50. Les tables de décision. Table des matières

Dimension: px
Commencer à balayer dès la page:

Download "50. Les tables de décision. Table des matières"

Transcription

1 Modélisation de logiciels de gestion Modélisation des données, modélisation des traitements et d autres thèmes sont accessibles depuis l index du cours de modélisation de logiciels de gestion: Table des matières 1 Préambule Définition Structure Elaboration Les conditions Les actions Représentation sous forme d une table de décision Simplification de la table de décision Pseudo code d implantation Implantation sous forme d une collection de règles Les règles Les règles simples Les règles complexe La règle ELSE Les tables Tables limitées Tables étendues Tables mixtes Calcul du nombre de règles simples d une table de décision Nombre maximal de règles simples d une table de décision à entrées mixtes Nombre maximal de règles simples d une table de décision à entrées limitées Nombre de règles simples d une table de décision avec règles complexes Complétion Table logiquement complète Table formellement complète /39

2 9 Tables standards Décomposition de tables de décision Tables ouvertes Tables fermées Exemple de décomposition d une table en plusieurs Consolider une table de décision Recherche et élimination des redondances des actions Recherche et élimination des redondances des conditions Recherche des redondances de règles Détection à l aide des tables standards Détection par confrontation de règles Redondances de règles avec ou sans contradiction Elimination des redondances de règles sans contradiction Inclusion Intersection Vérification de la complétion Calcul du nombre de règles Utilisation d une table standard Minimisation des tables de décision Minimisation des conditions Minimisation des actions Minimisation des règles Références bibliographiques /39

3 1 Préambule Lors des chapitres précédents, nous avons vu comment modéliser les traitements du système d information ; nous avons aussi étudié la représentation de l interaction entre les traitements et les données. Nous nous souvenons que le but de tout traitement informatique consiste à transformer les données reçues en entrée et de renvoyer le résultat de cette transformation en sortie. Il nous faut maintenant disposer de modèles pour exprimer la logique de cette transformation. Figure 1 - Fonction et flux de données Toute fonction, du modèle de flux de données de l approche classique, reçoit un flux de données en entrée et fournit un flux de données en sortie. Il nous faut maintenant décrire le comportement interne de la fonction de traitement ; cette description peut se faire sous forme de pseudo code, de structogramme, d arbre de décision ou encore de table de décision. Nous présentons, dans ce chapitre, le concept de table de décision ; la table de décision nous semble le modèle le plus adéquat pour exprimer exhaustivement les règles de transformation d un processus métier ou d un traitement automatisé. Il est essentiel que les différentes fonctions constitutives d un système d information se comportent comme des boîtes blanches 1 si nous voulons garantir l adéquation du système d information aux besoins exprimés. Une table de décision est certainement la représentation la plus rigoureuse et la plus pertinente qui soit de la logique interne d une fonction et surtout, une table de décision est un excellent point de départ pour réaliser les tests de boîte blanche. Malheureusement, les tables de décision ne sont, en général, pas supportées en tant que telles par les logiciels de conception de solutions informatiques. Progressivement, il apparaît sur le marché des moteurs de règles; les règles sont des éléments de tables de décision. Les moteurs de règles sont un gros progrès pour l industrialisation et la qualité du logiciel mais s ils excellent dans le traitement unitaire des règles, ils ne permettent pas de garantir l exhaustivité des traitements d une fonction. Remarque: Le concept de table de décision provient de l approche classique basée sur le paradigme de séparation des données et des traitements; toutefois, une table de décision reste un moyen de représentation tout à fait approprié pour décrire une activité, un cas d utilisation ou encore une opération 2 de l approche orientée objet. En effet, comme nous l avons vu dans le chapitre de modélisation des traitements automatisés, lors de l activité d analyse du processus unifié (UP), nous présentons le système d information en séparant les données (les entités métier) et les traitements (les interfaces et les contrôleurs). 1 Une boîte blanche est une fonction dont on connaît exactement les règles de comportement interne; à chaque jeu de données fourni en entrée n est associé qu un et un seul jeu de données en sortie. Par opposition à une boîte blanche, les résultats fournis par une boîte noire ne sont pas systématiquement prévisibles car le détail de son comportement interne n est pas connu. 2 Une méthode s agissant de langage de programmation orienté objet. 3/39

4 2 Définition Une table de décision exprime exhaustivement les relations entre la logique interne d une fonction ou d un processus, les données fournies en entrée et les données restituées en sortie. Les données fournies en entrée deviennent les conditions de la table de décision. Les données restituées en sortie proviennent des actions déclenchées par la table de décision. Les couples (conditions, actions) deviennent les règles de la table de décision ou, dit autrement, la logique interne de la fonction. R1 R2 R3 R4 Données en entrée Table Programme de ski C1 Journée relâche N O O O C2 Temps chaud - O O N C3 Eau >= 20 - O N - A1 Journée de ski X A2 Piscine extérieure X A3 Piscine intérieure X X Données en sortie Figure 2 - Logique interne d'une fonction La représentation de la logique interne d une fonction par une table de décision nous permet d atteindre l objectif de prédictibilité que nous attendons d une boîte blanche. Par ailleurs, une table de décision nous offre les avantages suivants : une grande facilité de lecture, même en présence de nombreuses conditions, actions et règles ; une représentation précise de la logique interne de la fonction ; grâce au mécanisme de complétude, il est possible de garantir l exhaustivité des règles applicables aux différentes données reçues en entrée. Lorsque la logique interne d une fonction est relativement simple, il y a lieu de privilégier d autres moyens de représentation plus simple comme un structogramme ou un arbre de décision. 4/39

5 3 Structure Les lignes d une table de décision sont séparées en conditions et en actions; les conditions sont placées en premier et les actions ensuite. Les colonnes représentent sous forme de règles les relations entre valeurs de conditions et actions. Figure 3 - Structure d'une table de décision 5/39

6 4 Elaboration Pour élaborer la table de décision relative à un processus ou une fonction, la première étape consiste à mettre en évidence les conditions et les actions. Prenons l exemple de l occupation de la journée de Nicolas; si Jacques et André viennent chez Nicolas, ils iront dehors en cas de beau temps et resteront dedans à jouer aux cartes s il pleut. Si André ne vient pas, Nicolas jouera aux échecs, de même, s il se trouve seul avec son ami André. Si Nicolas se trouve tout seul et qu il pleut, il en profitera pour lire un livre. Si Nicolas est seul et qu il fait beau temps, il ira se promener en forêt. 4.1 Les conditions A partir du texte de notre exemple, nous mettons en évidence les conditions reproduites dans la partie gauche du tableau de la Figure 4: Conditions présentes dans le texte Jacques et André viennent. André ne vient pas. (Nicolas est seul avec Jacques) Jacques ne vient pas. (Nicolas est seul avec André) Nicolas se trouve seul. Il fait beau temps. Il pleut Conditions simplifiées Jacques vient (oui ou non) André vient (oui ou non) Il pleut (oui ou non) Figure 4 - Liste des conditions Les conditions présentes dans le texte, ou de manière générale les conditions exprimées par la maîtrise d ouvrage ou les utilisateurs dans le cadre d un projet d informatisation sont souvent compliquées et difficilement exploitables; pour les simplifier, nous élaborons des descriptions susceptibles d être associées à des valeurs discrètes ou à un intervalle de valeurs. Pour notre exemple, les deux conditions «Il fait beau temps» et «Il pleut» sont simplifiées par la description de condition «Il pleut» à laquelle nous pourrons associer les valeurs «Oui» et «Non». 6/39

7 4.2 Les actions Après avoir mis en évidence et simplifié les conditions, il nous faut mettre en évidence et simplifier les actions. Actions présentes dans le texte Aller dehors. Rester dedans et jouer aux cartes. Jouer aux échecs Avec André Avec Jacques Lire un livre. Se promener en forêt. Actions simplifiées Aller dehors. Rester dedans et jouer aux cartes. Jouer aux échecs avec André Jouer aux échecs avec Jacques Lire un livre. Se promener en forêt. Figure 5 - Liste des actions 4.3 Représentation sous forme d une table de décision Maintenant que nous avons établi une liste de conditions et d actions, nous pouvons mettre en relation les différentes valeurs de conditions et d actions sous forme de règles. TD Occupation de Nicolas R1 R2 R3 R4 R5 R6 R7 R8 C1 Jacques vient O O O O N N N N C2 André vient O O N N O O N N C3 Il pleut O N O N O N O N A1 Aller dehors X A2 Rester dedans et jouer aux cartes X A3 Jouer aux échecs avec Jacques X X A4 Jouer aux échecs avec André X X A5 Lire un livre X A6 Se promener en forêt X Figure 6 - Table de décision d'occupation de Nicolas 7/39

8 4.4 Simplification de la table de décision Nous pouvons observer que les règles R3 et R4 de la table de décision de la Figure 6 ne tiennent pas compte de la condition «Il pleut» ; il en est de même pour les règles R5 et R6. Nous simplifions la table de décision en remplaçant les règles R3 et R4 par une nouvelle règle dont la condition «Il pleut» n est pas prise en compte. TD Occupation de Nicolas R1 R2 R3 R4 R5 R6 C1 Jacques vient O O O N N N C2 André vient O O N O N N C3 Il pleut O N - - O N A1 Aller dehors X A2 Rester dedans et jouer aux cartes X A3 Jouer aux échecs avec Jacques X A4 Jouer aux échecs avec André X A5 Lire un livre X A6 Se promener en forêt X Figure 7 - Table de décision d'occupation de Nicolas simplifiée 8/39

9 4.5 Pseudo code d implantation Une table de décision peut être traduite telle quelle en code exécutable comme illustré par le pseudo code de la Figure 8. IF Jacques vient THEN IF André vient THEN IF il pleut THEN - Rester dedans et jouer aux cartes ELSE - Aller dehors ENDIF ELSE - Jouer aux échecs avec Jacques ENDIF ELSE IF André vient THEN - Jouer aux échecs avec André ELSE IF il pleut THEN -Lire un livre ELSE - Se promener en forêt ENDIF ENDIF ENDIF Figure 8 Pseudo code de la table de décision d'occupation de Nicolas simplifiée 9/39

10 4.6 Implantation sous forme d une collection de règles En cas de changement à l intérieur d une table de décision, l adaptation du pseudo code de la Figure 8 peut être relativement fastidieuse et surtout susceptible d engendrer des erreurs 3. En lieu et place de produire des enchaînements de tests et d actions, nous préconisons d évaluer chaque règle de la table de décision et d exécuter la règle qui est valide. R1 := (Jacques vient) AND (André vient) AND (Il pleut) R2 := (Jacques vient) AND (André vient) AND NOT (Il pleut) R3 := (Jacques vient) AND NOT (André vient) R4 := NOT (Jacques vient) AND (André vient) R5 := NOT(Jacques vient) AND NOT(André vient) AND (Il pleut) R6 := NOT(Jacques vient) AND NOT(André vient) AND NOT (Il pleut) IF R1 THEN - Rester dedans et jouer aux cartes ENDIF IF R2 THEN - Aller dehors ENDIF IF R3 THEN - Jouer aux cartes avec Jacques ENDIF IF R4 THEN - Jouer aux cartes avec André ENDIF IF R5 THEN - Lire un livre ENDIF IF R6 THEN - Se promener en forêt ENDIF Figure 9 Pseudo code sous forme d une collection de règles Chaque variable R1 à Rn correspond à l évaluation des indicateurs des conditions de la règle correspondante de la table de décision ; les valeurs possibles sont Vrai ou Faux. Une seule variable R1 à Rn peut avoir la valeur Vrai. 3 Il s agit en l occurrence de régression du code ; le code ancien fonctionnait correctement et l utilisateur ne comprend pas pourquoi le logiciel ne fonctionne plus correctement. 10/39

11 5 Les règles Trois sortes de règles peuvent apparaître dans une table de décision : la règle ELSE, les règles simples et les règles complexes. TD Exemple de règles ELSE R1 R2 R3 R4 C1 Condition 1 O O O N C2 Condition C3 Condition 3 N N O - A1 Action A2 Action 2 X A3 Action 3 X X A4 Erreur X Figure 10 Exemple des différentes règles possibles 5.1 Les règles simples Une règle simple est une règle ne possédant pas de valeur indifférente (-) dans ses indicateurs de condition. R2 et R3 de la Figure 10 sont des règles simples. 5.2 Les règles complexe Une règle complexe est une règle possédant une ou plusieurs valeurs indifférentes (-) dans ses indicateurs de condition. R1 et R4 de la Figure 10 sont des règles complexes. 5.3 La règle ELSE La règle ELSE est une règle recouvrant toutes les règles ne figurant pas dans la table de décision et correspondant généralement à des erreurs. En principe, la règle ELSE est placée en début ou en fin des règles. Remarque: La règle ELSE n est pas prise en compte pour le calcul du nombre de règles. 11/39

12 6 Les tables Trois sortes de tables sont utilisées couramment: les tables limitées, les tables étendues et les tables mixtes. 6.1 Tables limitées Une table limitée est une table de décision où : Les conditions sont indiquées dans la partie descriptive de manière complète. Les indicateurs de condition possibles sont : O pour oui ; N pour non ; pour oui ou non. Les actions sont indiquées dans la partie descriptive de manière complète. Les indicateurs d action possibles sont : X pour une action exécutée ; pour une action non exécutée (absence de marque). TD Prix produit R1 R2 R3 R4 R5 R6 R7 R8 C1 Article de luxe O O O O N N N N C2 Grande production O O N N O O N N C3 Emballage cadeau N N O N O N O N C4 Action publicitaire N O N N O N O N A1 125 francs X A2 98 francs X A3 75 francs X A4 60 francs X X X A5 45 francs X A6 30 francs X Figure 10 Exemple de table de décision limitée Remarque: La table de l exemple ci-dessus n est pas complète. [Voir le chapitre «Complétion»] 12/39

13 Une table de décision n ayant que la partie condition répondant à ce critère est dite table à entrées limitées. TD Prix produit R1 R2 R3 R4 R5 R6 R7 R8 C1 Article de luxe O O O O N N N N C2 Grande production O O N N O O N N C3 Emballage cadeau N N O N O N O N C4 Action publicitaire N O N N O N O N A1 Prix (en francs) Figure 11 Exemple de table de décision à entrées limitées 6.2 Tables étendues Une table étendue est une table de décision où : Les conditions sont indiquées dans la partie descriptive de manière incomplète. Les indicateurs de condition apportent une spécification supplémentaire. Les actions sont indiquées dans la partie descriptive de manière incomplète. Les indicateurs d action apportent une spécification supplémentaire. TD Prêts R1 R2 R3 R4 R5 C1 Salaire mensuel <1000 >=1000 <2000 >=1000 <2000 >=2000 >=2000 C2 Remboursement mensuel maximal A1 Prêt maximal A2 Frais en % de la somme du prêt Figure 12 Exemple de table de décision étendue 13/39

14 Une table de décision n ayant que la partie condition répondant à ce critère est dite table à entrées étendues. TD Prêts R1 R2 R3 R4 R5 C1 Salaire mensuel <1000 >=1000 <2000 >=1000 <2000 >=2000 >=2000 C2 Remboursement mensuel maximal A1 Prêt : X A2 Prêt : X X A3 Prêt : X A4 Frais : 1.5% X A% Frais : 1.3% X X A6 Frais : 1.1% X Figure 13 Exemple de table de décision à entrées étendues 6.3 Tables mixtes Une table mixte est une combinaison de la table limitée et de la table étendue. TD Prêts R1 R2 R3 R4 R5 R6 R7 C1 Client solvable O O O O O O N C2 Salaire mensuel >=2000 <3000 >=2000 <3000 >=3000 <5000 >=3000 <5000 >=5000 >= C3 Prêt requis <=6000 >6000 <=8000 >8000 <=12000 > A1 Prêt refusé X X X X A2 A3 Remboursement mensuel minimal Frais en % de la somme prêtée Figure 14 Exemple de table de décision mixte 14/39

15 7 Calcul du nombre de règles simples d une table de décision 7.1 Nombre maximal de règles simples d une table de décision à entrées mixtes Le calcul du nombre maximal de règles simples, NbMax, que peut contenir une table de décision s effectue en multipliant le nombre de formes que peuvent prendre les différentes entrées de conditions. NbMax = F 1 * F 2 * * F i * * F n F i est le nombre de formes des entrées de la condition i Le nombre de règles simples des entrées étendues correspond aux nombres d indicateurs possibles. Le nombre de règles simples des entrées limitées est toujours égal à 2, soit : oui ou non. TD R1 R2 R3 R4 R5 R6 R7 R8 C1 Couleur BL BL JA JA RO RO NO NO C2 Article de luxe O N O N O N O N Figure 15 - Entrées mixtes A propos de la Figure 15 : La condition étendue Couleur peut prendre 4 valeurs : BL - Bleu JA Jaune RO Rouge NO Noir La condition limitée Article de luxe peut prendre 2 valeurs. Le nombre de règles simples maximales de la table est donc de 8: NbMax = F Couleur * F Article de luxe = 4 * 2 NbMax = 8 15/39

16 7.2 Nombre maximal de règles simples d une table de décision à entrées limitées Toutes les formes des entrées de conditions d une table à entrées limitées étant de 2, le nombre maximal de règles simples s obtient en élevant 2 à la puissance du nombre de conditions de la table. NbMax = 2 * 2 * * 2 NbMax = 2 n n est le nombre de conditions de la table TD - R1 R2 R3 R4 R5 R6 R7 R8 C1 Article de luxe O O O O N N N N C2 Grande production O O N N O O N N C3 Action publicitaire O N O N O N O N Figure 16 - Entrées limitées 16/39

17 7.3 Nombre de règles simples d une table de décision avec règles complexes En présence de règles complexes, nous devons prendre en compte le nombre de formes des différentes conditions pour lesquelles un indicateur d indifférence apparaît pour calculer le nombre de règles simples sous-jacentes, NbRS. NbRS = RS 1 + RS RS i + + RS n RS i est le nombre de règles simples sous-jacente à la règle Ri RSi = f 1 * f 2 * * f k * * f n f k est le nombre de valeurs simples de l entrée de la condition k f k vaut 1 pour une entrée comportant une valeur f k vaut F k pour une entrée comportant un indicateur d indifférence ; pour rappel F k exprime le nombre de forme des entrées de la condition k TD R1 R2 R3 R4 R5 R6 R7 R8 C1 Condition 1 B - C B A - D C C2 Condition 2 - O N N N O O N C3 Condition 3 O O O O N N O N C4 Condition Règles simples équivalentes, RS Figure 17 Règles complexes A propos de la Figure 17 : La condition à entrée étendue 1 peut prendre 4 valeurs parmi {A, B, C, D}. Les conditions à entrée limitée 2 & 3 peuvent prendre 2 valeurs. La condition à entrée étendue 4 peut prendre 4 valeurs parmi {1, 2, 3, 4}. 4 Le résultat de 16 provient du produit : 4 * 1 * 1 * 4 17/39

18 8 Complétion Une table est dite «complète» lorsque toutes les combinaisons de valeurs de conditions sont couvertes. 8.1 Table logiquement complète Une table est dite logiquement complète si toutes les règles manquantes sont couvertes par la règle ELSE. En principe, la règle ELSE conduit à un traitement d erreur. TD ELSE R1 R2 R3 R4 R5 C1 Condition 1 O O N N N C2 Condition 2 N N O O N C3 Condition 3 N N N N O C4 Condition 4 O N O N - Règles simples équivalentes, RS Figure 18 Entrée logiquement complète 8.2 Table formellement complète Une table est dite formellement complète lorsque aucune règle ne manque et que la règle ELSE n y figure pas TD R1 R2 R3 R4 R5 C1 Condition 1 O O O O N C2 Condition 2 O O O N - C3 Condition 3 O O N - - C4 Condition 4 O N Règles simples équivalentes, RS Figure 19 Entrée formellement complète 5 Le résultat vient de la soustraction du nombre de règles simples effectives au nombre de règles simples maximales: 2 4 4*1 2 = 16-6 = 10 18/39

19 9 Tables standards Une table standard est une table de décision possédant les caractéristiques suivantes: Elle est formellement complète. Elle est composée de règles simples. Les règles sont affichées de manière systématique à l image du parcours d un arbre de décision (voir la Figure 21). Une table de décision standard est un excellent modèle de représentation de règles internes d un processus métier ou de la logique d un traitement informatique; les tables de décision standards permettent de s assurer que l entier des règles métier d un processus métier soient explorées permettant ainsi de réaliser une spécification de la logique des traitements informatiques complète. TD R1 R2 R3 R4 R5 R6 R7 R8 C1 Condition 1 O O O O N N N N C2 Condition 2 O O N N O O N N C3 Condition 3 O N O N O N O N A1 Action 1 X X X X X A2 Action 2 X X X X X A3 Action 3 X X X X X Figure 20 Exemple de table standard à entrée limitée Figure 21 - Arbre de parcours des conditions de la Figure 20 19/39

20 TD R1 R2 R3 R4 R5 R6 R7 R8 R9 C1 Couleur {B, R, V} B B B R R R V V V C2 Type {1, 2, 3} A1 Prix Figure 22 Exemple de table standard à entrée étendue TD R1 R2 R3 R4 R5 R6 C1 Type {1, 2, 3} C2 Disponible O N O N O N A1 Signaler type 1B 2B 3B A2 Faire offre X X X Figure 23 Exemple de table standard à entrée mixte 10 Décomposition de tables de décision Face à la complexité de la réalité, il peut s avérer utile de diviser un problème complexe en une série de problèmes réduits ou plus petits. Une table de décision comportant de nombreuses entrées de décision ou d action peut souvent être divisée en quelques tables avec un nombre d entrées réduit; ces tables sont reliées entre elles par l intermédiaire d un transfert de flux de contrôle. Le contrôle du transfert de flux entre les tables permet de conserver la vision de la logique globale. On distingue deux sortes de transfert de flux de contrôle entre tables de décision : L appel d une table subordonnée sans retour à la table maîtresse; dans ce cas la table subordonnée est dite «table ouverte». L appel d une table subordonnée avec retour à la table maîtresse; dans ce cas la table subordonnée est dite «table fermée». Remarque: Lorsque nous sommes en présence d un ensemble de tables, l ordre d exécution des actions de la table maîtresse a une incidence sur la logique globale. 20/39

21 10.1 Tables ouvertes La table ouverte est atteinte par un transfert de flux sans retour; à la fin du traitement de la table subordonnée, le flux de contrôle n est pas renvoyé à la table maîtresse. TD 1 ALLER TD TD 2 TD3 TD 4 TD 5 Figure 24 - Table ouverte / Pas de retour de flux de contrôle 10.2 Tables fermées La table fermée est atteinte par un transfert de flux avec retour; à la fin du traitement de la table subordonnée, le flux de contrôle est renvoyé à la table maîtresse. TD TD Action A X X X TRAITE TD2 X Action B X X Action 3 X X ALLER TD3 X X X X RETOUR X X X X TD 3 Figure 25 - Table fermée / RetourFlux avec retour 21/39

22 10.3 Exemple de décomposition d une table en plusieurs TD R1 R2 R3 R4 R5 R6 R7 R8 C1 Condition 1 O O O O N N N N C2 Condition 2 O O N N O O N N C3 Condition 3 O N O N O N O N A1 Action 1 X X X X A2 Action 2 X X X X A3 Action 3 X X X A4 Action 4 X X X X X Figure 26 Exemple de table décomposable En analysant les règles de l exemple de la Figure 26, nous pouvons faire les observations et déductions ci-après par groupes de règles et conditions : 1. Pour toutes les règles A1 est exécutée lorsque C1 est vraie. A2 est exécutée lorsque C1 est fausse. On peut regrouper la condition C1 et les actions A1 et A2 dan une table maîtresse TD1 2. Pour les 4 premières règles la condition C2 est indifférente A3 est exécutée lorsque C3 est vraie. A4 est exécutée lorsque C3 est fausse. On peut regrouper la condition C3 et les actions A3 et A4 dans une table subordonnée TD2 3. Pour les 4 dernières règles aucune condition n est indifférente A3 et A4 sont exécuté sans qu un élément logique puisse être mis en évidence On doit créer une table subordonnée TD3 22/39

23 TD 1 R1 R2 C1 Condition 1 O N A1 Action 1 X A2 Action 2 X A5 ALLER TD-2 TD-3 TD 2 R1 R2 C3 Condition 3 O N A3 Action 3 X A4 Action 4 X TD 3 R1 R2 R3 C2 Condition 2 O O N C3 Condition 3 O N - A3 Action 3 X A4 Action 4 X X Figure 27 Décomposition de la table de la Figure 26 Remarque importante: Lorsque l on décompose une table en plusieurs tables, les différentes tables subordonnées n ont, à priori, pas de signification sans le contexte de la table maîtresse qui va lui transférer le flux de contrôle. Dès lors, il s agit d utiliser avec la plus grande circonspection la décomposition d une table de décision. 11 Consolider une table de décision Une table de décision est dite «consolidée» ou correctement élaborée lorsque : Les conditions sont sans redondance. Les actions sont sans redondance. Les règles sont sans redondance. Elle est complète. Les conditions, actions et règles sont minimisées. 23/39

24 12 Recherche et élimination des redondances des actions Une action est redondante lorsqu elle n est utilisée par aucune règle. Une action redondante doit être éliminée de la table de décision. TD R1 R2 R3 R4 C1 Condition 1 O O O N C2 Condition 2 O O N N C3 Condition 3 O N - - A1 Action 1 X X A2 Action 2 X X A3 Action 3 A4 Action 4 X Figure 28 Action redondante L action A3 de la table de décision de la Figure 28 doit être éliminée ; l action A4 devient A3. 24/39

25 13 Recherche et élimination des redondances des conditions Une condition est redondante lorsqu elle n influence pas le choix des actions ; une condition redondante ne possède que des indicateurs indifférents. Une condition redondante doit être éliminée de la table de décision. TD R1 R2 R3 R4 C1 Condition 1 O O O N C2 Condition 2 O O N N C3 Condition 3 O N O - C4 Condition A1 Action 1 X X A2 Action 2 X X X A3 Action 3 X Figure 29 Condition redondante La condition C4 de la table de décision de la Figure 28 doit être éliminée. 25/39

26 14 Recherche des redondances de règles Une règle est redondante lorsqu elle couvre un cas déjà couvert par une autre règle. Une telle situation peut représenter une erreur de logique ou une situation définie plusieurs fois. TD R1 R2 R3 C1 Condition 1 N N O C2 Condition 2 O - O C3 Condition 3 N N - A1 Action 1 X X A2 Action 2 X Figure 30 Règles redondantes Il y a redondance entre les règles R1 et R2 de la Figure 30; en effet, en décomposant la règle R2 en deux règles simples R2a et R2b (Figure 31), nous pouvons constater que R1 et R2a sont identiques. TD R1 R2 R3 R2a R2b C1 Condition 1 N N N O C2 Condition 2 O O N O C3 Condition 3 N N N - Figure 31 Equivalences de règles simples Toute redondance de règles doit impérativement être détectée et corrigée. Les règles redondantes peuvent être détectées à l aide de tables standards ou par confrontation de règles. 26/39

27 Détection à l aide des tables standards La table à consolider est reproduite sous forme d une table standard ; ensuite, les règles de la table à consolider sont mises en relation avec l ensemble des règles de la table standard. Il y a redondance si une règle de la table standard correspond à plus d une règle de la table à consolider. TD R1 R2 R3 R4 R5 C1 Condition 1 O O O N N C2 Condition 2 O O N O - C3 Condition 3 - N C3 Condition 4 - N A1 Action 1 X X X A2 Action 2 X X X X A3 Action 3 X X X X Figure 32 Exemple de table à consolider TD R1 R2 R3 R4 R5 R6 R7 R8 R9 R10 R11 R12 R13 R14 R15 R16 C1 Condition 1 O O O O O O O O N N N N N N N N C2 Condition 2 O O O O N N N N O O O O N N N N C3 Condition 3 O O N N O O N N O O N N O O N N C4 Condition 4 O N O N O N O N O N O N O N O N Règles correspondantes de la table à consolider Figure 33 Mise en évidence des règles redondantes Nous pouvons observer dans la Figure 33, qu il y a redondance entre les règles R1 et R2 ainsi qu entre les règles R4 et R5 de la table à consolider de la Figure /39

28 Détection par confrontation de règles Chaque couple de règles, prises deux à deux, doit avoir au moins un indicateur de condition différent. Lorsque l on parle d indicateur différent, il faut exclure l indicateur indifférent (-) qui représente toutes les formes possibles. TD R1 R2 R3 R4 R5 C1 Condition 1 O O O N N C2 Condition 2 O O N O - C3 Condition 3 - N C3 Condition 4 - N Confrontation de R1 R Confrontation de R2 Confrontation de R3 Confrontation de R4 R Figure 34 Exemple de table à consolider Comme précédemment, nous trouvons une redondance entre les règles R1 et R2 ainsi qu entre les règles R4 et R5. 28/39

29 15 Redondances de règles avec ou sans contradiction Une redondance est dite sans contradiction si les règles qui engendrent la redondance conduisent au même jeu d actions. Une redondance est dite avec contradiction si les règles qui engendrent la redondance ne conduisent pas au même jeu d actions. En cas de redondance avec contradiction, il faut reprendre l étude du problème car, il s agit d une erreur de logique; la contradiction doit impérativement être éliminée. TD R1 R2 R3 R4 R5 R6 R7 R8 R9 C1 Condition 1 O O O O O O N N N C2 Condition 2 - O O N N N - O N C3 Condition 3 O - - O N - O O - C4 Condition 4 O N N - N O O N - C5 Condition 5 N N O O - O A1 Action 1 X X X X X X A2 Action 2 X X X X A3 Action 3 X X X A4 Action 4 X X X X X 1 2 Figure 35 Exemple de redondances 1) Il y a redondance avec contradiction entre les règles R4 et R6. La logique de la table ou des règles R4 et R6 doit être corrigée. 2) Il y a redondance sans contradiction entre les règles R7 et R9. La redondance doit être éliminée. 29/39

30 16 Elimination des redondances de règles sans contradiction 16.1 Inclusion Une règle est incluse dans une autre lorsque les conditions se différentient seulement par un ou plusieurs indicateurs d indifférence (-). Pour éliminer la redondance, il faut supprimer la règle incluse. TD R1 R2 R3 R4 C1 Condition 1 O N N N C2 Condition 2 - O O N C3 Condition O N A1 Action 1 X A2 Action 2 X X A3 Action 3 X Figure 36 Règle incluse dans une autre TD R1 R2 R3 R4 R2a R2b C1 Condition 1 O N N N N C2 Condition 2 - O O O N C3 Condition 3 - O N O N Figure 37 Inclusion de R3 dans R2 (R3 = R2a) La règle R3 de la figure 36 est incluse dans la règle R2; la règle R3 doit donc être éliminée de la table. 30/39

31 Après élimination de la redondance, la règle R4 de la table de décision de la Figure 36 devient la règle R3 de la table sans redondance TD R1 R2 R3 C1 Condition 1 O N N C2 Condition 2 - O N C3 Condition N A1 Action 1 X A2 Action 2 X A3 Action 3 X Figure 38 Suppression de la redondance de la Figure Intersection Deux règles complexes sont dans un rapport d intersection lorsqu une ou plusieurs règles simples sont représentées par les deux règles. Pour éliminer la redondance, il faut supprimer la ou les règles simples qui représentent cette intersection, Cela conduit, en général, à décomposer une règle complexe en plusieurs règles simples ou complexes. TD R1 R2 R3 R4 R5 C1 Condition 1 N O O O - C2 Condition 2 - N O N O C3 Condition 3 - O N N O A1 Action 1 X X A2 Action 2 X X A3 Action 3 X A4 Action 4 X X Figure 39 Rapport d intersection entre deux règles complexes 31/39

32 TD R1 R2 R3 R4 R5 R1a R1b R1c R1d R5a R5b C1 Condition 1 N N N N O O O O N C2 Condition 2 O O N N N O N O O C3 Condition 3 O N O N O N N O O Figure 40 Intersection entre R1 et R5 (R1a = R5b) Les deux règles simples R1a et R5b représentent l intersection. Pour éliminer la redondance, nous supprimons la règle simple R5b de la règle complexe R5 ; en finalité, la règle R5 est constituée de la seule règle simple R5a. Après élimination de la redondance, la règle complexe R5 de la table de décision de la Figure 39 est devenue une règle simple de la table sans redondance de la Figure 41. TD R1 R2 R3 R4 R5 C1 Condition 1 N O O O O C2 Condition 2 - N O N O C3 Condition 3 - O N N O A1 Action 1 X X A2 Action 2 X X A3 Action 3 X A4 Action 4 X X Figure 41 Suppression de la redondance de la Figure 39 32/39

33 17 Vérification de la complétion Lorsque les redondances de conditions, d actions et de règles d une table de décision sont éliminées, il faut encore nous assurer que toutes les règles simples que l on peut déduire des conditions soient présentes dans la table. Ce contrôle de complétion peut se faire de deux manières : en calculant le nombre maximum de règles simples à partir des conditions et le nombre de règles simples figurant dans la table; par l intermédiaire d une table standard; cette solution doit être privilégiée car, elle fournit immédiatement les règles manquantes. Remarque: La vérification de complétion ne doit se faire que pour autant qu il n y ait pas de règle ELSE dans la table. TD R1 R2 R3 R4 C1 Condition 1 O O O N C2 Condition 2 O O N - C3 Condition 3 - N O - C4 Condition 4 N O - - A1 Action 1 X X X A2 Action 2 X X X A3 Action 3 X X X Figure 42 Exemple de table pour la vérification de complétion 33/39

34 17.1 Calcul du nombre de règles Pour rappel (chapitre 7.1), le nombre maximal de règles simples déductible des conditions d entrée s obtient par la formule générale: NbMax = F 1 * F 2 * * F i * * F n F i est le nombre d entrée de chacune des conditions ou par la formule spécifique aux tables à entrées limitées : NbMax = 2 n Pour rappel (chapitre 7.3), le nombre de règles simples figurant dans une table s obtient par la formule générale: NbRS = RS 1 + RS RS i + + RS n RS i est le nombre de règles simples contenues dans chaque règle Le nombre maximal de règles simples déductible des conditions d entrée est de : NbMax = 2 4 = 16 Le nombre de règle simples figurant dans la table est de : NbRS = RS 1 + RS 2 + RS 3 + RS 4 = NbRS =13 La vérification de complétion nous montre qu il manque 3 règles : Règles manquantes = NbMax NbRS = Règles manquantes = 3 Figure 43 Vérification de complétion pour la table de la Figure 42 34/39

35 17.2 Utilisation d une table standard Pour rappel (chapitre 9), une table standard: est formellement complète; est composée de règles simples; affiche ses règles de manière systématique. Pour vérifier la complétion d une table, nous créons une table standard à partir des entrées de la table à vérifier; ensuite, nous établissons la correspondance entre les règles deux tables. TD R1 R2 R3 R4 R5 R6 R7 R8 R9 R10 R11 R12 R13 R14 R15 R16 C1 Condition 1 O O O O O O O O N N N N N N N N C2 Condition 2 O O O O N N N N O O O O N N N N C3 Condition 3 O O N N O O N N O O N N O O N N C4 Condition 4 O N O N O N O N O N O N O N O N Règle correspondante de la table à vérifier Figure 44 Vérification de la complétion pour la table de la Figure 42 Comme précédemment, nous constatons qu il manque 3 règles; toutefois, avec cette méthode, nous disposons directement de la forme (indicateurs de conditions) des règles manquantes. 35/39

36 18 Minimisation des tables de décision La minimisation d une table de décision consiste, lorsque cela est possible, à : réduire le nombre de conditions. Les conditions limitées sont regroupées au sein de conditions étendues; réduire le nombre d actions. Les actions limitées sont regroupées au sein d actions étendues; réduire le nombre de règles. Les règles simples sont transformées en règles complexes Minimisation des conditions Pour effectuer cette minimisation, sans altérer la logique de la table de décision, il faut que chaque règle ne possède qu une seule fois l indicateur oui (O) pour l ensemble des conditions limitées qui seront regroupées dans une condition étendue. TD Avant minimisation R1 R2 R3 R4 R5 R6 C1 Couleur 1 O O N N N N C2 Couleur 2 N N O O N N C3 Couleur 3 N N N N O O C4 Type A O N N N N N C5 Type B N O N N O N C6 Type C N N O N N N C7 Type D N N N O N O TD Après minimisation R1 R2 R3 R4 R5 R6 C1 Couleur C2 Type A B C D B D Figure 45 Exemple de minimisation de conditions A propos de la Figure 45 : Les conditions limitées C1, C2 et C3 peuvent être regroupées dans une nouvelle condition étendue Couleur car, chaque règle ne comporte qu un seul indicateur O pour ce groupe de conditions. Il en est de même pour C4, C5, C6 et C7 regroupées dans une nouvelle condition étendue Type. 36/39

37 18.2 Minimisation des actions Pour effectuer cette minimisation, sans altérer la logique de la table de décision, il faut que chaque règle ne possède qu une seule action (X) pour l ensemble des actions limitées qui seront regroupées dans une action étendue. TD Avant minimisation R1 R2 R3 R4 R5 R6 C1 Condition 1 O O O O O N C2 Condition 2 O O O O N - C3 Condition 3 O O N N - - C4 Condition 4 O N O N - - A1 Additionner 10 X X A2 Additionner 20 X A3 Additionner 30 X X A4 Additionner 40 X A5 Aller à TD3 X A6 Aller à TD4 X X A7 Aller à TD5 X A8 Aller à TD6 X X Actions après minimisation R1 R2 R3 R4 R5 R6 A1 Additionner A2 Aller à TD Figure 46 Exemple de minimisation d actions A propos de la Figure 46 : Les actions limitées A1, A2, A3 et A4 peuvent être regroupées dans une nouvelle action étendue Additionner car, chaque règle ne comporte qu un seul indicateur X pour ce groupe d actions. Il en est de même pour A5, A6, A7 et A8 regroupées dans une nouvelle action étendue Aller à TD. 37/39

38 18.3 Minimisation des règles Pour effectuer cette minimisation, sans altérer la logique de la table de décision, il faut que les règles complexes conduisent exactement aux mêmes actions que chacune des règles simples à partir desquelles elles ont été élaborées. TD Avant minimisation R1 R2 R3 R4 R5 R6 R7 R8 C1 Condition 1 O O O O N N N N C2 Condition 2 O O N N O O N N C3 Condition 3 O N O N O N O N A1 Action 1 X X X A2 Action 2 X X X X X X X Règles complexes R1 R2 R3 R4 TD Après minimisation R1 R2 R3 R4 C1 Condition 1 O O O N C2 Condition 2 O N N - C3 Condition 3 - O N - A1 Action 1 X X A2 Action 2 X X X Figure 47 Exemple de minimisation de règles 38/39

39 19 Références bibliographiques Mes remerciements sincères à Michel Kaeser dont j ai repris intégralement le fil rouge du chapitre Les tables de décision [1] de l excellent cours d analyse qu il avait créé en 1985 pour la formation de programmeur au CPLN. [1] Les tables de décision Michel Kaeser, 1985, CPLN [2] Cours de méthodologie HES 2005 P.-A. Sunier [3] Cours de méthodologie HES 2005 P.-A. Sunier /methodologie-2005hes [4] Les tables de décision Jean-Pierre Cap, 2000, ESNIG [5] [SJB-02] Analyse et conception de systèmes d information Satzinger et consorts, Editions Reynald, 2002 /AnaConSI [6] Table de décision 39/39

Algorithme. Table des matières

Algorithme. Table des matières 1 Algorithme Table des matières 1 Codage 2 1.1 Système binaire.............................. 2 1.2 La numérotation de position en base décimale............ 2 1.3 La numérotation de position en base binaire..............

Plus en détail

Cours Base de données relationnelles. M. Boughanem, IUP STRI

Cours Base de données relationnelles. M. Boughanem, IUP STRI Cours Base de données relationnelles 1 Plan 1. Notions de base 2. Modèle relationnel 3. SQL 2 Notions de base (1) Définition intuitive : une base de données est un ensemble d informations, (fichiers),

Plus en détail

avec des nombres entiers

avec des nombres entiers Calculer avec des nombres entiers Effectuez les calculs suivants.. + 9 + 9. Calculez. 9 9 Calculez le quotient et le rest. : : : : 0 :. : : 9 : : 9 0 : 0. 9 9 0 9. Calculez. 9 0 9. : : 0 : 9 : :. : : 0

Plus en détail

Qualité du logiciel: Méthodes de test

Qualité du logiciel: Méthodes de test Qualité du logiciel: Méthodes de test Matthieu Amiguet 2004 2005 Analyse statique de code Analyse statique de code Étudier le programme source sans exécution Généralement réalisée avant les tests d exécution

Plus en détail

Le coloriage virtuel multiple et ses applications

Le coloriage virtuel multiple et ses applications Le coloriage virtuel multiple et ses applications Introduction Le coloriage virtuel suffit pour résoudre les grilles de sudoku jusqu à des niveaux élevés ; autour de 15-16, parfois au-delà ; cela dépend

Plus en détail

les Formulaires / Sous-Formulaires Présentation...2 1. Créer un formulaire à partir d une table...3

les Formulaires / Sous-Formulaires Présentation...2 1. Créer un formulaire à partir d une table...3 Présentation...2 1. Créer un formulaire à partir d une table...3 2. Les contrôles :...10 2.1 Le contrôle "Intitulé"...11 2.2 Le contrôle "Zone de Texte"...12 2.3 Le contrôle «Groupe d options»...14 2.4

Plus en détail

EXCEL TUTORIEL 2012/2013

EXCEL TUTORIEL 2012/2013 EXCEL TUTORIEL 2012/2013 Excel est un tableur, c est-à-dire un logiciel de gestion de tableaux. Il permet de réaliser des calculs avec des valeurs numériques, mais aussi avec des dates et des textes. Ainsi

Plus en détail

Méthodologies de développement de logiciels de gestion

Méthodologies de développement de logiciels de gestion Méthodologies de développement de logiciels de gestion Chapitre 5 Traits caractéristiques des deux approches de méthodologie Présentation réalisée par P.-A. Sunier Professeur à la HE-Arc de Neuchâtel http://lgl.isnetne.ch

Plus en détail

PROBABILITÉS CONDITIONNELLES

PROBABILITÉS CONDITIONNELLES PROBABILITÉS CONDITIONNELLES A.FORMONS DES COUPLES Pour la fête de l école, les élèves de CE 2 ont préparé une danse qui s exécute par couples : un garçon, une fille. La maîtresse doit faire des essais

Plus en détail

Gestion des licences électroniques avec Adobe License Manager

Gestion des licences électroniques avec Adobe License Manager Article technique Gestion des licences électroniques avec Adobe License Manager Une méthode plus efficace pour gérer vos licences logicielles Adobe Cet article technique traite des enjeux de la gestion

Plus en détail

Avis n 94-02 sur la méthodologie relative aux comptes combinés METHODOLOGIE RELATIVE AUX COMPTES COMBINES

Avis n 94-02 sur la méthodologie relative aux comptes combinés METHODOLOGIE RELATIVE AUX COMPTES COMBINES CONSEIL NATIONAL DE LA COMPTABILITÉ Avis n 94-02 sur la méthodologie relative aux comptes combinés Le Conseil national de la comptabilité réuni en formation de Section des entreprises le 28 octobre 1994,

Plus en détail

Modernisation et gestion de portefeuilles d applications bancaires

Modernisation et gestion de portefeuilles d applications bancaires Modernisation et gestion de portefeuilles d applications bancaires Principaux défis et facteurs de réussite Dans le cadre de leurs plans stratégiques à long terme, les banques cherchent à tirer profit

Plus en détail

Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR

Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Mickaël Bergem 25 juin 2014 Maillages et applications 1 Table des matières Introduction 3 1 La modélisation numérique de milieux urbains

Plus en détail

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite

Plus en détail

Factorisation Factoriser en utilisant un facteur commun Fiche méthode

Factorisation Factoriser en utilisant un facteur commun Fiche méthode Factorisation Factoriser en utilisant un facteur commun Fiche méthode Rappel : Distributivité simple Soient les nombres, et. On a : Factoriser, c est transformer une somme ou une différence de termes en

Plus en détail

Gestion du capital Rapport de vérification final Rapport n o 13/13 17 février 2014

Gestion du capital Rapport de vérification final Rapport n o 13/13 17 février 2014 Gestion du capital Rapport de vérification final Rapport n o 13/13 17 février 2014 Diffusion Destinataires : Président et chef de la direction Premier vice-président et chef de la direction financière

Plus en détail

UML et les Bases de Données

UML et les Bases de Données CNAM UML et les Bases de Données UML et les Bases de Données. Diagramme de classes / diagramme d objets (UML)...2.. Premier niveau de modélisation des données d une application...2.2. Les éléments de modélisation...2.2..

Plus en détail

Eteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :

Eteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques : MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE

Plus en détail

CONCEPTION Support de cours n 3 DE BASES DE DONNEES

CONCEPTION Support de cours n 3 DE BASES DE DONNEES CONCEPTION Support de cours n 3 DE BASES DE DONNEES Auteur: Raymonde RICHARD PRCE UBO PARTIE III. - LA DESCRIPTION LOGIQUE ET PHYSIQUE DES DONNEES... 2 A. Les concepts du modèle relationnel de données...

Plus en détail

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,

Plus en détail

Politique et Standards Santé, Sécurité et Environnement

Politique et Standards Santé, Sécurité et Environnement Politique et Standards Santé, Sécurité et Environnement Depuis la création de Syngenta en 2000, nous avons accordé la plus haute importance à la santé, à la sécurité et à l environnement (SSE) ainsi qu

Plus en détail

3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes

3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes PLAN CYCLE DE VIE D'UN LOGICIEL EXPRESSION DES BESOINS SPÉCIFICATIONS DU LOGICIEL CONCEPTION DU LOGICIEL LA PROGRAMMATION TESTS ET MISE AU POINT DOCUMENTATION CONCLUSION C.Crochepeyre Génie Logiciel Diapason

Plus en détail

TD3 - Facturation avec archivage automatisé

TD3 - Facturation avec archivage automatisé TD3 - Facturation avec archivage automatisé Objectifs Insérer les formules nécessaires aux calculs d une facture. Créer une macro- commande avec l enregistreur de macros et l affecter à un bouton. Utiliser

Plus en détail

L application doit être validée et l infrastructure informatique doit être qualifiée.

L application doit être validée et l infrastructure informatique doit être qualifiée. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 Annexe 11: Systèmes informatisés

Plus en détail

données en connaissance et en actions?

données en connaissance et en actions? 1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)

Plus en détail

LE MODELE CONCEPTUEL DE DONNEES

LE MODELE CONCEPTUEL DE DONNEES LE MODELE CONCEPTUEL DE DONNEES Principe : A partir d'un cahier des charges, concevoir de manière visuelle les différents liens qui existent entre les différentes données. Les différentes étapes de réalisation.

Plus en détail

Utilisation du client de messagerie Thunderbird

Utilisation du client de messagerie Thunderbird Outlook express n existant plus sur les systèmes d exploitation sortis après Windows XP, nous préconisons désormais l utilisation du client de messagerie libre distribué gratuitement par la Fondation Mozilla.

Plus en détail

Business Intelligence

Business Intelligence avec Excel, Power BI et Office 365 Téléchargement www.editions-eni.fr.fr Jean-Pierre GIRARDOT Table des matières 1 Avant-propos A. À qui s adresse ce livre?..................................................

Plus en détail

Saisie des appréciations en ligne (AEL)

Saisie des appréciations en ligne (AEL) Guide L Saisie des appréciations en ligne (AEL) Les saisies effectuées par les enseignants et le chef d établissement sont utilisées pour alimenter la fiche pédagogique. Ce document permet aux établissements

Plus en détail

Mode d emploi de l outil de classification des collaborateurs soumis à la convention collective de travail dans le secteur social parapublic vaudois

Mode d emploi de l outil de classification des collaborateurs soumis à la convention collective de travail dans le secteur social parapublic vaudois Mode d emploi de l outil de classification des collaborateurs soumis à la convention collective de travail dans le secteur social parapublic vaudois Av. de la Vallombreuse 51 1004 Lausanne Tél. 021 621

Plus en détail

Imposition des sociétés

Imposition des sociétés Imposition des sociétés Introduction L imposition des sociétés est un sujet qui revêt une grande importance pour toute personne qui s occupe de planification financière ou successorale. La mise en place

Plus en détail

CHAPITRE 5. Stratégies Mixtes

CHAPITRE 5. Stratégies Mixtes CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,

Plus en détail

Rappels sur les suites - Algorithme

Rappels sur les suites - Algorithme DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................

Plus en détail

La consolidation à une date ultérieure à la date d acquisition

La consolidation à une date ultérieure à la date d acquisition RÉSUMÉ DU MODULE 4 La consolidation à une date ultérieure à la date d acquisition Le module 4 porte sur l utilisation de la méthode de l acquisition pour comptabiliser et présenter les filiales entièrement

Plus en détail

Théorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France

Théorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes

Plus en détail

Garantir une meilleure prestation de services et une expérience utilisateur optimale

Garantir une meilleure prestation de services et une expérience utilisateur optimale LIVRE BLANC Garantir une meilleure prestation de services et une expérience utilisateur optimale Mai 2010 Garantir une meilleure prestation de services et une expérience utilisateur optimale CA Service

Plus en détail

Guide d Intégration PPM et ERP:

Guide d Intégration PPM et ERP: LIVRE BLANC Guide d Intégration PPM et ERP: Stratégies d intégration de logiciels dans les entreprises organisées par projet De: Neil Stolovitsky E-mail: sales@geniusinside.com Website: www.geniusinside.com

Plus en détail

Chapitre 1 : Introduction aux bases de données

Chapitre 1 : Introduction aux bases de données Chapitre 1 : Introduction aux bases de données Les Bases de Données occupent aujourd'hui une place de plus en plus importante dans les systèmes informatiques. Les Systèmes de Gestion de Bases de Données

Plus en détail

Numbers en EPS UN TUTORIEL POUR LA! NOUVELLE VERSION DE NUMBERS EST! DISPONIBLE SUR TICEPS.FREE.FR. ticeps.free.fr

Numbers en EPS UN TUTORIEL POUR LA! NOUVELLE VERSION DE NUMBERS EST! DISPONIBLE SUR TICEPS.FREE.FR. ticeps.free.fr NOUVELLE VERSION DE NUMBERS EST Numbers en EPS ticeps.free.fr Tout le monde connaît Excel, le tableur de référence. Ses formules et ses macros ont fait le bonheur de nombre d enseignants d EPS, à travers

Plus en détail

IUT de Laval Année Universitaire 2008/2009. Fiche 1. - Logique -

IUT de Laval Année Universitaire 2008/2009. Fiche 1. - Logique - IUT de Laval Année Universitaire 2008/2009 Département Informatique, 1ère année Mathématiques Discrètes Fiche 1 - Logique - 1 Logique Propositionnelle 1.1 Introduction Exercice 1 : Le professeur Leblond

Plus en détail

Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION

Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information

Plus en détail

Nombre de marches Nombre de facons de les monter 3 3 11 144 4 5 12 233 5 8 13 377 6 13 14 610 7 21 15 987 8 34 16 1597 9 55 17 2584 10 89

Nombre de marches Nombre de facons de les monter 3 3 11 144 4 5 12 233 5 8 13 377 6 13 14 610 7 21 15 987 8 34 16 1597 9 55 17 2584 10 89 Soit un escalier à n marches. On note u_n le nombre de façons de monter ces n marches. Par exemple d'après l'énoncé, u_3=3. Pour monter n marches, il faut d'abord monter la première. Soit on la monte seule,

Plus en détail

Conversion d un entier. Méthode par soustraction

Conversion d un entier. Méthode par soustraction Conversion entre bases Pour passer d un nombre en base b à un nombre en base 10, on utilise l écriture polynomiale décrite précédemment. Pour passer d un nombre en base 10 à un nombre en base b, on peut

Plus en détail

Industrie des cartes de paiement (PCI) Norme de sécurité des données Récapitulatif des modifications de

Industrie des cartes de paiement (PCI) Norme de sécurité des données Récapitulatif des modifications de Industrie des cartes de paiement (PCI) Norme de sécurité des données Récapitulatif des modifications de la norme PCI DSS entre les versions 2.0 et 3.0 Novembre 2013 Introduction Ce document apporte un

Plus en détail

QUI SOMMES-NOUS? Cette solution s adresse aussi bien aux PME/PMI qu aux grands groupes, disposant ou non d une structure de veille dédiée.

QUI SOMMES-NOUS? Cette solution s adresse aussi bien aux PME/PMI qu aux grands groupes, disposant ou non d une structure de veille dédiée. PRESENTATION QUI SOMMES-NOUS? La société VIEDOC, formée d ingénieurs expérimentés, conseille depuis 2004 les entreprises dans les domaines de la veille, de l intelligence économique et de l innovation.

Plus en détail

Chapitre 5 LE MODELE ENTITE - ASSOCIATION

Chapitre 5 LE MODELE ENTITE - ASSOCIATION Chapitre 5 LE MODELE ENTITE - ASSOCIATION 1 Introduction Conception d une base de données Domaine d application complexe : description abstraite des concepts indépendamment de leur implémentation sous

Plus en détail

Proposition d un outil de suivi du plan de formation et de calcul des ETP. Explications

Proposition d un outil de suivi du plan de formation et de calcul des ETP. Explications Proposition d un outil de suivi du plan de formation et de calcul des ETP Explications Janvier 2006 Le classeur Excel se compose de plusieurs feuilles : - liste des formations ; - personnel ; - listes

Plus en détail

L apprentissage automatique

L apprentissage automatique L apprentissage automatique L apprentissage automatique L'apprentissage automatique fait référence au développement, à l analyse et à l implémentation de méthodes qui permettent à une machine d évoluer

Plus en détail

Installation et configuration de base de l active Directory

Installation et configuration de base de l active Directory SCHMITT Année 2012/2014 Cédric BTS SIO Installation et configuration de base de l active Directory Description: Ce projet a pour but d installer l active directory et de créer une redondance en cas de

Plus en détail

IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB

IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB Ce document, écrit par des animateurs de l IREM de Besançon, a pour objectif de présenter quelques unes des fonctions du logiciel Scilab, celles qui sont spécifiques

Plus en détail

Projet Matlab : un logiciel de cryptage

Projet Matlab : un logiciel de cryptage Projet Matlab : un logiciel de cryptage La stéganographie (du grec steganos : couvert et graphein : écriture) consiste à dissimuler une information au sein d'une autre à caractère anodin, de sorte que

Plus en détail

Créer et partager des fichiers

Créer et partager des fichiers Créer et partager des fichiers Le rôle Services de fichiers... 246 Les autorisations de fichiers NTFS... 255 Recherche de comptes d utilisateurs et d ordinateurs dans Active Directory... 262 Délégation

Plus en détail

Licence Sciences et Technologies Examen janvier 2010

Licence Sciences et Technologies Examen janvier 2010 Université de Provence Introduction à l Informatique Licence Sciences et Technologies Examen janvier 2010 Année 2009-10 Aucun document n est autorisé Les exercices peuvent être traités dans le désordre.

Plus en détail

NORME INTERNATIONALE D AUDIT 330 REPONSES DE L AUDITEUR AUX RISQUES EVALUES

NORME INTERNATIONALE D AUDIT 330 REPONSES DE L AUDITEUR AUX RISQUES EVALUES NORME INTERNATIONALE D AUDIT 330 REPONSES DE L AUDITEUR AUX RISQUES EVALUES Introduction (Applicable aux audits d états financiers pour les périodes ouvertes à compter du 15 décembre 2009) SOMMAIRE Paragraphe

Plus en détail

Objet: Traitement fiscal des sociétés exerçant des transactions de financement intra-groupe

Objet: Traitement fiscal des sociétés exerçant des transactions de financement intra-groupe Circulaire du directeur des contributions L.I.R. n 164/2 du 28 janvier 2011 L.I.R. n 164/2 Objet: Traitement fiscal des sociétés exerçant des transactions de financement intra-groupe 1. Définitions Par

Plus en détail

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers

Plus en détail

Crédits d impôt pour la recherche scientifique et le développement expérimental («RS&DE»)

Crédits d impôt pour la recherche scientifique et le développement expérimental («RS&DE») Crédits d impôt pour la recherche scientifique et le développement expérimental («RS&DE») Aperçu du programme et occasions à saisir Pascal Martel Yara Bossé-Viola 8 octobre 2014 Objectifs Objectifs du

Plus en détail

OCL - Object Constraint Language

OCL - Object Constraint Language OCL - Object Constraint Language Laëtitia Matignon laetitia.matignon@univ-lyon1.fr Département Informatique - Polytech Lyon Université Claude Bernard Lyon 1 2012-2013 Laëtitia Matignon SIMA - OCL - Object

Plus en détail

INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE

INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique

Plus en détail

V- Manipulations de nombres en binaire

V- Manipulations de nombres en binaire 1 V- Manipulations de nombres en binaire L ordinateur est constitué de milliards de transistors qui travaillent comme des interrupteurs électriques, soit ouverts soit fermés. Soit la ligne est activée,

Plus en détail

Format de l avis d efficience

Format de l avis d efficience AVIS D EFFICIENCE Format de l avis d efficience Juillet 2013 Commission évaluation économique et de santé publique Ce document est téléchargeable sur www.has-sante.fr Haute Autorité de santé Service documentation

Plus en détail

Comment réussir la mise en place d un ERP?

Comment réussir la mise en place d un ERP? 46 Jean-François Lange par Denis Molho consultant, DME Spécial Financium La mise en place d un ERP est souvent motivée par un constat d insuffisance dans la gestion des flux de l entreprise. Mais, si on

Plus en détail

PLAN. Industrialisateur Open Source LANS DE SECOURS INFORMATIQUES PRINCIPES GENERAUX ETAT DE L ART SELON BV ASSOCIATES

PLAN. Industrialisateur Open Source LANS DE SECOURS INFORMATIQUES PRINCIPES GENERAUX ETAT DE L ART SELON BV ASSOCIATES PLAN LANS DE SECOURS INFORMATIQUES PRINCIPES GENERAUX & ETAT DE L ART SELON BV ASSOCIATES Copyright BV Associates 2013 IMEPSIA TM est une marque déposée par BV Associates Page 1 SOMMAIRE 1 PRINCIPES GENERAUX

Plus en détail

Bases de données documentaires et distribuées Cours NFE04

Bases de données documentaires et distribuées Cours NFE04 Bases de données documentaires et distribuées Cours NFE04 Introduction a la recherche d information Auteurs : Raphaël Fournier-S niehotta, Philippe Rigaux, Nicolas Travers prénom.nom@cnam.fr Département

Plus en détail

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e

Plus en détail

Les couleurs. Un peintre distrait a oublié les noms des couleurs de sa palette : tu peux l aider à reconstituer l ordre correct (de gauche à droite)?

Les couleurs. Un peintre distrait a oublié les noms des couleurs de sa palette : tu peux l aider à reconstituer l ordre correct (de gauche à droite)? Les couleurs Objectifs : Tu vas décrire une personne ou un personnage à travers l emploi des couleurs Conception : Micaela Rossi (Université de Gênes) pour les Jeunes Nomades 1) Le nom des couleurs Un

Plus en détail

Université de Lorraine Licence AES LIVRET DE STAGE LICENCE 2014-2015

Université de Lorraine Licence AES LIVRET DE STAGE LICENCE 2014-2015 Université de Lorraine Licence AES LIVRET DE STAGE LICENCE 2014-2015 1 LA REDACTION DU RAPPORT DE STAGE Le mémoire ne doit pas consister à reprendre tels quels des documents internes de l entreprise ou

Plus en détail

ITIL V3. Objectifs et principes-clés de la conception des services

ITIL V3. Objectifs et principes-clés de la conception des services ITIL V3 Objectifs et principes-clés de la conception des services Création : janvier 2008 Mise à jour : juillet 2011 A propos A propos du document Ce document de référence sur le référentiel ITIL V3 a

Plus en détail

Ne laissez pas le stockage cloud pénaliser votre retour sur investissement

Ne laissez pas le stockage cloud pénaliser votre retour sur investissement Ne laissez pas le stockage cloud pénaliser votre retour sur investissement Préparé par : George Crump, analyste senior Préparé le : 03/10/2012 L investissement qu une entreprise fait dans le domaine de

Plus en détail

La gestion des problèmes

La gestion des problèmes Chapitre 6 La gestion des problèmes Les incidents se succèdent, toujours les mêmes. Des petits désagréments la plupart du temps, mais qui finissent par pourrir la vie. Toute l équipe informatique se mobilise

Plus en détail

Utiliser ma messagerie GMAIL

Utiliser ma messagerie GMAIL Utiliser ma messagerie GMAIL Doc réalisé par : Delphine BERTRAND Service AVAMN Décembre 2013 Version SOMMAIRE 1 Comment se connecter à Gmail --------------------------------------------- p.1 2 Comment

Plus en détail

I. Cas de l équiprobabilité

I. Cas de l équiprobabilité I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus

Plus en détail

Les probabilités. Chapitre 18. Tester ses connaissances

Les probabilités. Chapitre 18. Tester ses connaissances Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce

Plus en détail

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal

Plus en détail

CHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal

CHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal III CHOIX OPTIMAL DU CONSOMMATEUR A - Propriétés et détermination du choix optimal La demande du consommateur sur la droite de budget Résolution graphique Règle (d or) pour déterminer la demande quand

Plus en détail

10 conseils sur la gestion et la mutualisation des agents par les groupements intercommunaux

10 conseils sur la gestion et la mutualisation des agents par les groupements intercommunaux Juin 2006 10 conseils sur la gestion et la mutualisation des agents par les groupements intercommunaux Article publié dans le Courrier des maires, n 191 du 01 mai 2006, par Emmanuel Duru, Responsable des

Plus en détail

Écriture de journal. (Virement de dépense)

Écriture de journal. (Virement de dépense) Écriture de journal (Virement de dépense) SERVICE DES FINANCES Équipe de formation PeopleSoft version 8.9 Août 2014 TABLES DES MATIERES AVERTISSEMENT... 3 INTRODUCTION... 4 RAISONS JUSTIFIANT LA CRÉATION

Plus en détail

«Concours Le Cadeau de l année» RÈGLEMENT DE PARTICIPATION

«Concours Le Cadeau de l année» RÈGLEMENT DE PARTICIPATION «Concours Le Cadeau de l année» RÈGLEMENT DE PARTICIPATION 1. Le concours «Le cadeau de l année» (ci-après le «Concours») est organisé par Vidéotron s.e.n.c. (ciaprès l «Organisateur»). Le Concours débute

Plus en détail

Importance de la défragmentation en environnements virtuels

Importance de la défragmentation en environnements virtuels Importance de la défragmentation en environnements virtuels Un livre blanc Osterman Research, Inc. Table des Matières Pourquoi lire ce livre blanc?... À propos de ce livre blanc... Raisons de l importance

Plus en détail

Recherche dans un tableau

Recherche dans un tableau Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6

Plus en détail

Transmission d informations sur le réseau électrique

Transmission d informations sur le réseau électrique Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en

Plus en détail

Université de Bangui. Modélisons en UML

Université de Bangui. Modélisons en UML Université de Bangui CRM Modélisons en UML Ce cours a été possible grâce à l initiative d Apollinaire MOLAYE qui m a contacté pour vous faire bénéficier de mes connaissances en nouvelles technologies et

Plus en détail

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12 Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont

Plus en détail

Accept er u n b o n c o n s e i l, sa propre performance. Goethe

Accept er u n b o n c o n s e i l, sa propre performance. Goethe Accept er u n b o n c o n s e i l, c e s t a c c ro î t re sa propre performance. Goethe Le Cabinet Laroze Patrimoine Conseils est un acteur indépendant du conseil et de la gestion de patrimoine, qui met

Plus en détail

Baccalauréat ES Amérique du Nord 4 juin 2008

Baccalauréat ES Amérique du Nord 4 juin 2008 Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation

Plus en détail

Module 1 : Tableau de bord Excel * 2010 incl.*

Module 1 : Tableau de bord Excel * 2010 incl.* Module 1 : Tableau de bord Excel * 2010 incl.* 1.0 Introduction Excel nous aide à mieux comprendre les données en les plaçant dans des cellules (réparties en lignes et en colonnes) et au moyen de formules

Plus en détail

Pascal Weber - Expert en organisation http://www.ameliorationcontinue.fr

Pascal Weber - Expert en organisation http://www.ameliorationcontinue.fr Livre de formation offert par Pascal Weber - Expert en organisation http://www.ameliorationcontinue.fr http://twitter.com/ameliorcontinue Le simple fait de posséder ce livre vous donne le droit de l'offrir

Plus en détail

Association suisse des experts fiscaux diplômés Conférence du 25 novembre 2010 relative à la LTVA du 12 juin 2009

Association suisse des experts fiscaux diplômés Conférence du 25 novembre 2010 relative à la LTVA du 12 juin 2009 Association suisse des experts fiscaux diplômés Conférence du 25 novembre 2010 relative à la LTVA du 12 juin 2009 Administration fédérale des contributions AFC Jean-Luc Boschung 1 Sommaire Principaux changements

Plus en détail

Concevoir un modèle de données Gestion des clients et des visites

Concevoir un modèle de données Gestion des clients et des visites page 1 MCD Concevoir un modèle de données Gestion des clients et des visites La gestion des informations d une organisation est un élément essentiel de son efficacité. L obligation de les trouver et de

Plus en détail

Auteure : Natalie Poulin-Lehoux

Auteure : Natalie Poulin-Lehoux Édition Centre FORA 432, avenue Westmount, unité H Sudbury (Ontario) P3A 5Z8 Information : 705-524-3672 Télécopieur : 705-524-8535 Commandes : cranger@centrefora.on.ca Site Web : www.centrefora.on.ca Auteure

Plus en détail

CRÉER UN COURS EN LIGNE

CRÉER UN COURS EN LIGNE Anne DELABY CRÉER UN COURS EN LIGNE Deuxième édition, 2006, 2008 ISBN : 978-2-212-54153-3 2 Que recouvre le concept d interactivité? Dans une perspective de cours en ligne, une activité interactive est

Plus en détail

Débuter avec Excel. Excel 2007-2010

Débuter avec Excel. Excel 2007-2010 Débuter avec Excel Excel 2007-2010 Fabienne ROUX Conseils & Formation 10/04/2010 TABLE DES MATIÈRES LE RUBAN 4 LE CLASSEUR 4 RENOMMER LES FEUILLES DU CLASSEUR 4 SUPPRIMER DES FEUILLES D UN CLASSEUR 4 AJOUTER

Plus en détail

Représentation d un entier en base b

Représentation d un entier en base b Représentation d un entier en base b 13 octobre 2012 1 Prérequis Les bases de la programmation en langage sont supposées avoir été travaillées L écriture en base b d un entier est ainsi défini à partir

Plus en détail

Quelques éléments de compilation en C et makefiles

Quelques éléments de compilation en C et makefiles Quelques éléments de compilation en C et makefiles Guillaume Feuillade 1 Compiler un programme C Le principe de la compilation consiste à passer d un ensemble de fichiers de code à un programme exécutable

Plus en détail

Installation de serveurs DNS, WINS et DHCP sous Windows Server 2003

Installation de serveurs DNS, WINS et DHCP sous Windows Server 2003 Installation de serveurs DNS, WINS et DHCP sous Windows Server 2003 Contexte : Dans le cadre de l optimisation de l administration du réseau, il est demandé de simplifier et d optimiser celle-ci. Objectifs

Plus en détail

Cours 1 : Qu est-ce que la programmation?

Cours 1 : Qu est-ce que la programmation? 1/65 Introduction à la programmation Cours 1 : Qu est-ce que la programmation? Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr Université Paris Diderot Paris 7 2/65 1. Sortez un appareil qui peut se rendre

Plus en détail

mieux développer votre activité

mieux développer votre activité cloud computing mieux développer votre activité Les infrastructures IT et les applications d entreprise de plus en plus nombreuses sont une source croissante de contraintes. Data centers, réseau, serveurs,

Plus en détail

Théorie des Graphes Cours 3: Forêts et Arbres II / Modélisation

Théorie des Graphes Cours 3: Forêts et Arbres II / Modélisation IFIPS S7 - informatique Université Paris-Sud 11 1er semestre 2009/2010 Théorie des Graphes Cours 3: Forêts et Arbres II / 1 Forêts et arbres II Théorème 1.1. Les assertions suivantes sont équivalentes

Plus en détail