CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)"

Transcription

1 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 exercice et de trois problèmes indépendants. Une attention particulière sera apportée à la rédaction et à la justification des résultats. L usage de la calculatrice est interdit.

2 Exercice 1 : Tests de rang On considère deux échantillons (X 1,..., X n ) et (Y 1,..., Y n ) de variables aléatoires continues indépendantes et identiquement distribuées de fonctions de répartition F et G respectivement. On suppose que F et G appartiennent à une classe P donnée. Par ailleurs, les deux échantillons sont indépendants. L objectif de cet exercice est de tester l hypothèse nulle F = G contre l alternative F G. 1. Expliquer pourquoi P (X 1 = Y 1 ) = 0 et en déduire que sous l hypothèse nulle, P (X 1 > Y 1 ) = 1/2. 2. On pose T = n ( 1 n ) n 1 Xi>Y i 1. 2 i=1 Quelle est la loi limite de T sous l hypothèse nulle? En déduire la région critique d un test asymptotique de l hypothèse F = G contre F G de niveau de confiance 1 α. 3. On suppose que P est constitué de l ensemble des fonctions de répartition continues sur R. Montrer qu il existe (F, G) P 2, avec F G, tel que P (X 1 > Y 1 ) = 1/2. Le test précédent est-il convergent? 4. On suppose que : P = {x F 0 (x θ), θ R} où F 0 est une fonction de répartition fixée (inconnue du statisticien), strictement croissante. Montrer que si X 1 (resp. Y 1 ) a pour fonction de répartition x F 0 (x θ 1 ) (resp. x F 0 (x θ 2 )), avec θ 1 < θ 2, alors P (X 1 > Y 1 ) < 1/2. En déduire que le test défini à la question 2 est convergent dans ce cas. Problème 1 : Mélange de deux populations On s intéresse au comportement d achat de n consommateurs. Le consommateur i décide de la quantité d achat Y i d un produit et de la durée D i entre deux achats. On suppose que les couples (D i, Y i ) i {1,...,n} sont indépendants et identiquement distribués. A. Cas homogène On suppose dans un premier temps que les consommateurs ont tous la même équation de comportement : où β = ( a b) et Xi = Y i = X i β + U i, avec E(U i X i ) = 0 ) (1 D i. On note d i (resp. y i ) l observation relative à la variable aléatoire D i (resp. Y i ) et d = 1 n di, y = 1 n yi, d 2 = 1 n d 2 i, dy = 1 n di y i. On souhaite estimer a et b. 1. Montrer qu on a E(X i(y i X i β)) = 0 2. On s intéresse à l estimateur β = (â, b) qui satisfait la contrepartie empirique de cette équation. Ecrire cette contrepartie. 1

3 3. Résoudre le système vérifié par (â, b). 4. Vérifier que l estimateur obtenu coïncide avec l estimateur des moindres carrés ordinaires du modèle linéaire simple. B. Mélange On suppose désormais que la population est séparée en deux catégories : les personnes i qui aiment beaucoup ce produit (C i = 1) et ceux qui n aiment pas particulièrement ce produit mais l achètent plutôt par obligation (C i = 0). Mais la catégorie des individus est inobservée et la proportion p 1 = P (C i = 1) est inconnue. On suppose toujours que les triplets (Y i, X i, C i ) i {1,...,n} sont indépendants et identiquement distribués. où β 1 = ( ) ( ). a 1 b 1 et β2 = a 2 b 2 Y i = X i β 1 + U i, E(U i X i ) = 0, si C i = 1 Y i = X i β 2 + U i, E(U i X i ) = 0, si C i = On suppose tout d abord que D i et C i sont indépendants. Calculer γ R 2 tel que E(X i (Y i X i γ) = 0. Vers quelle valeur tend l estimateur des moindres carrés ordinaires? Commenter. 2. On suppose maintenant et jusqu à la fin de l exercice que b 1 = b 2 = b et que D et C sont dépendants : avec δ = ( c d), d 0 et Zi = a) Quel est le signe de d? b) Ecrire Y i en fonction de a 1, a 2, b, C i, D i et U i. D i = Z i δ + V i, E (Z iv i ) = 0 ) (1 C i. On note par ailleurs V (V i ) = σv 2. c) Calculer cov(y i, D i ). En déduire que l estimateur des moindres carrés ordinaires b de b, issu de la régression de Y i sur X i, est biaisé et calculer son biais. d) Etudier l évolution du biais de b en fonction de p (les autres coefficients restant constants). Commenter. e) Quel est, a priori, le signe de b? Montrer que b et E( b) peuvent être de signes opposés. Représenter graphiquement cette situation et commenter. 3. On observe maintenant pour chaque individu i deux couples quantités - durées (Y i,1, X i,1 ) et (Y i,2, X i,2 ). Les résidus correspondants sont U i,1 et U i,2. Les consommateurs ne changent pas de catégorie : C i,1 = C i,2 = C i. Exprimer Y i,2 Y i,1 en fonction de a 1, a 2, b, C i, D i,1, D i,2, U i,1 et U i,2. Que remarque-t-on? Proposer un estimateur sans biais de b. 2

4 Problème 2 : Modélisation des offres d emploi On s intéresse à la modélisation des offres d emploi reçues par les chômeurs. On suppose que la durée (exprimée en mois) D j entre l arrivée de la j 1-ème et de la j-ème offre suit une loi exponentielle de paramètre λ de densité : f 1 (x) = λe λx 1 x 0. On note alors D j E(λ). On suppose que les durées sont indépendantes entre elles. On s intéresse à l estimation de λ et de d = 1/λ, sachant que les durées entre les offres ne sont pas observées. Préliminaires 1. Calculer E(D 1 ) et V (D 1 ). 2. Montrer par récurrence que la densité de k j=1 Dj s écrit : f k (x) = λk x k 1 e λx 1 x 0 (k 1)! A. Nombre d offres reçues par mois On suppose ici que l on observe le nombre X d offres reçues durant un mois par un chômeur. 1. Montrer que, pour tout k N, k k+1 {X = k} D j 1 < j=1 où l on suppose par convention que 0 j=1 D j = En déduire que, pour tout k N, j=1 D j Quelle est la loi suivie par X? P (X = k) = e λ λ k k! 3. Calculer E(X) et V (X). 4. On observe un échantillon indépendamment et identiquement distribué (X 1,..., X n ) de nombres d offres reçues durant un mois par n chômeurs. Calculer l estimateur du maximum de vraisemblance de λ. Montrer qu il est convergent et donner sa loi limite. N.B. : pour les deux derniers points, on n utilisera pas de théorèmes généraux sur l estimateur du maximum de vraisemblance. B. Durées de chômage On suppose qu un chômeur i peut accepter avec une probabilité p i une offre ou la refuser. S il l accepte, il commence immédiatement à travailler. On observe maintenant T, la durée passée au chômage, et Y, le nombre d offres qu il a reçues avant de commencer à travailler (si par exemple il accepte la première offre, Y = 1). On suppose que Y et les (D j ) j N sont indépendants. Par ailleurs, on considère dans un premier temps que les p i sont tous identiques, égaux à p ]0, 1[. 3

5 1. Calculer P (Y = k) pour tout k N en fonction de p. Combien d offres un chômeur reçoit-il en moyenne avant d accepter un emploi? 2. Ecrire T en fonction de Y et des (D j ) j N Montrer que T E(λp). 3. On observe un échantillon indépendamment identiquement distribué ((T 1, Y 1 ),..., (T n, Y n )) de durées de chômage et de nombre d offres reçues de n chômeurs. Calculer E(T Y ). En déduire que d = 1 n est un estimateur sans biais de d. Montrer également qu il est convergent. 4. Calculer la variance de d en fonction de n, d et p. Montrer qu elle est croissante en p, interpréter. Indication : on rappelle que + k=1 xk k = ln(1 x), pour tout x [0, 1[. 5. On suppose maintenant et jusqu à la fin du problème que les probabilités (p i ) i {1,...,n} sont différentes d un chômeur à l autre. Ces probabilités sont considérées comme des variables aléatoires indépendantes et identiquement distribuées, et indépendantes des durées entre chaque offre reçue par les chômeurs. Leur densité est inconnue et notée f p. f p est supposée bornée. Dans ces conditions, l estimateur d reste-t-il sans biais? Est-il convergent? 6. Enfin, on suppose que les variables Y i ne sont pas observées. En revanche, la probabilité moyenne d acceptation E(p) est considérée comme connue (par exemple grâce à des données auxiliaires sur les entreprises). On observe toujours (T 1,..., T n ). a) Peut-on utiliser l estimateur du maximum de vraisemblance? Pourquoi? b) Soit f T la densité de la durée de chômage T. Calculer f T (t), pour tout t R +. En déduire que n i=1 T i Y i f T (0) = λe(p) c) On considère l estimateur de λ défini par λ n = Expliquer la logique de cet estimateur. 1 nh n E(p) n 1 Ti [0,h n]. (1) d) A l aide de développements limités, montrer que le biais B n et la variance V n de λ n vérifient : i=1 B n h nλ 2 E(p 2 ) 2E(p) λ V n nh n E(p). e) A quel arbitrage fait-on face dans le choix de h n? Déterminer une condition suffisante générale sur h n pour que λ n converge en probabilité vers λ. 4

6 Problème 3 : Test séquentiel. On étudie dans ce problème le test séquentiel de ratio de probabilités de Wald 1. On s intéresse à un test d hypothèses sur la variable aléatoire x : H 0 : x suit la loi de densité f 0 H 1 : x suit la loi de densité f 1 A. Protocole On observe des réalisations x 1,..., x n de x (le nombre d observations n n est pas fixé a priori). On pose : z = log f 1(x) f 0 (x), z i = log f 1(x i ) f 0 (x i ) et Z i = z z i et on suppose E(z) 0 On appelle D 0 (respectivement D 1 ) l événement "décision d accepter" (respectivement rejeter) H 0. On pourra identifier Z i à la variable aléatoire engendrant l observation Z i. On considère une probabilité a priori g 0 que H 0 soit vraie et on pose g 1 = 1 g 0. On a effectué m observations. 1. On pose A quoi correspondent α et β? α = P (D 1 H 0 ) β = P (D 0 H 1 ) 2. Calculer les probabilités g 0m = P (H 0 x 1,..., x m ) et g 1m = P (H 1 x 1,..., x m ). 3. Soient d 0, d 1 ] 1 2, 1[. On souhaite accepter H 0 (respectivement H 1 ) si g 0m d 0 (respectivement g 1m d 1 ). Vérifier que ces deux conditions sont incompatibles. 4. On appelle ratio des vraisemblances le ratio L m = e Zm. Justifier cette appellation. Réécrire les deux conditions de la question précédente sous la forme : où A > B et A et B sont indépendants de m. L m B ; L m A 5. Lorsque l information disponible ne permet pas d arrêter une décision D 0 ou D 1, on peut obtenir une observation supplémentaire. Proposer un protocole itératif pour prendre une décision D 0 ou D Montrer qu on peut écrire α = β = + m=1 + m=1 D 1m i=1 D 2m i=1 m f 0 (x i )dx 1...dx m m f 1 (x i )dx 1...dx m pour deux suites d ensembles (D 1m ) m 1 et (D 2m ) m 1 que l on explicitera. Montrer que D 2m c D 1m (où c D 1m désigne le complémentaire de D 1m ). 1 Wald, A., Sequential Tests of Statistical Hypotheses, Annals of Mathematical Statistics, Volume 16, Number 2 (1945),

7 7. En déduire que B β 1 α et A 1 β α. 8. Wald propose l approximation suivante. Le statisticien ayant fixé α et β, il pose : B = β 1 α et A = 1 β α Montrer que α α 1 β et β β 1 α. Commenter. 9. Montrer qu on ne peut avoir α > α et β > β. B. Application On s intéresse à la proportion d individus réalisant une fraude fiscale. Si l individu i fraude, on observe x i = 1, sinon on observe x i = 0. Le tirage des individus est un tirage avec remise. L administration souhaite savoir si la proportion p de fraudeurs est élevée ou non. Or le coût d enquête pour savoir s il y a effectivement eu fraude est élevé, on souhaite donc conclure dès que l information rassemblée est jugée suffisante. On met donc en application le modèle vu précédemment. On considère que le niveau de fraude est élevé (respectivement faible) si p = p h (respectivement p = p l < p h ). On propose de tester H 0 : p = p l contre l alternative H 1 : p = p h. 1. Ecrire le ratio de vraisemblances. 2. Représenter graphiquement le protocole de décision. 0n prendra en abscisse le nombre d observations, en ordonnée le nombre de fraudeurs et on représentera les régions du plan correspondant aux décisions D 0 et D 1. 6

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation.

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation. Travaux Dirigés de Probabilités - Statistiques, TD 4 Lois limites ; estimation. Exercice 1. Trois machines, A, B, C fournissent respectivement 50%, 30%, 20% de la production d une usine. Les pourcentages

Plus en détail

11. Tests d hypothèses (partie 1/2)

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

Plus en détail

Leçon 01 Exercices d'entraînement

Leçon 01 Exercices d'entraînement Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =

Plus en détail

Examen d accès - 1 Octobre 2009

Examen d accès - 1 Octobre 2009 Examen d accès - 1 Octobre 2009 Aucun document autorisé - Calculatrice fournie par le centre d examen Ce examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses sont

Plus en détail

Échantillonnage et estimation

Échantillonnage et estimation Échantillonnage et estimation Dans ce chapitre, on s intéresse à un caractère dans une population donnée dont la proportion est notée. Cette proportion sera dans quelques cas connue (échantillonnage),

Plus en détail

EXERCICES SANS PRÉPARATION HEC 2005. Question 11 D après HEC 2005-11 F 2 EXERCICES SANS PRÉPARATION 2008. Question 7 HEC 2006-7 F 1 élève

EXERCICES SANS PRÉPARATION HEC 2005. Question 11 D après HEC 2005-11 F 2 EXERCICES SANS PRÉPARATION 2008. Question 7 HEC 2006-7 F 1 élève 30-1- 2013 J.F.C. p. 1 F 1 F 2 F 3 Assez simple ou proche du cours. Demande du travail. Délicat. EXERCICES SANS PRÉPARATION HEC 2005 Question 11 D après HEC 2005-11 F 2 X est une variable aléatoire de

Plus en détail

Baccalauréat STL biotechnologies Métropole La Réunion 18 juin 2015

Baccalauréat STL biotechnologies Métropole La Réunion 18 juin 2015 Baccalauréat STL biotechnologies Métropole La Réunion 18 juin 2015 Calculatrice autorisée conformément à la circulaire n o 99-186 du 16 novembre 1999. Le candidat doit traiter les quatre exercices. Il

Plus en détail

Chapitre 3. Les distributions à deux variables

Chapitre 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 détail

Simulation de variables aléatoires

Simulation de variables aléatoires Simulation de variables aléatoires S. Robin INA PG, Biométrie Décembre 1997 Table des matières 1 Introduction Variables aléatoires discrètes 3.1 Pile ou face................................... 3. Loi de

Plus en détail

Examen de Statistique Appliquée I

Examen de Statistique Appliquée I Université de Strasbourg Master Éthologie-Écophysiologie 1ère année Examen de Statistique Appliquée I ************************************************************** Le cours, les exercices de travaux dirigés,

Plus en détail

9. Distributions d échantillonnage

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

Plus en détail

Processus aléatoires avec application en finance

Processus aléatoires avec application en finance Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et

Plus en détail

Loi normale ou loi de Laplace-Gauss

Loi normale ou loi de Laplace-Gauss LivreSansTitre1.book Page 44 Mardi, 22. juin 2010 10:40 10 Loi normale ou loi de Laplace-Gauss I. Définition de la loi normale II. Tables de la loi normale centrée réduite S il y avait une seule loi de

Plus en détail

COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR

COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR Université Paris VII. Préparation à l Agrégation. (François Delarue) COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR Ce texte vise à l étude du temps d attente d un client à la caisse d un

Plus en détail

EXERCICES - ANALYSE GÉNÉRALE

EXERCICES - ANALYSE GÉNÉRALE EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par

Plus en détail

La régression logistique

La régression logistique La régression logistique Présentation pour le cours SOL6210, Analyse quantitative avancée Claire Durand, 2015 1 Utilisation PQuand la variable dépendante est nominale ou ordinale < Deux types selon la

Plus en détail

Bac Blanc Terminale ES - Février 2014 Épreuve de Mathématiques (durée 3 heures)

Bac Blanc Terminale ES - Février 2014 Épreuve de Mathématiques (durée 3 heures) Bac Blanc Terminale ES - Février 2014 Épreuve de Mathématiques (durée 3 heures) L attention des candidats est attirée sur le fait que la qualité de la rédaction, la clarté et la précision des raisonnements

Plus en détail

Master 1 Informatique Éléments de statistique inférentielle

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

Plus en détail

1ES Février 2013 Corrigé

1ES Février 2013 Corrigé 1ES Février 213 Corrigé Exercice 1 Le tableau ci-dessous renseigne sur les besoins en eau dans le monde : Population mondiale (Milliards d habitants) Volume moyen par habitant ( ) 195 2,5 4 1 197 3,6 5

Plus en détail

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Baccalauréat 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 détail

Devoir Surveillé n 5 BTS 2009 groupement B

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

Plus en détail

Master Modélisation Statistique M2 Finance - chapitre 3 Modèles financiers discrets

Master Modélisation Statistique M2 Finance - chapitre 3 Modèles financiers discrets Master Modélisation Statistique M2 Finance - chapitre 3 Modèles financiers discrets Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté. C.Dombry (Université de Franche-Comté)

Plus en détail

Commun à tous les candidats

Commun à tous les candidats BACCALAURÉAT GÉNÉRAL SESSION 213 MATHÉMATIQUES Série ES/L Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) ES : ENSEIGNEMENT OBLIGATOIRE L : ENSEIGNEMENT DE SPECIALITE Les calculatrices électroniques

Plus en détail

Cours 1: lois discrétes classiques en probabilités

Cours 1: lois discrétes classiques en probabilités Cours 1: lois discrétes classiques en probabilités Laboratoire de Mathématiques de Toulouse Université Paul Sabatier-IUT GEA Ponsan Module: Stat inférentielles Définition Quelques exemples loi d une v.a

Plus en détail

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences

Plus en détail

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE Mardi 26 juin 2012 MATHEMATIQUES durée de l épreuve : 4h

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE Mardi 26 juin 2012 MATHEMATIQUES durée de l épreuve : 4h Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE Mardi 26 juin 2012 MATHEMATIQUES durée de l épreuve : 4h A. P. M. E. P. Le problème se compose de 4 parties. La dernière page sera à rendre avec

Plus en détail

Chapitre 1 : Évolution COURS

Chapitre 1 : Évolution COURS Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir

Plus en détail

: 3 si x 2 [0; ] 0 sinon

: 3 si x 2 [0; ] 0 sinon Oral HEC 2007 Question de cours : Dé nition d un estimateur ; dé nitions du biais et du risque quadratique d un estimateur. On considère n (n > 2) variables aléatoires réelles indépendantes X 1,..., X

Plus en détail

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini.

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. 1 Introduction Des actions comme lancer un dé, tirer une carte d un jeu, observer la durée de vie d une ampoule électrique, etc...sont

Plus en détail

CONCOURS D ADMISSION. Option économique MATHEMATIQUES III. Année 2006

CONCOURS D ADMISSION. Option économique MATHEMATIQUES III. Année 2006 ESSEC M B A CONCOURS D ADMISSION Option économique MATHEMATIQUES III Année 2006 La présentation, la lisibilité, l orthographe, la qualité de la rédaction, la clarté et la précision des raisonnements entreront

Plus en détail

L utilisation des statistiques lors de mon stage de. Tuteur pédagogique : M. Coquet

L utilisation des statistiques lors de mon stage de. Tuteur pédagogique : M. Coquet L utilisation des statistiques lors de mon stage de 2nde année à l ENSAI. Réalisée par Ingé Julien Maître de stage : Mme Piercourt-Jost Tuteur pédagogique : M. Coquet PLAN : I) Le stage II) Méthodes M

Plus en détail

Points fixes de fonctions à domaine fini

Points fixes de fonctions à domaine fini ÉCOLE POLYTECHNIQUE ÉCOLE NORMALE SUPÉRIEURE DE CACHAN ÉCOLE SUPÉRIEURE DE PHYSIQUE ET DE CHIMIE INDUSTRIELLES CONCOURS D ADMISSION 2013 FILIÈRE MP HORS SPÉCIALITÉ INFO FILIÈRE PC COMPOSITION D INFORMATIQUE

Plus en détail

BREVET DE TECHNICIEN SUPÉRIEUR COMPTABILITÉ ET GESTION DES ORGANISATIONS Session 2013 ÉPREUVE DE MATHÉMATIQUES. Durée : 2 heures Coefficient : 2

BREVET DE TECHNICIEN SUPÉRIEUR COMPTABILITÉ ET GESTION DES ORGANISATIONS Session 2013 ÉPREUVE DE MATHÉMATIQUES. Durée : 2 heures Coefficient : 2 BREVET DE TECHNICIEN SUPÉRIEUR COMPTABILITÉ ET GESTION DES ORGANISATIONS Session 2013 ÉPREUVE DE MATHÉMATIQUES Durée : 2 heures Coefficient : 2 SUJET Dès que le sujet vous est remis, assurez-vous qu il

Plus en détail

Analyse de l évolution de la structure des ménages dans l enquête sur le budget des ménages

Analyse de l évolution de la structure des ménages dans l enquête sur le budget des ménages Analyse de l évolution de la structure des ménages dans l enquête sur le budget des ménages S. Winandy, R. Palm OCA GxABT/ULg oca.gembloux@ulg.ac.be décembre 2011 1 Introduction La Direction Générale Statistique

Plus en détail

BACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE

BACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la

Plus en détail

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013 Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de

Plus en détail

ECRICOME 2004. Voie Eco. 1 1 + x. f (x) dx n N, u n = 1. 0 xn f (x) dx

ECRICOME 2004. Voie Eco. 1 1 + x. f (x) dx n N, u n = 1. 0 xn f (x) dx ECRICOME 2004 Voie Eco 1 EXERCICE 1 EXERCICE Soient f la fonction numérique de la variable réelle définie par : x R, f (x = 1 2 et (u n la suite de nombres réels déterminée par : { u 0 = 1 f (x dx 0 n

Plus en détail

Fiche de révision sur les lois continues

Fiche de révision sur les lois continues Exercice 1 Voir la correction Le laboratoire de physique d un lycée dispose d un parc d oscilloscopes identiques. La durée de vie en années d un oscilloscope est une variable aléatoire notée X qui suit

Plus en détail

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

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

Plus en détail

Probabilités Loi exponentielle Exercices corrigés

Probabilités Loi exponentielle Exercices corrigés Probabilités Loi exponentielle Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : densité de probabilité Exercice 2 : loi exponentielle de paramètre

Plus en détail

CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité

CNAM 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 détail

Théorème du point fixe - Théorème de l inversion locale

Théorème du point fixe - Théorème de l inversion locale Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion

Plus en détail

Université d Orléans - Maitrise Econométrie Econométrie des Variables Qualitatives

Université d Orléans - Maitrise Econométrie Econométrie des Variables Qualitatives Université d Orléans - Maitrise Econométrie Econométrie des Variables Qualitatives Examen Décembre 00. C. Hurlin Exercice 1 (15 points) : Politique de Dividendes On considère un problème de politique de

Plus en détail

VI. Tests non paramétriques sur un échantillon

VI. Tests non paramétriques sur un échantillon VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes

Plus en détail

Corrigé Bac ES Spécialité Maths Antilles Guyane 2011

Corrigé Bac ES Spécialité Maths Antilles Guyane 2011 Corrigé Bac ES Spécialité Maths Antilles Guyane 2011 Christian CYRILLE A quoi servent les mathématiques? : C est pour l honneur de l esprit humain? Jacobi 1 Exercice 1-5 points - Commun à tous les candidats

Plus en détail

STATISTIQUES A UNE VARIABLE EXERCICES CORRIGES

STATISTIQUES A UNE VARIABLE EXERCICES CORRIGES STATISTIQUES A UNE VARIALE EXERCICES CORRIGES Exercice n Les élèves d une classe ont obtenu les notes suivantes lors d un devoir : Note 4 5 8 0 4 5 8 0 Effectif 4 7 6 4 ) Déterminer l étendue et le mode

Plus en détail

Exercices sur les lois de probabilités continues

Exercices sur les lois de probabilités continues Terminale S Exercices sur les lois de probabilités continues Exercice n 1 : X est la variable aléatoire de la loi continue et uniforme sur [0 ; 1]. Donner la probabilité des événements suivants : a. b.

Plus en détail

Agrégation interne de Mathématiques. Session 2009. Deuxième épreuve écrite. (et CAERPA)

Agrégation interne de Mathématiques. Session 2009. Deuxième épreuve écrite. (et CAERPA) Agrégation interne de Mathématiques (et CAEPA Session 2009 Deuxième épreuve écrite 2 NOTATIONS ET PÉLIMINAIES On désigne par le corps des nombres réels et par C le corps des nombres complexes. Si f est

Plus en détail

BACCALAURÉAT BLANC DE MATHÉMATIQUES. Terminales ES (Spécialité)

BACCALAURÉAT BLANC DE MATHÉMATIQUES. Terminales ES (Spécialité) BACCALAURÉAT BLANC DE MATHÉMATIQUES Terminales ES (Spécialité) Vendredi 7 février 0 8h - h coefficient : 7 Les calculatrices sont autorisées Le sujet est composé de exercices indépendants. Le candidat

Plus en détail

TD : Equilibre Général. Emmanuel Duguet

TD : Equilibre Général. Emmanuel Duguet TD : Equilibre Général Emmanuel Duguet 2013-2014 Sommaire 1 Les ménages 2 1.1 Consommation et temps de travail................ 2 1.2 Prix et salaire d équilibre..................... 3 2 Equilibre avec

Plus en détail

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes

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

Plus en détail

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

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

Plus en détail

Épreuve de mathématiques Terminale ES 200 minutes

Épreuve de mathématiques Terminale ES 200 minutes Examen 2 Épreuve de mathématiques Terminale ES 200 minutes L usage de la calculatrice programmable est autorisé. La bonne présentation de la copie est de rigueur. Cet examen comporte 7 pages et 5 exercices.

Plus en détail

Chapitre VI Échantillonages et simulations

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

Plus en détail

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Année 2008/2009 1 Décomposition QR On rappelle que la multiplication avec une matrice unitaire Q C n n (c est-à-dire Q 1 = Q = Q T ) ne change

Plus en détail

Intérêt et limites des estimations sur petits domaines HID «Petits domaines», une opération inhabituelle :

Intérêt et limites des estimations sur petits domaines HID «Petits domaines», une opération inhabituelle : Intérêt et limites des estimations sur petits domaines HID «Petits domaines», une opération inhabituelle : a. Une opération de «production» b. Visant l ensemble des variables d une enquête c. Recherchant

Plus en détail

Baccalauréat ES Polynésie 7 juin 2013

Baccalauréat ES Polynésie 7 juin 2013 Baccalauréat ES Polnésie 7 juin 2013 EXERCICE 1 Cet exercice est un questionnaire à choix multiples. Pour chaque question, une seule des quatre réponses proposées est correcte. Une réponse juste rapporte

Plus en détail

Chapitre 3 : INFERENCE

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

Plus en détail

Terminale ES Correction du bac blanc de Mathématiques (version spécialité).

Terminale ES Correction du bac blanc de Mathématiques (version spécialité). Terminale ES Correction du bac blanc de Mathématiques (version spécialité). Lycée Jacques Monod février 05 Exercice : Voici les graphiques des questions. et.. A 4 A Graphique Question. Graphique Question..

Plus en détail

Simulation d un système d assurance automobile

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

Plus en détail

Estimation et tests statistiques, TD 5. Solutions

Estimation et tests statistiques, TD 5. Solutions ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études

Plus en détail

MATHÉMATIQUES ET SCIENCES HUMAINES

MATHÉMATIQUES ET SCIENCES HUMAINES MATHÉMATIQUES ET SCIENCES HUMAINES B. MARCHADIER Dépendance et indépendance de deux aléas numériques images Mathématiques et sciences humaines, tome 25 (1969), p. 2534.

Plus en détail

Baccalauréat S Nouvelle-Calédonie 17 novembre 2014

Baccalauréat S Nouvelle-Calédonie 17 novembre 2014 Durée : 4 heures Baccalauréat S Nouvelle-Calédonie 17 novembre 2014 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats Les trois parties A, B et C sont indépendantes Une fabrique de desserts glacés

Plus en détail

5 Méthodes algorithmiques

5 Méthodes algorithmiques Cours 5 5 Méthodes algorithmiques Le calcul effectif des lois a posteriori peut s avérer extrêmement difficile. En particulier, la prédictive nécessite des calculs d intégrales parfois multiples qui peuvent

Plus en détail

Limites finies en un point

Limites finies en un point 8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,

Plus en détail

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Université Paris1, Licence 00-003, Mme Pradel : Principales lois de Probabilité 1 DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Notations Si la variable aléatoire X suit la loi L, onnoterax

Plus en détail

NOTE SUR LA MODELISATION DU RISQUE D INFLATION

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

Plus en détail

SY09 Rapport TP4 : Analyse discriminante, régression logistique

SY09 Rapport TP4 : Analyse discriminante, régression logistique UNIVERSITÉ DE TECHNOLOGIE DE COMPIÈGNE SY09 Rapport TP4 : Analyse discriminante, régression logistique CUNI Frédéric 15 juin 2015 Objectifs du TP : Le but de ce TP est l application de l analyse discriminante

Plus en détail

La gestion des ventes.

La gestion des ventes. I. La prévision des ventes. A. Principe. La gestion des ventes. Elle consiste à déterminer les ventes futures à la fois en quantité et en valeur en tenant compte des tendances et contraintes imposées à

Plus en détail

TESTS D'HYPOTHESES Etude d'un exemple

TESTS D'HYPOTHESES Etude d'un exemple TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses

Plus en détail

Session 2011. Enseignement de Spécialité. Durée de l épreuve : 3 heures. Coefficient : 7. Ce sujet comporte 7 pages numérotées de 1 à 7.

Session 2011. Enseignement de Spécialité. Durée de l épreuve : 3 heures. Coefficient : 7. Ce sujet comporte 7 pages numérotées de 1 à 7. BACCALAURÉAT GENÉRAL Session 2011 MATHÉMATIQUES Série ES Enseignement de Spécialité Durée de l épreuve : 3 heures Coefficient : 7 Ce sujet comporte 7 pages numérotées de 1 à 7. L utilisation d une calculatrice

Plus en détail

Probabilité conditionnelle et indépendance. Couples de variables aléatoires. Exemples

Probabilité conditionnelle et indépendance. Couples de variables aléatoires. Exemples 36 Probabilité conditionnelle et indépendance. Couples de variables aléatoires. Exemples (Ω, B, P est un espace probabilisé. 36.1 Définition et propriétés des probabilités conditionnelles Définition 36.1

Plus en détail

Constante d acidité d un couple acide/base

Constante d acidité d un couple acide/base ACTIVITE-COURS CHIMIE N 3 TS 1/6 CONSTANTE D ACIDITE D UN COUPLE ACIDE/ABASE Objectifs de l'activité Activité-cours de chimie N 3 Constante d acidité d un couple acide/base Connaître la réaction d autoprotolyse

Plus en détail

Analyse de la variance (ANOVA)

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

Plus en détail

Licence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7

Licence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7 Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,

Plus en détail

Dénombrement, opérations sur les ensembles.

Dénombrement, opérations sur les ensembles. Université Pierre et Marie Curie 2013-2014 Probabilités et statistiques - LM345 Feuille 1 (du 16 au 20 septembre 2013) Dénombrement, opérations sur les ensembles 1 Combien de façons y a-t-il de classer

Plus en détail

Sujet de Bac 2012 Maths ES Obligatoire & Spécialité - Métropole

Sujet de Bac 2012 Maths ES Obligatoire & Spécialité - Métropole Sujet de Bac 2012 Maths ES Obligatoire & Spécialité - Métropole Exercice 1 : 5 points Sur le site http: //www.agencebio.org, on a extrait des informations concernant l agriculture en France métropolitaine.

Plus en détail

Exercice 1 Métropole juin 2014 5 points

Exercice 1 Métropole juin 2014 5 points Le sujet comporte 6 pages. Seule l annexe est à rendre avec la copie. BAC BLANC MATHÉMATIQUES TERMINALE STMG Durée de l épreuve : 3 heures Les calculs doivent être détaillés. Les calculatrices sont autorisées,

Plus en détail

Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé

Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H

Plus en détail

Baccalauréat S Asie 18 juin 2013

Baccalauréat S Asie 18 juin 2013 Baccalauréat S Asie 18 juin 2013 Dans l ensemble du sujet, et pour chaque question, toute trace de recherche même incomplète, ou d initiative même non fructueuse, sera prise en compte dans l évaluation

Plus en détail

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Master Modélisation et Simulation / ENSTA TD 1 2012-2013 Les méthodes dites de Monte-Carlo consistent en des simulations expérimentales de problèmes

Plus en détail

Soutien illimité 7j/7 en maths: Coach, profs, exercices & annales, cours. Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Amérique du Nord

Soutien illimité 7j/7 en maths: Coach, profs, exercices & annales, cours. Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Amérique du Nord Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Amérique du Nord EXERCICE 1 : 5 points On se place dans l espace muni d un repère orthonormé. On considère les points,, et. 1. Démontrer que les points,

Plus en détail

Exercice 2. Population de Bruxelles de 18 à 65 ans selon le sexe et le statut d occupation - 2010

Exercice 2. Population de Bruxelles de 18 à 65 ans selon le sexe et le statut d occupation - 2010 Chapitre 1. Tableau à double entrée Exercices : solutions Texte provisoire. Merci pour les remarques, commentaires, suggestions Exercice 1 1.a. Population de Bruxelles selon le sexe et la nationalité Hommes

Plus en détail

La problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites

La problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur

Plus en détail

UNIVERSITÉ DE CERGY Année 2012-2013 U.F.R. Économie & Gestion Licence d Économie et Mathématiques MATH104 : Mathématiques

UNIVERSITÉ DE CERGY Année 2012-2013 U.F.R. Économie & Gestion Licence d Économie et Mathématiques MATH104 : Mathématiques 1 UNIVERSITÉ DE CERGY Année 2012-201 U.F.R. Économie & Gestion Licence d Économie et Mathématiques MATH104 : Mathématiques Chapitre III : Polynômes 1 Fonctions polynômes & polynômes Définition 1. Soit

Plus en détail

L3-2014/2015 Mercredi 14 janvier Mathématiques Discrètes. Examen. Exercice 1.

L3-2014/2015 Mercredi 14 janvier Mathématiques Discrètes. Examen. Exercice 1. Examen Exercice 1. Soit N un entier naturel 2. On dispose de trois jeux de N cartes (numérotées de 1 à N), chaque jeu étant d une couleur différente : rouge, bleue et verte. On se propose de distribuer

Plus en détail

Analyse de variance à un facteur Tests d hypothèses Analyse de variance à deux facteurs. Analyse de la variance ANOVA

Analyse de variance à un facteur Tests d hypothèses Analyse de variance à deux facteurs. Analyse de la variance ANOVA Analyse de la variance ANOVA Terminologie Modèles statistiques Estimation des paramètres 1 Analyse de variance à un facteur Terminologie Modèles statistiques Estimation des paramètres 2 3 Exemple. Analyse

Plus en détail

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

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

Plus en détail

Soutien illimité 7j/7 en maths: Coach, profs, exercices & annales, cours. Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Liban

Soutien illimité 7j/7 en maths: Coach, profs, exercices & annales, cours. Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Liban Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Liban EXERCICE 1 : 4 Points Cet exercice est un questionnaire à choix multiples. Aucune justification n est demandée. Pour chacune des questions, une

Plus en détail

Le corps R des nombres réels

Le corps R des nombres réels Le corps R des nombres réels. Construction de R à l aide des suites de Cauchy de nombres rationnels On explique brièvement dans ce paragraphe comment construire le corps R des nombres réels à partir du

Plus en détail

POLY-PREPAS ANNEE 2009/2010 Centre de Préparation aux Concours Paramédicaux

POLY-PREPAS ANNEE 2009/2010 Centre de Préparation aux Concours Paramédicaux POLY-PREPAS ANNEE 2009/2010 Centre de Préparation aux Concours Paramédicaux - Section : i-prépa Audioprothésiste (annuel) - MATHEMATIQUES 8 : EQUATIONS DIFFERENTIELLES - COURS + ENONCE EXERCICE - Olivier

Plus en détail

Principe des tests statistiques

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

Plus en détail

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE 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 détail

Introduction au cours STA 102 Analyse des données : Méthodes explicatives

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

Plus en détail

Rappel mathématique Germain Belzile

Rappel mathématique Germain Belzile Rappel mathématique Germain Belzile Note : à chaque fois qu il est question de taux dans ce texte, il sera exprimé en décimales et non pas en pourcentage. Par exemple, 2 % sera exprimé comme 0,02. 1) Les

Plus en détail

Étapes du développement et de l utilisation d un modèle de simulation

Étapes du développement et de l utilisation d un modèle de simulation Étapes du développement et de l utilisation d un modèle de simulation Étapes du développement et de l utilisation d un modèle de simulation Formulation du problème Cueillette et analyse de données Conception

Plus en détail

TD 4 : HEC 2001 épreuve II

TD 4 : HEC 2001 épreuve II TD 4 : HEC 200 épreuve II Dans tout le problème, n désigne un entier supérieur ou égal à 2 On dispose de n jetons numérotés de à n On tire, au hasard et sans remise, les jetons un à un La suite (a, a 2,,

Plus en détail

Exercice 1 : sur 2,5 points 1) Lire graphiquement les équations des droites D 1, D 2 et D 3 tracées dans le repère ci-dessous

Exercice 1 : sur 2,5 points 1) Lire graphiquement les équations des droites D 1, D 2 et D 3 tracées dans le repère ci-dessous NOM : Seconde A B C H J Mardi 19 janvier 010 Exercice 1 : sur,5 points 1) Lire graphiquement les équations des droites D 1, D et D tracées dans le repère ci-dessous ) Dans le même repère, tracer la droites

Plus en détail

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

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

Plus en détail

A propos du calcul des rentabilités des actions et des rentabilités moyennes

A propos du calcul des rentabilités des actions et des rentabilités moyennes A propos du calcul des rentabilités des actions et des rentabilités moyennes On peut calculer les rentabilités de différentes façons, sous différentes hypothèses. Cette note n a d autre prétention que

Plus en détail