Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen

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

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

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

Application de la théorie des valeurs extrêmes en assurance automobile

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.

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

SYSTEME FERME EN REACTION CHIMIQUE

Incertitudes expérimentales

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

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

Ressources pour le lycée général et technologique

GIN FA INSTRUMENTATION P Breuil

" BIOSTATISTIQUE - 1 "

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

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

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

Les Nombres Parfaits.

Généralités sur les fonctions 1ES

Remboursement d un emprunt par annuités constantes

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Transistor bipolaire à jonction

MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES

SÉRIES STATISTIQUES À DEUX VARIABLES

Contrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations

Limites des Suites numériques

Mesure avec une règle

2 ième partie : MATHÉMATIQUES FINANCIÈRES

Comportement d'une suite

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

EH SmartView. Identifiez vos risques et vos opportunités. Pilotez votre assurance-crédit. Services en ligne Euler Hermes

. (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

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

Dénombrement. Chapitre Enoncés des exercices

Montage émetteur commun

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...

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

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

Chap. 5 : Les intérêts (Les calculs financiers)

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

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

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

COMPARAISON DE MÉTHODES POUR LA CORRECTION

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

GENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)

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

STATISTIQUE AVEC EXCEL

EXERCICES : DÉNOMBREMENT

La Quantification du Risque Opérationnel des Institutions Bancaires

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

TD 1. Statistiques à une variable.

Interface OneNote 2013

UNIVERSITÉ DE SFAX École Supérieure de Commerce

14 Chapitre 14. Théorème du point fixe

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

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

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

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

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

Module 3 : Inversion de matrices

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

Séquence 5. La fonction logarithme népérien. Sommaire

Les jeunes économistes

Séries réelles ou complexes

1 Mesure et intégrale

Principes et Méthodes Statistiques

Estimation des incertitudes sur les erreurs de mesure.

Fiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage

Opérations bancaires avec l étranger *

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

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

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

Editions ENI. Project Collection Référence Bureautique. Extrait

Dirigeant de SAS : Laisser le choix du statut social

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

Compte Sélect Banque Manuvie Guide du débutant

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

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

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

Processus et martingales en temps continu

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

LES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE

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

Suites et séries de fonctions

1. Les enjeux de la prévision du risque de défaut de paiement

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

Séries numériques. Chap. 02 : cours complet.

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

22 environnement technico-professionnel

Processus géométrique généralisé et applications en fiabilité

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

La maladie rénale chronique

Chapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

BTS GPN 2EME ANNEE-MATHEMATIQUES-MATHS FINANCIERES MATHEMATIQUES FINANCIERES

La théorie classique de l information. 1 ère partie : le point de vue de Kolmogorov.

IDEI Report # 18. Transport. December Elasticités de la demande de transport ferroviaire: définitions et mesures

STATISTIQUE : TESTS D HYPOTHESES

20. Algorithmique & Mathématiques

Transcription:

Aexe. Estmato d u quatle o-paramétrque par la méthode de Haze La probablté cumulée emprque d ue doée au se d u échatllo est pas u cocept parfatemet déf : pluseurs estmatos sot possbles ; l e est de même pour le quatle ou le percetle o-paramétrque d u échatllo. La méthode classquemet employée pour calculer la probablté cumulée emprque d u pot au se d u échatllo cosste à classer les valeurs de l échatllo das l ordre crossat et à assocer à chacu la probablté / où est le ombre total de doées et le rag de chacue (das l échatllo classé). Cepedat, cette maère de procéder e codut pas à ue estmato symétrque des probabltés car la plus forte des doées admet la probablté alors que la plus fable admet la probablté / et o 0. La méthode de Haze permet de paller cet covéet. Elle est partculèremet utlsée pour les représetatos graphques de dstrbuto cumulée. Das cette approche, s est le rag de chaque doée das l échatllo classé de maère crossate et le ombre total de doées, la probablté cumulée emprque de chaque pot est défe par la formule suvate : p " a = + " 2 a avec gééralemet a = 0. 5 Cette méthode peut égalemet être utlsée pour estmer les quatles o-paramétrques d u échatllo. S x, avec à, sot les doées classées (das l ordre crossat) de l échatllo et p sot les probabltés cumulées précédemmet défes par la méthode de Haze, alors le quatle Q déf par P { x " Q } = (P=«probablté que») sera calculé de la maère suvate : $ Q # Q " Q ) ) ) = x = x = x + s ) & p ' ( x+ ' x )( ( p+ ') ( p ' p ) s ) % p + s p & ) < p + Il est clar que le quatle Q, quelle que sot la probablté reteue, est boré par la plus fable et la plus forte des valeurs de l échatllo. De ce fat, s est féreur à la probablté cumulée de la plus fable des valeurs ou au cotrare supéreur à celle de la plus forte des valeurs, alors l estmato du quatle Q est peu pertete. Ce problème se recotre lorsque le ombre de doées est fable, quelle que sot la méthode d estmato o-paramétrque chose ; seul l utlsato d ue approche paramétrque permet d y paller. Par alleurs, ous oteros qu l s agt là d ue estmato correspodat au meux (suvat le ombre de doées) à u veau de coface de 50 % (vor aexe 2 pour plus de précso). AFSSE Aalyse statstque des veaux de rsque et seuls de qualté mcrobologque - Eaux de bagade - Drectve 76/60/CEE Octobre 2004 -p 09

p 0 - AFSSE Aalyse statstque - veaux de rsque et seuls de qualté mcrobologque - Eaux de bagade - Drectve 76/60/CEE Octobre 2004

Aexe 2. ombre mmal de doées écessare à l estmato d u percetle 95 % avec u veau de coface de 95 %, par ue approche o-paramétrque Sot C u paramètre doé, la cocetrato e Eschercha col [EC] des eaux d u ste de bagade au cours d ue aée ; sa dstrbuto statstque est supposée coue, mas o dspose de valeurs de ce paramètre. O s téresse au quatle Q du paramètre C ; celu-c est déf par { C " Q } = P avec = 0.95 par exemple (P = «probablté que»). O cherche alors ue estmato Qˆ " de Q correspodat à u veau de coface par exemple de = 0.95. Autremet dt, o cherche Qˆ tel que P { Qˆ # Q }. Le paramètre correspod au pourcetage du " " " # quatle (ou percetle) de l o souhate calculer et correspod au veau de coface lé à l estmato de ce quatle. Preos pour estmateur de Q la plus forte valeur du paramètre C observée sur l échatllo de talle ( Qˆ " = max C ) et calculos le ombre mmal de doées à à partr duquel o a be u veau de coface de = 0.95. Chaque valeur de l échatllo peut être cosdérée comme le résultat d u trage aléatore dépedat au se de la dstrbuto statstque du paramètre C, même s cette dstrbuto est coue. O dspose doc de varables aléatores C C,..., C dépedates et de même lo. Pour chaque trage (valeur), o a par défto P { " Q } = Du fat de l dépedace des trages, o a : P{ max C " Q } = P{ C " Q et C2 " Q et... et C " Q } = à or : P { max C $ Q } = # P{ max C " Q } d où : C à à, 2 sot : P P { max C # Q } = " à { Q ˆ " $ Q } = " = # Pour a = 0. 95 et = 0. 95, le ombre mmal de doées écessare est supéreur ou égale log( " $ ) à = 58.40, sot 59 doées. log # ( ) Pour a = 0. 90 et = 0. 95, le ombre mmal de doées écessare est de 29. O peut gééralser cette démarche avec la lo bomale pour des estmatos fodées sur la plus grade valeur, la 2, la k plus grade valeur, etc. O démotre alors AFSSE Aalyse statstque des veaux de rsque et seuls de qualté mcrobologque - Eaux de bagade - Drectve 76/60/CEE Octobre 2004 -p

par exemple qu à partr de 93 doées, la plus grade valeur est ue estmato du percetle 95 % correspodat à u veau de coface de 95 %. p 2 - AFSSE Aalyse statstque - veaux de rsque et seuls de qualté mcrobologque - Eaux de bagade - Drectve 76/60/CEE Octobre 2004

Aexe 3. Ajustemet d ue lo de probablté théorque sur des doées cesurées Cosdéros u paramètre X (cocetrato mcrobologque das ue eau de bagade par exemple) dot la mesure est cesurée das les fables valeurs : autremet dt, e dessous d ue certae valeur, qu correspod à la lmte de quatfcato de la méthode de mesure, l est mpossble d accéder à la valeur du paramètre X et le résultat de la mesure est borée par cette lmte de quatfcato. Commet alors accéder à la dstrbuto statstque du paramètre X sachat que certaes mesures de ce paramètre sot cesurées? Af de répodre à cette questo, ous ous placeros das le cas partculer où le paramètre cosdéré est supposé suvre ue dstrbuto ormale et ous chercheros doc à estmer la moyee et l écart type du paramètre X dépedammet de la cesure, par ajustemet de la lo ormale sur les valeurs o cesurées. Toute autre hypothèse de dstrbuto théorque peut aturellemet être fate. Supposos doc que le paramètre X admette pour moyee µ et pour écart type ; o cherche à détermer leur valeur. Soet x ( = à ), les résultats de mesure du paramètre X classés das l ordre crossat, mesures dot les c premères valeurs dot cesurées. O assoce à chaque valeur x sa probablté cumulée emprque p (vor aexe ), pus le percetle correspodat pour qorm, µ,. Les valeurs la lo ormale de moyee µ et d écart type, que l o otera ( ) de µ et de état pas coues, ce percetle se présete pour l stat sous la forme d ue focto dépedat de µ et de. Ajuster la lo ormale sur les valeurs des mesures o cesurées, par la méthode des modres carrés, cosste à détermer les valeurs de µ et de qu mmset la somme suvate : 2 [ x " qorm( p, µ,# )] c+ S o cherche les valeurs de µ et de qu mmset la somme complète, 2 [ x " qorm( p,,# )] µ, o retrouvera la moyee et l écart type calculé sur l esemble des mesures cesurées et o cesurées (ce est évdemmet pas ce que l o cherche). Das la pratque, pour la mmsato, ous proposos l utlsato de l algorthme du smplex [elder et Mead 965 : A smplex method for fucto mmzato. Comput. J. 7: 308-33], ou celu de Gauss-ewto [Bates, D.M. ad Watts, D.G. 988: olear Regresso Aalyss ad Its Applcatos, Wley]. Aalysos les capactés de cette approche à retrouver à partr d u échatllo cesuré les valeurs de la moyee et de l écart type de l échatllo o cesuré tal. Pour cela, ous avos gééré 000 échatllos de 50 valeurs aléatores correspodat à la lo ormale de moyee 0 et d écart type ; pus, ous avos cesuré ces échatllos à la valeur du percetle 75 % de chacu. Autremet dt, 75 % des valeurs de chaque échatllo sot cesurées, et la cesure correspod à la valeur du percetle 75 % de l échatllo o cesuré. p AFSSE Aalyse statstque des veaux de rsque et seuls de qualté mcrobologque - Eaux de bagade - Drectve 76/60/CEE Octobre 2004 -p 3

Ot alors été calculé : la moyee et l écart type (par les formules classques) de chaque échatllo avat cesure ; la moyee et l écart type (par ajustemet sur l esemble des doées) de chaque échatllo avat cesure ; la moyee et l écart type (par ajustemet sur doées o cesurées) de chaque échatllo après cesure ; les écarts etre moyees (resp. écarts types) ssues des formules classques et celles ssues des ajustemets. La même démarche a été etreprse pour 000 échatllos de 500 valeurs aléatores et parallèlemet pour ue cesure placée au percetle 50 % de l échatllo. Quatre smulatos ot doc été réalsées e tout. La comparaso des méthodes (formules classques vs ajustemet sur les quatles) sur échatllos o cesurés codut aux résultats suvats : la méthode par ajustemet apparaît comme très peu basée ; autremet dt, l estmato de la moyee et de l écart type par la méthode d ajustemet est e moyee équvalete à celle ssue des formules classques. Les écarts etre résultats ssus des formules classques et résultats ssus de l ajustemet sot féreurs à 0-8 sur la moyee et à 0-2 sur l écart type. Autremet dt, sur u échatllo o cesuré, la méthode d ajustemet codut aux mêmes résultats que les formules classques de la moyee et de l écart type. La comparaso des valeurs (moyees et écart types) ssues des échatllos o cesurés (formules classques) avec celles ssues des échatllos cesurés (ajustemet) codut aux résultats suvats : les valeurs ssues de l ajustemet sur échatllos cesurés sot très peu basées égalemet. Autremet dt, moyees et écarts types ssus des échatllos cesurés par ajustemets sot équvalets e moyee à ceux ssus des formules classques sur échatllos o cesurées. éamos, les écarts etre valeurs ssues de l ajustemet et valeurs o cesurées peuvet être mportats (pusque l o cherche d ue certae maère à retrouver u échatllo avec ue coassace partelle de cet échatllo). Ces écarts se traduset doc das la pratque par ue certtude sur l estmato de la moyee et de l écart type par la méthode d ajustemet (sur doées cesurées). Cette certtude tradute par u écart type est présetée das le tableau c-dessous ; elle apparaît équvalete pour l estmato de la moyee et celle de l écart type. Écart type des écarts etre moyees des échatllos o cesurés (formule classque) et des échatllos cesurés (ajustemet). Valeurs équvaletes pour les écarts etre écarts types. Cesure correspodat au percetle 50 % de chaque échatllo Cesure correspodat au percetle 75 % de chaque échatllo 000 échatllos de 50 varables aléatores de lo ormale de moy. 0 et d ec. type 000 échatllos de 500 varables aléatores 0.4 0.04 0.3 0.09 O costate doc logquemet que plus la talle de l échatllo augmete, plus l certtude est fable, et, parallèlemet, que plus la proporto de doées cesurées dmue, plus l certtude est fable. Malheureusemet, l estmato de la moyee et de l écart type par la méthode d ajustemet d u échatllo de 50 valeurs ou mos, cesurées à u percetle 75 % ou plus apparaît peu satsfasate, du fat de la grade certtude attachée au résultat. p 4 - AFSSE Aalyse statstque - veaux de rsque et seuls de qualté mcrobologque - Eaux de bagade - Drectve 76/60/CEE Octobre 2004

Remarque Ue approche fodée sur le maxmum de vrasemblace permettrat égalemet l estmato des paramètres d u échatllo cesuré ; éamos, elle est apparue mos pertete que celle que ous proposos sur les doées des stes de bagade. AFSSE Aalyse statstque des veaux de rsque et seuls de qualté mcrobologque - Eaux de bagade - Drectve 76/60/CEE Octobre 2004 -p 5