Variable dépendante

MAC - Module 1 - L’étude des fonctions LES FONCTION AFFINE, LA RÈGLE D’UNE FONCTION AFFINE, VARIABLES DISCRÈTES, VARIABLES CONTINUES, L’ORDONNÉE À L’ORIGINE, L’ABSCISSE À L’ORIGINE, LA RÉCIPROQUE D’UNE FONCTION, LE DOMAINE ET L’IMAGE (LE CODOMAINE), LES VARIABLES DÉPENDANTES ET INDÉPENDANTES, L’ÉTUDE DU SIGNE, LES EXTREMUMS (MINIMUM ET MAXIMUM), LES INTERVALLES CROISSANTES, CONSTANTES, DÉCROISSANTES, STRICTEMENT CROISSANTES ET STRICTEMENT DÉCROISSANTES. Une fonction affine est une fonction

hauteur en mètre de : 1. L’oratoire St-Joseph et 2. L’école d’optométrie en nous servant du sexant, de distance et quelques formules de trigonométrie. Identification des variables Notre variable dépendante est la hauteur du bâtiment à mesurer et la variable indépendante est l’angle à laquelle où on ne voit plus le bâtiment. La variable à contrôler est la distance qui nous sépare de l’oratoire/école d’optométrie. Schéma des édifices (de l’oratoire St-Joseph)   Cadre Théorique En nous basant

fonction de la position où le taux de variation sera la vitesse du véhicule. Délimitation : Variable indépendante : temps (seconde) Variable dépendante : position (centimètre) Paramètre constants : la masse (20 grammes) CD1 Cr 1 : Représentation adéquate de la situation | A | B | C | D | E | L’élève propose une hypothèse vraisemblable | 10 | 8 | 6 | 4 | 2 | L’élève identifie correctement les variables et les constantes | 5 | 4 | 3 | 2 | 1 | Matériel * Chariot * ruban de papier

bouchon de caoutchouc. En utilisant la formule Fc= , on a trouvé que v=. En utilisant les mesures de la force moyenne trouvé a l`aide de Data Logger Pro et le rayon et la masse, nous avons pu calculer la vitesse. Variables : variable dépendante; la force centripète; ±0,001 Variable indépendante; le temps; ±0,01 Tableau des résultats : Force centripète (N) Rayon (m) Masse du bouchon (g) Vitesse (m/s) ±0,001N ±0,0005m ±0,01g 0,001m/s 1 0,767 0,300 19,70 0,109 2 1,329 0,300

fr Une grande partie des illustrations viennent du site Internet de l’Université d’Ottawa (cours de Biostatistiques appliquées; © Antoine Morin et Scott Findlay) Quand utiliser l’ANOVA • • • • • Pour tester l’effet d’une variable indépendante “discrète” Chaque variable indépendante est appelée un facteur et chaque facteur peut avoir deux ou plusieurs niveaux ou traitements (ex: niveau d ’irrigation; température d ’élevage; région géographique, etc) Une ANOVA teste si toutes les moyennes sont

 FICHES ECONOMETRIE Modèle simple de regression linéaire : Yi la variable dépendante Xi la variable indépendante 0 la valeur de Yi quand X = 0 Composante linéaire 1 la pente de la droite i la composante de l’erreur aléatoire Estimation de la valeur de Y pour l’observation I : i la valeur estimée b0 l’interception estimée avec l’axe des ordonnées b1 l’estimation de la pente Xi la valeur de X pour l’observation i Méthode du moindre carré :

ANALYSE STATISTIQUE : 16/09/2014 CHAPITRE 1 NOTIONS DE BASE,TYPES DE VARIABLE,STRUCTURE DES DONNEES I. Statistique et expérience 1) L'analyse de données 2) Exemple avec graphique ( réf manuel cours ) II. Population,individus ( ou sujets ),échantillon Sujet pas forcément des individus,peut être aussi des objets. DEUX ETUDES POSSIBLES : Recensement de toute la population Sondage sur un échantillon Les deux étapes d'un sondage Étude descriptive : décrire l'échantillon Étude inférentielle :

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Variables ou caractères statistiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4.1 1.4.2 1.4.3 1.5 Variables quantitatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Variables qualitatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Variables dépendantes et indépendantes . . . . . . . . . . . . . . . . . . . . . . . . . . . .

méthode statistique la plus utilisée. On distingue habituellement la régression simple (une seule variable explicative) de la régression multiple (plusieurs variables explicatives) bien que le cadre conceptuel et les méthodes de calculs soient identiques. Le principe de la régression linéaire est de modéliser une variable dépendante quantitative Y, au travers d'une combinaison linéaire de p variables explicatives quantitatives, X1, X2, …, Xp. Le cadre statistique et les hypothèses qui l'accompagnent

de fertilisants sur la production de maïs. Pour cela on estime le modèle suivant: Pt = b0 + b1 Ft+ b2 F²t + b3 Et+ b4 Qt+ b5 It+ ut Avec t=1985, …, 2006 Question 1 : Présentons le modèle, les données et l’équation testée en expliquant les variables exogènes retenues et les signes attendus des coefficients. Pt = b0 + b1 Ft+ b2 Ft2 + b3 Et+ b4 Qt+ b5 It+ ut P: la production de maïs (en tonnes par hectare) T : année d’observation F : quantité utilisée de fertilisants (en kilogrammes) E :