[PDF] Introduction `a la méthodologie statistique PDF L2bioch-poly.pdf

Modalités : – cours-TD structuré en : cours / exercices / mini-TP Echantillonnage dans une population De nombreuses expériences en laboratoire de biologie

C'est une discipline associant l'analyse de données et chimie analy- tique le contenu en alcool dans le sang, le chimiste obtient les résultats suivants en

[PDF] TRAVAUX DIRIGES DE BIOSTATISTIQUES

Dans chacun des exercices ci-dessous : Interpréter les résultats obtenus E L'analyse du polymorphisme de l'enzyme estérase 1 dans un échantillon de 300 B Un laboratoire de recherche et développement a mis au point un nouveau

[PDF] Statistiques descriptives et exercices

Analyse des données (outils scientifiques permettant de résumer un ensemble de données afin terprétation des résultats et leur présentation afin de rendre les données statistique est le groupe sanguin des individus et elle est qualitative

[PDF] GÉNÉTIQUE - Cours, examens et exercices gratuits et corrigés

Rappels de cours, exercices et problèmes corrigés Drosophila melanogaster mâle, Bernadette Limbourg-Bouchon, Laboratoire de Génétique et gamètes, tantôt ce qui sera appelé phénotype, le résultat observable de l'effet joint de

[PDF] Biochimie - ANSM

Laboratoires ayant déclaré à l'Afssaps pratiquer les analyses concernées par l' envoi résultats obtenus par chaque laboratoire L'examen du tableau V suggère peu de remarques : les résultats sont satisfaisants avec (http://www afssaps fr/content/download/26315/347728/version/2/file/conrtole-marche- creatinine pdf )

[PDF] Exercices de mathématiques - mediaeduscoleducationfr

Exercices de Mathématiques - Terminales S, ES, STI2D, STMG septembre Au vu de ces résultats, quelle peut être la réaction de l'inspecteur de la brigade de répression ? Un laboratoire a mis au point un traitement contre une maladie

[PDF] Calcul Scientifique: Cours, exercices corrigés et illustrations en

Cours, exercices corrigés et illustrations en MATLAB et Octave les principaux résultats d'analyse et de géométrie qui seront utilisés par la suite Les sujets les

[PDF] MECANIQUE DES FLUIDES Cours et exercices corrigés

Ils sont extraits, pour la plupart, des examens et devoirs surveillés que j'ai proposé à l'Institut Supérieur importants sont écrits en caractère gras et les résultats sont encadrés Cet ouvrage newtoniens" (quasiment tout le reste le sang, les gels, les boues, les pâtes, les Cours, exercices et problèmes corrigés Classes

[PDF] Introduction `a la méthodologie statistique

Modalités : – cours-TD structuré en : cours / exercices / mini-TP Echantillonnage dans une population De nombreuses expériences en laboratoire de biologie

[PDF] Probabilités et statistique pour lingénieur - CERMICS

10 jan 2018 · faits au polycopié et au recueil d'exercices qu'ils ont rédigés sous la direction de Si on mesure la fréquence d'apparition du résultat ωk au cours d'un échantillons de sang par lots de n ≥ 2 : si le test est négatif, les n La loi de Rayleigh intervient notamment dans l'analyse d'erreur de positionne-

2 Biochimie

Ann

´ee 2014 - 2015Pol copi

´e d co r -TD

´ethodes et outils de calculIntroduction

a la m´ethodologie statistiquepar S

´eba tien erchinovitz

Introduction

Informations pratiques

´Eq ipe en eignante .

S ´eba tien erchinovitz eba tien.gerchinovitz@math. niv-to lo e. r Tatiana abopin-Richard tatiana.labopin@math. niv-to lo e. r Diane Pe richard diane.pe richard@math. niv-to lo e. r

Modalit´e .

co r -TD tr ct r

´e en . co r / exercice / mini-TP

´eval ation (partiel 30% 1.5h + examen 70% 1.5h) De in ormation et doc ment de co r eront par oi d

´epo ´e r Moodle. On pe t

'in crire a co r en ivant le chemin . Science et technologie !L2!Biochimie!BioCell/M´ethodo:

Objectifs du cours-TD

Prendre con cience de la pr´e ence d'incertit de dan le ob ervation exp´erimentale . In- trod ction de o til tati tiq e n

´ece aire po r traiter ce incertit de .

On 'app iera r

´eg lierement r ne exp´erience de biologie cell laire q e la promo r´eali era bient ˆotpendantle"TPendoc to e".ontraiterale donn´ee exp´erimentale viade m´ethode tati tiq e . On 'int´ere era a ia de q e tion d t pe . 1.

T e tcliniq e . a v d' ne ba e de donn

´ee cliniq e, comment concl re r l'e ca-

cit ´e o l'ab ence d'e cacit´e d' n no vea m´edicament par rapporta n m´edicament tandard 2.

Agronomie . on di po e de de x ongicide di

´erent po r traiter de plantation de

ma ¨ . S r combien de plantation doit-on comparer ce ongicide avant de recom- mander n ongicide pl t

ˆot q ' n a tre

Sondage politiq e . 1000 per onne ont interrog

´ee a la ortie de rne d econd

to r de ´election pr´e identielle ranc¸ai e ,49%a rment avoir vot´e po r le candi- dat A, et51%po r le candidat B. Si vo ´etiez jo rnali te, q el prono tic annonceriez- vo a l'antenne

To t l'enje e t de r

´epondre a x q e tion pr´ec´edente de ac¸on q antitative, an de prendre ne d

´eci ion me r´ee. e con ´eq ence de ce d´eci ion ont importante , q e ce oit r le plan

´edica x,´economiq e o politiq e .

3 4 R

´ef´erences bibliographiques

Ce pol copi

´e e t partiellement in pir´e de note de co r ant´erie re de Philippe Monnier et

M riel Ca ali . Il p i e

´egalement q elq e explication o ill tration de o vrage ivant , q e le lecte r po rra con lter an d'appro ondir le notion introd ite dan ce co r . Richard Weber,Statistics, pol copi´e de co r de de xieme ann´eea Cambridge di ponible en anglai a l'adre ehttp://www.statslab.cam.ac.uk/˜rrw1/stats/Sa5.pdf Vincent Rivoirard et ille Stoltz,Statisti ue en action, V ibert, econde´edition, 2012. Deni D. Wackerl , William Mendenhall III, Richard . Schea er,Mathematical statistics with a⎷⎷lications, Thom on Brook /Cole, eventh edition, 2008. Peter J. Bickel et Kjell A. Dok m,Mathematical statistics : basic ideas and selected to⎷ics,

Pea on Prentice-Hall, econd edition, 2006.

Table des mati

eres

1 Statistiques descriptives

a l'´echelle d'une population7

1 Activit

´e introd ctive . exemple de variabilit´e dan ne pop lation . . . . . . . . .7

2 Repr

´e entation graphiq e de vale r d' ne pop lation . . . . . . . . . . . . .8

3 rande r d

´ecrivant la r´epartition de vale r d' ne pop lation . . . . . . . . . .10

3.1 Me re de po ition . mo enne et m

´ediane . . . . . . . . . . . . . . . .10

3.2 Me re de di per ion .

´ecart-t pe et´ecart interq artile . . . . . . . . . .11 3.3 R ´ecapit lati graphiq e . le boxplot . . . . . . . . . . . . . . . . . . . .12

4 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13 A Introd ction a logiciel R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 A.1 elq e commande tile o R . . . . . . . . . . . . . . . . . . . . 16 A.2 R ´e ol tion de l'exercice 4 avec R . . . . . . . . . . . . . . . . . . . . .17

2 Estimation par

´echantillonnage19

1 Introd ction

a l'in ´erence tati tiq e . . . . . . . . . . . . . . . . . . . . . . . .19

1.1 Contexte . ob ervation d' n

´echantillon de la pop lation . . . . . . . . .19

1.2 De x e timate r nat rel de la mo enne et de la variance d' ne pop lation

19 2 ' ´echantillonnage e t ne exp´erience al´eatoire . . . . . . . . . . . . . . . . . . .20

2.1 Po rq oi choi ir l'

´echantillon al´eatoirement . . . . . . . . . . . . . . .20

2.2 Po r

ˆetre vraiment al´eatoire, le tirage de l'´echantillon doit re pecter cer- taine propri ´et´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .20

2.3 E timate r de la mo enne et de la variance d' ne pop lation . . . . . .

3 A tre exemple d'exp

´erience al´eatoire . . . . . . . . . . . . . . . . . . . . .22

3.1 De exp

´erience al´eatoire "jo et " . . . . . . . . . . . . . . . . . . . .22

3.2 Exp

´erience en biologie et ph iq e . o e t l'al´eatoire . . . . . . . . .22

3.3 Exemple o

le ntirage ne ont pa ind´ependant . . . . . . . . . . . .23

4 Caract

´eri tiq e importante d' ne variable al´eatoire . . . . . . . . . . . . . . .23

4.1 oi d' ne variable al

´eatoire . . . . . . . . . . . . . . . . . . . . . . . .23

4.2 E p

´erance d' ne variable al´eatoire . . . . . . . . . . . . . . . . . . . . .25

4.3 Variance d' ne variable al

´eatoire . . . . . . . . . . . . . . . . . . . . . .25

4.4 A tre caract

´eri tiq e d' ne variable al´eatoire . . . . . . . . . . . . . .27

5 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

27
A R ´e ol tion de l'exercice1 a vecle logiciel R . . . . . . . . . . . . . . . . . . . . 30

3 Fluctuations d'

´echantillonnage et intervalles de conance31

1 Introd ction . po rq oi ne e timation doit-elle

ˆetre accompagn´ee de marge d'er-

re r . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

2 Comment q antier l'erre r a oci

´eea l'e timation de la mo enne . . . . . . .31

2.1 E p

´erance de la mo enne d'´echantillon . . . . . . . . . . . . . . . . . .32 2.2 ´Ecart-t pe de la mo enne d'´echantillon . . . . . . . . . . . . . . . . . .32 5

6TABLE DES MATI`ERES

3 Contr ction d' n intervalle de conance . . . . . . . . . . . . . . . . . . . . . .

3.1 Intervalle de ct ation po r la mo enne d'

´echantillon . . . . . . . . . .33

3.2 Intervalle de conance po r la mo enne d' ne pop lation . . . . . . . .

3.3 e aire lor q e le nombrend'ob ervation e t petit . . . . . . . . . .38

3.4 Ca partic lier . intervalle de conance po r ne proportion . . . . . . .

4 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

40
A R ´e ol tion de l'exercice2 a vecle logiciel R . . . . . . . . . . . . . . . . . . . . 43

4 Introduction aux tests d'hypoth

eses45

1 Introd ction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.1 Un probl

eme pratiq e co rant . te ter entre de x h pothe e . . . . . . .45

1.2 Con tr ction d' n te t

a l'aide d' n intervalle de conance . . . . . . . .45 2 M ´ethode cla iq e po r con tr ire n te t . . . . . . . . . . . . . . . . . . . . .47

2.1 Choix int iti de la orme d te t . . . . . . . . . . . . . . . . . . . . . .

2.2 Con tr ction pr

´eci e et d´enition . . . . . . . . . . . . . . . . . . . . .47

2.3 Interpr

´etation de r´e ltat d te t . . . . . . . . . . . . . . . . . . . . .48

2.4 Ca partic lier . te t r la vale r d' ne proportion . . . . . . . . . . . .

3 Compl

´ement r le te t . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .50

3.1 a notion dep-vale r . . . . . . . . . . . . . . . . . . . . . . . . . . . .50

3.2 e aire q and le nombrend'ob ervation e t petit . . . . . . . . . .51

4 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

52
A R ´e ol tion de exercice 2 et 3 a vecle logiciel R . . . . . . . . . . . . . . . . . 55

5 Un aperc¸u de diff

´erents tests d'hypotheses57

1 Po rq oi n catalog e de te t . . . . . . . . . . . . . . . . . . . . . . . . . .

2 Te t r de mo enne o de proportion de pop lation . . . . . . . . . . . . .

2.1 Et de d' ne e le pop lation . . . . . . . . . . . . . . . . . . . . . . . .

2.2 Comparai on de de x

´echantillon /pop lation . . . . . . . . . . . . . .59

2.3 Comparai on d'a moin troi pop lation . l'ANOVA . . . . . . . . . .

3 Te t d 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .64

3.1 Te t d 2d'ad´eq ationa ne loi di crete . . . . . . . . . . . . . . . . .64

3.2 Te t d 2d'ind´ependance entre de x variable cat´egorielle . . . . . . .65

4 A tre exemple de te t . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

66
A R ´e ol tion de l'exercice4 a vecle logiciel R . . . . . . . . . . . . . . . . . . . . 71

Chapitre 1

Statistiques descriptives

a l'´echelle d'une population R ´esum´eCe chapitre a po r objecti de aire prendre con cience de la variabilit´e pr ´e ente dan ne pop lation, et d'introd ire le vocab laire po r la d´ecrire.

1 Activit

´e introductive : exemple de variabilit´e dans une population

Con id

´eron ne chorale con tit ´ee de 40 per onne , dont le taille (en m) ont donn´ee par .

1.84 1.88 1.95 1.95 1.84 1.66 1.75 1.74

1.79 1.89 1.83 1.93 1.85 1.74 1.81 1.74

1.90 1.75 1.89 1.64 1.78 1.84 1.90 1.76

1.92 1.83 1.59 1.79 1.94 1.79 1.73 1.72

1.82 1.74 1.68 1.75 1.90 1.71 1.96 1.76

En langage tati tiq e, on dira q e le tablea de donn ´ee ci-de corre ponda ne⎷o⎷ula-

tion. A l'inver e, n´echantilloncorre pondraita n je de donn´ee re treint, obten par ondage,

comme par exemple .

1.89 1.74 1.68 1.74 1.84

Dan ce chapitre, no allon niq ement no int

´ere era la de cription d' ne pop lation.

S r l'exemple de la chorale, comment pe t-on proc

´eder po r d´egager de in ormation de 40

donn

´ee di ponible

8CHAPITRE 1. STATISTIQUES DESCRIPTIVES`A L"´ECHELLE D"UNE POPULATION

2 Repr

´esentations graphiques des valeurs d'une population

Une premi

ere id´ee de vi ali ation con i teraita repr´e enter le individ par de point r n graphiq e . le n m

´ero de la donn´ee en ab ci e , et a vale r en ordonn´ee , c . g re1.1 .FI URE1.1 - Une premiere repr´e entation de donn´ee .

a repr ´e entation pr´ec´edente n'e t pa tre parlante. Une de xieme id´ee, pl in ormative, con i te a tracer ndiagramme en bˆatons, avec la taille en ab ci e , et l'e ecti (/ nombre de per onne ) en ordonn ´ee .FI URE1.2 - Exemple de diagramme en bˆaton . e diagramme en b ˆaton pr´ec´edent n'e t pa amment nth´etiq e car de nombre e taille ne ont pr ´e ente q ' ne e le oi dan la pop lation. Un o til graphiq e pl adapt´e dan ce ca e t l'histogramme. Po r l'obtenir, on bdivi e le taille en pl ie r intervalle (q 'on

appelleclasses). P i , po r chaq e intervalle, on trace n rectangle vertical dont l'aire e t´egalea

la proportion d'individ a ant cette taille. Concr etement, la ha te rhd' n rectangle e t donn´ee par . h=proportion d'individ dan l'intervallelarge r de l'intervalle

2. REPR

´ESENTATIONS GRAPHIQUES DES VALEURS D"UNE POPULATION9 Par exemple . on obtienth= (4=40)=L i l'intervalle e t de large rLet 'il contient4individ

parmi le 40individ de la pop lation. 'exemple de la chorale e t ill tr´e en g re1.3 .FI URE1.3 - Exemple d'hi togramme de taille de la chorale.

'hi togramme pe t ˆetre a i tili ´e dan le ca o le intervalle ne ont pa de mˆeme large r.

Cela pe t par exemple

ˆetre int´ere ant 'il a pe d'individ r ne grande plage de vale r , dan ce ca , on pe t regro per ce vale r dan n m

ˆeme intervalle (c . g re1.4 ). Une regle

gro i ere e t q 'il ne a t ni trop d'intervalle (car on ve t amment de point par intervalle), ni trop pe d'intervalle (car inon, l'hi togramme ne erait pa amment in ormati ). Attentiondan to le ca a bien aire en orte q e ce oitl'aireet non la ha te r d rectangle q i repr ´e ente la proportion d'individ dan l'intervalle. Ce choix permet de d´eterminer, pre q e

a vue d'oeil, la proportion d'individ de taille compri e entret1ett2. il t d'´eval er l'aire

de rectangle entret1ett2(a comparera la omme de aire de to le rectangle , q i va t1, c'e t- a-dire100%). Par exemple, la g re1.4 indiq e q 'il a a pe pre 30%de individ dont

la taille e t compri e entre 1.55 m et 1.75 m.FI URE1.4 - Mˆeme hi togramme, mai avec de intervalle de large r di ´erente .

10CHAPITRE 1. STATISTIQUES DESCRIPTIVES`A L"´ECHELLE D"UNE POPULATION

3 Grandeurs d

´ecrivant la r´epartition des valeurs d'une population Introd i on maintenant q elq e grande r q antitative po r r

´e mer certaine in orma-

tion r la pop lation. On di ting e le mesures de ⎷ositionq i indiq ent ne tendance centrale (mo enne et m ´ediane), et le mesures de dis⎷ersionq i reetent la variabilit´e de la pop lation a to r de cette tendance centrale (

´ecart-t pe et´ecart interq artile).

Remarq e importante . dan to t ce q i it, on ne 'int

´ere e q 'a de vale r uantitatives(taille,

quotesdbs_dbs20.pdfusesText_26

[PDF] [PDF] Introduction `a la méthodologie statistique

2 Biochimie

´ee 2014 - 2015Pol copi

´e d co r -TD

´ethodes et outils de calculIntroduction

´eba tien erchinovitz

Introduction

Informations pratiques

´Eq ipe en eignante .

Modalit´e .

´e en . co r / exercice / mini-TP

´epo ´e r Moodle. On pe t

Objectifs du cours-TD

´ece aire po r traiter ce incertit de .

On 'app iera r

T e tcliniq e . a v d' ne ba e de donn

´ee cliniq e, comment concl re r l'e ca-

Agronomie . on di po e de de x ongicide di

´erent po r traiter de plantation de

ˆot q ' n a tre

Sondage politiq e . 1000 per onne ont interrog

´ee a la ortie de rne d econd

To t l'enje e t de r

´edica x,´economiq e o politiq e .

´ef´erences bibliographiques

Ce pol copi

M riel Ca ali . Il p i e

Pea on Prentice-Hall, econd edition, 2006.

Table des mati

1 Statistiques descriptives

1 Activit

2 Repr

3 rande r d

3.1 Me re de po ition . mo enne et m

´ediane . . . . . . . . . . . . . . . .10

3.2 Me re de di per ion .

4 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2 Estimation par

´echantillonnage19

1 Introd ction

1.1 Contexte . ob ervation d' n

1.2 De x e timate r nat rel de la mo enne et de la variance d' ne pop lation

2.1 Po rq oi choi ir l'

2.2 Po r

2.3 E timate r de la mo enne et de la variance d' ne pop lation . . . . . .

3 A tre exemple d'exp

3.1 De exp

3.2 Exp

3.3 Exemple o

4 Caract

4.1 oi d' ne variable al

4.2 E p

4.3 Variance d' ne variable al

4.4 A tre caract

5 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3 Fluctuations d'

´echantillonnage et intervalles de conance31

1 Introd ction . po rq oi ne e timation doit-elle

ˆetre accompagn´ee de marge d'er-

2 Comment q antier l'erre r a oci

2.1 E p

6TABLE DES MATI`ERES

3 Contr ction d' n intervalle de conance . . . . . . . . . . . . . . . . . . . . . .

3.1 Intervalle de ct ation po r la mo enne d'

´echantillon . . . . . . . . . .33

3.2 Intervalle de conance po r la mo enne d' ne pop lation . . . . . . . .

3.3 e aire lor q e le nombrend'ob ervation e t petit . . . . . . . . . .38

3.4 Ca partic lier . intervalle de conance po r ne proportion . . . . . . .

4 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4 Introduction aux tests d'hypoth

1 Introd ction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.1 Un probl

1.2 Con tr ction d' n te t

2.1 Choix int iti de la orme d te t . . . . . . . . . . . . . . . . . . . . . .

2.2 Con tr ction pr

2.3 Interpr

2.4 Ca partic lier . te t r la vale r d' ne proportion . . . . . . . . . . . .

3 Compl

3.1 a notion dep-vale r . . . . . . . . . . . . . . . . . . . . . . . . . . . .50

3.2 e aire q and le nombrend'ob ervation e t petit . . . . . . . . . .51