ANALYSE DES CORRESPONDANCES SIMPLES

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "ANALYSE DES CORRESPONDANCES SIMPLES"

Transcription

1 ANALYSE DES DONNÉES TEST DU KHI-DEUX ANALYSE DES CORRESPONDANCES SIMPLES Perre-Lous Gozalez

2 MESURE DE LIAISON ENTRE DEUX VARIABLES QUALITATIVES KHI-DEUX

3 Mesure de la laso etre deux varables qualtatves Equête : Êtes-vous «as du tout d accord» () «as tellemet d accord» () «eut-être d accord» (3) «be d accord» (4) «etèremet d accord» (5) avec cette hrase? : «O e a assez de ceux qu bloquet la ve du ays ar leurs revedcatos» TOTAL Extrême gauche Gauche Cetre Drote Extrême drote Idéret No-réose Kh-deux = 39,48 d.d.l. = 4 Proba =.0E-53 3

4 Exste-t-l u le etre les réoses et la tedace oltque? Tableau des rols lges TOTAL Extrême gauche Gauche Cetre Drote Extrême drote Idéret No-réose

5 DIAGRAMME EN BATONS No réose Idéret Extrême drote Drote Cetre Gauche Extrême gauche 00 0 Accord -- Accord - Accord = Accord + Accord ++ REPRÉSENTATION GRAPHIQUE DES COLONNES 5

6 TEST DU CHI-DEUX Il s agt de tester l déedace de deux varables qualtatves. Y a-t-l déedace etre : la catégore socale et le vote à l électo résdetelle? veaux d études et ouraux lus?. Tableau de cotgece Crosemet de deux varables qualtatves I et J à et q modaltés. q = q = = = = q = = (total lge) (total coloe) (total) 6

7 . Prols lges - rols-coloes - rols margaux Prol lge : O dvse chaque terme de la lge ar l eect de la lge q Prol margal corresodat : J q S les deux varables qualtatves I et J étaet déedates, les rolslges seraet tous detques, et doc detques au rol margal corresodat. = = 7

8 Remarques O ouvat établr la relato récédete e rasoat sur les rolscoloes. Souvet cette relato est exrmée = avec = et = = Elle exrme claremet que das le cas de l déedace le tableau de cotgece est etèremet détermé ar ses marges. 8

9 3. Déto du Kh-deux Pour chaque case, o eut doc calculer le ombre de cas attedus (sous hyothèse d déedace) = O eut comarer les ombres de cas attedus E aux ombres observés. χ χ = = = = q = q = ( E) E 4. Test S les deux varables sot réellemet déedates, cette exresso sut ue dstrbuto du Kh-deux avec u ombre de degrés de lberté égal à :( ) ( q ) Das ue table o lt χ α,k valeur ayat ue robablté α d être déassée our ue dstrbuto du kh-deux avec k= ( ) ( q ) lberté. S χ S χ χ α χ α,k o accete H 0 : déedace >,k o reette H 0. degrés de 9

10 Remarque : test du kh-deux Les logcels statstques rooset la résetato suvate : calcul du χ assocé au tableau de cotgece oté χ obs. robablté our ue v.a. suvat ue lo du kh-deux à ( ) ( q ) d.d.l. de déasser χ obs. Prob χ [ ( )( ) χ ] q > obs χ obs S cette robablté est able (e gééral < 5 %), o reette l hyothèse d déedace etre les deux varables qualtatves. 0

11 5. Autres coecets Du χ d assocato. assocé à u tableau de cotgece, o dédut d autres mesures Coecet de cotgece x + x φ de Pearso φ = x Coecet de Tschurow T = φ q où et q = ombre de modaltés des varables Ce coecet comrs etre 0 et est e at l aalogue d u coecet de corrélato. T = laso octoelle récroque Coecet de Cramer C = I, ( q ) φ

12 L aalyse des corresodaces smles (A.F.C.) Méthode roosée ar J.P. Bezecr das le but d étuder la laso dte ecore corresodace etre deux varables qualtatves. Exemle : réartto des habtats de Pars selo leur leu d habtato : u des 80 quarters et leur C.S.P. Questos : Certas quarters sot-ls roches? au ses même réartto des C.S.P.? Certaes C.S.P. sot-telles roches? Certaes C.S.P. sot-elles lus souvet assocées à certas quarters? L aalyse des corresodaces trate des tableaux de cotgece.

13 3 I. NOTATIONS ET PRÉSENTATION ) Notatos : tableau de cotgece : N Crosemet de deux varables qualtatves à et q modaltés q Var I Var J ( ) = N q, Prols des lges = rol de la lge oté q q q Prols des coloes rol de la coloe oté c

14 ) Rerésetato des rols a) Les rols-lges Les rols lges sot cosdérés comme des dvdus. Les rols-lges ormet u uage de ots das R q A chaque rol-lge est assocé u ods égal à sa réquece margale. O ote NI ( ) le uage de ots ormé des rols-lges odérés : ( ; ) rol lge ods Le cetre de gravté g est dé ar : g = = La ème coordoée de g vaut E eet : = = = = Doc g = rol margal de la varable J (à q modaltés) g = J 4

15 b) Les rols-coloes ( ) = uage de ots ormé des q rols - coloes odérés ( c, ) NJ Le cetre de gravté g c est le rol margal de la varable I à modaltés. g c = I 5

16 Le roblème qu se ose est l étude de la déedace etre les deux varables qualtatves. Das le cas où les deux varables sot déedates, o a detté des rols : = rol - lge ( ) ( ) = rol - coloe = Das le cas de l déedace, le uage des rols-lges se rédut à u ot g De même, le uage des rols-coloes se rédut à u ot g c. L étude de la déedace cosste à étuder la orme des uages. roblème d aalyse e comosates rcales. Quelle métrque? Remarque Remarquos que les rols ayat our somme, les rols-lges sot e réalté stués das le sous-esace de dmeso q dé ar q x = = (avec x 0). De même our les q rols-coloes. 6

17 Métrque du χ a) Pour les rols lges : d χ ( ), q = = Justcatos : Doe u ods mortat aux déreces ortat sur les etts ourcetages. Vére le rce d équvalece dstrbutoelle : s deux coloes ot le même rol, o les réut e ue seule d eect somme sas moder les dstaces etre rolslges. b) Pour les rols-coloes : d χ ( c, c ) = = 7

18 Exemle de calcul de la dstace etre deux rols-lges Dstace du χ : d ( EXPA,LICS ) = ( ) drot SCEC + LETT + SCIE MEDD PHAR PLUR IUT + (.. ) ( ) cotrbuto das le calcul de la dstace du our MEDD our IUT : 0,30 : 0,33 χ avec la dstace eucldee usuelle : our MEDD our IUT : 0,06 : 0,0076 la cotrbuto d IUT aurat été tro able : E eet :,35 % des ls d EXPA vot à l IUT au leu de 5,7 % our l esemble de la oulato (sot le double),6 % des eats de LICS vot à l IUT au leu de 5,7 % oulato etère 8

19 Ierte du uage N(I) I NI ( ) l erte du uage NI ( ) calculée ar raort au cetre de gravté J vaut χ où χ = ch-deux assocé au tableau de cotgece étudé. E eet : I NI χ J = () = d (, ) = q = = q = = = q = = = = = = χ q = Remarque : o obtet le même résultat our l erte du uage NJ. ( ) 9

20 II. L ANALYSE EN COMPOSANTES PRINCIPALES DU NUAGE DES PROFILS-LIGNES, DES PROFILS- COLONNES. O réalse l A.C.P. du uage des rols-lges : Les rols-lges ouet le rôle d dvdus ; ls sot aectés des ods La métrque utlsée our le calcul des dstaces etre dvdus est la métrque du kh-deux. Le remer axe rcal du uage des rols-lges est la drote assat le lus rès ossble de l esemble des ots de NI. ( ) Notos a la remère comosate rcale a =... coordoées des rols-lges sur l'axe Notos λ la varable de a (égale à l erte aortée ar l axe qu lu est assocé). a = deuxème comosate rcale de varace λ a 3 = trosème comosate rcale de varace λ 3 0

21 . O eut égalemet réalser l A.C.P. du uage des rols-coloes aectés des ods e utlsat la métrque du χ. Notos b la remère comosate rcale b =... coordoées des q rols-coloes sur l'axe b = deuxème comosate rcale Les comosates rcales de l A.C.P. des rols-coloes sot assocées aux mêmes valeurs rores que les comosates rcales de l A.C.P. des rols-lges. b a our varace λ b a our varace λ.....

22 3. Le etre les deux aalyses : ormules de trasto (deuxème orme) E otat b et a les ème et ème coordoées des comosates rcales b et a assocées à la même valeur rore λ : λ b = = a λ a = q = b avec a = a a a... b = b b b... q À λ rès, la coordoée d ue modalté d ue varable est la moyee des coordoées des catégores de l autre varable odérées ar les réqueces codtoelles du rol de.

23 III. REPRÉSENTATIONS GRAPHIQUES A.F.C. Dvers tyes de rerésetatos sot ossbles :. Les modaltés de la varable I sot rerésetées e tat qu dvdus (rols-lges) de l A.C.P. des rols-lges. La modalté de la varable I a our coordoées das u esace de dmeso k : k ( a, a,..., a ) avec a a ème = coordoée du vecteur a ème = coordoée du vecteur a... Pour les modaltés de la varable J, la modalté a our coordoées : k ( λ b, λ b,... λk b ) b b ème = coordoée du vecteur b ème = coordoée du vecteur b Les modaltés du deuxème groue ( J ) sot les barycetres des modaltés du remer groue (varable I). (vor ormules de trasto) 3

24 . Même rce mas e versat les rôles des deux groues de modaltés. 3. Abado du rce barycetrque Les modaltés de chaque esemble sot rerésetées ar les : a b k k =... =... q Cette derère soluto est la lus ratque (be que les deux groues de modaltés se trouvet e réalté das des esaces dérets). Cette rerésetato ermet de détermer les roxmtés etre certas élémets de I et certas élémets de J (comte teu de la qualté de la rerésetato). 4

25 4. Ades à l terrétato : detques à celles de l A.C.P. a) Cotrbutos de la lge à l axe k ( a ) k λ k avec = de la coloe à l axe k ( a ) λ k k avec = b) Cosus carrés Modalté rerésetée sur l axe k d ( a ) k (, G) Modalté rerésetée sur l axe k d ( b ) k (, G) 5

26 c) Asects ratques de l terrétato L terrétato eut se are à artr des rerésetatos grahques (e s assurat de la qualté de rerésetato de chaque modalté à l ade des cos ). Quad le ombre de modaltés est élevé, l est cosellé d édter d abord le grahque des rols-lges, us celu des rolscoloes, e la rerésetato smultaée. Les rols ayat des ods dérets la lecture de leurs cotrbutos à l erte de chaque axe s avère très utle. 6

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES

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

Plus en détail

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

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

Plus en détail

Ingénierie de l'analyse des données

Ingénierie de l'analyse des données Igéere de l'aalyse des doées Jea-Lous Grard htt://www.u-carde.rtous/ocumetato/master/ia Pla de cours. Itroducto géérale..... Les Egytes atques savaet-ls edre?..... Ue autre llustrato... 3.3. Pla... 6.4.

Plus en détail

L Analyse Factorielle des Correspondances

L Analyse Factorielle des Correspondances Aalyse de doées Modle 5 : L AFC M5 L Aalyse Factorelle des Corresodaces L aalyse factorelle des corresodaces, otée AFC, est e aalyse destée a tratemet des tableax de doées où les valers sot ostves et homogèes

Plus en détail

5. Variables aléatoires simultanées

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

Plus en détail

Cours 8 : Analyse de variance à un facteur

Cours 8 : Analyse de variance à un facteur PSY 004 Techques d aalyses e sychologe Cours 8 : alyse de varace à u facteur Table des matères Secto. "U cou de dé jamas 'abolra le hasard"... Secto. Itroducto à l aalyse de varace NOV... Secto 3. Réartto

Plus en détail

f(t) g(t)dt f²(t)dt g²(t) dt a a a

f(t) g(t)dt f²(t)dt g²(t) dt a a a PCSI Chatre 4 : Produts scalares-résumé Das ce chatre E est u -ev. Produts scalares. Défto et exemles de référeces Def: O aelle rodut scalare sur E toute alcato de E² das est bléare. est symétrque: x,ye,

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

TD Techniques de prévision pour la Gestion de production

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

Plus en détail

Partie I. Les données qualitatives

Partie I. Les données qualitatives Variables qualitatives : aalyse des corresodaces Jea-Marc Lasgouttes htt://www-rocqiriafr/~lasgoutt/aa-doees L aalyse factorielle des corresodaces But O cherche à décrire la liaiso etre deux variables

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Chapitre III. Gaz parfaits

Chapitre III. Gaz parfaits Chatre III Gaz arfats IIIA : Déftos rorétés IIIAI : Gééraltés : U gaz arfat est u flude déal qu satsfat à l équato d état vr, ou ecore c est u gaz qu obét rgoureusemet aux tros los MARIOE, GAY LUSSAC et

Plus en détail

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

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

Plus en détail

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période)

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période) A-PDF OFFICE TO PDF DEMO: Purchase from www.a-pdf.com to remove the watermark Mathématques Facères : l essetel Les formules cotourables (F de érode) htt://www.ecogesam.ac-a-marselle.fr/esed/gesto/mathf/mathf.html#e5aels

Plus en détail

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE

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

Plus en détail

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

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

Plus en détail

Les emprunts indivis. Auteur : Philippe GILLET

Les emprunts indivis. Auteur : Philippe GILLET Les emruts dvs Auteur : Phle GILLET Emrut dvs et emrut oblgatare Emrut dvs Emrut oblgatare Souscrt ar ue ou luseurs baques Pluseurs souscrteurs Dvsé e arts : oblgatos Oblgatos cotées Grad ombre de souscrteurs

Plus en détail

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

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

Plus en détail

Calculs en chromatographie

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

Plus en détail

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

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

Plus en détail

Serie statistique double

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. Calcul pour une évolution d une proportion entre deux années non consécutives Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages

Plus en détail

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

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

Plus en détail

M ( ) n,p. Chapitre 15 Matrices et systèmes linéaires. I Généralités. Dans tout le chapitre K désigne le corps R ou C.

M ( ) n,p. Chapitre 15 Matrices et systèmes linéaires. I Généralités. Dans tout le chapitre K désigne le corps R ou C. PSI 1 hatre 15 Matrces et systèmes léares Das tout le chatre K désge le cors R ou I Gééraltés 1 Défto Défto : Ue matrce est u tableau d élémets de K coteat lges et coloes Notatos : U matrce A est otée

Plus en détail

Chaîne de Markov - Télétrafic - Files d'attente

Chaîne de Markov - Télétrafic - Files d'attente ITRODUCTIO UX TLCOMMUICTIOS Chaîe de Marov - Télétrafc - Fles d'attete Verso 5 Mchel Terré lectroque L terre@camfr lectroque B ITRODUCTIO UX TLCOMMUICTIOS Raels de robablté Le dmesoemet d'u réseau de Télécommucatos

Plus en détail

PHYSIQUE DES SEMICONDUCTEURS

PHYSIQUE DES SEMICONDUCTEURS MIISTERE DE L'ESEIGEMET SUPERIEURE ET DE LA REHERHE SIETIFIQUE UIERSITE DE BEHAR Départemet es Sceces Laboratore e Pysque es spostfs à semcoucteurs (L.P.D.S ttp://www.uv-becar.z/lps/ PHYSIQUE DES SEMIODUTEURS

Plus en détail

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

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

Plus en détail

Chapitre 4 Fonction de transfert

Chapitre 4 Fonction de transfert Chatre 4 Focto de trasfert Chatre 4 Focto de trasfert 4.. Exresso de la focto de trasfert Pour u système léare cotu et varat, ous avos vu que la relato etre la sorte s( et l etrée e( est doée ar ue équato

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

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

Plus en détail

Ch.6ÊPROBABILITÉS _ partie 1

Ch.6ÊPROBABILITÉS _ partie 1 LFA / remère S COURS Gesto de doées Mme MAINGUY I Raels / Lo de robablté Ch6ÊPROBABILITÉS _ arte ere S défto O aelle exérece aléatore toute exérece ayat luseurs ssues (ou évetualtés) ossbles et dot o e

Plus en détail

I. Qu est-ce qu une variable aléatoire?

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

Plus en détail

Coefficient de partage

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

Plus en détail

sont distincts 2 à 2.

sont distincts 2 à 2. Lycée Thers CORRIGÉ TP PYTHON - 09 L algorthme des k-meas pour partager u uage de pots e u ombre doé de classes peu dspersées 1 - La méthode de Forgy [Qu. 1] 1) Cette double somme comporte termes pusque

Plus en détail

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

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

Plus en détail

NOTATIONS ET FORMULAIRE

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

Plus en détail

Comment les bookmakers (ou la FdJ) font-ils pour TOUJOURS gagner?

Comment les bookmakers (ou la FdJ) font-ils pour TOUJOURS gagner? Coet les bookakers (ou la FdJ fot-ls our TOUJOURS gager? Itroducto otatos et varables Esérace de ga du bookaker (ou de la FdJ 4 4 Les stratéges du bookaker 6 4 le bookaker hoête 6 4 le bookaker "réel"7

Plus en détail

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

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

Plus en détail

3- LES TIRAGES PROBABILISTES D'ECHANTILLONS

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

Plus en détail

LEÇON N 6 : Loi de Poisson, loi normale.

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

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1 [htt://m.cgeduuydelome.fr] édité le 10 juillet 2014 Eocés 1 Déombremet Exercice 1 [ 01529 ] [correctio] Soiet E et F deux esembles fiis de cardiaux resectifs et. Combie y a-t-il d ijectios de E das F?

Plus en détail

Analyse de régression

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

Plus en détail

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

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

Plus en détail

Chapitre 4 : RÉGRESSION

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

Plus en détail

ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES

ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES SOMMAIRE. Normes sur u espace vectorel E 2.. Défto d'ue orme. Cter l'égalté tragulare reversée. 2.2. Normes usuelles

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Variables j.. p. Xij

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

Plus en détail

La statistique et les statistiques

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

Plus en détail

Université de Picardie Jules Verne 2006-2007 Faculté de Mathématiques et d Informatique

Université de Picardie Jules Verne 2006-2007 Faculté de Mathématiques et d Informatique Uiversité de Picardie Jules Vere 006-007 Faculté de Mathématiques et d Iformatique Licece metio Mathématiques - Deuxième aée - Semestre 4 Probabilités Elémetaires Exame du ludi 4 jui 007 Durée h00 Documet

Plus en détail

I- SUITES RÉCURRENTES LINÉAIRES D'ORDRE 2 II- RÉVISIONS DE PCSI-MPSI

I- SUITES RÉCURRENTES LINÉAIRES D'ORDRE 2 II- RÉVISIONS DE PCSI-MPSI CH MATRICES Lycée Sat-Lous-PSI1 I- SUITES RÉCURRENTES LINÉAIRES D'ORDRE Sot (a, b) IK IK*, s la sute (u ) vérfe IN, u + = a u +1 + b u, commet obtet-o la valeur de u? O forme l'éuato caractérstue P(x)

Plus en détail

I. Séries de données et représentation graphique

I. Séries de données et représentation graphique Chaitre Statistiques : I. Séries de doées et rerésetatio grahique. Vocabulaire Ue série statistique traite de doées de différets tyes : effectifs, ourcetages, idices, Le caractère quatitatif étudié eut

Plus en détail

Améliorer la productivité

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

Plus en détail

MICROECONOMIE APPROFONDIE ET CALCUL INTERTEMPOREL

MICROECONOMIE APPROFONDIE ET CALCUL INTERTEMPOREL 3èm aé r smstr II Alcatos à la gsto d ortfull. L modèl CAPM. a. Préfércs tr tmorlls t otmsato sur érods.. rdmt d actf t rsqu. msur sml du rdmt d u actf r avc d + d rx du ttr à la f d la érod cosdéré rx

Plus en détail

6GEI300 - Électronique I. Examen Partiel #1

6GEI300 - Électronique I. Examen Partiel #1 6GEI3 Électroque I Autome 27 Modalté: Aucue documetato est permse. Vous avez drot à ue calculatrce o programmable. La durée de l exame est de 3h Cet exame compte pour 2% de la ote fale. Questo 1. Questos

Plus en détail

1 ère partie : STATISTIQUE DESCRIPTIVE

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

Plus en détail

Chaque élément de la population étudiée est : une unité statistique ou un individu (élève, pièce fabriquée, trajet journalier)

Chaque élément de la population étudiée est : une unité statistique ou un individu (élève, pièce fabriquée, trajet journalier) htt://maths-scences.fr STATISTIQUES I) Le vocabulare utlsé en statstques ) Caractère d une oulaton Les outls et les méthodes des études statstques s alquent à des ensembles d éléments nommés oulatons (exemle

Plus en détail

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

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

Plus en détail

Cours 3 : Probabilités

Cours 3 : Probabilités PS 004 Techques d aalyses e sychologe Cous 3 : Pobabltés Table des matèes Secto. La oulette usse : oblème emque?... 3 Secto. Rôle de la obablté e statstques ductves... 3 Secto 3. La dstbuto bomale... 4

Plus en détail

Pondichéry Avril 2014 Série S Exercice.

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

Plus en détail

arlesrcomplexesraurbacr2014r==corriges=z

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

Plus en détail

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

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

Plus en détail

, où E est un espace vectoriel réel de dimension finie et φ une forme bilinéaire symétrique sur E définie positive : φ (i)

, où E est un espace vectoriel réel de dimension finie et φ une forme bilinéaire symétrique sur E définie positive : φ (i) Esaces vecorels eucldes Groue orhogoal ESPACES VECTORIELS EUCLIDIENS GROUPE ORTHOGONAL Produ scalare Défo O aelle esace euclde ou coule ( E, φ, où E es u esace vecorel réel de dmeso fe e φ ue forme bléare

Plus en détail

CHAPITRE III PROBABILITES

CHAPITRE III PROBABILITES HAPITRE III PROBABILITES I re B math I chatre III Probabltés Table des matères OURS A) Aalyse combatore ) Les trages au sort ) Trages avec ordre et avec réétto. 3 3) Trages avec ordre et sas réétto. 4

Plus en détail

Bac blanc de mathématiques

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

Plus en détail

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

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

Plus en détail

Chapitre 3 Analyse statistique de données Première S

Chapitre 3 Analyse statistique de données Première S Chatre Analyse statstque de données Premère S Le vocabulare relatf au statstques La statstque est la scence qu consste à réunr des données chffrées, à les analyser, à les crtquer Une étude statstque se

Plus en détail

Rappel (voir cours 1). On obtient l ampleur de chacune de ces dispersions par les sommes suivantes :

Rappel (voir cours 1). On obtient l ampleur de chacune de ces dispersions par les sommes suivantes : Master SV U7 COURS III - - Aalyse de varace (ANOVA I Patrc Coqullard I. ANOVA T RGRSSION MULTIPL I.. Rappels Ue régresso multple s accompage toujours d ue aalyse de varace ( ANalyse Of VArace = ANOVA.

Plus en détail

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

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

Plus en détail

Statistiques. A) Vocabulaire. B) Caractéristiques de position et de dispersion.

Statistiques. A) Vocabulaire. B) Caractéristiques de position et de dispersion. Statstques A) Vocabulare. Poulaton et ndvdu : La oulaton est l ensemble des ndvdus sur lequel vont orter les observatons. Caractère : Le caractère est la rorété étudée. Le caractère est qualtatf s l n

Plus en détail

Construire des polygones connaissant les milieux des côtés.

Construire des polygones connaissant les milieux des côtés. Costruire des olygoes coaissat les milieux des côtés Costruire u triagle ABC dot les milieux des côtés soiet trois oits doés I J K deux à deux disticts Aalyse : La symétrie cetrale de cetre le milieu d

Plus en détail

Dénombrement. 1 Dénombrer des listes 2 1.1 Permutation... 2 1.2 Arrangement... 3 1.3 p-liste... 4

Dénombrement. 1 Dénombrer des listes 2 1.1 Permutation... 2 1.2 Arrangement... 3 1.3 p-liste... 4 1 Déombremet Table des matières 1 Déombrer des listes 2 1.1 Permutatio................................ 2 1.2 Arragemet............................... 3 1.3 -liste.................................... 4

Plus en détail

Notions de base pour l analyse d un tableau de contingence

Notions de base pour l analyse d un tableau de contingence Uiversité de Bordeaux - Master MIMSE - 2ème aée Notios de base pour l aalyse d u tableau de cotigece Marie Chavet http://wwwmathu-bordeauxfr/ machave/ 204-205 Notatios et défiitios U tableau de cotigece

Plus en détail

SYSTEME FERME EN REACTION CHIMIQUE

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

Plus en détail

1 Dénombrement. 1.1 Principe. Définition : 1.2 Combinaisons. Définition :

1 Dénombrement. 1.1 Principe. Définition : 1.2 Combinaisons. Définition : Probabilités : coditioemet et idéedace Termiale S Déombremet. Pricie O raelle que le cardial d u esemble fii E, oté Card(E), rerésete so ombre d élémets. Si E 0,0 alors Card(E). Notre but est de détermier

Plus en détail

INCERTITUDES. Lucyna Firlej. Groupe de Dynamique des Phases Condensees Université Montpellier 2

INCERTITUDES. Lucyna Firlej. Groupe de Dynamique des Phases Condensees Université Montpellier 2 Départemet Mesures Physques 005-006 INCERTITUDES Lucya Frlej Groupe de Dyamque des Phases Codesees Uversté Motpeller COURS ACCESSIBLES SUR LE SITE WEB: http://www.gdpc.uv-motp.r:708/~rlej ESTIMATION de

Plus en détail

L hebdo Finance de la MACS

L hebdo Finance de la MACS - DU 2 AU 9 OCTOBRE 2006 - Numéro DÉFINITION DE LA SEMAINE : Stock otio Idice boursier DOSSIER DE LA SEMAINE : Simulatio d u rêt immobilier 2 LES COURS DU JOUR Le jeudi 2 octobre 7 L hebdo Fiace de la

Plus en détail

Cours VII. Tests de randomisation - Tests de contingence P. Coquillard 2015

Cours VII. Tests de randomisation - Tests de contingence P. Coquillard 2015 1 TESTS DE RANDOMISATION Cours VII. Tests de radomisatio - Tests de cotigece P. Couillard 2015 Das ue majorité de cas e biologie o cosidèrera certaies hyothèses comme des alteratives à l hyothèse ulle.

Plus en détail

6. RADIERS 6.1. GÉNÉRALITÉS

6. RADIERS 6.1. GÉNÉRALITÉS 6. RADIERS 6.. GÉNÉRALITÉS U raer est ue alle plae, évetuellemet ervurée, costtuat l'esemble es foatos 'u bâtmet. Il s'éte sur toute la surface e l'ouvrage. Ce moe e foato est utlsé as eux cas : lorsque

Plus en détail

MATHEMATIQUES Terminale Scientifique

MATHEMATIQUES Terminale Scientifique MATHEMATIQUES Termiale Scietifique Fiches PROGRAMME 22 (v24) Sylvie LAMY Agrégée de Mathématiques Dilômée de l École Polytechique Cours Pi e-mail : lescoursi@cours-icom site : htt://wwwcours-icom siège

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Au sommaire : Des généralités. Polynôme d'endomorphisme. Polynômes minimal d'un endomorphisme. Valeur et vecteur propres. Sous-espace propre.

Au sommaire : Des généralités. Polynôme d'endomorphisme. Polynômes minimal d'un endomorphisme. Valeur et vecteur propres. Sous-espace propre. - De la réducto des edomorphsmes - Ce cours a été rédgé e ovembre 994 alors que e préparas l'agrégato de mathématques et ms à our e u et ullet 2. Das le cas où l comporterat des erreurs, merc de me les

Plus en détail

Espaces vectoriels (et affines).

Espaces vectoriels (et affines). Esaces vectorels (et affes) Cha 04 : cours comlet Esaces vectorels réels ou comlexes (Su) Défto : K-esace vectorel Défto 2 : K-algèbre Théorème : exemles Défto 3 : combaso léare de vecteurs Défto 4 : sous-esace

Plus en détail

La classification de données quantitatives avec SPAD

La classification de données quantitatives avec SPAD La classificatio de doées quatitatives avec SPAD SPAD effectue toujours ue ACP de la matrice des doées quatitatives X " p avat de faire la classificatio des idividus. Les méthodes de classificatio s appliquet

Plus en détail

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure.

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure. TABLE DES MATIERES Durée...2 Objectf spécfque...2 Résumé...2 I. L agrégato des préféreces...2 I. Le système de vote à la majorté...2 I.2 Vote par classemet...3 I.3 Codtos de décso socale et théorème d

Plus en détail

2. Espace de probabilité fini équilibré

2. Espace de probabilité fini équilibré 36 2. Esace de robabilité fii équilibré Esace de robabilités fii équilibré (résumé)...37 Esace de robabilités fii équilibré (défiitio)...38 Le modèle de Maxwell-Boltzma...39 Les ragemets de objets discerables

Plus en détail

Cours (Terminale) Probabilités (révisions 1 ère )

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

Plus en détail

9 ème Cogrès Fraças de écaque arselle, 4-8 août 009 Evaluato des certtudes de mesure sur ue mache à mesurer trdmesoelle: Nouvelle méthode d estmato des paramètres de surface et certtudes assocées.jlid

Plus en détail

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

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

Plus en détail

CH1 : Introduction à l Analyse Des Données (ADD) B- Les données et leurs caractéristiques C- Grandeurs associées aux données

CH1 : Introduction à l Analyse Des Données (ADD) B- Les données et leurs caractéristiques C- Grandeurs associées aux données CH1 : Introduction à l Analyse Des Données (ADD) A- Introduction A- Introduction B- Les données et leurs caractéristiques C- Grandeurs associées aux données A-1 Les méthodes Lors de toute étude statistique,

Plus en détail

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

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

Plus en détail

TRANSISTORS A EFFET DE CHAMP

TRANSISTORS A EFFET DE CHAMP TRANITOR A EFFET E CHAMP La déomiatio «trasistor à effet de cham» (TEC ou FET) regroue deux tyes de trasistors : le TEC à joctio (JFET) le TEC à grille isolée (IFET : isulated gate FET, MOFET : Métal Oxyde

Plus en détail

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

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

Plus en détail

Statistiques de Base. Chapitre 1. Analyse combinatoire. Ce cours est basé sur les notes de cours de D. Mouchiroud Lyon 1

Statistiques de Base. Chapitre 1. Analyse combinatoire. Ce cours est basé sur les notes de cours de D. Mouchiroud Lyon 1 Statistiques de Base haitre. Aalyse combiatoire e cours est basé sur les otes de cours de D. Mouchiroud Lyo Itroductio L aalyse combiatoire est ue brache des mathématiques qui étudie commet comter les

Plus en détail

SCHEMA DE BERNOULLI ET LOI BINOMIALE. EXEMPLES

SCHEMA DE BERNOULLI ET LOI BINOMIALE. EXEMPLES SCHEMA DE BERNOULLI ET LOI BINOMIALE EXEMPLES Nveau : termale Pré-requs : Espace probablsé Varable aléatore réelle sur u espace probablsé f Lo de probablté de X Espérace mathématque Varace O se place das

Plus en détail

Licence 1 Mathématiques

Licence 1 Mathématiques Licece Mathématiques 204 205 Algèbre et Arithmétique Feuille o 3 : combiatoire. Exercices à savoir faire.. Réuio, itersectio, artitio. Exercice Au mois de javier, Aatole a ris ses reas de midi au Restau

Plus en détail