Suites : Résumé de cours et méthodes 1 Généralités
Puis avec U1 on peut calculer le terme suivant U2
Suites : Résumé de cours et méthodes 1 Généralités
Suites : Résumé de cours et méthodes. 1 Généralités. DÉFINITION à l'entier n correspond le nombre noté Un (appelé terme de la suite de rang n).
Résumé de cours et méthodes 1 Pourcentage dune grandeur
Pourcentages : Résumé de cours et méthodes. 1 15 litres représente 12
Résumé du cours de mathématiques - ECS1 - Catherine
( 1 p x x d'éléments de E. Résumé du cours de mathématiques - ECS1 - Catherine Laidebeure - Lycée Albert Schweitzer Le Raincy.
Espaces Vectoriels Normés et Topologie
1.2 Quelques généralités sur les espaces vectoriels normés . 2.1.1 Suites et convergence dans un espace vectoriel normé . . . . . . . . . . . . 17.
Séries Chronologiques
3.1.1 La méthode des moindres carrés . 4.2.1 Effet d'une moyenne mobile sur une tendance . ... Dans la suite de ce cours nous la noterons.
Cours de Statistiques inférentielles
Définition 1 Soit Z1Z2
Cours de Statistiques Inférentielles
6 janv. 2016 S'il existe une statistique exhaustive Tn pour ? alors l'EMV de ? ne dépend que de Tn. VII Exercices. Exercice 1. On consid`ere la loi normale ...
Barycentres : Résumé de cours et méthodes 1 Barycentre de deux
1) On construit G1 le barycentre partiel de (B
Introduction aux équations différentielles et aux dérivées partielles
Table des matières. I Equations différentielles. 7. 1 Méthodes de résolution explicite des équations différentielles “simples”. 9. 1.1 Définitions .
Suites : Résumé de cours et méthodes 1 Généralités
D’un point de vue mathématique la suite est définie par : le terme initial U0 et la relation de récurrence : Un+1 = f (Un) (où f est une fonction définie sur un intervalle I tel que : U0 2 I et pour tout x de I f(x) 2 I )
Suites : Résumé de cours et méthodes 1 Généralités - Xm1 Math
Il y a principalement deux manières de dé?nir une suite : 1-1 Suite dé?nie de façon explicite Dans ce cas on dispose d’une formule permettant de calculer directement U n en fonction de n C’est à dire qu’il existe une fonction f dé?nie sur [0;+¥[ telle que pour tout entier n U n = f(n) Exemples : 1) Soit (U n) la suite
CHAPITRE 1 — LES SUITES NUMÉRIQUES - Institut Élie Cartan
Exemple Soit (un)n2N une suite géométrique de raison 1 2 et u3 = 40 Calculer u6 5 Exercices d’entrainement 5 1 Suites numériques - généralités 1 Déterminer les 4 premiers termes des suites suivantes : un = 2n2 n+1 et vn = 2n+1 2 3n 2 Dans cet exercice on mettra en évidence la monotonie des suites 1 On considère la suite (un
Cours de Statistiques Inferentielles
P. Ribereau
6 janvier 2016
2Table des matieres
1 Introduction Generale 7
I Intro generale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 II Le recueil des donnees. . . . . . . . . . . . . . . . . . . . . . . . . . . 9 III La statistique exploratoire ou descriptive. . . . . . . . . . . . . . . . . 9 IV La statistique inferentielle. . . . . . . . . . . . . . . . . . . . . . . . . 9 V La modelisation statistique. . . . . . . . . . . . . . . . . . . . . . . . 10 VI Un exemple simple en assurance automobile . . . . . . . . . . . . . . 1 02 Statistiques descriptives 13
I Generalites / denitions de base . . . . . . . . . . . . . . . . . . . . . 13 II Resumes numeriques pour des variables quantitatives . . . . . . . . . 14 III Resumes graphiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 IV Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 03 Echantillonage 23
I Modele statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 Generalites . . . . . . . . . . . . . . . . . . . . . . . . . . . .
232 Modele d'echantillonage. . . . . . . . . . . . . . . . . . . . . .
233 Modele domine, vraisemblance . . . . . . . . . . . . . . . . . .
2 5 II Denition d'une statistique . . . . . . . . . . . . . . . . . . . . . . . . 2 51 Notions d'estimation et de test d'hypotheses . . . . . . . . . .
26III Quelques notions de base sur les estimateurs . . . . . . . . . . . . . . 2 7
1 Denition d'un estimateur . . . . . . . . . . . . . . . . . . . .
2 72 Notion de biais . . . . . . . . . . . . . . . . . . . . . . . . . .
273 Convergence d'un estimateur . . . . . . . . . . . . . . . . . . .
2 74 Comparaisons des estimateurs . . . . . . . . . . . . . . . . . .
285 Moyenne aleatoire, variance aleatoire . . . . . . . . . . . . . .
28IV Rappels sur les vecteurs gaussiens . . . . . . . . . . . . . . . . . . . . 29
1 Vecteurs gaussiens et lois du2. . . . . . . . . . . . . . . . . .31
V Application a l'estimation dans un cadre normal . . . . . . . . . . . . 3 24 Estimation 35
I Hypotheses fondamentales sur la densitef(x;) . . . . . . . . . . . .3 5 II Information . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 61 Information de Fisher . . . . . . . . . . . . . . . . . . . . . . .
362 Proprietes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
373
4TABLE DES MATIERES
III Inegalite de Cramer-Rao . . . . . . . . . . . . . . . . . . . . . . . . . 371 Hypotheses supplementaires . . . . . . . . . . . . . . . . . . .
3 72 Relation entre estimateurs ecaces . . . . . . . . . . . . . . .
393 Degradation de l'information . . . . . . . . . . . . . . . . . . .
3 9 IV Notion d'exhaustivite . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 0 V Exhaustivite et estimateurs ecaces; la famille exponentielle . . . . . 4 11 Le modele exponentiel . . . . . . . . . . . . . . . . . . . . . .
4 12 Theoreme sur l'ecacite . . . . . . . . . . . . . . . . . . . . .
42VI Quelques methodes usuelles d'estimation . . . . . . . . . . . . . . . . 4 3
1 Methode empirique . . . . . . . . . . . . . . . . . . . . . . . .
4 32 Methode des moindres carres . . . . . . . . . . . . . . . . . .
443 Methode des moments . . . . . . . . . . . . . . . . . . . . . .
4 44 Methode du maximum de vraisemblance : principe . . . . . .
45VII Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 6 VIII Generalisation au cas d'un parametre multidimensionnel . . . . . . . 47
1 Generalisation des denitions sur les estimateurs . . . . . . . .
4 72 Generalisation de l'inegalite de Cramer-Rao . . . . . . . . . .
483 Generalisation de la methode du maximum de vraisemblance .
5 05 Comportement asymptotique des estimateurs 53
I Proprietes asymptotiques de l'EMV . . . . . . . . . . . . . . . . . . . 5 31 En dimension 1 . . . . . . . . . . . . . . . . . . . . . . . . . .
5 32 En dimension superieure . . . . . . . . . . . . . . . . . . . . .
54II Denitions / outils . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 4
1 Normalite et ecacite asymptotique . . . . . . . . . . . . . .
542 Proprietes de convergence . . . . . . . . . . . . . . . . . . . .
553 Methode Delta . . . . . . . . . . . . . . . . . . . . . . . . . .
55III Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6 Estimation par intervalle de conance 57
I Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 7 II I.C. pour les parametres de la loi normale . . . . . . . . . . . . . . . 5 9 III I.C. pour une proportion (parametre de la loi binomiale) . . . . . . . 6 0 IV Construction d'I.C. asymptotiques . . . . . . . . . . . . . . . . . . . . 6 11 Utilisation du theoreme central limite . . . . . . . . . . . . . .
6 12 Application a la loi binomiale. . . . . . . . . . . . . . . . . . .
623 Utilisation de la convergence de l'EMV . . . . . . . . . . . . .
624 Remarque sur l'intervalle de conance pour une variance hors
du cadre normal . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2 V Recherche de regions de conance . . . . . . . . . . . . . . . . . . . . 64VI Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 4
7 Generalites sur les tests 67
I Problemes de test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 7 II Tests uniformement plus puissants . . . . . . . . . . . . . . . . . . . . 68III Tests fondes sur le rapport du maximum de vraisemblance . . . . . . 7 1 IV Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2
TABLE DES MATI
ERES51 Adequation d'une moyenne pour un echantillon gaussien . . .
7 22 Comparaison de deux moyennes . . . . . . . . . . . . . . . . .
7 33 Un exemple avec une loi discrete . . . . . . . . . . . . . . . .
74V Tests asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 5
1 Proprietes asymptotiques des tests du maximum de vraissem-
blance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 762 Tests de Wald et du score . . . . . . . . . . . . . . . . . . . .
7 78 Tests parametriques classiques 79
I Tests gaussiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 9 II Tests asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 19 Quelques tests non parametriques 83
I Tests du2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .8 31 Loi multin^omiale . . . . . . . . . . . . . . . . . . . . . . . . .
832 Loi asymptotique . . . . . . . . . . . . . . . . . . . . . . . . .
833 Test du2d'adquation a une loi . . . . . . . . . . . . . . . .8 5
4 Test du2d'independance . . . . . . . . . . . . . . . . . . . .8 6
II Test de Kolmogorov-Smirnov . . . . . . . . . . . . . . . . . . . . . . 88III Test de Shapiro-Wilk . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
1 Droite de Henry . . . . . . . . . . . . . . . . . . . . . . . . . .
902 Test de Shapiro-Wilk . . . . . . . . . . . . . . . . . . . . . . .
9 0 IV Tests de rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 21 Statistiques de l'ordre, de rang . . . . . . . . . . . . . . . . . .
932 Le test de Wilcoxon . . . . . . . . . . . . . . . . . . . . . . .
9 310 Exemples d'estimation non parametrique 95
I Estimation d'une densite de probabilite . . . . . . . . . . . . . . . . . 951 Histogramme empirique . . . . . . . . . . . . . . . . . . . . .
9 52 Fen^etres mobiles . . . . . . . . . . . . . . . . . . . . . . . . .
953 Versions lisses . . . . . . . . . . . . . . . . . . . . . . . . . . .
9 64 Un exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9 6 II Estimation des quantiles . . . . . . . . . . . . . . . . . . . . . . . . . 991 Quantiles empiriques . . . . . . . . . . . . . . . . . . . . . . .
9 92 Lien avec les statistiques d'ordre . . . . . . . . . . . . . . . . .
993 Resultats asymptotiques . . . . . . . . . . . . . . . . . . . . .
996TABLE DES MATIERES
Chapitre 1
Introduction Generale
I Intro generale
Denition 1.1 (Premiere denition d'un probl
~Ame statistique)On dira qu'on se trouve devant un probleme statistique si on est c onfronte ades eventualites(en nomb reni ou inni) dont on sait q ue certaines sont vrais sans savoir lesquelles, on doit choisir une de c es eventualites, en s'appuyant sur le r esultatd'une exp erienceal eatoire, eventuellement a denir. La derniere partie de la denition par le d'experience aleatoire. Cette partie la (qui concerne la majorite du cours) est la statistique inferentielle, mathematique ou inductive. On va encore restreindre la denition pour denir le champs du cours et introduire la notion de modele statistique. Pour pouvoir tirer quelque chose du resul- tat de l'experience aleatoire, il faut qu'a chaque eventualite, on fasse correspondre une famille de probabilite a laquelle la proba qui regit l'experience appartient (si cette eventualite est vraie). On notePl'ensemble de toutes les probas possibles. Denition 1.2On appelle modele statistique le triplet(X;A;P)ou : |Xest l'ensemble appele ensemble fondamental ou espace des resultats, |Aest une tribu de partie deX, |Pest une famille de probabilites sur l'espace mesurable(X;A). Denition 1.3On appelle modele statistique parametrique un modele statistique (X;A;P)tel que9p2N:P=fP;2Rpg
est appele l'espace des parametres. Le modele est aussi note(X;A;P;) Les grands problemes statistiques les plus frequents sont : d ansl em odelest atistiquep arametrique,l es\ eventualites"so ntr epresentees par le parametrelui m^eme. Comment choisir le? C'est l'estimation ponc- tuelle. Probleme d'identiabilite (si1et2sont tels queP1=P2alors on ne pourra jamais choisir entre les deux) : il faut que l'application!Psoit injective. 78CHAPITRE 1. INTRODUCTION GENERALE
Probleme statistique
9Utilisant unmodele aleatoireX
XXXXXXXXXz
N'utilisant pas un
modele aleatoire- Stat. desc.- Analyse des donnees...?Avant le choix del'experience et du
modele- Plans d'experiences - sondages...XXXXXXXXXXz
Apres le choix de
l'experience et du modeleXXXXXXXXXXz
Modele non parametrique?
Modele parametrique
(identication)XXXXXXXXXXz
Decisions multiples@
@@R Test?Estimationensembliste
9EstimationponctelleQ
QQQQQQs?
Modele lineaireGLM...Figure1.1 { Approche d'un probleme statistiqueII. LE RECUEIL DES DONN
EES.9 T oujoursd ansce m odele,l 'ensembled eseventualitesest l 'ensembled esp arties de . Estimation ensembliste. on a d eux eventualitesd ontu neseu lees tv raie.Pr oblemed et ests! Pour en revenir au probleme statistique, commentons la Figure 1.1 : La demarche statistique consiste a traiter et a interpreter les informations recueillies par le biais de donnees. Elle comporte quatre grands aspects : le recueil des donnees, l'aspect descriptif ou exploratoire, l'aspect inferentiel ou decisionnel et la modelisa- tion statistique.II Le recueil des donnees.
Cette etape est importante car elle doit permettre d'obtenir des donnees de \bonne qualite" en un certain sens. Contrairement a ce qu'indique le vocabulaire, les informations dont a besoin le statisticien ne sont pourtant pas \donnees" et la qualite des resultats obtenus dependra autant de la maniere dont les donnees ont ete collectees que de la methode statistique utilisee ensuite. La theorie des sondages et celle des plans d'experiences fournissent un cadre theorique pour une collecte optimale de donnees.III La statistique exploratoire ou descriptive.
Une fois les donnees collectees, il convient de synthetiser et de resumer l'in- formation contenue dans ces donnees. On utilise pour cela des representations des donnees sous forme de tableaux, de graphiques ou d'indicateurs numeriques (tels quequotesdbs_dbs23.pdfusesText_29[PDF] Chapitre 13 : Etablissement d 'un bilan de matière - Physagreg
[PDF] TD 9 - Suites et calculatrices - Lyon
[PDF] calculer son barème avec - Sgen-CFDT
[PDF] suites - XMaths - Free
[PDF] vecteurs et droites - Maths-et-tiques
[PDF] chapitre 1 1 statistiques pourcentages moyennes - Mathadoc
[PDF] Génétique Féline - MTMK-ICF
[PDF] Manuel de l 'utilisateur de la calculatrice - Weight Watchers
[PDF] Calcul Algébrique
[PDF] 2 RAPPEL DES TECHNIQUES DE CALCUL DANS R
[PDF] Calculus book
[PDF] Calculus II
[PDF] Stewart - Calculus - Early Transcedentals 6e - VNUA
[PDF] Calculus Made Easy - Djmcc