Interpolation multirésolution de formes 2D

Dimension: px
Commencer à balayer dès la page:

Download "Interpolation multirésolution de formes 2D"

Transcription

1 Jourées de l Associatio Fracophoe d Iformatique Graphique, Bordeaux, 2006 Iterpolatio multirésolutio de formes 2D Mélaie Corillac 1, Baptiste Caramiaux 1, Stefaie Hahma 1 et Georges-Pierre Boeau 2 1 Laboratoire LMC-IMAG, INPG, Greoble 2 Laboratoire GRAVIR-INRIA, UJF, Greoble préom.om@imag.fr Abstract We preset a multiresolutio morphig algorithm usig "as-rigid-as-possible" shape iterpolatio combied with a agle-legth based multiresolutio decompositio of simple 2D piecewise curves. This ovel multiresolutio represetatio is defied itrisically ad has the advatage that the details orietatio follows ay deformatio aturally. The multiresolutio morphig algorithm cosists of trasformig separately the coarse ad detail coefficiets of the multiresolutio decompositio. Thus all LoD (level of detail) applicatios like LoD display, compressio, LoD editig etc. ca be applied directly to all morphs without ay extra computatio. Furthermore, the algorithm ca robustly morph betwee very large size polygos with may local details as illustrated i umerous figures. The itermediate morphs behave atural ad least-distortig due to the particular itrisic multiresolutio represetatio. Nous présetos ue ouvelle méthode de morphig de courbes plaes utilisat ue combiaiso etre ue iterpolatio "aussi-rigide-que-possible" et ue décompositio multirésolutio itrisèque. Cette ouvelle représetatio multirésolutio est basée sur les agles et logueurs, et présete l avatage que l orietatio des détails suit aturellemet importe quelle déformatio. Le pricipe du morphig multirésolutio est de trasformer séparémet les coefficiets grossiers et ceux de détails issus de la décompositio multirésolutio. Aisi, toutes les maipulatios des iveaux de détails (NdD) comme l affichage de NdD, la compressio, l éditio,... peuvet être appliquées directemet aux métamorphoses sas calcul supplémetaire. De plus, ous motros au travers de ombreuses figures la robustesse de otre algorithme sur des polygoes de grade taille avec de ombreux détails. Les polygoes itermédiaires se comportet aturellemet et leur distorsio est miimale grâce à la représetatio multirésolutio itrisèque que ous avos choisie. 1. Itroductio Le morphig (ou métamorphose) est la trasformatio progressive et lisse d u modèle e u autre par iterpolatio. Ce modèle peut être e dimesio 2 ue image ou ue courbe, ou e 3D ue surface ou u volume. Le problème est de créer ue trasitio etre deux formes qui soit esthétique et ituitive. Les formes itermédiaires doivet préserver l apparece et les propriétés des formes e etrée. La simple iterpolatio liéaire etre les deux formes s avère souvet iadaptée, car les formes itermédiaires ot tedace à beaucoup varier e volume ou ecore à voir les proportios de leurs formes caractéristiques chager. U autre effet égatif est que des détails géométriques peuvet disparaître pour réapparaître plus tard. Le processus de morphig se décompose e deux problèmes : le problème du couplage des sommets (trouver ue correspodace etre les caractéristiques géométriques des objets source et destiatio) et le problème de la trajectoire des sommets (trouver la trajectoire suivie par deux élémets correspodats au cours de la métamorphose). Ces deux problèmes suscitet toujours beaucoup d itérêt e recherche, puisqu il existe pas à ce jour de défiitio formelle d ue solutio satisfaisate. Travaux précédets Il est bie cou qu u bo couplage iitial des sommets sources et destiatios peut améliorer de maière sigificative la qualité du morphig [SG92]. La plupart des algorithmes de morphig imposet doc mauellemet le

2 2 M. Corillac, B. Caramiaux, S. Hahma et G.-P. Boeau / Iterpolatio multirésolutio de formes 2D couplage de quelques poits choisis [ACOL00, SGWM93, GG95] ou supposet simplemet que le problème est résolu [SG03, SR95]. Das [Mey94], le problème du couplage des poits est résolu de faço multirésolutio e utilisat les odelettes. Das otre travail, ous cosidéros que le couplage des poits est doé, et que seul le problème de la trajectoire des poits est à résoudre pour des formes polygoales 2D. De bos résultats sot gééralemet obteus e choisissat d abord ue représetatio alterative de la courbe ou surface avat de l iterpoler. Das le cas de formes polygoales 2D, Sederberg et al. [SGWM93] représetet les polygoes par u esemble de logueurs et d agles. Shapira et Rappoport [SR95] utiliset ue représetatio squelette-étoilé. Goldstei et Gotsma [GG95] utiliset ue représetatio multirésolutio basée sur l évolutio de la courbe. Le morphig est aussi appliqué à des élémets décrivat l itérieur de la forme 2D, comme des triagles. Aisi, Floater et Gotsma [FG99] ot utilisé des coordoées barycetriques pour métamorphoser des triagulatios compatibles, et Surazhsky et Gotsma [SG03] ot e plus iterpolé des composates itrisèques de ces coordoées. Alexa et al. [ACOL00] effectuet u morphig etre des triagulatios compatibles e utilisat des applicatios locales qui miimiset les distorsios. Metioos aussi ue techique de morphig multirésolutio de maillages par Lee et al. [LDSS99]. Pour les techiques de morphig de maillages 3D, u état de l art est proposé par Alexa [Ale02]. La clé d ue méthode réussie semble être l utilisatio d ue représetatio basée sur des propriétés itrisèques à la géométrie des objets de faço à ce que l iterpolatio de ses élémets doe automatiquemet u résultat satisfaisat. La méthode de morphig que ous présetos das cet article est basée sur ue ouvelle représetatio multirésolutio. Das la modélisatio de formes complexes comportat de ombreux détails géométriques qui sot doc difficiles à maipuler, l aalyse multirésolutio offre u outil puissat pour représeter et déformer efficacemet des objets à différets iveaux de résolutio. Aisi, ue forme complexe est décomposée e ue approximatio grossière aisi qu u esemble de coefficiets de détails, permettat à tout momet la recostructio du modèle iitial. La déformatio d objets complexes comportat de ombreux détails peut être délicate et coûteuse à calculer. Das u cadre multirésolutio, même les objets complexes peuvet être édités à ue échelle choisie avec deux pricipaux effets. Premièremet, modifier des poits de cotrôle basse-résolutio modifie la forme globale de l objet sas e affecter les détails. Deuxièmemet, modifier des coefficiets de détails fis modifie le caractère local de l objet sas affecter sa forme globale. Le morphig multirésolutio décompose doc la forme source et la forme destiatio e ue approximatio grossière et u esemble de coefficiets de détails, il calcule séparémet la suite de formes grossières itermédiaires et celle de détails, et efi recostruit toutes les formes itermédiaires. Le choix de la représetatio multirésolutio est détermiat pour la qualité des formes géérées. E modélisatio géométrique assistée par ordiateur (CAGD) ou e iformatique graphique, les courbes ot gééralemet ue représetatio multirésolutio (MR) basée sur les B-splies [FS94, CQ92, EG95, Ber05, HBS05] et sot défiies pour des applicatios particulières. Das le cas des déformatios, et le morphig appartiet à cette applicatio, l orietatio des détails est u problème majeur. Par exemple, ue aalyse multirésolutio basée sur ue odelette e préserve pas l orietatio des détails au cours de la trasformatio. E effet, les détails sot ecodés das u système global de coordoées. Ue représetatio multirésolutio qui ecode les détails e utilisat des repères locaux comme [FS94] résout ce problème mais est pas appropriée pour le morphig. E effet, les polygoes grossiers peuvet tirer profit du morphig itrisèque de Sederberg, mais les détails eux e le peuvet pas. Doc le morphig des détails souffrirait du même maque de réalisme qu u morphig liéaire des sommets. Aperçu Das cet article, ous itroduisos ue représetatio multirésolutio pour les courbes 2D polygoales basée sur la courbure. Tous les coefficiets de détails serot représetés itrisèquemet par agles et logueurs. Nous motros que, comme les repères locaux, la représetatio multirésolutio préserve l orietatio des détails au cours de la déformatio. E outre, ous étudios so utilisatio pour le morphig e la combiat avec la techique de morphig "as-rigid-as-possible" de Alexa et al. [ACOL00] qui s est avérée fourir des métamorphoses de boe qualité. Nous présetos doc u algorithme de morphig multirésolutio itrisèque aussi-rigide-que-possible. 2. Aalyse Multiresolutio basée sur la représetatio agle-logueur L aalyse multirésolutio divise u vecteur de coefficiets c e ue partie grossière c 1 et ue partie de détails d 1. Cette divisio peut-être appliquée récursivemet au ouveau vecteur c 1. Aisi le vecteur origial des coefficiets peut-être décomposé e ue hiérarchie de vecteurs dits de basse-résolutio c 1,...,c 0 et de vecteurs de détails d 1,...,d 0. Ce procédé est appelé aalyse ou décompositio. Le vecteur des coefficiets origiaux peut-être retrouvé depuis importe quelle séquece c j,d j,d j+1,...,d, j = 0,..., 1. Ce procédé est appelé sythèse ou recostructio. Pour plus de détails et fodemets mathématiques sur l aalyse multirésolutio, vous pouvez vous reporter au travail origial de Mallat [Mal89]. Ue vue d esemble des applicatios e iformatique graphique est doée das [SDS96]. Comme ous l avos expliqué das l itroductio, les

3 M. Corillac, B. Caramiaux, S. Hahma et G.-P. Boeau / Iterpolatio multirésolutio de formes 2D 3 déformatios d ue représetatio MR basée sur des odelettes souffret gééralemet d u maque de réalisme car l orietatio des détails reste fixe lors de la déformatio. C est pourquoi ous itroduisos das cet article ue autre méthode d aalyse MR pour des courbes liéaires par morceaux (polygoes 2D). Das le cadre applicatif du morphig, otre méthode possède deux propriétés importates : l orietatio des détails suit la déformatio aturellemet (voir Figure 3) et la représetatio MR est défiie itrisèquemet. Nous savos, grâce à la géometrie différetielle, qu ue courbe paramétrique est détermiée de maière uique, à isométrie près, par sa foctio courbure [Car76]. La courbure est ue propriété itrisèque d ue courbe. Das le cotexte des courbes plaes et liéaire par morceaux, les agles et logueurs défiisset itrisèquemet ue courbe, à isométrie près [Ada75, SGWM93]. Nous allos utiliser ces quatités itrisèques pour défiir les coefficiets grossiers et de détails d ue aalyse MR. Notos les sommets du polygoe à décomposer P i = (x i,y i ), i = 0,...,N 1. Nous trasformos alors la représetatio e coordoées (x, y) du polygoe iitial e ue représetatio e coordoées (θ,l), où θ i = ( P i 1 P i, P i P i+1 ) est l agle défii e ses trigoométrique de deux segmets cosécutifs de polygoe au poit P i et l i = P i P i+1, i = 0,...,N 2, voir Figure 1. Les coordoées (x,y) des poits de cotrôle P i peuvet être retrouvées directemet e utilisat par exemple P 0 comme poit iitial et P 0 P 1 comme segmet iitial (détermiat aisi la traslatio et la rotatio). θ p i i+1 l i-1 l i p i Figure 1: Des coordoées (x,y) aux coordoées (θ,l) (l i, θ i e foctio de P i 1,P i, P i+1 ) La représetatio MR agle-logueur que ous itroduisos maiteat foctioe exclusivemet avec les coordoées (θ, l). A l istar des odelettes paresseuses [Swe97], ous choisissos de e garder que la moitié des poits de cotrôle à chaque étape d aalyse afi d obteir le polygoe grossier L Aalyse L aalyse (décompositio) est ue procédure récursive cosistat à diviser u vecteur de coefficiets d u polygoe (θ +1,l +1 ) e u vecteur de coefficiets grossiers (correspodat au polygoe de basse-résolutio) (θ,l ) et e u vecteur de coefficiets de détails. L idice déote alors le iveau de résolutio. Les deux types de coefficiets (de détails et grossiers) au iveau doivet être déduits directemet de (θ +1,l +1 ) et vice-versa. E utilisat les règles basiques de trigoométrie pour les p i-1 triagles, ous déduisos les formules d aalyse suivates, illustrées das la Figure 2. A chaque étape, le polygoe fi (θ +1,l +1 ) est décomposé e so approximatio (θ,l ), appelé polygoe grossier, aisi qu u esemble de détails (α,β ) permettat la recostructio du polygoe fi (voir Partie 2.2). Les détails sot des agles. coefficiets grossiers θ i = θ +1 2i + θ +1 2i 1 + α i α i 1 π, l i = ( ) 2 ( l2i l2i +1 pour i = 0,...,2 1. coefficiets de détails ( αi l = arccos +1 ) 2 2 l +1 2i l2i cos(θ2i+1) li 2i+1 l+1 2i ), ( cos θ +1 2i+1 β i = θ +1 2i+1 α i π, pour i = 0,..., l 2i+1 p i+1 +1 θ θ 2i-1 2i+1 β i +1 l 2i l i α i +1 θ 2i θ i p i β i-1 +1 ), Figure 2: L aalyse. Le polygoe e poitillés appartiet au iveau de résolutio + 1, le polygoe e traits pleis appartiet au iveau. A partir d u polygoe à 2 +1 segmets, ue étape d aalyse crée u polygoe à 2 segmets et 2 coefficiets de détails, lesquels sot représetés par deux vecteurs bidimesioels de la forme : (θ +1,l +1 ) (θ,l ) (α,β ), où θ = (θ 0,...,θ 2 1 ), de même pour l,α,β. A partir d u polygoe à D segmets, 2 D < 2 +1, o peut doc effectuer jusqu à étapes d aalyse. p i-1 (1) (2)

4 4 M. Corillac, B. Caramiaux, S. Hahma et G.-P. Boeau / Iterpolatio multirésolutio de formes 2D 2.2. La Sythèse L aalyse fourit u polygoe grossier (θ 0,l 0 ) (ue forme géometrique simple) et u esemble de coefficiets de détails (α 0,β 0 ),...,(α,β ). La sythèse va recostruire le polygoe origial. Nous travaillos ecore e coordoées (θ, l). Aisi, l algorithme cosiste à calculer les logueurs l2i +1, l2i et les agles θ2i, θ2i+1 +1 au iveau + 1 grâce aux coefficiets grossiers et de détails au iveau. Ce procédé correspod à ue étape de sythèse. Nous pouvos esuite itérer l algorithme sur la forme recostruite avec les détails. Les formules de sythèse, comme celles d aalyse, sot obteues géométriquemet (voir Figure 2 pour ue illustratio). recostructio des logueurs recostructio des agles l2i +1 = li. si(βi ) si(αi +β i ) l2i+1 +1 = li. si(αi ) si(αi +β i ). θ +1 2i = θ i α i β i 1 θ +1 2i+1 = π + α i + β i. Figure 3: A gauche : courbe iitiale avec 256 poits de cotrôle. Au cetre : déformatio du polygoe grossier au iveau 6. A droite : déformatio du polygoe grossier au iveau 8. L orietatio des détails suit aturellemet l orietatio du polygoe grossier lors de la déformatio Les cas spéciaux Trois cas spéciaux écessitat u traitemet particulier sot à predre e cosidératio. Ils correspodet aux cas où les coefficiets de détails (α i, β i ) preet les valeurs (0,0), (0, π) et (π, 0). Géométriquemet, ces cas correspodet à des triagles dégéérés i.e. où p2i +1, p +1 2i+1 et p+1 2i+2 sot coliéaires. Lorsque ous stockos les valeurs des détails lors de l aalyse, ous e pouvos pas retrouver les logueurs correctes l2i +1, l2i+1 +1 au momet de la sythèse car ces valeurs reportées das les formules précédetes (3) provoquet ue divisio par 0. Aisi à l apparitio d u de ces cas, ous procédos de la maière suivate : β i est assigé à ue valeur spécifique au cas recotré. Cette valeur ous permettra de savoir quel traitemet appliquer lors de la sythèse, et ous assigos à α i le rapport des logueurs caractéristiques du triagle plat. Aisi la recostructio peut être effectuée sas les aberratios umériques metioées précédemmet. (3) (4) 3. Morphig multirésolutio E etrée, ous avos deux polygoes P S et P T avec le même ombre de poits de cotrôle, appelés polygoes source et destiatio. Nous cherchos à costruire les polygoes itermédiaires P t qui trasformet graduellemet P S e P T, pour t [0,1], où P S = P 0 et P T = P 1. Il existe de ombreux iterpolats possibles pour P t et il est particulièremet difficile de caractériser mathématiquemet de "bos" algorithmes de morphig, puisque le jugemet déped à la fois du domaie d applicatio et de la perceptio humaie de la géométrie. La méthode la plus triviale cosiste à iterpoler le log d u segmet etre les positios des poits couplés. Cette iterpolatio des sommets est coue pour modifier de maière icosistate de ombreuses propriétés géométriques, telles que les logueurs, les agles et l aire au cours du morphig. Sederberg et al. [SGWM93] ot préseté ue méthode améliorée d iterpolatio. Au lieu d iterpoler les positios des poits, l algorithme iterpole des etités d ue défiitio itrisèque du polygoe : les agles et les logueurs des arêtes. Ue telle représetatio des polygoes est ivariate par mouvemet rigide. Il e résulte que le morphig de deux caractéristiques se comporte aturellemet. Il s avère aussi que les proportios de toutes les caractéristiques géométriques sot préservées. Le travail de Lipma et al. [LSLCO05] peut être vu comme ue sorte de gééralisatio de la techique d iterpolatio 2D de Sederberg à l iterpolatio de maillages 3D. Ils itroduiset ue représetatio des surfaces ivariate par mouvemet rigide basée sur les formes fodametales discrètes itrisèques, et proposet d iterpoler les coefficiets de ces formes. L approche d iterpolatio etre des etités itrisèques a aussi été employée par Surazshky et Gotsma [SG03]. Ils calculet d abord des triagulatios compatibles des polygoes source et destiatio puis ils iterpolet la valeur moyee des coordoées barycetriques des triagles e utilisat ue descriptio par logueurs et agles. L itérêt d appliquer le morphig à des triagulatios compatibles est qu e gééral, les auto-itersectios peuvet être évitées. Cepedat, le calcul de triagulatios compatibles aisi que de représetatios alteratives de l itérieur des polygoes [SR95] est gééralemet difficile et coûteux. L algorithme que ous présetos das cette partie fait partie de la classe des algorithmes basés sur des représetatios itrisèques du cotour. Les polygoes e etrée sot représetés par la représetatio multirésolutio itrisèque que ous avos itroduite das la Partie 2. La ature multirésolutio de cette représetatio a l avatage de géérer les polygoes itermédiaires directemet à tous les iveaux de détails sas avoir à e calculer ue représetatio MR. Voici les caractéristiques de otre algorithme itrisèque MR qui le redet particulièremet approprié pour le morphig :

5 M. Corillac, B. Caramiaux, S. Hahma et G.-P. Boeau / Iterpolatio multirésolutio de formes 2D 5 L orietatio des détails suit la déformatio aturellemet. La représetatio MR est défiie itrisèquemet. Les formes itermédiaires iterpolet les polygoes source et destiatio de faço "aussi-rigide-que-possible" comme das [ACOL00]. Les formes itermédiaires peuvet être visualisées à tous les iveaux de résolutio grâce au morphig MR qui calcule séparémet l iterpolatio des coefficiets grossiers et de détails. Das le cas de courbes fermées, ous avos pas le problème de o-fermeture que présete la méthode de Sederberg [SGWM93] Algorithme Ue fois la représetatio MR de P S et P T calculée, ous disposos de deux esembles de coefficiets grossiers (θs 0,l0 S ), (θ T 0,l0 T ) et de deux esembles de coefficiets de détails (αs 0,β S 0),...,(α S,β S ), et (α0 T,β T 0),...,(α T,β T ). E pricipe, les formes itermédiaires sot maiteat géérées e iterpolat les coefficiets de cette représetatio itrisèque. Cepedat, ous devos faire particulièremet attetio aux coefficiets du polygoe grossier. Iterpoler les coordoées (θ, l) du polygoe grossier reviedrait à appliquer l algorithme de Sederberg [SGWM93] au polygoe grossier. Das ce cas, ous hériterios du problème de o-fermeture des polygoes itermédiaires das les cas où P S et P T sot fermés, ce qui impliquerait des optimisatios supplémetaires. Au lieu de cela, ous proposos ue solutio où ce problème e se produit pas. Nous devos aussi iterpoler les coefficiets de détails qui sot des agles. Chaque couple (α, β) représete u des triagles qui sera ajouté au polygoe grossier pour l ameer vers le polygoe fi. Le choix de la méthode d iterpolatio des détails est doc lui aussi détermiat pour obteir ue métamorphose satisfaisate. Iterpolatio "aussi-rigide-que-possible" des coefficiets grossiers : Das le cas de polygoes fermés à 3 2 sommets, les polygoes grossiers après étapes d aalyse PS 0 et P0 T sot des triagles. Das ce cas, ous iterpolos ces deux triagles avec l iterpolatio "aussi-rigide-quepossible" d Alexa [ACOL00]. La trasformatio affie A etre PS 0 et P0 T est décomposée e ue matrice de rotatio R γ et ue matrice symétrique S e utilisat la décompositio e valeurs sigulières : A = R γ S. Les triagles itermédiaires sot esuite obteus e iterpolat les composates de cette décompositio : A(t) = R tγ ((1 t)i + ts). Cette iterpolatio etre deux triagles est dite "aussi-rigide-que-possible" car les agles variet de maière pratiquemet liéaire. Das tous les autres cas, ous pouvos rééchatilloer la courbe pour avoir D 2 poits, où D est le petit ombre de poits de cotrôle grossiers. U polygoe grossier avec peu de sommets peut facilemet être triagulé et iterpolé par la méthode d iterpolatio d Alexa, localemet de distorsio miimale. Iterpolatio des coefficiets de détails : Les coefficiets de détails représetet itrisèquemet les triagles qui sot ajoutés au polygoe grossier pour l ameer à u iveau de résolutio plus élevé. Chaque couple d agles (α, β) représete u triagle. Les coefficiets de détails itermédiaires de iveau j sot obteus par iterpolatio liéaire : αt j = (1 t)α j S +tα j T, βt j = (1 t)β j S +tβ j T, pour 0 j et t [0,1]. L iterpolatio peut géérer des cas particuliers, correspodats à des triagles dégéérés. Nous procédos alors comme décrit das la Partie 2.3 pour permettre la recotructio au momet de la sythèse. Les formes itermédiaires sot les déformatios "aussirigides-que-possible" des formes source et destiatio. E effet, la recostructio de toutes les métamorphoses itermédiaires se fait par l ajout de triagles aux polygoes de plus basse résolutio à chaque iveau de résolutio. De plus, ces triagles sot obteus e iterpolat liéairemet les agles, voir l équatio 5. Notre méthode peut doc être cosidérée comme u morphig "aussi-rigide-que-possible" de courbes multirésolutios, selo la défiitio doée par Alexa. Ue autre itérêt de otre méthode est que ous obteos la représetatio MR complète de toutes les courbes itermédiaires ce qui ous permet de les visualiser à différets iveaux de résolutio Résultats et discussio Cotrairemet à la plupart des algorithmes de morphig existats, otre méthode est coçue pour les polygoes de très grade taille avec beaucoup de détails locaux. Cepedat, elle peut aussi bie traiter tous les autres polygoes simples et lisses. Par coséquet ous avos seulemet choisi des exemples comportat de ombreux détails fis, qui sot difficiles à métamorphoser. La plupart d etre eux ot été produits e extrayat le cotour d ue image. Correspodace des poits Pour le couplage des sommets, ous défiissos mauellemet u poit de départ pour le polygoe source et destiatio. Tous les sommets restats correspodet alors automatiquemet par leurs idices. Afi d éviter des autoitersectios des morphigs, les sommets doivet être orietés das le même ses, das le ses trigoométrique par exemple. De plus, les sommets de départ doivet soit correspodre à u caractère particulier des courbes, soit se correspodre géographiquemet, par exemple être les sommets d abscisses miimales. Das la Figure 4 ous choisissos le ez des aimaux comme poit de départ. (5)

6 6 M. Corillac, B. Caramiaux, S. Hahma et G.-P. Boeau / Iterpolatio multirésolutio de formes 2D Figure 4: Hérisso - Hippocampe (1536 poits) Le choix de plus d u sommet à coupler est possible avec otre méthode e sélectioat les sommets du polygoe grossier de la faço suivate. Ceci doe u cotôle supplémetaire à l utilisateur. Avat d effectuer le morphig etre le polygoe source et destiatio, ue aalyse multiresolutio est exécutée selo les algorithmes décrits das la Sectio 3.1. Puisque l aalyse MR est basée sur le sous-échatilloage, les sommets du polygoe grossier sot aussi des sommets du polygoe fi et sot séparés par 2 1 sommets. Ces relatios particulières etre les polygoes fis et grossiers peuvet maiteat être utilisées pour fixer mauellemet tous les sommets des courbes source et destiatio grossières e tat que poits de couplage pour le morphig. Ue fois que l utilisateur a mauellemet choisi trois ou quatre idices de sommets destiés à costruire le polygoe grossier, les polygoes fis sot rééchatilloés de sorte à ce qu ue puissace de deux du ombre de sommets se trouvet etre eux. C est aisi que ous procédos pour les Figures 4, 7. Pour les autres Figures 5 et 6, ous avos simplemet fixé le sommet d abscisse miimale comme poit de départ. Représetatio multirésolutio de toutes les courbes L algorithme de morphig iterpole les représetatios itrisèques du polygoe grossier et les coefficiets de détails. Nous obteos doc e sortie ue représetatio multirésolutio complète de chaque courbe itermédiaire. Aisi, toutes les maipulatios des iveaux de détails comme l affichage, la compressio, l éditio,... peuvet être appliquées directemet aux métamorphoses sas aucu calcul supplémetaire. La Figure 5 motre sur la première lige le morphig MR etre les cartes de Frace et d Allemage aisi que les morphigs des polygoes grossiers. Les courbes de résolutio complète (8192 sommets) sot obteues par ue sythèse complète (Partie 2.2). Les quatre autres liges correspodet aux métamorphoses de résolutios iférieures obteues par ue sythèse partielle. Figure 5: Frace - Allemage (8192 poits) à 5 iveaux de résolutio =13 (iveau le plus fi), 10, 8, 6, 4 L utilisateur peut e fait cotrôler deux paramètres de l iterpolatio. Il peut choisir d iterpoler ue représetatio plus ou mois grossière des polygoes. Notos que plus les polygoes grossiers ot de sommets, plus leur iterpolatio sera coûteuse. Il peut aussi choisir ue sythèse complète ou partielle pour visualiser les formes itermédiaires. Morphig MR aussi-rigide-que-possible Nous avos pu observer das tous os tests que les métamorphoses ot u comportemet aturel et que les trasformatios sot de distorsio miimale. E effet, la maière dot ous iterpolos les polygoes grossiers et les coefficiets de détails red otre méthode d iterpolatio de formes "aussi-rigide-que-possible". Pour l iterpolatio des polygoes grossiers, ous utilisos la méthode de Alexa [ACOL00] qui calcule l iterpolatio de distorsio miimale par optimisatio. Cette méthode exige gééralemet le calcul de triagulatios compatibles pour les objets source et destiatio. Cette étape parfois difficile et coûteuse est omise das otre cas, puisque les polygoes grossiers sot tout à fait triviaux (ils se composet de 1-3 triagles maximum). E outre, les détails sot trasformés e iterpolat

7 M. Corillac, B. Caramiaux, S. Hahma et G.-P. Boeau / Iterpolatio multirésolutio de formes 2D 7 liéairemet leurs représetatios itrisèques. Ici aussi, l iterpolatio est de distorsio miimale, puisque les agles variet liéairemet. E résumé, otre méthode de morphig MR se comporte de faço "aussi-rigide-que-possible". Toutes les figures témoiget de cette importate propriété. E particulier, ue comparaiso etre le morphig MR et le morphig itrisèque classique [SGWM93] représetée sur la Figure 6 soutiet clairemet otre affirmatio. Figure 6: Comparaiso morphig MR (lige du haut) - morphig itrisèque sas MR (513 poits) (lige du bas) Figure 8: Comparaiso de 4 méthodes de morphig itrisèque. Première lige : morphig MR. Deuxième lige : morphig itrisèque des coordoées (θ, l) des polygoes. Les polygoes des deux derières liges sot obteus e fermat les polygoes de la lige deux de deux faços différetes. Troisième lige : fermeture affie. Quatrième lige : mise au poit des arêtes selo [SGWM93]. Ue exemple délicat Bie que la méthode empêche pas explicitemet les autoitersectios, il est éamois rare d e observer. E effet, la maière dot ous iterpolos les polygoes grossiers garatit des trasformatios sas auto-itersectio, mais seulemet pour les polygoes grossiers. Cepedat, pour tester la robustesse de otre méthode sur cet aspect, ous employos u exemple très délicat représeté sur la Figure 7. Aucue auto-itersectio e se produit, cotrairemet à u morphig itrisèque sas multirésolutio, voir la Figure 8. U autre problème du morphig itrisèque est la ofermeture des polygoes itermédiaires. Das [SGWM93], il a été éocé que les polygoes itermédiaires sot toujours proches. Ceci pourrait être vrai pour des morphigs etre des formes similaires, comme illustré das [SGWM93]. Mais das les cas où les formes sot très différetes et compliquées avec beaucoup de détails, la o-fermeture est u réel problème puisque de grades parties des métamorphoses doivet être corrigées, voir la Figure 8. Notre méthode e présete pas ce problème, puisque les polygoes au iveau le plus grossier sot iterpolés e utilisat ue décompositio e triagles selo [ACOL00]. 4. Coclusio Nous avos préseté ue ouvelle représetatio multirésolutio de formes polygoales, basée sur les agles et logueurs. Combiée à l iterpolatio "aussi rigide que possible" de Alexa et al. [ACOL00], cette représetatio est utilisée pour défiir ue ouvelle méthode de morphig. L itérêt d ue représetatio itrisèque, telle que celle que ous décrivos, est que l orietatio des détails suit aturellemet importe quelle déformatio. Puisque ous iterpolos les représetatios multirésolutios des courbes, ous obteos sas calcul supplémetaire la représetatio MR de toutes les courbes itermédiaires. Nous iterpolos les polygoes grossiers de faço aussi rigide que possible, et les agles de détails sot iterpolés liéairemet. Notre méthode a doc u comportemet globalemet aussi rigide que possible. Das le cas de polygoes fermés, cotrairemet à la méthode de Sederberg, otre méthode e recotre pas le problème de o fermeture des formes itermédiaires. Comme toutes les méthodes de morphig iterpolat les cotours des formes et o ue représetatio de l itérieur des formes, otre méthode e peut pas garatir l absece d auto itersectios. Cepedat, ous motros au travers de ombreux exemples qu il est possible de les éviter e pratique. Nous travaillos actuellemet sur la gééralisatio de cette méthode aux maillages 3D. Remerciemets Ces travaux ot été fiacés e partie grâce au soutie du Réseau d Excellece Europée AIM@SHAPE (IST NoE No ) Merci à Nicolas Szafra pour avoir créé des exemples e extrayat des cotours d images. Refereces [ACOL00] ALEXA M., COHEN-OR D., LEVIN D.: Asrigid-as-possible shape iterpolatio. I SIGGRAPH 00: Proceedigs of the 27th aual coferece o Computer graphics ad iteractive techiques (New York, NY, USA, 2000), ACM Press/Addiso-Wesley Publishig Co., pp [Ada75] ADAMS J. A.: The itrisic method for curve defiitio. Computer Aided Desig 7, 4 (1975), [Ale02] ALEXA M.: Recet advaces i mesh morphig. Comput. Graph. Forum 21, 2 (2002),

8 8 M. Corillac, B. Caramiaux, S. Hahma et G.-P. Boeau / Iterpolatio multirésolutio de formes 2D Figure 7: Sapi de Noël - Arbre à fleurs (2048 poits) [Ber05] BERTRAM M.: Sigle-kot wavelets for ouiform b-splies. Computer Aided Geometric Desig 22, 9 (2005), [Car76] CARMO M. D.: Differetial Geometry of Curves ad Surfaces. Pretice Hall, [CQ92] CHUI C., QUAK E.: Wavelets o a bouded iterval. I Numerical Methods of Approximatio Theory, Braess D., Schumaker L., (Eds.). Birkhäuser Verlag, Basel, 1992, pp [EG95] ELBER G., GOTSMAN C.: Multiresolutio cotrol for ouiform bsplie curve editig. I The Third Pacific Graphics Coferece o Computer Graphics ad Applicatios, Seoul, Korea ([August 1995), pp [FG99] FLOATER M. S., GOTSMAN C.: How to morph tiligs ijectively. J. Comput. Appl. Math. 101, 1-2 (1999), [FS94] FINKELSTEIN A., SALESIN D. H.: Multiresolutio curves. Computer Graphics Proceedigs (SIG- GRAPH 94) (1994), [GG95] GOLDSTEIN E., GOTSMAN C.: Polygo morphig usig a multiresolutio represetatio. I Graphics Iterface 95 (1995), Caadia If. Process. Soc., pp [HBS05] HAHMANN S., BONNEAU G.-P., SAUVAGE B.: Area preservig deformatio of multiresolutio curves. Computer Aided Geometric Desig 22, 4 (2005), [LDSS99] LEE A. W. F., DOBKIN D., SWELDENS W., SCHRÖDER P.: Multiresolutio mesh morphig. Computer Graphics Proceedigs (SIGGRAPH 99) (1999), [LSLCO05] LIPMAN Y., SORKINE O., LEVIN D., COHEN-OR D.: Liear rotatio-ivariat coordiates for meshes. ACM Tras. Graph. 24, 3 (2005), [Mal89] MALLAT S.: A theory for multiresolutio sigal decompositio: The wavelet represetatio. IEEE Trasactios o Patter Aalysis ad Machie Itelligece 11 (1989), [Mey94] MEYERS D.: Multiresolutio tilig. Computer Graphics Forum 13, 5 (1994), [SDS96] STOLLNITZ E., DEROSE T., SALESIN D.: Wavelets for Computer Graphics: Theory ad Applicatios. Morga-Kaufma, [SG92] SEDERBERG T. W., GREENWOOD E.: A physical based approach to 2-d shape bedig. Computer Graphics,(SIGGRAPH 92 Proceedigs) 26, 2 (1992), [SG03] SURAZHSKY V., GOTSMAN C.: Itrisic morphig of compatible triagulatios. Iteratioal Joural of Shape Modelig 9, 2 (2003), [SGWM93] SEDERBERG T., GAO P., WANG G., MU H.: 2-d shape bledig: A itrisic solutio to the vertex path problem. Computer Graphics,(SIGGRAPH 93 Proceedigs) 27 (1993), [SR95] SHAPIRA M., RAPPOPORT A.: Shape bledig usig the star-skeleto represetatio. IEEE Comput. Graph. Appl. 15, 2 (1995), [Swe97] SWELDENS W.: The liftig scheme: A costructio of secod geeratio wavelets. SIAM J. Math. Aal. 29, 2 (1997),

20. Algorithmique & Mathématiques

20. Algorithmique & Mathématiques L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus

Plus en détail

Les Nombres Parfaits.

Les Nombres Parfaits. Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 5. La fonction logarithme népérien. Sommaire Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions. 3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9 Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour

Plus en détail

Sommaire Chapitre 1 - L interface de Windows 7 9

Sommaire Chapitre 1 - L interface de Windows 7 9 Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18

Plus en détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

Donnez de la liberté à vos données. BiBOARD. www.biboard.fr

Donnez de la liberté à vos données. BiBOARD. www.biboard.fr Doez de la liberté à vos doées BiBOARD www.biboard.fr Le décisioel pour tous Le décisioel évolue. L etreprise quelle que soit sa taille, a besoi de piloter so activité à l aide d outils simples, fiables,

Plus en détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

Mécanismes de protection contre les vers

Mécanismes de protection contre les vers Mécaismes de protectio cotre les vers Itroductio Au cours de so évolutio, l Iteret a grademet progressé. Il est passé du réseau reliat quelques cetres de recherche aux États-Uis au réseau actuel reliat

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3 1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que

Plus en détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

Logiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd

Logiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd easylab Le logiciel de gestio de fichiers pour baladeurs et tablettes Visualisatio simplifiée de la flotte Gestio des baladeurs par idividus / classes / groupes / activités Activatio des foctios par simple

Plus en détail

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

Plus en détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe 1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE AVANCÉE : MÉTHODES STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 3 : Transistor bipolaire à jonction Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats

Plus en détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes. Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités

Plus en détail

Gérer les applications

Gérer les applications Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires

Plus en détail

Réseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus

Réseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio

Plus en détail

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012 Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation 1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus

Plus en détail

Processus géométrique généralisé et applications en fiabilité

Processus géométrique généralisé et applications en fiabilité Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR

Plus en détail

La fibre optique arrive chez vous Devenez acteur de la révolution numérique

La fibre optique arrive chez vous Devenez acteur de la révolution numérique 2 e éditio Edité par l Autorité de régulatio des commuicatios électroiques et des postes RÉPUBLIQUE FRANÇAISE DÉCEMBRE 2010 La fibre optique arrive chez vous Deveez acteur de la révolutio umérique Petit

Plus en détail

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers. Reseigemets et moitorig. Reseigemets commerciaux et de solvabilité sur les etreprises et les particuliers. ENSEMBLE CONTRE LES PERTES. Reseigemets Creditreform. Pour plus de trasparece. Etreteir des rapports

Plus en détail

Simulations interactives de convertisseurs en électronique de puissance

Simulations interactives de convertisseurs en électronique de puissance Simulatios iteractives de covertisseurs e électroique de puissace Jea-Jacques HUSELSTEIN, Philippe ENII Laboratoire d'électrotechique de Motpellier (LEM) - Uiversité Motpellier II, 079, Place Eugèe Bataillo,

Plus en détail

RECHERCHE DE CLIENTS simplifiée

RECHERCHE DE CLIENTS simplifiée RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées

Plus en détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

One Office Voice Pack Vos appels fixes et mobiles en un seul pack

One Office Voice Pack Vos appels fixes et mobiles en un seul pack Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre

Plus en détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

DETERMINANTS. a b et a'

DETERMINANTS. a b et a' 2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio

Plus en détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

Exercices de mathématiques

Exercices de mathématiques MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres

Plus en détail

Neolane Leads. Neolane v6.0

Neolane Leads. Neolane v6.0 Neolae Leads Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord. Cette publicatio

Plus en détail

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés

Plus en détail

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3... Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

Plus en détail

Neolane Message Center. Neolane v6.0

Neolane Message Center. Neolane v6.0 Neolae Message Ceter Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord.

Plus en détail

Les algorithmes de tri

Les algorithmes de tri CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....

Plus en détail

Formation d un ester à partir d un acide et d un alcool

Formation d un ester à partir d un acide et d un alcool CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester

Plus en détail

Compte Sélect Banque Manuvie Guide du débutant

Compte Sélect Banque Manuvie Guide du débutant GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de

Plus en détail

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail

Plus en détail

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier

Plus en détail

Faites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes

Faites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes Faites prospérer vos affaires grâce aux solutios d éparge et de gestio des dettes Quelques excelletes raisos d offrir des produits bacaires et de fiducie à vos cliets Vous avez la compétece écessaire pour

Plus en détail

Processus et martingales en temps continu

Processus et martingales en temps continu Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de

Plus en détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par

Plus en détail

Télé OPTIK. Plus spectaculaire que jamais.

Télé OPTIK. Plus spectaculaire que jamais. Télé OPTIK Plus spectaculaire que jamais. Vivez toute la puissace de la télévisio sur IP grâce au réseau OPTIK 1 de TELUS et découvrez-e l extraordiaire potetiel. Télé OPTIK MC vous doe la parfaite maîtrise

Plus en détail

RÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION

RÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION RÈGLES ORDIALES : UE GÉÉRALISATIO DES RÈGLES D'ASSOCIATIO SYLVIE GUILLAUME ALI KHECHAF 2 RÉSUMÉ: La plupart des mesures des règles cocere les variables biaires et écessite pour les autres types de variables

Plus en détail

Création et développement d une fonction audit interne*

Création et développement d une fonction audit interne* Créatio et développemet d ue foctio audit itere* Ue démarche e 10 étapes [ Sommaire] Dix étapes pour réussir... 7 Étapes 1 à 4 Défiitio du cadre d itervetio... 9 1 Idetifier les attetes des parties preates...

Plus en détail

Initiation à l analyse factorielle des correspondances

Initiation à l analyse factorielle des correspondances Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique

Plus en détail

Suites et séries de fonctions

Suites et séries de fonctions [http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de

Plus en détail

Principes et Méthodes Statistiques

Principes et Méthodes Statistiques Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............

Plus en détail

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes

Plus en détail

Guide des logiciels de l ordinateur HP Media Center

Guide des logiciels de l ordinateur HP Media Center Guide des logiciels de l ordiateur HP Media Ceter Les garaties des produits et services HP sot exclusivemet présetées das les déclaratios expresses de garatie accompagat ces produits et services. Aucu

Plus en détail

LES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE

LES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE LES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE Qu est-ce que l Écoomie sociale et solidaire? Coopératives Etreprises sociales Scop Fiaceurs sociaux Scic CAE Mutuelles Coopératives d etreprises

Plus en détail

Le Sphinx. Enquêtes, Sondages. Analyse de données. Internet : http://www.lesphinxdeveloppement.fr/club/index.html

Le Sphinx. Enquêtes, Sondages. Analyse de données. Internet : http://www.lesphinxdeveloppement.fr/club/index.html Equêtes, Sodages Aalyse de doées Le Sphix! Iteret : http://www.lesphixdeveloppemet.fr/club/idex.html Lagarde J. Aalyse statistique de doées, Duod. Réaliser vos equêtes Questioaire Traitemets et aalyses

Plus en détail

Lorsque la sécurisation des paiements par carte bancaire sur Internet conduit à une concurrence entre les banques et les opérateurs de réseau

Lorsque la sécurisation des paiements par carte bancaire sur Internet conduit à une concurrence entre les banques et les opérateurs de réseau Lorsque la sécurisatio des paiemets par carte bacaire sur Iteret coduit à ue cocurrece etre les baques et les opérateurs de réseau David Bouie Das cet article, ous ous iterrogeos sur l issue de la cocurrece

Plus en détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. Calcul pour une évolution d une proportion entre deux années non consécutives Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages

Plus en détail

Chaînes de Markov. Arthur Charpentier

Chaînes de Markov. Arthur Charpentier Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.

Plus en détail

Microscope de mesure sans contact pour inspection et mesures de précision

Microscope de mesure sans contact pour inspection et mesures de précision KESTREL ELITE KESTREL ELITE Microscope de mesure sas cotact pour ispectio et mesures de précisio Microscope à deux axes sas cotact, idéal pour la mesure de caractéristiques 2-D de pièces techiques de petite

Plus en détail

Mécanique non linéaire

Mécanique non linéaire M MN9 Mécaique o liéaire Zhi-Qiag FENG UFR Sciece et Techologies Uiversité d Evry Val d Essoe TABLES DES MATIERES INTRODUCTION Chapitre : CONCEPTS ELEMENTAIRES. Pricipales propriétés des matériaux. Coaissace

Plus en détail

CAMERA HYPERFREQUENCE POUR LA MESURE ET L ANALYSE DE LA SER DES CIBLES SCINTILLANTES

CAMERA HYPERFREQUENCE POUR LA MESURE ET L ANALYSE DE LA SER DES CIBLES SCINTILLANTES N D ORDRE 8688 UNIVERSITE PARIS-SUD XI Faculté des Scieces d Orsay THÈSE DE DOCTORAT SPECIALITE : PHYSIQUE Ecole Doctorale «Scieces et Techologies de l Iformatio des Télécommuicatios et des Systèmes» Yoa

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en détail

Échantillonnage et estimation

Échantillonnage et estimation Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos

Plus en détail

Régulation analogique industrielle ESTF- G.Thermique

Régulation analogique industrielle ESTF- G.Thermique Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité

Plus en détail

Copyright 2001 2006 Hewlett-Packard Development Company, L.P.

Copyright 2001 2006 Hewlett-Packard Development Company, L.P. Guide des logiciels Media Ceter Les garaties des produits et services HP sot exclusivemet présetées das les déclaratios expresses de garatie accompagat ces produits et services. Aucu élémet de ce documet

Plus en détail