Thèse de doctorat de l Université Paris 6
|
|
- Valentine Fournier
- il y a 8 ans
- Total affichages :
Transcription
1 Thèse de doctorat de l Université Paris 6 Spécialité : Mathématiques Option : Statistiques Présentée par Emmanuel MONFRINI Sujet de la thèse Identifiabilité et Méthode des Moments dans les mélanges généralisés de distributions du système de Pearson TOME II Thèse soutenue le 4 janvier 2002, devant le jury composé de : M. M. M. M. M. M. M. Marc YOR Alain HILLION Christian ROBERT Michel BRONIATOWSKI Paul DEHEUVELS Wojciech PIECZYNSKI Daniel PIERRE-LOTI-VIAUD Université Paris 6 ENST Bretagne Université Paris Dauphine Université de Reims Université Paris 6 INT Université Paris 6 Président Rapporteur Rapporteur Examinateur Examinateur Directeur Directeur Mme Annick VALIBOUZE Université Paris 6 Invitée Ces travaux on été, pour une large part, effectués au département CITI de l Institut National des Télécommunications.
2
3 Thèse de doctorat de l Université Paris 6 Spécialité : Mathématiques Option : Statistiques Présentée par Emmanuel MONFRINI Sujet de la thèse Identifiabilité et Méthode des Moments dans les mélanges généralisés de distributions du système de Pearson TOME II Thèse soutenue le 4 janvier 2002, devant le jury composé de : M. M. M. M. M. M. M. Marc YOR Alain HILLION Christian ROBERT Michel BRONIATOWSKI Paul DEHEUVELS Wojciech PIECZYNSKI Daniel PIERRE-LOTI-VIAUD Université Paris 6 ENST Bretagne Université Paris Dauphine Université de Reims Université Paris 6 INT Université Paris 6 Président Rapporteur Rapporteur Examinateur Examinateur Directeur Directeur Mme Annick VALIBOUZE Université Paris 6 Invitée Ces travaux on été, pour une large part, effectués au département CITI de l Institut National des Télécommunications.
4
5 5 Table des matières. Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Table des matières.
6 6 Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Table des matières.
7 7 Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Table des matières.
8 8 Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Annexe Table des matières.
9 Préambule. Ce volume est entièrement consacré à la reproduction des expériences dont nous ne présentons qu un résultat succint dans le développement. Le fait de pouvoir accéder au compte-rendu complet des expériences est nécessaire pour comprendre les mécanismes des différents systèmes de moments considérés et justifier les choix de méthode d estimation que nous avons faits. Chaque annexe est introduite par la présentation du mélange théorique ou de l échantillon que nous étudions, caratérisé par ses moments et son allure graphique. Les composantes pondérées du mélange sont représentées en vert et le mélange théorique est en rouge. Nous déroulons, ensuite, les procédures d inversion des différents systèmes de moments susceptibles d être pertinents pour l exemple que nous considérons. Pour les représentation graphiques des mélanges estimés par les distributions Normales, nous avons choisi de représenter les composantes pondérée en bleu et les mélanges estimés en rouge, le mélange théorique étant présenté en jaune. Ceci permet d estimer visuellement la différence entre le mélange théorique et le mélange estimé. En effet, dans les cas de concordance idéale entre les deux courbes, et c est le cas dans les études de mélanges théoriques, la courbe rouge du mélange estimé disparaît complètement derrière la courbe jaune du mélange théorique. Pour les représentations graphiques des autres type de mélanges, nous comparons, plus simplement, le mélange estimé présenté en rouge, avec une représentation de l échantillon sous la forme d un diagramme de fréquences, en noir.
10
11 11 Annexe 1. Informations sur le mélange : Propriétés de la distribution étudiée : Le mélange est composé en proportion 0.6 d'une loi Normale de moyenne 5. et de variance 3. à laquelle on ajoute, en proportion 0.4 une loi Normale de moyenne 1. et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : Le test de proximité théorique avec V 2 donne : Le test de proximité théorique avec V 4 donne : Le graphique du mélange théorique est : Moments théoriques de l'échantillon : Moyenne : 3.4 Moment théorique centré d'ordre 2 : 6.04 Moment théorique centré d'ordre 3 : Moment théorique centré d'ordre 4 : Moment théorique centré d'ordre 5 : Moment théorique centré d'ordre 6 : Annexe 1
12 12 Résultatsde l'estimationpar P σ : Les racines de P σ sont : R1 = R2 = 3.84 Les paramètres issus de R1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Ce n'est pas une solution au problème des moments. Les paramètres issus de R2 sont : m 1= 5. et Var 1= 3., p = 0.6 m 2= 1. et Var 2= 1. > Solution potentielle au problème des moments.le test T6 donne : 0. === = > On retient la solution : R2. m 1= 5. et Var 1= 3., p = 0.6 m 2= 1. et Var 2= 1. Graphique du mélange estimé par P σ : Annexe 1
13 Informationssur le mélange : Annexe 2. Propriétés de la distribution étudiée : Le mélange est composé en proportion 0.7 d'une loi Normale de moyenne 1. et de variance 1. à laquelle on ajoute, en proportion 0.3 d'une loi Normale de moyenne 3. et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : 0.4 Le test de proximité théorique avec V 2 donne : 1. Le test de proximité théorique avec V 4 donne : Le graphique du mélange théorique est : Moments théoriques de l'échantillon : Moyenne : 1.6 Moment théorique centré d'ordre 2 : 1.84 Moment théorique centré d'ordre 3 : Moment théorique centré d'ordre 4 : Moment théorique centré d'ordre 5 : Moment théorique centré d'ordre 6 :
14 14 Résultatsde l'estimationpar P σ : Les racines de P σ sont : R1 = R2 = 0.84 Les paramètres issus de R1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Ce n'est pas une solution au problème des moments. Les paramètres issus de R2 sont : m 1= 1. et Var 1= 1., p = 0.7 m 2= 3. et Var 2= 1. > Solution potentielle au problème des moments.le test T6 donne : 0. === = > On retient la solution : R2. m 1 = 1. et Var 1 = 1., p = 0.7 m 2= 3. et Var 2= 1. Graphique du mélange estimé par P σ : Annexe 2
15 15 Résultatsde l'estimationpar P varégales : Les racines de P varégales sont : z1 = 0.84 Les paramètres issus de z1 sont : m 1= 1. et Var 1= 1., p = 0.7 m 2= 3. et Var 2= 1. > Solution potentielle au problème des moments. Le test T6 donne : 0. Le test T5 donne : 0. Graphique du mélange estimé par P varégales : Annexe 2
16
17 17 Informationssur le mélange : Annexe 3. Propriétés de la distribution étudiée : Le mélange est composé en proportion 0.5 d'une loi Normale de moyenne 1. et de variance 1. à laquelle on ajoute, en proportion 0.5 d'une loi Normale de moyenne 2. et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : Le test de proximité théorique avec V 2 donne : 1. Le test de proximité théorique avec V 4 donne : 0. Le graphique du mélange théorique est : Moments théoriques de l'échantillon : Moyenne : 1.5 Moment théorique centré d'ordre 2 : 1.25 Moment théorique centré d'ordre 3 : 0. Moment théorique centré d'ordre 4 : Moment théorique centré d'ordre 5 : 0. Moment théorique centré d'ordre 6 : Annexe 3
18 18 Résultatsde l'estimationpar P σ : Les racines de P sont : σ R1 = 5 R2 = R3 = Les paramètres issus de R1 sont : m 1= 1. et Var 1= 1., p = 0.5 m 2= 2. et Var 2= 1. > Solution potentielle au problème des moments.le test T6 donne : 0. Les paramètres issus de R2 sont : m 1= et Var 1= , p = 0.5 m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : Les paramètres issus de R3 sont : m 1= et Var 1= , p = 0.5 m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : === = > On retient la solution : R1. m 1= 1. et Var 1= 1., p = 0.5 m 2 = 2. et Var 2 = 1. Annexe 3
19 19 Graphique du mélange estimé par P σ : Résultatsde l'estimationpar P varégales : Les racines de P varégales sont : z1 = 5 Les paramètres issus de z1 sont : m 1= 1. et Var 1= 1., p = 0.5 m 2= 2. et Var 2= 1. > Solution potentielle au problème des moments. Le test T6 donne : 0. Le test T5 donne : Le test n'est pas calculable Graphique du mélange estimé par P varégales : Annexe 3
20
21 21 Informationssur le mélange : Annexe 4. Propriétés de la distribution étudiée : Le mélange est composé en proportion 0.5 d'une loi Normale de moyenne et de variance 3. à laquelle on ajoute, en proportion 0.5 une loi Normale de moyenne et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : Le test de proximité théorique avec V 2 donne : 0. Le test de proximité théorique avec V 4 donne : 1. Le graphique du mélange théorique est : Moments théoriques de l'échantillon : Moyenne : 1. Moment théorique centré d'ordre 2 : Moment théorique centré d'ordre 3 : Moment théorique centré d'ordre 4 : Moment théorique centré d'ordre 5 : Moment théorique centré d'ordre 6 : Annexe 4
22 22 Résultatsde l'estimationpar P σ : Les racines de P σ sont : R1 = R2 = Les paramètres issus de R1 sont : m 1= et Var 1= 3., p = 0.5 m 2= et Var 2= 1. > Solution potentielle au problème des moments.le test T6 donne : Les paramètres issus de R2 sont : m 1= et Var 1= 1., p = 0.5 m 2= et Var 2= 3. > Solution potentielle au problème des moments.le test T6 donne : === = > On retient la solution : R1. m 1= et Var 1= 3., p = 0.5 m 2= et Var 2= 1. Graphique du mélange estimé par P σ : Annexe 4
23 Informationssur le mélange : Annexe 5. Propriétés de la distribution étudiée : Le mélange est composé en proportion 0.5 d'une loi Normale de moyenne et de variance 3. à laquelle on ajoute, en proportion 0.5 d'une loi Normale de moyenne et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : Le test de proximité théorique avec V 2 donne : Le test de proximité théorique avec V 4 donne : Le graphique du mélange théorique est : Moments théoriques de l'échantillon : Moyenne : 1. Moment théorique centré d'ordre 2 : Moment théorique centré d'ordre 3 : Moment théorique centré d'ordre 4 : Moment théorique centré d'ordre 5 : Moment théorique centré d'ordre 6 :
24 24 Résultatsde l'estimationpar P σ : Les racines de P σ sont : R1 = R2 = Les paramètres issus de R1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : Les paramètres issus de R2 sont : m 1= et Var 1= 1., p = 0.5 m 2= et Var 2= 3. > Solution potentielle au problème des moments.le test T6 donne : 0. === = > On retient la solution : R2. m 1 = et Var 1 = 1., p = 0.5 m 2= et Var 2= 3. Graphique du mélange estimé par P σ : Annexe 5
25 Informationssur le mélange: Annexe 6. Propriétés de la distribution étudiée : Le mélange est composé en proportion 0.6 d'une loi Normale de moyenne et de variance 5. à laquelle on ajoute, en proportion 0.4 une loi Normale de moyenne 1. et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : E-7 Le test de proximité théorique avec V 2 donne : 1. Le test de proximité théorique avec V 4 donne : 1. Le graphique du mélange théorique est : Moments théoriques de l'échantillon : Moyenne : Moment théorique centré d'ordre 2 : Moment théorique centré d'ordre 3 : Moment théorique centré d'ordre 4 : Moment théorique centré d'ordre 5 : Moment théorique centré d'ordre 6 :
26 26 Résultatsde l'estimationpar P σ : Les racines de P sont : σ R1 = R2 = Les paramètres issus de R1 sont : m 1= et Var 1= 5., p = 0.6 m 2= 1. et Var 2= 1. > Solution potentielle au problème des moments.le test T6 donne : Les paramètres issus de R2 sont : m 1= et Var 1= , p = 1. m 2= et Var 2= > Ce n'est pas une solution au problème des moments. === = > On retient la solution : R1. m 1= et Var 1= 5., p = 0.6 m 2= 1. et Var 2= 1. Graphique du mélange estimé par P σ : Annexe 6
27 Annexe 7. Informationssur le mélange : Propriétés de la distribution étudiée : Le mélange est composé en proportion 0.6 d'une loi Normale de moyenne et de variance à laquelle on ajoute, en proportion 0.4 une loi Normale de moyenne 1. et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : E-9 Le test de proximité théorique avec V 2 donne : E-8 Le test de proximité théorique avec V 4 donne : E-37 Le graphique du mélange théorique est : Moments théoriques de l'échantillon : Moyenne : Moment théorique centré d'ordre 2 : Moment théorique centré d'ordre 3 : Moment théorique centré d'ordre 4 : Moment théorique centré d'ordre 5 : Moment théorique centré d'ordre 6 :
28 28 Résultatsde l'estimationpar P σ : Les racines de P sont : σ R1 = R2 = Les paramètres issus de R1 sont : m 1= et Var 1= , p = 0.6 m 2= 1. et Var 2= 1. > Solution potentielle au problème des moments.le test T6 donne : Les paramètres issus de R2 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : === = > On retient la solution : R1. m 1= et Var 1= , p = 0.6 m 2= 1. et Var 2= 1. Graphique du mélange estimé par P σ : Annexe 7
29 Annexe 8. Informations sur le mélange : Propriétés de la distribution étudiée : Le mélange est composé en proportion 0.6 d'une loi Normale de moyenne 5. et de variance 3. à laquelle on ajoute, en proportion 0.4 une loi Normale de moyenne 1. et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : Le test de proximité théorique avec V 2 donne : Le test de proximité théorique avec V 4 donne : Le graphique du mélange théorique est : Moments théoriques de l'échantillon : Moyenne : 3.4 Moment théorique centré d'ordre 2 : 6.04 Moment théorique centré d'ordre 3 : Moment théorique centré d'ordre 4 : Moment théorique centré d'ordre 5 : Moment théorique centré d'ordre 6 :
30 30 Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = 3.84 Les paramètres issus de r1 sont : m 1= 5. et Var 1= 3., p = 0.6 m 2= 1. et Var 2= 1. > Solution potentielle au problème des moments. Le test T5 donne : 0. === = > On retient la solution : r1. m 1= 5. et Var 1= 3., p = 0.6 m 2= 1. et Var 2= 1. Graphique du mélange estimé par P12: Annexe 8
31 Informationssur le mélange : Annexe 9. Propriétés de la distribution étudiée : Le mélange est composé en proportion 0.7 d'une loi Normale de moyenne 1. et de variance 1. à laquelle on ajoute, en proportion 0.3 d'une loi Normale de moyenne 3. et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : 0.4 Le test de proximité théorique avec V 2 donne : 1. Le test de proximité théorique avec V 4 donne : Le graphique du mélange théorique est : Moments théoriques de l'échantillon : Moyenne : 1.6 Moment théorique centré d'ordre 2 : 1.84 Moment théorique centré d'ordre 3 : Moment théorique centré d'ordre 4 : Moment théorique centré d'ordre 5 : Moment théorique centré d'ordre 6 :
32 32 Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = 0.84 Les paramètres issus de r1 sont : m 1= 1. et Var 1= 1., p = 0.7 m 2= 3. et Var 2= 1. > Solution potentielle au problème des moments. Le test T5 donne : 0. === = > On retient la solution : r1. m 1= 1. et Var 1= 1., p = 0.7 m 2= 3. et Var 2= 1. Graphique du mélange estimé par P12: Annexe 9
33 33 Résultatsde l'estimationpar P varégales : Les racines de P varégales sont : z1 = 0.84 Les paramètres issus de z1 sont : m 1= 1. et Var 1= 1., p = 0.7 m 2= 3. et Var 2= 1. > Solution potentielle au problème des moments. Le test T6 donne : 0. Le test T5 donne : 0. Graphique du mélange estimé par P varégales : Annexe 9
34
35 35 Informationssur le mélange : Annexe 10. Propriétés de la distribution étudiée : Le mélange est composé en proportion 0.5 d'une loi Normale de moyenne 1. et de variance 1. à laquelle on ajoute, en proportion 0.5 d'une loi Normale de moyenne 2. et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : Le test de proximité théorique avec V 2 donne : 1. Le test de proximité théorique avec V 4 donne : 0. Le graphique du mélange théorique est : Moments théoriques de l'échantillon : Moyenne : 1.5 Moment théorique centré d'ordre 2 : 1.25 Moment théorique centré d'ordre 3 : 0. Moment théorique centré d'ordre 4 : Moment théorique centré d'ordre 5 : 0. Moment théorique centré d'ordre 6 : Annexe 10
36 36 Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = 5 Les paramètres issus de r1 sont : m 1= 1. et Var 1= 1., p = 0.5 m 2= 2. et Var 2= 1. > Solution potentielle au problème des moments. Le test T5 donne : Le test n'est pas calculable === = > On retient la solution : r1. m 1 = 1. et Var 1 = 1., p = 0.5 m 2= 2. et Var 2= 1. Graphique du mélange estimé par P12: Annexe 10
37 37 Résultatsde l'estimationpar P varégales : Les racines de P varégales sont : z1 = 5 Les paramètres issus de z1 sont : m 1 = 1. et Var 1 = 1., p = 0.5 m 2= 2. et Var 2= 1. > Solution potentielle au problème des moments. Le test T6 donne : 0. Le test T5 donne : Le test n'est pas calculable Graphique du mélange estimé par P varégales : Annexe 10
38
39 39 Informationssur le mélange : Annexe 11. Propriétés de la distribution étudiée : Le mélange est composé en proportion 0.5 d'une loi Normale de moyenne et de variance 3. à laquelle on ajoute, en proportion 0.5 une loi Normale de moyenne et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : Le test de proximité théorique avec V 2 donne : 0. Le test de proximité théorique avec V 4 donne : 1. Le graphique du mélange théorique est : Moments théoriques de l'échantillon : Moyenne : 1. Moment théorique centré d'ordre 2 : Moment théorique centré d'ordre 3 : Moment théorique centré d'ordre 4 : Moment théorique centré d'ordre 5 : Moment théorique centré d'ordre 6 : Annexe 11
40 40 Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = Les paramètres issus de r1 sont : m 1= et Var 1= 1., p = 0.5 m 2= et Var 2= 3. > Solution potentielle au problème des moments. Le test T5 donne : 0. === = > On retient la solution : r1. m 1= et Var 1= 1., p = 0.5 m 2= et Var 2= 3. Graphique du mélange estimé par P12: Annexe 11
41 Informationssur le mélange: Annexe 12. Propriétés de la distribution étudiée : Le mélange est composé en proportion 0.6 d'une loi Normale de moyenne et de variance 5. à laquelle on ajoute, en proportion 0.4 une loi Normale de moyenne 1. et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : E-7 Le test de proximité théorique avec V 2 donne : 1. Le test de proximité théorique avec V 4 donne : 1. Le graphique du mélange théorique est : Moments théoriques de l'échantillon : Moyenne : Moment théorique centré d'ordre 2 : Moment théorique centré d'ordre 3 : Moment théorique centré d'ordre 4 : Moment théorique centré d'ordre 5 : Moment théorique centré d'ordre 6 :
42 42 Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = r2 = r3 = Les paramètres issus de r1 sont : m 1= et Var 1= , p = 1. m 2= et Var 2= > Ce n'est pas une solution au problème des moments. Les paramètres issus de r2 sont : m 1= et Var 1= 5., p = 0.6 m 2= 1. et Var 2= 1. > Solution potentielle au problème des moments. Le test T5 donne : Les paramètres issus de r3 sont : m 1= et Var 1= , p = 1. m 2= et Var 2= > Ce n'est pas une solution au problème des moments. Annexe 12
43 43 === = > On retient la solution : r2. m 1 = et Var 1 = 5., p = 0.6 m 2= 1. et Var 2= 1. Graphique du mélange estimé par P12: Annexe 12
44
45 45 Annexe 13. Informationssur le mélange : Propriétés de la distribution étudiée : Le mélange est composé en proportion 0.6 d'une loi Normale de moyenne et de variance à laquelle on ajoute, en proportion 0.4 une loi Normale de moyenne 1. et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : E-9 Le test de proximité théorique avec V 2 donne : E-8 Le test de proximité théorique avec V 4 donne : E-37 Le graphique du mélange théorique est : Moments théoriques de l'échantillon : Moyenne : Moment théorique centré d'ordre 2 : Moment théorique centré d'ordre 3 : Moment théorique centré d'ordre 4 : Moment théorique centré d'ordre 5 : Moment théorique centré d'ordre 6 : Annexe 13
46 46 Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = r2 = r3 = Les paramètres issus de r1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Ce n'est pas une solution au problème des moments. Les paramètres issus de r2 sont : m 1= et Var 1= , p = 0.6 m 2= 1. et Var 2= 1. > Solution potentielle au problème des moments. Le test T5 donne : Les paramètres issus de r3 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T5 donne : Annexe 13
47 47 === = > On retient la solution : r2. m 1 = et Var 1 = 1., p = 0.6 m 2= et Var 2= 1. Graphique du mélange estimé par P12: Annexe 13
48
49 49 Informationssur l'échantillon: Annexe 14. Propriétés de l'échantillon étudié : L'échantillon est composé de individus tirés suivant une loi Normale de moyenne 5. et de variance 3.auxquels on ajoute individus tirés suivant une loi Normale de moyenne 1. et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : Le test de proximité théorique avec V 2 donne : Le test de proximité théorique avec V 4 donne : Le graphique du mélange théorique est : Moments empiriques de l'échantillon : Moyenne : Moment empirique centré d'ordre 2 : Moment empirique centré d'ordre 3 : Moment empirique centré d'ordre 4 : Moment empirique centré d'ordre 5 : Moment empirique centré d'ordre 6 : Annexe 14
50 50 Résultatsde l'estimationpar P σ : Les racines de P σ sont : R1 = R2 = Les paramètres issus de R1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Ce n'est pas une solution au problème des moments. Les paramètres issus de R2 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : === = > On retient la solution : R2. m 1= et Var 1= , p = m 2= et Var 2= Graphique du mélange estimé par P σ : Annexe 14
51 51 Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = Les paramètres issus de r1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T5 donne : === = > On retient la solution : r1. m 1 = et Var 1 = , p = m 2= et Var 2= Graphique du mélange estimé par P12: Annexe 14
52
53 53 Annexe 15. Informationssur l'échantillon: Propriétés de l'échantillon étudié : L'échantillon est composé de individus tirés suivant une loi Normale de moyenne 1. et de variance 3.auxquels on ajoute individus tirés suivant une loi Normale de moyenne 3. et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : 0.4 Le test de proximité théorique avec V 2 donne : Le test de proximité théorique avec V 4 donne : Le graphique du mélange théorique est : Moments empiriques de l'échantillon : Moyenne : Moment empirique centré d'ordre 2 : Moment empirique centré d'ordre 3 : Moment empirique centré d'ordre 4 : Moment empirique centré d'ordre 5 : Moment empirique centré d'ordre 6 : Annexe 15
54 54 Résultatsde l'estimationpar P σ : Les racines de P σ sont : R1 = R2 = Les paramètres issus de R1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : Les paramètres issus de R2 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : === = > On retient la solution : R1. m 1= et Var 1= , p = m 2= et Var 2= Graphique du mélange estimé par P σ : Annexe 15
55 55 Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = Les paramètres issus de r1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T5 donne : === = > On retient la solution : r1. m 1= et Var 1= , p = m 2= et Var 2= Graphique du mélange estimé par P12: Annexe 15
56
57 57 Annexe 16. Informationssur l'échantillon: Propriétés de l'échantillon étudié : L'échantillon est composé de individus tirés suivant une loi Normale de moyenne 1. et de variance 3.auxquels on ajoute individus tirés suivant une loi Normale de moyenne 3. et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : 0.4 Le test de proximité théorique avec V 2 donne : Le test de proximité théorique avec V 4 donne : Le graphique du mélange théorique est : Moments empiriques de l'échantillon : Moyenne : Moment empirique centré d'ordre 2 : Moment empirique centré d'ordre 3 : Moment empirique centré d'ordre 4 : Moment empirique centré d'ordre 5 : Moment empirique centré d'ordre 6 : Annexe 16
58 58 Résultatsde l'estimationpar P σ : Les racines de P σ sont : R1 = R2 = Les paramètres issus de R1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : Les paramètres issus de R2 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : === = > On retient la solution : R2. m 1= et Var 1= , p = m 2= et Var 2= Graphique du mélange estimé par P σ : Annexe 16
59 59 Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = Les paramètres issus de r1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T5 donne : === = > On retient la solution : r1. m 1= et Var 1= , p = m 2= et Var 2= Graphique du mélange estimé par P12: Annexe 16
60
61 61 Informationssur l'échantillon: Annexe 17. Propriétés de l'échantillon étudié : L'échantillon est composé de individus tirés suivant une loi Normale de moyenne 1. et de variance 3.auxquels on ajoute individus tirés suivant une loi Normale de moyenne 3. et de variance 1. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : 0.4 Le test de proximité théorique avec V 2 donne : Le test de proximité théorique avec V 4 donne : Le graphique du mélange théorique est : Moments empiriques de l'échantillon : Moyenne : Moment empirique centré d'ordre 2 : Moment empirique centré d'ordre 3 : Moment empirique centré d'ordre 4 : Moment empirique centré d'ordre 5 : Moment empirique centré d'ordre 6 : Annexe 17
62 62 Résultatsde l'estimationpar P σ : P σ n'a pas de racine positive. La méthode échoue Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = Les paramètres issus de r1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T5 donne : === = > On retient la solution : r1. m 1= et Var 1= , p = m 2= et Var 2= Graphique du mélange estimé par P12: Annexe 17
63 Annexe 18. Informationssur l'échantillon: Propriétés de l'échantillon étudié : L'échantillon est composé de individus tirés suivant une loi Normale de moyenne 1. et de variance 4.auxquels on ajoute individus tirés suivant une loi Normale de moyenne 5. et de variance 4. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : Le test de proximité théorique avec V 2 donne : 1. Le test de proximité théorique avec V 4 donne : Le graphique du mélange théorique est : Moments empiriques de l'échantillon : Moyenne : Moment empirique centré d'ordre 2 : Moment empirique centré d'ordre 3 : Moment empirique centré d'ordre 4 : Moment empirique centré d'ordre 5 : Moment empirique centré d'ordre 6 :
64 64 Résultatsde l'estimationpar P σ : Les racines de P σ sont : R1 = R2 = Les paramètres issus de R1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Ce n'est pas une solution au problème des moments. Les paramètres issus de R2 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : === = > On retient la solution : R2. m 1= et Var 1= , p = m 2= et Var 2= Graphique du mélange estimé par P σ : Annexe 18
65 65 Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = Les paramètres issus de r1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T5 donne : === = > On retient la solution : r1. m 1= et Var 1= , p = m 2= et Var 2= Graphique du mélange estimé par P12: Annexe 18
66 66 Résultatsde l'estimationpar P varégales : Les racines de P varégales sont : z1 = Les paramètres issus de z1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T6 donne : Le test T5 donne : Graphique du mélange estimé par P varégales : Annexe 18
67 Annexe 19. Informationssur l'échantillon: Propriétés de l'échantillon étudié : L'échantillon est composé de individus tirés suivant une loi Normale de moyenne 1. et de variance 5.auxquels on ajoute individus tirés suivant une loi Normale de moyenne 5. et de variance 5. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : Le test de proximité théorique avec V 2 donne : 1. Le test de proximité théorique avec V 4 donne : Le graphique du mélange théorique est : Moments empiriques de l'échantillon : Moyenne : Moment empirique centré d'ordre 2 : Moment empirique centré d'ordre 3 : Moment empirique centré d'ordre 4 : Moment empirique centré d'ordre 5 : Moment empirique centré d'ordre 6 :
68 68 Résultatsde l'estimationpar P σ : Les racines de P σ sont : R1 = R2 = Les paramètres issus de R1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : Les paramètres issus de R2 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : === = > On retient la solution : R2. m 1= et Var 1= , p = m 2= et Var 2= Graphique du mélange estimé par P σ : Annexe 19
69 69 Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = Les paramètres issus de r1 sont : m 1 = et Var 1 = , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T5 donne : === = > On retient la solution : r1. m 1= et Var 1= , p = m 2 = et Var 2 = Graphique du mélange estimé par P12: Annexe 19
70 70 Résultatsde l'estimationpar P varégales : Les racines de P varégales sont : z1 = Les paramètres issus de z1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T6 donne : Le test T5 donne : Graphique du mélange estimé par P varégales : Annexe 19
71 Annexe 20. Informationssur l'échantillon: Propriétés de l'échantillon étudié : L'échantillon est composé de individus tirés suivant une loi Normale de moyenne 1. et de variance 6.auxquels on ajoute individus tirés suivant une loi Normale de moyenne 5. et de variance 6. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : Le test de proximité théorique avec V 2 donne : 1. Le test de proximité théorique avec V 4 donne : Le graphique du mélange théorique est : Moments empiriques de l'échantillon : Moyenne : Moment empirique centré d'ordre 2 : Moment empirique centré d'ordre 3 : Moment empirique centré d'ordre 4 : Moment empirique centré d'ordre 5 : Moment empirique centré d'ordre 6 :
72 72 Résultatsde l'estimationpar P σ : Les racines de P σ sont : R1 = R2 = Les paramètres issus de R1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : Les paramètres issus de R2 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : === = > On retient la solution : R2. m 1= et Var 1= , p = m 2= et Var 2= Graphique du mélange estimé par P σ : Annexe 20
73 73 Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = Les paramètres issus de r1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T5 donne : === = > On retient la solution : r1. m 1= et Var 1= , p = m 2= et Var 2= Graphique du mélange estimé par P12: Annexe 20
74 74 Résultatsde l'estimationpar P varégales : Les racines de P varégales sont : z1 = Les paramètres issus de z1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T6 donne : Le test T5 donne : Graphique du mélange estimé par P varégales : Annexe 20
75 Annexe 21. Informationssur l'échantillon: Propriétés de l'échantillon étudié : L'échantillon est composé de individus tirés suivant une loi Normale de moyenne 1. et de variance 7.auxquels on ajoute individus tirés suivant une loi Normale de moyenne 5. et de variance 7. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : Le test de proximité théorique avec V 2 donne : 1. Le test de proximité théorique avec V 4 donne : Le graphique du mélange théorique est : Moments empiriques de l'échantillon : Moyenne : Moment empirique centré d'ordre 2 : Moment empirique centré d'ordre 3 : Moment empirique centré d'ordre 4 : Moment empirique centré d'ordre 5 : Moment empirique centré d'ordre 6 :
76 76 Résultatsde l'estimationpar P σ : Les racines de P σ sont : R1 = R2 = Les paramètres issus de R1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : Les paramètres issus de R2 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : === = > On retient la solution : R2. m 1= et Var 1= , p = m 2= et Var 2= Graphique du mélange estimé par P σ : Annexe 21
77 77 Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = Les paramètres issus de r1 sont : m 1 = et Var 1 = , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T5 donne : === = > On retient la solution : r1. m 1= et Var 1= , p = m 2 = et Var 2 = Graphique du mélange estimé par P12: Annexe 21
78 78 Résultatsde l'estimationpar P varégales : Les racines de P varégales sont : z1 = Les paramètres issus de z1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T6 donne : Le test T5 donne : Graphique du mélange estimé par P varégales : Annexe 21
79 Annexe 22. Informationssur l'échantillon: Propriétés de l'échantillon étudié : L'échantillon est composé de individus tirés suivant une loi Normale de moyenne 1. et de variance 7.auxquels on ajoute individus tirés suivant une loi Normale de moyenne 5. et de variance 7. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : Le test de proximité théorique avec V 2 donne : 1. Le test de proximité théorique avec V 4 donne : Le graphique du mélange théorique est : Moments empiriques de l'échantillon : Moyenne : Moment empirique centré d'ordre 2 : Moment empirique centré d'ordre 3 : Moment empirique centré d'ordre 4 : Moment empirique centré d'ordre 5 : Moment empirique centré d'ordre 6 :
80 80 Résultatsde l'estimationpar P σ : Les racines de P σ sont : R1 = R2 = Les paramètres issus de R1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : Les paramètres issus de R2 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : === = > On retient la solution : R2. m 1= et Var 1= , p = m 2= et Var 2= Graphique du mélange estimé par P σ : Annexe 22
81 81 Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = Les paramètres issus de r1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T5 donne : === = > On retient la solution : r1. m 1= et Var 1= , p = m 2= et Var 2= Graphique du mélange estimé par P12: Annexe 22
82 82 Résultatsde l'estimationpar P varégales : Les racines de P varégales sont : z1 = Les paramètres issus de z1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T6 donne : Le test T5 donne : Graphique du mélange estimé par P varégales : Annexe 22
83 Informationssur l'échantillon: Annexe 23. Propriétés de l'échantillon étudié : L'échantillon est composé de individus tirés suivant une loi Normale de moyenne 1. et de variance 8.auxquels on ajoute individus tirés suivant une loi Normale de moyenne 5. et de variance 8. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : Le test de proximité théorique avec V 2 donne : 1. Le test de proximité théorique avec V 4 donne : Le graphique du mélange théorique est : Moments empiriques de l'échantillon : Moyenne : Moment empirique centré d'ordre 2 : Moment empirique centré d'ordre 3 : Moment empirique centré d'ordre 4 : Moment empirique centré d'ordre 5 : Moment empirique centré d'ordre 6 :
84 84 Résultatsde l'estimationpar P σ : Les racines de P σ sont : R1 = R2 = Les paramètres issus de R1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : Les paramètres issus de R2 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : === = > On retient la solution : R2. m 1= et Var 1= , p = m 2= et Var 2= Graphique du mélange estimé par P σ : Annexe 23
85 85 Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = Les paramètres issus de r1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T5 donne : === = > On retient la solution : r1. m 1 = et Var 1 = , p = m 2= et Var 2= Graphique du mélange estimé par P12: Annexe 23
86 86 Résultatsde l'estimationpar P varégales : Les racines de P varégales sont : z1 = Les paramètres issus de z1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T6 donne : Le test T5 donne : Graphique du mélange estimé par P varégales : Annexe 23
87 Annexe 24. Informationssur l'échantillon: Propriétés de l'échantillon étudié : L'échantillon est composé de individus tirés suivant une loi Normale de moyenne 1. et de variance 8.auxquels on ajoute individus tirés suivant une loi Normale de moyenne 5. et de variance 8. Evaluation des risques de défaillance de la méthode : Le test de proximité théorique avec V 1 donne : Le test de proximité théorique avec V 2 donne : 1. Le test de proximité théorique avec V 4 donne : Le graphique du mélange théorique est : Moments empiriques de l'échantillon : Moyenne : Moment empirique centré d'ordre 2 : Moment empirique centré d'ordre 3 : Moment empirique centré d'ordre 4 : Moment empirique centré d'ordre 5 : Moment empirique centré d'ordre 6 :
88 88 Résultatsde l'estimationpar P σ : Les racines de P σ sont : R1 = R2 = Les paramètres issus de R1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : Les paramètres issus de R2 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments.le test T6 donne : === = > On retient la solution : R2. m 1= et Var 1= , p = m 2= et Var 2= Graphique du mélange estimé par P σ : Annexe 24
89 89 Résultatsde l'estimationpar P 12 : Les racines de P 12 sont : r1 = Les paramètres issus de r1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T5 donne : === = > On retient la solution : r1. m 1 = et Var 1 = , p = m 2= et Var 2= Graphique du mélange estimé par P12: Annexe 24
90 90 Résultatsde l'estimationpar P varégales : Les racines de P varégales sont : z1 = Les paramètres issus de z1 sont : m 1= et Var 1= , p = m 2= et Var 2= > Solution potentielle au problème des moments. Le test T6 donne : Le test T5 donne : Graphique du mélange estimé par P varégales : Annexe 24
Annexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailEcran : Processeur : OS : Caméra : Communication : Mémoire : Connectique : Audio : Batterie : Autonomie : Dimensions : Poids : DAS :
SMARTPHONE - DUAL-CORE - NOIR 3483072425242 SMARTPHONE - DUAL-CORE - BLEU XXXX SMARTPHONE - DUAL-CORE - BLANC 3483072485246 SMARTPHONE - DUAL-CORE - ROSE 3483073704131 SMARTPHONE - DUAL-CORE - ROUGE XXXX
Plus en détailFluctuation d une fréquence selon les échantillons - Probabilités
Fluctuation d une fréquence selon les échantillons - Probabilités C H A P I T R E 3 JE DOIS SAVOIR Calculer une fréquence JE VAIS ÊTRE C APABLE DE Expérimenter la prise d échantillons aléatoires de taille
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailLE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION
LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs
Plus en détailLes conducteurs automobiles évaluent-ils correctement leur risque de commettre un accident?
Les conducteurs automobiles évaluent-ils correctement leur risque de commettre un accident? Nathalie LEPINE GREMAQ, Université de Toulouse1, 31042 Toulouse, France GRAPE, Université Montesquieu-Bordeaux
Plus en détailTESTS D HYPOTHÈSE FONDÉS SUR LE χ². http://fr.wikipedia.org/wiki/eugénisme
TESTS D HYPOTHÈSE FONDÉS SUR LE χ² http://fr.wikipedia.org/wiki/eugénisme Logo du Second International Congress of Eugenics 1921. «Comme un arbre, l eugénisme tire ses constituants de nombreuses sources
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailSystème d administration autonome adaptable: application au Cloud
Système d administration autonome adaptable: application au Cloud Alain TCHANA - atchana@enseeiht.fr IRIT/ENSEEIHT, Equipe SEPIA Directeur de thèse : Daniel HAGIMONT et Laurent BROTO Rapporteurs : Jean-Marc
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailLa segmentation à l aide de EG-SAS. A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM
La segmentation à l aide de EG-SAS A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM Définition de la segmentation - Au lieu de considérer une population dans son ensemble,
Plus en détailLe WACC est-il le coût du capital?
Echanges d'expériences Comptabilité et communication financière Dans une évaluation fondée sur la méthode DCF, l objectif premier du WACC est d intégrer l impact positif de la dette sur la valeur des actifs.
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailCyril HÉDOIN 12bis Grande Rue 51430 TINQUEUX 28 ans
cyril.hedoin@univreims.fr www.rationalitelimitee. wordpress.com Cyril HÉDOIN 12bis Grande Rue 51430 TINQUEUX 28 ans Tel : 03 26 91 87 20 Port : 06 26 96 75 28 Maître de conférences en sciences économiques
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailLa 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 détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailExemples d utilisation de G2D à l oral de Centrale
Exemples d utilisation de G2D à l oral de Centrale 1 Table des matières Page 1 : Binaire liquide-vapeur isotherme et isobare Page 2 : Page 3 : Page 4 : Page 5 : Page 6 : intéressant facile facile sauf
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailTitre alcalimétrique et titre alcalimétrique complet
Titre alcalimétrique et titre alcalimétrique complet A Introduction : ) Définitions : Titre Alcalimétrique (T.A.) : F m / L T.A. T.A.C. Définition : C'est le volume d'acide (exprimé en ml) à 0,0 mol.l
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailChap17 - CORRECTİON DES EXERCİCES
Chap17 - CORRECTİON DES EXERCİCES n 3 p528 Le signal a est numérique : il n y a que deux valeurs possibles pour la tension. Le signal b n est pas numérique : il y a alternance entre des signaux divers
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détailChapitre 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 détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailOPTION SCIENCES BELLE-ISLE-EN-TERRE
Serge Combet Professeur Mathématiques Collège de Belle-Isle-En-Terre OPTION SCIENCES BELLE-ISLE-EN-TERRE 2011-2012 Mathématiques & Informatique Sommaire I. Introduction... 5 II. Choix des logiciels...
Plus en détailSUIVI CINETIQUE PAR SPECTROPHOTOMETRIE (CORRECTION)
Terminale S CHIMIE TP n 2b (correction) 1 SUIVI CINETIQUE PAR SPECTROPHOTOMETRIE (CORRECTION) Objectifs : Déterminer l évolution de la vitesse de réaction par une méthode physique. Relier l absorbance
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailAnalyse des bruits de clavier d ordinateur
Analyse des bruits de clavier d ordinateur Introduction 1 Enregistrement des bruits de clavier 2 Analyse des bruits de clavier 3 Analyse du niveau de pression acoustique vs. temps 4 Sonie vs. temps 4 Acuité
Plus en détailCommentaire. Décision n 2013-301 QPC du 5 avril 2013. Mme Annick D. épouse L.
Commentaire Décision n 2013-301 QPC du 5 avril 2013 Mme Annick D. épouse L. (Cotisations et contributions sociales des travailleurs non salariés non agricoles outre-mer) La Cour de cassation a renvoyé
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailFinance et performance des jeunes viticulteurs : les conséquences pour l installation
Finance et performance des jeunes viticulteurs : Julien Cadot, ISG Paris 1 Introduction A un moment ou un autre, le candidat à l installation en viticulture doit se poser la question du revenu qu il va
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailT de Student Khi-deux Corrélation
Les tests d inférence statistiques permettent d estimer le risque d inférer un résultat d un échantillon à une population et de décider si on «prend le risque» (si 0.05 ou 5 %) Une différence de moyennes
Plus en détailCet exposé s intègre dans les travaux développés par une Equipe en Projet INRP-IUFM,
15 Les nouvelles technologies et les stagiaires IUFM : une appropriation mal contrôlée Philippe Le Borgne IUFM de Franche-Comté philippe.leborgne@fcomte.iufm.fr PRÉSENTATION Cet exposé s intègre dans les
Plus en détailP R E S E N T A T I O N E T E V A L U A T I O N P R O G R A M M E D E P R E V E N T I O N «P A R L E R»
P R E S E N T A T I O N E T E V A L U A T I O N P R O G R A M M E D E P R E V E N T I O N «P A R L E R» Parler Apprendre Réfléchir Lire Ensemble pour Réussir Pascal BRESSOUX et Michel ZORMAN Laboratoire
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailCaractérisation de défauts par Magnétoscopie, Ressuage, Courants de Foucault
Page 1 25 octobre 2012 Journée «Contrôle non destructif et caractérisation de défauts» Caractérisation de défauts par Magnétoscopie, Ressuage, Courants de Foucault Henri Walaszek sqr@cetim.fr Tel 0344673324
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailMastère spécialisé. «Ingénierie de l innovation et du produit nouveau De l idée à la mise en marché»
Mastère spécialisé «Ingénierie de l innovation et du produit nouveau De l idée à la mise en marché» I- Présentation détaillée du programme d enseignement Répartition par modules et crédits ECTS : Intitulé
Plus en détailChapitre 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 détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailCNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité
1 CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité Une situation fréquente en pratique est de disposer non pas d un résultat mais de plusieurs. Le cas se présente en assurance, par exemple :
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailTests 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 détailLe suivi de la qualité. Méthode MSP : généralités
Le suivi de la qualité La politique qualité d une entreprise impose que celle maîtrise sa fabrication. Pour cela, elle doit être capable d évaluer la «qualité» de son processus de production et ceci parfois
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailQuestionnaire sur les Antécédents Linguistiques. (Version 2.0, 2012)
Questionnaire sur les Antécédents Linguistiques (Version 2.0, 2012) Voyez http://cogsci.psu.edu/ pour l usage et crédit en ligne Veuillez fournir vos coordonnées ci-dessous: Nom: Email: Téléphone: Veuillez
Plus en détailLa pratique du coaching en France. Baromètre 2010
SFCoach : crée du lien entre le monde du travail et les professionnels de l accompagnement La pratique du coaching en France Baromètre 2010 Fondée en 1996 22, Bd Sébastopol 75004 Paris Association 1901
Plus en détailenquête pour les fautes sur le fond, ce qui est graves pour une encyclopédie.
4.0 Contrôles /4 4 e enquête pour les fautes sur le fond, ce qui est graves pour une encyclopédie. RPPEL de 0. Wikipédia 2/2 Dans le chapitre : XX e siècle : ( 4.0 mythe paroxysme ) sous la photo d un
Plus en détailConception de Médicament
Conception de Médicament Approche classique HTS Chimie combinatoire Rational Drug Design Ligand based (QSAR) Structure based (ligand et ou macromolec.) 3DQSAR Docking Virtual screening Needle in a Haystack
Plus en détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
Plus en détailSTA108 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 détailMEMOIRE POUR UNE HABILITATION A DIRIGER DES RECHERCHES
UNIVERSITE DE BOURGOGNE MEMOIRE POUR UNE HABILITATION A DIRIGER DES RECHERCHES Discipline : Sciences de Gestion Matière : Finance Candidate : Aurélie SANNAJUST Fonction : Maître de Conférences à l Université
Plus en détailCatalogue Informatique - Clés USB Stylos
Catalogue Informatique - Clés USB Stylos Grossiste Chinois Import Votre grossiste en ligne Edition 06/07/2015 Higoods Co. Ltd. Room 1001 Chuangxin Building,Chuangye Garden Minzhi Streets, Longhua District
Plus en détailL impression numérique
Martin Garanger L impression numérique Pearson France a apporté le plus grand soin à la réalisation de ce livre afin de vous fournir une information complète et fiable. Cependant, Pearson France n assume
Plus en détailClasse de première L
Classe de première L Orientations générales Pour bon nombre d élèves qui s orientent en série L, la classe de première sera une fin d étude en mathématiques au lycée. On a donc voulu ici assurer à tous
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailTRANSIT ET COMMERCE INTERNATIONAL LES MODULES DE FORMATION Licence Pro TRANSIT ET COMMERCE INTERNATIONAL (L3 T C I)
TRANSIT ET COMMERCE INTERNATIONAL LES MODULES DE FORMATION Licence Pro TRANSIT ET COMMERCE INTERNATIONAL (L3 T C I) Intitulé : Licence Professionnelle Mention : COMMERCE Parcours : Transit et Commerce
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailRapport du comité d'experts
Section des Unités de recherche Rapport du comité d'experts Unité de recherche : Centre de Recherche sur l Espagne Contemporaine (CREC) EA 2292 de l'université Paris 3 Sorbonne Nouvelle février 2008 2
Plus en détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détailInterface PC Vivago Ultra. Pro. Guide d'utilisation
Interface PC Vivago Ultra Pro Guide d'utilisation Version 1.03 Configuration de l'interface PC Vivago Ultra Configuration requise Avant d'installer Vivago Ultra sur votre ordinateur assurez-vous que celui-ci
Plus en détailLicence professionnelle Systèmes d information, méthodes et outils
Formations et diplômes Rapport d'évaluation Licence professionnelle Systèmes d information, méthodes et outils Université Pierre Mendes France - Grenoble - UPMF Campagne d évaluation 2014-2015 (Vague A)
Plus en détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
Plus en détail*Ce Master peut donner accès au Doctorat en Études Internationales pour la Paix, les Confits, et le Développement. Il a été honoré de la mention de
*Ce Master peut donner accès au Doctorat en Études Internationales pour la Paix, les Confits, et le Développement. Il a été honoré de la mention de qualité et d excellence Par le Ministère de l Éducation
Plus en détailHabilitation à Diriger les Recherches
FACULTE JEAN MONNET Habilitation à Diriger les Recherches présentée et soutenue publiquement le 28 juin 2011 Résumé des travaux de recherche Hajer Kéfi Jury : Professeur Ahmed Bounfour Université Paris-Sud
Plus en détailGuide de mise à jour BiBOARD
Guide de mise à jour BiBOARD Version 11.4 13/12/2012 Support BiBOARD E-mail : support@biboard.fr Ce document est destiné à l équipe informatique en charge de la mise à jour de l application BiBOARD. Durée
Plus en détailEn 2014, comment mener à bien une enquête aléatoire en population générale par téléphone?
En 2014, comment mener à bien une enquête aléatoire en population générale par téléphone? Prémila Choolun 1, François Beck 2, Christophe David 1, Valérie Blineau 1, Romain Guignard 3, Arnaud Gautier 3,
Plus en détailMASTER de sciences et technologies, Mention MATHÉMATIQUES ET APPLICATIONS Université Pierre et Marie Curie (Paris VI) Année 2012-2013
MASTER de sciences et technologies, Mention MATHÉMATIQUES ET APPLICATIONS Université Pierre et Marie Curie (Paris VI) Année 2012-2013 [version du 29 juin 2012] 2 Table des matières 1 Master 2, Spécialité
Plus en détail(Confédération générale du travail Force ouvrière et autre)
Décision n 2014-388 QPC du 11 avril 2014 (Confédération générale du travail Force ouvrière et autre) Le Conseil constitutionnel a été saisi le 6 février 2014 par le Conseil d État (décision n 371062 du
Plus en détailValue at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061
Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain
Plus en détailLES GRADES PROGRAMME D EXAMEN DE LA CEINTURE JAUNE A LA CEINTURE MARRON
LES GRADES PROGRAMME D EXAMEN DE LA CEINTURE JAUNE A LA CEINTURE MARRON 1 CEINTURE JAUNE Objectif : savoir exécuter les coups simples de K1 Rules/ K1 Japan En statique sur cibles OUI OUI NON NON NON En
Plus en détailN 2876 ASSEMBLÉE NATIONALE PROPOSITION DE LOI
N 2876 ASSEMBLÉE NATIONALE CONSTITUTION DU 4 OCTOBRE 1958 TREIZIÈME LÉGISLATURE Enregistré à la Présidence de l Assemblée nationale le 19 octobre 2010. PROPOSITION DE LOI relative à la TVA applicable au
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailFPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 1
INTRODUCTION ça L'INFçERENCE STATISTIQUE 1. Introduction 2. Notion de variable alçeatoire íprçesentation ívariables alçeatoires discrçetes ívariables alçeatoires continues 3. Reprçesentations d'une distribution
Plus en détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailFiche de révisions sur les acides et les bases
Fiche de révisions sur les s et les s A Définitions : : espèce chimique capable de libérer un (ou plusieurs proton (s. : espèce chimique capable de capter un (ou plusieurs proton (s. Attention! Dans une
Plus en détailfiche m mo technique
fiche m mo technique les lois de la colorimétrie Les lois DE LA COLORIMétrie... Les lois de la colorimétrie s appliquent pour tous les supports du papier, à la toile aux cheveux en passant par l objet
Plus en détailTraitement bas-niveau
Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.
Plus en détailRéseau CAI Bpifrance L EQUIPE DES CHARGES D AFFAIRES INTERNATIONAUX UBIFRANCE
L EQUIPE DES CHARGES D AFFAIRES INTERNATIONAUX UBIFRANCE [Mise à jour : 10 mai 2014] 1 L équipe Siège UBIFRANCE Paris Michel Bauza Chef de Département UBIFRANCE siège, Paris Téléphone fixe 01 40 73 35
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailMémoire d Actuariat Tarification de la branche d assurance des accidents du travail Aymeric Souleau aymeric.souleau@axa.com 3 Septembre 2010 Plan 1 Introduction Les accidents du travail L assurance des
Plus en détail