Physique terminale S
2 Sept 2013 En effet si le signal analogique varie trop vite par rapport à la fréquence d'échantillonnage la numérisation donnera un rendu incorrect.
Enseignement scientifique
Échantillonnage ; quantification ; codage ; compression. s (période d'échantillonnage) comme l'illustre le graphique ci-dessous. La fréquence.
Numérisation dun signal analogique
physiques/terminale-s/rtsa-03-numerisation-11933.htm. En résumé L'échantillonnage consiste à prélever périodiquement des échantillons d'un signal
Enseignement scientifique
Capture-marquage-recapture échantillonnage
La méthode de « capture-marquage-recapture
échantillonnage doit se réaliser dans un laps de temps le plus court possible afin de respecter l'hypothèse de capture instantanée. À ceci s'ajoute
Conversion Analogique-Numérique (CAN)
Période d'échantillonnage d'une conversion analogique-numérique. Consulter la page éduscol associée au thème « Programmer en physique-chimie ».
Chapitre 3 - Distributions déchantillonnage
Échantillonnage sur la base du jugement (par exemple dans les cam- souvent une table de nombres aléatoires pour s'assurer que le choix des.
MRN – Guide dinventaire et déchantillonnage en milieu forestier
milieux humides et des peuplements en régénération s'est affinée. l'unité d'échantillonnage qui présente des caractéristiques physiques (dépôt
Lanalyse du sol : échantillonnage instrumentation et contrôle
S'il fut un temps où l'on nommait «sol» ce qui n'était dans le domaine des méthodes physiques d'analyse avec entre autre objectif
Ressources pour faire la classe
signal numérique » du programme de Terminale Scientifique nécessite l'utilisation d'une interface notion de fréquence d'échantillonnage) est proposée.
[PDF] Chapitre 13 : Numérisation de linformation - Physique terminale S
2 sept 2013 · L'échantillonnage • La quantification • Le codage 2 1 L'échantillonage Définition 3 : On appelle période d'échantillonnage Te (en s)
[PDF] Échantillonnage et estimation cours terminale S - Mathsfg
Échantillonnage et estimation cours terminale S F Gaudon 31 mai 2018 Table des matières 1 Distinction entre échantillonnage et estimation
[PDF] Échantillonnage et estimation – Exercices
Échantillonnage et estimation – Exercices – Terminale ES/L – G AURIOL Lycée Paul Sabatier cours de physique le professeur interroge au hasard un
[PDF] Échantillonnage et estimation – Exercices
Échantillonnage et estimation – Exercices – Terminale S – G AURIOL Lycée Paul Sabatier Échantillonnage et estimation – Exercices Loi binomiale révision
[PDF] Signal analogique et signal numérique - Académie de Lille
Échantillonnage ; quantification ; numérisation Reconnaître des signaux de nature analogique et des signaux de nature numérique
[PDF] La fluctuation déchantillonnage dans les nouveaux programmes de
Le programme de terminale est consacré à l'étude des séries statistiques à deux variables et au calcul de probabilités On notera qu'il est explicitement
[PDF] Exemple de numérisation de linformation : limage numérique
Terminale S Thème Agir Chap 20 Programme 2012 Un signal est la représentation physique d'une information (température heure pression )
[PDF] Résumés de cours de Physique-Chimie Terminale S - AlloSchool
Diminuer la période d'échantillonnage ou de façon équivalente augmenter la fréquence d'échantillonnage permet d'améliorer la qua- lité du signal numérisé
[PDF] FICHE 1 Fiche à destination des enseignants TS 35 Numériser
Echantillonnage quantification numérisation Compétences exigibles du programme de Terminale S Reconnaître des signaux de nature analogique et des signaux de
Numérisation des signaux : Terminale - PDF à imprimer
Exercices corrigés à imprimer – Codage numérique d'un signal sonore – Terminale S Exercice 01 : Echantillonnage d'un signal analogique On désire échantillonner
Chapitre 3
Distributions
d'echantillonnage3.1 Generalites sur la notion d'echantillonnage
3.1.1 Population et echantillon
On appelle population la totalite des unites de n'importe quel genre prises en consideration par le statisticien. Elle peut ^etre nie ou innie. Un echantillon est un sous-ensemble de la population etudiee. Qu'il traite un echantillon ou une population, le statisticien decrit habi- tuellement ces ensembles a l'aide de mesures telles que le nombre d'unites, la moyenne, l'ecart-type et le pourcentage. | Les mesures que l'on utilise pour decrire une population sont des pa- rametres. Un parametre est une caracteristique de la population. | Les mesures que l'on utilise pour decrire un echantillon sont appelees des statistiques. Une statistique est une caracteristique de l'echantillon. Nous allons voir dans ce chapitre et dans le suivant comment les resultats obtenus sur un echantillon peuvent ^etre utilises pour decrire la population. On verra en particulier que les statistiques sont utilisees pour estimer les parametres. An de ne pas confondre les statistiques et les parametres, on utilise des notations dierentes, comme le presente le tableau recapitulatif suivant. 12CHAPITRE 3. DISTRIBUTIONS D'ECHANTILLONNAGEPOPULATION
ECHANTILLOND
EFINITIONC'est l'ensemble des unitesC'est un sous-ensemble de la considerees par le statisticien.population choisie pour etude.CARACT
ERISTIQUESCe sont les parametresCe sont les statistiques NOTATIONSN = taille de la populationn = taille de l'echantillon (si elle est nie) Si on etudie unmoyenne de la populationmoyenne de l'echantillon caractere quantitatifm=1N P N i=1xix=1n P n i=1xiecart-type de la populationecart-type de l'echantillon pop=q1 N P N i=1(xim)2 ech=q1 n P n i=1(xix)2Si on etudie unproportion dans la populationproportion dans l'echantillon caractere qualitatifpf3.1.2 L'echantillonage
Avantages de l'echantillonnage
| Co^ut moindre. | Gain de temps. | C'est la seule methode qui donne des resultats dans le cas d'un test destructif.Methodes d'echantillonnage
Echantillonnage sur la base du jugement (par exemple, dans les cam- pagnes electorales certains districts electoraux sont des indicateurs ables de l'opinion publique). |Echantillonnage aleatoire simple. Tous les echantillons possibles de m^eme taille ont la m^eme probabilite d'^etre choisis et tous les elements de la population ont une chance egale de faire partie de l'echantillon (On utilise souvent une table de nombres aleatoires pour s'assurer que le choix des elements s'eectue vraiment au hasard). Remarque 1Il existe deux autres methodes d'echantillonnage aleatoire mais elles ne nous interessent pas ici . Ce sont l'echantillonnage stratie et l'echantil- lonnage par grappes. Bien entendu, seul l'echantillonnage aleatoire nous permettra de juger objective- ment de la valeur des estimations faites sur les caracteristiques de la population.Inconvenient de l'echantillonnage
L'echantillonnage a pour but de fournir susamment d'informations pour pouvoir faire des deductions sur les caracteristiques de la population. Mais bien entendu, les resultats obtenus d'un echantillon a l'autre vont ^etre en general dierents et dierents egalement de la valeur de la caracteristique correspon- dante dans la population. On dit qu'il y a des uctuations d'echantillonnage. Comment, dans ce cas, peut-on tirer des conclusions valables? En determinant les lois de probabilites qui regissent ces uctuations. C'est l'objet de ce chapitre.3.2. LA VARIABLE AL
EATOIRE : MOYENNE D'ECHANTILLON3
3.2 La variable aleatoire : moyenne d'echantillon
3.2.1 Introduction
Position du probleme :
Si nous prelevons un echantillon de taillendans une population donnee, la moyenne de l'echantillon nous donnera une idee approximative de la moyenne de la population. Seulement si nous prelevons un autre echantillon de m^eme taille, nous obtiendrons une autre moyenne d'echantillon. Sur l'ensemble des echantillons possibles, on constatera que certains ont une moyenne proche de la moyenne de la population et que d'autres ont une moyenne qui s'en ecarte davantage.Comment traiter le probleme?
Un echantillon de taillen(appele aussi unn-echantillon), obtenu par echan- tillonnage aleatoire, va ^etre considere comme le resultat d'une experience aleatoi- re. A chaque echantillon de taillenon peut associer la valeur moyenne des elements de l'echantillon. On a donc deni une variable aleatoire qui a chaque n-echantillon associe sa moyenne echantillonnale. On la noteX. Cette variable aleatoire possede bien entendu : | Une distribution de probabilite. | Une valeur moyenne (la moyenne des moyennes d'echantillons, vous sui- vez toujours?). | Un ecart-type. Le but de ce paragraphe est de determiner ces trois elements. Avant de continuer, essayons de comprendre sur un exemple ce qui se passe. Exemple 2Une population est constituee de 5 etudiants en statistique (le faible eectif n'est pas d^u a un manque d'inter^et pour la matiere de la part des etudiants mais au desir de ne pas multiplier inutilement les calculs qui vont suivre! ). Leur professeur s'interesse au temps hebdomadaire consacre a l'etude des statistiques par chaque etudiant.On a obtenu les resultats suivants.
EtudiantTemps d'etude (en heures)
A7 B3 C6 D10 E4Total30
La moyenne de la population estm= 30=5 = 6.
Si le professeur choisit un echantillon de taille 3, quelles sont les dierentes valeurs possibles pour la moyenne de son echantillon? Quelle relation existe-t-il entre cette moyenne d'echantillon et la veritable moyenne 6 de la population? Toutes les possibilites sont regroupees dans le tableau ci-dessous.4CHAPITRE 3. DISTRIBUTIONS D'ECHANTILLONNAGENumero de
EchantillonValeurs du temps d'etudeMoyennes de
l'echantillondans cet echantillonl' echantillon1A, B, C7,3,65.33
2A, B, D7,3,106.67
3A, B, E7,3,44.67
4A, C, D7,6,107.67
5A, C, E7,6,45.67
6A, D, E7,10,47.00
7B, C, D3,6,106.33
8B, C, E3,6,44.33
9B, D, E3,10,45.67
10C, D, E6,10,46.67
Total60.00
On constate que :
| Il y a 10 echantillons (C35= 10). | La moyenne des echantillons varie entre 4.33 et 7.67, ce qui signie que la distribution des moyennes d'echantillon est moins dispersee que la distribution des temps d'etude des etudiants, situee entre 3 et 10. | Il est possible que deux echantillons aient la m^eme moyenne. Dans cet exemple, aucun n'a la moyenne de la population (m= 6). | La moyenne des moyennes d'echantillon estE(X) = 60=10 = 6. En fait, nous allons voir que le fait que l'esperance deX(c'est-a-dire la moyenne des moyennes d'echantillon ) est egale a la moyenne de la population n'est pas verie seulement dans notre exemple. C'est une loi generale. Bien, me direz-vous, mais pourquoi faire tout cela? Dans la realite, on ne choisit qu'un seul echantillon. Alors comment le professeur de statistique qui ne conna^t qu'une seule moyenne d'echantillon pourra-t-il deduire quelque chose sur la moyenne de la population? Tout simplement en examinant \jusqu'a quel point" la moyenne d'un echantillon unique s'approche de la moyenne de la po-pulation. Pour cela, il lui faut la distribution theorique de la variable aleatoireXainsi que l'ecart-type de cette distribution.
3.2.2 Etude de la variable : moyenne d'echantillon
Denition de la variable
On considere une population dont les elements possedent un caractere me- surable qui est la realisation d'une variable aleatoireXqui suit une loi de probabilite d'esperancemet d'ecart-typepop. On suppose que la population est innie ou si elle est nie que l'echantillonnage se fait avec remise. | On preleve un echantillon aleatoire de taillenet on mesure les valeurs de Xsur chaque element de l'echantillon. On obtient une suite de valeurs x1;x2;:::;xn.
| Si on preleve un deuxieme echantillon toujours de taillen, la suite des valeurs obtenues estx01;x02;:::;x0n, puisx001;x002;:::;x00n... etc... pour des echantillons supplementaires. x1,x01,x001,... peuvent ^etre considerees comme les valeurs d'une variable
aleatoireX1qui suit la loi deX. De m^eme,x2,x02,x002,... peuvent ^etre considerees comme les valeurs d'une variable aleatoireX2qui suit aussi la loi deX, ... et3.2. LA VARIABLE AL
EATOIRE : MOYENNE D'ECHANTILLON5
x n,x0n,x00n,... celles d'une variable aleatoireXnqui suit encore et toujours la m^eme loi, celle deX. |X1pourrait se nommer \valeur du premier element d'un echantillon". X2pourrait se nommer \valeur du deuxieme element d'un echantillon".
....Xnpourrait se nommer \valeur dun-ieme element d'un echantillon". | L'hypothese d'une population innie ou d'un echantillonnage avec remise nous permet d'armer que cesnvariables aleatoires sont independantes. Rappel sur les notations : Par convention, on note toujours les variables aleatoires a l'aide de lettres majuscules (Xi) et les valeurs qu'elles prennent dans une realisation a l'aide de lettres minuscules (xi). Si les valeurs prises parXdans unechantillon sontx1;x2;:::;xn, la moyenne xde l'echantillon est donnee par x=1n (x1++xn) =1n n X i=1x i. Cette valeur n'est rien d'autre que la valeur prise dans cet echantillon de la variable aleatoire 1n (X1++Xn) =1n n X i=1X i. Denition 3On denit donc lavariable aleatoiremoyenne d'echantillonX par X=1n (X1++Xn) =1n n X i=1X i:Parametres descriptifs de la distribution
On applique les proprietes de l'esperance et de la variance etudiees au cha- pitre 2. |E(X) =1n P n i=1E(Xi) =nmn =m, car les variables suivent toutes la m^eme loi d'esperancem. |V ar(X) =1n 2Pn i=1V ar(Xi) =n2 popn 2=2 popn , car les variables suivent toutes la m^eme loi de variance et sont independantes.Proposition 4
E(X) =m; V ar(X) =2popn
Remarque 51. Nous venons de demontrer ce que nous avions constate sur notre exemple : la moyenne de la distribution d'echantillonnage des moyennes est egale a la moyenne de la population.2. On constate que plusncro^t, plusV ar(X)decro^t.
Dans l'exemple d'introduction, nous avions en eet constate que la distribution des moyennes d'echantillon etait moins dispersee que la distribution initiale. En eet, a mesure que la taille de l'echantillon augmente, nous avons acces a une plus grande quantite d'informations pour estimer la moyenne de la popula- tion. Par consequent, la dierence probable entre la vraie valeur de la moyenne de la population et la moyenne echantillonnale diminue. L'etendue des valeurs possibles de la moyenne echantillonnale diminue et le degre de dispersion de la distribution aussi.(X) est aussi appele l'erreur-typede la moyenne.quotesdbs_dbs35.pdfusesText_40[PDF] inférence statistique exercices corrigés
[PDF] statistique inférentielle cours
[PDF] estimation statistique definition
[PDF] estimation statistique exercices corrigés
[PDF] cours estimation statistique
[PDF] exercices corrigés échantillonnage traitement de signal
[PDF] cours d'échantillonnage
[PDF] échantillonnage et quantification d'une image
[PDF] échantillonnage image numérique
[PDF] echantillonnage cours pdf
[PDF] l'échantillonnage cours
[PDF] l'échantillonnage définition
[PDF] échantillonnage représentatif
[PDF] cours d'échantillonnage et estimation