Modélisation aléatoire en fiabilité des logiciels

Dimension: px
Commencer à balayer dès la page:

Download "Modélisation aléatoire en fiabilité des logiciels"

Transcription

1 collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur. Cet ouvrage présente la théorie mathématique de la fiabilité des logiciels et ses applications, qui permettent de prévoir l occurrence des défaillances futures d un système informatique et d évaluer sa fiabilité. Les principaux modèles du processus des défaillances et corrections d un logiciel y sont décrits en adoptant une présentation unifiée dans le cadre des processus aléatoires ponctuels. Les méthodes statistiques associées (de l inférence bayésienne au choix de modèle) sont également étudiées, ainsi que les modèles prenant en compte des covariables et l architecture d un logiciel. L objectif est d aller de l étude conceptuelle approfondie des modèles au calcul numérique des indicateurs de fiabilité à l aide d exemples. Mêlant théorie et pratique, Modélisation aléatoire en fiabilité des logiciels s adresse aux étudiants, ingénieurs, chercheurs en mathématiques appliquées et en informatique, intéressés par les méthodes probabilistes et leurs applications en fiabilité. Les auteurs Olivier Gaudoin est professeur à l Ecole nationale supérieure d informatique et de mathématiques appliquées de Grenoble (ENSIMAG) où il enseigne les probabilités et la statistique. Ses domaines de recherche sont la modélisation aléatoire et l analyse statistique pour la fiabilité des systèmes. James Ledoux est maître de conférences à l Institut national des sciences appliquées (INSA) de Rennes où il enseigne les mathématiques appliquées, et en particulier les probabilités et la statistique. Ses recherches portent sur la modélisation aléatoire Olivier Gaudoin James Ledoux Modélisation aléatoire en fiabilité des logiciels collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen Modélisation aléatoire en fiabilité des logiciels Olivier Gaudoin James Ledoux Z(7ic7e6-CBGAIC(

2 TABLE DES MATIÈRES Avant-propos Chapitre 1. Introduction Problématique de la fiabilité des logiciels Utilisation des évaluations de fiabilité des logiciels Terminologie Différences entre fiabilité des logiciels et fiabilité des matériels Entrées, profil opérationnel et fautes Défaillances et corrections Exemple de données Contenu du livre Chapitre 2. Concepts de base Concepts élémentaires de fiabilité Hypothèses de base Les fonctions fiabilité et de survie résiduelle Le taux de défaillance Le MTTF Les lois usuelles de durées de vie La loi exponentielle La loi de Weibull La loi gamma La loi lognormale... 41

3 6 Fiabilité des logiciels La loi de Pareto La loi hypoexponentielle La loi hyperexponentielle Lois avec taux de défaillance en baignoire Autres lois usuelles en fiabilité La loi binomiale La loi de Poisson La loi normale La loi uniforme La loi puissance Concepts élémentaires de statistique Estimation Qualité d un estimateur Intervalles de confiance et tests d hypothèses Statistiques d ordre Notations et conventions Chapitre 3. Modèles de défaillance auto-excités Le processus des défaillances Quelques mesures de fiabilité des systèmes réparables Construction d un modèle de défaillance La suite des instants de défaillance Le processus de comptage des défaillances Propriétés des modèles de défaillance auto-excités Notion de mémoire Intensité cumulée ou compensateur Loi des durées inter-défaillances Loi des instants de défaillance Fonctions de vraisemblance Loi du nombre de défaillances survenues Expressions des principales grandeurs de fiabilité Classification des modèles de défaillance auto-excités Notes et compléments Chapitre 4. Processus ponctuels Processus de comptage et intensité stochastique Histoire, mesurabilité, prévisibilité

4 Table des matières Intensité stochastique Intensité d un processus de comptage relativement à son histoire interne Processus de Poisson Simulation Inverse généralisée Simulation par inversion Image d un processus de Poisson par un changement de temps Simulation et taux de hasard Modèles conditionnellement auto-excités Intensité à structure multiplicative Exemple introductif Modèles de régression Notes et compléments Chapitre 5. Processus markoviens Processus markovien de sauts Propriété de Markov Noyau de transition Caractérisation des processus markoviens de sauts Générateur infinitésimal et graphe de transition Irréductibilité et ergodicité Processus markovien uniformisable Processus de comptage associés à un processus markovien de sauts Intensités des processus de comptage Processus de naissance pure Intégrabilité Le processus markovien des arrivées Définition MAP et processus de renouvellement markovien Intensité stochastique d un MAP Principales formules utiles en fiabilité Fonction fiabilité MTTF Loi de N t Fonction moyenne et ROCOF

5 8 Fiabilité des logiciels 5.4. Quelques éléments sur les chaînes de Markov générales Notes et compléments Chapitre 6. Propriétés générales des processus de Poisson Intensité de défaillance Processus de comptage des défaillances Durées inter-défaillances Instants de défaillance Fiabilité et MTTF Fonctions de vraisemblance Lien entre NHPP et processus de records Quelques propriétés utiles Chapitre 7. Fiabilité d un logiciel non corrigé : les processus de Poisson homogènes Définition et propriétés probabilistes Processus de comptage des défaillances Durées inter-défaillances Instants de défaillance Fiabilité et MTTF Fonctions de vraisemblance Quelques propriétés utiles Estimation des grandeurs de la fiabilité Censure de type Estimation ponctuelle de Intervalles de confiance pour Tests d hypothèses sur Estimation du MTTF et de la fiabilité Censure de type Estimation ponctuelle de Intervalles de confiance et tests d hypothèses Estimation de la fiabilité Données groupées Application aux données de l exemple Validation des logiciels Validation en présence de défaillances Validation en l absence de défaillance

6 Table des matières 9 Chapitre 8. Modèles à durées inter-défaillances exponentielles et leurs généralisations Définition et propriétés des modèles ETBF Intensité de défaillance Instants de défaillance Processus de comptage des défaillances Fiabilité et MTTF Fonction de vraisemblance Le modèle de Jelinski-Moranda Définition Propriétés probabilistes Propriétés statistiques Commentaires Premières généralisations du modèle de Jelinski-Moranda Le modèle géométrique de Moranda Définition et propriétés probabilistes Propriétés statistiques Les modèles de statistiques d ordre généralisées Définition Propriétés probabilistes Quelques modèles GOS Modèles conditionnellement ETBF Définition Le modèle de Littlewood Le modèle de Littlewood-Verrall Modélisation par chaînes de Markov cachées Le profil opérationnel poissonnien homogène Lois conditionnelles des taux de hasard Le modèle de Basu et Ebrahimi Le modèle proportionnel lognormal Un modèle à deux taux de correction Un modèle de chaîne de Markov cachée Notes et compléments Chapitre 9. Quelques modèles NHPP Construction des modèles NHPP Loi du premier instant de défaillance Lien entre ROCOF et intensité Lien entre NHPP et modèles GOS

7 10 Fiabilité des logiciels 9.2. Le processus de puissance ou modèle de Duane Définition et propriétés probabilistes Processus de comptage des défaillances Durées inter-défaillances Instants de défaillance Fiabilité et MTTF Fonctions de vraisemblance Quelques propriétés utiles Estimation des grandeurs de la fiabilité Censure de type Censure de type Données groupées Application aux données de l exemple La famille puissance généralisée Le modèle de Goel-Okumoto Quelques extensions du modèle de Goel-Okumoto Décomposition en modules Taux de manifestation variable Correction imparfaite Autres modèles NHPP Le modèle de Musa-Okumoto Le modèle NHPP de Littlewood Le modèle hyperexponentiel Notes et compléments Chapitre 10. Inférence bayésienne Des éléments sur l inférence bayésienne Principe général de l inférence bayésienne Méthodes de Monte Carlo par chaînes de Markov Echantillonneur d Hastings-Metropolis Echantillonneur de Gibbs Echantillonneur de Gibbs avec complétion des données Echantillonneur de Gibbs avec une étape Hastings-Metropolis Inférence bayésienne en fiabilité des logiciels Analyses bayésiennes du modèle de Jelinski-Moranda Analyses bayésiennes du modèle de Littlewood-Verrall

8 Table des matières Analyses bayésiennes des modèles NHPP et GOS NHPP bornés Modèles GOS NHPP non bornés Estimation et contrôle de convergence Le modèle d Al-Mutairi, Chen et Singpurwalla Chapitre 11. Choix de modèles auto-excités Les tests de tendance Méthodes graphiques Tests d adéquation au HPP Le test de Laplace Censure de type Censure de type Données groupées Le test logarithmique Censure de type Censure de type Optimalité des tests de tendance Les tests d adéquation Problématique Méthodes graphiques Tests d adéquation pour des variables aléatoires i.i.d Cas 1 : tests d adéquation à une loi entièrement spécifiée Cas 2 : test d adéquation à une famille paramétrée de lois Tests d adéquation au PLP Tests CPIT Les tests préquentiels Tests d adéquation aux NHPP de Zhao-Wang Comparaison des tests d adéquation Chapitre 12. Modèles à covariables Covariables en fiabilité des logiciels Modèles basés sur le modèle de Cox Modèle à intensités proportionnelles L individu est un sous-système d un logiciel

9 12 Fiabilité des logiciels L individu est une copie d un logiciel L individu est une faute Un modèle basé sur le modèle multiplicatif matriciel d Aalen Estimateur de Nelson-Aalen Estimateur du vecteur des fonctions de régression Adéquation au modèle Chapitre 13. Modèles basés sur l architecture du logiciel Un modèle de la structure d un logiciel Quelques modèles de fiabilité Le modèle de Laprie Le modèle boîte-blanche de Littlewood Un modèle général de processus markovien des arrivées Analyse Expressions des grandeurs de fiabilité Comportement asymptotique Croissance de fiabilité Estimation des paramètres Modèles en temps discret D autres approches Approximations de la fiabilité Simulation Méthodes basées sur le test Notes et compléments Bibliographie Index

Modélisation aléatoire en fiabilité des logiciels

Modélisation aléatoire en fiabilité des logiciels collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.

Plus en détail

SOMMAIRES D OUVRAGES PARUS

SOMMAIRES D OUVRAGES PARUS SOMMAIRES D OUVRAGES PARUS TITRE : MÉTHODES ACTUARIELLES DE L'ASSURANCE VIE (cours et exercices corrigés) AUTEUR : Christian HESS ÉDITEUR : ÉCONOMICA, PARIS DATE DE PARUTION : NOVEMBRE 2000 357 pages prix

Plus en détail

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE DES MATIERES. C Exercices complémentaires 42 TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence

Plus en détail

MODELES DE DUREE DE VIE

MODELES 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 détail

Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation

Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Laurent Denis STATXPERT Journée technologique "Solutions de maintenance prévisionnelle adaptées à la production" FIGEAC,

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles à Événements Discrets. Réseaux de Petri Stochastiques Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés

Plus en détail

Mathématiques et Applications 57. Modèles aléatoires. Applications aux sciences de l'ingénieur et du vivant

Mathématiques et Applications 57. Modèles aléatoires. Applications aux sciences de l'ingénieur et du vivant Mathématiques et Applications 57 Modèles aléatoires Applications aux sciences de l'ingénieur et du vivant Bearbeitet von Jean-François Delmas, Benjamin Jourdain 1. Auflage 2006. Taschenbuch. xxv, 431 S.

Plus en détail

Problèmes de fiabilité dépendant du temps

Problèmes de fiabilité dépendant du temps Problèmes de fiabilité dépendant du temps Bruno Sudret Dépt. Matériaux et Mécanique des Composants Pourquoi la dimension temporelle? Rappel Résistance g( RS, ) = R S Sollicitation g( Rt (), St (),) t =

Plus en détail

PROJET DE SPÉCIALITÉ DU MASTER DE MATHÉMATIQUES. MODÉLISATION MATHÉMATIQUE & ANALYSE STATISTIQUE

PROJET DE SPÉCIALITÉ DU MASTER DE MATHÉMATIQUES. MODÉLISATION MATHÉMATIQUE & ANALYSE STATISTIQUE PROJET DE SPÉCIALITÉ DU MASTER DE MATHÉMATIQUES. MODÉLISATION MATHÉMATIQUE & ANALYSE STATISTIQUE Porteurs du projet Marc Arnaudon, professeur des universités, responsable des relations avec les entreprises.

Plus en détail

Algorithme EM en fiabilité des logiciels James Ledoux

Algorithme EM en fiabilité des logiciels James Ledoux en fiabilité des logiciels James Ledoux INSA de Rennes & IRMAR Rennes I James Ledoux FIMA06 Grenoble 1/26 1 Processus de défaillance en fiabilité du logiciel Modèle auto-excité Modèles DIDE et conditionnellement

Plus en détail

INTERNATIONAL CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS (ICMPA) UNESCO CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS

INTERNATIONAL CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS (ICMPA) UNESCO CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS INTERNATIONAL CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS (ICMPA) UNESCO CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS established in 2006 at the University of Abomey-Calavi (Republic of Benin) UNITWIN/UNESCO

Plus en détail

PROBABILITES ET STATISTIQUE I&II

PROBABILITES ET STATISTIQUE I&II PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits

Plus en détail

Programme détaillé des enseignements

Programme détaillé des enseignements Programme détaillé des enseignements SEMESTRE S1 STATISTIQUES Méthodes d'estimation ponctuelle (méthodes des moments, du maximum de vraisemblances, bayésienne) et par intervalles de confiance. Statistiques

Plus en détail

Résumé des communications des Intervenants

Résumé des communications des Intervenants Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit

Plus en détail

Fiabilité des Systèmes et des Logiciels

Fiabilité des Systèmes et des Logiciels Ensimag - 3ème année Fiabilité des Systèmes et des Logiciels Notes de cours Olivier Gaudoin 2 Table des matières 1 Problématique de la sûreté de fonctionnement des systèmes informatiques 5 1.1 Contexte.....................................

Plus en détail

ANNEXE 1 BTS AGENCEMENT DE L'ENVIRONNEMENT ARCHITECTURAL Programme de mathématiques

ANNEXE 1 BTS AGENCEMENT DE L'ENVIRONNEMENT ARCHITECTURAL Programme de mathématiques ANNEXE BTS AGENCEMENT DE L'ENVIRONNEMENT ARCHITECTURAL Programme de mathématiques L'enseignement des mathématiques dans les sections de techniciens supérieurs Agencement de l'environnement architectural

Plus en détail

Managements des risques industriels : quelques verrous scientifiques et techniques à résoudre pour le futur. Le point de vue d'un industriel.

Managements des risques industriels : quelques verrous scientifiques et techniques à résoudre pour le futur. Le point de vue d'un industriel. Managements des risques industriels : quelques verrous scientifiques et techniques à résoudre pour le futur. Le point de vue d'un industriel. Workshop du GIS 3SGS Reims, 29 septembre 2010 Sommaire Missions

Plus en détail

Cahier de textes Page 1 sur 9. Cahier de textes

Cahier de textes Page 1 sur 9. Cahier de textes Cahier de textes Page 1 sur 9 Cahier de textes Jeudi 04/09/2014 9h-12h et 13h30-16h30 : Cours sur la logique : - Conjonction, disjonction, implication, équivalence - Quelques formules. - Quantificateurs

Plus en détail

4.2 Unités d enseignement du M1

4.2 Unités d enseignement du M1 88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter

Plus en détail

ALEATOIRE - Les enjeux du cours de Probabilités en première année de l Ecole Polytechnique

ALEATOIRE - Les enjeux du cours de Probabilités en première année de l Ecole Polytechnique ALEATOIRE - Les enjeux du cours de Probabilités en première année de l Ecole Polytechnique Télécom ParisTech, 09 mai 2012 http://www.mathematiquesappliquees.polytechnique.edu/ accueil/programmes/cycle-polytechnicien/annee-1/

Plus en détail

Chapitre I Théorie de la ruine

Chapitre I Théorie de la ruine Chapitre I Théorie de la ruine Olivier Wintenberger ISUP 2, Université Paris VI (slides Olivier Lopez) Année universitaire 2013-2014 1 Risque collectif 2 Modélisation des coûts de sinistres 3 Probabilité

Plus en détail

Méthodes de Simulation

Méthodes de Simulation Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents

Plus en détail

Fiabilité et durabilité d un système complexe dédié aux énergies renouvelables Application à un système photovoltaïque

Fiabilité et durabilité d un système complexe dédié aux énergies renouvelables Application à un système photovoltaïque Année 2011 N 1175 Fiabilité et durabilité d un système complexe dédié aux énergies renouvelables Application à un système photovoltaïque THESE DE DOCTORAT Spécialité : Sciences de l ingénieur ECOLE DOCTORALE

Plus en détail

TP N 57. Déploiement et renouvellement d une constellation de satellites

TP N 57. Déploiement et renouvellement d une constellation de satellites TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les

Plus en détail

INTRODUCTION AUX MÉTHODES DE MONTE CARLO PAR CHAÎNES DE MARKOV

INTRODUCTION AUX MÉTHODES DE MONTE CARLO PAR CHAÎNES DE MARKOV Séminaire MTDE 22 mai 23 INTRODUCTION AUX MÉTHODES DE MONTE CARLO PAR CHAÎNES DE MARKOV Vincent Mazet CRAN CNRS UMR 739, Université Henri Poincaré, 5456 Vandœuvre-lès-Nancy Cedex 1 juillet 23 Sommaire

Plus en détail

Le documentd accompagnement des programmes de Mathématiques en classe de première et de terminale,

Le documentd accompagnement des programmes de Mathématiques en classe de première et de terminale, PROGRESSION SPIRALÉE Page 1/10 Le documentd accompagnement des programmes de Mathématiques en classe de première et de terminale, série scientifique et série économique et sociale, précise que : " Les

Plus en détail

Activités en FIabilité et MAintenance au sein de l équipe FIGAL du Laboratoire Jean Kuntzmann

Activités en FIabilité et MAintenance au sein de l équipe FIGAL du Laboratoire Jean Kuntzmann Activités en FIabilité et MAintenance au sein de l équipe FIGAL du Laboratoire Jean Kuntzmann Laurent Doyen Laboratoire Jean Kuntzmann (LJK) Département probabilités et statistique Equipe FIGAL LJK - Grenoble

Plus en détail

Analyse de survie appliquée à la modélisation de la transmission des maladies infectieuses : mesurer l impact des interventions

Analyse de survie appliquée à la modélisation de la transmission des maladies infectieuses : mesurer l impact des interventions Analyse de survie appliquée à la modélisation de la transmission des maladies infectieuses : mesurer l impact des interventions Génia Babykina 1 & Simon Cauchemez 2 1 Université de Lille, Faculté Ingénierie

Plus en détail

Table des matières. I Mise à niveau 11. Préface

Table des matières. I Mise à niveau 11. Préface Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme

Plus en détail

Sommaire. Chapitre 1 Variables et vecteurs aléatoires... 5. Chapitre 2 Variables aléatoires à densité... 65

Sommaire. Chapitre 1 Variables et vecteurs aléatoires... 5. Chapitre 2 Variables aléatoires à densité... 65 Sommaire Chapitre 1 Variables et vecteurs aléatoires............... 5 A. Généralités sur les variables aléatoires réelles.................... 6 B. Séries doubles..................................... 9

Plus en détail

OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)

OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour

Plus en détail

Analyse de données longitudinales continues avec applications

Analyse de données longitudinales continues avec applications Université de Liège Département de Mathématique 29 Octobre 2002 Analyse de données longitudinales continues avec applications David MAGIS 1 Programme 1. Introduction 2. Exemples 3. Méthodes simples 4.

Plus en détail

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p. STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,

Plus en détail

5 Méthodes algorithmiques

5 Méthodes algorithmiques Cours 5 5 Méthodes algorithmiques Le calcul effectif des lois a posteriori peut s avérer extrêmement difficile. En particulier, la prédictive nécessite des calculs d intégrales parfois multiples qui peuvent

Plus en détail

La survie nette actuelle à long terme Qualités de sept méthodes d estimation

La survie nette actuelle à long terme Qualités de sept méthodes d estimation La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg

Plus en détail

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire

Plus en détail

Chapitre 2 Maîtrise des flux. - Chapitre 2 - Maîtrise des flux

Chapitre 2 Maîtrise des flux. - Chapitre 2 - Maîtrise des flux - - Facteurs agissant sur les flux Les modèles pour les SP Les réseaux de files d attente 1 Facteurs agissant sur les flux Au niveau physique : L implantation Le nombre de machines Automatisation (robots,

Plus en détail

MASTER «Sciences de la Vie et de la Santé» Mention «Santé Publique»

MASTER «Sciences de la Vie et de la Santé» Mention «Santé Publique» M1_presentation_generale_4juil05.doc 1/11 MASTER «Sciences de la Vie et de la Santé» Mention «Santé Publique» La mention s articule autour de 6 spécialités : Recherche en éthique : Pr Christian HERVE (herve@necker.fr)

Plus en détail

SEMESTRE S1. Intitulé et descriptif des U.E. Coef Crédits Discipline A : Mathématiques Mathématiques Outils mathématiques Discipline B :

SEMESTRE S1. Intitulé et descriptif des U.E. Coef Crédits Discipline A : Mathématiques Mathématiques Outils mathématiques Discipline B : SEMESTRE S Intitulé et descriptif des U.E. Coef Crédits Discipline A : Mathématiques Mathématiques Discipline B : 0 0 Biologie Biologie Chimie Chimie Géologie Géologie Informatique Informatique Physique

Plus en détail

IFT6561. Simulation: aspects stochastiques

IFT6561. Simulation: aspects stochastiques IFT 6561 Simulation: aspects stochastiques DIRO Université de Montréal Automne 2013 Détails pratiques Professeur:, bureau 3367, Pav. A.-Aisenstadt. Courriel: bastin@iro.umontreal.ca Page web: http://www.iro.umontreal.ca/~bastin

Plus en détail

MCMC et approximations en champ moyen pour les modèles de Markov

MCMC et approximations en champ moyen pour les modèles de Markov MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:

Plus en détail

Processus Markoviens Déterministes par Morceaux et Fiabilité Dynamique

Processus Markoviens Déterministes par Morceaux et Fiabilité Dynamique Processus Markoviens Déterministes par Morceaux et Fiabilité Dynamique Karen Gonzalez Benoîte de Saporta et François Dufour IMB, Université Bordeaux Neuvième Colloque Jeunes Probabilistes et Statisticiens

Plus en détail

Modélisation du risque opérationnel dans le secteur de l assurance

Modélisation du risque opérationnel dans le secteur de l assurance Avril 2011 N 14 Modélisation du risque opérationnel dans le secteur de l assurance Par Julie Gamonet Centre d études actuarielles Lauréate du prix du jeune actuaire 2010 Un texte paraissant dans SCOR Papers

Plus en détail

Support du cours de Probabilités IUT d Orléans, Département d informatique

Support du cours de Probabilités IUT d Orléans, Département d informatique Support du cours de Probabilités IUT d Orléans, Département d informatique Pierre Andreoletti IUT d Orléans Laboratoire MAPMO (Bât. de Mathématiques UFR Sciences) - Bureau 126 email: pierre.andreoletti@univ-orleans.fr

Plus en détail

Travail d Initiative Personnel Encadré : Chaines de Markov et protocole de gestion des communications radios par satellite relais.

Travail d Initiative Personnel Encadré : Chaines de Markov et protocole de gestion des communications radios par satellite relais. Yongwe Jean-Luc Travail d Initiative Personnel Encadré : Chaines de Markov et protocole de gestion des communications radios par satellite relais. (Système ALOHA) (Sous la tutelle de Madame Anne Perrut)

Plus en détail

Présentation de l épreuve

Présentation de l épreuve MÉTHODO Présentation de l épreuve 1. Programme de l arrêté du 22 décembre 2006 DURÉE DE L ENSEIGNEMENT ÉPREUVE N 11 CONTRÔLE DE GESTION (à titre indicatif) : 210 heures 18 crédits européens 1. Positionnement

Plus en détail

CLASSES PRÉPARATOIRES AUX GRANDES ÉCOLES CATALOGUE DES COURS 2013 2015. Parcours ECS (voie scientifique)

CLASSES PRÉPARATOIRES AUX GRANDES ÉCOLES CATALOGUE DES COURS 2013 2015. Parcours ECS (voie scientifique) MINISTERE DE L EDUCATION NATIONALE, DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE CLASSES PRÉPARATOIRES AUX GRANDES ÉCOLES CATALOGUE DES COURS 2013 2015 Parcours ECS (voie scientifique) Classe préparatoire

Plus en détail

Séminaire de Statistique

Séminaire de Statistique Master 1 - Economie & Management Séminaire de Statistique Support (2) Variables aléatoires & Lois de probabilité R. Abdesselam - 2013/2014 Faculté de Sciences Economiques et de Gestion Université Lumière

Plus en détail

TABLE DES MATIÈRES CHAPITRE

TABLE DES MATIÈRES CHAPITRE TABLE DES MATIÈRES CHAPITRE 1 Le pilotage de la performance... 17 I. Du contrôle au pilotage de la performance... 17 A. Le contrôle de gestion traditionnel... 17 B. Le pilotage de la performance... 19

Plus en détail

Axe MSA Bilan scientifique et perspectives. ENSM.SE L. Carraro - 17 décembre 07

Axe MSA Bilan scientifique et perspectives. ENSM.SE L. Carraro - 17 décembre 07 Axe MSA Bilan scientifique et perspectives ENSM.SE L. Carraro - 17 décembre 07 17 décembre 07 2 Plan Compétences acquises domaines scientifiques compétences transverses Domaines ou activités accessibles

Plus en détail

Analyse statistique de modèles de fiabilité en environnement dynamique

Analyse statistique de modèles de fiabilité en environnement dynamique THESE / UNIVERSITE DE BRETAGNE SUD UFR Sciences et sciences de l ingénieur sous le sceau de l Université européenne de Bretagne pour obtenir le titre de DOCTEUR DE L UNIVERSITE DE BRETAGNE SUD Mention

Plus en détail

LE POINT SUR LES MATHÉMATIQUES DANS LES BTS RENTRÉE 2003

LE POINT SUR LES MATHÉMATIQUES DANS LES BTS RENTRÉE 2003 LE POINT SUR LES MATHÉMATIQUES DANS LES BTS RENTRÉE 00 ) LES PROGRAMMES a) Le cadre général L arrêté du 8 juin 00 comporte trois annexes, notamment l annexe donnant l intégralité des modules permettant

Plus en détail

Simulation de variables aléatoires

Simulation de variables aléatoires Simulation de variables aléatoires S. Robin INA PG, Biométrie Décembre 1997 Table des matières 1 Introduction Variables aléatoires discrètes 3.1 Pile ou face................................... 3. Loi de

Plus en détail

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Informatique Première et seconde années

Plus en détail

Introduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr

Introduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux

Plus en détail

Techniques et outils de test pour les logiciels réactifs synchrones

Techniques et outils de test pour les logiciels réactifs synchrones Journées Systèmes et Logiciels Critiques Institut IMAG ; 14-16 nombre 2000 Techniques et outils de test pour les logiciels réactifs synchrones Farid Ouabdesselam 1 Méthodes de test : classification générale

Plus en détail

Principales caractéristiques de Mixmod

Principales caractéristiques de Mixmod Modèle de mélanges Principales caractéristiques de Mixmod Gérard Govaert et Gilles Celeux 24 octobre 2006 1 Plan Le modèledemélange Utilisations du modèle de mélange Les algorithmes de Mixmod Modèle de

Plus en détail

Mth2302B - Intra Été 2011

Mth2302B - Intra Été 2011 École Polytechnique de Montréal page 1 Contrôle périodique Été 2011--------------------------------Corrigé--------------------------------------T.Hammouche Question 1 (12 points) Mth2302B - Intra Été 2011

Plus en détail

MASTER SMIS. Mention Mathématiques et Applications. Spécialité : Ingénierie Mathématique

MASTER SMIS. Mention Mathématiques et Applications. Spécialité : Ingénierie Mathématique UNIVERSITE PAUL SABATIER TOULOUSE III SCIENCES U.F.R. MATHEMATIQUE INFORMATIQUE GESTION Année Universitaire 2004 2005 PRESENTATION DES ENSEIGNEMENTS Syllabus MASTER SMIS Mention Mathématiques et Applications

Plus en détail

Table des matières. Avant propos. Chapitre I NOTIONS SUR LES SYSTEMES

Table des matières. Avant propos. Chapitre I NOTIONS SUR LES SYSTEMES Table des matières Avant propos Chapitre I NOTIONS SUR LES SYSTEMES 1. Systèmes linéaires 1 2. Systèmes stationnaires 1 3. Systèmes continus 2 4. Systèmes linéaires invariants dans le temps (LIT) 2 4.1

Plus en détail

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation Programme des épreuves des concours externes de recrutement des personnels E1 RECRUTEMENT DES ASSISTANTS INGENIEURS DE RECHERCHE ET DE FORMATION...2 E1.1 Gestionnaire de base de données...2 E1.2 Développeur

Plus en détail

Formulaire de Maths. par Xavier Chauvet C OLLECTION LES MÉMENTOS DE L INSEEC MÉMENTO N 10

Formulaire de Maths. par Xavier Chauvet C OLLECTION LES MÉMENTOS DE L INSEEC MÉMENTO N 10 C OLLECTION LES MÉMENTOS DE L INSEEC CAHIERS MÉTHODOLOGIQUES POUR LES CLASSES PRÉPARATOIRES AUX GRANDES ÉCOLES DE COMMERCE Formulaire de Maths par Xavier Chauvet MÉMENTO N 10 Les Mémentos de l INSEEC Depuis

Plus en détail

Gestion de tâches dans un centre d appels multicanal

Gestion de tâches dans un centre d appels multicanal Gestion de tâches dans un centre d appels multicanal Thèse de Benjamin Legros, Encadrée par Oualid Jouini, Directeur de thèse: Yves Dalery Etude en collaboration avec Ger Koole Participation de l entreprise

Plus en détail

ANALYSE BAYESIENNE : QU EST-IL POSSIBLE DE FAIRE AVEC SAS?

ANALYSE BAYESIENNE : QU EST-IL POSSIBLE DE FAIRE AVEC SAS? ANALYSE BAYESIENNE : QU EST-IL POSSIBLE DE FAIRE AVEC SAS? L analyse bayésienne est une partie de la statistique moderne non paramétrique permettant d utiliser les probabilités conditionnelles et ainsi

Plus en détail

MASTER de sciences et technologies, Mention MATHÉMATIQUES ET APPLICATIONS Université Pierre et Marie Curie (Paris VI) Année 2012-2013

MASTER de sciences et technologies, Mention MATHÉMATIQUES ET APPLICATIONS Université Pierre et Marie Curie (Paris VI) Année 2012-2013 MASTER de sciences et technologies, Mention MATHÉMATIQUES ET APPLICATIONS Université Pierre et Marie Curie (Paris VI) Année 2012-2013 [version du 29 juin 2012] 2 Table des matières 1 Master 2, Spécialité

Plus en détail

Problème de contrôle optimal pour une chaîne de Markov

Problème de contrôle optimal pour une chaîne de Markov Problème de contrôle optimal pour une chaîne de Markov cours ENSTA MA206 Il s agit de résoudre un problème d arrêt optimal pour une chaîne de Markov à temps discret. Soit X n une chaîne de Markov à valeurs

Plus en détail

StatEnAction 2009/10/30 11:26 page 111 #127 CHAPITRE 10. Machines à sous

StatEnAction 2009/10/30 11:26 page 111 #127 CHAPITRE 10. Machines à sous StatEnAction 2009/0/30 :26 page #27 CHAPITRE 0 Machines à sous Résumé. On étudie un problème lié aux jeux de hasard. Il concerne les machines à sous et est appelé problème de prédiction de bandits à deux

Plus en détail

Web Science. Master 1 IFI. Andrea G. B. Tettamanzi. Université de Nice Sophia Antipolis Département Informatique andrea.tettamanzi@unice.

Web Science. Master 1 IFI. Andrea G. B. Tettamanzi. Université de Nice Sophia Antipolis Département Informatique andrea.tettamanzi@unice. Web Science Master 1 IFI Andrea G. B. Tettamanzi Université de Nice Sophia Antipolis Département Informatique andrea.tettamanzi@unice.fr 1 Annonce : recherche apprenti Projet Géo-Incertitude Objectifs

Plus en détail

ISE: Introduction à la statistique et à l économétrie. E. Le Pennec École Polytechnique

ISE: Introduction à la statistique et à l économétrie. E. Le Pennec École Polytechnique ISE: Introduction à la statistique et à l économétrie E. Le Pennec École Polytechnique 2014 Menu du jour Organisation Objectifs du cours Les statistiques sont partout! Modélisation statistique Plan du

Plus en détail

Simulation d un système d assurance automobile

Simulation d un système d assurance automobile Simulation d un système d assurance automobile DESSOUT / PLESEL / DACHI Plan 1 Introduction... 2 Méthodes et outils utilisés... 2.1 Chaines de Markov... 2.2 Méthode de Monte Carlo... 2.3 Méthode de rejet...

Plus en détail

Aide à la décision pour l'optimisation de la maintenance des stations de compression de gaz naturel

Aide à la décision pour l'optimisation de la maintenance des stations de compression de gaz naturel Aide à la décision pour l'optimisation de la maintenance des stations de compression de gaz naturel J. Blondel, L. Marle - CRIGEN A. Abdesselam GRTgaz F. Brissaud - DNV France Presentation Plan Objectifs

Plus en détail

Simulations de Monte-Carlo pour un modèle de dynamique forestière

Simulations de Monte-Carlo pour un modèle de dynamique forestière Journées MAS de la SMAI - 29 août 2008 - Rennes Simulations de Monte-Carlo pour un modèle de dynamique forestière F. Campillo, N. Desassis, V. Rossi ARC MICR - Projet MERE - INRIA Plan Contexte et objectifs

Plus en détail

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème... TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................

Plus en détail

FIMA, 7 juillet 2005

FIMA, 7 juillet 2005 F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation

Plus en détail

Université René Descartes Faculté de Pharmacie - Master Professionnel Dimension Économique des Produits de Santé 14 décembre 2005

Université René Descartes Faculté de Pharmacie - Master Professionnel Dimension Économique des Produits de Santé 14 décembre 2005 Université René Descartes Faculté de Pharmacie - Master Professionnel Dimension Économique des Produits de Santé 14 décembre 2005 Prise en Compte de l Incertitude dans l Évaluation des Technologies de

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2014 2015 Cours de B. Desgraupes. Simulation Stochastique

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2014 2015 Cours de B. Desgraupes. Simulation Stochastique UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2014 2015 L2 MIASHS Cours de B. Desgraupes Simulation Stochastique Séance 04: Nombres pseudo-aléatoires Table des matières 1

Plus en détail

Lois de probabilité à densité Loi normale

Lois de probabilité à densité Loi normale DERNIÈRE IMPRESSIN LE 31 mars 2015 à 14:11 Lois de probabilité à densité Loi normale Table des matières 1 Lois à densité 2 1.1 Introduction................................ 2 1.2 Densité de probabilité

Plus en détail

Chapitre 4 NOTIONS DE PROBABILITÉS

Chapitre 4 NOTIONS DE PROBABILITÉS Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 4 NOTIONS DE PROBABILITÉS Les chapitres précédents donnent des méthodes graphiques et numériques pour caractériser

Plus en détail

PROGRAMME DE FORMATION A L UTILISATION DU LOGICIEL R

PROGRAMME DE FORMATION A L UTILISATION DU LOGICIEL R PROGRAMME DE FORMATION A L UTILISATION DU LOGICIEL R Analyses multivariées avec R Vincent RICHARD Unité d épidémiologie Institut Pasteur de DakarRindra Randremanana Unité d'épidémiologie Institut Pasteur

Plus en détail

Table des matières I La programmation linéaire en variables continues 1 Présentation 3 1 Les bases de la programmation linéaire 5 1.1 Formulation d'un problème de programmation linéaire........... 5 1.2

Plus en détail

Formulaire de Mathématique

Formulaire de Mathématique COLLECTION LES LEXIQUES DE L INSEEC CAHIERS MÉTHODOLOGIQUES POUR LES CLASSES PRÉPARATOIRES AUX GRANDES ÉCOLES DE COMMERCE Formulaire de Mathématique par Xavier Chauvet LEXIQUE N 17 COLLECTION DIRIGÉE PAR

Plus en détail

ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat

ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat ASI (L2) : TP3 Calculs probabilistes avec Excel et Rstat Objectifs du TP : Savoir utiliser Excel et Rstat pour calculer des moyennes pondérées, des variances pondérées et savoir faire des approximations

Plus en détail

EVALUATION DE LA SURETE DE FONCTIONNEMENT DES SYSTEMES DYNAMIQUES PAR

EVALUATION DE LA SURETE DE FONCTIONNEMENT DES SYSTEMES DYNAMIQUES PAR EVALUATION DE LA SURETE DE FONCTIONNEMENT DES SYSTEMES DYNAMIQUES PAR MODELISATION RECURSIVE Résumé : CABARBAYE André 1 - LAULHERET Roland 2 Centre National d Etudes Spatiales (CNES) (1) & (2) 18, avenue

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Technologie, physique, chimie (TPC) Discipline : Mathématiques Seconde année Classe préparatoire TPC deuxième année

Plus en détail

NOTE SUR LA MODELISATION DU RISQUE D INFLATION

NOTE SUR LA MODELISATION DU RISQUE D INFLATION NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui

Plus en détail

Arrêt optimal et optimisation de la maintenance

Arrêt optimal et optimisation de la maintenance Benoîte de Saporta CQFD - Contrôle de Qualité et Fiabilité Dynamique 22 septembre 2011 Benoîte de Saporta 1/34 Plan 1 Un problème de maintenance 2 Modélisation mathématique 3 Stratégie de résolution 4

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Physique et chimie (PC) Discipline : Mathématiques Seconde année Classe préparatoire PC Programme de mathématiques

Plus en détail

Probabilités 5. Simulation de variables aléatoires

Probabilités 5. Simulation de variables aléatoires Probabilités 5. Simulation de variables aléatoires Céline Lacaux École des Mines de Nancy IECL 27 avril 2015 1 / 25 Plan 1 Méthodes de Monte-Carlo 2 3 4 2 / 25 Estimation d intégrales Fiabilité d un système

Plus en détail

Théorie des probabilités

Théorie des probabilités Théorie des probabilités LAVOISIER, 2008 LAVOISIER 11, rue Lavoisier 75008 Paris www.hermes-science.com www.lavoisier.fr ISBN 978-2-7462-1720-1 ISSN 1952 2401 Le Code de la propriété intellectuelle n'autorisant,

Plus en détail

Introduction à l approche bootstrap

Introduction à l approche bootstrap Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?

Plus en détail

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois

Plus en détail

Formellement, un processus aléatoire est une succession de variables aléatoires (X n ) n 0

Formellement, un processus aléatoire est une succession de variables aléatoires (X n ) n 0 Chapitre 1 Modélisation markovienne 11 Introduction Un processus aléatoire est un phénomène dont une partie de l évolution temporelle est aléatoire On rencontre ces processus dans divers domaines de la

Plus en détail

Chaînes de Markov au lycée

Chaînes de Markov au lycée Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat

Plus en détail

UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP250-97157 Pointe-à-Pitre Cedex CONTRAT 2010-2013 LE MASTER NOM DU DOMAINE STS

UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP250-97157 Pointe-à-Pitre Cedex CONTRAT 2010-2013 LE MASTER NOM DU DOMAINE STS UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP20-9717 Pointe-à-Pitre Cedex CONTRAT 2010-201 LE MASTER NOM DU DOMAINE STS Mention : Mathématiques Implantation : Guadeloupe FICHES DESCRIPTIVES

Plus en détail

Probabilités. I- Expérience aléatoire, espace probabilisé : ShotGun. 1- Définitions :

Probabilités. I- Expérience aléatoire, espace probabilisé : ShotGun. 1- Définitions : Probabilités I- Expérience aléatoire, espace probabilisé : 1- Définitions : Ω : Ensemble dont les points w sont les résultats possibles de l expérience Des évènements A parties de Ω appartiennent à A une

Plus en détail

Mathématiques : statistiques et simulation

Mathématiques : statistiques et simulation Université de Picardie - LAMFA CNRS UMR 6140 PAF Amiens - Formation Enseignement des Mathématiques - 20 janvier 2012 (Extrait du document ressource pour la classe de seconde) Dans le sens commun des sondages,

Plus en détail

Utilisation des arbres binomiaux pour le pricing des options américaines

Utilisation des arbres binomiaux pour le pricing des options américaines Utilisation des arbres binomiaux pour le pricing des options américaines Anne-Victoire Auriault Plan de la présentation Introduction. Le problème des options 2. Le modèle de Cox-Ross-Rubinstein 3. Les

Plus en détail

Introduction au cours STA 102 Analyse des données : Méthodes explicatives

Introduction au cours STA 102 Analyse des données : Méthodes explicatives Analyse des données - Méthodes explicatives (STA102) Introduction au cours STA 102 Analyse des données : Méthodes explicatives Giorgio Russolillo giorgio.russolillo@cnam.fr Infos et support du cours Slide

Plus en détail

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème.

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème. Mathématiques - classe de 1ère des séries STI2D et STL. 1. Analyse On dote les élèves d outils mathématiques permettant de traiter des problèmes relevant de la modélisation de phénomènes continus ou discrets.

Plus en détail