Principes et Méthodes Statistiques
|
|
- Céline Barrette
- il y a 8 ans
- Total affichages :
Transcription
1 Esimag - 2ème aée x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi
2 2
3 Table des matières 1 Itroductio Défiitio et domaies d applicatio de la statistique La démarche statistique Objectifs et pla du cours Statistique descriptive Termiologie Représetatios graphiques Variables discrètes Variables qualitatives Variables quatitatives Choix d u modèle probabiliste discret Variables cotiues Histogramme et polygoe des fréqueces Foctio de répartitio empirique Les graphes de probabilités Idicateurs statistiques Idicateurs de localisatio ou de tedace cetrale La moyee empirique Les valeurs extrêmes La médiae empirique Caractérisatio des idicateurs de localisatio Idicateurs de dispersio ou de variabilité Variace et écart-type empiriques L étedue Les quatiles empiriques Estimatio poctuelle Itroductio Méthodes d estimatio Défiitio d u estimateur La méthode des momets L estimateur des momets (EMM) Exemples La méthode du maximum de vraisemblace
4 4 TABLE DES MATIÈRES La foctio de vraisemblace Exemple itroductif L estimateur de maximum de vraisemblace (EMV) Exemples Qualité d u estimateur Estimateur sas biais et de variace miimale (ESBVM) Quatité d iformatio, efficacité d u estimateur Propriétés des EMM et des EMV Propriétés des estimateurs des momets Propriétés des estimateurs de maximum de vraisemblace Exemples Itervalles de cofiace Problématique et défiitio Itervalles de cofiace pour les paramètres de la loi ormale Itervalle de cofiace pour la moyee Itervalle de cofiace pour la variace Itervalle de cofiace pour ue proportio Tests d hypothèses Itroductio : le problème de décisio Formalisatio du problème de test paramétrique sur u échatillo Tests d hypothèses simples Tests d hypothèses composites Tests sur la moyee d ue loi ormale Exemple itroductif : essais thérapeutiques Première idée Deuxième idée Troisième idée Exemple La p-valeur Remarques Les tests de Studet Lie etre tests d hypothèses et itervalles de cofiace Procédure pour costruire u test d hypothèses Tests sur la variace d ue loi ormale Tests sur ue proportio Test de comparaiso de deux échatillos Itroductio Comparaiso de deux échatillos gaussies idépedats Test de Fisher de comparaiso des variaces Test de Studet de comparaiso des moyees Comparaiso de deux proportios Comparaiso d échatillos gaussies appariés
5 TABLE DES MATIÈRES Le test du χ Le test du χ 2 sur les probabilités d évèemets Test d adéquatio du χ 2 à ue loi etièremet spécifiée Test d adéquatio du χ 2 à ue famille de lois La régressio liéaire Itroductio Le modèle de régressio liéaire simple Estimatio par la méthode des moidres carrés Le modèle liéaire simple gaussie Défiitio du modèle et estimatio des paramètres Maximum de vraisemblace Itervalles de cofiace et tests d hypothèses Etude complète de l exemple e R Aexe A : Rappels de probabilités pour la statistique Variables aléatoires réelles Loi de probabilité d ue variable aléatoire Variables aléatoires discrètes et cotiues Momets et quatiles d ue variable aléatoire réelle Vecteurs aléatoires réels Loi de probabilité d u vecteur aléatoire Espérace et matrice de covariace d u vecteur aléatoire Covergeces et applicatios Quelques résultats sur quelques lois de probabilité usuelles Loi biomiale Loi géométrique Loi de Poisso Loi expoetielle Loi gamma et loi du chi Loi ormale Lois de Studet et de Fisher-Sedecor Aexe B : Lois de probabilité usuelles Caractéristiques des lois usuelles Variables aléatoires réelles discrètes Variables aléatoires réelles cotiues Vecteurs aléatoires das IN d et das IR d Tables de lois Table 1 de la loi ormale cetrée réduite Table 2 de la loi ormale cetrée réduite Table de la loi du χ Table de la loi de Studet Tables de la loi de Fisher-Sedecor Exemples de représetatios de probabilités et de desités
6 6 TABLE DES MATIÈRES Lois discrètes Lois cotiues Aexe C : Itroductio à R Les bases de R Commades pour les deux premiers TD e R Quelques commades utiles de R Les lois de probabilité usuelles e R Les pricipaux tests d hypothèses e R Les graphiques das R Graphique simple Autres foctios graphiques Paramétrage de la commade plot Bibliographie 145
7 Chapitre 1 Itroductio 1.1 Défiitio et domaies d applicatio de la statistique La statistique est la sciece dot l objet est de recueillir, de traiter et d aalyser des doées issues de l observatio de phéomèes aléatoires, c est-à-dire das lesquels le hasard iterviet. L aalyse des doées est utilisée pour décrire les phéomèes étudiés, faire des prévisios et predre des décisios à leur sujet. E cela, la statistique est u outil essetiel pour la compréhesio et la gestio des phéomèes complexes. Les doées étudiées peuvet être de toute ature, ce qui red la statistique utile das tous les champs discipliaires et explique pourquoi elle est eseigée das toutes les filières uiversitaires, de l écoomie à la biologie e passat par la psychologie, et bie sûr les scieces de l igéieur. Doos quelques exemples d utilisatio de la statistique das divers domaies. écoomie, assurace, fiace : prévisios écoométriques, aalyse de la cosommatio des méages, fixatio des primes d assurace et frachises, études quatitatives de marchés, gestio de portefeuille, évaluatio d actifs fiaciers,... biologie, médecie : essais thérapeutiques, épidémiologie, dyamique des populatios, aalyse du géôme,... scieces de la terre : prévisios météorologiques, exploratio pétrolière,... scieces humaies : equêtes d opiio, sodages, études de populatios,... scieces de l igéieur : cotrôle de qualité, maîtrise statistique des procédés (méthode six-sigma ), sûreté de foctioemet (fiabilité, dispoibilité, sécurité,...), maîtrise des risques idustriels, évaluatio des performaces des systèmes complexes,... scieces de l iformatio et de la commuicatio : traitemet des images et des sigaux, recoaissace des formes et de la parole, aalyse exploratoire des grades bases de doées, aalyse des réseaux de commuicatio,... physique : mécaique statistique, théorie ciétique des gaz,... etc...
8 8 Chapitre 1 - Itroductio Le poit fodametal est que les doées sot etâchées d icertitudes et présetet des variatios pour plusieurs raisos : le déroulemet des phéomèes observés est pas prévisible à l avace avec certitude (par exemple o e sait pas prévoir avec certitude les cours de la bourse ou les paes des voitures) toute mesure est etâchée d erreur seuls quelques idividus sot observés et o doit extrapoler les coclusios de l étude à toute ue populatio (cotexte des sodages) etc... Il y a doc itervetio du hasard et des probabilités. L objectif essetiel de la statistique est de maîtriser au mieux cette icertitude pour extraire des iformatios utiles des doées, par l itermédiaire de l aalyse des variatios das les observatios. Nous e ous itéresseros pas à la collecte des doées, qui est ue tâche importate et difficile, mais qui e relève pas des mathématiques. Si o omet la collecte des doées, les méthodes statistiques se répartisset e deux classes : La statistique descriptive, statistique exploratoire ou aalyse des doées, a pour but de résumer l iformatio coteue das les doées de faço sythétique et efficace. Elle utilise pour cela des représetatios de doées sous forme de graphiques, de tableaux et d idicateurs umériques (par exemple des moyees). Elle permet de dégager les caractéristiques essetielles du phéomèe étudié et de suggérer des hypothèses pour ue étude ultérieure plus sophistiquée. Les probabilités ot ici qu u rôle mieur. La statistique iféretielle va au delà de la simple descriptio des doées. Elle a pour but de faire des prévisios et de predre des décisios au vu des observatios. E gééral, il faut pour cela proposer des modèles probabilistes du phéomèe aléatoire étudié et savoir gérer les risques d erreurs. Les probabilités jouet ici u rôle fodametal. Pour le grad public, les statistiques désiget les résumés de doées fouris par la statistique descriptive. Par exemple, o parle des statistiques du chômage ou des statistiques de l écoomie américaie. Mais o oublie e gééral les aspects les plus importats liés aux prévisios et à l aide à la décisio apportés par la statistique iféretielle. L iformatique et la statistique sot deux élémets du traitemet de l iformatio : l iformatique acquiert et traite l iformatio tadis que la statistique l aalyse. Les deux disciplies sot doc étroitemet liées. E particulier, l augmetatio cosidérable de la puissace des ordiateurs et la facilité de trasmissio des doées par iteret ot redu possible l aalyse de très grades masses de doées, ce qui écessite l utilisatio de méthodes de plus e plus sophistiquées, coues sous le om de data miig ou fouille de doées. Efi, l iformatique décisioelle ou busiess itelligece regroupe les outils d aide à la décisio deveus essetiels das la gestio des etreprises. Ces outils écessitet u recours importat aux méthodes statistiques. Plus gééralemet, tout igéieur est ameé à predre des décisios au vu de certaies iformatios, das des cotextes où de ombreuses icertitudes demeuret. Il importe doc qu u igéieur soit formé aux techiques de gestio du risque et de traitemet de
9 1.2 La démarche statistique 9 doées expérimetales. 1.2 La démarche statistique La statistique et les probabilités sot les deux aspects complémetaires de l étude des phéomèes aléatoires. Ils sot cepedat de atures bie différetes. Les probabilités peuvet être evisagées comme ue brache des mathématiques pures, basée sur la théorie de la mesure, abstraite et complètemet décoectée de la réalité. Les probabilités appliquées proposet des modèles probabilistes du déroulemet de phéomèes aléatoires cocrets. O peut alors, préalablemet à toute expériece, faire des prévisios sur ce qui va se produire. Par exemple, il est usuel de modéliser la durée de bo foctioemet ou durée de vie d u système, mettos ue ampoule électrique, par ue variable aléatoire X de loi expoetielle de paramètre λ. Ayat adopté ce modèle probabiliste, o peut effectuer tous les calculs que l o veut. Par exemple : la probabilité que l ampoule e soit pas ecore tombée e pae à la date t est P (X > t) = e λt. la durée de vie moyee est E(X) = 1/λ. Si ampoules idetiques sot mises e foctioemet e même temps, et qu elles foctioet idépedammet les ues des autres, le ombre N t d ampoules qui tomberot e pae avat u istat t est ue variable aléatoire de loi biomiale B (, P (X t)) = B (, 1 e λt). Doc o s atted à ce que, e moyee, E(N t ) = ( 1 e λt) ampoules tombet e pae etre 0 et t. Das la pratique, l utilisateur de ces ampoules est très itéressé par ces résultats. Il souhaite évidemmet avoir ue évaluatio de leur durée de vie, de la probabilité qu elles foctioet correctemet pedat plus d u mois, u a, etc... Mais si l o veut utiliser les résultats théoriques éocés plus haut, il faut d ue part pouvoir s assurer qu o a choisi u bo modèle, c est-à-dire que la durée de vie de ces ampoules est bie ue variable aléatoire de loi expoetielle, et, d autre part, pouvoir calculer d ue maière ou d ue autre la valeur du paramètre λ. C est la statistique qui va permettre de résoudre ces problèmes. Pour cela, il faut faire ue expérimetatio, recueillir des doées et les aalyser. O met doc e place ce qu o appelle u essai ou ue expériece. O fait foctioer e parallèle et idépedammet les ues des autres = 10 ampoules idetiques, das les mêmes coditios expérimetales, et o relève leurs durées de vie. Admettos que l o obtiee les durées de vie suivates, exprimées e heures : Notos x 1,..., x ces observatios. Il est bie évidet que la durée de vie des ampoules est pas prévisible avec certitude à l avace. O va doc cosidérer que x 1,..., x sot les réalisatios de variables aléatoires X 1,..., X. Cela sigifie qu avat l expériece, la durée de vie de la ième ampoule est icoue et que l o traduit cette icertitude e
10 10 Chapitre 1 - Itroductio modélisat cette durée par ue variable aléatoire X i. Mais après l expériece, la durée de vie a été observée. Il y a doc plus d icertitude, cette durée est égale au réel x i. O dit que x i est la réalisatio de X i sur l essai effectué. Puisque les ampoules sot idetiques, il est aturel de supposer que les X i sot de même loi. Cela sigifie qu o observe plusieurs fois le même phéomèe aléatoire. Mais le hasard fait que les réalisatios de ces variables aléatoires de même loi sot différetes, d où la variabilité das les doées. Puisque les ampoules ot foctioé idépedammet les ues des autres, o pourra égalemet supposer que les X i sot des variables aléatoires idépedates. O peut alors se poser les questios suivates : 1. Au vu de ces observatios, est-il raisoable de supposer que la durée de vie d ue ampoule est ue variable aléatoire de loi expoetielle? Si o, quelle autre loi serait plus appropriée? C est u problème de choix de modèle ou de test d adéquatio. 2. Si le modèle de loi expoetielle a été reteu, commet proposer ue valeur (ou u esemble de valeurs) vraisemblable pour le paramètre λ? C est u problème d estimatio paramétrique. 3. Das ce cas, peut-o garatir que λ est iférieur à ue valeur fixée λ 0? Cela garatira alors que E(X) = 1/λ 1/λ 0, autremet dit que les ampoules serot suffisammet fiables. C est u problème de test d hypothèses paramétriques. 4. Sur u parc de 100 ampoules, à combie de paes peut-o s attedre e mois de 50 h? C est u problème de prévisio. Le premier problème cetral est celui de l estimatio : commet proposer, au vu des observatios, ue approximatio des gradeurs icoues du problème qui soit la plus proche possible de la réalité? La première questio peut se traiter e estimat la foctio de répartitio ou la desité de la loi de probabilité sous-jacete, la secode reviet à estimer u paramètre de cette loi, la quatrième à estimer u ombre moye de paes sur ue période doée. Le secod problème cetral est celui des tests d hypothèses : il s agit de se proocer sur la validité d ue hypothèse liée au problème : la loi est-elle expoetielle? λ est-il iférieur à λ 0? u objectif de fiabilité est-il atteit? E répodat oui ou o à ces questios, il est possible que l o se trompe. Doc, à toute répose statistique, il faudra associer le degré de cofiace que l o peut accorder à cette répose. C est ue caractéristique importate de la statistique par rapport aux mathématiques classiques, pour lesquelles u résultat est soit juste, soit faux. Pour résumer, la démarche probabiliste suppose que la ature du hasard est coue. Cela sigifie que l o adopte u modèle probabiliste particulier (ici la loi expoetielle), qui permettra d effectuer des prévisios sur les observatios futures. Das la pratique, la ature du hasard est icoue. La statistique va, au vu des observatios, formuler des hypothèses sur la ature du phéomèe aléatoire étudié. Maîtriser au mieux cette icertitude permettra de traiter les doées dispoibles. Probabilités et statistiques agisset doc e aller-retour das le traitemet mathématique des phéomèes aléatoires. L exemple des ampoules est ue illustratio du cas le plus fréquet où les doées se présetet sous la forme d ue suite de ombres. C est ce cas que ous traiteros das ce cours, mais il faut savoir que les doées peuvet être beaucoup plus complexes : des
11 1.3 Objectifs et pla du cours 11 foctios, des images, etc... Les pricipes et méthodes gééraux que ous traiteros das ce cours serot adaptables à tous les types de doées. 1.3 Objectifs et pla du cours Ce cours a pour but de préseter les pricipes de base d ue aalyse statistique de doées (descriptio, estimatio, tests), aisi que les méthodes statistiques les plus usuelles. Ces méthodes serot toujours illustrées par des problèmes cocrets, issus de l iformatique, la médecie, le cotrôle de qualité, la physique, etc... Il e s agit pas de doer u catalogue de recettes. Les méthodes statistiques serot la plupart du temps justifiées mathématiquemet, ce qui permettra d éviter u certai ombre d erreurs d iterprétatio des résultats, fréquetes das la pratique. Néamois, le cours privilégie l applicatio à la théorie. Les approfodissemets théoriques serot étudiés das les cours du 2ème semestre de Statistique Iféretielle Avacée et Aalyse Statistique Multidimesioelle. Les méthodes présetées serot mises e œuvre à l aide du logiciel R. La plupart du temps, o associera à chaque méthode la sytaxe et les sorties (tableaux, graphiques) correspodates de R. Le chapitre 2 présete les techiques de base e statistique descriptive, représetatios graphiques et idicateurs statistiques. Le chapitre 3 est cosacré aux problèmes d estimatio paramétrique poctuelle, le chapitre 4 aux itervalles de cofiace et le chapitre 5 aux tests d hypothèses. Le derier chapitre est cosacré à ue des méthodes statistiques les plus utilisées, la régressio liéaire. Efi, des aexes doet quelques rappels de probabilités utiles e statistique, des tables des lois de probabilité usuelles et ue courte itroductio à R.
12 12 Chapitre 1 - Itroductio
13 Chapitre 2 Statistique descriptive La statistique descriptive a pour but de résumer l iformatio coteue das les doées de faço à e dégager les caractéristiques essetielles sous ue forme simple et itelligible. Les deux pricipaux outils de la statistique descriptive sot les représetatios graphiques et les idicateurs statistiques. 2.1 Termiologie Les doées dot ous disposos sot des mesures faites sur des idividus (ou uités statistiques) issus d ue populatio. O s itéresse à ue ou plusieurs particularités des idividus appelées variables ou caractères. L esemble des idividus costitue l échatillo étudié. Exemple : si l échatillo est u groupe de TD à l ENSIMAG, u idividu est u étudiat la populatio peut être l esemble des étudiats de l ENSIMAG, des élèves igéieur de Frace, des habitats de Greoble, etc... les variables étudiées peuvet être la taille, la filière choisie, la moyee d aée, la couleur des yeux, la catégorie socio-professioelle des parets,... Si l échatillo est costitué de tous les idividus de la populatio, o dit que l o fait u recesemet. Il est extrêmemet rare que l o se trouve das cette situatio, essetiellemet pour des raisos de coût. Quad l échatillo est qu ue partie de la populatio, o parle de sodage. Le pricipe des sodages est d étedre à l esemble de la populatio les eseigemets tirés de l étude de l échatillo. Pour que cela ait u ses, il faut que l échatillo soit représetatif de la populatio. Il existe des méthodes pour y parveir, dot ous e parleros pas ici. Remarque : le mot variable désige à la fois la gradeur que l o veut étudier (variable statistique) et l objet mathématique qui la représete (variable aléatoire). Ue variable statistique peut être discrète ou cotiue, qualitative ou quatitative. Les méthodes de représetatio des doées diffèret suivat la ature des variables étudiées.
14 14 Chapitre 2 - Statistique descriptive Das ce chapitre, o e s itéresse qu au cas où o e mesure qu ue seule variable sur les idividus, comme das l exemple des ampoules. O dit alors que l o fait de la statistique uidimesioelle. Das ce cas, les doées sot sous la forme de la série des valeurs prises par la variable pour les idividus, otées x 1,..., x. O supposera que ces doées sot les réalisatios de variables aléatoires X 1,..., X idépedates et de même loi. O otera X ue variable aléatoire de cette loi. Le terme d échatillo désigera à la fois les séries x 1,..., x et X 1,..., X. Quad o mesure plusieurs variables sur les mêmes idividus, o dit que l o fait de la statistique multidimesioelle. Des doées de ce type serot traitées das le chapitre cosacré à la régressio liéaire et le cours de 2ème semestre d Aalyse Statistique Multidimesioelle leur est etièremet cosacré. L objectif premier de la statistique descriptive est u objectif de représetatio des doées, et pas d estimatio. O peut cepedat utiliser les outils de statistique descriptive das u but d estimatio. Notammet, o s itéressera au choix d u modèle probabiliste pertiet, ce qui reviedra à estimer la foctio de répartitio F ou la desité f de la variable aléatoire X sous-jacete, quad celle-ci est quatitative. 2.2 Représetatios graphiques Variables discrètes Ue variable discrète est ue variable à valeurs das u esemble fii ou déombrable. Mais l esemble des valeurs prises par cette variable das u échatillo de taille est forcémet fii. Les variables qui s exprimet par des ombres réels sot appelées variables quatitatives ou umériques (ex : logueur, durée, coût,...). Les variables qui s exprimet par l apparteace à ue catégorie sot appelées variables qualitatives ou catégorielles (ex : couleur, catégorie socio-professioelle,...) Variables qualitatives Si la variable est qualitative, o appelle modalités les valeurs possibles de cette variable. L esemble des modalités est oté E = {e 1,..., e k }. Par exemple, si la variable est la couleur des yeux d u idividu, l esemble des modalités est E = {bleu, vert, bru, pers, oir}. Si o iterroge = 200 persoes, les doées brutes se préseterot sous la forme d ue suite du type : bru, vert, vert, bleu,..., oir, vert. Cette suite est pas lisible. La meilleure maière de représeter ces doées est d utiliser les fréqueces absolues et relatives. Défiitio 1 O appelle fréquece absolue de la modalité e j le ombre total j d idividus de l échatillo pour lesquels la variable a pris la modalité e j : j = 1 {ej }(x i ). O appelle fréquece relative de la modalité e j le pourcetage j / d idividus de l échatillo pour lesquels la variable a pris la modalité e j. Das l exemple, o obtiet u tableau du type du tableau 2.1.
15 2.2 Représetatios graphiques 15 couleur des yeux bleu vert bru pers oir fréqueces absolues fréqueces relatives 33% 17% 40% 7.5% 2.5% Table 2.1 couleur des yeux d u échatillo de 200 persoes De même, das le cas des résultats d électio e Frace, les idividus sot les = 42 millios d électeurs et la variable est la persoe ou la liste pour laquelle l idividu a voté. La suite des 42 millios de votes a aucu itérêt. Le résultat est exprimé directemet sous forme du tableau des fréqueces relatives. Par exemple, le tableau 2.2 doe le résultat des électios européees de Listes NPA LO FrGauche PS EurEco EcoId Modem DivD UMP Libertas FN Autres % Voix Table 2.2 résultats des électios européees de NPA LO FrGauche PS EurEco EcoId Modem DivD UMP Libertas FN Autres Figure 2.1 électios européees, diagramme e coloes Les représetatios graphiques correspodates sot de deux types : diagrammes e coloes ou e bâtos : à chaque modalité correspod u rectagle vertical dot la hauteur est proportioelle à la fréquece relative de cette modalité diagrammes sectoriels ou camemberts : à chaque modalité correspod u secteur de disque dot l aire (ou l agle au cetre) est proportioelle à la fréquece relative de cette modalité Les commades R pour les diagrammes e coloes et sectoriels sot barplot(x) et pie(x). Das l exemple des électios, les figures 2.1 et 2.2 sot obteues à l aide des commades :
16 16 Chapitre 2 - Statistique descriptive > x<-c(3.3, 5.2, 28.9, 7.4, 5.9, 10.7, 11.9, 16.6, 9.8, 0.3) > partis<-c("npa","lo","frgauche","ps","eureco","ecoidep","modem","divd", "UMP","Libertas","FN","Autres") > barplot(x,ames=partis) > pie(x,labels=partis) PS EurEco FrGauche EcoId LO NPA Modem DivD FN Autres Libertas UMP Figure 2.2 électios européees, diagramme sectoriel Variables quatitatives Quad la variable est quatitative, o utilise les mêmes représetatios à l aide des fréqueces absolues et relatives. La différece fodametale etre les représetatios pour des variables qualitatives et quatitatives tiet au fait qu il existe u ordre aturel sur les modalités (qui sot des ombres réels) pour les variables quatitatives, alors qu aucu ordre est prédéfii pour les variables qualitatives. C est pourquoi les diagrammes e bâtos sot toujours utilisés, mais pas les diagrammes sectoriels. Par exemple, o a effectué ue equête auprès de 1000 couples e leur demadat otammet leur ombre d efats. Le tableau 2.3 doe les fréqueces et la figure 2.3 doe le diagramme e bâtos, obteu à l aide de la commade : > barplot(c(235,183,285,139,88,67,3),ames=c(0,1,2,3,4,5,6)) Nombre d efats > 6 fréquece absolue fréquece relative 23.5% 18.3% 28.5% 13.9% 8.8% 6.7% 0.3% 0 Table 2.3 ombre d efats de 1000 couples Choix d u modèle probabiliste discret Les représetatios graphiques effectuées permettet de guider le statisticie das le choix d u modèle probabiliste adapté aux doées. E effet, la fréquece relative j /, pourcetage d observatio de la modalité e j das l échatillo, est ue estimatio aturelle de la probabilité que la variable pree la modalité e j, P (X = e j ). Ue loi de probabilité vraisemblable pour X est ue loi telle que le diagramme des P (X = e j ) soit proche, e u certai ses, du diagramme e bâtos.
17 2.2 Représetatios graphiques Figure 2.3 ombre d efats de 1000 couples, diagramme e bâtos Par exemple, pour le ombre d efats par famille, ue loi géométrique est impossible car ue variable aléatoire de loi géométrique e peut pas predre la valeur 0. Ue loi biomiale est evisageable, par exemple la loi B (6, p) ou la loi B (7, p). Le problème est de savoir s il existe u paramètre p das [0,1] tel que le diagramme des P (X = j) ait ue allure proche de celle de la figure 2.3. Ue loi de Poisso est aussi possible a priori. Pour pouvoir choisir u modèle par cette méthode, il faudrait doc coaître au mois les formes des diagrammes des probabilités élémetaires des lois biomiale et de Poisso. Ce est pas simple du fait de la complexité des expressios de ces probabilités. De plus, la forme de ces diagrammes peut chager assez sesiblemet suivat la valeur des paramètres. Il est doc difficile de proposer u modèle probabiliste vraisemblable au seul vu d u diagramme e bâtos. O verra que c est beaucoup plus facile quad la variable est cotiue. Fialemet, le diagramme e bâtos sert plus à visualiser l allure géérale de la distributio qu à véritablemet aider à choisir u modèle probabiliste pertiet Variables cotiues Quad la variable étudiée est cotiue, les représetatios du type diagramme e bâtos sot sas itérêt, car les doées sot e gééral toutes distictes, doc les fréqueces absolues sot toutes égales à 1. O cosidèrera ici deux types de représetatios graphiques : l histogramme et le polygoe des fréqueces qui lui est associé. la foctio de répartitio empirique, qui permet otammet de costruire des graphes de probabilités. Ces deux types de représetatios écessitet d ordoer les doées. Si l échatillo iitial est oté x 1,..., x, l échatillo ordoé sera oté x 1,..., x. Das l exemple des ampoules, l échatillo iitial est : et l échatillo ordoé est :
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 détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détailCours 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 détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détailStatistiques 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. (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 détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détail55 - 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 détailLimites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailStatistique Numérique et Analyse des Données
Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailUNIVERSITÉ 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 détailChap. 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 détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détailCours 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 détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailSTATISTIQUE 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 détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailUniversité 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 détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détailChapitre 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 détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détailUniversité 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 détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détail14 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 détailProcessus 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 détailProcessus 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 détailConvergences 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 détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en détailExamen 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 détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détailInitiation à l analyse factorielle des correspondances
Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique
Plus en détailGérer les applications
Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces
Plus en détailProbabilités 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 détail4 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 détailSéries 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 détailSommaire 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 détailÉchantillonnage 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 détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détailUV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1
UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau
Plus en détail3.1 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 détailRenseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.
Reseigemets et moitorig. Reseigemets commerciaux et de solvabilité sur les etreprises et les particuliers. ENSEMBLE CONTRE LES PERTES. Reseigemets Creditreform. Pour plus de trasparece. Etreteir des rapports
Plus en détailx +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 détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailCHAPITRE 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 détailcapital 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 détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailComment les Canadiens classent-ils leur système de soins de santé?
Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté
Plus en détailEtude 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* 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 détailRéseaux 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 détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détailExercices de mathématiques
MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris
Plus en détailMobile Business. Communiquez efficacement avec vos relations commerciales 09/2012
Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre
Plus en détailSuites 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 détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailLe chef d entreprise développe les services funéraires de l entreprise, en
Le chef d etreprise développe les services fuéraires de l etreprise, e assurat lui-même tout ou partie des activités de vete et e ecadrat directemet le persoel techique et commercial et d exploitatio.
Plus en détailRisque de longévité et détermination du besoin en capital : travaux en cours
Risque de logévité et détermiatio du besoi e capital : travaux e cours Frédéric PLANCHET ISFA Laboratoire SAF Versio.6 / Septembre 2008 Sommaire La prise e compte de l expériece propre au groupe das l
Plus en détailFormation 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 détailBaccalauréat 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 détailCompte Sélect Banque Manuvie Guide du débutant
GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détailLogiciel 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 détailLa 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 détailGUIDE METHODOLOGIQUE INDUSTRIES, OUVREZ VOS PORTES
GUIDE METHODOLOGIQUE INDUSTRIES, OUVREZ VOS PORTES SOMMAIRE Les visites d etreprises : pourquoi ouvrir ses portes?.... 8 1.1 Des motivatios variées pour les etreprises... 8 1.2 Les freis à l ouverture
Plus en détailLe Sphinx. Enquêtes, Sondages. Analyse de données. Internet : http://www.lesphinxdeveloppement.fr/club/index.html
Equêtes, Sodages Aalyse de doées Le Sphix! Iteret : http://www.lesphixdeveloppemet.fr/club/idex.html Lagarde J. Aalyse statistique de doées, Duod. Réaliser vos equêtes Questioaire Traitemets et aalyses
Plus en détailCréation et développement d une fonction audit interne*
Créatio et développemet d ue foctio audit itere* Ue démarche e 10 étapes [ Sommaire] Dix étapes pour réussir... 7 Étapes 1 à 4 Défiitio du cadre d itervetio... 9 1 Idetifier les attetes des parties preates...
Plus en détailPROMENADE ALÉATOIRE : Chaînes de Markov et martingales
PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières
Plus en détailTempêtes : 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 détailDonnez de la liberté à vos données. BiBOARD. www.biboard.fr
Doez de la liberté à vos doées BiBOARD www.biboard.fr Le décisioel pour tous Le décisioel évolue. L etreprise quelle que soit sa taille, a besoi de piloter so activité à l aide d outils simples, fiables,
Plus en détailTerminale S. Terminale S 1 F. Laroche
Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM
Plus en détailDETERMINANTS. a b et a'
2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio
Plus en détailCOMMENT ÇA MARCHE GUIDE DE L ENSEIGNANT 9 E ANNÉE
GUIDE DE L ENSEIGNANT 9 E ANNÉE TROUSSE PÉDAGOGIQUE 9 E ANNÉE Le préset Guide de l eseigat, qui accompage la trousse pédagogique COMMENT ÇA MARCHE : PRODUCTION D ÉLECTRICITÉ 9 e aée a été coçu à l itetio
Plus en détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en détailLa maladie rénale chronique
La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie
Plus en détailLes études. Recommandations applicables aux appareils de levage "anciens" dans les ports. Guide Technique
es Cetre d Etudes Techiques Maritimes et Fluviales Les études Recommadatios applicables aux appareils de levage "acies" das les ports Guide Techique PM 03.01 Cetre d Etudes Techiques Maritimes et Fluviales
Plus en détailMicroscope de mesure sans contact pour inspection et mesures de précision
KESTREL ELITE KESTREL ELITE Microscope de mesure sas cotact pour ispectio et mesures de précisio Microscope à deux axes sas cotact, idéal pour la mesure de caractéristiques 2-D de pièces techiques de petite
Plus en détailLes algorithmes de tri
CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....
Plus en détailChaînes de Markov. Arthur Charpentier
Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.
Plus en détailGuide du suivi et de l évaluation axés sur les résultats P ROGRAMME DES NATIONS UNIES POUR LE DÉVELOPPEMENT B U R E AU DE L É VA L UATION
Guide du suivi et de l évaluatio axés sur les résultats P ROGRAMME DES NATIONS UNIES POUR LE DÉVELOPPEMENT B U R E AU DE L É VA L UATION P ROGRAMME DES NATIONS UNIES POUR LE DÉVELOPPEMENT B U R E AU DE
Plus en détailSimulations interactives de convertisseurs en électronique de puissance
Simulatios iteractives de covertisseurs e électroique de puissace Jea-Jacques HUSELSTEIN, Philippe ENII Laboratoire d'électrotechique de Motpellier (LEM) - Uiversité Motpellier II, 079, Place Eugèe Bataillo,
Plus en détailNeolane Leads. Neolane v6.0
Neolae Leads 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. Cette publicatio
Plus en détailPREPARER SA RETRAITE
PREPARER SA RETRAITE Combie éparger pour compléter sa retraite? Pour répodre à cette questio, la première étape cosiste à imagier so trai après 65 as. Des postes de dépeses aurot disparu (otammet ceux
Plus en détailOne Office Voice Pack Vos appels fixes et mobiles en un seul pack
Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre
Plus en détail