Variable indépendante

.......................... Form. AF 169 ecueillir et analyser les données sont les deux objectifs fondamentaux de la Statistique. Pour parvenir à cela, il faut suivre plusieurs étapes. Tout d’abord, il s’agit de définir l’objet étudié, les variables statistiques mises en cause, le questionnaire à établir, puis de fabriquer un échantillon représentatif selon un plan de sondage. Nous ne nous étendrons pas sur ce dernier thème dont les développements sont hors de propos dans cet article. Nous aborderons

des matières Table des matières iii 1 Expériences aléatoires et probabilités 1 2 Conditionnement et indépendance 11 3 Variables aléatoires discrètes 3.1 Loi, fonction de répartition, espérance et 3.2 Lois discrètes classiques . . . . . . . . . 3.3 Variable fonction d’une autre variable . 3.4 Couples de variables aléatoires . . . . . . . . . 25 25 32 36 41 4 Variables aléatoires absolument continues 4.1 Densité, fonction de répartition et moments . . . . . . . . . . . 4.2 Lois continues classiques

s’agit d’une étude fictive s’ d’ Formation SMCS : Pratique de la statistique avec SPSS 10 Données Données: Pour chaque athlète, nous avons les informations suivantes : Donné es: athlè Colonne Col1 Col2 Col3 Col4 Nom SPSS V1 V2 V3 V4 Nom de variable Date Identifiant Sexe Vitamine Label Date de la mesure Identifiant de l’athlète Sexe de l’athlète Vitamine prise par l’athlète 1=Homme 2=Femme 1=Vitamine A 2=Vitamine B 3=Vitamine C Values Col5 Col6 Col7 Col8 Col9 Col10 Col11 V5 V6 V7 V8 V9

STS AVA Échantillonnage -A-Théorème de la limite centrée. -A.I-Exemple: Considérons pour la suite X i une suite de variables aléatoires indépendantes suivant toutes X  X 2 ⋯ X n une loi normale N   ;  et notons X n= 1 . n On sait que X 1  X 2 ⋯ X n suit une loi normale et que E  X 1 X 2⋯ X n  =E  X 1 E  X 2  ⋯E  X n =⋯==n   et que 1i n V  X 1 X 2⋯ X n  =V  X 1  V  X 2  ⋯V  X n = 2 2 ⋯ 2 =n  2  n termes n termes Ainsi X 1 

donnée au cours d’une période d’assurance. L’opération d’assurance substitue une constante c à la variable aléatoire S. Comment déterminer c ? Ch. Suquet (Lille 1) Assurances et probabilités 12 avril 2007 4 / 23 Prime pure 1 Soit S la charge totale de sinistre relative à une police donnée au cours d’une période d’assurance. L’opération d’assurance substitue une constante c à la variable aléatoire S. Comment déterminer c ? On cherche c « proche » de S en introduisant une distance pénalisant

: Outils pour la Biologie – Deug SV – UCBL D. Mouchiroud (25/02/2003) ………………………………………………………………….................................................. si n est l’effectif total étudié, l’effectif théorique attendu, ti pour la modalité i de la variable aléatoire X est : (loi des grands nombres en probabilité) ti = n * pi Quelque soit l’hypothèse nulle testée, la stratégie est la même pour tous les tests du χ2. La statistique du χ2 calculée (χ2obs.) est comparée avec la valeur seuil, χ2seuil lue

exercices corrigés Bernard Goldfarb Catherine Pardoux 6e édition © Dunod, Paris, 2011 ISBN 978-2-10-055892-6 Table des matières Avant-propos 1. Distributions statistiques à un caractère I. Définitions 1 A. Population, individu, échantillon B. Variables 2 Représentations graphiques A. Distributions statistiqueset représentations graphiques B. Le diagramme « branche et feuille » Les indicateurs statistiques A. Conditions de Yule B. Les indicateurs de tendance centrale et de position C. Les indicateurs

Variables aléatoires. Couples de variables aléatoires. Sommes de variables aléatoires indépendantes. Variables aléatoires Généralités - Espérance, variance, indépendance dans le cas des variables discrètes A. Claeys GEA - IUT A - Lille 1 Février 2012 Variables aléatoires. Couples de variables aléatoires. Sommes de variables aléatoires indépendantes. Plan 1 Variables aléatoires. Un exemple pour comprendre. Variable aléatoire : définition. Fonction de répartition

2. Événements indépendants . . . . . . . . . . . . . . . . . 2.2.2.1. Définition de l’indépendance de deux événements 2.2.2.2. Tribus indépendantes . . . . . . . . . . . . . . . . 2.2.3. Produit d’espaces probabilisés . . . . . . . . . . . . . . 2.3. Éléments aléatoires . . . . . . . . . . . . . . . . . . . . . . . 2.3.1. Définition et caractérisation . . . . . . . . . . . . . . . . 2.3.2. Loi de probabilité d’un élément aléatoire . . . . . . . . 2.3.3. Éléments aléatoires indépendants . . . . . .

le plus simple: une variable endogène est expliquée par une variable exogène Soit la fonction de production keynésienne: • – • • • • C=a0+a1Y C=consommation Y=revenu a1=propension marginale à consommer a0=consommation autonome ou incompressible Économétrie Francesco Quatraro – 2010/2011 2 Le modèle de régression simple • La variable consommation est appelée variable à expliquer ou variable endogène • La variable revenu est appelée variable explicative ou exogène