramètres d'une représentation analytique J.P.
LICENCE DE SCIENCES PHYSIQUES UV 3LSPH50 Année 004-005 MODÉLISATION Recherche des paramètres d'une représentaton analytque JP DUBÈS 3 MODÉLISATION Recherche des paramètres d'une représentaton analytque
Plus en détailParlons. retraite. au service du «bien vieillir» L Assurance retraite. en chiffres* 639 192 retraités payés pour un montant de 4,2 milliards d euros
Édton Pays de la Lore Parlons La lettre aux retratés du régme général de la Sécurté socale 2012 retrate L Assurance retrate en chffres* 12,88 mllons de retratés 17,58 mllons de cotsants 346 000 bénéfcares
Plus en détailRéseau RRFR pour la surveillance dynamique : application en e-maintenance.
Réseau RRFR pour la survellance dynamue : applcaton en e-mantenance. RYAD ZEMOURI, DANIEL RACOCEANU, NOUREDDINE ZERHOUNI Laboratore Unverstare de Recherche en Producton Automatsée (LURPA) 6, avenue du
Plus en détailOPTIMALITÉ DU MÉCANISME DE RATIONNEMENT DE CRÉDIT DANS LE MODÈLE ISLAMIQUE DE FINANCEMENT
Etudes en Econoe Islaque, Vol. 6, Nos. & (-7) Mouharra, Raab 434H (Novebre 0, Ma 03) OPTIMALITÉ DU MÉCANISME DE RATIONNEMENT DE CRÉDIT DANS LE MODÈLE ISLAMIQUE DE FINANCEMENT ALIM BELEK Résué Le ratonneent
Plus en détailGUIDE D ÉLABORATION D UN PLAN D INTERVENTION POUR LE RENOUVELLEMENT DES CONDUITES D EAU POTABLE, D ÉGOUTS ET DES CHAUSSÉES
GUIDE D ÉLABORATION D UN PLAN D INTERVENTION POUR LE RENOUVELLEMENT DES CONDUITES D EAU POTABLE, D ÉGOUTS ET DES CHAUSSÉES Gude destné au mleu muncpal québécos NOVEMBRE 2013 Coordnaton : Martn Cormer,
Plus en détailII - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1
II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d
Plus en détailPrise en compte des politiques de transport dans le choix des fournisseurs
INSTITUT NATIONAL POLYTECHNIQUE DE GRENOBLE N attrbué par la bblothèque THÈSE Pour obtenr le grade de DOCTEUR DE L I.N.P.G. Spécalté : Géne Industrel Préparée au Laboratore d Automatque de Grenoble Dans
Plus en détailCalculs des convertisseurs en l'electronique de Puissance
Calculs des conertsseurs en l'electronque de Pussance Projet : PROGRAMMAON ate : 14 arl Auteur : herry EQUEU. EQUEU 1, rue Jules Massenet 37 OURS el 47 5 93 64 herry EQUEU Jun [V37] Fcher : ESGN.OC Calculs
Plus en détailDocuments de travail. «La taxe Tobin : une synthèse des travaux basés sur la théorie des jeux et l économétrie» Auteurs
Documents de traval «La taxe Tobn : une synthèse des travaux basés sur la théore des jeux et l économétre» Auteurs Francs Bsmans, Olver Damette Document de Traval n 2012-09 Jullet 2012 Faculté des scences
Plus en détailLes méthodes numériques de la dynamique moléculaire
Les méthodes numérques de la dynamque moléculare Chrstophe Chpot Equpe de chme et & bochme théorques, Unté Mxte de Recherche CNRS/UHP 7565, Insttut Nancéen de Chme Moléculare, Unversté Henr Poncaré, B.P.
Plus en détailVIELLE Marc. CEA-IDEI Janvier 1998. 1 La nomenclature retenue 3. 2 Vue d ensemble du modèle 4
GEMINI-E3 XL France Un outl destné à l étude des mpacts ndustrels de poltques énergétques et envronnementales VIELLE Marc CEA-IDEI Janver 1998 I LA STRUCTURE DU MODELE GEMINI-E3 XL FRANCE 3 1 La nomenclature
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailMots-clés : Système multicapteurs, Réseau local, Réseaux de neurones, Supervision, Domotique. xigences système d'une nouvelle
Mots-clés : xgences système d'une nouvelle fonctonnalté dans l'habtat ndvduel : cas de la survellance Système multcapteurs, Réseau local, Réseaux de neurones, Supervson, Domotque. des personnes âgées et
Plus en détail