Calculer les moyennes trimestrielles coefficientées avec EXCEL.
Le critère ">= 0" fait que l'on additionne les coefficients correspondant aux notes supérieures ou égales à zéro. Si l'on avait voulu trouver une moyenne d'
Résumé du Cours de Statistique Descriptive
15 déc. 2010 1 Variables données statistiques
Estimations et intervalles de confiance
mations : intervalle de confiance d'une proportion d'une moyenne confiance pour ?
Première ES - Statistiques descriptives - Variance et écart type
Pour calculer la moyenne on détermine les milieux des classes de la pratique de calcul de la variance et de l'écart type (avec la formule de la.
Présentation des Travaux Dirigés – Introduction à léconomie
La moyenne des trois notes déterminera votre note de la 1ère évaluation de Tableau 2 : Calcul de l'indice des prix avec des coefficients (quantités de ...
Je suis en terminale générale en 2021-2022. Comment calculer ma
Comment calculer ma note de baccalauréat ? Rentrez vos notes dans ce tableau multipliez-les par leur coefficient et divisez le total par 100.
Actions du vent sur les bâtiments selon lEurocode 1 – Partie 1-4
10 mai 2014 avec vm (z) vitesse moyenne du vent a` la hauteur z ... Tableau 6 – Parame`tres relatifs au calcul du coefficient orographique.
SAVOIR-FAIRE Taux de croissance annuel moyen Activités pour l
Dans notre exemple il s'agit de calculer la moyenne géométrique des taux : - 3
Statistiques descriptives et exercices
Le coefficient de corrélation entre les variables X et Y . On peut donc exprimer et calculer la moyenne dite "arithmétique" avec.
Tableaux et graphiques Manipulation de données
Les mesures de dispersion. › Étendue. › Variance et écart-type. › Coefficient de variation. Mesures de dispersion. La fonction «compute» ou «calculer».
Calcul de moyenne avec coefficient – La moyenne pondérée dans
17 nov 2022 · 2- Calcul de moyenne avec coefficient – fonction SOMMEPROD d'Excel · 1- On saisit =SOMMEPROD( · 2- Puis on sélectionne par la souris la plage des
[PDF] Calculer les moyennes trimestrielles coefficientées avec EXCEL
La moyenne de l'élève BARBE en H6 est certes juste mais les autres moyennes d'élèves dans les cellules H7 et H8 du tableau ci-dessous sont fausses Les élèves
[PDF] Moyenne pondérée avec un tableur
Moyenne pondérée avec un tableur OpenOffice – Calc Microsoft – Excel On considère deux listes (deux matrices) qui vont être multipliées par la
[PDF] 04 Calcul de moyennes avec un tableur NOM
Insérez une ligne avec les coefficients et recalculez les moyennes : Vous arrondirez les moyennes au dixième de point près Il y a un gros problème ! La moyenne
[PDF] Calcul de moyenne avec coefficient excel pdf - Squarespace
Pour ce faire on va prendre comme exemple le tableau Excel suivant où on veut calculer la moyenne des notes avec coefficients des étudiants dans 3 matières
EXCEL - Calculer la MOYENNE avec COEFFICIENT - YouTube
24 oct 2022 · Comment calculer la moyenne avec coefficient sur Excel ?Le calcul de la moyenne avec Durée : 3:28Postée : 24 oct 2022
[PDF] Calcul de moyenne et de coefficient avec Pythonpdf
Calcul de moyenne et de coefficient avec Python moyenne = 0 somme_des_coeff = 0 nbre_notes = int(input("saisissez le nombre de notes : "))
[PDF] Moyenne simple et moyenne pondérée Activité pour lélève
La moyenne correspond au rapport entre la somme de toutes les valeurs et le calculer sa moyenne en appliquant à chaque mafière le même coefficient qu'au
Comment calculer une moyenne avec de coefficient ?
Pour calculer une moyenne pondérée, vous devrez d'abord multiplier la valeur par son coefficient, puis additionner les différents résultats obtenus que vous diviserez enfin par la somme des coefficients.Comment calculer des notes avec coefficient sur Excel ?
Calcul d'une moyenne pondérée sur Excel :
1Cliquez sur une cellule où vous voulez voir apparaître votre moyenne.2Dans la barre de formule ou directement dans la cellule, saisissez : ''=SOMMEPROD''.3À la place de "matrice 1", sélectionnez les cellules pour lesquelles vous souhaitez obtenir la moyenne.Comment appliquer un coefficient sur Excel ?
Dans une cellule vide d'Excel, saisissez le nombre ou le coefficient multiplicateur (1,10 pour 10%) à appliquer à vos cellules. Sélectionnez-la et utilisez le raccourci clavier Ctrl + C pour la copier dans le presse-papier. Sélectionnez ensuite les cellules où vous souhaitez appliquer votre opération.- Rendez-vous dans la cellule où vous désirez inscrire le résultat et tapez sur "=". Appuyez sur la fl?he à droite de "MINUSCULE". Dans la liste déroulante qui apparaît, cliquez sur "MOYENNE".
![Estimations et intervalles de confiance Estimations et intervalles de confiance](https://pdfprof.com/Listes/17/24976-17st-l-inf-estim.pdf.pdf.jpg)
Estimations et intervalles de confiance
Estimations et intervalles de confiance
Résumé
Cette vignette introduit la notion d"estimateur et ses propriétés : ponctuelle de paramètres de loi : proportion, moyenne, variance. La connaissance des lois de ce estimateurs permet l"estimation par in- tervalle de confiance et donc de préciser l"incertitude sur ces esti- mations : intervalle de confiance d"une proportion, d"une moyenne si la variance est connue ou non, d"une variance.Retour au
plan du cour s1 Introduction
Le cadre est le suivant : on dispose de données observées (en nombre fini) et l"on désire tirer des conclusions de ces données sur l"ensemble de la popu- lation. On fait alors une hypothèse raisonnable : il existe une loi de probabilité sous-jacente telle que les "valeurs observables" des différents éléments de la population étudiée puissent être considérées comme des variables aléatoires indépendantes ayant cette loi. Un aspect important de l"inférence statistique consiste à obtenir des "esti- mations fiables" des caractéristiques d"une population de grande taille à partir d"un échantillon extrait de cette population. C"est un problème de décision concernant des paramètres qui le plus souvent sont : l"espérance mathématique ; la proportion p; la v ariance2. Ces paramètres sont a priori inconnus car la taille réelle de la population étant très grande, il serait trop coûteux de tester tous les éléments de la population. Ainsi, comme un échantillon ne peut donner qu"une information partielle sur la population, les estimations que l"on obtiendra seront inévitablement entachées d"erreurs qu"il s"agit d"évaluer et de minimiser autant que possible. En résumé, estimer un paramètre inconnu, c"est en donner une valeur ap-prochée à partir des résultats obtenus sur un échantillon aléatoire extrait de lapopulation sous-jacente.
Exemple :Un semencier a récolté 5 tonnes de graines de Tournesol. Il a besoin de connaître le taux de germination de ces graines avant de les mettre en vente. Il extrait un échantillon de 40 graines, les dépose sur un buvard humide et compte le nombre de graines ayant évolué favorablement. On remarque que ce contrôle est de type destructif : l"échantillon ayant servi au contrôle ne peut plus être commercialisé. Il s"agit donc d"évaluer la proportionpdes graines de la population à grand effectif, présentant un certain caractèreX: succès de la germination. Même avec une population d"effectif restreint, un contrôle depne peut être calculée. Le modèle s"écrit commenréalisationsxide v.a.r. indépendantes de Ber- noulliXidéfinies par : X i=1si l"individuiprésente le caractèreX0sinon.
Il est naturel d"estimerpparx
n=1n P n i=1xi;qui est la proportion des indi- vidus ayant le caractèreXdans l"échantillon. En effet, la LGN nous assure de la convergence en probabilité de la v.a.r.X=1n P n i=1Xivers l"espérance de X1, c"est-à-direp;Xest l"estimateur de la proportionpetpest estimée par
la réalisationx ndeX. Dans l"expérience de germination, 36 graines ont eu une issue favorable avecxi= 1. La proportion estimée estx= 40=36 = 0;9 C"est une estimation diteponctuelle. D"autre part, dans toute discipline scien- tifique, il est important d"avoir une indication de la qualité d"un résultat ou encore de l"erreur dont elle peut-être affectée. Ceci se traduit en statistique par la recherche d"un intervalle, ditintervalle de confiance, dont on peut assurer, avec un risque d"erreur contrôlé et petit, que cet intervalle contient la "vraie" valeur inconnue du paramètre. Dans la suite nous nous intéresserons donc à deux types d"estimations : soit une estimation donnée par v aleurscalaire issue des réalisations des v.a.r.Xi: l"estimationponctuelle; soit une estimation donnée par un ensemble de v aleursappartenant à un intervalle : l"estimation parintervalle de confiancecontrôlé par un risque d"erreur fixéa priori.1Estimations et intervalles de confiance
2 Estimation ponctuelle
2.1 Estimateur
Convergence
DÉFINITION1. - Unn-échantillon aléatoire issu d"une v.a.r.Xest un en- semble(X1;:::;Xn)denv.a.r. indépendantes et de même loi queX. Soitun paramètre associé à la loi deX, par exemple=E(X)ou= Var(X). À partir de l"observation d"un échantillon aléatoire(X1;:::;Xn), on souhaite estimer le paramètre. DÉFINITION2. - Un estimateurbndeest une fonction qui dépend unique- ment dun-échantillon(X1;:::;Xn). Il est dit convergent s"il est "proche" de au sens de la convergence en probabilité : pour tout >0, P jbnj> !n!+10:Dans l"exemple de l"introduction, la quantité
1n P n i=1Xiest un estimateur convergent depet si, par exemple, on a observé21pièces défectueuses sur un lot de1500pièces prélevées, l"estimation ponctuelle depobtenue estx n= 21=1500 = 1;4%. Pour estimer l"espérancedes variables aléatoiresXi, on utilise la moyenne empiriqueX n=1n n X i=1X i; car par la LGN, on sait qu"elle converge en probabilité vers l"espérance =E(X1). Le but de la théorie de l"estimation est de choisir, parmi toutes les statistiques possibles, le "meilleur" estimateur convergent, c"est-à-dire celui qui donnera une estimation ponctuelle la plus proche possible du paramètre et ceci, quelque soit l"échantillon.Exemple :Considérons une v.a.r.Xreprésentant le nombre de grippes attra-
de paramètre >0. Chercher la loi deX, c"est chercher, qui n"est autre que l"espérance mathématique deX. Par conséquent, la LGN nous indique queX n est un estimateur convergent de: pour tout >0, P 1n n X i=1X i n!+10: Grâce à l"inégalité de Chebychev, on peut démontrer le théorème suivant : THÉORÈME3. - Soitbnun estimateur de. Si l"on a : lim n!+1E(bn) =et limn!+1Var(bn) = 0; alors bnest un estimateur convergent de. Biais DÉFINITION4. - Soitbnun estimateur convergent d"un paramètre. On appelle biais la quantitéE(bn). L"estimateurbnest dit sans biais siE(bn) =, et biaisé sinon.
Exemple :La moyenne empiriqueX
nest un estimateur convergent et sans biais de l"espérance mathématique.Écart quadratique moyen
Notons que l"on a
E n (bn)2o =En (bnE(bn) +E(bn))2o =En (bnE(bn))2+ (E(bn))2+ 2(bnE(bn))(E(bn))o =Var(bn) + (biais)2; car le termeEn (bnE(bn))(E(bn))o est nul. Ainsi, pour rendre l"écart quadratique moyenEn (bn)2o le plus petit possible, il faut que2Estimations et intervalles de confiance
-E(bn) =, donc choisir un estimateur sans biais, la v arianceV ar(bn)soit faible. On choisira donc, parmi les estimateurs convergents et sans biais, celui qui a la variance la plus petite. En d"autres termes, si bnest un estimateur convergent et sans biais de, on a tout intérêt à ce quebnne varie pas trop autour de sa2.2 Estimateur d"une moyenne ou d"une proportion
On considère unn-échantillon(X1;:::;Xn)issu d"une loi de moyenne et de variance2, toutes deux inconnues. 1. d"après la LGN, la mo yenneempirique X nest un estimateur convergent de. 2. l"estimateur X nest sans biais. 3. par indépendance : V ar(X n) =2n 4. loi de X n: si X N(;2), alorsX n N(;2=n). lorsque nest grand, d"après le TCL, la loi deX nest approchée par une loi normaleN(;2=n). L"estimation d"une proportionpest un cas particulier du précédent, au sens où les v.a.r.Xiconsidérées sont de Bernoulli de paramètrep.2.3 Estimateur de la variance
DÉFINITION5. - La variance empirique associée à unn-échantillon (X1;:::;Xn)est définie par S2n=1n1n
X i=1(XiX n)2: DÉFINITION6. - Soit(Y1;:::;Yn)unn-échantillon de v.a.r. de loiN(0;1). On appelle loi du chi-deux àndegrés de liberté la loi de la v.a.r.Pn i=1Y2i, et on la note2(n).Propriétés de la variance empirique :
1.S2nest un estimateur convergent de la variance2.2.S2nest sans biais.
3. loi de S2n: pas de résultat général. Cependant, siX N(;2), alors la v.a.r. n12S2nsuit une loi du chi-deux àn1degrés de libertés2(n1):
Remarque :PuisqueE(Yi) = 0;on aE(Y2i) =Var(Yi) = 1. SiVsuit une loi2(n), alors
E(V) =E(Y21+:::+Y2n) =n:
Ainsi on retrouve le fait queS2nest un estimateur convergent et sans biais de 2:E(S2n) =2n1E(2n1) =2:
3 Estimation par intervalle de confiance
Pour l"estimation ponctuelle, on considère
un paramètre inconnu , un ensemble de v aleursobservées (x1;:::;xn), réalisations d"unn- échantillon aléatoire(X1;:::;Xn), et son estimation ponctuellex n= 1n P n i=1xi. Les estimations ponctuelles n"apportent pas d"information sur la précision des résultats, c"est-à-dire qu"elles ne tiennent pas compte des erreurs dues aux fluc- tuations d"échantillonnage. Pour évaluer la confiance que l"on peut avoir en une valeur, il est nécessaire de déterminer un intervalle contenant, avec une certaine probabilité fixée au préalable, la vraie valeur du paramètre : c"est l"es- timation par intervalle de confiance.3.1 Définition d"un intervalle de confiance
Soit(X1;:::;Xn)unn-échantillon aléatoire etun paramètre inconnu de la loi desXi. DÉFINITION7. - Soit2]0;1[. S"il existe des v.a.r.min(X1;:::;Xn)et max(X1;:::;Xn)telles que P2[min(X1;:::;Xn);max(X1;:::;Xn)]= 1;
on dit alors que[min(X1;:::;Xn);max(X1;:::;Xn)]est un intervalle de confiance pour, avec coefficient de sécurité1:On le noteIC1().3Estimations et intervalles de confiance
Dans la pratique, on peut prendre par exemple= 5%, ce qui nous donne un IC à95%. Cela signifie qu"il y a95%de chance que la valeur inconnuesoit comprise entremin(x1;:::;xn)etmax(x1;:::;xn).3.2 Intervalle de confiance pour la moyenne et la va-
riance dans le cas d"un échantillon gaussien Soit(X1;:::;Xn)unn-échantillon de v.a.r. de loiN(;2). Estimation de l"espérancelorsque la variance2est connuePour estimer, on utilise la moyenne empiriqueX
n=1n P n i=1Xiqui a pour loiN(;2=n). Il en résulte que pn X n N(0;1); et que P z1=2pn X n z1=2 = 1:Ceci équivaut à
P X nz1=2pn X n+z1=2pn = 1: On obtient donc un IC pour l"espéranceavec coefficient de sécurité1 dans le cas oùest connu : il s"agit de l"intervalle aléatoire X nz1=2pn ;X n+z1=2pnAinsi, dans les calculs, l"IC est donné par
IC1() =x
nz1=2pn ;x n+z1=2pn oùx nest l"estimation ponctuelle deassociée à la réalisation dun-échantillon (X1;:::;Xn).Estimation de l"espérancelorsque la variance2est inconnue Lorsque la variance2est inconnue, il est alors nécessaire de remplacer dans les formules précédentes cette quantité par la variance empirique, qui en est un estimateur convergent. Il faut donc considérer non plus la quantitépn X n mais plutôt pn X nS n qui ne suit plus une loi normale mais une loi dite de Student àn1degrés de liberté, que l"on noteTn1. La densité de la loi de Student est une fonction paire, comme la loi normaleN(0;1). On dispose de tables pour obtenir les quantiles de cette loi. On en déduit donc que P t1=2pn X nS n t1=2 = 1; ce qui équivaut à P X nt1=2S npn X n+t1=2S npn = 1: On obtient donc un IC pouravec coefficient de sécurité1, dans le cas où la variance2est inconnue : il s"agit de l"intervalle aléatoire X nt1=2S npn ;X n+t1=2S npnAinsi, dans les calculs, l"IC est donné par
IC1() =x
nt1=2s npn ;x n+t1=2s npn oùx nets2nsont les estimations ponctuelles respectives de la moyenneet de la variance2. Remarque :Si les v.a.r.X1;:::;Xnne sont pas gaussiennes mais quenest assez grand (en pratique supérieur à 30), alors le TCL nous garantit que la moyenne empirique suit approximativement la loiN(;2=n). Ainsi, dans4Estimations et intervalles de confiance
le cas où l"on souhaite estimer l"espérance lorsque la variance est connue, l"IC est identique à celui déterminé lorsque les v.a.r.X1;:::;Xnsuivent la loiN(;2).Estimation de la variance2
On estime la variance2, supposée inconnue, par la variance empirique S2n=1n1P
n i=1(XiX n)2:On sait que la v.a.r.S2na pour loi2n12(n1) et queE(S2n) =2n1E(2(n1)) =2;
c"est-à-dire queS2nest un estimateur sans biais de2. De plus, on lit dans des tables les quantiles d"ordre=2et1=2de la loi du2(n1), respectivement notésv=2etv1=2(il est normal que les quantiles qui nous intéressent ne soient pas opposés car la densité de cette loi n"est pas paire, à l"inverse de la loi normale centrée réduite). On obtient alors P v =2n12S2nv1=2
= 1:Ceci équivaut à
P(n1)S2nv
1=22(n1)S2nv
=2 = 1: On obtient donc un IC pour la variance2avec coefficient de sécurité1: il s"agit de l"intervalle aléatoire(n1)S2nv1=2;(n1)S2nv
=2Ainsi, dans les calculs, l"IC est donné par
IC1(2) =(n1)s2nv
1=2;(n1)s2nv
=2 oùs2nest l"estimation ponctuelle de2associée à la réalisation dun-échantillon(X1;:::;Xn):
s2n=1n1n
X i=1(xix n)2:3.3 Intervalle de confiance pour la proportion Revenons à l"exemple introductif : on cherche à estimer la proportionde graines défectueuses du lot de céréales. On prélève un lot dengraines et on noteXila v.a.r. qui vaut1si la graineigerme, et0sinon. On estimepar la moyenne empiriqueX n=1n P n i=1Xi:Les v.a.r.Xiétant de Bernoulli, on peut alors utiliser l"approximation donnée par le TCL. SoitZ N(0;1)et z1=2le quantile d"ordre1=2de la loiN(0;1). Par le TCL,
P n i=1Xinpn(1)L!Z N(0;1):Ceci implique que
P z1=2P n i=1Xinpn(1)z1=2! n!+1P(z1=2Zz1=2) = 1; c"est-à-dire P X nz1=2p(1)pn X n+z1=2p(1)pn n!+11:Ceci ne fournit pas un IC pourcar les bornes de l"intervalle dépendentde. Mais on peut montrer que l"on a le même résultat de convergence, en
remplaçantdans les bornes de l"intervalle par son estimateur convergentX n.On obtient alors P 0 B @X nz1=2qX n(1X n)pn X n+z1=2qX n(1X n)pn 1 CA!n!+11:
On dit que l"intervalle
2 4Xquotesdbs_dbs28.pdfusesText_34[PDF] quartile statistique
[PDF] lire un pourcentage
[PDF] calcul de superficie d'un terrain
[PDF] formule mathématique intérêts composés
[PDF] formule interet composé excel
[PDF] calculer valeur exacte cosinus
[PDF] valeurs trigonométriques tableau
[PDF] valeur numérique définition
[PDF] calculer sa vitesse moyenne sur l'ensemble du trajet
[PDF] reglementation debit de boisson
[PDF] exercice dissolution dilution seconde
[PDF] affichage obligatoire debit de boisson
[PDF] exercice dissolution premiere s
[PDF] debit de boisson sans alcool