I INTRODUCTION II ECHANTILLONS. Master 1 ESTIMATION Mars 2009

Dimension: px
Commencer à balayer dès la page:

Download "I INTRODUCTION II ECHANTILLONS. Master 1 ESTIMATION Mars 2009"

Transcription

1 Maste 1 ESTIMATION Mas 009 I INTRODUCTION Das so live, Le jeu de la sciece et du hasad, Daiel Schwatz, cite cette aecdote d'u aglais qui déaque à Calais et qui apecevat ue femme ousse, coclut : Ties, les façaises sot ousses...nous ios de so eeu, mais ie souvet ous avos du mal à l'évite ; il cite lui même le cas d'u ami mathématicie, qui le ecote à Pais u samedi et lui dit :..Tu e vas plus à la campage le samedi? ; plus loi il imagie u chiugie, auteu d'ue ouvelle techique opéatoie qui écit aux 1000 pemies patiets qui e ot ééciée ; il eçoit 100 époses : 75 sot tès satisfaits, 5 o ; il évalue doc la popotio de succès à 75%, à pati de cet échatillo. Cepedat le doute le saisit : que sot deveus les 900 autes patiets, qui 'ot pas épodu? Répose : ils sot mots des suites de l'opéatio...no commet. O comped doc le polème qui se pose : o est souvet ameé à décie ue populatio à pati d'u échatillo, soit pace que teste la populatio etièe est impossile, o e peut iteoge chaque électeu su ses itetios pou costuie u sodage, soit pace que le test peut détuie l'échatillo ; o voit mal u faiquat d'ampoules teste leu duée de vie e les laissat toutes allumées jusqu'à leu usue complète. C'est l'ojet de l'iductio ; les statisticies appellet iféece la démache qui cosite à passe du paticulie, c'est-à die de l'échatillo, au gééal, c'est-à die à la populatio-mèe. Les tests statistiques pemettet de saisi les éffets des uctuatios d'échatilloage et de épode à la questio fodametale : que valet les ifomatios issues d'u échatillo? pemettet-elles de décie la populatio? Aisi se pose de faço cuciale le choix de l'échatillo, et otammet la costuctio d'u échatillo epésetatif de la populatio. O e peut pas teste la populatio façaise pa les pesoes dot le om commece pa u A;ou les étudiats d'u cetai cous i e peat ceux du pemie ag ( quad il y e a..) i ceux du deie ag. Ces échatillos évoqués sot dits iaisés, e ce ses qu'ils diffèet systématiquemet de la populatio ; ils e sot pas epésetatifs. La seule faço satisfaisate du poit de vue théoique, pou évite le iais, est que l'appateace d'u élémet à l'échatillo e dépede e aucu cas d'ue caactéistique de cet élémet (pemièe lette du om, place das l'amphithéâte,..), mais poviee uiquemet du hasad, d'u tiage aléatoie, où chaque idividu a la même poailité d'ête choisi. Si l'o veut teste si la soupe est coectemet salée, et si elle a été ie mélagée, o aua la même coclusio e goûtat das la mamite, ou das l'assiette de quelqu'u. Das de omeux sodages, o utilise u échatilloage plus sophistiqué que le tiage au sot : o pocède pa states, e xat à l'avace le ome d'idividus qui devot avoi tel âge, sexe, catégoie socio-pofessioelle, etc. Mais à l'itéieu de chaque sous-goupe, les idividus eteus devot ésulte d'u tiage au sot. La statistique est asée su le fait que les doées osevées sot des éalisatios de vaiales aléatoies ; aisi les valeus osevées das ue populatio costituet éalisatios idépedates d'ue vaiale aléatoie X suivat ue loi de poailité P; ou ue éalisatio du -uplet (X 1; X ; :::; X ) où les X i sot des vaiales aléatoies idépedates et de même loi, P ( i:i:d: idépedates et idetiquemet distiuées). O ote (x 1; x ; :::; x ) u échatillo de taille ou pa extesio (X 1; X ; :::; X ) : Pa exemple, si l'o désie teste la duée de vie d'ue ampoule das ue populatio de taille 10000; u échatillo de taille 10 sea oté (X 1; X ; :::; X 10 ) ; où X 1 est la duée de vie de l'ampoule N 1; etc. Si l'expéiece ous doe pou la pemièe ampoule ue duée de vie de 500 heues, alos x 1 500: A pati de ote échatillo, ous pouos calcule diveses caactéistiques, comme la moyee de l'échatillo, et ous checheos à estime la moyee icoue de la populatio. Pou estime u paamète icou d'ue populatio, o peut se xe deux types d'ojectifs : soit echeche ue estimatio sous la fome d'u ome et o pale alos d'estimatio poctuelle, soit echeche u itevalle qui cotiee le paamète icou, avec u isque d'eeu coseti, et o pale alos d'itevalle de coace (fouchette). II ECHANTILLONS Nous supposeos das la suite que l'o pocède à u échatilloage aléatoie, c'est-à die que tous les idividus d'ue populatio de taille N ot été uméotés et que l'o a tié au sot ( < N) omes pami les eties de 1 à N; pou costitue u échatillo aléatoie de taille : O peut effectue le tiage de deux faços doat lieu à deux types d'échatillos. 1. U échatillo est dit exhaustif (du lati épuise, au ses épuise toutes les possiilités), s'il est costitué sas emise et o exhaustif s'il est costitué avec emise.. Das le cas d'u tiage o exhaustif (avec emise), il y a idépedace ete les tiages. 3. Das le cas d'échatillos exhaustifs costitués à pati d'ue populatio ie de taille N; il 'y a pas idépedace. O déit alos le taux de sodage T : Si le taux de sodage est sufsammet petit ( T 0:05), o peut assimile (comme das la situatio N d'u schéma de Beoulli) u échatillo exhaustif à u esemle de valeus ésultat de tiages idépedats. 4. Covetio : les ésultats éocés das ce chapite supposet pa défaut que les échatillos cosidéés sot soit o exhaustifs soit exhaustifs avec u taux de sodage : T N iféieu ou égal à 5%: Das le cas cotaie, pou des populatios ies, de taille N; si 0:05N; o deva utilise u coectif qui sea pécisé. page 1

2 ESTIMATION III ESTIMATION PONCTUELLE 1. ESTIMATEUR Supposos que los d'u cocous compotat 1000 cadidats, o ait coigé 100 copies. Si ote échatillo de 100 copies a pou moyee 10:85; cette valeu uméique costitue ue estimatio "atuelle" de la moyee icoue de la populatio des copies. Déitio : cosidéos ue populatio et u paamète icou de cette populatio (pa exemple sa moyee). U estimateu est ue foctio f qui à chaque échatillo tié au hasad, (X 1; X ; :::; X ) associe u ome, f (x 1; x ; :::; x ) qui costitue ue estimatio du paamète : L'estimateu est oté ; c'est ue vaiale aléatoie qui déped de l'échatillo. Das ote exemple pécédet u estimateu de la moyee m des otes est : M c X 1 + X + ::: + X 100 et m 10:85 ue 100 estimatio de cette moyee. O auait pu pede comme estimateu la médiae des X i ( i vaiat de 1 à 100); ou ecoe tout simplemet la ote de la pemièe copie tiée au hasad. O comped que ces difféets estimateus e sot pas équivalets et l'o va déi diveses caactéistiques d'u estimateu de faço à choisi celui qui pemetta d'otei ue estimatio la plus poche possile du paamète icou.. BIAIS O appelle iais d'u estimateu, la difféece E ; ete l'espéace de et : Le iais est positif si ted à suestime et égatif das la cas cotaie. O otea que la vaiale aléatoie qui epésete l'eeu d'estimatio s'écit : E + E ; le pemie {z } {z } teme epésetat les uctuatios de autou de so espéace (eeu aléatoie) et le deuxième teme epésetat le iais (eeu systématique). O chechea des estimateus sas iais, e gadat à l'espit l'impotace d'autes citèes comme la vaiace. 3. ESTIMATEUR SANS BIAIS a. U estimateu est sas iais si E : E clai, la moyee des valeus de l'estimateu das tous les échatillos de même taille est égale à la valeu du paamète das la populatio. Exemple impotat : l'estimateu X X 1 + X + ::: + X qui à u échatillo de taille associe la moyee de l'échatillo est u estimateu sas iais de la moyee m de la populatio.. Les gads échatillos : u estimateu est asymptotiquemet sas iais si lim E :!+1 Exemple : o cosidèe que le temps d'attete X ete deux ames de méto est ue vaiale aléatoie qui suit ue loi uifome su u itevalle [a; ] ; les oes a et état icoues. Soiet X 1 ; X ::; X u échatillo de valeus mutuellemet idépedates et Z Mi(X 1 ; X ::; X ) u estimateu de a: O admet que E (Z) a+ +1 : Z est-il iaisé? 4. ESTIMATEUR EFFICACE O otea qu'u estimateu sas iais 'est pas ue gaatie d'otei ue estimatio de satisfaisate ; si la vaiace de est gade, o peut se touve assez malchaceux avec l'échatillo pélevé et otei ue estimatio éloigée de : Il est doc impotat que la vaiace de soit aussi faile que possile. a. Déitio : est u estimateu efcace de s'il est sas iais et s'il possède la vaiace la plus faile des estimateus sas iais. O pale de meilleu estimateu sas iais (BUE : est uiased estimato).. Si 1 et sot deux estimateus sas iais, o dia que 1 est plus efcace que si V 1 < V : c. Estimateu liéaie : o a vu que X 1 X 1+ 1 X + ::: + 1 X est u estimateu de la moyee de la populatio ; cet estimateu est liéaie ca c'est ue comiaiso liéaie des osevatios de l'échatillo, du type : a 1 X 1+ a X + ::: + a X : d. Estimateu BLU E ( est liea uiased estimato) : u estimateu BLU E est u estimateu liéaie sas iais de vaiace miimale. O peut éamois touve u estimateu o liéaie plus efcace qu'u estimateu BLUE. 5. ERREUR QUADRATIQUE MOYENNE U estimateu sas iais peut avoi ue gade vaiace et pose alos upolème : si 1 est u estimateu sas iais de et si est u aute estimateu légèemet iaisé, mais avec V < V 1 ; quel estimateu choisi? O déit la pécisio d'u estimateu e mesuat sa dispesio autou de la vaie valeu icoue de : a. Déitio : l'eeu quadatique moyee est déie pa : EQM E :. Relatio ete eeu quadatique et iais :

3 Maste 1 E E V + E E +E E h E + E E E h ca E E i ESTIMATION i +E E 0 et E est ue costate. E coclusio : l'eeu quadatique moyee est la somme de la vaiace de et du caé du iais : E V + E c. Remaque : pou u estimateu sas iais, l'eeu quadatique moyee est la vaiace, ca E : 6. ESTIMATEUR ET GRANDS ECHANTILLONS CONVERGENT U estimateu est dit coveget (ves ) si covege ves quad ted ves l'ii, c'est à die si la poailité que s'écate de ted ves 0 quad ted ves l'ii : quel que soit " > 0; lim P 0:!+1 L'esemle des valeus que peut pede l'estimateu das tous les échatillos de même taille doit se essée autou de la valeu du paamète de la populatio, quad la taille de l'échatillo augmete. O otea que si est u estimateu coveget, alos g costituea u estimateu coveget de g () ; pou toute foctio g de R das R cotiue. 7. Echatilloage de la moyee (su u exemple) a. Exemple : Soit ue populatio de 5 étudiats dot les otes à u exame de statistique sot les suivates : 1 ; ; 5 ; 7 ; 10 (su 10). Cosidéos l'expéiece aléatoie qui cosiste à péleve u échatillo aléatoie (sas emise) de taille ( ou 3 ou 4 das les calculs qui suivet) et otos X la vaiale aléatoie, appelée moyee d'échatillo qui à chaque échatillo de taille associe sa moyee. Calculos esuite l'espéace de X. Cela suppose d'exhie tous les échatillos, de calcule leus moyees espectives et d'effectue la moyee de ces moyees. O a calculé pa ailleus, la moyee 5 et la vaiace 10:8 de la populatio. i. Echatillos de taille, sas emise : Il y a A échatillos de taille ayat tous la même poailité, ; d'ête choisis. Il y a 0 moyees à calcule, e 0 fait 10;ca les échatillos (1; ) et (; 1) ; pa exemple, ot la même moyee. Echatillos et moyees (1; ) (1; 5) (1; 7) (1; 10) (; 5) (; 7) (; 10) (5; 7) (5; 10) (7; 10) (; 1) (5; 1) (7; 1) (10; 1) (5; ) (7; ) (10; ) (7; 5) (10; 5) (10; 7) : 1: :5 3:5 4: :5 8:5 O peut alos doe la distiutio d'échatilloage de la moyee (modalités x i et effectifs i ). x i 1:5 3 3:5 4 5:5 4:5 6 7:5 8:5 i 4 1: :5 + 3:5 + 4: :5 + 8:5 La moyee des x i est : E X 5: 0 O ote que 5 est la moyee de la populatio. ii. Echatillos de taille 3 (sas emise) : Il y a A échatillos, o e exhie 10, chacu e doat 6 pa pemutatio. TAILLE 3 Ech. (1; ; 5) (1; ; 7) (1; ; 10) (1; 5; 7) (1; 5; 10) (1; 7; 10) (; 5; 7) (; 5; 10) (; 7; 10) (5; 7; 10) x i :7 3:3 4:3 4:3 5:3 6 4:7 5:7 6:3 7:3 O touve pou la moyee des échatillos de taille 3 : E X 3 5 Bila échatillos exhaustifs : TAILLE TAILLE 3 TAILLE 4 E X V X E X 3 V X 3 E X 4 V X 4 5 4:05 5 1:8 5 0:675 iii. Echatillos o exhaustifs de taille : Il y a 5 5 échatillos de ce type. TAILLE (1; ) (1; 5) (1; 7) (1; 10) (; 5) (; 7) (; 10) (5; 7) (5; 10) (7; 10) (; 1) (5; 1) (7; 1) (10; 1) (5; ) (7; ) (10; ) (7; 5) (10; 5) (10; 7) (1; 1) (; ) (5; 5) (7; 7) (10; 10) page 3 E X V X 5 5:4 {z } TAILLE AVEC REMISE

4 4 ESTIMATION iv. Coclusio : O a costaté su tous os exemples que la moyee des moyees est égale à celle de la populatio, mais que la vaiace des moyees est plus petite que celle de la populatio et qu'elle dimiue avec la taille de l'échatillo. IV DISTRIBUTION D'ECHANTILLONAGE DE LA MOYENNE 1. Notatios Soit ue populatio de taille N (ou iie) su laquelle est déi u caactèe quatitatif oté X ayat das cette populatio pou moyee et pou écat-type. E pélevat au hasad u échatillo de taille, ous céos ue suite de vaiales aléatoies idépedates, de même distiutio que X; otées X 1 ; X ; :::; X et peat espectivemet pou valeus les valeus pises pa X su chacu des idividus de l'échatillo.. Déitio O déit la vaiale aléatoie otée X, appelée moyee d'échatillo et déie pa : X X 1 + X + ::: + X Nous allos détemie la moyee, la vaiace et l'écat-type de la moyee d'échatillo. 3. Espéace Pa liéaité de P l'espéace, o a : E X 1 E (Xi ) ;mais E (X i ) et doc E X 1 : La moyee d'échatillo est u estimateu sas iais de la moyee de la populatio. La moyee de la vaiale aléatoie X est toujous égale à la moyee de la populatio mèe, celle d'où l'échatillo a été pélevé. 4. Vaiace et écat-type V X V X1 + X + ::: + X 1 V (X 1 + X + ::: + X ), de plus les vaiales X i état idépedates la vaiace est additive et o a : V X 1 P V (Xi ) 1 ca V (X i ) V (X) ; o e déduit : X 1 p : O ote que l'écat-type de la vaiale X dimiue quad la taille de l'échatillo augmete, e clai plus la taille de l'échatillo est gade, plus X "se cocete" autou de la moyee de la populatio. 5. A etei : Si l'o extait d'ue populatio d'espéace et d'écat-type u échatillo de taille ; la moyee de cet échatillo est ue vaiale aléatoie de moyee et d'écat-type p : E X V X X 6. Flash-Back : TCL Le théoème cetal limite pemet d'afme que la distiutio de la moyee d'échatillo ted ves ue loi omale au fu et à mesue que la taille de l'échatillo augmete et ce sas aucue hypothèse su la loi paete (loi de la populatio). Si la loi paete a pou moyee et pou écat-type, la moyee d'échatillo de taille ; otée X ; suit appoximativemet la loi N ; p : L'appoximatio est jugée satisfaisate losque la taille de l'échatillo est d'au mois 30: Patique : si l'o ote Z X ; la poailité P (a Z ) a pou valeu appochée F () F (a) ;quad est assez gad, p F désigat la foctio de épatitio de la loi omale cetée éduite. 7. Petits échatillos ( < 30) : distiutio de Studet Das le cas de petits échatillos, ous devos suppose que la loi de la populatio est omale, pou afme que la moyee d'échatilloage suit ue loi omale. Mais il susite u polème : l'estimatio de pa S 'est pas ale, ca elle vaie top d'u échatillo à l'aute ; le TCL e s'applique pas et o doit utilise la distiutio de Studet (W.S.Gosset, statisticie qui tavaillait das la asseie iladaise Guiess). Rappel : Si l'échatilloage s'effectue à pati d'ue populatio omale La vaiace est icoue La taille de l'échatillo est petite ( < 30). alos : T X suit ue loi de Studet à 1 ddl (degé de lieté). cf exemple itevalle de coace 3c. S p p 4

5 Maste 1 ESTIMATION 8. Execice a. Ue machie automatique poduit des pièces dot le poids moye est de 5 g avec u écat-type de 0:5g. Le cotôle de qualité fait péleve 100 pièces. Calcule la poailité que la moyee d'u échatillo de taille 100 soit iféieue ou égale à 5:01g: (épose : 65:54%). Détemios u itevalle ceté su la moyee tel qu'o puisse afme qu'avec ue poailité de 95% cet itevalle cotiet le poids moye. Solutio : l'itevalle que ous chechos est déi pa : z 0:05 Z z 0:05 ; avec P (Z z 0:05 ) 97:5; ce qui doe : z 0:05 1:96, 1:96 X 1:96 soit 1:96 X 1:96 soit X 1:96p X + 1:96p soit ici : p p 5 1:96 0:5 p :96 0:5 p 100 soit l'itevalle : [4: 951 ; 5: 049] : O attiue à cet itevalle le iveau de coace de 95% de cotei la vaie valeu de ; ce qui sigie que pou 95% des échatillos de taille 100 pélevés das cette populatio la moyee de la populatio se touve das l'itevalle calculé (o dit aussi 19 fois su 0): 9. O a étali pécédemmet que : E X et X 1 p ; o e déduit que X est u estimateu (poctuel) sas iais de (moyee de la populatio). 10. Tois estimateus à coaîte : Moyee, Vaiace et popotio. a. Moyee : Le polème est églé : X est u estimateu poctuel sas iais de et l'estimatio sea otée : X (moyee de l'échatillo).. Vaiace et Ecat-type : i. Estimateu sas iais Si o ote S u estimateu sas iais de la vaiace, o atted de lui : E S. O est teté de pese que la vaiace d'échatillo, 1 P Xi X ; pouait tei ce ôle, mais cet estimateu est "iaisé" ; si l'o extait de omeux échatillos d'ue populatio de vaiace, o costatea qu'e moyee la vaiace d'échatillo sea iféieue à la vaie valeu : O démote que la moyee des vaiaces de tous les échatillos de taille 'est pas la vaiace de la populatio. O a : 1 P 1 P Xi X (Xi ) X 1 P (Xi ) + X P (Xi ) X soit e développat : 1 P (Xi ) + X X P (X i ) 1 P (Xi ) X ; il este 1 P à pede l'espéace des deux memes, et à utilise la liéaité : E Xi X 1 P E (X i ) E X 1 P 1 ; o coige ce iais e posat : S 1 1 P 1 P Xi X Xi X et o a alos : E S : O doit etei : U estimateu sas iais de la vaiace de la populatio est la vaiace d'u échatillo aléatoie de taille déie pa : S 1 X Xi X 1 qui doe comme estimatio de la vaiace : S 1 où 1 P xi X désige la vaiace calculée su l'échatillo ; o otiet comme estimatio de l'écat-type : S 1. O ote que S > : ii. Calculatice La calculatice statistique fouit à pati de doées d'u échatillo, l'écat-type de l'échatillo, oté X (avec os otatios ) et l'estimatio de l'écat-type de la populatio, otée S X (avec os otatios s). Rete das ue liste l'échatillo de taille 3; (10 ; 0 ; 50) ; das le meu Calcul 1vaiale o otiet : X 16:9967 et S X ' 0:8167 ; o véie que S X ' 3 X ' 16: ' 0:816 6: iii. Execice coigé Pa u sodage effectué aupès d'u échatillo de 178 cades supéieus, o a oteu u eveu auel moye de e, avec u écat-type de 7684 e, l'ojectif état d'estime le eveu auel de tous les cades supéieus. Estime poctuellemet le salaie moye et l'écat-type du salaie moye des cades de la populatio. page 5

6 6 ESTIMATION Coigé : O sait que le salaie moye de l'échatillo est u estimateu sas iais du salaie moye de la populatio, doc o estimea le salaie moye de la populatio pa : E X ; o ped comme estimateu de la vaiace de la populatio, S ; la vaiace d'échatillo déie pa : S e 1 et doc pou l'écat-type : S : c. Estimatio d'ue popotio O s'itéesse à la popotio p des idividus d'ue populatio ayat ue caactéistique doée. O démote que p peut ête estimée pa p; la popotio d'idividus ayat cette caactéistique das u échatillo de taille ; cet estimateu état sas iais. d. BILAN : Paamète à estime Estimateus Moyee : X Vaiace : S 1 P Xi X 1 1 ; écat-type calculé su l'échatillo de taille Ecat-type S 1 popotio : p p (popotio d'échatillo), avec E (p) p V INTERVALLE DE CONFIANCE 1. Itoductio. Les estimatios poctuelles e fouisset pas d'ifomatio su la pécisio des estimatios, c'est-à die qu'elles e tieet pas compte de l'eeu possile attiuale aux uctuatios d'échatilloage, o deux échatillos disticts doet pesque cetaiemet des valeu difféetes pou l'estimatio. Il s'agit toujous d'estime u paamète icou, mais au lieu de lui attiue ue valeu uique e faisat appel à u estimateu poctuel, de costuie u itevalle aléatoie qui pemette de ecouvi, avec ue cetaie ailité, la vaie valeu du paamète estimé. Cet itevalle aléatoie déped de l'échatillo. Avat de péleve l'échatillo, o assige à l'itevalle aléatoie ue poailité de cotei la vaie valeu de. O attiue souvet à cette poailité, décidée au péalale, la valeu de 95%: Ue fois l'échatillo pélevé, o otiet u itevalle xe (o aléatoie) auquel o attiue le iveau de coace de 95%; de cotei la vaie valeu de : a. Niveau de coace Si P (a ) 1 ; cette poailité otée (1 ) souvet expimée e poucetage s'appelle le iveau de coace de l'itevalle. Ce iveau est décidé au péalale et peut ête aussi élevé (poche de 100%) que l'o veut. O choisit souvet 5%;ce qui doe u iveau de coace de 95%:. Le seuil de isque La poailité ; expimée e poucetage, est appelée le iveau de isque. epésete la poailité de se tompe e afmat que l'itevalle de coace cotiet le paamète : désige la poailité pou que l'itevalle que l'o détemie e cotiee pas la vaie valeu du paamète. c. Le choix La détemiatio d'u itevalle de coace ous place devat u choix difcile : soit efuse u isque élevé, mais alos otei u itevalle "gossie" et de peu d'itéêt, soit accepte u isque élevé et otei u ecademet assez pécis. O peut die qu'avec u iveau de coace de 100%;l'itevalle [0; 0] cotieda vote ote de patiel...mais l'itéêt d'u tel ésultat est faile... d. Exemple : Soit X la vaiale aléatoie coespodat à la valeu hedomadaie des achats de la méagèe de 50 as... Supposos que l'itevalle de coace à 95% soit ]455:10 ; 495:40[ et que l'itevalle de coace à 99% soit ]448:73 ; 501:77[ ; cela sigie que 95% des échatillos de taille doeot ue valeu das l'itevalle ]455; 10 ; 495:40[ et que 99% d'ete eux ue valeu das l'itevalle ]448:73 ; 501:77[. O otea évidemmet que plus le iveau de coace exigé est gad, plus l'amplitude de l'itevalle est gade. 3. Itevalle de coace d'ue moyee a. Ecat-type de la populatio cou Pou 30 ; I x z p ; x + z p z état calculé avec la loi omale : P z Z z 1 ; Z suivat la loi N (0; 1) ; Rappel : P z Z z F z 1, F désigat la foctio de épatitio de la loi omale cetée éduite. 6

7 Maste 1 ESTIMATION O etieda que pou 0:05; z 1:96 (véie das la tale de la foctio de épatitio de la loi omale cetée éduite).. Ecat-type de la populatio icou i. O commece pa faie ue estimatio poctuelle S de l'écat-type de la populatio, e utilisat l'écat-type calculé das l'échatillo : S 1 et o fait le même tavail : I X z p ; X + z p Remaque : S p p 1 ii. Exemple : epeos le salaie des cades (9iii) et chechos ue estimatio du salaie moye pa u itevalle de coace à 95%. Le théoème cetal limite ous dit que si 30; la vaiale X a ue distiutio appoximativemet omale avec comme paamète la moyee m de la populatio et comme écat-type estimép S 577: 56; que ous avos déjà calculé. O a doc : P X 1:96 S p m X + 1:96 S p 0:95: O appelle mage d'eeu la demi amplitude de l'itevalle : 1:96 S p 1:96577: : 0; ce qui doe u itevalle de coace : : 0 m : 0 soit : 4071: 98 m 4986: 0 Pou 95% des échatillos de taille 178, le eveu auel moye est au plus à e du eveu auel moye de tous les cades. L'itevalle calculé ous doe aiso 19 fois su 0. c. Petit échatillo ( < 30) pélevés das ue populatio omale i. I X t ; p ; X + t ; p ii. Exemple : o a testé 5 efats de 3 à 6 as pélevés au hasad das ue populatio et o a elevé le temps X de éactio (e cetième de secode) à cetais stimuli. o suppose que ce temps oéit à ue loi omale. Détemie u itevalle de coace à 98%: O doe la moyee d'échatillo X 100:48 et l'écat-type d'échatillo, S 19:09; ce qui doe p S 19:09 3: 5 8 cetièmes de secode. 0:01 et 4 ; la tale doe t ; t 0:01;4 ' :49; soit u itevalle de coace : I X t ; p ; X + t ; p [100:48 :49 3: 8 ; 100:48 + :49 3: 8] [90: 97 ; 109: 99]. d. Fluctuatio d'échatilloage d'ue popotio i. Itoductio et otatios O pélève au hasad u échatillo de gade taille d'ue populatio dot les élémets possèdet das ue popotio p u caactèe qualitatif. Su cet échatillo de taille ;o oseve ue popotio que ous oteos p d'élémets possèdat ce caactèe ; p est ue estimatio poctuel de p et ous otos P l'estimateu de p: ii. Règle p 5 Si (1 p) 5 la distiutio de P p (1 est appoximativemet omale, sa moyee est p et so écat-type " # p (1 p) p (1 p) iii. Itevalle de coace : I p z ; p + z e. Exemple : U pocessus de faicatio poduit e moyee ue popotio de :5% de tasistos défectueux. Quelle est la poailité pou que su 00 tasistos cotôlés, au mois 8 soit défectueux? Coigé : p 00 0: et (1 p) 00 0: ; o e déduit que la distiutio de P est appoximativemet omale ;avec E P p (1 p) 0:05 (1 0:05) 0:05 et (p) ' 0 :0 110 ; o cheche la poailité d'e avoi 00 page 7 p) :

8 8 ESTIMATION au mois 8 su 00; soit uepopotiosupéieu ou égale 4%. Calculos la poailité : P P 0:04 P Z 1 F (1: 36) ' 1 0:9131 ' 0: :04 0:05 0:0 110 f. Execices : i. Su aissaces, o oseve gaços. Détemie u itevalle de coace au seuil de 5% du taux de masculiité. Répose : [0:503; 0:58] : ii. A la suite d'u sodage aléatoie, potat su 1000 électeus, ue popotio de 31% de d'itetios de vote s'est dégagée e faveu du cadidat X.Doe u itevalle de coace à 95% du poucetage des itetios de vote pou ce cadidat das l'esemle de la populatio. Répose : [0:81; 0:339] VI LEARNING BY DOING 1. Repede l'execice du salaie des cades et doe u itevalle de coace au seuil de 99%. Commete.. Repede le même execice avec u échatillo de taille Commete. 3. "Pas facile de tasmette des valeus à ses efats" Il essot d'u sodage éalisé aupès de 1009 paets au Quéec, que 77 d'ete eux juget difcile de tasmette des valeus duales à leus efats. 1. a. Estime poctuellemet la popotio de paets touvat difcile de tasmette des valeus duales à leus efats.. Doe ue estimatio de cette popotio pa u itevalle de coace à 95%. Das la patique, o etiet : Paamète à estime Estimatio calculée su l'échatillo Moyee : m X Vaiace : S 1 ; écat-type de l'échatillo de taille popotio : p p (popotio das l'échatillo) L'estimateu de la moyee est sas iais et coveget : E X m et V Pou l'écat type o a itoduit u coectif ca 'est pas sas iais. VIIRESUME : Itevalle de coace VII.1 PROPRIETES X! 0 si ted ves +1: I Il est ceté su la valeu de l'estimateu poctuel calculé su l'échatillo. I Il a ue amplitude qui tiet compte de l'eeu d'échatilloage. Ses oes sot : estimatio eeu d'échatilloage, cette eeu dépedat des uctuatios de l'estimateu. I Il a u iveau de coace, appelé seuil de coace. Ce seuil, oté 1 ; est xé au dépat ; il epésete la poailité que l'itevalle ecade le paamète. plus le seuil est gad, plus la poailité que l'itevalle cotiee le paamète estimé est gade. O ped souvet 1 0:95 (iveau de coace 95%) : u itevalle de coace au seuil 95%, sigie que si l'o pélève u gad ome d'échatillo de même taille, 95% des itevalles de coace calculés cotieet la vaie valeu du paamète. VII. PRATIQUE 1. MOYENNE a. Ecat-type de la populatio cou Pou 30 ; X z p ; X + z p avec : P z Z z 1 ; Z suivat la loi N (0; 1) ; O etieda que pou 0:05; t 1:96 (véie das la tale de la foctio de épatitio de la loi omale cetée éduite).. Ecat-type de la populatio icou 8

9 Maste 1 ESTIMATION O commece pa faie ue estimatio poctuelle S de l'écat-type de la populatio, e utilisat l'écat-type calculé su l'échatillo : S 1 et o fait le même tavail avec S : I X z p ; X + z p Remaque : S p p 1 c. < 30, populatio omale et écat-type de la populatio icou I X t ; p ; X + t ; p. PROPORTION Pou ue populatio telle que : p 5 (1 p) 5, I " p z p (1 p) # p (1 p) ; p + z page 9

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II 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 détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 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

1 Mesure et intégrale

1 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 détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE 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 détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. 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 détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

Limites des Suites numériques

Limites 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 détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : 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 détail

Exo7. 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. 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 détail

Comportement d'une suite

Comportement 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 détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES 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 détail

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

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

Plus en détail

où «p» représente le nombre de paramètres estimés de la loi de distribution testée sous H 0.

où «p» représente le nombre de paramètres estimés de la loi de distribution testée sous H 0. 7- Tests d austement, d indépendance et de coélation - Chapite 7 : Tests d austements, d indépendance et de coélation 7. Test d austement du Khi-deux... 7. Test d austement de Kolmogoov-Sminov... 7.. Test

Plus en détail

CIGI 2011 Job shop sous contraintes de disponibilité des ressources : modèle mathématique et heuristiques

CIGI 2011 Job shop sous contraintes de disponibilité des ressources : modèle mathématique et heuristiques CIGI 2011 Job shop sous cotaites de dispoibilité des essouces : modèle mathématique et heuistiques SADIA AZEM 1, RIAD AGGOUNE 2, STÉPHANE DAUZERE-PERES 1 1 Dépatemet Scieces de la Fabicatio et Logistique,

Plus en détail

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3... Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1

Plus en détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en détail

Exercice 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

Exercice 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 détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration 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 détail

Les Nombres Parfaits.

Les 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 détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. 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 détail

TRAVAUX DIRIGÉS DE M 6

TRAVAUX DIRIGÉS DE M 6 D M 6 Coection PCSI 1 013 014 RVUX DIRIGÉS DE M 6 Execice 1 : Pemie vol habité (pa un homme) Le 1 avil 1961, le commandant soviétique Y Gagaine fut le pemie cosmonaute, le vaisseau spatial satellisé était

Plus en détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9 Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

Mécanique du point : forces Newtoniennes (PCSI)

Mécanique du point : forces Newtoniennes (PCSI) écanique du oint : foces Newtoniennes (PCSI Question de cous On admet que, losqu'il est soumis à une foce Newtonienne F K u, la tajectoie d'un cos est lane et décite a mc K +e cosθ où C θ est une constante

Plus en détail

RESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY

RESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY LO 4 : SOLUTO P L MTHO OTO, MLLM T KLY SOLUTO P L MTHO OTO, MLLM T KLY MTHO OTO. toductio Le théoème de oto va ous pemette de éduie u cicuit complexe e gééateu de couat éel. e gééateu possède ue souce

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : 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 détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 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 détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

Plus en détail

Processus et martingales en temps continu

Processus et martingales en temps continu Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. 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 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 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 détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

20. Algorithmique & Mathématiques

20. 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

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 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 détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La 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 détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie 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 détail

M F. F O Unité: [m. N] La norme du moment de force peut se calculer en introduit le bras de levier d

M F. F O Unité: [m. N] La norme du moment de force peut se calculer en introduit le bras de levier d Chapite 2: But: connaîte les lois auxquelles doit obéi un cops solide en équilibe. Ceci pemet de décie la station debout ainsi que les conditions nécessaies pou teni une tasse dans la main, souleve une

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 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 détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

Échantillonnage et estimation

Échantillonnage et estimation Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos

Plus en détail

Principes et Méthodes Statistiques

Principes 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 détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

11.5 Le moment de force τ (tau) : Production d une accélération angulaire

11.5 Le moment de force τ (tau) : Production d une accélération angulaire 11.5 Le moment de foce τ (tau) : Poduction d une accéléation angulaie La tige suivante est soumise à deux foces égales et en sens contaie: elle est en équilibe N La tige suivante est soumise à deux foces

Plus en détail

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Etude 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 détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat S Asie 19 juin 2014 Corrigé Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps

Plus en détail

Chapitre 6: Moment cinétique

Chapitre 6: Moment cinétique Chapite 6: oment cinétique Intoduction http://www.youtube.com/watch?v=vefd0bltgya consevation du moment cinétique 1 - angula momentum consevation 1 - Collège éici_(360p).mp4 http://www.youtube.com/watch?v=w6qaxdppjae

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième 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 détail

Solutions particulières d une équation différentielle...

Solutions particulières d une équation différentielle... Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université 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 détail

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes

Plus en détail

Formation d un ester à partir d un acide et d un alcool

Formation d un ester à partir d un acide et d un alcool CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE AVANCÉE : MÉTHODES STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

Statistique descriptive bidimensionnelle

Statistique 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 détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 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 détail

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

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

Plus en détail

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.

Le 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 détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES 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 détail

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier

Plus en détail

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe 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 détail

Serveur vidéo IP. caméras analogiques PC serveur. PC Client 1. Serveur de stockage ( optionnel )

Serveur vidéo IP. caméras analogiques PC serveur. PC Client 1. Serveur de stockage ( optionnel ) Sony RealShot Manage V3 Info Poduit Mas 2005 RealShot Manage V3.0 Logiciel de gestion des caméas IP MJPEG, MPEG-4, Audio, il sait tout enegiste! Une nouvelle vesion du logiciel RealShot Manage de Sony

Plus en détail

Créer un observatoire de la concurrence. Créer un observatoire de la concurrence. Démarche. ntérêt. C aractéristiques.

Créer un observatoire de la concurrence. Créer un observatoire de la concurrence. Démarche. ntérêt. C aractéristiques. Cée un obsevatoie de la concuence poblématique I Quelle est l'étendue d'un maché? Quelle pat du maché, une entepise peut-elle espée pende? Quels sont les atouts des entepises pésentes su le maché? ntéêt

Plus en détail

FINANCE Mathématiques Financières

FINANCE Mathématiques Financières INSTITUT D ETUDES POLITIQUES 4ème Année, Economie et Entepises 2005/2006 C.M. : M. Godlewski Intéêts Simples Définitions et concepts FINANCE Mathématiques Financièes L intéêt est la émunéation d un pêt.

Plus en détail

Processus géométrique généralisé et applications en fiabilité

Processus géométrique généralisé et applications en fiabilité Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR

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

. (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 détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions. 3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios

Plus en détail

Neolane Message Center. Neolane v6.0

Neolane Message Center. Neolane v6.0 Neolae Message Ceter Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord.

Plus en détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT 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 détail

Permis de feu. Travail par point chaud. r Soudage r Brasage. r Découpage r Tronçonnage. r Meulage r Autres. r Poste à souder r Tronçonneuse

Permis de feu. Travail par point chaud. r Soudage r Brasage. r Découpage r Tronçonnage. r Meulage r Autres. r Poste à souder r Tronçonneuse Pemis de feu Tavail pa point chaud Patage vote engagement Ce document doit ête établi avant tout tavail pa point chaud (soudage, découpage, meulage, ) afin de péveni les isques d incendie et d explosion

Plus en détail

Compte Sélect Banque Manuvie Guide du débutant

Compte 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 détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 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 détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice

Plus en détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

Po ur d o nne r un é lan à vo tre re traite

Po ur d o nne r un é lan à vo tre re traite Po u d o nne un é lan à vo te e taite ez a p é P aite t e e vot joud'hui dès au E N EN T TR RE E N NOOUUSS,, CC EESSTT FFAA CC I I LL EE DD EE SS EE O M M PP RR EE NN DDRRE E CC O Toutes les gaanties de

Plus en détail

Logiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd

Logiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd easylab Le logiciel de gestio de fichiers pour baladeurs et tablettes Visualisatio simplifiée de la flotte Gestio des baladeurs par idividus / classes / groupes / activités Activatio des foctios par simple

Plus en détail

CIRCULAIRE N 02/04. Elle précise les méthodes de valorisation des titres de capital et des titres de créances contenus dans les actifs de l OPCVM.

CIRCULAIRE N 02/04. Elle précise les méthodes de valorisation des titres de capital et des titres de créances contenus dans les actifs de l OPCVM. Rabat, le 02 juillet 2004 CIRCULIRE N 02/04 RELTIVE UX CONDITIONS D ÉVLUTION DES VLEURS PPORTÉES À UN ORGNISME DE PLCEMENT COLLECTIF EN VLEURS MOBILIÈRES OU DÉTENUES PR LUI La pésente ciculaie vient en

Plus en détail

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

Plus en détail

Réseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus

Réseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio

Plus en détail

Sommaire Chapitre 1 - L interface de Windows 7 9

Sommaire Chapitre 1 - L interface de Windows 7 9 Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18

Plus en détail

?,i- ' ^/mmmmmm. CACU ^..""'V ii\teimmies EîiiEsmmii ''?A y? K 1^ 1 - r Par le Moyede Formules Algébriques ) v-^' ET A 'AIDE DES OGARITHMES.../v:?i.'?Xi:: F, X, BURQUE, Ptr. Professeur de MatJu'matiques,

Plus en détail

Les solutions mi-hypothécaires, mi-bancaires de Manuvie. Guide du conseiller

Les solutions mi-hypothécaires, mi-bancaires de Manuvie. Guide du conseiller Les solutios mi-hypothécaires, mi-bacaires de Mauvie Guide du coseiller 1 2 Table des matières Itroductio... 5 La Baque Mauvie...5 Le compte Mauvie U...5 Le compte Sélect Baque Mauvie...5 1. Les solutios

Plus en détail

Module 3 : Inversion de matrices

Module 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 détail

Mécanismes de protection contre les vers

Mécanismes de protection contre les vers Mécaismes de protectio cotre les vers Itroductio Au cours de so évolutio, l Iteret a grademet progressé. Il est passé du réseau reliat quelques cetres de recherche aux États-Uis au réseau actuel reliat

Plus en détail

Suites et séries de fonctions

Suites et séries de fonctions [http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de

Plus en détail

S-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui.

S-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui. S-PENSION Costituez-vous u capital retraite complémetaire pour demai tout e bééficiat d avatages fiscaux dès aujourd hui. Sommaire 1. Il est temps de predre l iitiative 4 2. Profitez dès aujourd hui des

Plus en détail

MANUEL SUR LE CHIFFREMENT DES MESSAGES CLIMAT ET CLIMAT TEMP

MANUEL SUR LE CHIFFREMENT DES MESSAGES CLIMAT ET CLIMAT TEMP ORGANISAION MÉÉOROLOGIQUE MONDIALE RAPPOR ECHNIQUE DE LA VEILLE MÉÉOROLOGIQUE MONDIALE MANUEL SUR LE CHIFFREMEN DES MESSAGES CLIMA E CLIMA EMP (2004) OMM/D N 1188 Ogaisatio météoologique moiale NOE Les

Plus en détail

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail

Plus en détail

La fibre optique arrive chez vous Devenez acteur de la révolution numérique

La fibre optique arrive chez vous Devenez acteur de la révolution numérique 2 e éditio Edité par l Autorité de régulatio des commuicatios électroiques et des postes RÉPUBLIQUE FRANÇAISE DÉCEMBRE 2010 La fibre optique arrive chez vous Deveez acteur de la révolutio umérique Petit

Plus en détail

CHAPITRE VI : Le potentiel électrique

CHAPITRE VI : Le potentiel électrique CHPITRE VI : Le potentiel électiue VI. 1 u chapite III, nous avons vu ue losu'une foce est consevative, il est possible de lui associe une énegie potentielle ui conduit à une loi de consevation de l'énegie.

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE 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 détail

S euls les flux de fonds (dépenses et recettes) définis s ent l investissement.

S euls les flux de fonds (dépenses et recettes) définis s ent l investissement. Choix d ives i s s eme e cer iude 1 Chapire 1 Choix d ivesissemes e ceriude. Défiiio L es décisios d ivesissemes fo parie des décisios sraégiques de l erepris e. Le choix ere différes projes d ivesisseme

Plus en détail

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie

Plus en détail

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est

Plus en détail