Intervalle de confiance

Estimation ponctuelle 59 6) Estimation ponctuelle 60 Estimation moyenne et écart type 6) Estimation par intervalle 61 Intervalle de confiance 6) Estimation par intervalle 62 6) Estimation par intervalle 63 6) Estimation par intervalle 64 6) Estimation par intervalle 65 6) Estimation par intervalle 66 6) Estimation par intervalle 67 7) Test Probabilités Statistiques 68 Modèle Réalité Hypothèses Test Risques Echantillon

Variable classée IVCaractéristiques de tendance centrale et de position : A- Mode B- Médiane C- Moyenne arithmétique D- Moyenne géométrique E- Moyenne harmonique F- Moyenne quadratique G- Quantiles VCaractéristiques de dispersion : A- Étendue B- Intervalle inter-quartile C- Variance et écart-type D- Coefficient de variation VILa concentration : A- Valeurs globales B- Médiale C- Courbe de concentration (ou de LORENZ) D- Indice de GINI VII- Les indices : A- Indices élémentaires B- Indices de LASPEYRES

systématique : ne nécessite pas de dresser une liste numérotée des éléments de la population. La procédure de tirage consiste à choisir le premier élément de manière aléatoire sur la base de sondage, les éléments suivants étant ensuite sélectionnés à intervalle régulier. Il faut donc vérifier à ce que le pas ne correspond pas à une réalité susceptible de biaiser les résultats.(ex : si la base de sondage fournit des données mensuelles dans un ordre chronologique , et que le pas est un multiple de 12 , les

(ddl) : N – 1 (par rapport à une moyenne) Y= Moyenne : Variance : (par rapport à une moyenne) Ecart type : 1 N σ2 = ∑Y i i ( 1 ∑ Yi − Y N −1 i ) 2 σ = σ2 Statistiques prédictives intervalle de confiance Intervalle de confiance sur une moyenne : Y ± t ddl ,α ⋅ σ N t : coefficient de Student, dépend du ddl et de α (c.f table de Student) α : risque d’erreur (%) probabilité d’encadrer la valeur P = 100 - α n.b: En général on prend α = 0,05 soit

. . . . . . . . . . . . . . . . . . . .57 1. Introduction . . . . . . . . . . . . . . . . . . . . . 2. Rappel statistique . . . . . . . . . . . . . . . . 3. Test bilatéral . . . . . . . . . . . . . . . . . . . 4. Intervalle de confiance . . . . . . . . . . . . 5. Faut-il faire confiance aux sondages ? 6. Sondage aléatoire ou au hasard . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Département des sciences fondamentales (DSF) Chimie Analytique Laboratoire 1CAN104   Rapport de laboratoire : Dureté et concentration en calcium et en magnésium de l’eau du robinet      Présenté à : Professeur de chimie analytique   Par : Lisa et Joffre 10 mars 2022 Table des matières Introduction 1 But 1 Méthodologie 2 Résultats 2 Discussion 7 Conclusion 9 Références 12 Table des tableauxTableau 1. Volume équivalent en mL de EDTA dans la solution d'eau froide de 100 mL avec l’indicateur

distribution à peu près symétrique. 1 Exemple Pour une distribution continue uniforme sur [0, 1], on a µ2 = σ2 = ----- et 12 1 µ4 = ----- , d’où γ2 = – 1,2 (on aurait bien entendu la même valeur pour une distribution 80 continue uniforme sur un intervalle [a, b] quelconque). appariées (séries) / appariés (échantillons) (paired samples) Q R S T Terminologie qui s’oppose à échantillons indépendants et qui désigne, dans un test d’hypothèse, la constitution d’un échantillon « par paires »

logiciel SAS . . . . . . . . . . . . . . 1.4 conclusion et résumé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 6 7 7 7 8 8 9 10 12 12 12 14 15 15 2 Inférence : le modèle linéaire gaussien 2.1 tests et intervalles de confiance . . . . . . . . . . . . . . . . . . . . 2.1.1 Rappel sur les tests statistiques . . . . . . . . . . . . . . . . 2.2 L’estimateur des mco dans le modèle linéaire gaussien . . . . . . . ˆ ˆ 2.2.1 Loi du couple (β, σ 2 ) . . . . . . . .

caract´ristique et convergence en loi e 5.3.1 Fonction caract´ristique . . . . . . . . e 5.3.2 Convergence en loi . . . . . . . . . . . 5.4 Le th´or`me de la limite centrale . . . . . . . e e 5.4.1 Enonc´ et preuve du r´sultat . . . . . . e e 5.4.2 Intervalle de confiance dans la m´thode e 5.5 Exercices . . . . . . . . . . . . . . . . . . . . . 5.6 R´sum´ . . . . . . . . . . . . . . . . . . . . . e e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

modèle consiste à passer les commandes à des intervalles réguliers. La quantité peut quant à elle varier. Les intervalles dépendent de la consommation de l’article sur une période déterminée. C’est à l’acheteur de prévoir la quantité qu’il aura besoin pendant cette période. Il devra donc faire le calcul avant chaque commande, car il se peut qu’il lui reste du stock après une période définie. Voici le graphique de cette méthode : On voit que les intervalles sont fixes et que le taux de consommation