sont égales, alors le produit des «extrêmes» a d est égal au produit des «moyens» c d ; et réciproquement ; la preuve est ici 1.
|
|
- Micheline Marie-Paule Meloche
- il y a 7 ans
- Total affichages :
Transcription
1 Cours 5 Idépedace 1 Das le cours précédet, ous avos vu que la variable Y était idépedate de la variable X si ses distributios coditioelles e fréquece sot égales ; das ce cas e effet, la mesure de X sur u idividu quelcoque apporte pas d iformatio pour estimer la mesure de Y. De la même maière X est idépedate de Y si ses distributios coditioelles e fréquece sot égales. À priori, o pourrait imagier qu ue variable est idépedate de l autre (par exemple X est idépedat de Y) sas que l iverse soit vrai (Y est pas idépedat de X) ; mais les ombres utilisés das les distributios sot aisi faits que cette hypothèse est irréalisable. Quelques propriétés des fractios et des distributios 2 Produit des extrêmes et des moyes : si deux fractios a b et c d sot égales, alors le produit des «extrêmes» a d est égal au produit des «moyes» c d ; et réciproquemet ; la preuve est ici 1. 3 Égalité de fractios : si des fractios sot égales, elles sot égales à la fractio obteue e sommat umérateurs et déomiateurs : 1 q 1 = 2 q 2 =... = p q p = p q q p ; la preuve est ici 2. 4 Égalité des coditioelles et de la margiale : si les distributios coditioelles de X e fréquece sot égales, alors elles sot égales à la distributio margiale de X e fréquece ; la preuve est ici 3. 5 Égalité des coditioelles de X et de Y : si les distributios coditioelles de X e fréquece sot égales, alors les distributios coditioelles de Y e fréquece le sot égalemet ; et iversemet ; la preuve est ici 4. Idépedace des variables X et Y Cette derière propriété fait de la relatio d idépedace ue relatio symétrique ; elle éoce e effet que si les distributios coditioelles e fréquece de l ue des deux variables sot égales, les distributios coditioelles e fréquece de l autre le sot égalemet ; autremet dit, de deux choses l ue : ou bie les deux variables sot simultaémet idépedates de l autre, ou bie aucue e l est ; o peut doc parler de l idépedace des deux variables, plutôt que de l idépedace de l ue par rapport à l autre : 1. Si a = c a d, o obtiet le résultat e réduisat au même déomiateur : = c b et doc a d = b c. b d b d d b Réciproquemet, si a d = c b o obtiet le résultat e divisat les deux termes de l égalité par b d. 2. O utilise le résultat précédat ; pour que 1 q 1 = p q q p il suffit que 1 (q q p) = q 1 ( p) ; o le vérifie sas difficulté e remarquat les égalités 1 q 2 = q 1 2, 1 q 3 = q 1 3,..., 1 q p = q 1 p 3. Si les distributios coditioelles de X e fréquece sot égales, les coloes du tableau de cotigece e fréquece sot égales : pour chaque lige i o a l égalité des fractios : i1.1 = i2.2 =... = ip.p ; e appliquat la proproété du 3, ces fractios sot égales à i ip p qui vaut i. = fi., la fréquece margiale de mi. 4. Si les coditioelles de X e fréquece sot égales alors ( 4) o a l égalité ij.j = f.j = i. et doc l égalité (*), pour tous les effectifs ; e divisat les effectifs de la ième lige par so total i. o trouve que ij = i..j ij i. =.j = f.j pour chaque coloe, ce qui sigifie que la coditioelle e fréquece Yi est égale à la margiale de Y e fréquece, quelque soit i.
2 2 Statistique pour la psychologie II : E36XP3 6 déf Les variables X et Y sot dites idépedates si les distributios coditioelles e fréquece de X et de Y sot égales. O peut sas difficulté motrer que cette défiitio est équivalete à la suivate qui porte sur les distributios e effectifs (les liges et les coloes du tableau de cotigece) : les distributios coditioelles de X et de Y e effectif sot proportioelles 5. 7 Idépedace, populatio, échatillo. Les défiitios précédetes valet aussi bie pour les distributios das la populatio que das l échatillo : das le premier cas o peut parler d idépedace das la populatio, das le secod d idépedace das l échatillo. Lorsque la problématique cocere l idépedace das la populatio et que les distributios coditioelles das la populatio e sot pas évaluables, ous sommes cotraits de faire l étude de l idépedace das u échatillo, e supposat celui-ci «représetatif» pour pouvoir étedre les coclusios à la populatio toute etière. La questio de la compositio d u échatillo «représetatif» est trop délicate pour que ous l abordios ici : ue brache de la disciplie de la statistique y est cosacrée, l échatilloage ; précisos seulemet que supposer l échatillo «représetatif» reviet à cosidérer les distributios margiales du tableau de cotigece comme «idetiques» aux distributios de X et Y das la populatio. Distributio théorique d idépedace 8 déf Effectif théorique d idépedace d ue modalité. Si les variables sot idépedates, les distributios coditioelles e fréqueces sot égales, et o a alors ( 4) l égalité ij = i..j pour toutes les modalités cojoites ij ; cette valeur e déped que des marges, supposées être les distributios de X et Y das la populatio ; autremet dit, le ombre i..j, calculé à partir des seules distributios de X et Y, est l effectif qu o doit observer das u échatillo de taille pour la modalité cojoite ij quad les variables sot idépedates : o l appelle effectif théorique d idépedace de la modalité ij (ou effectif d idépedace, ou effectif théorique) ; et o la ote ñ ij («tilde de i et j»). 9 déf Soit D ue distributio cojoite observée sur u échatillo ; la distributio cojoite dot les effectifs sot les effectifs d idépedace ñ ij s appelle la distributio théorique d idépedace de D ou ecore la la distributio théorique de D ; o la ote D. Cette distributio se costruit à partir des seules marges de D, à l aide de la formule ñ ij = i..j. C est la distributio qu o doit observer pour u échatillo de taille quad X et Y sot idépedates, e supposat que les distributios de X et Y das la populatio sot doées par les marges. Exemple : à partir des marges de la distributio cojoite «iveau scolaire et absetéisme» : X / Y Rare Moye Fréquet Total X A B Total Y o costruit la distributio d idépedace suivate (par exemple, ñ 11 = 15 15/27 = 8.33) X / Y Rare Moye Fréquet Total X A 8,33 3,33 3,33 15 B 6,66 2,66 2,66 12 Total Y Cosidéros deux coditioelles de X quelcoques, X j et X j ; si elles sot égales e fréquece o a pour toutes les modalités i ij.j = ij, et doc.j ij = a ij avec a =.j : X.j j et X j e effectif sot proportioelles, das u rapport égal au rapport des tailles.
3 Statistique pour la psychologie II : E36XP3 3 Cela sigifie que si o suppose les distributios e proportio du iveau scolaire et de l absetéisme das la populatio égales à A B Total Rare Moye Fréquet Total X et 15/27 12/ /27 6/27 6/27 1 o devrait observer 8,33 idividus de iveau A avec ue absece Rare das u échatillo de taille 27, si les deux variables sot idépedates ; ce ombre décimal doé par la théorie est pas réaliste puisque les effectifs d ue observatio sot écessairemet des etiers, d où sa déomiatio d effectif théorique ; o voit par là les premières limites de la théorie puisqu il semble très illusoire de pouvoir recotrer des situatios statistiques pour lesquelles la distributio théorique d idépedace serait uiquemet composé d etiers, autremet dit, de pouvoir faire des observatios qui prouvet l idépedace de deux variables. Autre exemple : distributio théorique d idépedace de l observatio «traitemets atitermites» (etre parethèses les effectifs réellemet observés) : X / Y T1 T2 T3 Total X Cotamié 30.7 (26) 30.7 (48) 30.6 (18) 92 Sai (174) (152) (182) 508 Total Y Remarques. Même si les effectifs théoriques ñ ij sot des ombres décimaux, les distributios observées D et théoriques D ot les même marges 6. Les otios d effectif et distributio théorique d idépedace permettet de formuler ue ouvelle défiitio de l idépedace : X et Y sot dites idépedates si les effectifs observés ij sot idetiques aux effectifs d idépedace ñ ij = i..j, ou bie si la distributio observée D est idetique à la distributio d idépedace D. Cette troisième défiitio équivalete sigifie que das l hypothèse de l idépedace de X et Y, les effectifs observés peuvet se calculer à partir des distributios margiales seules, autremet dit des distributios de X et Y das la populatio ; ce qui reviet à dire qu ue observatio séparée des variables X et de Y doet la même iformatio qu ue observatio cojoite. Mesure locale de liaiso 11 déf Le taux de liaiso d ue modalité cojoite ij mesure u écart etre l effectif observé et l effectif qu o devrait observer sous l hypothèse d idépedace ; c est la différece ormalisée etre l effectif observé et l effectif théorique de la modalité, otée t ij : t ij = ij ñ ij. ñij La ormalisatio est écessaire pour predre e compte la relativité des différeces : ue différece de 10 etre 1000 et 1010 a pas la même sigificatio (1% d augmetatio) que la même différece de 10 etre 20 et 30 (50% d augmetatio) ; o ormalise par ñ ij (et o par ñ ij par exemple) pour ue raiso qu o pourra expliquer par la suite. O observe trois types de liaiso locale : l idépedace locale t ij 0 : tout se passe pour la modalité ij comme si X et Y étaiet idépedates. l attractio locale t ij > 0 : o observe plus fréquemmet la modalité das l échatillo que si X et Y étaiet idépedates. la répulsio locale t ij < 0 : o observe mois fréquemmet la modalité das l échatillo que si X et Y étaiet idépedates. 6. Par exemple, l effectif margiale de m i das D est ñ i. = p j=1 ñij = p i. = i. qui est l effectif margial de la modalité mi das D. j=1 i..j = i. p j=1.j =
4 4 Statistique pour la psychologie II : E36XP3 12 Comme les distributios margiales de D et D sot idetiques, les taux de liaiso sot forcés de «s équilibrer» sur chaque lige et sur chaque coloe : ue attractio, excès relatif d observatios, doit s accompager d ue répulsio, défaut relatif d observatios, sur la même lige et la même coloe ; même chose pour les répulsios ; aussi, l observatio de certaies attractios ou répulsios peut s expliquer o comme ue caractéristique de la liaiso, mais comme u artefact, comme la coséquece mécaique d ue autre répulsio ou attractio sur la même lige ou sur la même coloe. 13 Exemples : 1 Niveau scolaire et absetéisme : le calcul de t 11 doe = 0.46 X / Y Rare Moye Fréquet A -0,46 0,36 0,36 B 0,51-0,4-0,4 Le tableau met e évidece les attractios (A ; Moye Fréquet) (B ; Rare), et les répulsios (A ; Rare) (B ; Moye Fréquet) ; les liges et les coloes sot «équilibrées». 2 Traitemets ati-termites : X / Y T1 T2 T3 Cotamié -0,84 3,16-2,29 Sai 0,36-1,33 0,97 La forte attractio pour la modalité (Sai ; T3) pourrait exprimer l efficacité du traitemet T3 ; les autres valeurs seraiet alors des «effets de bord» redus écessaires par l équilibrage des liges et des coloes (sur la troisième coloe par exemple, il faut ue forte répulsio pour compeser la forte attractio). Mesure globale de liaiso : la distace du χ 2 14 Das la pratique, la distributio observée D est jamais idetique à la distributio d idépedace D, même quad o sait que X et Y sot idépedates : la raiso e est due aux fluctuatios d échatilloage, l objet du prochai cours ; si bie que pour étudier l idépedace de X et Y, ous allos devoir juger o de l égalité de D et D, mais de la proximité etre D et D. 15 déf Distace du χ 2. C est ue mesure de l écart etre ue distributio cojoite observée D et sa distributio théorique d idépedace D ; sa valeur est la somme des carrés des taux de liaisos : χ 2 (D) = 1 i k,1 j p (t ij) 2 = 1 i k,1 j p Le terme t 2 ij = ( ij ñ ij ) 2 ñ ij ( ij ñ ij ) 2 ñ ij est u ombre décimal positif ou ul ; o l appelle cotributios au χ 2 de la modalité cojoite ij ; χ 2 (D) est doc composée de k p cotributios. Si D = D le ombre χ 2 (D) est évidemmet ul (chaque cotributio est ulle). Si le ombre χ 2 (D) est ul alors D = D : état ue somme de ombres positifs ou uls, il e peut s auler que si tous les termes sot uls, autremet dit si les effectifs observés ij sot égaux aux effectifs théoriques ñ ij. Ces deux derières remarques suggèret ue ouvelle défiitio équivalete de l idépedace : X et Y sot idépedates si χ 2 (D) = Exemple : 1 Niveau scolaire et absetéisme. La cotributio de la modalité (A,Rare) est égale à (7 8,33) 2 /8,33 = 0,21 ( ) ; le χ 2 de cette distributio cojoite est égal à 1,05. X / Y Rare Moye Fréquet Total A 0,21 0,13 0,13 B 0,26 0,16 0,16 1,05
5 Statistique pour la psychologie II : E36XP3 5 2 Traitemets ati-termites. La cotributio de la modalité (Cotamié,T1) est égale à (26 30,7) 2 /30,7 = 0,71 ( ) ; le χ 2 de cette distributio cojoite est 18,59. X / Y T1 T2 T3 Total Cotamié 0,71 9,8 5,23 Sai 0,13 1,77 0,95 Total 18,59 Questios de cours 1. Éocer 3 défiitios de l idépedace de deux variables cojoites. 2. Quelle est la coséquece sur les distributios margiales, de supposer que l échatillo est représetatif? 3. Qu appelle-t-o effectif d idépedace? 4. Que désige ñ ij? 5. Commet se calcule ñ ij? 6. A-t-o besoi de la distributio cojoite pour calculer ñ ij? 7. Défiitio de la distributio théorique d idépedace? 8. Commet costruit-o la distributio théorique d idépedace de D? 9. Que sigifie le taux de liaiso t ij? 10. Quelle est la valeur de t 34? 11. Commet recoaît-o ue idépedace locale? Que sigifie-t-elle? 12. Commet recoaît-o ue attractio locale? Que sigifie-t-elle? 13. Commet recoaît-o ue répulsio locale? Que sigifie-t-elle? 14. U taux de liaiso positif marque-t-il écessairemet ue attractio locale des deux variables? 15. Que représete le χ 2 d ue distributio D? 16. Doer ue coditio pour que χ 2 (D) soit ul? 17. Doer ue coditio pour que χ 2 (D) soit égatif? 18. Qu appelle-t-o cotributio d ue modalité au χ 2? 19. Combie y-a-t-il de cotributios das le calcul du χ 2? Questio sur le cours 1. Motrer que l effectif margial de m i de D est idetique à celui de D. 2. Motrer que χ 2 (D) = 0 si les distributios coditioelles de X sot égales e fréquece. 3. Motrer que X et Y sot idépedates si χ 2 (D) = 0.
Statistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détail. (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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice
Plus en 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailPOLITIQUE ECONOMIQUE ET DEVELOPPEMENT
POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier
Plus en 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 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 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 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 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 détailDares Analyses. Plus d un tiers des CDI sont rompus avant un an
Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée
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 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 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 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 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 détailDes résultats d irrationalité pour deux fonctions particulières
Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received
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 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 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 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 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 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 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 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 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 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 détailLorsque la sécurisation des paiements par carte bancaire sur Internet conduit à une concurrence entre les banques et les opérateurs de réseau
Lorsque la sécurisatio des paiemets par carte bacaire sur Iteret coduit à ue cocurrece etre les baques et les opérateurs de réseau David Bouie Das cet article, ous ous iterrogeos sur l issue de la cocurrece
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 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 détailLE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE
LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe
Plus en détailRESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)
RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &
Plus en détailWorking Paper RETAIL RÉGIONAL RESPONSABLE
«BANQUE DE DÉTAIL DE MASSE» : COMMENT LES CAISSES D ÉPARGNE EN AFRIQUE, ASIE ET AMÉRIQUE LATINE PEUVENT FOURNIR DES SERVICES ADAPTÉS AUX BESOINS DES POPULATIONS DÉFAVORISÉES Travailler avec les caisses
Plus en détailUne action! Un message!
Ue actio! U message! Cotact Master est u service exclusif de relaces automatiques de vos actes vers vos cliets, par SMS, messages vocaux, e-mails, courrier... Il se décleche lorsque vous réalisez ue actio
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 détail16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.
16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme
Plus en détail2. Commerce international et emploi informel en zone CEMAC
2. Commerce iteratioal et emploi iformel e zoe CEMAC Mathuri Tchakoute Njoda 1 et Alai Remy Zolo Eyea 2 Résumé Cet article eamie durat ue courte période la relatio etre le commerce iteratioal et l emploi
Plus en détailRésolution numérique des équations aux dérivées partielles (PDE)
Résolutio umérique des équatios au dérivées partielles (PDE Sébastie Charoz & Adria Daerr iversité Paris 7 Deis Diderot CEA Saclay Référeces : Numerical Recipes i Fortra, Press. Et al. Cambridge iversity
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 détailPROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS
PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie
Plus en détailMécanique non linéaire
M MN9 Mécaique o liéaire Zhi-Qiag FENG UFR Sciece et Techologies Uiversité d Evry Val d Essoe TABLES DES MATIERES INTRODUCTION Chapitre : CONCEPTS ELEMENTAIRES. Pricipales propriétés des matériaux. Coaissace
Plus en détailINTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï
INTRODUCTION AUX MATRICES ALÉATOIRES par Djalil Chafaï Résumé. E cocevat les mathématiques comme u graphe, où chaque sommet est u domaie, la théorie des probabilités et l algèbre liéaire figuret parmi
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 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 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 détail