Simulation & Statistiques
|
|
- Laurent Lemelin
- il y a 8 ans
- Total affichages :
Transcription
1 Simulation & Statistiques Pierre Chauvet Institut de Mathématiques Appliquées Université Catholique de l Ouest pierre.chauvet@uco.fr IMA, j imagine l avenir
2 Qu est-ce que la simulation? La simulation est un ensemble de méthodes et d outils permettant d étudier le comportement d un système réel (naturel ou artificiel).
3 Une usine avec ses machines, son personnel, ses zones de stockage, ses convoyeurs, les différentes gammes de produits, les ressources. Un réseau de distribution avec ses unités de production, son réseau d acheminement, les points de distribution, ses entrepôts. Un réseau informatique avec ses serveurs, ses clients, ses disques, ses bandes, ses imprimantes, les types de câblage. Un établissement de service avec ses guichets, ses files d attente, les horaires de fonctionnement des différents départements. Un voilier avec sa coque, sa quille, sa mâture, sa voilure, son gouvernail, ses automatismes. Un système planétaire dont les corps sont soumis aux lois de la gravitation (classique ou relativiste) La chambre de combustion d un moteur, avec ses caractéristiques mécaniques et thermiques, son type d injecteur, le mélange de carburants/comburant. Etc. Qu est-ce que la simulation? Exemples de systèmes
4 Qu est-ce que la simulation? Simuler un système est un processus comportant un certain nombre d étapes : - Observer le système réel - Concevoir le modèle du système réel - Effectuer des études théoriques sur le modèle - Implémenter le modèle (=> modèle logiciel) - Mener des expérimentations sur le modèle - Analyser les résultats qui découlent des expériences.
5 Qu est-ce que la simulation? Modéliser Toute simulation est basée sur le modèle d un système réel. Le modèle est une représentation réductionniste du système réel, adaptée à l outil qui va être utilisé pour étudier son comportement. Il existe différents types de modèles: - modèle = système réel (expérimentation directe) exemple: modèle animal, revêtement de route, signalisation, management magasin. - modèle physique exemple: prototype, maquette. - modèle mathématique/logique exemple: simulateur de vol, jeu papier, logiciel CAD,
6 Qu est-ce que la simulation? Modéliser Chaque type de modèle possède ses avantages et ses inconvénients: Modèle Avantages Inconvénients Système réel Modèle physique Modèle mathématique ou logique Pas de problèmes d approximation - Bon niveau de contrôle - Très réaliste - Peu coûteux - Observations faciles - Difficulté de contrôle - Très coûteux - Approximation - Coûteux - Approximation: «on y met que ce qu on veut bien y mettre»
7 Qu est-ce que la simulation? Simulations Informatiques Simulation informatique: processus de création d un modèle «informatisé», dans le but de mener des expériences numériques pour comprendre le comportement du système réel, sous des conditions biens définies. Reposent sur des modèles mathématiques et logiques. Populaire car: - Coût (relativement) faible - Facilité apparente de mise en œuvre - Aspect ludique - Utilisation aussi pour communiquer et convaincre
8 Qu est-ce que la simulation? Simulations Informatiques Le coût de ces simulations va en diminuant grâce à la baisse du coût du matériel, la réutilisabilité des logiciels et des frameworks de développement, les améliorations en architecture logicielle. Liens avec la visualisation 3D (améliorations simultanées des algorithmes et des matériels), la réalité virtuelle. Progrès considérables en ergonomie («dessiner» son modèle). IBM Mark PC portable
9 Qu est-ce que la simulation? Différents Types de Modèles Continu versus Discret Déterministe versus Stochastique Agrégé versus Individu-centré Hybrides Exemple : les modèles de population ou les modèles proie-prédateur peuvent reposer sur -> des processus stochastiques -> ou des équations différentielles -> ou des systèmes multi-agents
10 Différents types de modèles Modèle discret déterministe Evolution d une population sans contrainte de ressource y(t) = nombre moyen d individus à l instant t y(0) = population évaluée à l instant 0 (premier recensement) a = taux de variation naturel de la population par unité de temps (taux natalité taux mortalité, ex. France environ 0.4% par an) On a: où est une durée y(t+ ) y(t) = a x x y(t) Exemple France: = 1 an, x(2012)=65.2x10 6, a=0.4% y(t+ ) - y(t) = a x x y(t) = 65.2x10 6 x1x0.4/100 = la population française s accroît d environ individus / an
11 Différents types de modèles Modèle continu déterministe Evolution d une population sans contrainte de ressource On a vu que: donc: y(t+ ) y(t) = a x x y(t) ( y(t+ ) y(t) ) / = a x y(t) On a un taux d accroissement! En faisant tendre vers 0 on trouve une équation différentielle: dont la solution s écrit: Modèle exponentiel de croissance d une population population mondiale y (t) = a y(t) y(t)=y(0) x exp(a x t) avec t>0
12 Différents types de modèles Modèle stochastique Evolution d une population sans contrainte de ressource Dans un intervalle de temps infiniment petit, on suppose que: Une population gagne un individu avec une probabilité Une population perd un individu avec une probabilité On obtient un modèle appelé processus aléatoire (de Markov) Modèle stochastique d évolution d une population
13 Différents types de modèles Modèle individu-centré Evolution d une population avec contrainte de ressource On simule la vie d herbivores avec les hypothèses: Chaque individu a une probabilité de se reproduire Chaque individu a une probabilité de mourir La probabilité de se reproduire augmente s il est bien alimenté La probabilité de mourir augmente s il est mal alimenté Chaque individu cherche un pâturage voisin plus riche Un individu = un agent informatique (ou objet) animé dans un environnement virtuel => Système multi-agent
14 Modèle individu-centrée avec Système Multi-Agent Utilisation de NetLogo (gratuit, bon support, installation facile, prise en main rapide, extensible) Application à des modèles d interactions entre populations
15 «De paisibles moutons» Modèle de moutons sans prédateurs Les moutons naissent, se reproduisent et meurent Les moutons, pour survivre et se reproduire, doivent consommer de l herbe La quantité d herbe s accroît (jusqu à un maximum) naturellement, et diminue là où elle est consommée Paramètres du modèle (indicatif ) : - Nombre de moutons à générer à t=0 - Probabilités de reproduction et de mort - Taux de croissance de l herbe - Seuil de recherche d un nouveau pâturage
16 Système Multi-Agent MASSIVE Multiple Agent Simulation System in Virtual Environment Logiciel d animation de foule conçu par Stephen Regelous (initialement pour les scènes de foule du Seigneur des Anneaux) 1 agent = 1 personnage Chaque agent est doté de listes d actions/réactions Les interrelations sont gérées par un système basé sur la logique floue 16
17 Simulation à évènements discrets Méthodes de simulation de systèmes de files d attentes (ce sont des processus aléatoires!): - Un établissement de service au public, avec une file d attente devant un ou plusieurs guichets - Une chaîne de production avec des zones de stockage avant/après les postes de travail Arrivée Départ File d attente Service / Machine
18 Simulation à évènements discrets (2) Eléments à définir: À quel rythme arrivent les usagers / pièces -> loi inter-arrivée? À quelle vitesse le service est-il rendu (la pièce est usinée) -> loi durée de service? Type et capacité de la file d attente? Heures d ouverture/fermeture, calendrier du personnel? Nombre de personnes avant ouverture -> loi initiale? Taux de panne -> loi pannes/incidents? Etc. Arrivée Départ File d attente Service / Machine
19 Observations et statistiques À quel rythme arrivent les usagers / pièces -> loi inter-arrivée? À quelle vitesse le service est-il rendu (la pièce est usinée) -> loi durée de service? Taux de panne -> loi pannes/incidents? Observer/Enquêter/Sonder Construire échantillon Analyser données Construire une loi (loi empirique) Choisir une loi (loi théorique) Calculer ses paramètres
20 Construire une loi de probabilité Histogramme Ajuster paramètres loi théorique (en pointillé) Max de vraisemblance Loi empirique (construite sur mesure, en rouge)
21 Générer des nombres aléatoires Avec des ordinateurs qui détestent le hasard! comment générer de l aléatoire avec des algorithmes déterministes? On génère des suites de nombres: suite «pseudo-aléatoire» On mime une suite aléatoire avec des règles simples: nombres entiers dans un intervalle donné [0,m-1], où chaque entier a la même fréquence d apparition En divisant par m, nombres réels uniformément distribués dans [0,1[ => «Pseudo loi» uniforme continue/discrète Les générateurs de lois non uniformes utilisent le générateur de nombre uniforme
22 Générer des nombres aléatoires Générateur congruentiel linéaire Générateur de nombres pseudo-aléatoires uniforme: Z 0 entier positif Z i+1 = (a Z i + c) mod m, où a, c et m entiers U i+1 = Z i+1 / m Exemple: a=9, c=3, m= Z i en fonction de i (Z 0 =2)
23 Générer des nombres aléatoires Suite pseudo-aléatoire ou pas? Comment évaluer la qualité «aléatoire» d une suite qui ne l est pas? Etudier la distribution des U i dans [0,1] Etudier la distribution des (U i,u i+1 ) dans [0,1]x[0,1] -> test d adéquation (Chi 2) entre une loi prédéfinie et un échantillon Etudier les séries de descentes ou de montée dans la suite Etc. Principe empirique: un observateur peut-il faire la différence entre une suite pseudo-aléatoire (générée par un algorithme déterministe) et une vraie suite aléatoire?
24 Générer des nombres aléatoires Selon une loi non uniforme Générer des nombres pseudo-aléatoires uniformes dans [0,1] Transformer ces nombres pour obtenir une suite non uniforme Méthode d inversion (inversion de la fonction de répartition) Méthode du rejet (Méthode de Monte Carlo) Méthode polaire (loi normale) Etc.
25 Résultat des simulations Avec un modèle non déterministe: Entrées aléatoires -> Sorties aléatoires Entrées: échantillons -> Sorties: échantillons Exemple: étude d un établissement «1 file / 1 guichet» Entrées: instant d arrivée & durée de service de chaque usager Sorties «d intérêt»: durée d attente usagers, nombre d usagers à servir après fermeture, taux d occupation du guichet Pour chaque usager, enregistrer: - sa date d entrée - sa date de passage au guichet - sa date de sortie Simuler n jours d activités Moyennes ET Variances Intervalles de confiance
26 Une démarche outillée Il est possible de programmer ces simulations (méthode de l échéancier ) Il est aussi possible d utiliser des outils, par exemple ARENA software 1. Dessiner la logique du système (poser puis connecter des modules prédéfinis) 2. Exécuter la simulation 3. Lire le compte-rendu
27 Des modèles hybrides Mélangent différents types de systèmes (continus, évènementiels, déterministes, aléatoires) Applications dans tous les domaines (productique, transport, économie, écologie, défense, santé, formation, loisirs, )
28 IMA, j imagine l avenir Des compétences très demandées Exemples Débouchés IMA à Bac+5 Ingénieur Statisticien Actuaire Chargé d études actuarielles Chargé d Études Financières Bio-Statisticien Ingénieur R&D Consultant Ingénieur Optimisation Consultant en Gestion de Production Ingénieur Développement Chef de Projet Ingénieur d Applications Ingénieur Informatique Ingénieur Logiciel Logisticien Responsable planification Ingénieur Méthodes Manager Supply Chain
29 IMA, j imagine l avenir Pour approfondir Rencontre avec des professeurs et des étudiants à l IMA sur ces thèmes: Fête de la science (septembre-octobre) Journées portes ouvertes (janvier février) Tester l Université (février) Ateliers informatiques (mars-avril) Site IMA:
UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailModélisation 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!-.!#- $'( 1&) &) (,' &*- %,!
0 $'( 1&) +&&/ ( &+&& &+&))&( -.#- 2& -.#- &) (,' %&,))& &)+&&) &- $ 3.#( %, (&&/ 0 ' Il existe plusieurs types de simulation de flux Statique ou dynamique Stochastique ou déterministe A événements discrets
Plus en détailApprentissage par renforcement (1a/3)
Apprentissage par renforcement (1a/3) Bruno Bouzy 23 septembre 2014 Ce document est le chapitre «Apprentissage par renforcement» du cours d apprentissage automatique donné aux étudiants de Master MI, parcours
Plus en détailLe génie logiciel. maintenance de logiciels.
Le génie logiciel Définition de l IEEE (IEEE 1990): L application d une approche systématique, disciplinée et quantifiable pour le développement, l opération et la maintenance de logiciels. Introduction
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
Plus en détailContents. 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 détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailDécouvrez la nouvelle géneration de système de gestion de file d attente!
Découvrez la nouvelle géneration de système de gestion de file d attente! timeacle est un système de gestion de file d attente extensible comme «Software as a Service» diretement à partir du cloud! Il
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailTechnologies du Web. Créer et héberger un site Web. Pierre Senellart. Page 1 / 26 Licence de droits d usage
Technologies du Web Créer et héberger un site Web Page 1 / 26 Plan Planification Choisir une solution d hébergement Administration Développement du site Page 2 / 26 Cahier des charges Objectifs du site
Plus en détailMachines virtuelles Cours 1 : Introduction
Machines virtuelles Cours 1 : Introduction Pierre Letouzey 1 pierre.letouzey@inria.fr PPS - Université Denis Diderot Paris 7 janvier 2012 1. Merci à Y. Régis-Gianas pour les transparents Qu est-ce qu une
Plus en détailPerspectives pour l entreprise. Desktop Cloud. JC Devos IBM IT Architect jdevos@fr.ibm.com. 2010 IBM Corporation
Perspectives pour l entreprise Desktop Cloud JC Devos IBM IT Architect jdevos@fr.ibm.com Principe technique Disposer d un poste de travail virtuel accessible par la plupart des terminaux disponibles Ce
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailKIP 770 Solution Multifonction Exceptionnelle
KIP 770 Solution Multifonction Exceptionnelle KIP 770 D infinies Possibilités KIP 770 FAIBLE ENCOMBREMENT Le KIP 770 instaure de nouvelles normes en matière de qualité et performance. Compacte et ergonomique,
Plus en détailModèles 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 détailModélisation et simulation
Modélisation et simulation p. 1/36 Modélisation et simulation INFO-F-305 Gianluca Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Modélisation et simulation p.
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détail4. Utilisation d un SGBD : le langage SQL. 5. Normalisation
Base de données S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Présentation du module Contenu général Notion de bases de données Fondements / Conception Utilisation :
Plus en détailConformité aux normes de gestion des PC reconnues par l industrie
Conformité aux normes de gestion des PC reconnues par l industrie Toute la gamme de PC ThinkCentre et portables ThinkPad d IBM répond aux dernières normes de l industrie, notamment celle du DMTF (Desktop
Plus en détailDisponibilité et fiabilité des services et des systèmes
Disponibilité et fiabilité des services et des systèmes Anthony Busson Introduction Un site Web commercial perd de l argent lorsque leur site n est plus disponible L activité d une entreprise peut être
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailJulien MATHEVET Alexandre BOISSY GSID 4. Rapport RE09. Load Balancing et migration
Julien MATHEVET Alexandre BOISSY GSID 4 Rapport Load Balancing et migration Printemps 2001 SOMMAIRE INTRODUCTION... 3 SYNTHESE CONCERNANT LE LOAD BALANCING ET LA MIGRATION... 4 POURQUOI FAIRE DU LOAD BALANCING?...
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailPourquoi toutes les entreprises peuvent se priver de centrale téléphonique?
WHITE PAPER Pourquoi toutes les entreprises peuvent se priver de centrale téléphonique? Le «cloud voice» : l avenir de la communication Introduction Il fut un temps où, par définition, les entreprises
Plus en détailEXAMEN CRITIQUE D UN DOSSIER TECHNIQUE
EXAMEN CRITIQUE D UN DOSSIER TECHNIQUE (Préparation : 5 heures -- Exposé et Questions : 1 heure) Rapport établi par : P.J. BARRE, E. JEAY, D. MARQUIS, P. RAY, A. THIMJO 1. PRESENTATION DE L EPREUVE 1.1.
Plus en détailLes voies de l éco-conception
Les voies de l éco-conception Les voies de l éco - conception De ce domaine très vaste, qui embrasse tout le CYCLE DE VIE du produit «navire», nous allons extraire quelques problématiques relatives à la
Plus en détailJean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux
Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis
Plus en détailAlgorithme des fourmis appliqué à la détection et au suivi de contours dans une image
IN52-IN54 A2008 Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image Etudiants : Nicolas MONNERET Alexandre HAFFNER Sébastien DE MELO Responsable : Franck GECHTER Sommaire
Plus en détailDéveloppement itératif, évolutif et agile
Document Développement itératif, évolutif et agile Auteur Nicoleta SERGI Version 1.0 Date de sortie 23/11/2007 1. Processus Unifié Développement itératif, évolutif et agile Contrairement au cycle de vie
Plus en détailTABLE 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 détailI 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 détailL OUTIL NUMERIQUE CARACTERISTIQUES ET FONCTIONNALITES
L OUTIL NUMERIQUE CARACTERISTIQUES ET FONCTIONNALITES Aujourd hui, le numérique est partout. Il se retrouve principalement dans les nouvelles technologies, mais également dans l art, les livres, notre
Plus en détailL analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :
La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.
Plus en détailLes apports de l informatique. Aux autres disciplines
Les apports de l informatique Aux autres disciplines Le statut de technologie ou de sous-discipline est celui de l importation l et de la vulgarisation Le statut de science à part entière est lorsqu il
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détailIFT3913 Qualité du logiciel et métriques. Chapitre 2 Modèles de processus du développement du logiciel. Plan du cours
IFT3913 Qualité du logiciel et métriques Chapitre 2 Modèles de processus du développement du logiciel Plan du cours Introduction Modèles de processus du développement du logiciel Qualité du logiciel Théorie
Plus en détailProgrammation de services en téléphonie sur IP
Programmation de services en téléphonie sur IP Présentation de projet mémoire Grégory Estienne Sous la supervision du Dr. Luigi Logrippo Introduction La téléphonie sur IP comme support à la programmation
Plus en détailSécurité et Consumérisation de l IT dans l'entreprise
Sécurité et Consumérisation de l IT dans l'entreprise C A M P A N A T H É O C A R P I N T E R O F A B I A N G A N I V E T J U S T I N L A P O T R E G U I L L A U M E L A D E V I E S T É P H A N E S A U
Plus en détailINTRODUCTION 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 détailPourquoi OneSolutions a choisi SyselCloud
Pourquoi OneSolutions a choisi SyselCloud Créée en 1995, Syselcom est une société suisse à capitaux suisses. Syselcom est spécialisée dans les domaines de la conception, l intégration, l exploitation et
Plus en détailRésumé 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 détailTP 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 détailLa 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 détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailExercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010
Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année
Plus en détailECTS CM TD TP. 1er semestre (S3)
Organisation du parcours M2 IRS en alternance De façon générale, les unités d enseignements (UE) sont toutes obligatoires avec des ECTS équivalents à 3 sauf le stage sur 27 ECTS et réparties sur deux semestres
Plus en détailSurveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG)
Surveillance et maintenance prédictive : évaluation de la latence de fautes Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG) SURVEILLANCE Analyser une situation et fournir des indicateurs! Détection de symptômes!
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailÉconometrie non paramétrique I. Estimation d une densité
Économetrie non paramétrique I. Estimation d une densité Stéphane Adjemian Université d Évry Janvier 2004 1 1 Introduction 1.1 Pourquoi estimer une densité? Étudier la distribution des richesses... Proposer
Plus en détailMODE OPÉRATOIRE. VI) Le projet mené dans le cadre de la technologie. Le projet porte sur la réalisation d une horloge CD.
VI) Le projet mené dans le cadre de la technologie. Le projet porte sur la réalisation d une horloge CD. 1 La réalisation se déroule en plusieurs phases : - analyse préalable du besoin : étude de l appel
Plus en détailA la découverte du Traitement. des signaux audio METISS. Inria Rennes - Bretagne Atlantique
A la découverte du Traitement des signaux audio METISS Inria Rennes - Bretagne Atlantique Les conférences scientifiques au Lycée Descartes Imagerie médicale et neuronavigation par Pierre Hellier Le respect
Plus en détailCaches web. Olivier Aubert 1/35
Caches web Olivier Aubert 1/35 Liens http://mqdoc.lasat.com/online/courses/caching/ (prise en compte des caches dans la conception de sites) http://mqdoc.lasat.com/online/courses/proxyserver http://www.web-caching.com/mnot_tutorial/
Plus en détailP r é s entation B U S I NESS TECHNOSOFT. S o l u t i o n s & S e r v i c e s I n f o r m a t i q u e s
P r é s entation B U S I NESS TECHNOSOFT S o l u t i o n s & S e r v i c e s I n f o r m a t i q u e s A c t i v i t é s S y s t è m e d I n f o r m a t i o n E q u i p e m e n t I n f o r m a t i q u
Plus en détailUniversité Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot. 1 Ensemble fondamental loi de probabilité
Université Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot 1 Ensemble fondamental loi de probabilité Exercice 1. On dispose de deux boîtes. La première contient
Plus en détailLA A RESPIRATION CELLULAIRE
Instructions aux professeurs Domaine : 1.1 Le transport de substances, réaction chimique de la respiration cellulaire, p. 6 Travail à réaliser : Les élèves répondent aux questions. Matériel : Feuilles
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailSmart Energy & Power Quality Solutions. www.energy-portal.com. La solution Cloud pour votre gestion d Energie
Smart Energy & Power Quality Solutions www.energy-portal.com La solution Cloud pour votre gestion d Energie ENERGY-PORTAL Energy-Portal Vos avantages La solution cloud développée spécifiquement pour les
Plus en détailPrésentation du Système Informatique Mobile PARADIDACT
Présentation du Système Informatique Mobile PARADIDACT www.parat.fr pourquoi un Systeme Informatique Mobile PARADIDACT? PARADIDACT : un véritable système modulaire et évolutif. Les ordinateurs portables
Plus en détailLes clusters Linux. 4 août 2004 Benoît des Ligneris, Ph. D. benoit.des.ligneris@revolutionlinux.com. white-paper-cluster_fr.sxw, Version 74 Page 1
Les clusters Linux 4 août 2004 Benoît des Ligneris, Ph. D. benoit.des.ligneris@revolutionlinux.com white-paper-cluster_fr.sxw, Version 74 Page 1 Table des matières Introduction....2 Haute performance (High
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailLa surveillance réseau des Clouds privés
La surveillance réseau des Clouds privés Livre blanc Auteurs : Dirk Paessler, CEO de Paessler AG Gerald Schoch, Rédactrice technique de Paessler AG Publication : Mai 2011 Mise à jour : Février 2015 PAGE
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailIntelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com
Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines
Plus en détailProgrammes 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 détailCHOIX ET USAGES D UNE TABLETTE TACTILE EN ENTREPRISE
Tablette tactile, ardoise électronique 1 ou encore tablette PC, ce terminal mobile à mi-chemin entre un ordinateur et un smartphone a d abord séduit le grand public avant d être adopté par les entreprises.
Plus en détailLES DIFFÉRENTS FORMATS AUDIO NUMÉRIQUES
LES DIFFÉRENTS FORMATS AUDIO NUMÉRIQUES Compétences mises en jeu durant l'activité : Compétences générales : S'impliquer, être autonome. Compétence(s) spécifique(s) : Reconnaître des signaux de nature
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailSujet Solution de sauvegarde de serveurs et postes de travail avec BackupPC et Bacula. par ALIXEN
Sujet Solution de sauvegarde de serveurs et postes de travail avec BackupPC et Bacula par ALIXEN Présentation de Etienne Etournay info@alixen.fr Plan Introduction : objectif Description du besoin client
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailServices technologiques mondiaux IBM Canada Services de personnel d appoint. Catalogue des fonctions techniques
technologiques mondiaux IBM Canada de personnel d appoint Catalogue des fonctions techniques de personnel d appoint Catalogue des postes techniques de personnel d appoint Postes techniques Table des matières
Plus en détailLA GMAO ACCEDER : EXPLOITATION POUR L ENSEIGNEMENT
LA GMAO ACCEDER : EXPLOITATION POUR L ENSEIGNEMENT 1 - AVANTAGES DE LA GMAO ACCEDER POUR ENSEIGNER 2 - GENERALITES POUR L EXPLOITATION EN BAC PRO ET BTS 3 LA GMAO ET LE NOUVEAU REFERENTIEL BTS 2014 MAINTENANCE
Plus en détailOptimisation des performances
229 Chapitre 11 Optimisation des performances 1. Contrôle de la gestion des ressources de la plate-forme Citrix XenApp Le contrôle des ressources de la ferme de serveurs Citrix XenApp garantit la disponibilité
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailCours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
Plus en détailReprésentation des Nombres
Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...
Plus en détailPHILLIPS INTERNET COMMUNICATION C EST...
PHILLIPS INTERNET COMMUNICATION C EST... 18 ans d expérience Une équipe passionnée et motivée Plus de 500 clients satisfaits et motivés LES 10 ETAPES CLES D UN PROJET E-COMMERCE LES 10 ÉTAPES CLES 1 L
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détailParallélisme et Répartition
Parallélisme et Répartition Master Info Françoise Baude Université de Nice Sophia-Antipolis UFR Sciences Département Informatique baude@unice.fr web du cours : deptinfo.unice.fr/~baude Septembre 2009 Chapitre
Plus en détailArchitecture matérielle des systèmes informatiques
Architecture matérielle des systèmes informatiques IDEC, Renens. Version novembre 2003. Avertissement : ce support de cours n est pas destiné à l autoformation et doit impérativement être complété par
Plus en détail4.2 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 détailQu est-ce que le «cloud computing»?
Qu est-ce que le «cloud computing»? Par Morand Studer eleven Octobre 2011 Qu est-ce que le «cloud computing»? - Morand Studer eleven Octobre 2011 www.eleven.fr 1 Aujourd hui, la démocratisation de l informatique
Plus en détailTable 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 détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailArticle 2 : Conseils et meilleures pratiques pour gérer un cloud privé
Article 2 : Conseils et meilleures pratiques pour gérer un cloud privé Sponsored by Mentions relatives aux droits d'auteur 2011 Realtime Publishers. Tous droits réservés. Ce site contient des supports
Plus en détailMaster Energie spécialité Energie électrique
03/12/2013 http://www.univ-fcomte.fr Master Energie spécialité Energie UFR Sciences, techniques, et gestion de l'industrie http://stgi.univ-fcomte.fr/ Dénomination officielle : Master Sciences, technologies,
Plus en détailPréparation des données d entrée pour la définition d un plan de validation
L ingénierie des systèmes complexes Préparation des données d entrée pour la définition d un plan de validation Référence Internet 22745.010 Saisissez la Référence Internet 22745.010 dans le moteur de
Plus en détail