Matrice normale

de dessication , il a une présence d’une petite quantité .La croûte continentale s’est enfoncée progressivement à cause de la pression =>Subsidence. Arrêt 5 : La carrière de Barrachin, la sédimentation au Trias moyen On observe une faille normale qui recoupe des strates sédimentaires de calcaire et de dolomie. Or d’après le principe de recoupement qui dit qu’une structure qui en recoupe une autre est plus récente on en déduit que la faille s’est formée après le dépôts de sédiments.On en déduit

1) Loi normale ? Pour savoir si le poids suit une loi Normale, nous allons effectuer un test du khy-2. Dans un premier temps nous allons regrouper les intervalles de manières à avoir au moins 5 valeurs dans chaque. Ensuite nous allons calculer les valeurs théoriques de la distribution. Pour finir nous allons utiliser le test du khy-2 d’Excel qui est déjà implémenté. Test du Khy-2 : 9,760.10-65. En lisant la description de l’aide sous Excel, une faible valeur à ce test signifie bien que la loi

l’écart-type 5 AJUSTEMENT ANALYTIQUE 6 I 1 ére Methode de Mayer 6 2éme Methode :Les moindres carrés 7 Corrélation Linéaire 7 LES PROBABILITES 9 I Notion de variable Aléatoire 9 II Lois de Probabilités 10 A Loi Binomiale 10 B Loi Normale ou loi de Laplace-Gauss 11 Terminologie statistique Serie statistique = ensemble de données Unités statistiques = element constituant la serie statistique Variable = une caractéristique des unités CA en k€ | NB de client | Ecc effectif

= C 0 0 ,025 0 × 0 ,975 12 + C 1 0 ,025 1 × 0 ,975 11 = 0,975 12 + 12 x 0,025 x 0,975 11 12 12 P(E) ≈ 0,737998 +0,227076 ≈ 0,97 (ou 0,96) P(E) ≈ 0,97 C – Loi normale X1 variable aléatoire, qui à toute semaine prise au hasard dans une année, associe la demande en kg d’engrais de type C1. X1 suit N (160 ; 32) X − 160 , T1 suit la loi normale centrée réduite N(0 ; 1) X1 = 32T1 + 160 On pose T1 = 32 P(X1 < 200) = P(32T1 + 160 < 200) = P(32T1 < 40) = P(T1 < 1,25) = Π(1,25) ≈ 0,8944 P(X1 < 200) ≈ 0,8944

redondance des données et de faciliter leur mise à jour. a) La première forme normale Une relation est en première forme normale si tous ses attributs sont élémentaires (ne contiennent qu'une seule information) et sont en dépendance fonctionnelle de la clé primaire (les attributs dépendent de la clé primaire). Exemple : ■FOURNISSEUR (Numfr, Nomfr, AdCPfr, Villefr, Telfr) : Cette relation n'est pas en première forme normale car l'attribut AdCPfr n'est pas élémentaire. Il contient deux informations

Responsable de la matière : Adil ELMARHOUM Traiter les trois exercices suivants : (Documents non autorisés) Exercice 1 On admet que la variable aléatoire X qui prend comme valeurs les résultats de la pesée d'un même objet donné suit une loi normale de moyenne et d'écart type inconnus. On a relevé dans le tableau suivant les résultats de 10 pesées d'un même objet : masse en grammes 72,20 72,24 72,26 72,30 72,36 72,39 72,42 72,48 72,50 72,54 1) Calculer la moyenne et l'écart type de cet échantillon

E(ԐtԐt’) = 0 pour tout t ≠ de t’ * Homoscédasticité des erreurs : V(Ԑt) = E(Ԑt2) = σԐ2 pour tout t Bruit blanc : processus de moyenne nulle, de variance constante et non autocorrélé ≠ l’hétéroscédasticité : V(Ԑt)≠constante. * Ԑt suit une loi normale d’espérance nulle et de variance constante : Ԑt ~N (0, σԐ2) 2. Estimation des paramètres (MCO) Principe  * Objectif : à partir des observations, quantifier la relation entre X et Y en estimant a et b (paramètres inconnus) * Un nuage

de Poisson 1. La variable aléatoire X suit une loi binomiale car nous avons n tirages indépendants (prélèvements au hasard et avec remise) et il y a deux issues possibles (expérience de Bernoulli) : soit la fiche indique une pression intraoculaire normale (succès p =0.10), soit ce n’est pas le cas (échec q = 0.90). Les paramètres sont B (n , 0.10). 2. On a la loi binomiale de paramètres B(10 , 0.10). On va calculer P(X=0) : 0 P(X=0) = C10 (0.10) 0 (0.90)10 = 0.35 3.a) On prend maintenant n=100

1. Justification de la m´ethode des moindres carr´es Th´eor`eme 1.1. Lorsque les erreurs de mesure suivent une loi normale, pour qu’un ensemble de valeurs observ´ees (y1, y2, . . . , yn) d’une fonction `a d´eterminer y = '(x) soit le plus probable, il faut choisir cette fonction de telle sorte que la somme des carr´es des ´ecarts des valeurs observ´ees par rapport `a '(x) soit minimale, autrement dit que sa diff´erentielle soit nulle : d Xn i=1 [yi − '(xi)]2 = 0 D´emonstration. Soit y

écart-type  En déduire la probabilité de la distribution normale P = f(μ) par Excel : « LOI.NORMALE.STANDARD (valeur Z) »  Calculer la différence entre la fréquence cumulée et la probabilité espérée : P - N’(Xi) et définir le plus grand écart en valeur absolue.  Comparer cet écart avec les valeurs tabulées de Miller-Owen. H0 : Ecart ≤ M-O H1 : Ecart > M-O  loi normale correcte : non significatif  ne colle pas à la distribution normale : significatif Le problème qui se pose dans notre cas