Type trophique

: Dans un premier stade, nous rappellerons certains résultats essentiels pour notre travail sur les files d’attente du type M/G/1(interarrivées exponentielles /services généraux/un serveur ; une classe de clients (bateaux)) obtenus par J.NEVEU. Voir (8). File d’attente (M/G/1) :  Moyenne des temps de service : S = 1/µ  Ecart-type des temps de service : σ s (déterminé empiriquement) P 0 = 1- ρ Lq = ] 1 [ ) 1 ( 2 2 2 2    S µ   Wq = ] 1 [ )

d’enregistrements (seulement pour un champ de type numérique ou monétaire) ; Moyenne  trouver la moyenne d’un regroupement d’enregistrements (seulement pour un champ de type numérique ou monétaire) ; Min  trouver la plus petite valeur ; Max  trouver la plus grande valeur ; Compte  compte le nombre d’enregistrements qui répondent aux critères voulus ; Ecart type  trouver l’écart type d’un regroupement d’enregistrements (seulement pour un champ de type numérique ou monétaire) ; Var  trouver

X est donné par le tableau : V aleur xi de X P robabilite pi = p(X = xi ) x1 p1 x2 p2 x3 p3 ... ... xn pn i=n X i=1 L’espérance de X est E(X) = p1 x1 + p2 x2 + p3 x3 + ... + pn xn = La variance de X est V (X) = p1 (x1 E(X))2 + p2 (x2 p L’écart type de X est (X) = V (X) pi x i E(X))2 E(X))2 + ... + pn (xn 3 - Coefficients binomiaux : Soit n et k deux entiers naturels avec k  n Définition : Étant donné une expérience à deux issues, le✓ ◆ nombre de chemins comportant k succès lors

Projet Statistique Inf´rentielle e Maxime REBY - Thomas ROMAIN - Mathieu LIMOUZIN 2013-2014 Table des mati`res e Statistiques descriptives 1 Histogramme et densit´s possibles de f e 2 Estimation non param´trique de la densit´ e e 3 S´lection de la loi et estimation des param`tres e e 4 Test de Kolmogorov-Smirnov 5 Test de l’esp´rance e 6 Estimation du quartile et intervalle de confiance 7 Simulation de 1000 ´chantillons e 8 1 Statistiques

normale, il faudra donc s’assurer : De la symétrie De la moyenne De l’écart type A partir de ses éléments on utilisera la formule : X(valeur quelconque)-M(moyenne)/ Ecart type. 5- Symétrie de la loi : Pour observer la symétrie, nous allons vérifier les résultats suivant : - - 1 écart type + 1 écart type sera plus ou mois égal à 68% - - 2 écart type + 2 écart type sera plus ou moins égal à 95% - -3 écart type + 3 écart type sera plus ou moin égal à 99% -1 35.5 +1 28.1

de séries et même de prototypes de voitures. En outre, au salon de l’automobile, le visiteur peut d’abord trouver le véhicule qui correspond le mieux à ses besoins et à ses attentes. En particulier, il peut obtenir les informations sur le type d’énergie de ce véhicule, ces caractéristiques techniques, ces performances. Le salon est avant tout un lieu de réunion et de promotions des produits des différents concessionnaires automobiles Par ailleurs, une chose est très importante, au

ponctuelle (mesure unique) incertitude absolue : ∆a incertitude relative : ∆a/ames a = ames ± ∆a erreur a ? ames ames - ∆a Grandeur a ames + ∆a 2 - Incertitudes statistiques (mesures répétitives) Moyenne arithmétique Ecart-type n ∑a ames= i=1 n i mes ∆ames 2 1 n i = ames − ames ) ( ∑ n − 1 i =1 Entre une incertitude ponctuelle et et statistique, on choisira celle dont le ∆ englobe l’autre. Grandeurs composés Exemple X = a× (b−c)

DEVOIR NON SURVEILLE N°8 ( Pour le Samedi 05.04.2014 ) Exercice 1 : 10 points Une chaîne de magasin de bricolage commercialise des ponceuses « elliptiques » . CLASSE : 1ère STL Année Scolaire : 2013 – 2014 On note D l’évènement : « Une ponceuse elliptique prélevée au hasard dans un stock important de la chaîne est défectueuse . » On suppose que . On prélève au hasard 25 ponceuses elliptiques dans le stock pour vérification . Le stock est assez important pour que l’on puisse assimiler

Estimation ponctuelle de p = 36/60 = 0,60 Écart-type de la portion d’échantillon : ((0,60*0,40)/60) = 0,063 95% Za/2 = Z0, 025 = 1,96 Limite inférieure : 0,60 - (1,96*0,063) = 0,477 Limite supérieure 0,60 + (1,96*0,063) = 0,723 c) Marge d’erreur = 1,96 * ((0,60*0,40)/60) = 0,123, soit 12,3% d) Moyenne : 52 620,89$ Variance : 25 437 295,73$ Écart-type : 5 043,54$ e) CV% = (Écart-type/Moyenne) * 100 = (5043,54/52620,89) * 100 = 9,58%

de l’information utile pour l’aide à la décision. » 4 Les 3 objectifs du Data minning  Expliquer : Analyser la variable à étudier (moyenne, variance, écart-type)  Explorer : Chercher le lien entre les variables et élaborer un modèle (Covariance, Coefficient de corrélation)  Confimer : Elaboler les hypothèses pour valider le type de modèle 5 Connaissances  Knowledge Discovery in Databases (KDD)   Processus complet d’Extraction de Connaissance des Données (ECD) Comprend plusieurs