Variable d'état

rentable est égale à 0,352 5. 3. Calculer la probabilité que l’appartement soit de type T1 ou T2, sachant qu’il est rentable. PARTIE B On considère X la variable aléatoire égale au nombre d’appartements rentables dans un échantillon aléatoire de 100 appartements loués. On admet que toutes les conditions sont réunies pour assimiler X à une variable aléatoire qui suit la loi normale de moyenne µ = 35 et d’écart type σ = 5. À l’aide de la calculatrice : 1. Calculer P (25 X 35). 2. Calculer la probabilité

................................................................................................ 4 II - Probabilités conditionnelles ....................................................................................................... 5 III - Variables aléatoires réelles ....................................................................................................... 6 C- Exemples de lois de probabilités discretes...........................................................................

l’hétéroscédasticité. Deux de ces tests, le test de Breusch-Pagen et le test de White sont décrits dans le guide d’économétrie appliqué pour Stata à la section 5.1. L’idée générale de ces tests est de vérifier si le carré des résidus peut être expliqué par les variables du modèle. Si c’est le cas, il y a hétéroscédasticité. Interprétation des résultats des tests d’hétéroscédasticité Les deux tests mentionnés plus haut utilisent un test F. Ce test et son interprétation sont décrits ici de façon générale. L’étudiant

 Certaines bactéries initialement sensibles à un antibiotique peuvent acquérir une résistance à celui-ci suite à une mutation. On observe une recrudescence d'infections causées par des résistances aux antibiotiques. L'augmentation de la résistance bactérienne est liée à différents facteurs mis en évidence dans ces documents. Le document

de données signes et opérateurs www.didel.com/C/Resume.pdf 1 Généralités 1.1 Règles noms explicites (ne pas utiliser Poussoir – c’est quel poussoir ?) constantes en majuscule (mots courts) CR PORTA DODIEZE variables en minuscules, majuscule pour séparer (noms explicites) distanceGauche variables locales temporaires, mots courts i j temp fonctions avec majuscule initiale dans un verbe FaireCeci LireClavier exceptions permises si la lisibilité est améliorée. 1.2 Types de données unsigned char 0..255

ANALYSE STATISTIQUE : 16/09/2014 CHAPITRE 1 NOTIONS DE BASE,TYPES DE VARIABLE,STRUCTURE DES DONNEES I. Statistique et expérience 1) L'analyse de données 2) Exemple avec graphique ( réf manuel cours ) II. Population,individus ( ou sujets ),échantillon Sujet pas forcément des individus,peut être aussi des objets. DEUX ETUDES POSSIBLES : Recensement de toute la population Sondage sur un échantillon Les deux étapes d'un sondage Étude descriptive : décrire l'échantillon Étude inférentielle :

9 mai 2012 au début de l'heure Exercice 1. Une urne contient cinq boules numérotées de 1 à 5. On tire au hasard, successivement et avec remise 10 boules dans l'urne. On appelle succès, lors d'un tirage, l'apparition de la boule numérotée 1. 1 VARIABLES 2 S EST_DU_TYPE NOMBRE 3 x EST_DU_TYPE NOMBRE 4 i EST_DU_TYPE NOMBRE 5 DEBUT_ALGORITHME 6 S PREND_LA_VALEUR 0 7 POUR i ALLANT_DE 1 A 10 8 DEBUT_POUR 9 x PREND_LA_VALEUR floor(1+5*random()) 10 SI (x==1) ALORS 11 DEBUT_SI 12 S PREND_LA_VALEUR S+1 13

la régression. Il permet de résumer toute l'information qui n'est pas prise en compte dans la relation linéaire que l'on cherche à établir entre Y et X c.-à-d. les problèmes de spécifications, l'approximation par la linéarité, résumer le rôle des variables explicatives absentes, etc. Comme précédemment lors du lancé de dé, nous désirons que les termes d’erreur soient aléatoires et donc on effectuera les hypothèses suivantes (hypothèses que nous chercherons à vérifier par la suite en calculant

r-project.org/doc/contrib/Paradis-rdebuts_fr.pdf 1 Table des mati` eres 1 Variables, donn´ ees statistiques, tableaux, effectifs 1.1 D´efinitions fondamentales . . . . . . . . . . . . . . . . 1.1.1 La science statistique . . . . . . . . . . . . . . 1.1.2 Mesure et variable . . . . . . . . . . . . . . . . 1.1.3 Typologie des variables . . . . . . . . . . . . . 1.1.4 S´erie statistique . . . . . . . . . . . . . . . . . . 1.2 Variable qualitative nominale . . . . . . . . . . . . . . 1.2.1 Effectifs, fr´equences

restaurants : sans réservation ou avec réservation préalable. 1. Le premier restaurant fonctionne sans réservation mais le temps d’attente pour obtenir une table est souvent un problème pour les clients. On modélise ce temps 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