Combinaison linéaire

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

A → E A ainsi: ∀x ∈ A (f + g)(x) = f (x) + g(x). e On d´finit . : K × E A → E A ainsi: ∀x ∈ A (λ.f )(x) = λf (x). e Alors (E A , + , .) est un K-ev. D´f. 9. Soit E un K-ev. Soit x ∈ E. Soit k ∈ N∗ . Soient x1 , . . . , xk ∈ E. On dit que e x est combinaison lin´aire de x1 , . . . , xk si ∃λ1 , . . . , λk ∈ K tels que x = λ1 x1 + . . . + λk xk . e § Morphismes de K-ev (ou applications lin´aires). e D´f. 10. Soient E, F deux K-ev. Soit u : E → F une application. On dit que u est lin´aire e e (ou que

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

Chapitre 1 : Forme linéaire dualité dans les espaces vectoriels de dimension finie E : un espace vectoriel de dimension finie sur K (K=R ou C) I. espace dual Rappel : ●On note Homk(E,F), l’ensemble des applications linéaires E→F. ● Homk(E,F) est un espace vectoriel, si on le muni des opérations suivantes : (à vérifier) - Si f,gЄ Homk(E,F) alors on note f+g l’application E→F x,y→f(x)+g(x) On voit facilement que f+g est lineaire, f+gЄ Homk(E,F). -Si Homk(E

M_n(K) Matrice d’une application linéaire - Expression matricielle d’une application linéaire - Matrice carrée d’un endomorphisme – Calcul élémentaire de l’inverse d’une matrice carrée inversible ….. c’est tout pour cette colle Les colles de cette semaine seront ciblées sur : Les matrices en tant que tableaux de scalaires , les opérations et les structures de certains ensembles de matrices La matrice d’une application linéaire et son usage en lien avec noyau , image