Chapitre 3 : INFERENCE
|
|
- Jérémie Champagne
- il y a 8 ans
- Total affichages :
Transcription
1 Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE Introduction L échantillonnage aléatoire Estimation ponctuelle Distributions d échantillonnage Intervalles de probabilité L échantillonnage 1 / 41
2 Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE Introduction L échantillonnage aléatoire Estimation ponctuelle Distributions d échantillonnage Intervalles de probabilité L échantillonnage 2 / 41
3 Définitions En général, l inférence est définie comme une opération mentale qui consiste à tirer une conclusion d une série de propositions reconnues pour vraies. Ces conclusions sont tirées à partir de règles de base. L inférence statistique est définie comme le processus d utilisation des données d un échantillon pour estimer ou tester des hypothèses sur les caractéristiques numériques («paramètres») d une population. Une population (ou «population mère») est définie comme l ensemble de tous les éléments d intérêt dans une étude particulière. Un échantillon est défini comme un sous-ensemble de la population. L échantillonnage 3 / 41
4 Pourquoi prendre un échantillon? Le coût : recenser toute la population coûte trop cher et/ou prend trop de temps Recensement de la population 2010 : recensement traditionnel (questionnaire à tous les ménages) coûterait 200 millions ; proposition du Conseil fédéral (échantillonnage + recensement fondé sur les registres coûtera 124 millions [estimations faites en 2006]) Etant donné l impossibilité d examiner chaque être humain, toute étude empirique d hypothèses générales en sciences sociales doit être basée sur des échantillons, soit d individus soit de groupes d individus (ménages, firmes, industries, pays,...) L échantillonnage 4 / 41
5 Un exemple fictif : Statville Commune Statville : 2500 habitants adultes (= population) Syndic s intéresse à la distribution des revenus parmi ces habitants et à la participation des habitants à la dernière assemblée communale (ils étaient trop nombreux pour être comptés) Interroger tous les 2500 habitants serait trop cher Budget permet d interroger un échantillon de 30 habitants Paramètres de la population (inconnus par le syndic!) : o Revenu moyen (): francs o Ecart-type du revenu (): 4000 francs o Taux de participation à la dernière assemblée (p) : 60% Que devrait faire le syndic? L échantillonnage 5 / 41
6 Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE Introduction L échantillonnage aléatoire Estimation ponctuelle Distributions d échantillonnage Intervalles de probabilité L échantillonnage 6 / 41
7 L échantillonnage aléatoire simple Population de N éléments ; échantillon de n éléments Définition pour une population finie (N connu): tous les éléments de la population ont la même probabilité de faire partie de l échantillon Probabilité qu un élément de la population soit contenu dans l échantillon est n/n. Définition pour une population infinie (N inconnu): les éléments de l échantillon sont sélectionnés indépendamment de la même population Echantillonnage sans remise (chaque élément ne peut être sélectionné qu une fois) : o Nombre d échantillons possibles = C = N!/(n!(N-n)!) o Probabilité qu un échantillon particulier soit tiré = 1/C o Exemple Statville : C 2.75 * L échantillonnage 7 / 41
8 Comment obtenir un échantillon aléatoire simple? Critère : probabilité de sélection indépendante de toute caractéristique des éléments de la population Population finie : Tirage au sort Choix avec nombres aléatoires à partir d une liste des éléments [Excel :=ALEA() génère des nombres aléatoires entre 0 et 1] Population infinie (processus continu dans le temps) : Sélectionner selon une loi de Bernoulli [Excel : =SI(ALEA()>=P; oui ; non ) répond «oui» dans (1 P) pourcent de cas] Trouver astuce (exemple contrôle douanier : examiner chaque voiture arrivant après une voiture orange) L échantillonnage 8 / 41
9 Autres types d échantillon Echantillon aléatoire stratifié Critère : strates homogènes Difficulté de la pondération représentative des strates Statville : sélectionner aléatoirement des individus selon le niveau d éducation Échantillon aléatoire par grappes o Critère : grappes composées de façon hétérogène et donc représentative o Statville : sélectionner aléatoirement des ménages/quartiers Échantillonnage subjectif Critère : échantillon qui semble représentatif Statville : syndic choisit 30 individus qui lui semblent représentatifs de la population municipale Évidemment problématique (danger de biais de sélection)! L échantillonnage 9 / 41
10 Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE Introduction L échantillonnage aléatoire Estimation ponctuelle Distributions d échantillonnage Intervalles de probabilité L échantillonnage 10 / 41
11 Bases But : estimer la valeur d un paramètre de la population («estimation ponctuelle») Méthode : calculer la statistique d échantillon correspondante «Méthode des moments» : prendre moment de l échantillon comme estimateur du moment de la population Statistiques d échantillon : toute mesure de tendance centrale, de dispersion, etc. L échantillonnage 11 / 41
12 Exemple Statville (1) Échantillon aléatoire de 30 individus ind. revenu participation revenu participation Somme Moyenne Ecart type L échantillonnage 12 / 41
13 Exemple Statville (2) Revenu : moyenne de l échantillon revenu x i n 30 Revenu : écart type de l échantillon 2 ( revenui - x) s n-1 29 Participation : moyenne de l échantillon participation 19 p i 0.63 p 0.60 n 30 Les estimations ponctuelles ne correspondent pas exactement aux paramètres de la population que faire? L échantillonnage 13 / 41
14 Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE Introduction L échantillonnage aléatoire Estimation ponctuelle Distributions d échantillonnage Intervalles de probabilité L échantillonnage 14 / 41
15 Bases Idée de départ : répéter la sélection d un échantillon multiples fois et étudier comment se comportent les statistiques de l échantillon par rapport aux paramètres correspondants de la population En moyenne, la statistique de l échantillon a-t-elle tendance à être proche du paramètre «vrai» correspondant, ou y a-til une divergence systématique (c.à.d. un «biais»)? Distribution d échantillonnage = distribution de probabilité de toutes les valeurs possibles d une statistique de l échantillon Puisque la sélection d échantillons suit un processus aléatoire, les statistiques de l échantillon sont elles-aussi des variables aléatoires et suivent donc un distribution de probabilité L échantillonnage 15 / 41
16 Exemple Statville (1) Supposons (pour fixer les idées, pas parce-que ce serait réaliste ou intelligent) que le syndic ait les moyens de répéter l expérience initiale multiples fois, c.à.d. de resélectionner des échantillons aléatoires de taille 30 parmi les habitants de Statville. Pour chacun de ces échantillons, il calcule x, s et p. Ensuite il résume les valeurs de chacune de ces trois statistiques d échantillon p.ex. sous forme d un histogramme approximation empirique de la distribution d échantillonnage Excel : un histogramme peut être dessiné via les menusoutils Utilitaire d analyse (installer viamacro complémentaire) Histogramme (Représentation graphique) voir aussiutilitaire d analyse Génération de nombres aléatoires et Échantillonnage L échantillonnage 16 / 41
17 Exemple Statville (2) Valeurs de x, s et p obtenues à partir de 500 échantillons aléatoires simples de 30 habitants échantillon revenu: moyenne ( x ) revenu: écart type (s ) participation: moyenne ( ) moyenne écart type ( s x x,, s pp) p L échantillonnage 17 / 41
18 Exemple Statville (3) Distribution de fréquence de x obtenue à partir des 500 échantillons revenu: fréquence fréquence moyenne relative Total L échantillonnage 18 / 41
19 Exemple Statville (4) Histogramme de la fréquence relative des valeurs de x obtenues à partir des 500 échantillons Approximation empirique de la distribution d échantillonnage fréquence relative de x! L échantillonnage 19 / 41
20 L espérance La moyenne de la variable aléatoire x si le nombre d échantillons tend vers l infini («moyenne des moyennes») correspond à l espérance mathématique de x, E(x). Rappel : = moyenne de la population (le paramètre «vrai») On peut montrer que E(x) =. La moyenne d un échantillon aléatoire est un estimateur non-biaisé de la moyenne de la population. L échantillonnage 20 / 41
21 L erreur type Soit x l écart type de la distribution d échantillonnage de x, désormais dénommé «erreur type». On peut montrer que x n N n N 1 Pour une population infinie (N ), on a = ( n). N n N 1 L échantillonnage 21 / 41 = «facteur de correction pour une population finie» Règle pratique : ( n) est une approximation satisfaisante si la population est finie et nn N n Statville : nn = = N 1. x
22 La distribution d échantillonnage toute entière (1) Nous avons défini la moyenne et l écart type de la distribution d échantillonnage de la moyenne. Pouvons nous définir la distribution d échantillonnage toute entière? Oui! Résultat 1 : Si les données de la population suivent une distribution normale, la distribution d échantillonnage de x est normale elle aussi, quelle que soit la taille de l échantillon n. o Cas plutôt rare o Inspecter histogramme o On peut tester formellement l hypothèse selon laquelle un certain échantillon est tiré d une population qui suit une distribution normale (p.ex. test du Khi-deux, ch ) L échantillonnage 22 / 41
23 La distribution d échantillonnage toute entière (2) Résultat 2 : Si les données de la population ne sont pas distribuées selon une loi normale, on peut appliquer le théorème centrale limite : Pour des échantillons aléatoires simples, la distribution d échantillonnage de x peut être approchée par une distribution de probabilité normale, lorsque la taille de l échantillon devient importante. L échantillonnage 23 / 41
24 La distribution d échantillonnage toute entière (3) Formellement, avec un échantillon aléatoire simple : x x N (, x ), z (0,1) x N, où (, ) et x 0.5 x 1 x N x f x e, z z N (0,1) f z e 2. 2 x 2 Règle pratique approximative : le théorème centrale limite peut être invoqué pour des échantillons de taille n 30. L échantillonnage 24 / 41
25 Illustration du théorème centrale limite (1) L échantillonnage 25 / 41
26 Illustration du théorème centrale limite (2) L échantillonnage 26 / 41
27 Illustration du théorème centrale limite (3) L échantillonnage 27 / 41
28 Illustration du théorème centrale limite (4) L échantillonnage 28 / 41
29 Illustration du théorème centrale limite (5) L échantillonnage 29 / 41
30 Illustration du théorème centrale limite (6) L échantillonnage 30 / 41
31 Le cas de p Continuons à supposer qu on ait un échantillon aléatoire simple. L espérance mathématique de la variable aléatoire p (moyenne dans l échantillon de la mesure de proportion p) est donnée par : E(p) = p p est un estimateur non-biaisé de p L erreur type de p est donné par : p et, pour une population infinie, par : p p(1 p) N n n N 1 p(1 p). n ; La distribution d échantillonnage toute entière peut être approchée par une distribution de probabilité normale lorsque np 5 et n(1 p) 5 (règle pratique approximative ; basée sur la convergenence de la loi binomiale avec la loi normale). L échantillonnage 31 / 41
32 Exemple Statville : distribution d échantillonnage de la moyenne L échantillonnage 32 / 41
33 Exemple Statville : distribution d échantillonnage d une proportion L échantillonnage 33 / 41
34 Statistique 1e année bachelor, Exemple Statville : erreur type et taille de l échantillon L échantillonnage 34 / 41
35 Statistique 1e année bachelor, Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE Introduction L échantillonnage aléatoire Estimation ponctuelle Distributions d échantillonnage Intervalles de probabilité L échantillonnage 35 / 41
36 Statistique 1e année bachelor, Base Lorsqu on a un échantillon, il est hautement improbable que les statistiques de l échantillon ( x, p ) correspondent exactement aux paramètres de la population (, p) Que peut-on dire sur la probabilité que la valeur d une statistique particulière soit «proche» du paramètre de la population, ou «proche» signifie un écart maximum de M? Les distributions d échantillonnage contiennent la réponse! Statville : o Quelle est la probabilité que le revenu moyen de l échantillon, x, soit à 500 francs près du revenu moyen de la commune,? (M = 500) o Quelle est la probabilité que la proportion des participants de l échantillon, p, soit à 5 points de pourcentage près de la proportion totale, p? (M = 0.05) L échantillonnage 36 / 41
37 Statistique 1e année bachelor, Exemple Statville (1) Probabilité que le revenu moyen d un échantillon de taille 30 soit à 500 francs près du revenu moyen de la population? x Rappel : N (0,1) x x M n 30 : x n 30 (inconnu par le syndic!) P ( 500 x 500 n 30) P Z P Z L échantillonnage 37 / 41
38 Statistique 1e année bachelor, Exemple Statville (2) Moyenne : M 500, n 30 P ( 500 x 500 n 30) P ( 0.68 Z 0.68) 0.50 * * * voir la Table 1, p. 730, du manuel de Anderson et al., où F(z) P(0 < Z < z) L échantillonnage 38 / 41
39 Statistique 1e année bachelor, Exemple Statville (3) Moyenne : M 500, n 100 P ( 500 x 500 n 100) P ( 1.25 Z 1.25) 0.79 * * * voir la Table 1, p. 730, du manuel de Anderson et al., où F(z) P(0 < Z < z) L échantillonnage 39 / 41
40 Statistique 1e année bachelor, Exemple Statville (4) Proportion : M 0.05, n 30 P ( p 0.05 p p 0.05 n 30) ( 0.56 Z 0.56) 0.42 * * * voir la Table 1, p. 730, du manuel de Anderson et al., où F(z) P(0 < Z < z) L échantillonnage 40 / 41
41 Statistique 1e année bachelor, Exemple Statville (4) Grand problème : le syndic ne connaît pas Que faire pour juger de la fiabilité des estimations basées sur son échantillon? Attendre le chapitre prochain... L échantillonnage 41 / 41
Estimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailExploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.
Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Etudes et traitements statistiques des données : le cas illustratif de la démarche par sondage INTRODUCTION
Plus en détailThéorie des sondages : cours 5
Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détailCONCEPTION ET TIRAGE DE L ÉCHANTILLON
CHAPITRE 4 CONCEPTION ET TIRAGE DE L ÉCHANTILLON Ce chapitre technique 1 s adresse principalement aux spécialistes de sondage, mais aussi au coordinateur et aux autres responsables techniques de l enquête.
Plus en détailSTA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes
STA108 Enquêtes et sondages Sondages àplusieurs degrés et par grappes Philippe Périé, novembre 2011 Sondages àplusieurs degrés et par grappes Introduction Sondages à plusieurs degrés Tirage des unités
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailEndettement des jeunes adultes
Département fédéral de l'intérieur DFI Office fédéral de la statistique OFS 20 Situation économique et sociale de la population Neuchâtel, Août 2012 Endettement des jeunes adultes Analyses complémentaires
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailCalcul élémentaire des probabilités
Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire La loi de Poisson. Définition. Exemple. 1 La loi de Poisson. 2 3 4
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailEVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO
EVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO Auteur Baguinébié Bazongo 1 Ingénieur Statisticien Economiste Chef de l Unité de recherche à l Institut national
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailFiche qualité relative à l enquête Santé et Itinéraire Professionnel 2010 (SIP) Carte d identité de l enquête
Fiche qualité relative à Santé et Itinéraire Professionnel 2010 (SIP) Nom Années de Périodicité Panel (suivi d échantillon) Services concepteurs Service réalisant Sujets principaux traités dans Carte d
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailQuestionnaire de vérification pour l implantation de la norme ISO 14001 dans une entreprise
Questionnaire de vérification pour l implantation de la norme ISO 14001 dans une entreprise Questionnaire de vérification pour l implantation de la norme ISO 14001 dans une entreprise La politique environnementale
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailCNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité
1 CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité Une situation fréquente en pratique est de disposer non pas d un résultat mais de plusieurs. Le cas se présente en assurance, par exemple :
Plus en détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailMODÈLE CROP DE CALIBRATION DES PANELS WEB
MODÈLE CROP DE CALIBRATION DES PANELS WEB 550, RUE SHERBROOKE OUEST MONTRÉAL (QUÉBEC) H3A 1B9 BUREAU 900 TOUR EST T 514 849-8086, POSTE 3064 WWW.CROP.CA Le Protocole CROP de calibration des panels en ligne
Plus en détailECOLE DES HAUTES ETUDES COMMERCIALES CORRIGÉ TYPE DE L EXAMEN
ECOLE DES HAUTES ETUDES COMMERCIALES Module : Marketing Fondamental Niveau : 1 ère Année Master Enseignant : KHERRI Abdenacer Date : 13/04/2015 Site web : www.mf-ehec.jimdo.com Durée : 1 heure 30 minutes
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailSommaire. Rentabilité du retour d une franchise de baseball de la Ligue majeure de baseball à Montréal (les «Expos»)
Sommaire Rentabilité du retour d une franchise de baseball de la Ligue majeure de baseball à Montréal (les «Expos») Novembre 2013 Table des matières 1. CONTEXTE ET OBJECTIFS... 3 2. MÉTHODES DE RECHERCHE...
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailLE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION
LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailLeçon 5. Systèmes de gestion à recomplétement périodique et stock de sécurité
CANEGE Leçon 5 Systèmes de gestion à recomplétement périodique et stock Objectif : A l'issue de la leçon l'étudiant doit être capable : dans le cadre des calendriers d approvisionnement à recomplètement
Plus en détail1. Les comptes de dépôt et d épargne
1. Les comptes de dépôt et d épargne 1.1 Les comptes de dépôt 1.1.1 Le taux de possession d un compte de dépôt Le premier constat est celui d un accès important aux comptes de dépôt, quelle que soit la
Plus en détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailProbabilités (méthodes et objectifs)
Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d
Plus en détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailFOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS
FOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS 550, RUE SHERBROOKE OUEST MONTRÉAL (QUÉBEC) H3A 1B9 BUREAU 900 TOUR EST T 514 849-8086, POSTE 3064 Réflexions méthodologiques Depuis des années,
Plus en détailProbabilités Loi binomiale Exercices corrigés
Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailLe niveau de revenus des ménages est associé à la couverture vaccinale par le vaccin pneumocoque conjugué chez les enfants d'ile-de-france
Le niveau de revenus des ménages est associé à la couverture vaccinale par le vaccin pneumocoque conjugué chez les enfants d'ile-de-france Jean-Paul Guthmann, Pierre Chauvin, Yann Le Strat, Marion Soler,
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ARTHUR CHARPENTIER 1 Un certain test médical révèle correctement, avec probabilité 0.85, qu une personne a le sida lorsqu elle l a vraiment et révèle incorrectement,
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
Plus en détailLa représentativité d un échantillon et son test par le Khi-deux Testing the representativeness of a sample
Tutorials in Quantitative Methods for Psychology 212, Vol. 8(3), p. 173-181. La représentativité d un échantillon et son test par le Khi-deux Testing the representativeness of a sample Louis Laurencelle
Plus en détailPeut-on croire un sondage?
Peut-on croire un sondage? Après le «traumatisme» du premier tour de l élection présidentielle de 2002, sont parus le même jour dans le journal «le Monde» deux articles au ton assez différent. On peut
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailLignes directrices de 2004 pour des sondages sur la satisfaction des demandeurs dans le cadre de l assurance-automobile
Financial Services Commission of Ontario Commission des services financiers de l Ontario Lignes directrices de 2004 pour des sondages sur la satisfaction des demandeurs dans le cadre de l assurance-automobile
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailTHÈME 1. Ménages et consommation
THÈME 1 Ménages et consommation 1 Comment les revenus et les prix influencent-ils les choix des consommateurs? SENSIBILISATION Étape 1 D où provient l argent des ménages? Revenus «primaires» Du travail
Plus en détailMÉNAGES PRIVÉS AYANT CONSACRÉ 30 % OU PLUS DE LEUR REVENU AUX COÛTS D HABITATION
MÉNAGES PRIVÉS AYANT CONSACRÉ 30 % OU PLUS DE LEUR REVENU AUX COÛTS D HABITATION Logement Définitions Cet indicateur est calculé en divisant le nombre de ménages privés qui consacrent 30 % ou plus de leur
Plus en détailMATHÉMATIQUES. Mat-4104
MATHÉMATIQUES Pré-test D Mat-404 Questionnaire e pas écrire sur le questionnaire Préparé par : M. GHELLACHE Mai 009 Questionnaire Page / 0 Exercice ) En justifiant votre réponse, dites quel type d étude
Plus en détailLa pratique du coaching en France. Baromètre 2010
SFCoach : crée du lien entre le monde du travail et les professionnels de l accompagnement La pratique du coaching en France Baromètre 2010 Fondée en 1996 22, Bd Sébastopol 75004 Paris Association 1901
Plus en détailStatistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014
Tests du χ 2 Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 A. Lourme http://alexandrelourme.free.fr Outline
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailCompte rendu du stage ATSM Probabilités et statistique
IREM de Lyon Institut de recherche sur l enseignement des mathématiques Université Lyon 1 Académie de Lyon Compte rendu du stage ATSM Probabilités et statistique Lyon, 25 août 3 septembre 2010 Faisant
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailRessources pour le lycée général et technologique
éduscol Ressources pour le lycée général et technologique Ressources pour la classe de terminale générale et technologique Exercices de mathématiques Classes de terminale S, ES, STI2D, STMG Ces documents
Plus en détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailLe modèle de régression linéaire
Chapitre 2 Le modèle de régression linéaire 2.1 Introduction L économétrie traite de la construction de modèles. Le premier point de l analyse consiste à se poser la question : «Quel est le modèle?». Le
Plus en détailBrock. Rapport supérieur
Simplification du processus de demande d aide financière dans les établissementss : Étude de cas à l Université Brock Rapport préparé par Higher Education Strategy Associates et Canadian Education Project
Plus en détailTARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé
TARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé Plan de l intervention 1 2 3 Généralités sur le fonctionnement de l assurance
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailObserver dans la durée les atteintes aux voitures
Observer dans la durée les atteintes aux voitures I. Une baisse continue À l échelle nationale 1, le seul indicateur qui permette de suivre l évolution des atteintes aux véhicules sur le long terme est
Plus en détailCREER UNE ENTREPRISE A JERSEY
CREER UNE ENTREPRISE A JERSEY Avant toute autre démarche, il faut avoir un «business plan» (projet professionnel) solide et bien conçu. Pour cela, il vous suffit de suivre les instructions ci-dessous :
Plus en détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
Plus en détailPropriétés des options sur actions
Propriétés des options sur actions Bornes supérieure et inférieure du premium / Parité call put 1 / 1 Taux d intérêt, capitalisation, actualisation Taux d intéret composés Du point de vue de l investisseur,
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailRaisonnement probabiliste
Plan Raisonnement probabiliste IFT-17587 Concepts avancés pour systèmes intelligents Luc Lamontagne Réseaux bayésiens Inférence dans les réseaux bayésiens Inférence exacte Inférence approximative 1 2 Contexte
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailBiostatistiques : Petits effectifs
Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l
Plus en détailLe risque Idiosyncrasique
Le risque Idiosyncrasique -Pierre CADESTIN -Magali DRIGHES -Raphael MINATO -Mathieu SELLES 1 Introduction Risque idiosyncrasique : risque non pris en compte dans le risque de marché (indépendant des phénomènes
Plus en détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détailImpact du mobile banking sur les comportements d épargne et de transferts à Madagascar. Florence Arestoff Baptiste Venet
Impact du mobile banking sur les comportements d épargne et de transferts à Madagascar Florence Arestoff Baptiste Venet 1 Introduction : contexte du contrat de recherche Ce contrat de recherche fait suite
Plus en détailIII- Raisonnement par récurrence
III- Raisonnement par récurrence Les raisonnements en mathématiques se font en général par une suite de déductions, du style : si alors, ou mieux encore si c est possible, par une suite d équivalences,
Plus en détailLa diffusion des résultats statistiques du recensement de la population
La diffusion des résultats statistiques du recensement de la population Le cadre juridique La diffusion des résultats statistiques est encadrée par l arrêté du 19 juillet 2007 mis au point en liaison avec
Plus en détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en détailCHAPITRE 5. Stratégies Mixtes
CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,
Plus en détailCOMPTE RENDU DU QUESTIONNAIRE DE SATISFACTION
CIG Service Prestataire COMPTE RENDU DU QUESTIONNAIRE DE SATISFACTION Enquête effectuée du 1 er janvier au 31 août 2013 Madame Bara Responsable du Service Prestataire Janvier 2014 Version du 05/03/2014
Plus en détailIncertitude et variabilité : la nécessité de les intégrer dans les modèles
Incertitude et variabilité : la nécessité de les intégrer dans les modèles M. L. Delignette-Muller Laboratoire de Biométrie et Biologie Evolutive VetAgro Sup - Université de Lyon - CNRS UMR 5558 24 novembre
Plus en détailPLAN DE COURS CEGEP DU VIEUX-MONTRÉAL
PLAN DE COURS CONTRÔLE DE LA QUALITÉ 241-B60-VM TECHNIQUE DE GÉNIE MÉCANIQUE 241-06 PONDÉRATION : 2-1-1 Compétence : 012Z Contrôler la qualité d un produit DÉPARTEMENT DE LA MÉCANIQUE CEGEP DU VIEUX-MONTRÉAL
Plus en détailOUTILS STATISTIQUES ET NUMÉRIQUES
UNIVERSITÉ D ORLEANS Année universitaire 211-212 UFR Sciences Master FAC et SAE, 2ème année OUTILS STATISTIQUES ET NUMÉRIQUES POUR LA MESURE ET LA SIMULATION T. Dudok de Wit Université d Orléans 16 septembre
Plus en détailAutomatique (AU3): Précision. Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr
Automatique (AU3): Précision des systèmes bouclés Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr Plan de la présentation Introduction 2 Écart statique Définition Expression Entrée
Plus en détailSOMMAIRE. AVRIL 2013 TECHNOLOGIE ÉTUDE POINTS DE VUE BDC Recherche et intelligence de marché de BDC TABLE DES MATIÈRES
AVRIL 2013 TECHNOLOGIE ÉTUDE POINTS DE VUE BDC Recherche et intelligence de marché de BDC TABLE DES MATIÈRES Faits saillants du sondage 2 Contexte et méthode de sondage 3 Profil des répondants 3 Investissements
Plus en détail