La Loi Khi Deux

vocabulaire |Grosso modo, la théorie des probabilités est la branche mathématique la plus féconde pour les statistiques univariées tandis que les analyses de données | |multivariées utilisent plutôt l’algèbre linéaire. Toutefois, la limite entre les deux est assez poreuse (l’analyse discriminante, par exemple, repose sur | |des règles de décision probabilistes)… | |Cette page constitue

usuelles . . . . . . . . . . . . . . . . . 1.4.1 La loi binomiale B(n, p) . . . . . . . . . . . . 1.4.2 La loi hyperg´eom´etrique H(N, n, p) . . . . . 1.4.3 La loi de Poisson P(m) . . . . . . . . . . . . 1.5 Lois continues usuelles . . . . . . . . . . . . . . . . . 1.5.1 La loi normale (Laplace-Gauss) N (µ, σ) . . . 1.5.2 La loi du Khi-deux `a n degr´es de libert´e (χ2n ) 1.5.3 La loi de Student `a n degr´es de libert´e (Tn ) . 1.5.4 La loi de Fischer-Snedecor (F(n1 , n2 )) . . . . . .

microfilm ou tout autre moyen ainsi que la conservation des banques de données. La loi française sur le copyright du 9 septembre 1965 dans la version en vigueur n’autorise une reproduction intégrale ou partielle que dans certains cas, et en principe moyennant le paiement de droits. Toute représentation, reproduction, contrefaçon ou conservation dans une banque de données par quelque procédé que ce soit est sanctionnée par la loi pénale sur le copyright. L’utilisation dans cet ouvrage de désignations, dénominations

garantie d’une analyse statistique valide. Une bonne connaissance de la statistique est nécessaire pour savoir quelle méthode choisir et pourquoi, et comment interpréter les résultats. L'ensemble des méthodes de l'analyse des données peut être divisé en deux catégories : •les méthodes pour décrire •les méthodes pour expliquer Nous allons nous intéresser ici aux méthodes descriptives Rappels sur la statistique descriptive unidimensionnelle et bidimensionnelle La Statistique Descriptive est l'ensemble

utiliser l'information suivante : URI: http://id.erudit.org/iderudit/029931ar DOI: 10.7202/029931ar Note : les règles d'écriture des références bibliographiques peuvent varier selon les différents domaines du savoir. Ce document est protégé par la loi sur le droit d'auteur. L'utilisation des services d'Érudit (y compris la reproduction) est assujettie à sa politique d'utilisation que vous pouvez consulter à l'URI http://www.erudit.org/apropos/utilisation.html Érudit est un consortium interuniversitaire

Analyser et interpréter une ou des situations concrètes propres aux sciences humaines en appliquant des outils statistiques appropriés et en utilisant un logiciel de statistiques. Épreuve finale : L’épreuve finale se divisera en deux volets, chacun étant réalisé individuellement et en classe : Volet 1 : Examen.Cet examen inclut des réponses courtes, des problèmes à résoudre et des mises en situation à analyser et interpréter permettant à l’étudiant de démontrer qu’il est

(asymétrie) et du Kurtosis (aplatissement). Cœfficient de Skewnes=[pic] Cœfficient Kurtosis=[pic] Si [pic]suivent une loi normale alors, la quantité [pic] [pic] Remarque : La puissance de ce test réside dans sa validité même en présence de l’hétéroscédasticité. Cette dernière se manifeste sur le graphe de la distribution par des queux plus épaisses que les queux de la loi normale. 7- Homoscédasticité des résidus Les tests d’hétéroscédasticité sont nombreux, nous citons en particulier le

Rappels sur les intervalles de confianceQuelques rappels sur les intervalles de confiance I/ Généralités Soient : X une variable aléatoire de loi paramétrée par θ et X 1 ,...,X n n variables i.i.d selon la loi de X. 1) Principe d’un intervalle de confiance Plutôt que d’estimer ponctuellement la vraie valeur inconnue du paramètre θ , on recherche un intervalle recouvrant «très vraisemblablement » cette vraie valeur. Définition : On appelle intervalle de confiance de niveau de confiance 1− α du paramètre

La loi faible des grands nombres : la suite des moyennes empiriques ̅ converge en probabilité vers la moyenne théorique m, justifie le choix de la moyenne empirique ̅ comme estimateur de m. ̅ est un estimateur de m sans biais et convergent ̅ ∑ Par conséquent on utilise la fonction d’Excel «=MOYENNE » sur l’échantillon de 200 qu’on a tiré. ̅ ∑ Par intervalle de confiance : - 13 - L’échantillon est de taille assez grande, c’est pourquoi on peut utiliser les formules de loi normale

discr`etes usuelles . . . . . . . . . . . . . . . . . 1.4.1 La loi binomiale B(n, p) . . . . . . . . . . . . 1.4.2 La loi hyperg´eom´etrique H(N, n, p) . . . . . 1.4.3 La loi de Poisson P(m) . . . . . . . . . . . . 1.5 Lois continues usuelles . . . . . . . . . . . . . . . . . 1.5.1 La loi normale (Laplace-Gauss) N (µ, σ) . . . 1.5.2 La loi du Khi-deux `a n degr´es de libert´e (χ2n ) 1.5.3 La loi de Student `a n degr´es de libert´e (Tn ) . 1.5.4 La loi de Fischer-Snedecor (F(n1 , n2 )) . . . . . . . . .