AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION
|
|
- Richard Roussy
- il y a 8 ans
- Total affichages :
Transcription
1 AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION. INTRODUCTION Il est fréquet de s'terroger sur la relato qu peut exster etre deux gradeurs e partculer das les problèmes de prévso et d estmato. Tros types de problèmes peuvet apparaître:. O dspose d'u certa ombre de pots expérmetaux ( x,y ),où x et y sot les valeurs prses par les gradeurs x et y et o essaye de détermer ue relato foctoelle etre ces deux gradeurs x et y. Cette relato, pour des rasos théorques ou pratques s'écrra y f( x, a,b,c...) et le problème sera d'ajuster au meux les paramètres a,b,c... pour que la courbe représetatve de f passe au plus près des pots ( x,y ). Il s'agt d'u problème d'ajustemet aalytque. Exemple : Le ombre de partcules émses par u élémet radoactf vare e focto du temps. O sat que la lo est de la forme e λ t 0. Les mesures expérmetales permettrot d'estmer au meux 0 et λ.. O essaye de détermer la relato statstque qu exste etre les deux gradeurs X et Y. Ce type d aalyse s appelle aalyse de régresso. O cosdère que la varato de l ue des deux varables (par exemple X) explque celle de l autre (par exemple Y). Chaque domae d applcato a baptsé de oms dfférets ces deux varables : O trouve as : X Y Varable explcatve Varable explquée Varable cotrôlée Répose Varable dépedate Varable dépedate Régresseur... Das ce type d aalyse, o fxe a pror les valeurs de X. X 'est doc pas ue varable aléatore. Mas la deuxème gradeur Y, elle, est ue varable aléatore et sa dstrbuto est fluecée par la valeur de X. O a alors du pot de vue statstque ue relato de cause à effet. Le problème sera d'detfer cette relato. Exemple : O veut détermer s u produt est toxque. Pour cela o le fat absorber e quattés varables par des sours et o mesure leur temps de surve. O partage la populato des sours e quatre lots qu absorberot respectvemet 0,,, 3 doses de produt. X ombre de doses de produt est ue varable cotrôlée preat les valeurs (0,,, 3). Y temps de surve d ue sours est ue varable aléatore (répose à la varable cotrôlée X). J-P LENOIR Page 7
2 S Y est focto de X, le produt est toxque. Coaître la relato etre X et Y ous permettra d évaluer ses effets toxques. 3. Les deux gradeurs X et Y sot aléatores et o cherche à savor s leurs varatos sot lées. Il 'y a pas c de varable explcatve de varable explquée. Les varables peuvet avor des causes commues de varato, parm d'autres, qu explquet leur relato d'u pot de vue statstque : o est e présece d'u problème de corrélato. O cherche alors à mesurer le degré d assocato etre les varables. Exemple : pods et talle d'u dvdu, résultats obteus à deux exames par des étudats.... AJUSTEMENT ANALYTIQUE.. PRINCIPE DE L'AJUSTEMENT O dspose d'u certa ombre de pots ( x,y ), format u uage statstque, et o cherche à tradure la dépedace etre x et y par ue relato de la forme y f(x) ou x g(y) selo ce qu a u ses, ou selo ce qu ous téresse. S ue relato théorque s'mpose à ous comme das l'exemple des partcules radoactves, o ajuste au meux les paramètres de la lo théorque. S l ous faut détermer emprquemet f ou g, o prvlégera les modèles léares.précsos que la léarté du modèle e dot pas prêter à cofuso : le terme léare e se réfère qu'aux paramètres du modèle: y a + bx ou y a + bx+ cx sot des modèles léares alors que das le deuxème exemple la relato etre x et y est quadratque. E x revache y β 0 β est pas u modèle léare. Pour détermer cette relato emprque la forme du uage statstque peut guder otre chox. Mas quelle méthode utlser pour détermer au meux les paramètres du modèle?.. MÉTHODE DES MOINDRES CARRES Sot y f(x,a,b,c,...) l équato de la courbe que l o cherche à ajuster au uage statstque. Nous voudros que les erreurs etre la valeur observée y et la valeur ajustée f(x ) sot mmale. Appelos e la dfférece :e y f ( x ). e est le résdu de la ème observato et sa valeur absolue représete la dstace etre les pots M ( x,y ) et P ( x,f(x )). J-P LENOIR Page 8
3 Les résdus état postfs ou égatfs, leur somme peut être de fable valeur pour ue courbe mal ajustée. O évte cette dffculté e cosdérat la somme des carrés des résdus (la somme de valeurs absolues 'état pas pratque pour des développemets mathématques). Cette somme S( a, b, c,...) e ces paramètres de maère qu'elle sot mmale. déped des paramètres a,b,c,... à ajuster. O chosra e est appelé varato résduelle et ous doe ue mesure de l'ampleur de l'éparpllemet des observatos y courbe d'ajustemet. autour de la.3. CAS DU MODÈLE LINÉAIRE D'ORDRE UN Das ce cas la courbe d'ajustemet sera ue drote d'équato y a + bx. Il ous faut détermer les deux paramètres a et b. La varato résduelle s'écrt : S( a, b) e ( y a bx ) S(a,b) sera mmum lorsque : S a S 0 b S y a bx ( ) 0 a O obtet : S y a bx x ( ) 0 b E dstrbuat l opérateur, l vet : y a b x 0 x y a x b x 0 ce qu codut as à deux équatos dtes "ormales": a + b x y a x + b x x y Nota: Ce système se gééralse faclemet aux modèles léares d ordre (courbes d'ajustemet polyomales à paramètres). O obtet u système léare de équatos à coues. L utlsato des techques matrcelles faclte cosdérablemet sa résoluto. J-P LENOIR Page 9
4 E résolvat ce système, o obtet : ( x y ) ( x )( y ) la pete de la drote b x ( x ) l ordoée à l orge a ( x )( y ) ( x )( x y ) x ( x ) Autres expressos pour a et b : O a : x x et y y ( x )( y ) S o utlse le fat que : ( y y) x y et que : ( x x) x ( x ), l écrture de b smplfe : b ( y y) y () et la premère équato ormale permet de détermer a : Remarques : a y bx (). S S 0 e sot que des codtos écessares de mmalté pour s. L'étude des a b dérvées secodes motre effectvemet que les valeurs trouvées mmset S(a,b). L'équato () sgfe que la drote d'ajustemet passe par le pot ( x, y ) appelé pot moye du uage. 3. Cette drote des modres carrés est appelée drote de régresso de y e x. Elle est uque. 4. S o avat cherché à exprmer la relato etre x et y par x a + b y, o aurat obteu la drote de régresso de x e y qu mmse la somme des carrés des dstaces etre les pots M ( x,y ) et Q ( a + b y, y ). J-P LENOIR Page 0
5 Hstorquemet, c'est sr Fracs GALTON ( 8-9), cous de Charles DARWIN, qu a trodut la oto de régresso : Il a comparé la talle des efats adultes à la talle moyee de leurs parets ( e multplat celle des femmes par.08). E regroupat les doées e classes et e représetat chaque classe par so cetre, l a obteu ue relato presque léare dot la pete est ue estmato de l'hértablté et est d'evro /3. Cec sgfe que des parets très grads ot des efats plus petts qu'eux, et que des parets très petts ot des efats plus grads qu'eux. D'où ue régresso vers la moyee..4. TRANSFORMATIONS SIMPLES PERMETTANT D ÉTENDRE L'USAGE DE L'AJUSTEMENT LINÉAIRE.4.. Schéma expoetel x y et x sot lés par ue relato du type : y y 0 α (). O e dédut : l y l y0 + x lα E posat Y ly, a ly 0, b lα, o est rameé à la recherche des paramètres de la drote Y a + bx qu représete () sur u graphque sem-logarthmque..4.. Schéma à élastcté costate : Q et P sot lés par ue relato du type Q AP E () avec : Q quatté offerte d'u produt P prx demadé E élastcté A costate de ormalsato Ce schéma est courat e écoome : O tre de () la relato : lq l A + E l P E posat Y lq, X lp, a la, o est rameé à la recherche des paramètres de la drote Y a + EX qu représete la relato () sur u graphque à doubles coordoées logarthmques Schéma gausse Nous avos vu qu'l exste etre la valeur x d'ue varable statstque dstrbuée x m ormalemet et sa fréquece cumulée y la relato : y Π( ) (3) σ où Π est la focto de répartto de la lo ormale cetrée rédute. x Cette relato peut s écrre : Π m ( y) et s l o pose t Π ( y), elle devet σ x m t σ. La relato (3) est doc représetée par ue drote, la drote de Hery ( cf chaptre I), sur u paper gausso-arthmétque. m et σ, caractérstques de la dstrbuto ormale peuvet alors être estmés par la méthodes des modres carrés. Cocluso : Cette méthode d'ajustemet aalytque est ue méthode d'aalyse umérque. Nous allos à préset la trater sous l'agle statstque, e cosdérat d'abord, pour tout etre et, y comme la réalsato d ue varable aléatore Y, les x état pas J-P LENOIR Page
6 aléatores (aalyse de régresso), pus e cosdérat, pour tout etre et, x et y comme les réalsatos de deux varables aléatores X et Y (problème de corrélato). 3. LE MODÈLE DE RÉGRESSION LINÉAIRE SIMPLE 3.. INTRODUCTION Cosdéros u exemple. Le drecteur du persoel d ue compage de jouets, a découvert qu l exste ue relato logque et étrote etre le redemet four par les employés et le résultat obteu à u test d apttudes qu l a élaboré. Sur hut employés, l a obteu les résultats suvats Employés A B C D E F G H Producto (Y) (e douzae d utés) Résultats au test d apttude (X) Supposos de plus que ce drecteur at calculé, par la techque du paragraphe précédet, ue équato d estmato (l équato de la drote de régresso) pour prédre le redemet futur du caddat (la varable dépedate) e se fodat sur les résultats du test (la varable dépedate). Y X O représete sur la fgure c-dessous le uage de pots et la drote de régresso as obteus. J-P LENOIR Page
7 L aalyse de régresso peut ous permettre de détermer le degré de fablté des prédctos obteues à l ade de cette équato. J-P LENOIR Page 3
8 Au vu des résultats observés, l semble qu l y at ue relato assez étrote etre les résultats au test et la productvté des employés. Mas les appareces sot parfos trompeuses. Qu e serat-l s la populato totale de l esemble des employés état réparte comme l dque la fgure (a) c-cotre? Serat-l possble que, malgré l échatllo obteu, u tel dagramme représete l esemble des employés de la compage? S tel état le cas, l ous faudrat coclure qu l exste pas de relato etre X et Y car das ue telle stuato, la pete de la drote de régresso pour la populato (paramètre que ous représeteros par le symbole β) serat égale à 0. E somme, l est possble que le drecteur at eu u coup de malchace et que l échatllo qu l a prélevé l at fortemet dut e erreur. U tel cas est pas mpossble. E effet, o pourrat représeter l échatllo, perdu das la populato, sur la fgure (b) c-cotre. La pete postve de la drote de régresso échatlloale ous dque ue relato. O costate qu alors le résultat obteu grâce à l échatllo est e cotradcto avec la réalté de la populato. Commet coclure? Il ous faut effectuer u calcul statstque pour costater qu u tel cas est certes pas mpossble mas fortemet mprobable. O pourra juger correctemet grâce au calcul d u tervalle de coface, ou e effectuat u test d hypothèses. O costatera que la vrae drote de régresso (calculée à partr de la populato toute etère) peut être, selo les doées et la talle de l échatllo, assez dfférete de la drote de régresso obteue à partr de l échatllo mas que, statstquemet, elle se stue das ue régo vose, comme le motre la fgure suvate. J-P LENOIR Page 4
9 Or pour pouvor utlser les techques de l aalyse de régresso léare smple e férece statstque (tervalles de coface, tests), l faut que certaes hypothèses soet vérfées. Nous allos les précser das les deux paragraphes suvats. 3.. DÉFINITION DU MODÈLE État doé couples d observatos (x,y ), (x,y ),..., (x,y ), s l o suppose que la relato plausble etre les deux gradeurs X et Y est léare et d ordre u, alors le modèle de régresso léare smple s écrt : Y α + βx + ε,..., où Y est la varable dépedate (ou explquée) ayat u caractère aléatore et dot les valeurs sot codtoées par la valeur x de la varable explcatve (ou cotrôlée) X et par celles de la composate aléatore ε. y représete la réalsato de la ème varable aléatore Y. x est la valeur de la varable explcatve (ou régresseur) X mesurée sas erreur ou dot les valeurs sot fxées avat expérece à des valeurs arbtrares. Elle est pas susceptble de varatos aléatores et o la cosdère comme ue gradeur certae. ε déote la fluctuato aléatore o observable, attrbuable à u esemble de facteurs ou de varables o prs e cosdérato das le modèle. Cette fluctuato aléatore est pas explquée par le modèle et se reflète sur la varable dépedate Y Cocluso : Pour chaque valeur partculère x prse par le régresseur X, la varable dépedate Y est ue varable aléatore caractérsée par : Ue certae dstrbuto de probablté. Des paramètres descrptfs : sa moyee et sa varace CONDITIONS D APPLICATION DU MODÈLE Pour pouvor étuder le modèle de régresso léare smple, l faut précser certaes hypothèses fodametales qu assuret le fodemet théorque des méthodes d aalyse que ous allos employer. Hypothèses fodametales du modèle léare smple : Y α + βx + ε La courbe jogat les moyees des dstrbutos des Y pour les dfféretes valeurs x est ue drote. Das ce cas l équato de régresso est de la forme : E( Y ) α + β x. Comme ous savos que : E( Y ) α + βx + E( ε ),o e tre que E(ε ) 0. Les erreurs aléatores sot de moyee ulle. J-P LENOIR Page 5
10 La varace σ de chaque dstrbuto des Y est la même quelle que sot la valeur x prse par la varable explcatve X. Pour tout etre 0 et, Var(Y ) σ.cec est équvalet à dre que la varace des ε (c est-à-dre des erreurs aléatores) demeure costate et égale à σ pour toutes les valeurs de X. Var( Y ) Var( α + βx ) + Var( ε ) 0 + σ. O suppose doc que l ampleur de la dsperso de chaque dstrbuto des Y est detque, quelle que soet les valeurs prses par la varable explcatve X. Les Y sot des varables aléatores dépedates, c est-à-dre que les observatos de la varable explquée e dépedet pas des observatos précédetes et fluet pas sur les suvates. La dstrbuto des Y est ue dstrbuto ormale. Cec revet égalemet à dre que les erreurs ε sot dstrbuées ormalemet. Ces hypothèses fodametales peuvet se résumer as : Y > N( α + βx, σ ), ε > N(0,σ), les varables Y état dépedates. O peut schématser ces hypothèses par la fgure c-dessous : J-P LENOIR Page 6
11 3.4. INFÉRENCE SUR LES PARAMÈTRES DU MODÈLE : ESTIMATIONS ET TESTS D HYPOTHÈSE Les paramètres α et β sot appelés paramètres de régresso. Ce sot des costates, ordoée à l orge et pete de la drote de régresso, que l o pourrat calculer s le uage de pots eglobat la populato toute etère. Les valeurs a et b détermées par l'ajustemet aalytque au paragraphe permettet d e doer ue estmato. a et b sot même les melleurs estmateurs possbles de α et β (e aglas, o utlse le terme BLUE (pour Best Lear Ubased Estmators). O cosdère que a et b sot les valeurs observées das otre -échatllo des varables aléatores d échatllo,otées A et B, et défes par: B ( x x)( Y Y ) où A Y Bx Y Y et x x Pour pouvor effectuer des calculs statstques, établr u tervalle de coface ou exécuter u test statstque sur l u ou l autre des paramètres de régresso α et β,l ous faut coaître la dstrbuto d échatlloage des deux varables A et B. Il faut doc e coaître la forme, la moyee et la varace. C est l objet des deux paragraphes suvats Dstrbuto d échatlloage de la varable B B est ue combaso léare de varables ormales dépedates. Elle est doc dstrbuée suvat ue lo ormale. E( B) ( x x)[ E( Y ) E( Y )] ( x x)[ α + βx α βx] β β E( B) β. Doc B est u estmateur sas bas de β. Var( B) ( x x) Var( Y ) ( x x) [ ] [ ] σ Var( B) σ σ J-P LENOIR Page 7
12 T Cas des grads échatllos ( 30) B β σ sut la lo ormale N(0,). S σ est pas cou, o l estme par s l échatllo de S T B β S ( Y A Bx ) ( y a bx ) estmateur o basé de σ. Cas des petts échatllos (<30) sut ue lo de Studet à (-) degrés de lberté. qu est la valeur prse das Remarque : O a que (-) degrés de lberté car das S o a estmé les deux paramètres α et β par a et b. O peut trouver le même résultat e cosdérat qu l y a deux relatos etre A, B et Y Dstrbuto d échatlloage de la varable A Il est mos fréquet d effectuer de l férece statstque cocerat le paramètre α. Pluseurs stuatos e comportet aucue valeur das le vosage de X 0. De plus, das certas cas, l terprétato du paramètre α est déuée de ses, das d autres, elle présete u certa térêt. Doos rapdemet les résultats cocerat la dstrbuto d échatlloage de la varable A. De même que B, A a ue dstrbuto ormale. O motre que E(A) α, ce qu prouve que A est u estmateur sas bas de α. x O motre égalemet que Var( A) σ [ + ]. Ic auss, s σ est cou o l estme par s. Comme das le cas précédet, lorsque ous auros affare à de petts échatllos et que σ sera cou o utlsera ue lo de Studet à (-) degrés de lberté. J-P LENOIR Page 8
13 Utlsato de ces los Grâce à la coassace de ces los, o pourra selo les cas : obter des tervalles de coface pour α et β ce qu ous permet de précser la marge d erreur de leurs estmatos a et b. effectuer u test d'hypothèse sur β, pete de la drote de régresso. S par exemple, o veut détermer s la dépedace léare etre X et Y est sgfcatve (e admettat que le modèle léare d ordre est plausble), l ous faudra savor s la pete de la drote de régresso est sgfcatvemet dfférete de 0. Das ce cas o dra que la composate léare permet d explquer d ue faço sgfcatve les fluctuatos das les observatos de Y. O testera alors l hypothèse H 0 : β 0 cotre H : β QUELQUES CONSIDÉRATIONS PRATIQUES DANS L APPLICATION DES MÉTHODES DE RÉGRESSION Extrapolato avec ue équato de régresso Il faut être très prudet das l utlsato d ue équato de régresso e dehors des lmtes du domae étudé de la varable explcatve. La drote de régresso emprque est basée sur u esemble partculer d observatos. Lorsque ous effectuos ue prévso au delà des valeurs de X utlsées das l aalyse de régresso, ous effectuos ue extrapolato. Du pot de vue puremet statstque, toute extrapolato avec ue équato de régresso est pas justfée pusqu l est absolumet pas évdet que le phéomèe étudé se comporte de la même faço e dehors du domae observé. E effet la vrae focto de régresso peut être léare pour u certa tervalle de la varable explcatve et préseter u tout autre comportemet (du type curvlge par exemple) e dehors du champ observé. Même s des cosdératos théorques ou pratques permettet de peser que l équato de régresso peut s applquer das tout domae, u autre covéet apparaît : la précso de os estmatos et de os prévsos dmue à mesure que l o s éloge de la valeur moyee de la varable explcatve, c est-à-dre que la marge d erreur augmete comme le motre la fgure c-après. J-P LENOIR Page 9
14 3.5.. Relato de cause à effet Le fat qu ue laso statstque exste etre deux varables mplque pas écessaremet ue relato de cause à effet. Il faut s terroger sur la pertece de la varable explcatve utlsée comme élémet prédcteur de la varable dépedate et examer s l exste pas certas facteurs ou varables o cluses das l aalyse et dot les varatos provoquet sur les varables tales de l étude u comportemet de régresso llusore Étude de la pertece du modèle Ue maère smple de détecter les défallaces du modèle cosste à calculer les résdus doés par la formule : e y - (a + bx ) et surtout les résdus réduts er e où s est s l estmateur o basé de l écart-type σ de la dstrbuto des erreurs. Ces résdus réduts estmet les erreurs rédutes ε qu sot dstrbuées ormalemet suvat ue lo gaussee σ cetrée rédute. Ue étude systématque des résdus est u élémet essetel de toute aalyse de régresso. U graphque de ces résdus révèle les gros écarts au modèle. O dot représeter le graphque des résdus e focto de toute caractérstque qu peut avor ue acto sur eux. Voc tros graphques possbles qu parasset aturels et qu permettet d évter be des erreurs. Graphque des résdus er e focto des valeurs ajustées $y a + bx. Graphque des résdus er e focto des valeurs x du régresseur. Graphque des résdus er das leur ordre d acqusto ; e effet le temps peut être la caractérstque essetelle das de ombreuses études. S le modèle est correct, les résdus er dovet se trouver approxmatvemet etre - et +, état etedu que leur moyee est ulle. Ils e dovet préseter aucue structure J-P LENOIR Page 30
15 partculère. S jamas ls e présetet ue, c est que le modèle est pas complètemet pertet MESURE DE L AJUSTEMENT : L ANALYSE DE VARIANCE U autre objectf d ue étude de régresso est de détermer das quelle mesure la drote de régresso est utle à explquer la varato exstate das les observatos des Y. O veut doc évaluer la qualté de l ajustemet du modèle léare smple Aalyse de la varace O rappelle que l o ote $y la valeur estmée de y à l ade de la drote de régresso: $y a + bx.pour chaque valeur y, l écart total (y - y ) peut être décomposé e somme de deux écarts : (y - y ) ( $y y ) + (y - $y ) écart total écart explqué par la drote de + écart explqué par la drote de régresso lorsque X x régresso lorsque X x : résdu Cette décomposto peut être vsualsée sur la fgure c-après. O peut doc exprmer la varato totale das les observatos de Y comme la somme d ue varato explquée (attrbuable à la drote de régresso) et d ue varato explquée (attrbuable aux résdus). O démotre le résultat suvat : ( y y) ( y$ y) + ( y y$ ) Varato totale Varato explquée + Varato résduelle par la régresso Le coeffcet de détermato Pour meux apprécer la cotrbuto de la varable explcatve pour explquer les fluctuatos das la varable dépedate o déft le coeffcet de détermato, appelé J-P LENOIR Page 3
16 auss coeffcet d explcato. Ce ombre, oté r, est la proporto de la varato totale qu est explquée par la drote de régresso. J-P LENOIR Page 3
17 r varato explquée varato totale ( y$ y) ( y y) C est u dce de la qualté de l ajustemet de la drote aux pots expérmetaux. Ce coeffcet vare toujours etre 0 et. Cette proprété découle mmédatemet de la défto. 00r a ue terprétato cocrète : c est le pourcetage de la varato de Y qu est explquée par la varato de X. O peut dédure de r le coeffcet de corrélato léare smple par : r ± r, le sge de r état le même que celu de b, pete de la drote de régresso. O démotre qu algébrquemet : r ( y y)( y$ y) ( y y) ( y$ y) Nous défros u coeffcet aalogue das le paragraphe suvat qu cocere justemet la corrélato pour mesurer l testé de la laso léare etre deux varables. 4. CORRÉLATION LINÉAIRE 4.. INTRODUCTION ET VOCABULAIRE Nous prélevos d'ue populato u échatllo aléatore de talle et ous observos, sur chaque uté de l'échatllo les valeurs de deux varables statstques que ous otos covetoellemet X et Y. O dspose doc de couples d'observatos ( x,y ). O veut détermer par la sute s les varatos des deux varables sot lées etre elles, c'est à dre s'l y a corrélato etre ces deux varables. L'exstece de cette corrélato peut être détermée graphquemet e traçat le uage des pots M ( x,y )( ) appelé dagramme de dsperso. La forme de ce uage ous permettra de déceler le cas échéat, la ature de la laso etre X et Y. Il ous resegera sur la forme de la laso statstque etre les deux varables observées as que sur l'testé de cette laso. J-P LENOIR Page 33
18 Das ce cours, ous e trateros que de la forme léare. les pots aurot alors tedace à s'alger selo ue drote. O dt qu'l y a corrélato léare. S Y croît e même temps que X, la corrélato est dte drecte ou postve. S Y décroît lorsque X croît, la corrélato est dte verse ou égatve. Essayos d'assocer aux dfférets uages de pots les coclusos qu s'y rattachet. Coclusos : (a) Forte corrélato égatve (b) Absece de corrélato léare mas présece d ue laso de forme parabolque. (c) Fable corrélato léare mas présece d ue laso de forme parabolque. (d) Absece de corrélato et aucue laso apparete. Idépedace etre ces deux varables. (e) Corrélato postve marquée. J-P LENOIR Page 34
19 4.. DÉFINITION DU COEFFICIENT DE CORRÉLATION LINÉAIRE Défto : Le coeffcet de corrélato léare, oté r est u ombre sas dmeso qu mesure l'testé de la laso léare etre deux varables observées das u échatllo de talle. O pose : r ( y y) ( y y) De même que le coeffcet de détermato, r représete le pourcetage de la varato de y explquée par la varato de x. Remarque : E raso de sa symétre, r mesure auss be l'testé de la laso léare etre x et y qu'etre y et x PROPRIÉTÉS DU COEFFICIENT DE CORRÉLATION LINÉAIRE Proprété : O a toujours : - r La corrélato parfate, correspodat au cas r, se recotre très peu e pratque, mas sert de pot de comparaso. Plus r est proche de, plus les varables x et y serot étrotemet lées. S x et y sot dépedates, o a be sûr r 0. Mas la récproque 'est pas écessaremet vrae. S r 0, o peut affrmer qu'l 'exste pas de laso léare etre x et y. Mas l peut exster ue laso d'u autre type. Exemple : J-P LENOIR Page 35
20 Proprété : Proprété 3 : Proprété 4 : La drote d'ajustemet léare de y e focto de x das otre échatllo a pour équato y a + bx avec b ( y y) doc b r s Y, s s X X et s Y représetat respectvemet les varaces de X et de Y das l échatllo des pots. Le sge du coeffcet de corrélato permet de savor s la corrélato est postve ou égatve pusque r et b sot de même sge. S la drote d'ajustemet léare de y e focto de x a pour équato y a + bx et celle de x e y a pour équato x a + b y, o a b r sy et auss par symétre b r s ' X '. D où : bb r s s X Y O retrouve as que s la laso etre x et y est forte, les petes b et b' sot telles que b' b et les drotes sot presque cofodues COMMENT TESTER L INDÉPENDANCE LINÉAIRE DE X ET Y La questo est de savor s la valeur trouvée pour r est sgfcatvemet dfférete de 0 ou pas. Le coeffcet de corrélato r calculé à partr d'u échatllo de talle doe ue estmato poctuelle du coeffcet de corrélato de la populato oté ρ. ρ est déf par : ρ E X E ( X ) Y E( Y) E( XY) E( X ) E( Y) Cov( X, Y) [( )( )] σ( X ) σ( Y) σ( X ) σ( Y) σ( X ) σ( Y) Appelos R la varable aléatore : coeffcet de corrélato de tous les échatllos de même X E( X ) Y E( Y) talle prélevés das ue même populato :R ( )( ). σ( X ) σ( Y) Be sûr o a E(R) ρ. O suppose que X et Y sot dstrbuées suvat ue lo ormale cojote ( lo bormale) Il s avère que la dstrbuto de R, coeffcet de corrélato d échatllo, e déped que de et de ρ. O représete la focto la focto de desté de R sur la fgure suvate pour 9, ρ 0 et ρ 0.8. O costate que la desté de R est symétrque pour ρ 0 et c'est le seul cas où cette proprété est vérfée. J-P LENOIR Page 36
21 O pourra tester l'dépedace de X et Y e exécutat le test statstque suvat : O teste l hypothèse H 0 cotre l hypothèse H : Ho : X et Y e sot pas corrélés léaremet c est-à-dre ρ 0. H : X et Y sot corrélés léaremet c est-à-dre ρ 0. O se place sous l hypothèse H 0, c est-à-dre que l o suppose que ρ 0. R E( R) R ρ La focto dscrmate du test est : T σ( R) σ( R) R σ( R) R O motre qu elle peut s écrre : T R. T est dstrbuée suvat ue lo de Studet à (-) degrés de lberté. r O calcule la valeur rédute t, r état la valeur du coeffcet de 0 r corrélato de otre échatllo. Pus o cherche das la table de Studet P t P( T t ). 0 s P t0 s P t0 0 <α : o rejette H o : X et Y sot léaremet dépedats. >α : o accepte H o : X et Y sot léaremet dépedats. où α est le seul de sgfcato du test. J-P LENOIR Page 37
22 Remarques : ) Be sûr, o costate que plus la talle de l'échatllo est pette, plus le coeffcet de corrélato de l'échatllo dot être élevé pour être sgfcatvemet dfféret de 0. Ordre de gradeur au seul de 5% : O accepte Ho pour r < pour 0 O accepte Ho pour r < pour 0 ) S o veut tester d'autres valeurs de ρ, l faut employer ue autre méthode et passer par ce qu'o appelle la trasformato de FISCHER MISE EN GARDE A PROPOS DE LA CORRÉLATION Il exste pluseurs explcatos du fat que deux séres varet e même temps, et das certaes stuatos, l aalyste est e drot d terpréter les mesures de corrélato das le ses d ue relato de cause à effet. Cepedat le seul fat que deux varables soet relées etre elles, au ses statstque du terme, est pas suffsat pour coclure à l exstece d ue relato de cause à effet. E d autres termes, la seule exstece d ue relato statstque est pas ue preuve de causalté. Il exste ue relato de cause à effet s la varato d ue varable est attrbuable à la varato de l autre varable. Par exemple la varato de température das ue réacto chmque peut causer ue varato du résultat de cette réacto. Par alleurs, deux varables peuvet être cojotemet fluecées par u facteur de cause commue. Il est probable qu l exste ue relato étrote etre les vetes de bjoux et les vetes d apparels stéréophoques; toutefos, l serat farfelu d mputer à l ue de ces varables les varatos observées de l autre varable. Ic, les varatos des deux varables sot probablemet le résultat d ue varato des reveus des cosommateurs. Certaes relatos sot accdetelles. Même s l exste ue relato etre le ombre de votures vedues au Caada et le ombre d éléphats e Afrque, l serat absurde d aalyser le marché de l automoble au Caada e se basat sur cette relato. Les relatos de ce gere sot appelées fausses corrélatos. J-P LENOIR Page 38
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 détailII - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1
II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d
Plus en détailLE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE
LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe
Plus en détailSYSTEME 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 détailCoefficient 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 détailIncertitudes expérimentales
U N I O N D E S P R O F E S S E U R S D E P H Y S I Q U E E T D E C H I M I E 995 Icerttudes érmetales par Fraços-Xaver BALLY Lcée Le Corbuser - 93300 Aubervllers et Jea-Marc BERROIR École ormale supéreure
Plus en détailApplication de la théorie des valeurs extrêmes en assurance automobile
Applcato de la théore des valeurs extrêmes e assurace automoble Nouredde Belagha & Mchel Gru-Réhomme Uversté Pars 2, ERMES-UMR78-CNRS, 92 rue d Assas, 75006 Pars, Frace E-Mal: blour2002@yahoo.fr E-Mal:
Plus en détailCHAPITRE 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" BIOSTATISTIQUE - 1 "
ISTITUT SUPERIEUR DE L EDUCATIO ET DE LA FORMATIO COTIUE Départemet Bologe Géologe S0/ " BIOSTATISTIQUE - " Cours & Actvtés : Modher Abrougu Aée Uverstare - 008 Modher Abrougu Bostatstque «I» ISEFC - 008
Plus en détailCOURS DE MATHEMATIQUE FINANCIERE A COURT ET LONG TERME Promotion : Première année de graduat
P R O F E S REPUBLIQUE DEMOCRATIQUE DU CONGO ENSEIGNEMENT SUPEREIEUR ET UNIVERSITAIRE INSTITUT SUPERIEUR DE GESTION INFORMATIQUE DE GOMA /I.S.I.G-GOMA DEVELOPPEMENT ISIG M A T I O N COURS DE MATHEMATIQUE
Plus en détailLes sinistres graves en assurance automobile : Une nouvelle approche par la théorie des valeurs extrêmes
Les sstres graves e assurace automoble : Ue ouvelle approche par la théore des valeurs extrêmes Nouredde Belagha (*, Mchel Gru-Réhomme (*, Olga Vasecho (** (* Uversté Pars 2, ERMES-UMR78-CNRS, 2 place
Plus en détailGIN FA 4 02 01 INSTRUMENTATION P Breuil
GIN FA 4 0 0 INSTRUMENTATION P Breul OBJECTIFS : coatre les bases des statstques de la mesure af de pouvor d ue part compredre les spécfcatos d u composat et d autre part évaluer avec rgueur les performaces
Plus en détailRessources pour le lycée général et technologique
éduscol Ressources pour le lycée gééral et techologque Ressources pour le cycle termal gééral et techologque Mesure et certtudes Ces documets peuvet être utlsés et modés lbremet das le cadre des actvtés
Plus en détailMathématiques 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 détailUne méthode alternative de provisionnement stochastique en Assurance Non Vie : Les Modèles Additifs Généralisés
Ue méthode alteratve de provsoemet stochastque e Assurace No Ve : Les Modèles Addtfs Gééralsés Lheureux Else B&W Delotte 85, av. Charles de Gaulle 954 Neully-sur-See cedex Frace Drect: 33(0).55.6.65.3
Plus en détailOBLIGATION DU SECTEUR PRIVE : EVALUATION ET OUTIL DE GESTION DU RISQUE DE TAUX D INTERET
Jea-Claude AUGROS Professeur à l Uversté Claude Berard LYON I et à l Isttut de Scece Facère et d Assuraces ISFA Mchel QUERUEL Docteur e Gesto Igéeur de Marché Socété de Bourse AUREL Résumé : Cet artcle
Plus en détailConception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce
Cocepto d u outl décsoel pour la gesto de la relato clet das u ste de e-commerce Nazh SELMOUNE *, Sada BOUKHEDOUMA * ad Zaa ALIMAZIGHI * * Laboratore des Systèmes Iformatques(LSI )- USTHB - ALGER selmoue@wssal.dz
Plus en détailConception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce
SETIT 2005 3 RD INTERNATIONAL CONFERENCE: SCIENCES OF ELECTRONIC, TECHNOLOGIES OF INFORMATION AND TELECOMMUNICATIONS MARCH 27-3, 2005 TUNISIA Cocepto d u outl décsoel pour la gesto de la relato clet das
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détailMesure avec une règle
Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système
Plus en détailLes jeunes économistes
Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailRemboursement d un emprunt par annuités constantes
Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détailMontage émetteur commun
tour au menu ontage émetteur commun Polarsaton d un transstor. ôle de la polarsaton La polarsaton a pour rôle de placer le pont de fonctonnement du transstor dans une zone où ses caractérstques sont lnéares.
Plus en détailGEA I Mathématiques nancières Poly. de révision. Lionel Darondeau
GEA I Mathématques nancères Poly de révson Lonel Darondeau Intérêts smples et composés Voc la lste des exercces à révser, corrgés en cours : Exercce 2 Exercce 3 Exercce 5 Exercce 6 Exercce 7 Exercce 8
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailEstimation des incertitudes sur les erreurs de mesure.
Estmto des certtdes sr les errers de mesre. I. Itrodcto : E sceces epérmetles, l este ps de mesres ectes. Celle-c e pevet être q etchées d errers pls o mos mporttes selo le protocole chos, l qlté des strmets
Plus en détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détailLE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régime») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF
1 LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régme») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF AVIS AUX RETRAITÉS ET AUX PARTICIPANTS AVEC DROITS ACQUIS DIFFÉRÉS Expédteurs
Plus en détailSTATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détailL 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 détailDirigeant de SAS : Laisser le choix du statut social
Drgeant de SAS : Lasser le chox du statut socal Résumé de notre proposton : Ouvrr le chox du statut socal du drgeant de SAS avec 2 solutons possbles : apprécer la stuaton socale des drgeants de SAS comme
Plus en détailMÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES
MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES Émle Garca, Maron Le Cam et Therry Rocher MENESR-DEPP, bureau de l évaluaton des élèves Cet artcle porte sur les méthodes de
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailQ x2 = 1 2. est dans l ensemble plus grand des rationnels Q. Continuons ainsi, l équation x 2 = 1 2
Exo7 Nombres complexes Vdéo parte. Les nombres complexes, défntons et opératons Vdéo parte. Racnes carrées, équaton du second degré Vdéo parte 3. Argument et trgonométre Vdéo parte 4. Nombres complexes
Plus en détailCalculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.
1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle
Plus en détailPlan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks
Plan Geston des stocks Abdellah El Fallah Ensa de Tétouan 2011 Les opératons de gestons des stocks Les coûts assocés à la geston des stocks Le rôle des stocks Modèle de la quantté économque Geston calendare
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détailGENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)
GENESS - Generalzed System for mputaton Smulatons (Système généralsé pour smuler l mputaton) GENESS est un système qu permet d exécuter des smulatons en présence d mputaton. L utlsateur fournt un ensemble
Plus en détailSTATISTIQUE AVEC EXCEL
STATISTIQUE AVEC EXCEL Excel offre d nnombrables possbltés de recuellr des données statstques, de les classer, de les analyser et de les représenter graphquement. Ce sont prncpalement les tros éléments
Plus en détailContrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations
Contrats prévoyance des TNS : Clarfer les règles pour sécurser les prestatons Résumé de notre proposton : A - Amélorer l nformaton des souscrpteurs B Prévor plus de souplesse dans l apprécaton des revenus
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailstages 2015 paris saint-germain ACADEMY Dossier d inscription
stages 2015 pars sat-germa ACADEMY Dosser d scrpto STAGE de football STAGES 2015 Fche d scrpto à retourer à l adresse suvate Pars Sat-Germa Academy - Frace 159, rue de la Républque - 92 800 Puteaux Tél
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détailExercices d Électrocinétique
ercces d Électrocnétque Intensté et densté de courant -1.1 Vtesse des porteurs de charges : On dssout une masse m = 20g de chlorure de sodum NaCl dans un bac électrolytque de longueur l = 20cm et de secton
Plus en détailLimites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailAssurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire
Assurance malade et aléa de moralté ex-ante : L ncdence de l hétérogénété de la perte santare Davd Alary 1 et Franck Ben 2 Cet artcle examne l ncdence de l hétérogénété de la perte santare sur les contrats
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailFiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage
Fche n 7 : Vérfcaton du débt et de la vtesse par la méthode de traçage 1. PRINCIPE La méthode de traçage permet de calculer le débt d un écoulement ndépendamment des mesurages de hauteur et de vtesse.
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détailTD 1. Statistiques à une variable.
Danel Abécasss. Année unverstare 2010/2011 Prépa-L1 TD de bostatstques. Exercce 1. On consdère la sére suvante : TD 1. Statstques à une varable. 1. Calculer la moyenne et l écart type. 2. Calculer la médane
Plus en détailCompte Sélect Banque Manuvie Guide du débutant
GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de
Plus en détailGénéralités sur les fonctions 1ES
Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détailPrincipes et Méthodes Statistiques
Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............
Plus en détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détail1.0 Probabilité vs statistique...1. 1.1 Expérience aléatoire et espace échantillonnal...1. 1.2 Événement...2
- robabltés - haptre : Introducton à la théore des probabltés.0 robablté vs statstque.... Expérence aléatore et espace échantllonnal.... Événement.... xomes défnton de probablté..... Quelques théorèmes
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailGrandeur physique, chiffres significatifs
Grandeur physque, chffres sgnfcatfs I) Donner le résultat d une mesure en correspondance avec l nstrument utlsé : S avec un nstrument, ren n est ndqué sur l ncerttude absolue X d une mesure X, on consdère
Plus en détailCREATION DE VALEUR EN ASSURANCE NON VIE : COMMENT FRANCHIR UNE NOUVELLE ETAPE?
CREATION DE VALEUR EN ASSURANCE NON VIE : COMMENT FRANCHIR UNE NOUVELLE ETAPE? Boulanger Frédérc Avanssur, Groupe AXA 163-167, Avenue Georges Clémenceau 92742 Nanterre Cedex France Tel: +33 1 46 14 43
Plus en détailEH SmartView. Identifiez vos risques et vos opportunités. www.eulerhermes.be. Pilotez votre assurance-crédit. Services en ligne Euler Hermes
EH SmartVew Servces en lgne Euler Hermes Identfez vos rsques et vos opportuntés Plotez votre assurance-crédt www.eulerhermes.be Les avantages d EH SmartVew L expertse Euler Hermes présentée de manère clare
Plus en détailEditions ENI. Project 2010. Collection Référence Bureautique. Extrait
Edtons ENI Project 2010 Collecton Référence Bureautque Extrat Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf
Plus en détailIDEI Report # 18. Transport. December 2010. Elasticités de la demande de transport ferroviaire: définitions et mesures
IDEI Report # 18 Transport December 2010 Elastctés de la demande de transport ferrovare: défntons et mesures Elastctés de la demande de transport ferrovare : Défntons et mesures Marc Ivald Toulouse School
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailBTS GPN 2EME ANNEE-MATHEMATIQUES-MATHS FINANCIERES MATHEMATIQUES FINANCIERES
MATHEMATIQUES FINANCIERES I. Concepts généraux. Le référentel précse : Cette parte du module M4 «Acquérr des outls mathématques de base nécessares à l'analyse de données économques» est en relaton avec
Plus en détailÉconométrie. Annexes : exercices et corrigés. 5 e édition. William Greene New York University
Économétre 5 e édton Annexes : exercces et corrgés Wllam Greene New York Unversty Édton françase drgée par Dder Schlacther, IEP Pars, unversté Pars II Traducton : Stéphane Monjon, unversté Pars I Panthéon-Sorbonne
Plus en détail1 Introduction. 2 Définitions des sources de tension et de courant : Cours. Date : A2 Analyser le système Conversion statique de l énergie. 2 h.
A2 Analyser le système Converson statque de l énerge Date : Nom : Cours 2 h 1 Introducton Un ConVertsseur Statque d énerge (CVS) est un montage utlsant des nterrupteurs à semconducteurs permettant par
Plus en détailLa maladie rénale chronique
La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailPREMIERS PAS en REGRESSION LINEAIRE avec SAS. Josiane Confais (UPMC-ISUP) - Monique Le Guen (CNRS-CES-MATISSE- UMR8174)
PREMIERS PAS en REGRESSION LINEAIRE avec SAS Josane Confas (UPMC-ISUP) - Monque Le Guen (CNRS-CES-MATISSE- UMR874) e-mal : confas@ccr.jusseu.fr e-mal : monque.leguen@unv-pars.fr Résumé Ce tutorel accessble
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détailSoutenue publiquement le Mardi 04/Mai/2010 MEMBRES DU JURY
Répblqes Algéree Démocratqe et Poplare Mstère de l Esegemet Spérer et de la Recherche Scetfqe Uversté MENTOURI Costate Faclté des Sceces de l'igéer Départemet de Gée Mécaqe N d ordre : /MAG/ Sére : /GM/
Plus en détailDivorce et séparation
Coup d oeil sur Divorce et séparatio Être attetif aux besois de votre efat Divorce et séparatio «Les premiers mois suivat u divorce ou ue séparatio sot très stressats. Votre patiece, votre cohérece et
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détailLa théorie classique de l information. 1 ère partie : le point de vue de Kolmogorov.
La théore classque de l nformaton. ère parte : le pont de vue de Kolmogorov. La sute de caractères comme outl de descrpton des systèmes. La scence peut être vue comme l art de compresser les données quelles
Plus en détailÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.
ÉLÉMETS DE THÉORIE DE L IFORMATIO POUR LES COMMUICATIOS. L a théore de l nformaton est une dscplne qu s appue non seulement sur les (télé-) communcatons, mas auss sur l nformatque, la statstque, la physque
Plus en détailPrêt de groupe et sanction sociale Group lending and social fine
Prêt de roupe et sancton socale Group lendn and socal fne Davd Alary Résumé Dans cet artcle, nous présentons un modèle d antsélecton sur un marché concurrentel du crédt. Nous consdérons l ntroducton de
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détailComment les Canadiens classent-ils leur système de soins de santé?
Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté
Plus en détailCOMPARAISON DE MÉTHODES POUR LA CORRECTION
COMPARAISON DE MÉTHODES POUR LA CORRECTION DE LA NON-RÉPONSE TOTALE : MÉTHODE DES SCORES ET SEGMENTATION Émle Dequdt, Benoît Busson 2 & Ncolas Sgler 3 Insee, Drecton régonale des Pays de la Lore, Servce
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détailc. 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 détailTerminal numérique TM 13 raccordé aux installations Integral 33
Termnal numérque TM 13 raccordé aux nstallatons Integral 33 Notce d utlsaton Vous garderez une longueur d avance. Famlarsez--vous avec votre téléphone Remarques mportantes Chaptres à lre en prorté -- Vue
Plus en détailChapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3.
Chaptre 3 : Incerttudes CHAPITRE 3 INCERTITUDES Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.1 Volume 1 : Orentatons générales et établssement des rapports Auteurs
Plus en détailGérer les applications
Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces
Plus en détail