Initiation à l analyse factorielle des correspondances
|
|
- Marie-Paule Beaudoin
- il y a 8 ans
- Total affichages :
Transcription
1 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 statistique permet de réduire le ombre de variables, afi d obteir ue représetatio graphique des tableaux de cotigece. Elle vise à y rassembler la quasi-totalité de l iformatio iitiale, e s attachat aux correspodaces etre les caractères. Table des matières 1 Exemple itroductif Les doées Défiitio d u score a priori Notio de score optimum Représetatios graphiques Table de Cotigece Tableau des doées Tableaux des profils liges et coloes Lie avec le test du χ 2 d idépedace Compréhesio des résultats d ue AFC Le tableau aalysé Les podératios La matrice diagoalisée Les coordoées des liges Les coordoées des coloes Lie avec le Khi-Deux Carte Factorielle sur les axes 1 et Aides à l iterprétatio Décompositio de l iertie totale Cotributios absolues des liges (resp. des coloes) Cotributios relatives des liges (resp. des coloes) Cotributios relatives cumulées
2 5 Applicatio 16 Référeces 16 1 Exemple itroductif 1.1 Les doées L exemple porte sur la couleur des yeux et la couleur des cheveux de 592 étudiats. Les doées ot été collectées das le cadre d u projet de classe par les étudiats d u cours de statistique élémetaire à l Uiversité de Delaware [3]. see74 <- read.table(" header=true) ames(see74) [1] "cheveux" "yeux" "sexe" head(see74) cheveux yeux sexe 1 Noir Marro Male 2 Blod Bleu Femelle 3 Noir Bleu Male 4 Marro Marro Femelle 5 Roux Marro Male 6 Marro Bleu Male La couleur des cheveux est défiie par 4 modalités : blod, marro, oir et roux. cheveux <- see74$cheveux summary(cheveux) Blod Marro Noir Roux La couleur des yeux est défiie par 4 modalités : bleu, marro, oisette et vert. yeux <- see74$yeux summary(yeux) Bleu Marro Noisette Vert Le lie etre les deux couleurs s obtiet à l aide d u tableau croisé qui vetile la populatio etre les modalités de ces deux variables qualitatives. C est ue table de cotigece. (table(yeux,cheveux) -> couleurs) cheveux yeux Blod Marro Noir Roux Bleu Marro Noisette Vert Par commodité, o trasforme cet objet e u data.frame : (dfcouleurs <- data.frame(uclass(couleurs))) Blod Marro Noir Roux Bleu Marro Noisette Vert Logiciel R versio ( ) tdr620b.rw Page 2/16 Compilé le
3 1.2 Défiitio d u score a priori O va affecter a priori u score à chacue des coloes (couleur des cheveux), par exemple (1,-1,-1,1), qui opère ue oppositio etre cheveux focés (Marro, Noir) et clairs (Blod, Roux). scorecheveux <- c(1,-1,-1,1) ames(scorecheveux) <- colames(couleurs) scorecheveux Blod Marro Noir Roux Pour chaque lige de la table de cotigece (couleur des yeux), ue fréquece observée correspod à chaque couleur de cheveux. Aisi, pour la modalité yeux Bleu o obtiet : dfcouleurs <- data.frame(uclass(couleurs)) dfcouleurs["bleu",]/sum(dfcouleurs["bleu",]) Blod Marro Noir Roux Bleu Il est alors possible de calculer le score moye pour la modalité yeux Bleu : dfcouleurs["bleu",]/sum(dfcouleurs["bleu",]) -> yeux.bleu yeux.bleu*scorecheveux Blod Marro Noir Roux Bleu sum(yeux.bleu*scorecheveux) [1] Ce score moye positif motre que les idividus aux yeux Bleu ot des cheveux plutôt clairs. Ce score moye peut être calculé pour toutes les couleurs de yeux. freqyeux <- apply(dfcouleurs, 1, fuctio(x) x/sum(x)) freqyeux Bleu Marro Noisette Vert Blod Marro Noir Roux t(freqyeux) Blod Marro Noir Roux Bleu Marro Noisette Vert scoreyeux <- apply(t(freqyeux), 1, fuctio(x) sum(x*scorecheveux)) scoreyeux Bleu Marro Noisette Vert Pour les yeux marros, o obtiet u score moye égal à -0.7 qui est égatif et idique doc que les cheveux focés domiet das cette sous-populatio. O pourrait assez bie séparer les 4 couleurs des yeux sur la base du score proposé pour la couleur des cheveux. Cepedat, deux questios se poset : Existe-t-il u score des cheveux qui permet de discrimier ecore mieux la couleur des yeux? Lorsqu o coaît mois bie le sujet, (ici, l oppositio clair/focé est aturelle), commet défiir u score qui permette de mieux compredre la structure du tableau de doées? Logiciel R versio ( ) tdr620b.rw Page 3/16 Compilé le
4 1.3 Notio de score optimum L Aalyse Factorielle des Correspodaces (AFC) est la méthode permettat de défiir pour ue table de cotigece u score sur les coloes tel que les scores moyes des liges (obteus e utilisat les fréqueces des tableaux de profils) soiet les plus séparés possibles, au ses de la variace de ces scores moyes. Et iversemet. Cette méthode choisit comme score optimal pour les coloes (cheveux) les valeurs : library(ade4) library(adegraphics) ac <- dudi.coa(dfcouleurs, scaf=f, f=3) rowames(ac$c1) [1] "Blod" "Marro" "Noir" "Roux" ac$c1[,1] [1] O vérifie que les valeurs extrêmes sot obteues pour les modalités Blod et Noir, ce qui reflète que la structure majeure de ce jeu de doées est l oppositio clair/focé. Exercice. Retrouver le score moye des liges (couleur des yeux) à partir des scores optimaux de la couleur des cheveux obteus par l AFC. Répose : Bleu Marro Noisette Vert Il est importat de oter que si o cherche d abord les scores optimaux pour le critère couleur des yeux par la méthode AFC (coordoées des liges, li sous ade4), o obtiet le même résultat : [1] "Bleu" "Marro" "Noisette" "Vert" [1] Le raisoemet que l o viet de teir peut se reproduire das la recherche de score moye des couleurs de cheveux à partir des scores optimaux de la couleur des yeux. rowames(ac$co) [1] "Blod" "Marro" "Noir" "Roux" ac$co[,1] [1] Représetatios graphiques O peut alors doer ue représetatio graphique des valeurs obteues pour les scores des liges (resp. des coloes) pour le premier score optimal des coloes (resp. des liges). score(ac) Logiciel R versio ( ) tdr620b.rw Page 4/16 Compilé le
5 Et pour fiir, o doe ue représetatio graphique des résultats obteus sur les deux premiers scores optimaux. scatter(ac) 2 Table de Cotigece 2.1 Tableau des doées La table egedrée par le croisemet de deux variables qualitatives s appelle ue table de cotigece observée. Il est importat de rappeler que : i) tout idividu présete ue modalité et ue seule de chaque variable ; Logiciel R versio ( ) tdr620b.rw Page 5/16 Compilé le
6 ii) chaque modalité doit avoir été observée au mois ue fois, sio elle est supprimée. Les doées sot extraites d ue étude de J. Blodel et H Farre e 1988 [1]. O s itéresse à l abodace d oiseaux - toutes espèces cofodues - das 4 régios européees, sur des sites où les stades de végétatio variet. Les deux variables reteues pour l aalyse sot : 1. la régio : Pologe, Bourgoge, provece ou Corse ; 2. le stade de végétatio : du milieu le plus ouvert S1 au milieu le plus fermé S6. Les doées sot stockées das oiseaux.txt. oiseaux <- read.table(" oiseaux Pologe Bourgoge Provece Corse S S S S S S taboiseaux <- as.table(as.matrix(oiseaux)) Les iformatios de base sot le ombre total d observatios (), le ombre de modalités pour la variable régio (I) et le ombre de modalités pour la variable stade de végétatio (J). ( <- sum(oiseaux)) [1] (I <- row(oiseaux)) [1] 6 (J <- col(oiseaux)) [1] 4 O peut costruire le tableau des fréqueces relatives où chaque terme est de la forme f ij = ij. freqoiseaux <- oiseaux/ roud(freqoiseaux,digits=4) Pologe Bourgoge Provece Corse S S S S S S O peut obteir différetes représetatios graphiques de la table de cotigece. Le pricipe est d utiliser des symboles dot la surface est proportioelle aux effectifs : library(gplots) library(catools) library(bitops) ballooplot(taboiseaux) Logiciel R versio ( ) tdr620b.rw Page 6/16 Compilé le
7 La foctio mosaicplot permet de mettre e évidece les lies les plus importats : mosaicplot(oiseaux, shade=true,mai="répartitio des oiseaux") Logiciel R versio ( ) tdr620b.rw Page 7/16 Compilé le
8 2.2 Tableaux des profils liges et coloes O calcule maiteat les fréqueces coditioelles. Pour ce faire, o ote V 1 et V 2, les deux variables qualitatives étudiées. Profils liges Les fréqueces coditioelles associées aux profils liges sot otées f i j défiies par f j i = P (V 2 = j V 1 = i) = P (V 2 = j V 1 = i) P (V 1 = i) et f j i = ij i = ij i (profliges <- prop.table(taboiseaux,1)) Pologe Bourgoge Provece Corse S S S S S S O vérifie que les sommes e liges sot toutes égales à 1. rowsums(profliges) S1 S2 S3 S4 S5 S Profils coloes Les fréqueces coditioelles associées aux profils coloes sot otées f i j et défiies par f i j = P (V 1 = i V 2 = j) = P (V 1 = i V 2 = j) P (V 2 = j) f i j = ij j = ij j (profcoloes <- prop.table(taboiseaux,2)) Pologe Bourgoge Provece Corse S S S S S S O vérifie égalemet que les sommes e coloes sot toutes égales à 1. colsums(profcoloes) Pologe Bourgoge Provece Corse Logiciel R versio ( ) tdr620b.rw Page 8/16 Compilé le
9 2.3 Lie avec le test du χ 2 d idépedace Le test du Khi-Deux d idépedace etre deux variables est caractérisé par les deux hypothèses : H 0 : les deux variables sot idépedates H 1 : les deux variables sot liées. Sous l hypothèse ulle H 0, P (V 2 = j V 1 = i) = P (V 1 = i) P (V 2 = j). Aisi, sous H 0, la fréquece théorique est égale à i j. O e déduit la table des effectifs théoriques (qui serait observée sous H 0 ), e coservat les effectifs margiaux observés. i j reschi <- chisq.test(oiseaux) reschi$expected Pologe Bourgoge Provece Corse S S S S S S La statistique du test est la suivate : χ 2 = I J i=1 j=1 ( ij i j ) 2 i j Elle ted vers ue loi du χ 2 à (I 1) (J 1) degrés de liberté. Das l étude de la relatio etre le mode de payemet de l assurace automobile et la situatio maritale, le résultat au test du Khi-Deux est reschi Pearso's Chi-squared test data: oiseaux X-squared = , df = 15, p-value < 2.2e-16 Comme la p-value est très faible, o rejette l hypothèse ulle. Les variables sot liées. Il est alors itéressat d explorer la structure de cette relatio. Défiitio O appelle lie etre la modalité i de la variable V 1 et la modalité j de la variable V 2 la quatité : 1 ( ij i j ) ) 2 i j Les couples de modalités (i, j) qui correspodet aux lies les plus importats sot les plus resposables de la dépedace etre la variable V 1 et la variable V 2. Logiciel R versio ( ) tdr620b.rw Page 9/16 Compilé le
10 Coclusio. Que la liaiso etre les 2 variables soit statistiquemet sigificative ou o, o peut explorer la structure du tableau plus e détail. Lorsque les variables présetet de ombreuses modalités, il est difficile d extraire ue iformatio pertiete si o se cotete d observer le tableau de doées. La techique de l Aalyse Factorielle des Correspodaces (AFC) est là pour pallier cette déficiece. 3 Compréhesio des résultats d ue AFC Les résultats de l AFC de la table de cotigece permettat d étudier l abodace globale des 79 espèces etre les régios et les stades de végétatios. afc <- dudi.coa(oiseaux, scaf=f, f=3) ames(afc) [1] "tab" "cw" "lw" "eig" "rak" "f" "c1" "li" "co" "l1" "call" [12] "N" 3.1 Le tableau aalysé Le tableau aalysé est : afc$tab Pologe Bourgoge Provece Corse S S S S S S C est le lie etre les effectifs théoriques et les effectifs observés. (oiseaux-reschi$expected)/reschi$expected Pologe Bourgoge Provece Corse S S S S S S Les podératios Les podératios des liges et des coloes sot les fréqueces margiales de la table de cotigece observée. afc$cw Pologe Bourgoge Provece Corse apply(oiseaux,2,fuctio(x) sum(x)/) Pologe Bourgoge Provece Corse afc$lw S1 S2 S3 S4 S5 S apply(oiseaux,1,fuctio(x) sum(x)/) S1 S2 S3 S4 S5 S Logiciel R versio ( ) tdr620b.rw Page 10/16 Compilé le
11 3.3 La matrice diagoalisée La matrice diagoalisée est H. matz <- as.matrix(afc$tab) DI <- diag(afc$lw) DrJ <- diag(sqrt(afc$cw)) math <- DrJ %*% t(matz) %*% DI %*% matz %*% DrJ Le rag de la matrice aalysée est doé par mi(i 1, J 1) soit mi(i-1,j-1) [1] 3 afc$rak [1] 3 Les valeurs propres et les vecteurs propres issus de cette diagoalisatio sot : eige(math) $values [1] e e e e-17 $vectors [,1] [,2] [,3] [,4] [1,] [2,] [3,] [4,] eige(math) -> reseige O retrouve bie les valeurs propres de l aalyse. reseige$values [1] e e e e-17 afc$eig [1] Les coordoées des liges Les coordoées des liges dites axes pricipaux s obtieet par ZD 1/2 J U. Elles sot cetrées, de variaces λ et de covariaces ulles. matz %*% DrJ %*% reseige$vectors[,1:3] [,1] [,2] [,3] S S S S S S afc$li Axis1 Axis2 Axis3 S S S S S S sum(afc$li$axis1*afc$lw) [1] e-17 sum(afc$li$axis2*afc$lw) [1] e-18 sum(afc$li$axis1*afc$li$axis1*afc$lw) [1] Logiciel R versio ( ) tdr620b.rw Page 11/16 Compilé le
12 afc$eig[1] [1] sum(afc$li$axis2*afc$li$axis2*afc$lw) [1] afc$eig[2] [1] sum(afc$li$axis1*afc$li$axis2*afc$lw) [1] e Les coordoées des coloes Les coordoées des coloes dites composates pricipales s obtieet par UΛ 1/2. Elles sot cetrées, de variaces λ et de covariaces ulles. D 1/2 J diag(1/sqrt(afc$cw)) %*% reseige$vectors[,1:3] %*% diag(sqrt(afc$eig)) [,1] [,2] [,3] [1,] [2,] [3,] [4,] afc$co Comp1 Comp2 Comp3 Pologe Bourgoge Provece Corse sum(afc$co$comp1*afc$cw) [1] e-17 sum(afc$co$comp2*afc$cw) [1] e-17 sum(afc$co$comp1*afc$co$comp1*afc$cw) [1] afc$eig[1] [1] sum(afc$co$comp2*afc$co$comp2*afc$cw) [1] afc$eig[2] [1] sum(afc$co$comp1*afc$co$comp2*afc$cw) [1] e Lie avec le Khi-Deux Lie etre l iertie totale et la valeur de la statistique du Khi-Deux : I T = χ2 reschi$statistic X-squared reschi$statistic/ X-squared sum(afc$eig) [1] Logiciel R versio ( ) tdr620b.rw Page 12/16 Compilé le
13 3.7 Carte Factorielle sur les axes 1 et 2 scatter(afc) Commeter. 4 Aides à l iterprétatio Les statistiques d iertie sot importates das les aalyses à podératios o uiformes comme l aalyse factorielle des correspodaces. Elles s étedet à tout type d aalyse à u tableau. O les retrouve das la foctio iertia.dudi. Pour les aalyses à podératios uiformes comme l aalyse e composates pricipales, elles sot redodates avec les cartes factorielles. C est pourquoi les statistiques d iertie sot présetées das ce documet. aides <- iertia.dudi(afc, row.iertia=true, col.iertia=true) ames(aides) [1] "TOT" "row.abs" "row.rel" "row.cum" "col.abs" "col.rel" "col.cum" 4.1 Décompositio de l iertie totale La somme des valeurs propres est égale à l iertie totale du uage de poits. I T = r k=1 où r représete le rag de la matrice diagoalisée. La quatité λ k /I T est l iertie relative du vecteur pricipal de rag k. λ k Logiciel R versio ( ) tdr620b.rw Page 13/16 Compilé le
14 IT <- sum(afc$eig) IT [1] afc$eig/it [1] aides$tot iertia cum ratio La première coloe cotiet les valeurs propres λ k de 1 à r. La secode coloe cotiet la somme des valeurs propres de 1 à K : K k=1 λ k. La derière coloe cotiet l iertie relative cumulé du uage sur les K dimesios reteues : K k=1 λ k r k=1 λ k 4.2 Cotributios absolues des liges (resp. des coloes) L iertie des projectios sur la composate pricipale k se décompose e somme de cotributios absolues (CA) de la variable (ou de la modalité) à la défiitio de k. Cela soulige les poits qui cotribuet le plus à l aalyse. Soit V i 1 le vecteur associé à la modalité i de la variable V 1 comme par exemple le vecteur associé au stade de végétatio S5 : oiseaux[5,] Pologe Bourgoge Provece Corse S La cotributio du poit est défiie par : CA uk (V i 1 ) = 1 p i. < V1 i /u k > 2 D J λ k aides$row.abs Axis1 Axis2 Axis3 S S S S S S que l o retrouve facilemet à l aide des valeurs retourées par l objet dudi.coa. afc$li[,1]*afc$li[,1]*afc$lw/afc$eig[1] S1 S2 S3 S4 S5 S Notez que les résultats doés par la foctio iertia.dudi sot multipliés par 1000 pour faciliter la lecture. Logiciel R versio ( ) tdr620b.rw Page 14/16 Compilé le
15 4.3 Cotributios relatives des liges (resp. des coloes) L iertie totale se décompose e cotributios à la trace des liges (et des coloes). Le carré de la orme de la variable ou de la modalité se décompose e cotributios relatives (CR) des composates à la représetatio de la lige i (resp. de la coloe j). Les cotributios relatives sot des carrés de cosius. CR uk (V1 i ) = < V 1 i /u k > 2 D J V1 i 2 D J aides$row.rel Axis1 Axis2 Axis3 co.tra S S S S S S que l o retrouve, das le cas du payemet semestriel : (afc$li[3,]*afc$li[3,])/(sum(afc$tab[3,]*afc$tab[3,]*afc$cw)) Axis1 Axis2 Axis3 S Notez que : 1. les résultats sot égalemet multipliés par 1000, 2. les résultats obteus sot bie sûr tous supérieurs à 0 : le sige est rajouté afi de situer la modalité sur les axes, 3. la derière coloe cotiet la cotributio à la trace : (afc$tab[3,]*sqrt(afc$cw))*sqrt(afc$lw[3]) -> temp sum(temp*temp)/sum(afc$eig) [1] Cotributios relatives cumulées Ce derier tableau cotiet, pour chaque lige V i 1 la somme des cotributios relatives. Ce sot les carrés des cosius etre u vecteur et u sous-espace de projectio. aides$row.cum Axis1 Axis2 Axis3 remai S S S S S S La case remai est ici égale à 0 car ous avos coservé toutes les valeurs propres de l aalyse. Das le cas cotraire, cette coloe cotiet la somme des cotributios relatives du sous-espace qui a pas été reteu. Logiciel R versio ( ) tdr620b.rw Page 15/16 Compilé le
16 5 Applicatio La recherche scietifique e soulève que peu de cotroverse ou de résistace de la part du grad public. Das quelques cas, rares, le débat etre sciece, morale et religio resurgit. C est le cas de la recherche sur les embryos humais. L aalyse que ous ous proposos de réaliser est adaptée de l article Attitudes towards Embryo research, worldviews ad the moral status of the Embryo Frame [2]. Les doées ot été recueillies au près du grad public das 9 pays europées et elles coceret le statut accordé à l embryo. A huma embryo that is a few days old... (1) is a mere cluster of cells, ad it makes o sese to discuss its moral coditio ; (2) has a moral coditio halfway betwee that of a cluster of cells ad that of a huma beig ; (3) is closer i its moral coditio to a huma beig tha to a mere cluster of cells ; (4) has the same moral coditio as a huma beig. Les doées sot ragées das la table de cotigece ci-dessous. Répodre à la questio Peut-o faire ue typologie des pays?. Pays (1) (2) (3) (4) o réposes Autriche Daemark Frace Allemage Italie Pays.Bas Pologe Royaume.Ui Espage Pour etrer les doées, utilisez : res <- data.frame() fix(res) Référeces [1] J. Blodel ad H. Farré. The coverget trajectories of bird commuities alog ecological successios i europea forests. åcologia (Berli), 75 :83 93, [2] R Pardo ad F. Calvo. Attitudes towards embryo research, worldviews ad the moral status of the embryo frame. Sciece Commuicatio, 30, 1 :8 47, [3] R.D. See. Graphical display of two-way cotigecy tables. The America Statisticia, 28 :9 12, Logiciel R versio ( ) tdr620b.rw Page 16/16 Compilé le
Statistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en 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 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 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 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 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 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 détailTableaux Croisés et Diagrammes en Mosaïque : Pour Voir Les Probabilités Marginales et Conditionnelles.
Tableaux Croisés et Diagrammes e Mosaïque : Pour Voir Les Probabilités Margiales et Coditioelles. Moique Le Gue CNRS- MATISSE 1 Résumé Cet article s iscrit das ue démarche de sesibilisatio aux différetes
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 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 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 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 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 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 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 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 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 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 détailSTATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailPrincipes et Méthodes Statistiques
Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............
Plus en 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 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 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 détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détail1 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 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 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 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 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 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 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 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 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 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 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 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 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 détailNeolane Message Center. Neolane v6.0
Neolae Message Ceter Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord.
Plus en 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 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 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 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 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 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 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 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 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 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 détailSTRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO
Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est
Plus en 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 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 détailLa tarification hospitalière : de l enveloppe globale à la concurrence par comparaison
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 58 2000 La tarificatio hospitalière : de l eveloppe globale à la cocurrece par comparaiso Michel MOUGEOT * RÉSUMÉ. Cet article cosidère différetes politiques de
Plus en détailESIEA PARIS 2010-2011
ESIEA PARIS 00-0 Exame MAT 50 DATA MINING Vedredi 6 Novembre 00 Première Partie : 5 miutes Eseigat resposable : Frédéric Bertrad Remarque importat : les questios de ce questioaire sot posées das le cotexte
Plus en détailRÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION
RÈGLES ORDIALES : UE GÉÉRALISATIO DES RÈGLES D'ASSOCIATIO SYLVIE GUILLAUME ALI KHECHAF 2 RÉSUMÉ: La plupart des mesures des règles cocere les variables biaires et écessite pour les autres types de variables
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 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 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 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 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 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 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 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 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 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 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 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 détailUn accès direct à vos comptes 24h/24 VOTRE NUMÉRO CLIENT. www.bnpparibas.net. Centre de Relations Clients 0 820 820 001 (0,12 /min)
* selo coditios cotractuelles e vigueur. U accès direct à vos comptes 24h/24 VOTRE NUMÉRO CLIENT + VOTRE CODE SECRET * : www.bpparibas.et Cetre de Relatios Cliets 0 820 820 001 (0,12 /mi) Appli Mes Comptes
Plus en détailInitiation à l analyse en composantes principales
Fiche TD avec le logiciel : tdr601 Initiation à l analyse en composantes principales A.B. Dufour & J.R. Lobry Une première approche très intuitive et interactive de l ACP. Centrage et réduction des données.
Plus en détailOpérations bancaires avec l étranger *
Opératios bacaires avec l étrager * Coditios bacaires au 1 er juillet 2011 Etreprises et orgaismes d itérêt gééral Opératios à destiatio de l étrager Viremets émis vers l étrager : viremet e euros iférieur
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 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 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 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 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 détailMUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB
MUTUELLE D&O MUTUELLE D&O Copilote de votre saté AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyace CRC CRIS CRPB-AFB DOMISSIMO-Assuraces DOMISSIMO-Services FONGECFA-Trasport IPRIAC MUTUELLE D&O OREPA-Prévoyace
Plus en détailn tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...
Nom:... Préom :... Chaque répose peut valoir : c) 2 poits si le choix est totalemet exact + poit si le choix est partiellemet exact + 0 poit si le choix est erroé + -i poit si le choix est u coeses Ue
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 détailMESURE DE L'INFORMATION
MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE
Plus en détailUn nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction
A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés
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 détailLE WMS EXPERT DE LA SUPPLY CHAIN DE DÉTAIL
LE WMS EXET DE LA SULY HAIN DE DÉTAIL QUELS SNT LES ENJEUX DE LA SULY HAIN? garatir la promesse cliet es derières aées, la distributio coaît ue véritable mutatio avec l évolutio des modes de cosommatio.
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 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 détail