Méthode en trois étapes destinée à une évaluation globale des résultats obtenus pour différents échantillons.
|
|
- Marie-Claire Larose
- il y a 8 ans
- Total affichages :
Transcription
1 ISP Rue J. Wytsman, 14 B-1050 BRUXELLES SERVICE PUBLIC FEDERAL (SPF) SANTE PUBLIQUE, PROTECTION DE LA CHAINE ALIMENTAIRE ET ENVIRONNEMENT COMMISSION DE BIOLOGIE CLINIQUE SERVICE DES LABORATOIRES DE BIOLOGIE CLINIQUE COMITE DES EXPERTS Méthode en trois étapes destinée à une évaluation globale des résultats obtenus pour différents échantillons. Wim Coucke, 13 janvier 2010 Ce rapport ne peut être reproduit, publié ou distribué sans l accord de l ISP. DOC 33/F/97 V1 Annexe 1 1/9
2 TABLE DES MATIERES GLOSSAIRE...3 INTRODUCTION...4 PREMIÈRE ÉTAPE...6 DEUXIÈME ÉTAPE...6 TROISIÈME ÉTAPE...7 EVALUATION DE LA DIFFÉRENCE ENTRE LA MOYENNE DE CHAQUE MÉTHODE ET LA DROITE À DÉTERMINATION DU NIVEAU DE CONFIANCE...8 LITTÉRATURE...9 DOC 33/F/97 V1 Annexe 1 2/9
3 Glossaire Cook s distance: mesure de l'influence d'un point individuel sur une droite de régression. Distance de Mahalanobis: distance d'un point à la moyenne d'une distribution multivariée tenant compte de la variabilité ; similaire à un z-score dans une dimension. Least Trimmed Square: technique de régression robuste qui calcule une ligne de régression qui est représentative pour au moins la moitié des points. Cette droite n'est pas influencée par les résultats discordants. Niveau de confiance dans le cas de la recherche des valeurs discordantes: proportion ou pourcentage de points réellement non discordants et qui ne sont effectivement pas considérés comme discordants pour un test statistique déterminé. Outlier : résultat dont l impact sur la droite de régression rend celle-ci non représentative de la majorité des points. Région de confiance autour d une droite moyenne: région (ellipse) dans laquelle se situent la grande majorité des points qui représentent l'intersection et la pente des droites de régression individuelles, pour un niveau de confiance déterminé. Résultat discordant résultat dont la variabilité et / ou le biais sont trop importants par rapport au niveau de confiance choisi. DOC 33/F/97 V1 Annexe 1 3/9
4 Introduction A l occasion de certaines enquêtes d évaluation externe de la qualité nous envoyons des échantillons destinés à tester la linéarité des résultats. Ce type d étude ne peut être réalisé qu à condition que les échantillons utilisés n induisent pas d effet de matrice et que des valeurs cibles puissent être établies. Les résultats transmis par les laboratoires sont comparés à ces valeurs cibles et une analyse de régression est réalisée. A B C D Figure 1: illustration des différents écarts rencontrés avec les droites de régression La Figure 1 illustre différentes droites de régression. La situation idéale est représentée dans le graphique A. La droite en trait plein est très proche de la ligne à 45 (en pointillés). Les points qui représentent les résultats rapportés par les laboratoires sont très proches de la droite de régression pour chaque valeur cible. DOC 33/F/97 V1 Annexe 1 4/9
5 Le graphique (B) représente une droite semblable à celle du graphique A mais l écart des résultats rapportés par rapport aux valeurs cibles est plus grand. Cet écart illustre une plus grande incertitude des résultats. Les résultats s écartent de la valeur cible mais leur moyenne reste sur la ligne à 45. Le graphique (C) représente des résultats très proches de leur droite de régression. L incertitude des résultats est basse mais la droite de régression est toutefois fort différente de la droite à 45. Cette différence illustre un bi ais : la reproductibilité des résultats est bonne, mais ceux-ci diffèrent de la valeur cible. Le graphique (D) représente une droite identique à celle du graphique C mais l écart des résultats rapportés par rapport aux valeurs cibles est plus grand, la reproductibilité n est pas bonne. Les résultats s écartent de la valeur cible et la droite de régression est biaisée par rapport à la ligne à 45. Les droites de régression peuvent s écarter de la droite théorique idéale à 45 de différentes manières. L interprétation des droites de régression permet d évaluer la performance d une méthode ou d un laboratoire selon deux critères: 1- La distance des points représentant les résultats individuels autour de la droite pour la méthode et pour le laboratoire 2- La distance de la droite de régression du laboratoire ou de la droite de régression moyenne de la méthode par rapport à la ligne à 45 (pour le laboratoire la distance par rapport à la droite moyenne de son groupe peut également être évaluée). Avant d évaluer ces deux critères il convient de s assurer que la droite de régression est bien représentative de la relation entre les valeurs cibles et les valeurs rapportées. Voir figure cidessous. A B Figure 2: Effet des outliers sur la droite de régression Les deux graphiques de la figure 2 illustrent deux droites identiques avec une variabilité semblable. Toutefois la majorité des points du graphique A sont plus proches de la droite que ceux du graphique B. La grande variabilité en A est due principalement à deux points très écartés de la droite. L influence d outliers peut encore être plus importante jusqu à influencer la droite de régression à un point tel que celle-ci n est plus représentative de la majorité des points (voir figure 3). DOC 33/F/97 V1 Annexe 1 5/9
6 Pour cette raison avant de procéder au calcul de la variabilité et du biais de la droite de régression, nous avons avant tout identifié et éliminé les résultats outliers (ref. 8): Première étape: Identification des outliers (ref. 1,2,3) Description des différentes étapes de l identification des outliers: - Calcul d une droite de régression robuste entre les résultats rapportés par les laboratoires et les valeurs cibles (Least Trimmed Squares). - Calcul de la variabilité des points autour de la droite de régression et identification des points écartés - Calcul d une nouvelle droite de régression sans les points les plus écartés - Calcul par rapport à la droite de régression de la distance de Cook pour chaque point individuellement. La distance de Cook permet d analyser l influence sur la droite de chaque point individuellement. Ceci permet d identifier les points écartés qui influencent trop la position de la droite et qui sont alors classés comme outliers. Figure 3: détection des outliers de la droite de régression La Figure 3 illustre la première étape. La ligne continue est la droite de régression qui passe par tous les points (et qui est fortement influencée par le point 6 qui est un outlier). La ligne hâchurée est la droite de régression après élimination de l outlier. Deuxième étape: analyse de la variabilité et mise en évidence des résultats discordants (ref 4,5) Après élimination des outliers la droite de régression représente de façon fiable la majorité des résultats. On recherche ensuite les droites pour lesquelles les points sont trop écartés ou trop variables. Une approximation de la variabilité représentée par la variance, peut être réalisée avec une distribution log-normale. La distribution logarithmique des variances transformées peut être assimilée à une distribution normale. De cette manière les résultats discordants par rapport à la distribution peuvent être identifiés. Chaque droite de régression dont la variabilité est trop importante peut être identifiée comme discordante. DOC 33/F/97 V1 Annexe 1 6/9
7 Troisième étape: Mise en évidence d un biais (ref. 6,7) La troisième étape (Figure 4) est réalisée avec les droites de régression calculées sans les outliers et sans les résultats discordants de l étape 2. Si on suppose que l intersection et la pente constituent une distribution bivariée, on peut pour cette distribution bivariée, établir une matrice de covariance multivariée avec un centre. La distance de Mahalanobis par rapport au centre de la distribution multivariée peut servir de base pour détecter les points discordants. Ces distances suivent, s il n y a pas de résultat discordant, une distribution de chi carré à 2 degrés de liberté. Sur base de l intersection et de la pente on peut établir une région de confiance robuste. Comme pour les droites de régression, cette région de confiance robuste n est pas ou peu influencée par les résultats discordants. Chaque point qui sort de la région de confiance est considéré comme biaisé par rapport à sa méthode. Lorsque le point le plus bas est éloigné du point zéro, on retire de toutes les valeurs cibles l équivalent du premier point de la droite. Ceci permet une meilleure interprétation de l intersection. Dès que la région de confiance est déterminée, les droites de régression éliminées à l étape deux peuvent être évaluées pour le biais. Une droite de régression dont l intersection et la pente tombent dans la région de confiance n est pas biaisée mais reste toutefois discordante par rapport à la variabilité. Une droite de régression dont l intersection et la pente tombent hors de la région de confiance est discordante par rapport au biais et à la variabilité. Pente Intersection Figure 4: détection des droites discordantes par rapport à la variabilité et au biais DOC 33/F/97 V1 Annexe 1 7/9
8 La différence entre une région de confiance basée sur tous les résultats et une région de confiance robuste est illustrée dans la figure 4. La ligne continue est la région de confiance basée sur tous les résultats. La ligne hâchurée est la région de confiance robuste. Un résultat situé hors de la région de confiance robuste est considéré comme outlier. Evaluation de la différence entre la moyenne de chaque méthode et la droite à 45 La moyenne des intersections et des pentes de toutes des droites de régression qui ne sont pas outliers pour le biais et/ou la variabilité peut être utilisée pour comparer à la droite à 45. Si la moyenne des intersections et des pentes diffère significativement de la droite à 45 on considère qu il y a un biais entre la méthode et la droite à 45. Il est à noter que ce biais n est pas nécessairement hors des limites d acceptabilité. Détermination du niveau de confiance Le niveau de confiance est fixé en fonction du type d enquête et de manière à éviter de considérer comme discordants des résultats corrects. DOC 33/F/97 V1 Annexe 1 8/9
9 Littérature 1. Rousseeuw PJ, Leroy AM. Robust regression and outlier detection. New York: John Wiley&Sons; Rousseeuw PJ, van Zomeren B. Unmasking multivariate outliers and leverage points. J Am Stat Assoc 1990; 85: Atkinson AC. Masking unmasked. Biometrika 1986;73, Albert A, Harris EK. Multivariate interpretation of clinical laboratory data. New York: Marcel Dekker; Harris EK, Boyd JC. Statistical bases of reference values in laboratory medicine. New York: Marcel Dekker; Rousseeuw PJ, Van Driessen K. A Fast algorithm for the Minimum Covariance Determinant Estimator Technometrics 1999; 41: Willems G, Pison G, Rousseeuw PJ, Van Aelst S. A robust Hotelling test. Metrika 2002;55: Coucke W, Van Blerk M, Libeer JC, Van Campenhout C, Albert A. A new statistical method for evaluating long term analytical performance of laboratories, applied to an external quality assessment scheme for flow cytometry. Clinical Chemistry and Laboratory Medicine, 2010, accepted for publication DOC 33/F/97 V1 Annexe 1 9/9
TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailAnnales du Contrôle National de Qualité des Analyses de Biologie Médicale
Annales du Contrôle National de Qualité des Analyses de Biologie Médicale Plombémie Plombémie 07PLO1 ; 07PLO2 ; 07PLO3 et 07PLO4 2007 Edition : décembre 2008 Afssaps -143/147, Bd Anatole France F-93285
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détail4. Résultats et discussion
17 4. Résultats et discussion La signification statistique des gains et des pertes bruts annualisés pondérés de superficie forestière et du changement net de superficie forestière a été testée pour les
Plus en détailCOMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES
J. sci. pharm. biol., Vol.9, n - 00, pp. 9-0 EDUCI 00 9 VALLEE POLNEAU S.* DIAINE C. COMPARAISON DE LOGICIELS TESTANT L INDEPENDANCE DE VARIABLES BINAIRES Notre étude visait à comparer les résultats obtenus
Plus en détailFigure 1 Différents éléments influençant les mesures de seuil réalisées en champ visuel
LE CHAMP VISUEL DU SUJET NORMAL INFLUENCE DES METHODES D'EVALUATION Jacques CHARLIER U279 INSERM, LILLE INTRODUCTION La connaissance du champ visuel du sujet normal, de ses variations intra et interindividuelles
Plus en détailLE GRAND ÉCART L INÉGALITÉ DE LA REDISTRIBUTION DES BÉNÉFICES PROVENANT DU FRACTIONNEMENT DU REVENU
LE GRAND ÉCART L INÉGALITÉ DE LA REDISTRIBUTION DES BÉNÉFICES PROVENANT DU FRACTIONNEMENT DU REVENU RÉSUMÉ Une étude de Tristat Resources commandée par l Institut Broadbent démontre que la majorité des
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailPREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE
PREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE Jean-Paul Valois, Claude Mouret & Nicolas Pariset Total, 64018 Pau Cédex MOTS CLEFS : Analyse spatiale, ACP, Lissage, Loess PROBLEMATIQUE En analyse multivariée,
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
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 détailIntroduction à l ISO/IEC 17025:2005
Introduction à l ISO/IEC 17025:2005 Relation avec d autres normes de Management de la Qualité Formation Assurance Qualité LNCM, Rabat 27-29 Novembre 2007 Marta Miquel, EDQM-CoE 1 Histoire de l ISO/IEC
Plus en détailRAPPORT GLOBAL DEFINITIF MONITORING THERAPEUTIQUE ENQUETE 2014/1
EXPERTISE, PRESTATIONS DE SERVICE ET RELATIONS CLIENTS QUALITE DES LABORATOIRES MEDICAUX COMMISSION DE BIOLOGIE CLINIQUE COMITE DES EXPERTS EVALUATION EXTERNE DE LA QUALITE DES ANALYSES EN BIOLOGIE CLINIQUE
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailExemple PLS avec SAS
Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailEvaluation de la variabilité d'un système de mesure
Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les
Plus en détailGlossaire de termes relatifs à l assurance de la qualité et aux bonnes pratiques de laboratoire
Glossaire de termes relatifs à l assurance de la qualité et aux bonnes pratiques de laboratoire Notre engagement: la qualité et l amélioration continue Photos Couverture: en haut à gauche; istockphoto.com/yegor
Plus en détailAnalyse discriminante et régression logistique: application au cas de l innovation pour les entreprises du Canton du Tessin
Analyse discriminante et régression logistique: application au cas de l innovation pour les entreprises du Canton du Tessin Sandro Petrillo Université de Neuchâtel - Diplôme Postgrade en Statistique Projet
Plus en détailattitudes envers le dépistage
attitudes envers le dépistage DU CANCER COLORECTAL Le point de vue de la population québécoise novembre 2008 Institut national de santé publique du Québec Direction des systèmes de soins et politiques
Plus en détailInfraLab. Analyseur de Viande. Production. Assurance Qualité. Laboratoire. Contrôle Qualité. The Measure of Quality
TM InfraLab Production Assurance Qualité Laboratoire Analyseur de Viande Contrôle Qualité The Measure of Quality Mesures en process de viandes NDC & l Industrie de la Viande Réalisation de production de
Plus en détailASSURER LA QUALITE DES RESULTATS D ESSAI ET D ETALONNAGE Assuring the quality of test and calibration results
ASSURER LA QUALITE DES RESULTATS D ESSAI ET D ETALONNAGE Assuring the quality of test and calibration results Soraya Amarouche Armelle Picau Olivier Pierson Raphaël Deal Laboratoire National de Métrologie
Plus en détailLe montant des garanties constituées aux fins du STPGV est-il excessif?
Le montant des garanties constituées aux fins du STPGV est-il excessif? Kim McPhail et Anastasia Vakos* L e système canadien de transfert des paiements de grande valeur (STPGV) sert à effectuer les paiements
Plus en détailÉtude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France
Étude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France Le 13 octobre 2014 Autorité des marchés financiers 17, place de la Bourse 75082 Paris cedex 02 Tél. : 01 53
Plus en détailRégression linéaire. Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr
Régression linéaire Nicolas Turenne INRA nicolas.turenne@jouy.inra.fr 2005 Plan Régression linéaire simple Régression multiple Compréhension de la sortie de la régression Coefficient de détermination R
Plus en détailObservation statistique
2. APERÇU DES RÉSULTATS DU RENDEMENT Observation statistique s. Les résultats présentés dans ce rapport sont fondés sur des échantillons. Des échantillons distincts ont été sélectionnés pour chaque instance
Plus en détailUNIVERSITÉ DU QUÉBEC À MONTRÉAL TESTS EN ÉCHANTILLONS FINIS DU MEDAF SANS LA NORMALITÉ ET SANS LA CONVERGENCE
UNIVERSITÉ DU QUÉBEC À MONTRÉAL TESTS EN ÉCHANTILLONS FINIS DU MEDAF SANS LA NORMALITÉ ET SANS LA CONVERGENCE MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN ÉCONOMIE PAR MATHIEU SISTO NOVEMBRE
Plus en détailTESTS D HYPOTHÈSE FONDÉS SUR LE χ². http://fr.wikipedia.org/wiki/eugénisme
TESTS D HYPOTHÈSE FONDÉS SUR LE χ² http://fr.wikipedia.org/wiki/eugénisme Logo du Second International Congress of Eugenics 1921. «Comme un arbre, l eugénisme tire ses constituants de nombreuses sources
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailévaluations avec date de calcul à compter du 31 décembre 2014 (mais au plus tard le 30 décembre 2015).
NOTE DE SERVICE À : De : Tous les actuaires des régimes de retraite Bruce Langstroth, président Direction de la pratique actuarielle Manuel Monteiro, président Commission des rapports financiers des régimes
Plus en détailIBM SPSS Regression 21
IBM SPSS Regression 21 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 46. Cette version s applique à IBM SPSS Statistics
Plus en détailRéponse concernant le financement de l assurance-emploi et les récentes mesures connexes. Ottawa, Canada 9 octobre 2014 www.pbo-dpb.gc.
Réponse concernant le financement de l assurance-emploi et les récentes mesures connexes Ottawa, Canada 9 octobre 2014 www.pbo-dpb.gc.ca Le Directeur parlementaire du budget a pour mandat de présenter
Plus en détailThéorie des sondages : cours 5
Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur
Plus en détailBrock. Rapport supérieur
Simplification du processus de demande d aide financière dans les établissementss : Étude de cas à l Université Brock Rapport préparé par Higher Education Strategy Associates et Canadian Education Project
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailLes méthodes alternatives de surveillance de la qualité des eaux. Présentation du projet SWIFT-WFD
Les méthodes alternatives de surveillance de la qualité des eaux Ce rapport présente le projet européen SWIFT-WFD. Il est préparé dans le cadre du programme de travail d AQUAREF 2008 et de la convention
Plus en détailBASE CONCEPTUELLE POUR L ANALYSE DES INCERTITUDES
A PPENDICE 1 BASE CONCEPTUELLE POUR L ANALYSE DES INCERTITUDES Recommendations du GIEC en matière de bonnes pratiques et de gestion des incertitudes pour les inventaires nationaux A1.1 Appendice 1 COPRESIDENTS,
Plus en détailAide-mémoire de statistique appliquée à la biologie
Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela
Plus en détailDéclin des groupes visés par l équité en matière d emploi lors du recrutement. Étude de la Commission de la fonction publique du Canada
Déclin des groupes visés par l équité en matière d emploi lors du recrutement Étude de la Commission de la fonction publique du Canada Octobre 2009 Commission de la fonction publique du Canada 300, avenue
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailDifférenciation de fonction
Axe de recherche : Étude de l organisation l de l activitl activité infirmière re Différenciation de fonction infirmière re Geoffroy Berckmans Assistant - PRISCI - IRSS - ESP UCL Projet de recherche fédéral
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailItem 169 : Évaluation thérapeutique et niveau de preuve
Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes
Plus en détailGestion obligataire passive
Finance 1 Université d Evry Séance 7 Gestion obligataire passive Philippe Priaulet L efficience des marchés Stratégies passives Qu est-ce qu un bon benchmark? Réplication simple Réplication par échantillonnage
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailMRK -6081 A : Méthodes d Analyse de Données en Marketing Automne 2010
E MRK -6081 A : Méthodes d Analyse de Données en Marketing Automne 2010 Professeure :Elissar Toufaily Plage horaire du cours : Cours en salle Jeudi 15h 30-18h30 Local 4221 PAP Du 2 septembre. 2010 au 9
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailLECTURE CRITIQUE 1 ER PAS
1 LECTURE CRITIQUE D UN ARTICLE SCIENTIFIQUE 1 ER PAS FORUM PCI 20,05,14 MJ Thévenin / Inf. EPIAS/ SMPH BUTS ET ORGANISATION DE LA PRÉSENTATION Utiliser une grille de lecture critique d un article Comprendre
Plus en détailChapitre 6 : Consolidation par paliers et consolidation directe
Chapitre 6 : Consolidation par paliers et consolidation directe I Principe général II- Consolidation par paliers III - Consolidation directe Cas de synthèse 1 Case de synthèse 2 I. Principe général Les
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailAccédez au test ici http://myspeed.visualware.com/index.php
Test de vitesse VoIP Pourquoi faire le test? Un test de vitesse VoIP est un moyen efficace d évaluer la capacité de votre connexion Internet à prendre en charge un système de téléphonie VoIP. D autres
Plus en détaild évaluation Objectifs Processus d élaboration
Présentation du Programme pancanadien d évaluation Le Programme pancanadien d évaluation (PPCE) représente le plus récent engagement du Conseil des ministres de l Éducation du Canada (CMEC) pour renseigner
Plus en détailProjet SINF2275 «Data mining and decision making» Projet classification et credit scoring
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems
Plus en détailT de Student Khi-deux Corrélation
Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes
Plus en détailÉtude : Épargne nationale au Canada et aux États-Unis, 1926 à 2011 Diffusé à 8 h 30, heure de l'est dans Le Quotidien, le jeudi 26 juin 2014
Étude : Épargne nationale au Canada et aux États-Unis, 1926 à 11 Diffusé à 8 h 3, heure de l'est dans Le Quotidien, le jeudi 26 juin 14 Le taux d'épargne s'entend du rapport entre l'épargne brute et le
Plus en détailProblèmes de crédit et coûts de financement
Chapitre 9 Problèmes de crédit et coûts de financement Ce chapitre aborde un ensemble de préoccupations devenues essentielles sur les marchés dedérivésdecréditdepuislacriseducréditde2007.lapremièredecespréoccupations
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailUN REGAIN D OPTIMISME
2015 UN REGAIN D OPTIMISME Activité : reprise en pente douce Emploi : renforcement des effectifs Comme pressenti en novembre dernier, les chefs d entreprise de la région Rhône- Alpes anticipent un développement
Plus en détailApproche par groupe de gènes pour les données longitudinales d expression génique avec une application dans un essai vaccinal contre le VIH
Approche par groupe de gènes pour les données longitudinales d expression génique avec une application dans un essai vaccinal contre le VIH Boris Hejblum 1,2,3 & Rodolphe Thiébaut 1,2,3 1 Inserm, U897
Plus en détailDétection et prise en charge de la résistance aux antirétroviraux
Détection et prise en charge de la résistance aux antirétroviraux Jean Ruelle, PhD AIDS Reference Laboratory, UCLouvain, Bruxelles Corata 2011, Namur, 10 juin 2011 Laboratoires de référence SIDA (Belgique)
Plus en détailCritère du choix des variables auxiliaires à utiliser dans l'estimateur par calage
des variables auxiliaires à utiliser dans l'estimateur par calage Mohammed El Haj Tirari Institut National de Statistique et d'economie Appliquée - roc Laboratoire de Statistique d'enquêtes, CREST - Ensai
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailOptimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h
Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailCNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité
1 CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité Une situation fréquente en pratique est de disposer non pas d un résultat mais de plusieurs. Le cas se présente en assurance, par exemple :
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailTableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1
UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés
Plus en détailÉvaluation des mesures de l inflation fondamentale
Évaluation des mesures de l inflation fondamentale Thérèse Laflèche et Jamie Armour, département des Recherches La Banque du Canada a défini sa cible de maîtrise de l inflation en fonction du taux d accroissement
Plus en détailLa segmentation à l aide de EG-SAS. A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM
La segmentation à l aide de EG-SAS A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM Définition de la segmentation - Au lieu de considérer une population dans son ensemble,
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailEtude d un cas industriel : Optimisation de la modélisation de paramètre de production
Revue des Sciences et de la Technologie RST- Volume 4 N 1 /janvier 2013 Etude d un cas industriel : Optimisation de la modélisation de paramètre de production A.F. Bernate Lara 1, F. Entzmann 2, F. Yalaoui
Plus en détailIncertitude et variabilité : la nécessité de les intégrer dans les modèles
Incertitude et variabilité : la nécessité de les intégrer dans les modèles M. L. Delignette-Muller Laboratoire de Biométrie et Biologie Evolutive VetAgro Sup - Université de Lyon - CNRS UMR 5558 24 novembre
Plus en détailCours de tracés de Charpente, Le TRAIT
Page 1/5 Cours de tracés de Charpente, Le TRAIT Recherches de vraies grandeurs, angles de coupes, surfaces. Les Méthodes : Le tracé et les calculs Chaque chapitre ou fichier comportent une explication
Plus en détailUN 1 ER SEMESTRE EN DEMI-TEINTE
2015 UN 1 ER SEMESTRE EN DEMI-TEINTE Activité : reprise modérée Emploi : contraction des effectifs Contrairement à leurs prévisions de novembre dernier, les PME de la région anticipent un développement
Plus en détailMario Geiger octobre 08 ÉVAPORATION SOUS VIDE
ÉVAPORATION SOUS VIDE 1 I SOMMAIRE I Sommaire... 2 II Évaporation sous vide... 3 III Description de l installation... 5 IV Travail pratique... 6 But du travail... 6 Principe... 6 Matériel... 6 Méthodes...
Plus en détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailArithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot
Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,
Plus en détailLe modèle de régression linéaire
Chapitre 2 Le modèle de régression linéaire 2.1 Introduction L économétrie traite de la construction de modèles. Le premier point de l analyse consiste à se poser la question : «Quel est le modèle?». Le
Plus en détailLES MODELES DE SCORE
LES MODELES DE SCORE Stéphane TUFFERY CONFERENCE GENDER DIRECTIVE 31 mai 2012 31/05/2012 ActuariaCnam Conférence Gender Directive Stéphane Tufféry 1 Plan Le scoring et ses applications L élaboration d
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailDoes it pay to improve Corporate Governance? An empirical analysis of European Equities
Does it pay to improve Corporate Governance? An empirical analysis of European Equities Joseph GAWER NATIXIS Asset Management Université Paris Dauphine joseph.gawer@am.natixis.com Association Française
Plus en détail