Cours 3 : Estimation paramétrique de la loi d une durée de vie
|
|
- Aurélie Lamarche
- il y a 5 ans
- Total affichages :
Transcription
1 Cours 3 : Estmato paramétrque de la lo d ue durée de ve I-Gééraltés II- Doées complètes III- Doées cesurées IV- Doées troquées IV- Applcato aux modèles classques V- Méthodes umérques de recherche de l EMV
2 I- Gééraltés Applcablté : o a ue dée (emprque) de la forme p paramétrque du taux : h { h(., θ ), θ Θ, Θ R } estmato de h estmato de θ Approche classque : Estmato par Maxmum de Vrasemblace (EMV)
3 I- Gééraltés l ( t,..., t, θ ) Quelques déftos : Sot la desté d u échatllo aléatore ( T,..., T ), deux fos dfféretable par rapport à θ Θ, Θ R p o Défto : O appelle score le vecteur des dérvées partelles premères de l p U ( θ ) = ( U ( θ ),.., U p ( θ )) R U j ( θ ) = l ( T,..., T, θ ) θ j o Défto 2 : S le domae de défto de T e déped pas de θ, la matrce d formato de Fsher est défe par (s cette quatté exste) I l ( T,..., T, θ ) = 2 ( θ ) E θk θ j k p, j p Le score et l formato de Fsher mesuret l formato apportée par l échatllo sur la valeur de θ
4 II- Doées complètes Observatos : ( T,..., T ), T 0 de taux h( t, θ0), θ0 Θθ 0 cou Vrasemblace des observatos Log-vrasemblace des observatos: L ( T,... T, θ ) = f ( T, θ ) = l T T θ = f T = (,..., ) l (, θ ) ou l ( T,..., T, θ ) = l h( T, θ ) + l S( T, θ ) = = Estmateur du Maxmum de Vrase mblace (EMV) de θ (P) ˆ θ = arg max l ( T,... T, θ ) θ Θ
5 II- Doées complètes l Hypothèse : deux fos dérvable par rapport à θ ) l ( T,..., T, θ) ) θ j ( P ) θ soluto de ² l( T,..., T, θ ) θk θ j, k p j p = 0, j =... p ) < 0 θ Vos( θ )
6 II- Doées complètes Proprétés : sot θ la vrae valeur du paramètre. S Θ est u p 0 ouvert de R et s est deux fos cotûmet dfféretable l - Absece de bas asymptotque E ( ˆ θ ) θ 0 - Cosstace ( ˆ ) 0 lm P θ θ > ε = 0 ε 0 - Normalté asymptotque : ( ˆ θ θ ) N(0, I ( θ )) L / Où I ( θ ) peut être estmée par 0 ˆ ² l Σ ( θ ) ( ˆ = t,..., t, θ) θk θ j k p, j p
7 III- Doées cesurées A- vrasemblace latete Dfféreces avec le modèle complet : o o O e peut estmer le paramètre qu à partr des doées observables O=(X,δ) varable observable Le modèle observable est u modèle qu fourt ue formato complète sur la durée de ve T T=varable latete Rq: utlser l estmateur obteu sur le sous-échatllo complet produt u estmateur basé. Log-vrasemblace latete =log-vrasemblace de l échatllo complet (cf modèle complet,), o calculable. l *( T,..., T, θ ) = l h( T, θ ) + l S( T, θ ) = =
8 III- Doées cesurées B Vrasemblace observable O appelle vrasemblace observable la vrasemblace de l échatllo observé : O = ( ) X, δ Proposto : Das les modèles de cesure drote étudés (type I, II et III o formatve), la log-vrasemblace observable s écrt K=quatté e dépedat pas de θ l ( O,... O, θ ) = K + δ l f ( X, θ ) + ( δ )l S( X, θ ) = = = K + δ l h( X, θ ) + l S( X, θ ) = = = K + δ l h( X, θ ) H ( X, θ ) = =
9 III- Doées cesurées B Vrasemblace observable Démostrato das le cas d u modèle de type I ( ) X δ ( o,..., o ), O =, / X = T c, δ = T c c R, T..d. de lo f (., θ ), θ Θ R p Desté des observato Vrasemblace : k( x,, ) = f ( x, ) S( x, ) δ δ δ θ θ θ (dem vor cours2) L ( O,... O, θ ) = k( X, δ, θ ) = l ( O,... O, θ ) = l k( X, δ, θ ) =
10 III- Doées cesurées B Vrasemblace observable Démostrato das le cas d u modèle de type III ( ) X δ ( o,..., o ), O =, / X = T C, δ = T C C..d. de lo g dépedate de θ ( o formatve), T..d. de lo f (., θ ), θ Θ R, T C Def : cesure formatve = sa lo déped du paramètre à estmer, la surveue de l a cesure déped de la lo de la durée.. p
11 III- Doées cesurées B Vrasemblace observable Desté des observatos : ( ) δ ( ) k( x, δ, θ ) = f ( x, θ )( G( x ) S( x, θ ) g( x ) δ (dém vor cours 2) Vrasemblace : Lorsque la cesure est pas formatve L ( O,... O, θ ) = k( X, δ, θ ) = l ( O,... O, θ ) = l k( X, δ, θ ) = = δ l( G( X )) + ( δ )l g( X ) = = + δ l f ( x, θ ) + ( δ )l S( x, θ ) = =
12 III- Doées cesurées B Vrasemblace observable Démostrato das le cas d u modèle de type II ( ) X δ ( o,..., o ), O =, / X = T X, δ = T X ( r ) ( r ) X = r stat d'ordre de l'échatllo, T..d. de lo f (., θ ), θ Θ R ( r ) p Vrasemblace L ( O,... O, θ ) = r! r S( X, θ ) f ( X, θ ) ( ) ( r) ( ) ( r)! =! l ( O,... O, θ ) = l δ l f ( X, θ ) ( δ )l S( X, θ ) ( r)! + + = =
13 III- Doées cesurées C Vrasemblace observable : cesure de type I I Démostrato : Les observatos e sot c pas dépedates L ( o,... o, θ ) dx = P( x T x + dx,..., x T x + dx, x < T,..., x < T ) () () () () ( r ) ( r ) ( r ) ( r ) ( r) ( r+ ) ( r) ( )! = P( x T x + dx,..., xr Tr xr + dxr, xr Tr +,..., xr T ) ( r)!! = S( x, ) (, θ ) ( r)! = r r ( r) θ f x( ) =
14 III- Doées cesurées C - Estmateur du maxmum de vrasemblace La vrasemblace latete est pas utlsable pour rechercher le max de vrasemblace. O utlse la vrasemblace observée. EMV : ˆ θ = arg max l ( O,..., O, θ ) θ Θ La pertece de cet estmateur est fodée sur la proposto suvate l ( O,..., O, θ ) l *( T,.., T, θ ) = Eθ O 0,.. O θ θ Le score observable est la melleure approxmato du score latet à partr des varables observables
15 III- Doées cesurées C - Estmateur du maxmum de vrasemblace Démostrato das le cas d ue varable: Relato etre les varables latetes et observables : f ( T, θ ) = f ( T, θ / O) k( O, θ ) l *( T, θ ) = f ( T, θ / O) + l( O, θ ) () E dérvat la relato () par rapport au paramètre pus e tégrat par rapport à la lo de T sachat O=o, o a: l *( T, θ ) = l f ( T, θ O) + l( O, θ ) θ θ θ Eθ l *( T, θ ) O E l f ( T, O) O l( O, ) 0 = θ θ θ 0 + θ θ θ E versat l tégrale et la dérvato E l f ( T, θ O) O = f ( t, θ O) dt = 0 θ θ
16 III- Doées cesurées C - Estmateur du maxmum de vrasemblace p Sot θ la vrae valeur du paramètre. S Θ est u ouvert de R 0 s l est deux fos cotûmet dérvable et s θ0 est detfable à partr de la lo de O, l EMV observable satsfat : - Absece de bas asymptotque E ( ˆ θ ) θ 0 - Cosstace - Normalté asymptotque : Où I ( θ ) peut être estmée par 0 θˆ ( ˆ ) 0 lm P θ θ > ε = 0 ε 0 ( ˆ θ θ ) N(0, I ( θ )) L / ˆ ² l Σ ( θ ) ( ˆ = o,..., o, θ) θk θ j k p, j p
17 IV-Doées troquées ( ) T ( o,... o ), O =, Z T Z Z..d. de lo g, T..d. de lo f (., θ ), θ Θ R, T Z Vrasemblace p L ( O,... O, θ ) = k( T, Z, θ / T > Z ) = f ( T, θ ) g( Z ) = P( T > Z) = P( T > Z) = G( u) f ( u, θ ) du
18 IV-Doées troquées p Proprétés : S Θ est u ouvert de R s l est deux fos cotûmet dérvable et s la lo de T est detfable à partr de la lo de O, l EMV observable satsfat les mêmes boes proprétés que das le cas cesuré RQ : cf cours 2 pour les codtos d detfablté
19 V- Applcato aux modèles classque T sut ue lo expoetelle de paramètre λ ) Modèle complet λ = t = Cesure de type I II et III Où r est le ombre d stats d occurreces ) λ = r = x observés
20 V- Applcato aux modèles classque T sut ue lo de Webull (α,β) Modèle complet : ˆ ˆ l ˆ / l 0 ˆ t x t β β β β = = + = ˆ / ˆ t β β α = = ) Cesure type I et III: Il exste pas de forme explcte : l équato dot être résolue tératvemet ˆ ˆ t β β = = ˆ / ˆ ˆ x r β β α = = ˆ ˆ { } l ˆ / l 0 ˆ t c r x x r x x β β β β = < = + =
21 VI- Méthodes tératves de recherche de l EMV Objectf : résoudre umérquemet les équatos de vrasemblace das les cas où elles e peuvet être résolues aalytquemet (la plupart du temps) 3 composates : Ue valeur d talsato de l algorthme pour le paramètre : Ue formule d térato explquat commet à l étape k+ o calcule l approxmato de à partr de θ k + Des procédures d arrêt permettat de savor à quelle étape o peut cosdérer que fourt ue boe approxmato de θ θ k Cf : CIARLET [990] : Itroducto à l aalyse umérque matrcelle et à l optmsato. Pars : Duod. θ ˆ θ k ˆ θ *
22 Algorthme de Newto-Raphso Prcpe :
23 VI- Méthodes tératves de recherche de l EMV O s spre de la méthode classque précédete, utlsée pour trouver les zéros d u système d équatos, applqué c au système des équatos de la vrasemblace. (Valable s la focto de score a ue jacobee versble). O chost ue valeur d talsato de l algorthme A l étape k+, o remplace la focto à auler l ( o,..., o, θ ) U ( o, θ ) = θ par ue approxmato léare (so développemet de Taylor) au vosage de : la valeur qu aule cette expresso est θ k θ k +
24 VI- Méthodes tératves de recherche de l EMV Règles d arrêts: l faut qu ue ou pluseurs codtos cdessous soet satsfates : - Les valeurs térées sot à peu près stables: θ k+ θ k assez pett - Les valeurs de la focto objectf sot à peu près stables : assez pett l ( o, ) l ( o, θ ) θk+ k - Le score est proche de 0: assez pett U ( o, θ k )
25 VI- Méthodes tératves de recherche de l EMV Algorthme EM (expectato-maxmsato) (Dempster, Lard, Rub(977) Algorthme de recherche de l EMV das le cas de doées complètes. Marche be lorsque la varable latete est de type expoetelle (lo expoetelle, Webull)
26 V- Méthodes tératves de recherche de l EMV Idée : s la varable latete T état observable, l EMV serat trouvé e maxmsat la log-vrasemblace latete ˆ θ = arg max l *( T,..., T, θ ) θ Comme les observatos de T e sot pas dspobles, o remplace la vrasemblace latete par sa melleure approxmato, calculable à partr des observatos ( o,..., o ) : so espérace codtoelle sachat les observables, e estmat le vra paramètre θ par u estmateur % 0 θ. Cec revet doc à maxmser : Q( θ, % θ ) E l *( T,.., T, θ / O,... O = % θ ( )
27 V- Méthodes tératves de recherche de l EMV Algorthme : O part d ue valeur θ * Chaque térato de l algorthme comporte deux étapes. A l étape k+ : Etape E : calcul de Q ( θ, θ k ) Etape M : recherche de θ = Arg max Q( θ, θk ) k+ θ Θ Proprétés : - EM est crossat l ( o,..., o, θ ) l ( o,..., o, θ ) k+ k - Il coverge vers u maxmum local de la log-vrasemblace (qu e coverge pas toujours vers la vrae valeur du paramètre)
28 V- Méthodes tératves de recherche de l EMV Exemple: varables latetes..d. expoetelles de paramètre cou, cesure aleatore drote λ 0 Etape E : l *( T,..., T, λ) = l λ exp( λt ) = = l λ λt Q( λ, λ ) = l λ λe ( T / o,..., o ) k λ k
29 V- Méthodes tératves de recherche de l EMV = λ k = λk δ = E ( T / o,..., o ) E ( T / x, ) E ( T / x, δ = ) = x (observé das ce cas) λ k E ( T / x, δ = 0) = E ( T / T > x ) = tf ( t T > x ) dt = x + / λ λ k λk x k
30 V- Méthodes tératves de recherche de l EMV E ( T / o,..., o ) = E ( T / x, δ ) λ k λ k = = δ x + ( δ ) E ( T / T > x ) λ k = = = δ x + ( δ ) ( x + / λ ) k = = = x + = λ k r
31 V- Méthodes tératves de recherche de l EMV ( ) (, ) l k k r Q x λ λ λ λ λ = = + Etape M : O maxmse k k r x λ λ + = = + (, ) Q k λ λ
32 V- Méthodes tératves de recherche de l EMV Autres Algorthme :
LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE
LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe
Plus en détailII - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1
II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d
Plus en détailSemestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR
Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets
Plus en détailSYSTEME FERME EN REACTION CHIMIQUE
SYSTEME FERME EN REACTION CHIMIQUE I. DESCRIPTION D UN SYSTEME. Les dfférets types de système (ouvert, fermé, solé U système S est formé d u esemble de corps séparés du reste de l uvers (appelé mleu extéreur
Plus en détailCoefficient de partage
Coeffcet de partage E chme aque, la sythèse d'u composé se fat e pluseurs étapes : la réacto propremet dte (utlsat par exemple u motage à reflux quad la réacto dot être actvée thermquemet), les extractos
Plus en détailLes sinistres graves en assurance automobile : Une nouvelle approche par la théorie des valeurs extrêmes
Les sstres graves e assurace automoble : Ue ouvelle approche par la théore des valeurs extrêmes Nouredde Belagha (*, Mchel Gru-Réhomme (*, Olga Vasecho (** (* Uversté Pars 2, ERMES-UMR78-CNRS, 2 place
Plus en détailCHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure.
TABLE DES MATIERES Durée...2 Objectf spécfque...2 Résumé...2 I. L agrégato des préféreces...2 I. Le système de vote à la majorté...2 I.2 Vote par classemet...3 I.3 Codtos de décso socale et théorème d
Plus en détailMathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période)
A-PDF OFFICE TO PDF DEMO: Purchase from www.a-pdf.com to remove the watermark Mathématques Facères : l essetel Les formules cotourables (F de érode) htt://www.ecogesam.ac-a-marselle.fr/esed/gesto/mathf/mathf.html#e5aels
Plus en détailIncertitudes expérimentales
U N I O N D E S P R O F E S S E U R S D E P H Y S I Q U E E T D E C H I M I E 995 Icerttudes érmetales par Fraços-Xaver BALLY Lcée Le Corbuser - 93300 Aubervllers et Jea-Marc BERROIR École ormale supéreure
Plus en détailUne méthode alternative de provisionnement stochastique en Assurance Non Vie : Les Modèles Additifs Généralisés
Ue méthode alteratve de provsoemet stochastque e Assurace No Ve : Les Modèles Addtfs Gééralsés Lheureux Else B&W Delotte 85, av. Charles de Gaulle 954 Neully-sur-See cedex Frace Drect: 33(0).55.6.65.3
Plus en détailApplication de la théorie des valeurs extrêmes en assurance automobile
Applcato de la théore des valeurs extrêmes e assurace automoble Nouredde Belagha & Mchel Gru-Réhomme Uversté Pars 2, ERMES-UMR78-CNRS, 92 rue d Assas, 75006 Pars, Frace E-Mal: blour2002@yahoo.fr E-Mal:
Plus en détailCours 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 détailMesure avec une règle
Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système
Plus en détailCOURS DE MATHEMATIQUE FINANCIERE A COURT ET LONG TERME Promotion : Première année de graduat
P R O F E S REPUBLIQUE DEMOCRATIQUE DU CONGO ENSEIGNEMENT SUPEREIEUR ET UNIVERSITAIRE INSTITUT SUPERIEUR DE GESTION INFORMATIQUE DE GOMA /I.S.I.G-GOMA DEVELOPPEMENT ISIG M A T I O N COURS DE MATHEMATIQUE
Plus en détailx +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 détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailConception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce
SETIT 2005 3 RD INTERNATIONAL CONFERENCE: SCIENCES OF ELECTRONIC, TECHNOLOGIES OF INFORMATION AND TELECOMMUNICATIONS MARCH 27-3, 2005 TUNISIA Cocepto d u outl décsoel pour la gesto de la relato clet das
Plus en détailConception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce
Cocepto d u outl décsoel pour la gesto de la relato clet das u ste de e-commerce Nazh SELMOUNE *, Sada BOUKHEDOUMA * ad Zaa ALIMAZIGHI * * Laboratore des Systèmes Iformatques(LSI )- USTHB - ALGER selmoue@wssal.dz
Plus en détailGENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)
GENESS - Generalzed System for mputaton Smulatons (Système généralsé pour smuler l mputaton) GENESS est un système qu permet d exécuter des smulatons en présence d mputaton. L utlsateur fournt un ensemble
Plus en détailÉconométrie. Annexes : exercices et corrigés. 5 e édition. William Greene New York University
Économétre 5 e édton Annexes : exercces et corrgés Wllam Greene New York Unversty Édton françase drgée par Dder Schlacther, IEP Pars, unversté Pars II Traducton : Stéphane Monjon, unversté Pars I Panthéon-Sorbonne
Plus en détailOBLIGATION DU SECTEUR PRIVE : EVALUATION ET OUTIL DE GESTION DU RISQUE DE TAUX D INTERET
Jea-Claude AUGROS Professeur à l Uversté Claude Berard LYON I et à l Isttut de Scece Facère et d Assuraces ISFA Mchel QUERUEL Docteur e Gesto Igéeur de Marché Socété de Bourse AUREL Résumé : Cet artcle
Plus en détailRessources pour le lycée général et technologique
éduscol Ressources pour le lycée gééral et techologque Ressources pour le cycle termal gééral et techologque Mesure et certtudes Ces documets peuvet être utlsés et modés lbremet das le cadre des actvtés
Plus en détailProcessus 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 détailGIN FA 4 02 01 INSTRUMENTATION P Breuil
GIN FA 4 0 0 INSTRUMENTATION P Breul OBJECTIFS : coatre les bases des statstques de la mesure af de pouvor d ue part compredre les spécfcatos d u composat et d autre part évaluer avec rgueur les performaces
Plus en détailCalcul de tableaux d amortissement
Calcul de tableaux d amortssement 1 Tableau d amortssement Un emprunt est caractérsé par : une somme empruntée notée ; un taux annuel, en %, noté ; une pérodcté qu correspond à la fréquence de remboursement,
Plus en détail" BIOSTATISTIQUE - 1 "
ISTITUT SUPERIEUR DE L EDUCATIO ET DE LA FORMATIO COTIUE Départemet Bologe Géologe S0/ " BIOSTATISTIQUE - " Cours & Actvtés : Modher Abrougu Aée Uverstare - 008 Modher Abrougu Bostatstque «I» ISEFC - 008
Plus en détailCalculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.
1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle
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 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 détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailRemboursement d un emprunt par annuités constantes
Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)
Plus en détailModule 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 détailChapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique
Spécale PSI - Cours "Electromagnétsme" 1 Inducton électromagnétque Chaptre IV : Inductance propre, nductance mutuelle. Energe électromagnétque Objectfs: Coecents d nductance propre L et mutuelle M Blan
Plus en détailPlan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks
Plan Geston des stocks Abdellah El Fallah Ensa de Tétouan 2011 Les opératons de gestons des stocks Les coûts assocés à la geston des stocks Le rôle des stocks Modèle de la quantté économque Geston calendare
Plus en détailGénéralités sur les fonctions 1ES
Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :
Plus en détailUNIVERSITE 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 détailQ x2 = 1 2. est dans l ensemble plus grand des rationnels Q. Continuons ainsi, l équation x 2 = 1 2
Exo7 Nombres complexes Vdéo parte. Les nombres complexes, défntons et opératons Vdéo parte. Racnes carrées, équaton du second degré Vdéo parte 3. Argument et trgonométre Vdéo parte 4. Nombres complexes
Plus en détailDeuxième 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 détailChapitre 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 détailEstimation des incertitudes sur les erreurs de mesure.
Estmto des certtdes sr les errers de mesre. I. Itrodcto : E sceces epérmetles, l este ps de mesres ectes. Celle-c e pevet être q etchées d errers pls o mos mporttes selo le protocole chos, l qlté des strmets
Plus en détailCHAPITRE 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 détailChap. 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 détaile x dx = e x dx + e x dx + e x dx.
Chtr Foctos Gmm t foctos d Bssl Chtr Focto Gmm t foctos d Bssl Détrmto d l focto Gmm L focto Gmm st très sml à dédur à rtr d l tégrl d'eulr: Ctt tégrl st u focto d rmètr ; ll st rrésté r l symbol () t
Plus en détail1 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 détailGEA I Mathématiques nancières Poly. de révision. Lionel Darondeau
GEA I Mathématques nancères Poly de révson Lonel Darondeau Intérêts smples et composés Voc la lste des exercces à révser, corrgés en cours : Exercce 2 Exercce 3 Exercce 5 Exercce 6 Exercce 7 Exercce 8
Plus en détailL Analyse Factorielle des Correspondances
Aalyse de doées Modle 5 : L AFC M5 L Aalyse Factorelle des Corresodaces L aalyse factorelle des corresodaces, otée AFC, est e aalyse destée a tratemet des tableax de doées où les valers sot ostves et homogèes
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
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
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 détailSTATISTIQUE AVEC EXCEL
STATISTIQUE AVEC EXCEL Excel offre d nnombrables possbltés de recuellr des données statstques, de les classer, de les analyser et de les représenter graphquement. Ce sont prncpalement les tros éléments
Plus en détailS euls les flux de fonds (dépenses et recettes) définis s ent l investissement.
Choix d ives i s s eme e cer iude 1 Chapire 1 Choix d ivesissemes e ceriude. Défiiio L es décisios d ivesissemes fo parie des décisios sraégiques de l erepris e. Le choix ere différes projes d ivesisseme
Plus en détailSéries 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* 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 détailExo7. 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 détailÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.
ÉLÉMETS DE THÉORIE DE L IFORMATIO POUR LES COMMUICATIOS. L a théore de l nformaton est une dscplne qu s appue non seulement sur les (télé-) communcatons, mas auss sur l nformatque, la statstque, la physque
Plus en détailcapital 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 détailLa 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 détailPolynésie 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 détailRESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY
LO 4 : SOLUTO P L MTHO OTO, MLLM T KLY SOLUTO P L MTHO OTO, MLLM T KLY MTHO OTO. toductio Le théoème de oto va ous pemette de éduie u cicuit complexe e gééateu de couat éel. e gééateu possède ue souce
Plus en détailLa théorie classique de l information. 1 ère partie : le point de vue de Kolmogorov.
La théore classque de l nformaton. ère parte : le pont de vue de Kolmogorov. La sute de caractères comme outl de descrpton des systèmes. La scence peut être vue comme l art de compresser les données quelles
Plus en détailChapitre 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 détailLe 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 détailLes 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 détailContrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations
Contrats prévoyance des TNS : Clarfer les règles pour sécurser les prestatons Résumé de notre proposton : A - Amélorer l nformaton des souscrpteurs B Prévor plus de souplesse dans l apprécaton des revenus
Plus en détailLes jeunes économistes
Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque
Plus en détailFormation 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 détailII 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 détailDénombrement. 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 détailStéganographie Adaptative par Oracle (ASO)
Stéganographe Adaptatve par Oracle ASO Sarra Kouder, Marc Chaumont, Wllam Puech To cte ths verson: Sarra Kouder, Marc Chaumont, Wllam Puech. Stéganographe Adaptatve par Oracle ASO. CORESA 12: COmpresson
Plus en détailCONSERVATOIRE NATIONAL DES ARTS ET METIERS
ONSEVAOIE NAIONAL DES AS E MEIES ELEONIQUE ANALOGIQUE PH / ELE 4 / DU GEII ere année ------------------------- ------------------------- Dder LE UYE / Perre POVEN Janer ABLE DES MAIEES APPELS D ELEOINEIQUE...5.
Plus en détailExercice 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 détailCommande Prédictive Robuste d un Système MIMO utilisant un modèle BOG et les techniques LMI
La cqèe Coférece Iteratoae d Eectrotechqe et d Atoatqe -4 Ma 8 aaet se Coade Prédctve Robste d Systèe MIMO tsat odèe BOG et es techqes LMI Jae Ghab A Do et assa Messaod Ecoe atoae d Igéers de Moastr Re
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailSéries numériques. Chap. 02 : cours complet.
Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm
Plus en détailSÉRIES 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 détailLiens entre fonction de transfert et représentations d'état d'un système (formes canoniques de la représentation d'état)
oqe V oqe Cor e ere foco de rfer e repréeo dé d èe fore coqe de l repréeo dé SI Coe oqe! Irodco! e ere le dfféree decrpo d èe! Pge odèle dé " foco de rfer # C d èe oovrle # C d èe lvrle! Pge foco de rfer
Plus en détail2 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 détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailGrandeur physique, chiffres significatifs
Grandeur physque, chffres sgnfcatfs I) Donner le résultat d une mesure en correspondance avec l nstrument utlsé : S avec un nstrument, ren n est ndqué sur l ncerttude absolue X d une mesure X, on consdère
Plus en détailEtude 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 détailConsolidation. 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 détailLimites 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 détailGroupe 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 détailAssurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire
Assurance malade et aléa de moralté ex-ante : L ncdence de l hétérogénété de la perte santare Davd Alary 1 et Franck Ben 2 Cet artcle examne l ncdence de l hétérogénété de la perte santare sur les contrats
Plus en détailExercices d Électrocinétique
ercces d Électrocnétque Intensté et densté de courant -1.1 Vtesse des porteurs de charges : On dssout une masse m = 20g de chlorure de sodum NaCl dans un bac électrolytque de longueur l = 20cm et de secton
Plus en détailChap. 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 détailFonctions homographiques
Seconde-Fonctions homographiques-cours Mai 0 Fonctions homographiques Introduction Voir le TP Géogébra. La fonction inverse. Définition Considérons la fonction f définie par f() =. Alors :. f est définie
Plus en détailANNEXES...16 Notation...16 Rente financière certaine...16. Mémo d Actuariat - Sophie Terrier @ 2004 1/16
ÉO TUIT FOULS TUILLS SU TT Probbé ouo 3 dfféré4 ee gère be à ere échu 5 ee gère be à ere échu ueur fo d ée 6 ee gère à ere be d ce7 ee gère à ere be d ce ueur fo d ée8 urce décè 9 urce décè à c rbe cro
Plus en détailLE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régime») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF
1 LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régme») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF AVIS AUX RETRAITÉS ET AUX PARTICIPANTS AVEC DROITS ACQUIS DIFFÉRÉS Expédteurs
Plus en détailFEUILLE 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 détailPROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS
PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie
Plus en détailSuites 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 détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détailProjet de fin d études
Unversté Franços Rabelas Tours Ecole Polytechnque Unverstare de Tours Département Informatque Projet de fn d études Ordonnancement Juste à Temps avec geston des stocks Chopn Antone Mrault Arnaud 3ème année
Plus en détailCondition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½
Condition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½ Patrick Ciarlet et Vivette Girault ciarlet@ensta.fr & girault@ann.jussieu.fr ENSTA & Laboratoire Jacques-Louis Lions, Paris 6 Condition
Plus en détail* 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 détailSéquence 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 détailEditions ENI. Project 2010. Collection Référence Bureautique. Extrait
Edtons ENI Project 2010 Collecton Référence Bureautque Extrat Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf
Plus en détailCours de gestion des risques d assurances et de théorie de la ruine. Stéphane Loisel
Cours de gestion des risques d assurances et de théorie de la ruine Stéphane Loisel ISFA, 2005-2006 Table des matières I Modélisation de la charge sinistre : du modèle individuel au modèle collectif 5
Plus en détail4 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 détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailLES 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