Moyen français

éléments sur lesquels s’appuyer pour contrôler la fiabilité d’une information publiée sur Internet ? Exercice : représentativité d’un échantillon Nous désirons déterminer la production moyenne de riz dans les fermes d’une région ravagée par une inondation, à partir d'un échantillon de 10 fermes. La production moyenne pour la population totale des 86 fermes, est de 0,75 tonnes par hectares (T/HA). Il est aussi connu que les fermes du sud produisent plus de riz que celles du nord. Nouschoisissonsdeconstruireunéchantilloncontenantautantdefermesdu

 ECONOMETRIE REGRESSION LINEAIRE SIMPLE 1. Régression linéaire simple Maintenant on se place dans le cas général, on a plusieurs séries : La série X : X1 X2 …Xi ... Xn on note la moyenne de X=1/n* La série Y : Y1 Y2 …Yi ... Yn on note la moyenne de Y=1/n* La série des estimations Yest notée aussi = α + ß * X : 1 2 .. i .. n La série des résidus .ε: ε 1 ε 2 … ε i ... ε n Y = α +β *X + ε = + ε et pour tout i allant de 1 à n Yi

générales : rôle et missions CORD et CORG, juges, fréquence examens, Comité consultatif AMV, âge plancher 2ème Dan, etc. 2) Epreuves : note éliminatoire, stages, bonifications de points, voie compétition (combats),, Ki-hon 4ème et 5ème Dan, principe de la moyenne générale du 1er au 5ème Dan, etc. 3) Epreuves spécifiques disciplines associées et styles II- REGLES GENERALES 1) Règles générales du 1er au 3ème DAN 2) Règles générales des 4ème, 5ème et 6ème DAN 3) Dispositions particulières aux arbitres III-APERÇU

Cours de Statistique Descriptive Re Yves Till´e 18 janvier 2008 Objectif et moyens Objectifs du cours – – – Apprendre les principales techniques de statistique descriptive univari´ee et bivari´ee. ˆ Etre capable de mettre en oeuvre ces techniques de mani`ere appropri´ee dans un contexte donn´e. ˆ Etre capable d’utiliser les commandes de base du Language R. Pouvoir appliquer les techniques de statistiques descriptives au moyen du language R. – R´ef´erences Dodge Y.(2003), Premiers pas en statistique

d’attente en minutes par une variable aléatoire X qui suit une loi exponentielle de paramètre λ où λ est un réel strictement positif. 1 On rappelle que l’espérance mathématique de X est égale à . λ Une étude statistique a permis d’observer que le temps moyen d’attente pour obtenir une table est de 10 minutes. a. Déterminer la valeur de λ. b. Quelle est la probabilité qu’un client attende entre 10 et 20 minutes pour obtenir une table ? On arrondira à 10−4 . c. Un client attend depuis 10 minutes. Quelle

Loi normale On note X la variable aléatoire qui, à chaque pelle prélevée au hasard dans la flotte, associe le nombre de m3 de matériaux extraits pendant la première heure du chantier. On suppose que la variable aléatoire X suit la loi normale de moyenne 120 et d’écart-type 10. 1. Calculer p(110 X 130). 2. Calculer la probabilité que la pelle extraie moins de 100 m3 pendant la première heure de chantier. B. Loi de Poisson On note Y la variable aléatoire qui, à toute heure travaillée prise au hasard

% m/m P2O5 = (9,1±0,1)% g. Calcul de la moyenne des pourcentages massiques P2O5 des autres équipes avec le détergent Sunlight Moyenne %m/m P2O5 = ∑ % m/m P2O5 des 6 équipes 6 Moyenne %m/m P2O5 = 8,77 % + 9,06% + 9,07% +9,1% + 9,3% + 10,5% 6 Moyenne %m/m P2O5 = 9,3 %

de la droite(valeur de Y pour x = 0) b : pente de la droite (variation moyenne de la valeur de Y pour une augmentation d’une unité de X) eᵢ : terme d’erreur associé à la iéme observation La régression simple Cette équation a donc deux coefficients a qui est une constante et qui s’interprète comme étant la valeur de y lorsque x = 0 b qui exprime la relation entre y et x et qui s’interprète comme étant le changement moyen de y lorsque x augmente d’une unité : La variable x est de type quantitatif

appropriés Tests Nominales Mode Secteur ordi Mode + Médiane Quartiles Diagrammes à batons Quanti Mode Médiane Moyenne Ecart type Variance Quartile Histogramme Boites à moustcahes Kurtosis Skewness Corrélation = lien 2 quanti / 2 ordi / 2 nomi Comparaison = 1 nomi, et on comapre des moyennes, des fréquences Testes paramétriques : compare des moyennes Teste Non paramètriques : compare des fréquences II. Tri croisé  2 variables non métriques KHI 2 V de cramer Pour faire

de Régression βj Une fois la première étape exécutée, ces coefficients vont pouvoir mesurer l’effet de Xj sur Y, net des autres régresseurs : effet ceteris paribus La constante, garantit que l’estimation de l’erreur (résidu) soit de moyenne nulle (« Woolridge », chapitre 3)26 6.3.2. Variance des 6.4. Paramètres estimés en SLR 6.4.1. Estimateur de la variance de l’erreur 6.4.2. Coefficient de Régression  6.4.3. Constante 7. Formulation Matricielle