Statistiques II
Statistiques II
Statistiques II
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Probabilités Exercices Lois de probabilités discrètes<br />
<strong>Statistiques</strong> <strong>II</strong><br />
Alexandre Caboussat<br />
alexandre.caboussat@hesge.ch<br />
Classe : Mardi 11h15 - 13h00<br />
Salle : C110<br />
http://campus.hesge.ch/caboussata<br />
29 mars 2011<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 1 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Tableau des probabilités<br />
Soient deux événements A, B, et leurs contraires Ā, ¯B.<br />
Les probabilités conjointes et simples (marginales) sont données<br />
dans le tableau suivant:<br />
B ¯B total<br />
A P(A ∩ B) P(A ∩ ¯B) P(A)<br />
Ā P(Ā ∩ B) P(Ā ∩ ¯B) P(Ā)<br />
total P(B) P(¯B) 1<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 2 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Arbre des probabilités<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 3 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Principe de Bayes (2 versions)<br />
P(A|B) =<br />
P(Ai|Bj) =<br />
pour tout i et j.<br />
P(A ∩ B)<br />
P(B) =<br />
P(B|A) P(A)<br />
P(B|A) P(A) + P(B|A) P(A)<br />
P(Bj|Ai) P(Ai)<br />
k m=1 P(Bj|Am) P(Am)<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 4 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Exercice 2.5<br />
Nous considérons les deux événements suivants:<br />
A: le bénéfice de votre entreprise augmentera cette année<br />
B: le budget marketing de votre entreprise augmentera cette année<br />
Nous disposons des informations suivantes: P(A)=0.5, P(B|A)=0.2,<br />
P(B|A)=0.6. Calculez la probabilité que le bénéfice de l’entreprise<br />
augmente cette année, sachant que le budget marketing a effectivement<br />
augmenté cette année.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 5 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Exercice 2.6<br />
Une société comportant 40 hommes et 60 femmes est frappée par une<br />
épidémie. Un jour où 15% des femmes et 40% des hommes sont absents,<br />
on se propose de faire passer une visite médicale à l’une des personne<br />
présente choisie au hasard. Quelle est la probabilité que cette personne<br />
soit une femme?<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 6 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Exercice 2.7<br />
Nous disposons de 45 échantillons provenant de deux machines-outils<br />
défectueuses. Nous savons que parmi ces échantillons, 30% sont<br />
défectueux et 70% sont normaux. La probabilité d’observer la machine 1,<br />
sachant que l’échantillon est défectueux, est de 40%, alors que la<br />
probabilité d’observer la machine 2, sachant que l’échantillon n’est pas<br />
défectueux, est de 70%. En notant D l’événement “l’échantillon est<br />
défectueux” et M l’événement “l’échantillon a été produit par la machine<br />
1”, construire un arbre de probabilités, puis calculer la probabilité<br />
suivante: P(D| M).<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 7 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Exercice 2.7<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 8 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Exercice 2.8<br />
Une fanfare est composée de trois classes d’âge : les jeunes, les adultes et<br />
les seniors. Les membres de la fanfare jouent chacun soit d’un cuivre soit<br />
de percussions. Les trois classes d’âge sont présentes en proportions<br />
égales. Il y a trois fois plus de joueur de cuivres que de percussionistes.<br />
Si nous supposons que les variables ”classe d’âge” et ”type d’instrument”<br />
sont parfaitement indépendantes, calculer la probabilité conjointe d’être<br />
un jeune et de jouer d’un cuivre.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 9 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Exercice 2.9<br />
Une compagnie pétrolière exécute un forage dans la Mer de Nord et un<br />
autre en Méditerranée. La chance de trouver du pétrole en Mer de Nord<br />
est de 0.8 tandis qu’en Méditerranée elle est de 0.6. Quelle est la<br />
probabilité qu’un seul des deux forages conduise à la découverte de<br />
pétrole?<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 10 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Exercice 2.10<br />
Supposons que la probabilité qu’un homme d’un certain âge vive encore<br />
15 ans est de 1/4; la probabilité que sa femme vive encore 15 ans est de<br />
1/3. Calculer la probabilité que l’un d’eux au moins vive encore dans 15<br />
ans.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 11 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Lois de probabilités discrètes<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 12 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Introduction<br />
Dans certaines situations, la distribution de probabilité associée à<br />
une variable peut être écrite sous forme analytique, c’est-à-dire<br />
représentée par une formule mathématique.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 13 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Introduction<br />
Dans certaines situations, la distribution de probabilité associée à<br />
une variable peut être écrite sous forme analytique, c’est-à-dire<br />
représentée par une formule mathématique.<br />
Au lieu de servir à calculer directement une distribution de<br />
probabilités, les données observées sont utilisées pour estimer les<br />
paramètres de la forme analytique qui ensuite permettra de calculer<br />
les probabilités.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 13 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Introduction<br />
Dans certaines situations, la distribution de probabilité associée à<br />
une variable peut être écrite sous forme analytique, c’est-à-dire<br />
représentée par une formule mathématique.<br />
Au lieu de servir à calculer directement une distribution de<br />
probabilités, les données observées sont utilisées pour estimer les<br />
paramètres de la forme analytique qui ensuite permettra de calculer<br />
les probabilités.<br />
Dans ce chapitre, nous étudierons plusieurs de ces lois pour le cas<br />
où la variable étudiée est de type discret.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 13 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Ensembles discrets ↔ ensembles continus<br />
Intuitivement, on peut dire que les éléments d’un ensemble discret<br />
sont "séparés" les uns des autres.<br />
Exemples:<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 14 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Ensembles discrets ↔ ensembles continus<br />
Intuitivement, on peut dire que les éléments d’un ensemble discret<br />
sont "séparés" les uns des autres.<br />
Exemples:<br />
N’importe quel ensemble fini<br />
N<br />
Z<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 14 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Ensembles discrets ↔ ensembles continus<br />
Intuitivement, on peut dire que les éléments d’un ensemble discret<br />
sont "séparés" les uns des autres.<br />
Exemples:<br />
N’importe quel ensemble fini<br />
N<br />
Z<br />
Un ensemble qui n’est pas discret est continu.<br />
Exemples:<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 14 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Ensembles discrets ↔ ensembles continus<br />
Intuitivement, on peut dire que les éléments d’un ensemble discret<br />
sont "séparés" les uns des autres.<br />
Exemples:<br />
N’importe quel ensemble fini<br />
N<br />
Z<br />
Un ensemble qui n’est pas discret est continu.<br />
Exemples:<br />
R<br />
N’importe quel intervalle, comme [0, 1].<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 14 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Variable aléatoire discrète<br />
L’ensemble de toutes les modalités que peut prendre la variable X<br />
se note X . Une variable aléatoire est discrète si l’ensemble X est<br />
discret.<br />
Exemples: La variable aléatoire X<br />
est discrète si X = {0, 1}<br />
est discrète si X = N<br />
n’est pas discrète si X = [0, 5]<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 15 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
La distribution de probabilité d’une variable aléatoire X est<br />
l’ensemble des probabilités associées à chacune des modalités de la<br />
variable:<br />
{P(X = x)}, pour x ∈ X<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 16 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
La distribution de probabilité d’une variable aléatoire X est<br />
l’ensemble des probabilités associées à chacune des modalités de la<br />
variable:<br />
{P(X = x)}, pour x ∈ X<br />
Remarque: on note généralement cette distribution par p(x):<br />
p(x) = P(X = x)<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 16 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
La distribution de probabilité d’une variable aléatoire X est<br />
l’ensemble des probabilités associées à chacune des modalités de la<br />
variable:<br />
{P(X = x)}, pour x ∈ X<br />
Remarque: on note généralement cette distribution par p(x):<br />
p(x) = P(X = x)<br />
Les probabilités ont les propriétés suivantes:<br />
0 ≤ p(x) ≤ 1 et <br />
p(x) = 1.<br />
x∈X<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 16 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
La distribution de probabilité d’une variable aléatoire X est<br />
l’ensemble des probabilités associées à chacune des modalités de la<br />
variable:<br />
{P(X = x)}, pour x ∈ X<br />
Remarque: on note généralement cette distribution par p(x):<br />
p(x) = P(X = x)<br />
Les probabilités ont les propriétés suivantes:<br />
0 ≤ p(x) ≤ 1 et <br />
p(x) = 1.<br />
x∈X<br />
Si les individus composant la population ont tous la même<br />
probabilité d’être choisis, alors p(x) est la fréquence<br />
relative de la modalité x dans la population.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 16 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Notations<br />
Attention à ne pas confondre les notations:<br />
X : variable aléatoire<br />
x: une des modalités que peut prendre X<br />
X : ensemble de toutes les modalités que peut prendre X<br />
P(X = x): probabilité que le variable X prenne la valeur x<br />
p(x): raccourci pour P(X = x)<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 17 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
Exemples:<br />
Dé à 6 faces:<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 18 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
Exemples:<br />
Dé à 6 faces:<br />
x 1 2 3 4 5 6<br />
p(x) 1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 18 / 29<br />
1<br />
6<br />
1<br />
6<br />
1<br />
6
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
Exemples:<br />
Dé à 6 faces:<br />
Couleur des yeux:<br />
x 1 2 3 4 5 6<br />
p(x) 1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 18 / 29<br />
1<br />
6<br />
1<br />
6<br />
1<br />
6
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
Exemples:<br />
Dé à 6 faces:<br />
Couleur des yeux:<br />
x 1 2 3 4 5 6<br />
p(x) 1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
x bleus bruns verts autres<br />
p(x) 0.3 0.4 0.2 0.1<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 18 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Distribution de probabilité d’une variable aléatoire<br />
Exemples:<br />
Dé à 6 faces:<br />
Couleur des yeux:<br />
x 1 2 3 4 5 6<br />
p(x) 1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
1<br />
6<br />
x bleus bruns verts autres<br />
p(x) 0.3 0.4 0.2 0.1<br />
Dans certains cas, il existe une forme analytique de la distribution<br />
de probabilité.<br />
Exemple: Loi de Poisson: P(X = x) = e−λ λ x<br />
x!<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 18 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Indépendance de variables aléatoires discrètes<br />
Deux variables aléatoires discrètes X et Y , de distributions px et<br />
py , sont indépendantes si pour toute paire de nombres a, b, on a<br />
P(”X = a” ∩ ”Y = b”) = px(a) · py (b).<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 19 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Indépendance de variables aléatoires discrètes<br />
Deux variables aléatoires discrètes X et Y , de distributions px et<br />
py , sont indépendantes si pour toute paire de nombres a, b, on a<br />
P(”X = a” ∩ ”Y = b”) = px(a) · py (b).<br />
Exemple:<br />
Dans l’exemple des nombres d’enfants et de voitures dans 6<br />
ménages, les variables X ="nombre d’enfants" et Y ="nombre de<br />
voitures" ne sont pas indépendantes.<br />
ménage # enfants # voitures<br />
m1 1 0<br />
m2 1 2<br />
m3 1 1<br />
m4 2 1<br />
m5 2 1<br />
m6 2 0<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 19 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Indépendance de variables aléatoires discrètes<br />
Deux variables aléatoires discrètes X et Y , de distributions px et<br />
py , sont indépendantes si pour toute paire de nombres a, b, on a<br />
P(”X = a” ∩ ”Y = b”) = px(a) · py (b).<br />
Exemple:<br />
Dans l’exemple des nombres d’enfants et de voitures dans 6<br />
ménages, les variables X ="nombre d’enfants" et Y ="nombre de<br />
voitures" ne sont pas indépendantes.<br />
ménage # enfants # voitures<br />
m1 1 0<br />
m2 1 2<br />
m3 1 1<br />
m4 2 1<br />
m5 2 1<br />
m6 2 0<br />
On a vu que P(”X = 2” ∩ ”Y = 1”) = 1,<br />
tandis que<br />
px(2) · py (1) = 1<br />
2<br />
· 1<br />
2<br />
= 1<br />
4 .<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 19 / 29<br />
3
Probabilités Exercices Lois de probabilités discrètes<br />
Fonction de répartition<br />
Dans le cas de variables discrètes, nous définissons la fonction de<br />
répartition comme<br />
F (x) = P(X ≤ x) = <br />
p(z), pour x ∈ X<br />
z∈X ,z≤x<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 20 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Fonction de répartition<br />
Dans le cas de variables discrètes, nous définissons la fonction de<br />
répartition comme<br />
F (x) = P(X ≤ x) = <br />
p(z), pour x ∈ X<br />
Dé à 6 faces:<br />
z∈X ,z≤x<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 20 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Fonction de répartition<br />
Dans le cas de variables discrètes, nous définissons la fonction de<br />
répartition comme<br />
F (x) = P(X ≤ x) = <br />
p(z), pour x ∈ X<br />
Dé à 6 faces:<br />
z∈X ,z≤x<br />
x 1 2 3 4 5 6<br />
F (x) 1<br />
6<br />
2<br />
6<br />
3<br />
6<br />
4<br />
6<br />
5<br />
6 1<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 20 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Fonction de répartition<br />
Dans le cas de variables discrètes, nous définissons la fonction de<br />
répartition comme<br />
F (x) = P(X ≤ x) = <br />
p(z), pour x ∈ X<br />
Dé à 6 faces:<br />
z∈X ,z≤x<br />
x 1 2 3 4 5 6<br />
F (x) 1<br />
6<br />
Remarque: Attention à ne pas confondre:<br />
2<br />
6<br />
3<br />
6<br />
4<br />
6<br />
5<br />
6 1<br />
distribution de probabilité: p(x) = P(X = x) pour x ∈ X<br />
fonction de répartition: F (x) = P(X ≤ x) pour x ∈ X<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 20 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Espérance d’une variable aléatoire<br />
Espérance mathématique de X<br />
L’espérance mathématique d’une variable aléatoire X , notée<br />
E(X ), est la valeur moyenne que l’on devrait obtenir si l’on observait<br />
un grand nombre de fois X . Elle correspond à la moyenne<br />
de X dans la population.<br />
L’espérance mathématique est définie comme une moyenne<br />
pondérée des modalités possibles de X :<br />
E(X ) = <br />
p(x) x<br />
x∈X<br />
On note µX l’espérance de X dans la population.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 21 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Espérance d’une variable aléatoire<br />
Exemple: Prix des quotidiens:<br />
x 2 FS 2.50 FS 3 FS<br />
P(X = x) 0.1 0.5 0.4<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 22 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Espérance d’une variable aléatoire<br />
Exemple: Prix des quotidiens:<br />
x 2 FS 2.50 FS 3 FS<br />
P(X = x) 0.1 0.5 0.4<br />
µX = 0.1 · 2 + 0.5 · 2.5 + 0.4 · 3 = 2.65<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 22 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Espérance d’une variable aléatoire<br />
L’espérance n’étant autre que la moyenne, elle possède également<br />
la propriété de linéarité.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 23 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Espérance d’une variable aléatoire<br />
L’espérance n’étant autre que la moyenne, elle possède également<br />
la propriété de linéarité.<br />
E(X + Y ) = E(X ) + E(Y )<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 23 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Espérance d’une variable aléatoire<br />
L’espérance n’étant autre que la moyenne, elle possède également<br />
la propriété de linéarité.<br />
E(X + Y ) = E(X ) + E(Y )<br />
E(a · X ) = a · E(X ), où a est une constante (pas une variable<br />
aléatoire)<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 23 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Espérance d’une variable aléatoire<br />
L’espérance n’étant autre que la moyenne, elle possède également<br />
la propriété de linéarité.<br />
E(X + Y ) = E(X ) + E(Y )<br />
E(a · X ) = a · E(X ), où a est une constante (pas une variable<br />
aléatoire)<br />
On peut bien sûr combiner:<br />
E(a · X + b · Y ) = a · E(X ) + b · E(Y ), où a et b sont des<br />
constantes<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 23 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Espérance d’une variable aléatoire<br />
L’espérance n’étant autre que la moyenne, elle possède également<br />
la propriété de linéarité.<br />
E(X + Y ) = E(X ) + E(Y )<br />
E(a · X ) = a · E(X ), où a est une constante (pas une variable<br />
aléatoire)<br />
On peut bien sûr combiner:<br />
E(a · X + b · Y ) = a · E(X ) + b · E(Y ), où a et b sont des<br />
constantes<br />
Si X et Y sont deux variables aléatoires indépendantes, on a<br />
E(X · Y ) = E(X ) · E(Y )<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 23 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Variance d’une variable aléatoire<br />
Variance de X<br />
La variance d’une variable aléatoire X est définie comme<br />
l’espérance du carré de l’écart entre X et son espérance:<br />
Var(X ) = E (X − E(X )) 2<br />
On note σ 2 X<br />
= <br />
p(x) (x − µ) 2<br />
x∈X<br />
= <br />
x∈X<br />
p(x) x 2 − µ 2<br />
la variance de X dans la population.<br />
L’écart-type σX de X est la racine carrée de la variance.<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 24 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Variance d’une variable aléatoire<br />
Prix des quotidiens:<br />
x 2 FS 2.50 FS 3 FS<br />
P(X = x) 0.1 0.5 0.4<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 25 / 29
Probabilités Exercices Lois de probabilités discrètes<br />
Variance d’une variable aléatoire<br />
Prix des quotidiens:<br />
x 2 FS 2.50 FS 3 FS<br />
P(X = x) 0.1 0.5 0.4<br />
µX = 0.1 · 2 + 0.5 · 2.5 + 0.4 · 3 = 2.65<br />
σ 2 X = 0.1 · (2 − 2.65)2 + 0.5 · (2.5 − 2.65) 2 + 0.4 · (3 − 2.65) 2<br />
= 0.1025<br />
σX = √ 0.1025 = 0.3202<br />
A. Caboussat, HEG STAT <strong>II</strong>, 2011 25 / 29