Variable globale

P, (Xt )t∈T constitué par (Ω, F, P) qui est un espace de probabilité et d’une famille (Xt )t∈T de variables aléatoires définies sur (Ω, F, P) à valeurs (E , B). L’espace (Ω, F, P) est appelé espace de base et (E , B) est dit espace de phase ou espace des états du processus. Exemple 1.1: On considère N lancers indépendants d’un dé à six faces non pipé. On souhaite modéliser le résultat global de l’expérience par un processus stochastique. - T = {1, · · · , N} ensemble des paramètres. - Xi

Réalisation de logiciels éducatifs », nous nous sommes proposé de réaliser un projet de logiciel portant sur une introduction aux statistiques en psychologie. Ce projet se subdivise en 3 parties : une partie de scénarisation et de mise en place d’un cadre global comportant une métaphore de navigation et une structuration modulaire ; une partie de conceptualisation et de scénarisation plus spécifique concernant un module précis ; et finalement la réalisation dudit module sous sa forme informatisée avec le

« à l’aise » avec la ligne de commande. Les variables d’environnement Les variables sont des valeurs associées à des noms explicites; elles constituent l'environnement d'exécution des commandes. On retrouve dans l'environnement standard du shell un certain nombre de variables dont il se sert à l'exécution. Les plus utilisées sont : • HOME : variable initialisée au login et contenant le répertoire de connexion de l'utilisateur. • PATH : variable contenant la liste des répertoires où effectuer

Statistique descriptive unidimensionnelle 2.1 Cas d’une variable quantitative discr`te . . . . . . . . . . . . e 2.1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . 2.1.2 Pr´sentation des donn´es . . . . . . . . . . . . . . . . e e 2.1.3 Repr´sentations graphiques usuelles . . . . . . . . . . e 2.1.4 Notion de quantile et applications . . . . . . . . . . . 2.1.5 Caract´ristiques num´riques . . . . . . . . . . . . . . . e e 2.2 Cas d’une variable quantitative continue . . . . . . . . . . . . e

prévisionnelles: Séries chronologiques • Cours 4 : probabilités • Cours 5 : variables aléatoires Plan du cours • Cours 6: les modèles discrets (binomiale, hypergéométrique, Poisson) • Cours 7 : les modèles continus (uniforme, normale, exponentielle) • Cours 8 : intervalle de confiance, marge d ’erreur • Cours 9 : tests d'hypothèse sur une moyenne Les définitions de base • • • • Population et individus Variables Types de variables Échantillon Population et individus • Individu ou unité statistique

Objectifs Qualitative Enumérer Explorer Comprendre Interpréter Pourquoi ? Comment ? Dans quelles conditions ? Quantitative Décrire, identifier Prédire Hiérarchiser, Pondérer Visualiser, résumer Qui consomme quoi ? Quand ? Combien ? Quelles variables expliquent (le plus, le mieux) ? Comment résumer le mieux possible ? Questions d’étude Hypothèses sous-jacente Interprétation subjective et en profondeur des faits Réalité multiple Interdépendance des faits et de l’observateur Rôle de l’inconscient

statistiques les plus accessibles (souvent biaisés) B- Les sondages par quotas Cette méthode consiste à respecter, dans la constitution de l’échantillon, certaines proportion de la population. Attention, pour qu’il fonctionne, il faut que les variables sur lesquelles sont fondées les quotas soient fortement reliées aux comportements étudiés. De plus, il existe trois problèmes fondamentaux : Quotas de qualité, mis à jour Possible biais de sélection opéré par le sondeur (homme interrogera plutôt

marché et les combinaisons de ces différents titres. Les portefeuilles sont formés par de telles combinaisons. Les rentabilité des différents titres, et par conséquent la rentabilité des portefeuilles, sont en général entachées d’aléa. L’étude des variables aléatoires relève des probabilités et des statistiques. Bien que l’utilisation de la statistique mathématique ait été délibérément réduite au minimum (au profit d’arguments plus intuitifs et au prix d’une perte apparente de généralité), un minimum

expérimentation d’une théorie économique. * La prévision : fait référence au modèle prévisionnel. On utilise alors le modèle économétrique estimé pour prévoir les valeurs de certaines variables se trouvant en dehors du champ des données observées. Cette prévision se fait en tenant compte des valeurs prises par d’autres variables. * L’évaluation de politiques : cela signifie que l’on utilise le modèle économétrique estimé pour choisir entre différentes politiques alternatives. La simulation est en

: ITerminologie : 9 10 11 11 12 12 13 14 14 16 16 17 19 19 20 21 22 22 22 23 23 23 23 24 24 25 25 25 26 26 27 27 28 29 29 29 29 IITableaux statistiques : A- Cas d’une seule variable B- Cas de deux variables III- Représentations graphiques : A- Variable qualitative B- Variable quantitative 1) Variable discrète 2) Variable classée IV- Caractéristiques de tendance centrale et de position : A- Mode B- Médiane C- Moyenne arithmétique D- Moyenne géométrique E- Moyenne harmonique F- Moyenne quadratique