Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires



Documents pareils
II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1

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

SYSTEME FERME EN REACTION CHIMIQUE

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

GIN FA INSTRUMENTATION P Breuil

Application de la théorie des valeurs extrêmes en assurance automobile

" BIOSTATISTIQUE - 1 "

Incertitudes expérimentales

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période)

Coefficient de partage

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure.

Une méthode alternative de provisionnement stochastique en Assurance Non Vie : Les Modèles Additifs Généralisés

Comportement d'une suite

COURS DE MATHEMATIQUE FINANCIERE A COURT ET LONG TERME Promotion : Première année de graduat

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

Ressources pour le lycée général et technologique

Les sinistres graves en assurance automobile : Une nouvelle approche par la théorie des valeurs extrêmes

SÉRIES STATISTIQUES À DEUX VARIABLES

[ édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ ] [correction] Si n est un entier 2, le rationnel H n =

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

OBLIGATION DU SECTEUR PRIVE : EVALUATION ET OUTIL DE GESTION DU RISQUE DE TAUX D INTERET

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

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Chapitre 3 : Fonctions d une variable réelle (1)

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce

Processus et martingales en temps continu

EXERCICES : DÉNOMBREMENT

1 Mesure et intégrale

Estimation des incertitudes sur les erreurs de mesure.

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce

Généralités sur les fonctions 1ES

TD 1. Statistiques à une variable.

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

. (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

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

Cours de Statistiques inférentielles

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

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

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

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

Divorce et séparation

Solutions particulières d une équation différentielle...

Les jeunes économistes

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

Dérivation : Résumé de cours et méthodes

Le Sphinx. Enquêtes, Sondages. Analyse de données. Internet :

Limites des Suites numériques

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

Mesure avec une règle

Virtualization. Panorama des solutions de virtualisation sur différentes plate-formes. Laurent Vanel Systems Architect IBM

Quand BÉBÉ VOYAGE. Guide pratique sur les précautions à prendre

Chap. 5 : Les intérêts (Les calculs financiers)

Gérer les applications

Calculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks

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

20. Algorithmique & Mathématiques

Baccalauréat S Asie 19 juin 2014 Corrigé

Télé OPTIK. Plus spectaculaire que jamais.

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

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

MUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB

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

CHAPITRE 2 SÉRIES ENTIÈRES

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

Dénombrement. Chapitre Enoncés des exercices

Une action! Un message!

STATISTIQUE : TESTS D HYPOTHESES

Principes et Méthodes Statistiques

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

MTH 2301 Méthodes statistiques en ingénierie. MTH 2301 Méthodes statistiques en ingénierie

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

1 Introduction. 2 Définitions des sources de tension et de courant : Cours. Date : A2 Analyser le système Conversion statique de l énergie. 2 h.

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

Chapitre 3 : Transistor bipolaire à jonction

Statistique descriptive bidimensionnelle

Suites et séries de fonctions

Chapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique

L Analyse Factorielle des Correspondances

RESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY

Les Nombres Parfaits.

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

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

Moments des variables aléatoires réelles

Institut de démographie

Chapitre 3. Les distributions à deux variables

stages 2015 paris saint-germain ACADEMY Dossier d inscription

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

RECHERCHE DE CLIENTS simplifiée

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

Loi d une variable discrète

Exercice I ( non spé ) 1/ u 1 = u / Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

CHAPITRE 14 : RAISONNEMENT DES SYSTÈMES DE COMMANDE

Soutenue publiquement le Mardi 04/Mai/2010 MEMBRES DU JURY

One Office Voice Pack Vos appels fixes et mobiles en un seul pack

Page 5 TABLE DES MATIÈRES

La maladie rénale chronique

Comment les Canadiens classent-ils leur système de soins de santé?

Etude de la fonction ζ de Riemann

LES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE

Transcription:

UE 4 Evaluato des méthodes d aalyse applquées au sceces de la ve et de la saté Statstque Varables aléatores Frédérc Mauy - 27 septembre et 3 octobre 2013 1 Pla du cours 1. Varable aléatore 1. Défto 2. Lo de probablté et représetato 3. Focto de répartto 4. Caractérstques de posto/dsperso 5. Opératos sur les varables aléatores 2. Los de probablté usuelles 2 1

VA : défto tutve U couple prévot d avor 3 efats X=ombre de flles «Avor eactemet ue flle» (X=1) e Pr(e) (GGG) 0,14 (GGF) 0,13 (GFG) 0,13 (GFF) 0,12 (FGG) 0,13 (FGF) 0,12 (FFG) 0,12 (FFF) 0,11 Basé sur p(g)=0,52 X P() 0 0,14 1 0,39 2 0,36 3 0,11 Pr(X = 1) ou p(1) 0,13 + 0,13 + 0,13 = 0,39 Ue varable aléatore dscrète pred dfféretes valeurs avec des probabltés défes par sa lo de probablté p() 3 VA : défto formelle Sot E u esemble d évèemets pour lesquels o a déf ue dstrbuto de probablté (E est u esemble probablsé) Ue varable aléatore X est ue focto umérque défe sur cet espace E A chaque evt. élémetare de E, o fat correspodre u ombre selo ue règle be défe (ue applcato de l esemble E das l esemble ) A chaque sous-esemble de ombre, o peut attrbuer la probablté du sous-esemble de E qu lu correspod o déft as la dstrbuto de probablté de la VA 4 2

Caratérstques d ue VA Coveto d écrture : la varable aléatore X (majuscule), et la valeur observée (muscule) Typologe : varable aléatore dscotue (ou dscrète) varable aléatore cotue : la varable X peut predre toutes les valeurs sur u certa tervalle f ou f S X et Y sot des VA, alors Z=X+Y, Z= X-Y sot des VA Z=aX est ue VA, a état ue costate réelle Z=XY, Z=X/Y sot des VA Z=X est ue VA 5 Lo de probablté, VA dscrète A chaque valeur, o assoce ue probablté p telle que : p = Pr(X = ). Esemble des couples (,p ) costtue la lo de probablté de la varable dscotue X E : X : VA «Avor eactemet ue flle» défssat ue applcato de E das {0,1,2,3} P() 0 0,14 1 0,39 2 0,36 3 0,11 Tableau des probabltés 6 3

Dagramme des probabltés Représetato graphque VA dscrète e abscsse : les dfféretes valeurs de la VA, classées par ordre de gradeur crossate e ordoée, la probablté de chaque valeur E X : VA «Avor eactemet ue flle» Probablté 7 Représetato graphque VA cotue X peut predre ue fté de valeurs à l'téreur de l'tervalle de varato Dagramme remplacé par ue courbe représetat la focto de desté de probablté f(), telle que f()d= Pr(<X<+d) Probablté défe o plus pour u mas pour u tervalle et proportoelle à la surface sous la courbe 8 4

Lo de probablté, VA cotue La lo de probablté est détermée s o coaît pour tout tervalle [ a, b ], la probablté que sot comprse etre a et b, sot Pr( a < X < b ). Pr(X = ) o défssable, u pot parm ue fté de pots Lo de probablté est cotue, o déft la focto f(), telle que : f() 0 et f( ) d=1 = Pr( a < X< b) f( ) d b a + 9 Sot X VA dscrète, { 1, 2,,, } Focto de répartto de X : Focto de répartto VA dscrète F ( 1) = f( 1) F ( 2) = f( 1 ) + f( 2) u F( u) = F ( ) = f( 1) + f( 2) +... + f( ) F( ) = 1 1< u f( 1) 10 5

Sot X VA cotue Focto de répartto de X : Focto de répartto u VA cotue u F( u) = f( ) d= Pr( X u) D où, b F( b) F( a) = f( ) d= Pr( a X b) a 11 Pla du cours 1. Varable aléatore 1. Défto 2. Lo de probablté et représetato 3. Focto de répartto 4. Caractérstques de posto/dsperso 5. Opératos sur les varables aléatores 2. Los de probablté usuelles 12 6

O peut résumer ue VA de faço plus sythétque par : Ue caractérstque de posto Espérace mathématque Ue caractérstque de dsperso Varace et écart-type 13 Espérace mathématque d ue VA Espérace mathématque otée E(X) Sot X ue VA dscrète E( X) = Sot X ue VA cotue 1 f( 1) + 2 f( 2) +... + f( ) = f( ) = 1 + E ( X) = f( ) d 14 7

Varace et écart-type d ue VA Dsperso autour de l espérace mathématque, otée var(x) ou σ² S X ue VA dscrète Var( X ) = = 1 [ E( X )] ² f ( ) [( )²] Var( X ) = E X µ Var( X ) = E( X ²) [ E( X )]² Sot 2 Var( X ) = f ( ) µ ² = 1 15 Varace et écart-type d ue VA S X ue VA cotue + + ( f ( ) d) 2 = E( X ²) [ E( ) ] 2 Var( X ) = ² f ( ) d X + [ E( X ) ] Var ( X ) = f ( ) d 2 16 8

Pla du cours 1. Varable aléatore 1. Défto 2. Lo de probablté et représetato 3. Focto de répartto 4. Caractérstques de posto/dsperso 5. Opératos sur les varables aléatores 2. Los de probablté usuelles 17 = Trasformato de varable Sot X ue VA, a et b deu costates Y=aX +b est ue VA E(Y) = a.e(x) + b Var(Y)=a² Var(X) Sot X VA, E(X)= µ et Var(X)=σ² Sot Z ue VA cetrée rédute Z µ = X σ E( Z) = 0 Var( Z) = 1 18 9

= Pluseurs VA Sot X et Y deu VA E(X+Y)=E(X)+E(Y) Var(X+Y)=Var(X)+Var(Y)+2cov(X,Y) cov(x,y)= E(XY)-E(X)E(Y) S X et Y sot dépedates, alors E(XY)=E(X)E(Y) 19 Pla du cours 1. Varable aléatore 2. Los (dstrbuto) de probablté usuelles 1. Los dscrètes 1. Bomale 2. Posso 2. Los cotues 1. Normale ou Laplace-Gauss 20 10

= Épreuve de Beroull VA = epérece à 2 ssues See (H/F), statut patet (M + /M -, vvat/dcd), résultat d u test (T + /T - ), ecete/o ecete Sot X VA, valeurs {0,1} p=p(x=1) et q=p(x=0)=1-p E(X)=p, Var(X)=pq=p(1-p) E assace d ue flle p=p(x=f)=0,48 et q=p(x=g)=0,52 21 = Sot S ue VA : ombre de «succès» obteus sur épreuves de Beroull dépedates de même probablté élémetare S : VA quattatve dscrète, S~B(,p) sot k le ombre de succès observés P( S= k) = k k k Cp (1 p)! C =! 0 = 1 E(S)=p, Var(S)=p(1-p)=pq Lo Bomale C k! = k!( k )! P ( S= 0) = (1 p) 22 11

= Lo Bomale E «Avor ue flle parm 3 efats» =3 p=0,48 q=(1-p)=0,52 C = 3! = 3 2 1 1!(3 1)! 1 (2 1) 1 3 = 3 P( S= 1) = 3 0,48 (0,52) 2 1 = 0,39 23 = Lo Bomale : dstrbuto d ue fréquece F = la fréquece des succès F : { } 0, 1, 2, F= S ( ) = 1E( S) = p p E ( F) = E S 1 = S 1 1 Var( F) = Var = Var( S) = pq = ² ² pq = p(1 p) 24 12

= Appromato de la lo Bomale S «grad», utlsato lo Normale S E( S) S p = N(0,1) Var( S) pq Mos rapde pour p=0,9 ou p=0,2 que pour p=0,5 Appromato coveable s p et q sot au mos égau à 5 S p est «très» pett Nombre d'accdets provoqués par u vacc, le ombre de sucdes das ue grade vlle, ombre de cacers de l efat 25 = Lo de Posso X = ombre d évéemets rares p pett (<0,1) et grad : 0,2 p 8 Alors S B(,p) lo de Posso P (p) X : VA quattatve dscrète, X~P(λ) Valeurs etères postves ou ulles, λ 0 P( X= k) = e E(X)=Var(X)= λ λλ k k! 0! = 1 P( X= 0)= e λ 26 13

= Lo Posso : eemple Das le Doubs, o observe e moyee 2 ouveau cas par a d u type partculer de cacer cérébral. E 2011, 4 ouveau cas eregstrés. Y-a-t-l plus de cas qu habtuellemet? X ~P(λ =2) P( X= 4) = e 24 4! 2 = 0,09 Ue autre soluto pour répodre à la questo Utlsato de la table des los de Posso 27 Pla du cours 1. Varable aléatore 2. Los (dstrbuto) de probablté usuelles 1. Los dscrètes 1. Bomale 2. Posso 2. Los cotues 1. Normale ou Laplace-Gauss 28 14

Importace de la lo Normale Appromato pour d'autres dstrbutos statstques quad les effectfs sot assez grads Dstrbutos statstques réelles s'e approchet fréquemmet / s la varablté est due à des causes très ombreuses et dépedates dot les effets s'addtoet Souvet ue trasformato smple codut à ue dstrbuto ormale La moyee de varables aléatores o gaussees dépedates ted à dever gaussee quad devet grad. Théorème cetral lmte éocé par Laplace 29 Lo Normale VA cotue focto de desté de probablté X ue VA quattatve cotue, X~N(µ,σ²) S Y=f(X) ( Y f X e µ )² ( ) 1 = = 2σ² σ 2π E(X)=µ,Var(X)= σ² Courbe de desté de probablté 30 15

S X et Y VA ormales, a et b costates alors X+b, ax, X+Y sot des VA ormales Autat de los ormales que de couples (µ,σ²) Nécessté de se rapporter à ue lo uque pour calculer la probablté que X sorte d'u tervalle doé Lo ormale cetrée rédute Z E(Z)=0 et Var(Z)= 1 Z= X µ σ 31-3 -2-1 0 +1 +2 +3 Lo ormale cetrée rédute courbe de desté de probablté 32 16

Utlsato des tables (1) Table assocée à la focto de répartto Doe la probablté F(u)=P(Z<u) Pour les valeurs égatves F(-u)=1-F(u) P(a<Z<b)=F(b)-F(a) P(-1<Z<1)=F(1)-F(-1) 33 Utlsato des tables (2) Table de l écart rédut Doe la probablté que Z appartee pas [-u ; u] cad sot z <-u, sot u < z P(Z<-u) P(u<Z) Par défto P(Z<-u)=P(Z>u) P(-u<Z<u)=1- (P(Z<-u)+P(Z>u)) P(-1<Z<1)=1-(P(Z>1)+P(-1<Z)) 34 17

= Lo Normale : eemple E supposat que l âge de la marche chez l homme X~N (15,1,5²) 1. Quelle la probablté qu u efat marche avat 18 mos? X µ 18 15 P( X < 18) = P( < ) = P( Z < 2) σ 1,5 = 0,98 Lue das table assocée à la focto de répartto = 1 P (2 < Z) 2. Quelle la probablté qu u efat marche etre 14 et 16 mos? ( 14 16) ( 14 16 ) 1,5 15 X µ P < X < = P < < σ 1,5 15 = P( 0,66< Z< 0,66) Rasoemet à partr de la table de l écart rédut Rasoemet à partr de la table de l écart rédut ( P( Z < 0,66) + P(0,66 < )) 0, 49 = 1 Z = 35 18