Chapitre 4 Tests paramétriques de comparaison de 2 moyennes. José LABARERE

Documents pareils
Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE

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

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

Chapitre 6 Test de comparaison de pourcentages χ². José LABARERE

MESURE DE L'INFORMATION

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Statistique descriptive bidimensionnelle

Cours de Statistiques inférentielles

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

UNIVERSITÉ DE SFAX École Supérieure de Commerce

Dénombrement. Chapitre Enoncés des exercices

Cours 5 : ESTIMATION PONCTUELLE

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

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

Principes et Méthodes Statistiques

Chap. 5 : Les intérêts (Les calculs financiers)

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

Comportement d'une suite

STATISTIQUE : TESTS D HYPOTHESES

Université Pierre et Marie Curie. Biostatistique PACES - UE

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

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

Le chef d entreprise développe les services funéraires de l entreprise, en

Initiation à l analyse factorielle des correspondances

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

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent machaven/

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

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

STATISTIQUE AVANCÉE : MÉTHODES

Une action! Un message!

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.

Dérivées et différentielles des fonctions de plusieurs variables

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

Nous imprimons ce que vous aimez!

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

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

SÉRIES STATISTIQUES À DEUX VARIABLES

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

EXERCICES : DÉNOMBREMENT

Les Nombres Parfaits.

RECHERCHE DE CLIENTS simplifiée

Limites des Suites numériques

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année UE «Introduction à la biostatistique»

Télé OPTIK. Plus spectaculaire que jamais.

Les études. Recommandations applicables aux appareils de levage "anciens" dans les ports. Guide Technique

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

Chapitre 3 : Fonctions d une variable réelle (1)

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO

2 ième partie : MATHÉMATIQUES FINANCIÈRES

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation

Statistique Numérique et Analyse des Données

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

Baccalauréat S Asie 19 juin 2014 Corrigé

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

Création et développement d une fonction audit interne*

Chapitre 3 : Transistor bipolaire à jonction

55 - EXEMPLES D UTILISATION DU TABLEUR.

Docteur José LABARERE

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

RÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION

. (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

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

Tableaux Croisés et Diagrammes en Mosaïque : Pour Voir Les Probabilités Marginales et Conditionnelles.

Sommaire Chapitre 1 - L interface de Windows 7 9

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

LE WMS EXPERT DE LA SUPPLY CHAIN DE DÉTAIL

Échantillonnage et estimation

Etude de la fonction ζ de Riemann

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)

Module 3 : Inversion de matrices

Présentation & organisation du cours. Introduction : décider en milieu industriel. Les méta-heuristiques. Le travail à réaliser

La maladie rénale chronique

n tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...

Neolane Message Center. Neolane v6.0

Fonction réciproque. Christelle MELODELIMA. Chapitre 2 :

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

UV SQ 20. Automne Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

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

GUIDE METHODOLOGIQUE INDUSTRIES, OUVREZ VOS PORTES

Lorsque la sécurisation des paiements par carte bancaire sur Internet conduit à une concurrence entre les banques et les opérateurs de réseau

S-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui.

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

Divorce et séparation

Principe d un test statistique

Un accès direct à vos comptes 24h/24 VOTRE NUMÉRO CLIENT. Centre de Relations Clients (0,12 /min)

Logiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd

Terminale S. Terminale S 1 F. Laroche

Compte Sélect Banque Manuvie Guide du débutant

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

Donnez de la liberté à vos données. BiBOARD.

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

Séries réelles ou complexes

Séquence 5. La fonction logarithme népérien. Sommaire

Arrondissage des résultats de mesure. Nombre de chiffres significatifs

Économie sociale Pour des communautés plus solidaires PLAN D ACTION GOUVERNEMENTAL POUR L ENTREPRENEURIAT COLLECTIF

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

Professeur Patrice FRANCOIS

omme dans tous les milieux de vie, une

Solutions particulières d une équation différentielle...

Transcription:

UE4 : Biostatistiques Chapitre 4 Tests paraétriques de coparaiso de oyees José LABARERE Aée uiversitaire 0/0 Uiversité Joseph Fourier de Greoble - Tous droits réservés.

Pla I. Nature des variables II. Coparaiso d ue oyee observée à ue oyee théorique Test Z de l écart réduit Test t de Studet III. Coparaiso de oyees observées sur échatillos idépedats Test Z de l écart réduit Test t de Studet IV. Coparaiso de oyees observées sur échatillos appariés Test Z de l écart réduit Test t de Studet

Pla I. Nature des variables II. Coparaiso d ue oyee observée à ue oyee théorique Test Z de l écart réduit Test t de Studet III. Coparaiso de oyees observées sur échatillos idépedats Test Z de l écart réduit Test t de Studet IV. Coparaiso de oyees observées sur échatillos appariés Test Z de l écart réduit Test t de Studet

I. Nature des variables Coparer oyees : tester l associatio etre variable quatitative cotiue variable qualitative biaire Exeple : µ L saté (âge) µ L scieces (âge)? âge : variable quatitative cotiue L sate versus L scieces : variable qualitative biaire (dichotoique)

Pla I. Nature des variables II. Coparaiso d ue oyee observée à ue oyee théorique Test Z de l écart réduit Test t de Studet III. Coparaiso de oyees observées sur échatillos idépedats Test Z de l écart réduit Test t de Studet IV. Coparaiso de oyees observées sur échatillos appariés Test Z de l écart réduit Test t de Studet

II. Coparaiso d ue oyee observée à ue oyee théorique Coparer ue oyee observée () sur u échatillo issu d ue populatio de oyee icoue (µ) à ue valeur théorique ou oyee théorique coue (µ H0 ) d ue populatio de référece populatio µ, σ² échatillo, s² populatio de référece µ H0. Forulatio des hypothèses H0 : µ = µ H0 H : µ µ H0

II. Coparaiso d ue oyee observée à ue oyee théorique populatio µ, σ échatillo, s populatio de référece µ H0. Forulatio des hypothèses H0 : µ = µ H0 H : µ µ H0. Risque α = 0.05 (5%) a priori 3. Choix du test Test Z de l écart réduit ( 30) Test t de Studet (hypothèse de oralité)

Test Z de l écart réduit µ (fluctuatios d échatilloage) populatio µ, σ² échatillo, s² populatio de référece µ H0 Sous H0 : µ = µ H0 µ - µ H0 = 0 Si 30 : N (µ, σ/ ) Rappel : est ue réalisatio de la V.A. «oyee epirique d u échatillo de taille» de oyee µ et d écart type σ/ (cf cours Pr Ciqui, chap 5, diapo 8)

Test Z de l écart réduit Sous H0 : µ = µ H0 µ - µ H0 = 0 Si 30 : N (µ, σ/ ) - µ H0 N (0, σ/ ) (o a «cetré» e lui retrachat sa oyee µ. Or µ état icoue, o lui substitue µ H0 qui est coue et dot o sait sous H0 que µ = µ H0 ) Z µ σ H0 N (0, ) (o a «réduit» ( - µ H0 ) e la divisat par so écart-type σ/ )

Test Z de l écart réduit Z µ σ H0 N (0, ) La variace das la populatio σ² état le plus souvet icoue, o lui substitue so estiateur s² (s² = estiatio de σ² à partir de l échatillo) Z µ s H0 N (0, )

Desité de probabilité de loi orale cetrée réduite N(0,) - 0 + valeurs peu probables de Z valeurs probables de Z valeurs peu probables de Z Abscisse : valeurs possibles de Z sous H0 Z µ s H0

Desité de probabilité de loi orale cetrée réduite (0,) α = 5% (0,05) P(Z <-,96) =,5% P(Z >,96) =,5% - -Z α = -,96 +Z α =,96 + 0 Z α = valeur de Z pour le risque α Abscisse : valeurs possibles de Z sous H0 Z µ s H0

α (o-rejet de H0) α/ (rejet de H0 = acceptatio de H) α/ (rejet de H0 = acceptatio de H) -z α 0 z α Z o > Z α Z o Z α Z o > Z α Abscisse : valeurs possibles de Z sous H0 Z µ s H0 Z α = valeur de Z pour le risque α Z o = valeur observée de Z pour l échatillo

Z est la variable aléatoire µ H0 Z s Z α est ue valeur particulière de la variable aléatoire Z telle que P(Z > Z α ) = α (Z α est la valeur de Z pour le risque α) (e saté et biologie, α = 0.05) Z o est ue réalisatio de la variable aléatoire Z (Z o est la valeur observée/calculée de Z sur l échatillo dot o dispose)

Déteriatio de la valeur de Z α correspodat à u risque α = 0.05 (5%) Table de l écart réduit La table doe la probabilité α pour que l'écart-réduit dépasse e valeur absolue ue valeur doée ε, c'est-àdire la probabilité extérieure à l'itervalle [-ε,ε]. La probabilité α s'obtiet par additio des obres iscrits e arge α 0,00 0,0 0,0 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0,576,36,70,054,960,88,8,75,695 0,,645,598,555,54,476,440,405,37,34,3 0,,8,54,7,00,75,50,6,03,080,058 0,3,036,05 0,994 0,974 0,954 0,935 0,95 0,896 0,878 0,860 0,4 0,84 0,84 0,806 0,789 0,77 0,755 0,739 0,7 0,706 0,690 0,5 0,674 0,659 0,643 0,68 0,63 0,598 0,583 0,568 0,553 0,539 0,6 0,54 0,50 0,496 0,48 0,468 0,454 0,440 0,46 0,4 0,399 0,7 0,385 0,37 0,358 0,345 0,33 0,39 0,305 0,9 0,79 0,66 0,8 0,53 0,40 0,8 0,5 0,0 0,89 0,76 0,64 0,5 0,38 0,9 0,6 0,3 0,00 0,088 0,075 0,063 0,050 0,038 0,05 0,03

Déteriatio du degré de sigificatio associé à Z o (Pvalue) Table de l écart réduit La table doe la probabilité α pour que l'écart-réduit dépasse e valeur absolue ue valeur doée ε, c'est-àdire la probabilité extérieure à l'itervalle [-ε,ε]. La probabilité α s'obtiet par additio des obres iscrits e arge α 0,00 0,0 0,0 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0,576,36,70,054,960,88,8,75,695 0,,645,598,555,54,476,440,405,37,34,3 0,,8,54,7,00,75,50,6,03,080,058 0,3,036,05 0,994 0,974 0,954 0,935 0,95 0,896 0,878 0,860 0,4 0,84 0,84 0,806 0,789 0,77 0,755 0,739 0,7 0,706 0,690 0,5 0,674 0,659 0,643 0,68 0,63 0,598 0,583 0,568 0,553 0,539 0,6 0,54 0,50 0,496 0,48 0,468 0,454 0,440 0,46 0,4 0,399 0,7 0,385 0,37 0,358 0,345 0,33 0,39 0,305 0,9 0,79 0,66 0,8 0,53 0,40 0,8 0,5 0,0 0,89 0,76 0,64 0,5 0,38 0,9 0,6 0,3 0,00 0,088 0,075 0,063 0,050 0,038 0,05 0,03 Exeple : Z o =.37 P-value = 0.7

Test t de Studet Sous H0 : µ = µ H0 Si la distributio de la variable est orale das la populatio (et quel que soit l effectif de l échatillo ) : T µ s H0 t (-) ddl

Test t de Studet : otio de ddl Sous H0 : t µ s H0 t (-) ddl La foctio de desité de probabilité de t varie avec l effectif de l échatillo (e fait, avec l effectif de l échatillo = ) Il existe autat de lois t de Studet qu il existe d échatillos d effectif différet

Valeur de t α pour : (-) ddl = 5 :.57 (-) ddl = 0 :. (-) ddl > 30 :.96

(-) ddl = 5 -,57,57 (-) ddl = 0 -,, (-) ddl > 30 -,96,96 (cf aexe )

Coditio de validité du test t de Studet : la variable cotiue suit ue loi orale A l exae : Soit c est idiqué das l éocé (ex : «o suppose les coditios de validité vérifiées») Soit o vous pose la questio (ex : «Quelles sot les coditios de validité de ce test?») Soit o vous deade de vérifier epiriqueet qu o e s écarte pas de cette hypothèse (visuelleet le plus souvet) (ex : o fourit u histograe das l éocé)

Distributio syétrique e cloche distributio d allure orale Distributio asyétrique avec queue étalée vers la droite distributio d allure o orale

Pla I. Nature des variables II. Coparaiso d ue oyee observée à ue oyee théorique Test Z de l écart réduit Test t de Studet III. Coparaiso de oyees observées sur échatillos idépedats Test Z de l écart réduit Test t de Studet IV. Coparaiso de oyees observées sur échatillos appariés Test Z de l écart réduit Test t de Studet

III. Coparaiso de deux oyees observées (échatillos idépedats) populatio µ, σ échatillo, s populatio µ, σ échatillo, s «Idépedat» sigifie que l échatillo est costitué de aière idépedate de l échatillo (par oppositio aux échatillos appariés) : Les sujets de l échatillo e sot pas les êes que ceux de l échatillo Les échatillos peuvet être d effectifs différets.

III. Coparaiso de deux oyees observées (échatillos idépedats) populatio µ, σ échatillo, s populatio µ, σ échatillo, s. Forulatio des hypothèses H0 : µ = µ H : µ µ. Risque α = 0.05 (5%) a priori 3. Choix du test Test Z de l écart réduit ( 30 et 30 ) Test t de Studet (hypothèse de oralité, variaces coparables)

Sous H0 : µ = µ = µ 30 µ (fluctuatios d échatilloage) 30 µ =µ µ (fluctuatios d échatilloage) µ =µ µ - µ = 0 et 0 (fluctuatios d échatilloage)

Sous H0 : µ -µ = 0 Rappel : est ue réalisatio de la V.A. «oyee epirique d u échatillo de taille» de oyee µ et d écart type σ / : N(µ, σ / ) ide : N(µ, σ / ) ( ) Nµ µ, σ σ ( ) N0, σ σ var ( - ) = var ( ) + var ( ) cov (, ) var σ σ 0 NB : var(a-b) = var(a) + var(b) cov(a,b) cf aalogie avec (a-b)² = a² + b² - a.b (cf aexe )

Sous H : µ µ 30 µ (fluctuatios d échatilloage) 30 µ (fluctuatios d échatilloage) µ µ µ - µ (fluctuatios d échatilloage)

Test Z de l écart réduit Si 30 et 30 Sous H0 : µ = µ µ -µ = 0 var Z Z s s N (0, ) s² est u estiateur de σ²

Test t de Studet Coditios d applicatio : - La distributio de la variable cotiue est orale das les populatios -Lesvariaces σ ² et σ ² sot coparables (rapport à 3) Sous H0 : µ = µ µ -µ = 0 s T s s s t ( + - ) ddl

Coparabilité des variaces La coparabilité des variaces est pas qu ue «cotraite techique» pour l applicatio du test t de Studet. La variace, coe la oyee, est u paraètre caractérisat la distributio d ue variable. Populatio Populatio µ = µ σ ² < σ ² Distributios très différetes bie que les oyees soiet égales

Pla I. Nature des variables II. Coparaiso d ue oyee observée à ue oyee théorique Test Z de l écart réduit Test t de Studet III. Coparaiso de oyees observées sur échatillos idépedats Test Z de l écart réduit Test t de Studet IV. Coparaiso de oyees observées sur échatillos appariés Test Z de l écart réduit Test t de Studet

IV. Coparaiso de deux oyees observées (échatillos appariés) Obs Obs Obs Obs Obs Obs Obs Obs Obs 3 Obs 3 Obs 3 Obs 3 Obs Obs Obs Obs échatillos idépedats échatillos appariés sujet pris coe so propre téoi ebres d ue fratrie ( = ou ) ( = = )

IV. Coparaiso de deux oyees observées (échatillos appariés) Avat PAS PAS PAS 3 PAS Traiteet atihyperteseur H0 : PASavat = PASaprès Après PAS PAS PAS 3 PAS Les esures PAS et PAS du sujet e sot pas idépedates Les esures ot été effectuées sur le êe sujet : si PAS était très élevée, il est probable que PAS restera élevée (ais ois que PAS si le traiteet est efficace) Le test doit predre e copte cette dépedace des observatios PAS et PAS (E revache, les esures PAS du sujet et PAS du sujet sot idépedates)

Z pour échatillos idépedats var ( ) = var ( ) + var ( ) cov(, ) = var ( ) + var ( ) Z var var Z pour échatillos appariés var ( ) = var ( ) + var ( ) cov (, ) Z var var cov, Z apparié > Z idépedat gai de puissace

Echatillos appariés Z var var cov, S S e peut pas être estiée directeet car o e dispose que d ue esure de et ue esure de Il faut estier var( - ) d ue autre faço

Echatillos appariés d d var, cov var var Z d i i d ( - ) = d, avec d s i d i d var ( d ) = s d ² /, avec d est ue réalisatio de la V.A. «oyee epirique des différeces d u échatillo de taille» de oyee µ d et d écart type σ d /

Echatillos appariés L uité d aalyse deviet la différece d i etre l observatio et l observatio pour chaque sujet d i d i = (Obs i Obs i) d i s d i d i d Obs Obs Obs i Obs d d d i d Obs Obs Obs i Obs

Test Z de l écart réduit pour échatillos appariés H0 : µ d = 0 (µ = µ ) H : µ d 0 (µ µ ) Si 30 paires α (o-rejet de H0) α/ α/ Z o s d d (rejet de H0) -z α Z o > Z α (rejet de H0) z α Z o Z α Z o > Z α

Test t de Studet pour échatillos appariés H0 : µ d = 0 (µ = µ ) H : µ d 0 (µ µ ) Si la distributio des différeces idividuelles est orale : t o s d d

Coparaiso de oyees effectif test coditios observée théorique 30 Z - t (-) ddl oralité observée observée, 30 Z - (idépedates), t (+ -) ddl oralité σ² coparables observée observée 30 paires Z - (appariées) paires t (-) ddl oralité d i

Aexe : Test t de Studet Pourquoi le obre de ddl du test t est-il égal à ( ) et pas? Il s agit e fait du obre de ddl de la variace estiée s² : Coaissat la oyee () d u échatillo de taille, Le obre de ddl est le obre écessaire et suffisat d observatios dot il faut coaître la valeur, pour pouvoir calculer la variace (s²) ( )

Vérificatio epirique = 9,7 Calculer s² idividu x 6,4 0,6 3 4,4 4,8 5? Pour calculer s², il est pas écessaire de coaitre la valeur de l idividu 5. O peut la déduire de : - La oyee - La valeur des ( ) = 4 preiers idividus 6,4 0,6 4,4,8? 5? = 4,3 9,7 s² = 46,6

Aexe : var(b-a) = var(a) + var(b) - cov(a,b) Vérificatio epirique pour échatillos idépedats (cov(a,b) = 0) A B (B-A) 6,4 4 -,4 0,6 7,7 7, 4,4 3,5 9,,8 8,9 6, 4,3 8,7 4,4 5, 9 3,9, 7,6 6,4,6 8,4 5,8 5,4 5, 9,8 6,6 7,3 0,7,9,9 0 4, 7,7 3,6 7,7 5,4 7,7 9,4 5,8-3,6 0,8 6, -4,6 8,4 5,9 7,5 0,9 0 9, 6, 8,7,6 3,3 3,8 0,5 5, 5,6 0,4 oyee 7,9 3, 5, variace 7,9 3,3 59, µ B-A = µ B -µ A var(b-a) = var(b) + var(a)

Aexe 3: covariace N µ Y µ X X,Y cov N i Y i X i X var N µ X N µ X µ X X,X cov N i X i N i X i X i Cas particulier : X = Y Variace cojoite de variables X et Y

X et Y idépedates cas particulier Y costat quelle que soit la valeur de X cov X,Y N i X µ Y µ i X N i Y 0 0 car Y i = costate =µ Y

Metios légales L'eseble de cette œuvre relève des législatios fraçaise et iteratioale sur le droit d'auteur et la propriété itellectuelle, littéraire et artistique ou toute autre loi applicable. Tous les droits de reproductio, adaptatio, trasforatio, trascriptio ou traductio de tout ou partie sot réservés pour les textes aisi que pour l'eseble des docuets icoographiques, photographiques, vidéos et soores. Cette œuvre est iterdite à la vete ou à la locatio. Sa diffusio, duplicatio, ise à dispositio du public (sous quelque fore ou support que ce soit), ise e réseau, partielles ou totales, sot stricteet réservées à l uiversité Joseph Fourier (UJF) Greoble et ses affiliés. L utilisatio de ce docuet est stricteet réservée à l usage privé des étudiats iscrits à l Uiversité Joseph Fourier (UJF) Greoble, et o destiée à ue utilisatio collective, gratuite ou payate. Ce docuet a été réalisé par la Cellule TICE de la Faculté de Médecie de Greoble (Uiversité Joseph Fourier Greoble ) e collaboratio avec l Equipe Audiovisuel et Productio Multiédia (EAEPM) de l Uiversité Stedhal de Greoble.