Analyse des données 1: erreurs expérimentales et courbe normale
|
|
- Alexandre Bénard
- il y a 8 ans
- Total affichages :
Transcription
1 Analyse des données 1: erreurs expérimentales et courbe normale 1
2 Incertitude vs. erreur Une mesure expérimentale comporte toujours deux parties: la valeur vraie de la grandeur mesurée et l'erreur sur cette valeur. Pour une seule mesure on rapporte l incertitude, qui est l erreur maximale prévisible. L incertitude est liée à l instrument/outil de mesure. x mesuré = x meilleur ± incertitude La bonne méthode scientifique consiste à répéter les mesures à fin de pouvoir évaluer l erreur aléatoire (ou accidentel) réellement faite lors de manipulations. x mesuré = x moyenne ± écart-type 2
3 Types d erreurs expérimentales Les erreurs systématiques (erreurs déterminées) Valeurs définies Variation des valeurs dans une direction (positive ou négative) Les statistiques ne peuvent pas venir en aide à ces erreurs Elles peuvent être identifiées et donc corrigées par un calibrage approprié Affectent l exactitude des valeurs Erreurs aléatoires (erreurs indéterminées) Variation de part et d autre de la moyenne Normalement faibles et peuvent être réduites par un traitement du signal Affectent la précision et la reproductibilité Erreurs majeures Evidentes et requièrent de refaire le tout (ex: catastrophe expérimentale, contamination de l échantillon) 3
4 Données expérimentales Lorsque des mesures expérimentales sont répétées plusieurs fois, les valeurs obtenues ne sont pas les mêmes (sauf coïncidence) parce que l erreur aléatoire n est pas la même à chaque fois. Des données expérimentales brutes sont constituées de la vraie valeur, µ, à laquelle on ajoute la composante erreur. S il n y a pas d erreur systématique, la composante erreur est distribuée au hasard selon une loi normale. Les observations individuelles sont aussi distribuées selon une loi normale. 4
5 Nombre d ampoules La loi normale et la distribution gaussienne Si une expérience est répétée un grand nombre de fois (n ), et si les erreurs sont purement aléatoires, les données expérimentales auront tendance à se distribuer de manière symétrique autour d une valeur moyenne. Courbe gausienne (forme de cloche) En effet, dans la plupart des analyses quantitatives, on observe expérimentalement que la distribution des données suit une courbe idéale appelée, «courbe gaussiene» ou «courbe d erreur normale». Durée de vie (h) Nombre d ampoules testées (n) =
6 Distribution des erreurs aléatoires En supposant une erreur systématique nulle, on peut écrire: mesure vraie valeur erreur aléatoire x Comment se distribuent les erreurs aléatoires autour de la vraie valeur ( i = x i -µ)? Loi normale centrée sur la valeur «0». La valeur moyenne de est «0». n n xi 1 i i i1 n n 0 6
7 Distribution des erreurs aléatoires Fut proposée en 1733 par DeMoivre, connue sous le nom de loi des erreurs, courbe de Gauss, distribution normale, courbe en cloche La distribution normale est caractérisée par deux paramètres: La valeur centrale, (reliée à la moyenne) L écart-type,, exprime la dispersion des valeurs est une meilleure façon de représenter l erreur aléatoire que 7
8 Échantillon vs. population Il est plus probable qu une mesure en laboratoire sera répétée 3 à 6 fois, plutôt que 1000 fois. À partir de cette petite série de données (un «échantillon»), il est possible d estimer les paramètres statistiques que produirait une série infinie de données (une «population»). Il est donc possible d évaluer le comportement statistique d un phénomène à partir d un ensemble restreint de mesures. Échantillon, s x Population, 8
9 Moyenne et écart-type Les valeurs µ et σ caractérisent l'ensemble de la population. Alors que la moyenne,, et l écart-type, s, caractérisent l'échantillon. Moyenne et écart-type sont des évaluations de µ et σ. x Échantillon, s x Population,, 9
10 Les propriétés d une courbe gaussiene: La moyenne La moyenne d un ensemble limité tiré d une population de données (i.e. n est un petit nombre) x n x i i1 n moyenne arithmétique des n valeurs de x i La meilleure évaluation de µ (population) est encore la moyenne arithmétique, et 10
11 Les propriétés d une courbe gaussiene: La moyenne Lorsque n est petit, diffère souvent de car un petit échantillon de données ne représente pas exactement sa population. La différence attendue entre x et diminue rapidement si l on augmente le nombre de mesures. x Échantillon, s x Population, Cette différence devient négligeable dès que n atteint
12 Les propriétés d une courbe gaussiene: L écart-type L écart-type indique comment les valeurs mesurées sont regroupées autour de la moyenne. L écart-type, s, d un ensemble restreint de données: s n i1 x i x n Si n > 30, on utilise n L écart-type de la population,, est donné par n (x i ) 2 i1 n où n-1 est le nombre de degrés de liberté 12
13 Nombre d ampoules L écart-type et la précision d une mesure Plus l écart-type est petit, plus les données sont étroitement regroupées autour de la moyenne (voir graphique à droite). Une distribution gaussienne étroite (i.e. écart-type petit) est indicative d une mesure précise. L'écart-type est le paramètre le plus utilisé dans l'analyse des données expérimentales. Les chimistes utilisent habituellement l écart-type d un ensemble pour indiquer la précision de leurs données. x Durée de vie (h) 13
14 L ÉCART-TYPE DES RÉSULTATS CALCULÉS Il faut souvent estimer l écart-type d un résultat qui a été calculé à partir de quelques données expérimentales qui ont chacune un écart-type d échantillon connu. Le tableau 1 donne les équations permettant de calculer les écarts-types de résultats obtenus par différentes opérations arithmétiques. Tableau 1: Propagation des erreurs dans les opérations algébriques Type d opération Exemple* Écart-type de y Addition ou soustraction Multiplication ou division y a bc y a b c s y s a 2 s b 2 s c 2 s y y 2 s a s 2 b s 2 c a b c Exponentielle y a x s y y x s a a Logarithme y log 10 a s y 0,434 s a a Exponentielle en base 10 y 10 a s y y 2,303s a * a, b et c sont des variables expérimentales dont les écarts-types sont symbolisés respectivement par s a, s b et s c. Chiffres significatifs! 14
15 Nombre d ampoules Équation d une courbe gaussienne L équation d une courbe gaussienne prend la forme y e( x ) / 2 Pour un nombre restreint de données, on peut dire que y x et s, ainsi s 2 e( x x ) / 2s Durée de vie (h) 15
16 Exemple d une courbe gaussienne calculée Par exemple, si = 1 et = 0, on obtient les données (x-y) cidessous et la courbe illustrée à droite. y e( x ) / 2 x y
17 Représentation unique de la dispersion des erreurs Il est utile d exprimer la dispersion des valeurs autour de la moyenne en multiple de l écart-type (i.e. façon unique pour exprimer les diverses erreurs). C est-à-dire, x i est transformé en z i, qui est exprimé selon: z i x i Cote «z» x i x s 17
18 Courbe gaussienne et la variable «z» La variable «z» est distribuée normalement, avec une moyenne égale à zéro. = 0 Par exemple, pour une courbe gaussienne où = 1 et = 0: = 1 Lorsque z i = +1, x i est 1 au-dessus de la moyenne. Lorsque z i = -2, x i est 2 en dessous de la moyenne. 18
19 Distribution normale des valeurs z i On peut ré-écrire la loi normale pour «z»: y i 1 2 i 2 e 2 x i z 2 e 2 Avantage: Sous cette forme réduite, toutes les courbes normales ont la même représentation. 19
20 Probabilité - 1 La probabilité de faire une mesure de valeur «x i», pour un événement tiré d'une population d'événements distribués selon une loi normale, ne s'évalue pas directement. C'est la probabilité que la valeur «x i», soit située entre x 1 et x 2 qui peut s'évaluer en mesurant la surface sous la courbe normale entre ces deux limites, i.e. P {x 1 < x i < x 2 }: 20
21 Probabilité - 2 Comme dans le cas des valeurs «x i», la probabilité que la valeur «z i» (qui est reliée a x i ) se trouve dans un intervalle donné est égale à la surface sous la courbe normale entre les deux limites de l intervalle. = 1 et = 0 Par exemple, la probabilité de mesurer «z» entre -2 et -1 est 0.136, qui correspond à l aire de la région ombrée dans la courbe à droite. 21
22 Probabilité - 3 Puisque la somme des probabilités de toutes les valeurs mesurées est égale à 1, l aire sous la courbe gaussienne de z = - à z = + est égale à 1. = 1 et = 0 Dans l équation de la courbe gaussienne y i 1 2 e(x i ) 2 / 2 2 facteur de normalisation le facteur de normalisation garantit que la surface de la courbe est égale à 1 («courbe normale d erreur»). 22
23 z a z z 23
24 Nombre d ampoules Problème Supposons que le manufacturier d ampoules offre de remplacer gratuitement chaque ampoule dont la durée de vie est moins de 600 h. Si le manufacturier prévoie vendre 1 M d ampoules, combien d ampoules supplémentaires doit-il garder de remplacement? Durée de vie (h) 24
25 Nombre d'ampoules Selon la courbe de distribution normale, la durée de vie moyenne d une ampoule est ± 94.2 h Solution Il faut calculer le z i qui correspond à un x i de 600 h: 500 z i x i x s ( ) Selon le Tableau 4-1, l aire sous la courbe entre la valeur moyenne, x, et z =-2.60 est durée de vie (h) 25
26 Nombre d'ampoules Solution Selon la courbe de distribution normale, la durée de vie moyenne d une ampoule est ± 94.2 h Il faut calculer le z i qui correspond à un x i de 600 h: 500 z i x i x s ( ) 94.2 Selon le Tableau 4-1, l aire sous la courbe entre la valeur moyenne, x, et z =-2.60 est L aire totale entre - et est Donc, l aire de - à est = L aire à gauche de 600 h est seulement de 0.47% de l aire totale en dessous de la courbe. Nombre d ampoules de remplacement = 10 6 x 0.47% =4700 x Aire de - à 845 h = 0.5 Aire de 600 h à 845 h = durée de vie (h) zone pertinente 26
27 L intervalle de confiance de la moyenne La valeur exacte de la moyenne (représentative d une population de données), n est jamais accessible parce que sa détermination exige un nombre infini de mesures. Cependant, les outils statistiques permettent de fixer des limites autour d une moyenne déterminée expérimentalement (pour un ensemble restreint de données), les limites entre lesquelles se situe avec un certain degré de probabilité. On appelle ces limites les limites de confiance, et l intervalle qu elles définissent l intervalle de confiance. L intervalle de confiance pour est donné par: x txs t n où «t» est le paramètre statistique souvent appelé le t de Student 27
28 (Nombre de degrés de liberté) (Niveaux de confiance) N.B.: pour le calcul de l intervalle de confiance, 28 le nombre de degrés de liberté = n - 1
29 Exemple de calcul d intervalle de confiance Un chimiste a obtenu les données suivantes pour la teneur en alcool d un échantillon de sang: % C 2 H 5 OH = 0,084; 0,089 et 0,079. Calculez les intervalles de confiance pour la moyenne, avec un niveau de confiance de 80 % et de 95%. x Pour les 3 mesures, = 0,084% et s = 0,005%. Le tableau 4-2 indique que pour deux degrés de liberté (n-1), t = 1,89 pour 80% de confiance et t = 4,30 pour 95% de confiance. Alors, à 80% = x ts n 0,0841,890,005 3 = 0,084±0,005% de C 2 H 5 OH à 95% = C 2 H 5 OH. x ts n 0,084 4,300,005 3 = 0,084±0,012% de 29
30 Comparaison d une moyenne expérimentale avec la valeur vraie (Test t) Pour comparer la moyenne obtenue expérimentalement avec une valeur connue ou certifiée et décider si la valeur mesurée concorde avec la valeur vraie: 1- On détermine t calculé : t calcul valeur vraie x s n 2- On compare t calculé avec le t de Student pour un intervalle de confiance de 95%. 3- Si t calculé > t de Student, les deux valeurs sont considérées différentes. 30
31 Comparaison des moyennes de deux ensembles de résultats Une quantité est mesurée plusieurs fois par deux différentes méthodes. Deux résultats sont obtenus, chacun avec son écart-type. Le chimiste doit juger si les deux méthodes donnent sensiblement le même résultat ou si la différence qu il peut détecter entre les moyennes des deux séries d analyse effectuées, est réelle. Méthode 1: n 1 mesures avec valeur moyenne x 1 Méthode 2: n 2 mesures avec valeur moyenne x 2 31
32 Si on suppose que les écarts-types des populations des deux méthodes sont très semblables, on peut calculer une valeur de t selon la relation: t calcul x 1 x 2 s group n 1 n 2 n 1 n 2 où s group mthode 1 2 x j x 2 2 x i x 1 n 1 n 2 2 mthode 2 s 1 2 n 1 1s 2 2 n 2 1 n 1 n 2 2 t calculé est le paramètre discriminatoire que l on calcule avec les valeurs expérimentales et s groupé est l écart-type pondéré des deux moyennes. La valeur de t calculé est comparée avec le t de Student pour (n 1 +n 2-2) degrés de liberté. Si t calculé > t de Student (intervalle de confiance de 95%), les deux résultats diffèrent appréciablement. On peut utiliser le même test pour établir si deux échantillons, analysés par une seule méthode, sont identiques. 32
33 Si les écarts-types des populations des deux méthodes ne sont pas semblables, on peut calculer une valeur de t selon la relation: t calculé x 1 s n x 2 s n Nombre de degrés de liberté = (s 2 1 / n 1 s 2 2 / n 2 ) 2 (s 2 1 / n 1 ) 2 n 1 1 (s 2 2 / n 2 ) 2 2 n
34 Est-ce que le gaz isolé de l air est plus dense que l azote (N 2 ) produit chimiquement? (n=7) (n=8) 34
35 Si on suppose que les écarts-types des populations des deux échantillons sont très semblables: s group s 1 2 n 1 1s 2 2 n 2 1 n 1 n (71)( ) 2 (81) t calcul x 1 x 2 n 1 n s group n 1 n Pour =13 degrés de libertés, t de Student se situe entre (10) et (15) pour 95% de confiance. Conclusion: t calculé > t Student et donc les moyennes sont différentes et le gaz isolé de l air (Ar) est plus dense que l azote. 35
36 Test de rejet d une donnée (Test Q) Lorsqu une série de données contient un résultat excentrique qui diffère sensiblement de la moyenne, on doit prendre la décision de le garder ou de le rejeter. Le test Q est un test statistique simple, très largement utilisé pour les valeurs excentriques. Il consiste à calculer la valeur expérimentale Q exp en divisant par l étendue w la valeur absolue de la différence entre le résultat suspect x q et son plus proche voisin x n : Q exp x q x n w 36
37 Ce Q exp est ensuite comparé aux valeurs de rejet Q crit données dans le tableau. Si Q exp > Q crit, le résultat suspect sera rejeté ou non selon le degré de confiance que l on s est préalablement fixé. Valeurs critiques pour le quotient de rejet Q Q crit (Rejeter si Q exp > Q crit ) Nb. d observations 90% de confiance 95% de confiance 99% de confiance 3 0,941 0,970 0, ,765 0,829 0, ,642 0,710 0, ,560 0,625 0, ,507 0,568 0, ,468 0,526 0, ,437 0,493 0, ,412 0,466 0,568 x 6 est la valeur suspecte. x 1 x 2 x 3 x 4 x 5 x 6 x 5 est la valeur la plus proche de x 6. x w Q exp x 6 x 5 x 6 x 1 Si Q exp > Q crit, x 6 est rejet. 37
38 Références A. Badia et al., CHM 1501/CHM 1979 Chimie expérimentale 1 (manuel de travaux pratiques), annexe B «Traitement des données», pp M. D Amboise, CHM 1501/CHM 1979/CHM 1502 Données expérimentales et usage d Excel J.A. Mendham, R.C. Denney, J.D. Barnes, M.J.K. Thomas, Analyse chimique quantitative de Vogel, traduction et révision scientifique de la 6 e édition anglaise, De Boeck & Larcier s.a., 2006, chapitre 4 «Statistiques: introduction à la chimiométrie», pp D.C. Harris, Quantitaive Chemical Analysis, 6è éd., chapitre 4 «Statistics», pp
Précision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
Plus en détailReprésentation des Nombres
Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
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 détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
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 détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en détailIncertitudes expérimentales
Incertitudes expérimentales F.-X. Bally et J.-M. Berroir Février 2013 Table des matières Introduction 4 1 Erreur et incertitude 4 1.1 Erreurs............................................. 4 1.1.1 Définition
Plus en détailApprentissage par renforcement (1a/3)
Apprentissage par renforcement (1a/3) Bruno Bouzy 23 septembre 2014 Ce document est le chapitre «Apprentissage par renforcement» du cours d apprentissage automatique donné aux étudiants de Master MI, parcours
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailDérivées et différentielles des fonctions de plusieurs variables
UE4 : Evaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé Analyse Chapitre 6 : Dérivées et différentielles des fonctions de plusieurs variables Christelle MELODELIMA Année
Plus en détailApllication au calcul financier
Apllication au calcul financier Hervé Hocquard Université de Bordeaux, France 1 er novembre 2011 Intérêts Généralités L intérêt est la rémunération du placement d argent. Il dépend : du taux d intérêts
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailMesures et incertitudes
En physique et en chimie, toute grandeur, mesurée ou calculée, est entachée d erreur, ce qui ne l empêche pas d être exploitée pour prendre des décisions. Aujourd hui, la notion d erreur a son vocabulaire
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 détailCodage d information. Codage d information : -Définition-
Introduction Plan Systèmes de numération et Représentation des nombres Systèmes de numération Système de numération décimale Représentation dans une base b Représentation binaire, Octale et Hexadécimale
Plus en détailLogiciel de Base. I. Représentation des nombres
Logiciel de Base (A1-06/07) Léon Mugwaneza ESIL/Dépt. Informatique (bureau A118) mugwaneza@univmed.fr I. Représentation des nombres Codage et représentation de l'information Information externe formats
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 détailArrondissage des résultats de mesure. Nombre de chiffres significatifs
BUREAU NATIONAL DE MÉTROLOGIE COMMISSARIAT À L'ÉNERGIE ATOMIQUE LABORATOIRE NATIONAL HENRI BECQUEREL Note technique LNHB/04-13 Arrondissage des résultats de esure Nobre de chiffres significatifs M.M. Bé,
Plus en détailCours de Métrologie & Assurance qualité
UNIVERSITE MOHAMMED V-AGDAL FACULTE DES SCIENCES DEPARTEMENT DE CHIMIE RABAT Cours de Métrologie & Assurance qualité Licence Professionnelle Génie Analytique (chimie) Pr R. BCHITOU 1 La métrologie existe
Plus en détailCORRIGE LES NOMBRES DECIMAUX RELATIFS. «Réfléchir avant d agir!»
Corrigé Cours de Mr JULES v3.3 Classe de Quatrième Contrat 1 Page 1 sur 13 CORRIGE LES NOMBRES DECIMAUX RELATIFS. «Réfléchir avant d agir!» «Correction en rouge et italique.» I. Les nombres décimaux relatifs.
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailIFT2880 Organisation des ordinateurs et systèmes
Représentation des nombres flottants Notation exponentielle Représentations équivalentes dans la base 10 de 1,234 1 2 3, 4 0 0. 0 x 1 0-2 1 2, 3 4 0. 0 x 1 0-1 1, 2 3 4. 0 x 1 0 1 2 3. 4 x 1 0 1 2. 3 4
Plus en détailV- Manipulations de nombres en binaire
1 V- Manipulations de nombres en binaire L ordinateur est constitué de milliards de transistors qui travaillent comme des interrupteurs électriques, soit ouverts soit fermés. Soit la ligne est activée,
Plus en détailDéfinition 0,752 = 0,7 + 0,05 + 0,002 SYSTÈMES DE NUMÉRATION POSITIONNELS = 7 10 1 + 5 10 2 + 2 10 3
8 Systèmes de numération INTRODUCTION SYSTÈMES DE NUMÉRATION POSITIONNELS Dans un système positionnel, le nombre de symboles est fixe On représente par un symbole chaque chiffre inférieur à la base, incluant
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailCORRECTION TP Multimètres - Mesures de résistances - I. Mesure directe de résistors avec ohmmètre - comparaison de deux instruments de mesure
Introduction CORRECTION TP Multimètres - Mesures de résistances - La mesure d une résistance s effectue à l aide d un multimètre. Utilisé en mode ohmmètre, il permet une mesure directe de résistances hors
Plus en détailPHYSIQUE-CHIMIE. Partie I - Spectrophotomètre à réseau
PHYSIQUE-CHIMIE L absorption des radiations lumineuses par la matière dans le domaine s étendant du proche ultraviolet au très proche infrarouge a beaucoup d applications en analyse chimique quantitative
Plus en détailLes crises des changes dans l étalon or
7 Le système Bretton Woods Les crises des changes dans l étalon or Déficit du compte courant sortie d or - Banque centrale doit offrir l or aux étrangers en échange des billets -Réserves finies pas soutenable
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailRecommandations pour la définition des appareils de mesures utilisés en protection cathodique
RECOMMANDATION PCRA 008 Janvier 2010 Rev. 0 Commission Protection Cathodique et Revêtements Associés Recommandations pour la définition des appareils de mesures utilisés en protection cathodique AVERTISSEMENT
Plus en détailChapitre 6 La lumière des étoiles Physique
Chapitre 6 La lumière des étoiles Physique Introduction : On ne peut ni aller sur les étoiles, ni envoyer directement des sondes pour les analyser, en revanche on les voit, ce qui signifie qu'on reçoit
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII
ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailAIDE-MÉMOIRE LA THERMOCHIMIE TABLE DES MATIERES
Collège Voltaire, 2014-2015 AIDE-MÉMOIRE LA THERMOCHIMIE http://dcpe.net/poii/sites/default/files/cours%20et%20ex/cours-ch2-thermo.pdf TABLE DES MATIERES 3.A. Introduction...2 3.B. Chaleur...3 3.C. Variation
Plus en détailLecture graphique. Table des matières
Lecture graphique Table des matières 1 Lecture d une courbe 2 1.1 Définition d une fonction.......................... 2 1.2 Exemple d une courbe........................... 2 1.3 Coût, recette et bénéfice...........................
Plus en détailAnnexe 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 détailMESURE DE LA TEMPERATURE
145 T2 MESURE DE LA TEMPERATURE I. INTRODUCTION Dans la majorité des phénomènes physiques, la température joue un rôle prépondérant. Pour la mesurer, les moyens les plus couramment utilisés sont : les
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
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 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 détailELEC2753 Electrotechnique examen du 11/06/2012
ELEC2753 Electrotechnique examen du 11/06/2012 Pour faciliter la correction et la surveillance, merci de répondre aux 3 questions sur des feuilles différentes et d'écrire immédiatement votre nom sur toutes
Plus en détailDirection des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Plus en détailCHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal
III CHOIX OPTIMAL DU CONSOMMATEUR A - Propriétés et détermination du choix optimal La demande du consommateur sur la droite de budget Résolution graphique Règle (d or) pour déterminer la demande quand
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 détailReprésentation d un entier en base b
Représentation d un entier en base b 13 octobre 2012 1 Prérequis Les bases de la programmation en langage sont supposées avoir été travaillées L écriture en base b d un entier est ainsi défini à partir
Plus en détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailF7n COUP DE BOURSE, NOMBRE DÉRIVÉ
Auteur : S.& S. Etienne F7n COUP DE BOURSE, NOMBRE DÉRIVÉ TI-Nspire CAS Mots-clés : représentation graphique, fonction dérivée, nombre dérivé, pente, tableau de valeurs, maximum, minimum. Fichiers associés
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 détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
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 détailBACCALAUREAT GENERAL MATHÉMATIQUES
BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailFonction inverse Fonctions homographiques
Fonction inverse Fonctions homographiques Année scolaire 203/204 Table des matières Fonction inverse 2. Définition Parité............................................ 2.2 Variations Courbe représentative...................................
Plus en détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en détailPrincipes de mathématiques 12 SÉRIE DE PROBLÈMES. Septembre 2001. Student Assessment and Program Evaluation Branch
Principes de mathématiques 12 SÉRIE DE PROBLÈMES Septembre 2001 Student Assessment and Program Evaluation Branch REMERCIEMENTS Le Ministère de l Éducation tient à remercier chaleureusement les professionnels
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détailLicence Sciences et Technologies Examen janvier 2010
Université de Provence Introduction à l Informatique Licence Sciences et Technologies Examen janvier 2010 Année 2009-10 Aucun document n est autorisé Les exercices peuvent être traités dans le désordre.
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
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 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 détailCours d électricité. Circuits électriques en courant constant. Mathieu Bardoux. 1 re année
Cours d électricité Circuits électriques en courant constant Mathieu Bardoux mathieu.bardoux@univ-littoral.fr IUT Saint-Omer / Dunkerque Département Génie Thermique et Énergie 1 re année Objectifs du chapitre
Plus en détailLa structure de la base de données et l utilisation de PAST. Musée Royal de l Afrique Centrale (MRAC Tervuren)
La structure de la base de données et l utilisation de PAST La structure de la base de données données originales SPÉCIMENS Code des spécimens: Identification des spécimens individuels. Dépend du but de
Plus en détailAlgorithme. Table des matières
1 Algorithme Table des matières 1 Codage 2 1.1 Système binaire.............................. 2 1.2 La numérotation de position en base décimale............ 2 1.3 La numérotation de position en base binaire..............
Plus en détailPLAN DE COURS CEGEP DU VIEUX-MONTRÉAL
PLAN DE COURS CONTRÔLE DE LA QUALITÉ 241-B60-VM TECHNIQUE DE GÉNIE MÉCANIQUE 241-06 PONDÉRATION : 2-1-1 Compétence : 012Z Contrôler la qualité d un produit DÉPARTEMENT DE LA MÉCANIQUE CEGEP DU VIEUX-MONTRÉAL
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 détailBrock. Rapport supérieur
Simplification du processus de demande d aide financière dans les établissementss : Étude de cas à l Université Brock Rapport préparé par Higher Education Strategy Associates et Canadian Education Project
Plus en détailCORRIGES DES CAS TRANSVERSAUX. Corrigés des cas : Emprunts
CORRIGES DES CAS TRANSVERSAUX Corrigés des cas : Emprunts Remboursement par versements périodiques constants - Cas E1 Objectifs : Construire un échéancier et en changer la périodicité, Renégocier un emprunt.
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 détailstatique J. Bertrand To cite this version: HAL Id: jpa-00237017 https://hal.archives-ouvertes.fr/jpa-00237017
Quelques théorèmes généraux relatifs à l électricité statique J. Bertrand To cite this version: J. Bertrand. Quelques théorèmes généraux relatifs à l électricité statique. J. Phys. Theor. Appl., 1874,
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailGlossaire de termes relatifs à l assurance de la qualité et aux bonnes pratiques de laboratoire
Glossaire de termes relatifs à l assurance de la qualité et aux bonnes pratiques de laboratoire Notre engagement: la qualité et l amélioration continue Photos Couverture: en haut à gauche; istockphoto.com/yegor
Plus en détailLes solutions. Chapitre 2 - Modèle. 1 Définitions sur les solutions. 2 Concentration massique d une solution. 3 Dilution d une solution
Chapitre 2 - Modèle Les solutions 1 Définitions sur les solutions 1.1 Définition d une solution : Une solution est le mélange homogène et liquide d au moins deux espèces chimiques : Le soluté : c est une
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 détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
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 détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailANNEXE J POTEAUX TESTÉS SELON UN CHARGEMENT STATIQUE ET TESTÉS SELON UN CHARGEMENT CYCLIQUE ET STATIQUE
562 ANNEXE J POTEAUX TESTÉS SELON UN CHARGEMENT STATIQUE ET TESTÉS SELON UN CHARGEMENT CYCLIQUE ET STATIQUE 563 TABLE DES MATIÈRES ANNEXE J... 562 POTEAUX TESTÉS SELON UN CHARGEMENT STATIQUE ET TESTÉS
Plus en détailING Turbos Infinis. Avantages des Turbos Infinis Potentiel de rendement élevé. Pas d impact de la volatilité. La transparence du prix
ING Turbos Infinis Produit présentant un risque de perte en capital et à effet de levier. Les Turbos sont émis par ING Bank N.V. et sont soumis au risque de défaut de l émetteur. ING Turbos Infinis Les
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailCours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions
Cours d introduction à l informatique Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Qu est-ce qu un Une recette de cuisine algorithme? Protocole expérimental
Plus en détail