-
APPROXIMATION D'UNE LOI USUELLE PAR UNE AUTRE
I - APPROXIMATION D'UNE LOI BINOMIALE PAR UNE LOI DE POISSON
B(n,p)®P(l) avec l=np si p≤.1 n≥50 et np<5
II - APPROXIMATION D'UNE LOI BINOMIALE PARUNE LOI NORMALE
B(n,p)®N(m,s) avec m=np et s=√(np(1-p)) si n≥30 et np(1-p)≥3
III - APPROXIMATION D'UNE LOI DE POISSON PAR UNE LOI NORMALE
P(l)®M(m,s) avec m=s et s=√(l) si l≥20OUTGDA Mektar
votre commentaire -
ECHANTILLONNAGE
Soit dans une population mère Ω de taille N, une variable aléatoire X pour laquelle l'espérance mathématique m, la proportion p et l'écart type s sont connus
Pop Ω=ensemble d'échantillons
I - POPULATION (Ω)
Taille=N Moyenne=m
Proportion=p
Variance=s2 Ecart type=s
II - ECHANTILLON
Taille=n Moyenne=х
Proportion=f
Variance=s'2 Ecart type=s'
III - ECHANTILLONNAGE DES MOYENNES
1) Variable aléatoire : X
2) Espérance mathématique : E(X)=m
3) Ecart type : s(X)=s/√(n)
! si échantillon exhaustif4) Loi de probabilité :
Si n≥30 ou si X suit une loi normale
X®N(m,s/√(n))OUTGDA Mektar
votre commentaire -
ESTIMATION
Soit dans une population mère Ω de taille N, une variable aléatoire X pour laquelle l'espérance mathématique m, la proportion p et l'écart type s sont inconnus
I - ESTIMATION DES CARACTERISTIQUES INCONNUES DE Ω
1) Moyenne m (inconnue) :
m=х
2) Proportion p (inconnue) :
p=f
3) Ecart type s (inconnu):
s=s
s=s'√(n/n-1)®moyenne
s=√(f(1-f)/n)®proportion4) Variance s2 (inconnue) :
s2=s2
s2=s'2*(n/(n-1))
s2=f(1-f)/n
II - ESTIMATION PAR UN INTERVALLE DE CONFIANCE
Si s connu®S(x) et si X suit une loi N ou n≥30
1) Echantillon des moyennes :
X®N(m,s/√(n))
2) Echantillon des proportions :
F®N(p,√(p(1-p)/n))
3) COEFFICIENT DE CONFIANCE :
2P(t)-1=p
p=.95 <=> t=1.96
p=.99 <=> t=2.575
4) Intervalle de confiance de l'échantillonnage des moyennes :
[х-ts/√(n);х+ts/√(n)]
5) Intervalle de confiance de l'échantillonnage des proportions :
[f-t√(f(1-f)/n);f+t√(f(1-f)/n)]OUTGDA Mektar
votre commentaire -
TESTS DE VALIDITE D'HYPOTHESE
I - TEST BILATERAL
H0 : m=m0
H1 : m≠m0
α=seuil de risque
1-α=seuil confiance
P(m0-k<х<m0+k)=1-α
2P(t)-1=1-α
1) Moyenne
H0 accepté si х appartient à :
[m0-ts/√n;m0+ts/√n]
2) Proportion
H0 accepté si х appartient à :
[p-t√(p(1-p)/n);p+t√(p(1-p)/n)]
II - TEST UNILATERAL
H0 : m=m0
H1 : m<m0 ou m>m0
α=seuil de risque
1-α=seuil confiance
p(х<m0+k) ou P(х>m0-k)=1-α
P(t)=1-α
1) Moyenne
H0 accepté si х appartient à :
[m0-ts/√n;+∞[ ou ]-∞;m0+ts/√n]
2) Proportion
H0 accepté si х appartient à :
[p-t√(p(1-p)/n);+∞[ ou ]-∞;p+t√(p(1-p)/n)]OUTGDA Mektar
votre commentaire -
LE SIMPLEXE
I - EXEMPLE :
Forme canonique
2x+y≤800
x+2y≤700
yœ300
Forme standard
2x+y+e1=800
x+2y+e2=700
y+e3=300
Il y a autant de variables d'écart que d'inéquations
Fonction économique à maximiser :
30000x+40000yx y e1 e2 e3 e1 2 1 1 0 0 800 e2 1 2 0 1 0 700 e3 0 1 0 0 1 300 30m 40m 0 0 0
Variable entrante = coef>0 de la fonction objectif le plus grand (40M)
Variable sortante = plus petit dernier terme/coefficient colonne (700/2)
Transformation de la matrice :
Pivot = intersection variable entrante et sortante
Dans la colonne du pivot : on met un 1 à la place du pivot et un 0 ailleurs
Sur la ligne du pivot : on garde les mêmes coefficients
Calcul des autres coefficients : coef-(coef ligne pivot*coef colonne pivot)/pivot
On a atteint la solution optimale lorsque tous les coefficients sont négatifs ou nulsx y e1 e2 e3 e1 2 0 1 0 -1 500 e2 1 0 0 1 -2 100 y 0 1 0 0 1 300 30m 0 0 0 -40m -12M x y e1 e2 e3 e1 0 0 1 -2 -3 300 x 1 0 0 1 -2 100 y 0 1 0 0 1 300 0 0 0 -30m -20m -15M
Donc solution optimale : x=100 y=300
30mx+40my=15M
e1 non saturé
e2 et e3 saturés (=0) car hors base
II - TRANSFORMATION D'UN PROGRAMME PRIMAL EN DUAL
PRIMAL
A 18x+18y≥9000
B 6x+24y≥6000
C 20x+6y≥7200
x et y≥0
MIN : 1200x+1000y
DUAL
18a+6b+20c≤1200
18a+24b+6c≤1000
MAX : 9000a+6000b+7200c
III - PROCESSUS DE RESOLUTION1) Formalisation du problème sous forme canonique
Les contraintes sont exprimées sous forme d'inéquations
2) Passage à la forme standard
Les inéquations sont remplacées par des équations et on introduit des variables d'écart
3) Résolution du pb
Si nb variables ≤ 3 ® résolution graphique ou algébrique
Si nb variables > 3 ® résolution par le simplexe
4) Détermination de la sol de départ
5) Détermination de la sol optimale
Dans le cas de la maximisation, les coefficients de la fonction sont tous négatifs, les variables hors base sont négatives et les variables en base sont nulles
Dans le cas de la minimisation, les coefficients de la fonction sont tous positifs, les variables hors base sont positives et les variables en base sont nullesOUTGDA Mektar
votre commentaire