Algebre Lineaire

conditionnelle Mesure de la dépendance entre deux variables qualitatives : - tableau croisé - test du chi-deux 2 3 Mesure de la dépendance entre deux variables quantitatives : - analyse graphique - coefficient de corrélation - ajustement linéaire Devoir sur table (1 h 30) 4 Séries chronologiques : - composantes - tendance longue durée (moyennes mobiles, moindres carrés) 5 Séries chronologiques : - coefficients saisonniers - désaisonnalisation Séries chronologiques : - prévisions

Chapitre 3 Liaison entre deux variables 3.1 Liaison linéaire entre deux variables quantitatives On considère un couple de variables (X, Y ). On dispose d’observations de ce couple de variables sur un échantillon de taille n : pour chaque individu on connaît le couple d’observations (xi , yi ). 3.1.1 Covariance n Définition 1. On définit la covariance de X et Y par : 1 Cov(X, Y ) = n [(xi − x)(yi − y )] . ¯ ¯ i=1 L’unité dans laquelle est exprimée la covariance est le produit des unités

Chapitre I. G´n´ralit´s sur les espaces vectoriels. e e e Marc de Crisenoy Convention: dans tout le cours, K d´signe un corps commutatif. (En pratique K = Q, R ou C). e § G´n´ralit´s. e e e D´f. 1. On appelle K-espace vectoriel un triplet (E, +, .) ayant les propri´t´s suivantes: e ee (E,+) est un groupe ab´lien e . est une application de K × E dans E (l’image de (λ, x) par cette application est not´e λ.x). e ∀λ ∈ K ∀x, y ∈ E λ.(x + y) = λ.x + λ.y ∀α, β ∈ K ∀x ∈ E (α + β).x = α.x + β.x ∀α, β ∈ K

question précédente, pour (α, β) ∈ R2 , matB (αp + βq) = diag(α, α, β). En particulier, matB (αp + βq) est une matrice diagonale. Si maintenant h est l’endomorphisme de matrice Y dans la base B, alors h2 = f car Y 2 = D mais h n’est pas une combinaison linéaire de p et q car Y n’est pas diagonale. 9) Puisque f est diagonalisable, R3 = E1 ⊕ E4 où E1 = Ker(f − id) et E4 = Ker(f − 4id). Soit h un endomorphisme de R3 tel que h2 = f. Alors h et f commutent et on sait que E1 et E4 sont stables par h ou encore

Dans ce genre de problèmes, les principales questions auxquelles nous voudrons répondre sont les suivantes : – Existe-il une relation ou une dépendance entre les variables statistiques? – Cette relation, si elle existe, est-elle linéaire ou non ? – Si une dépendance linéaire existe, de quelle façon peut-on la traduire par une équation mathématique ? – La corrélation, si elle existe, est-elle grande ou faible ? – Si l’équation mathématique de la relation entre les variables existe, comment prévoir les

Chapitre VII : Les statistiques I. Point moyen – Covariance Sur une population donnée, étudions deux caractères. Pour chacun des n individus de cette population, notons xi et yi les valeurs prises par chacun de ces caractères, et présentons les données à l’aide de la série statistique à deux variable suivante : Valeur xi x1 x2 … xn Valeur yi y1 y2 … yn a) Nuage de points - Point moyen Définition : Dans un repère orthogonal, l’ensemble des points Ai de coordonnées (xi ; yi) (avec 1  i  n) est appelé

|–0,5 | |yi |11 |9 |11 |12 |10 | Représenter le nuage de points Ai (xi ;yi). Un ajustement linéaire semble-t-il justifié ? Calculer les coordonnées du point moyen G de cette série. Donner l’équation de la droite de régression de y en x, la tracer… [pic] Exercice 1 : Sur le graphique ci-contre sont représentées les courbes

Exercices corrigés de statistiques Exercice n°1 Lors d'une période de sécheresse, un agriculteur relève la quantité totale (en m 3) utilisée par son exploitation depuis le premier jour et donne le résultat suivant : Nombre de jours écoulés xi Volume utilisé (en m3) yi 1 2,25 3 4,3 5 8 8 17,5 10 27 Le plan est muni d'un repère orthogonal. On prendra pour unité sur l'axe des abscisses 1 cm pour 1 jour et sur l'axe des ordonnées 0,5 cm pour 1 m3. 1) Représentez alors la série (xi;yi ). 2) Donnez

´ Exercices - Reduction des endomorphismes : ´nonc´ e e ´ Reduction pratique de matrices Exercice 1 - Diagonalisation - 1 - L1/L2/Math Sp´ e Diagonaliser les matrices suivantes : 0 3 2 0 2 −1     A =  3 −2 0  B =  −2 5 2  . 2 −3 0 −2 2 1 On donnera aussi la matrice de passage de la base canonique ` la base de vecteurs propres. a     Exercice 2 - Diagonalisation - 2 - L2/Math Sp´ e Expliquer sans calculs pourquoi la matrice suivante n’est pas diagonalisable : π 1 2   A =  0 π

le projecteur orthogonal sur l'espace engendré par les colonnes de X2. * 2. Z1 1 est une combinaison linéaire des variables du tableau X1 Z1 2 est une combinaison linéaire des variables du tableau X2 Les valeurs des projecteurs P1 et P2 : Rappel d'algèbre linéaire * Définition : Le projecteur orthogonal sur l'espace E engendré par les colonnes de X est l'application linéaire qui fait correspondre à u sa projection orthogonale sur E. Ce projecteur s'écrit: