E(X i ) par linéarité de l espérance.

Dimension: px
Commencer à balayer dès la page:

Download "E(X i ) par linéarité de l espérance."

Transcription

1 Statistiques appliquées. L3 Iterrogatio Questios de cours. 3 poits 1) Eocer le théorème cetral limite (1 pt). Si (X ) est ue suite de v.a. idépedates et de même loi, admettat des momets d ordre u et deux otés m = E(X) et σ = V (X ), alors e otat X = X i : X m σ loi + N(0,1) ) Si Cov(X,Y ) = 0, alors X et Y sot idépedates. Vrai ou faux? Expliquer Faux. C est l implicatio suivate qui est vraie : si X et Y sot idépedates, alors Cov(X,Y ) = 0. 3) Si X 1,...X i.i.d.n(m,σ ), quelle est la loi de X = X N(m, σ ) X i? 4) Si X 1,...X i.i.d.n(0,1), quelle est la loi de X X? Défiitio de la loi du khi-deux : Si X 1,...X i.i.d.n(0,1) alors X X χ ( loi du khi-deux à degrés de liberté). 5) Si U N(0,1) et Y χ, quelle est la loi de U Y Défiitio de la loi de Studet : Si U N(0,1) et Y χ alors U T (loi de Studet à degrés de liberté). Y? Exercice 1. 3 poits Soiet X ue v.a. d espérace m et de variace σ et (X 1,...X ) des observatios idépedates. O dispose de deux estimateurs de m : ˆm 1 = X et ˆm = 1 (X 3 + X 3 ). 1) Motrer que ces estimateurs sot sas biais. Défiitio d u estimateur sas biais : u estimateur T de est dit sas biais si pour tout de Θ et tout etier positif : E (T ) = Motros que E( ˆm 1 ) = m et que E( ˆm ) = m. E( ˆm 1 ) = E( X) = E( 1 X i ) = 1 E(X i ) par liéarité de l espérace. E outre E(X 1 ) =... = E(X ) = m doc E( ˆm 1 ) = 1..m = m doc ˆm 1 est sas biais. La moyee empirique est u estimateur sas biais de la moyee théorique. E( ˆm ) = E( 1 (X 3 + X 3 )) = 1 (E(X 3) + E(X 3 )) par liéarité de l espérace. E outre E(X 3 ) = E(X 3 ) = m doc E( ˆm ) = 1..m = m doc ˆm est sas biais. 1

2 ) Motrer que ˆm 1 est coverget Défiitio d u estimateur coverget : U estimateur T est coverget si la suite de v.a. (T ) coverge e probabilité vers la valeur du paramètre. Théorème : Tout estimateur sas biais dot la variace ted vers 0 est coverget. Ce théorème doe deux coditios suffisates pour u estimateur sas biais. Ce e sot pas des coditios écessaires et suffisates (il est faux d écrire que si u estimateur est sas biais et que sa variace e ted pas vers 0 alors il est pas coverget). O se sert de ce théorème pour motrer que ˆm 1 est coverget. E effet, ˆm 1 est sas biais et V ( ˆm 1 ) = V ( X) = V ( 1 X i ) = 1 V ( X i ) = 1 V (X i ) car les X i sot idépedats. V ( ˆm 1 ) = 1..V (X i ) = 1 V (X i) = σ 0 quad +. Doc ˆm 1 est coverget. La moyee empirique est u estimateur coverget de la moyee théorique (c est-à-dire de l espérace). Remarques : 1) La variace empirique modifiée est u estimateur sas biais de la variace théorique. ) Les deux estimateurs sot sas biais et V ( ˆm 1 ) V ( ˆm ) dès lors que 4. Doc l estimateur ˆm 1 est préférable à l estimateur ˆm au ses de la variace. O dit que ˆm 1 est plus efficace que ˆm. Exercice. 6 poits Ue laiterie produit des fromages dot la masse X e grammes est distribuée selo ue loi ormale N(m,σ ). O observe les masses de fromages (idépedates). 1) O suppose que la variace est coue : σ = 6.5. a) Doer u itervalle de cofiace bilatéral à 0.95 pour m. σ = 6.5 =.5 X 1,...X i.i.d.n(m,6.5) doc X N(0, 6.5 ) et U = X m.5 N(0,1) (o utilise pas le Théorème Cetral Limite ici et U suit cette loi même pour petit). P( u U u) = La lecture de la table de la loi N(0,1) doe u = Aisi P( 1.96 X m ) = 0.95, soit P( X m X ) = 0.95 b) Combie de fromages doit-o peser pour que la logueur de l itervalle de cofiace soit iférieure à 1? La logueur de l itervalle est O doit peser au mois 97 fromages pour que la logueur de l itervalle de cofiace soit iférieure à 1. c) Applicatio umérique : pour fromages, o observe que la moyee de la masse observée est x = 53.5 grammes. Das quelle fourchette se situe m? L itervalle de cofiace de m est X m X doc m soit 5.31 m ) O suppose que la variace σ est icoue. a) Doer u itervalle de cofiace à 0,95 de m.

3 Soit S = (X i X ) 1 Z = X m S T ( 1) Soit z le fractile d ordre 0,975 de la loi de Studet à 1 degrés de liberté : P( z Z z) = 0,95 Aisi P( z X m S z) = 0,95 soit P( X z. S m X + z. S ) = 0,95 b) Applicatio umérique. Pour fromages, la moyee de la masse observée est x = 53,5 et la variace est 1 (x i x) = 8,01. Calculer la variace modifiée s et doer l itervalle das lequel se situe m. Idicatio : le fractile d ordre 0,975 de la loi de Studet à 16 degrés de liberté T 16 vaut,1. s = 1 1 (x i x) = 1 ( 1 (x i x) ) = 16 ( 1 (x i x) ) =.8,01 = 8,51 16 et doc s = 8,51 =,9 O a X z. S m X + z. S et doc 53,5,1.,9 m 53,5 +,1.,9 soit 5,00 m 55,00. Exercice 3. 3 poits. Méthode du maximum de vraisemblace Cf Lec. ex 13 p.3 Soit X ue variable aléatoire admettat pour desité f(x;) = { 1 x exp( x ) si x > 0 0 sio où est u paramètre strictemet positif que l o se propose d estimer à partir d u échatillo (X 1,...X ) de X. Détermier l estimateur du maximum de vraisemblace ˆ de. La vraisemblace est l(x 1,...x ;) = f(x i;) = 1 x i exp( x i ) = 1 x 1 exp( x 1 ). 1 x exp( x )... 1 x exp( x ) = () x 1 i exp( 1 xi ) la log vraisemblace s écrit L(x 1,...x ;) = ll(x 1,...x ;) = l l 1 l x i 1 xi O cherche la valeur qui maximise la vraisemblace. La log-vraisemblace est deux fois dérivables, o applique doc u résultat classique d optimisatio. Les dérivées s écrivet : L = + 1 xi L = 3 xi = 3 xi Coditio écessaire d ordre 1 (CN1) : L = 0 3

4 + 1 xi = 0 = 1 xi. Coditio suffisate d ordre (CS) : L < 0 E le poit = 1 xi c est-à-dire pour xi =, la dérivée secode vaut 3 qui est bie égatif. L estimateur du maximum de vraisemblace (emv) est doc : ˆ = 1 Xi =, ce Exercice 4. 5 poits. Méthode des { momets et méthode du maximum de vraisemblace x Soit X ue v.a. de desité f(x;) = si 0 x où est u paramètre strictemet 0 sio positif. (X 1,...X ) est u échatillo de X. 1) a) Détermier u estimateur T de par la méthode des momets. E(X) = + xf(x)dx = 0 x dx = [ 1 3 x3 ] 0 = 3 3 = 3 L estimateur des momets est la solutio de l équatio e momet empirique= momet théorique. Ici o va utiliser le momet d ordre 1 c est-à-dire la moyee. L équatio s écrit X = E(X) X = 3. Sa solutio est T = 3 X b) Pourquoi T est-il coverget? Calculer V (T ). Est-ce que T est u estimateur efficace? Défiitio d u estimateur coverget : U estimateur T est coverget si la suite de v.a. (T ) coverge e probabilité vers la valeur du paramètre (ici ). O ous demade pourquoi T coverge e probabilité vers. Théorème (loi des grads ombres) : Si (X ) est ue suite de v.a. mutuellemet idépedates qui admettet les mêmes momets d ordres u et deux, c est-à-dire avec pour tout etier i, E(X i ) = m et V (X i ) = σ, alors quad : X p m La méthode des momets se justifie par les propriétés de covergece des momets empiriques vers les momets théoriques. O vérifie das le cas préset qu il y a bie covergece. D après la loi des grads ombres, X p m = E(X) = 3, doc T = 3 X 3 p. 3 = Aisi T est coverget. V (X) = E(X ) [E(X)] E(X ) = + x f(x)dx = 0 x3 dx = [ 1 4 x4 ] 0 = 4 4 = 1 doc V (X) = 1 [ 3 ] = 1 18 V (T ) = V ( 3 X ) = V ( 3. 1 X i ) = V ( 3 X i ) = 9 4 V (X i ) car les X i sot mutuellemet idépedates. V (T ) = 9 4 V (X) car V (X 1 ) = V (X ) =... = V (X ) = V (X) V (T ) = 9 4..V (X) = = 1 La questio de l efficacité e se pose pas parce que toutes les hypothèse de Cramer-Rao e sot pas 4

5 vérifiées ; e effet X(Ω) = [0,] est pas idépedat du paramètre à estimer. ) Détermier l estimateur du maximum de vraisemblace (oté M ) de. La vraisemblace de l échatillo e s écrit : l(x 1,...x ;) = f(x i;) l(x 1,...x ;) = ( ) x i si 0 mix i maxx i = 0 sio ou ecore l(x 1,...x ;) = ( ) x i.1 [0 mixi maxx i ] = 1 [0 mixi].( ) x i.1 [ maxxi] l(x,) est pas différetiable e, doc la recherche du maximum de vraisemblace e peut pas se faire e utilisat les résultats classiques d optimisatio. O cherche pour quelle valeur de, foctio des observatios (x 1,...x ), o aura l maximale. Lorsque < maxx i, l est ulle. Lorsque maxx i, l est décroissate. Aisi il apparaît clairemet que l est maximale pour = maxx i. Fialemet M = maxx i est l estimateur du maximum de vraisemblace pour. 5

Devoir de statistiques: CORRIGE

Devoir de statistiques: CORRIGE CPP - la prépa des INP ( ème aée). Bordeaux, 6/04/04. Devoir de statistiques: CORRIGE durée h Doées: O rappelle que si Z suit ue loi N (0, ), o a P(Z.96) 0, 975 et P(Z.65) 0, 95. Exercice. θ et O cosidère

Plus en détail

Inégalités souvent rencontrées

Inégalités souvent rencontrées Iégalités souvet recotrées Recotres Putam 004 Uiversité de Sherbrooke Jea-Philippe Mori Théorie Certaies iégalités sot deveues célèbres e raiso de leur grade utilité Elles sot aussi souvet au coeur de

Plus en détail

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

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

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

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

Plus en détail

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques Variables discrètes fiies - Exercices pratiques Exercice - Loi d u dé truqué - L2/ECS -. X pred ses valeurs das {,..., 6}. Par hypothèse, il existe u réel a tel que P (X k) ka. Maiteat, puisque P X est

Plus en détail

Correction HEC III 2007

Correction HEC III 2007 HEC III 7 Voie Écoomique Correctio Page Correctio HEC III 7 Voie écoomique La correctio comporte 9 pages. Eercice. Par dé itio est ue valeur propre de t si et seulemet si est ue valeur propre de T: Et

Plus en détail

Chapitre 4 Lois discrètes

Chapitre 4 Lois discrètes Chapitre 4 Lois discrètes 1. Loi de Beroulli Ue variable aléatoire X est ue variable de Beroulli si elle e pred que les valeurs 0 et 1 avec des probabilités o ulles. P(X = 1) = p, P(X = 0) = 1 p = q, avec

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration 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 détail

Etude de la fonction ζ de Riemann

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

Plus en détail

Université de Provence 2011 2012. Planche 6. Nombres réels. Suites réelles. Nombres réels.

Université de Provence 2011 2012. Planche 6. Nombres réels. Suites réelles. Nombres réels. Uiversité de Provece 011 01 Mathématiques Géérales I Plache 6 Nombres réels Suites réelles Nombres réels Exercice 1 Mettre sous forme irréductible p/q les ratioels suivats (les chiffres souligés se répètet

Plus en détail

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

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

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 16 octobre 2015 Enoncés 1. Exercice 7 [ 02253 ] [Correction] Soient (u n ) et (v n ) deux suites telles que

[http://mp.cpgedupuydelome.fr] édité le 16 octobre 2015 Enoncés 1. Exercice 7 [ 02253 ] [Correction] Soient (u n ) et (v n ) deux suites telles que [http://mp.cpgedupuydelome.fr] édité le 6 octobre 05 Eocés Suites umériques Covergece de suites Exercice [ 047 ] [Correctio] Soiet u ) et v ) deux suites réelles covergeat vers l et l avec l < l. Motrer

Plus en détail

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson 4 L E Ç O N Loi biomiale Niveau : Première S + SUP (Covergece) Prérequis : Variable aléatoire, espérace, variace, théorème limite cetral, loi de Poisso 1 Loi de Beroulli Défiitio 41 Loi de Beroulli Soit

Plus en détail

1 Mesure et intégrale

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

Plus en détail

DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités conditionnelles - Suites géométriques - fonctions exponentielles Calculatrice autorisée

DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités conditionnelles - Suites géométriques - fonctions exponentielles Calculatrice autorisée DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités coditioelles - Suites géométriques - foctios epoetielles Calculatrice autorisée Termiale ES123 Eercice 1 : 5 poits Partie A : Ue agece de locatio

Plus en détail

Limites des Suites numériques

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

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours Exo7 Logique, esembles et applicatios Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I :

Plus en détail

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h Etrée à Scieces Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h A P M E P Les calculatrices sot autorisées Exercice Vrai-Faux 8 poits Pour chacue des affirmatios suivates,

Plus en détail

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES II

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES II CHAMBRE DE COMMERCE ET D INDUSTRIE DE PARIS DIRECTION DE L ENSEIGNEMENT Directio des Admissios et cocours ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON CONCOURS

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1)

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1) Corrigé ESSEC III 008 par Pierre Veuillez Das certaies situatios paris sportifs, ivestissemets fiaciers..., o est ameé à miser de l arget de faço répétée sur des paris à espérace favorable. O se propose

Plus en détail

ADMISSION AU COLLEGE UNIVERSITAIRE

ADMISSION AU COLLEGE UNIVERSITAIRE ADMISSION AU COLLEGE UNIVERSITAIRE Samedi mars 204 MATHEMATIQUES durée de l'épreuve : 3h - coefficiet 2 Le sujet est uméroté de à 5. L'aexe est à redre avec la copie. L'exercice Vrai-Faux est oté sur 8,

Plus en détail

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

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

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

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

Plus en détail

BANQUE ÉPREUVE ORALE DE MATHÉMATIQUES SESSION 2015

BANQUE ÉPREUVE ORALE DE MATHÉMATIQUES SESSION 2015 CONCOURS COMMUNS POLYTECHNIQUES FILIÈRE MP BANQUE ÉPREUVE ORALE DE MATHÉMATIQUES SESSION 5 avec corrigés V. Bellecave, J.-L. Artigue, P. Berger, J.-P. Bourgade, S. Calmet, A. Calvez, D. Cleet, J. Esteba,

Plus en détail

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC Lycée Féelo aite-marie Préparatio ciece-po/prépa HEC Foctios Versio du juillet 05 Eercice d degré : racies et coefficiets O rappelle que si l équatio a + b + c = 0 ( a 0 ) adet deu racies α et β (évetuelleet

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

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

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

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

Plus en détail

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

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

Plus en détail

Statistique mathématique pour le Master 1 Cours de l ENS Cachan Bretagne. Benoît Cadre

Statistique mathématique pour le Master 1 Cours de l ENS Cachan Bretagne. Benoît Cadre Statistique mathématique pour le Master 1 Cours de l ENS Cacha Bretage Beoît Cadre 4 jui 2010 2 Table des matières 1 Modélisatio statistique 5 1.1 U exemple............................. 5 1.2 Pricipe fodametal

Plus en détail

CHAPITRE 22. Machines à sous

CHAPITRE 22. Machines à sous CHAPITRE 22 Machies à sous 22. Corrigé possible du texte 22.. Eocé du problème et défiitio du modèle statistique associé O étudie ici u modèle statistique avec observatios icomplètes : o dispose d observatios

Plus en détail

BTS Mécanique et Automatismes Industriels. Statistiques inférentielles

BTS Mécanique et Automatismes Industriels. Statistiques inférentielles BTS Mécaique et Automatismes Idustriels Statistiques iféretielles, Aée scolaire 2005 2006 Statistiques iféretielles 1. Itroductio vocabulaire Pour étudier ue populatio statistique, o a recours à deux méthodes

Plus en détail

Correction Bac ES France juin 2010

Correction Bac ES France juin 2010 Correctio Bac ES Frace jui 010 Exercice 1 (4 poits) (Commu à tous les cadidats) Pour ue meilleure compréhesio, les réposes serot justifiées das ce corrigé. Questio 1 Le ombre 3 est solutio de l équatio

Plus en détail

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

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

Plus en détail

PROJET DE MONTE CARLO SUJET 1: LE PRICING

PROJET DE MONTE CARLO SUJET 1: LE PRICING LE Age KHOURI Nadie M MMD PROJE DE MONE ARLO SUJE : LE PRIING Selim ZOUGHLAMI QUESION : Supposos d abord que X est u mouvemet browie W t G([ 0, ]) Alors W0 G( 0 ) suit ue loi N(0,0) et doc W 0ps 0 Esuite,

Plus en détail

Séries réelles ou complexes

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

Plus en détail

20. Algorithmique & Mathématiques

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

Plus en détail

Suites et séries de fonctions

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

Plus en détail

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

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

Plus en détail

14 Chapitre 14. Théorème du point fixe

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

Plus en détail

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

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

Plus en détail

DIDIER AUROUX POLYTECH NICE-SOPHIA MAM5 - OPTION IMAFA 2010-2011

DIDIER AUROUX POLYTECH NICE-SOPHIA MAM5 - OPTION IMAFA 2010-2011 MÉTHODES NUMÉRIQUES POUR LE PRICING D OPTIONS DIDIER AUROUX POLYTECH NICE-SOPHIA MAM5 - OPTION IMAFA 2010-2011 Table des matières 1 Notatios et équatio de Black-Scholes 2 11 Notatios 2 12 Équatio de Black-Scholes

Plus en détail

Processus et martingales en temps continu

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

Plus en détail

AVRIL 2012 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie B Option Économie. MATHÉMATIQUES (Durée de l épreuve : 4 heures)

AVRIL 2012 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie B Option Économie. MATHÉMATIQUES (Durée de l épreuve : 4 heures) ÉCOLE NATIONALE SUPÉRIEURE DE STATISTIQUE ET D ÉCONOMIE APPLIQUÉE ENSEA ABIDJAN AVRIL 2012 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES ITS Voie B Optio Écoomie MATHÉMATIQUES (Durée de l épreuve : 4 heures)

Plus en détail

Comportement d'une suite

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

Plus en détail

LES PROBABILITÉS POUR LES OPTIONS B, C ET D

LES PROBABILITÉS POUR LES OPTIONS B, C ET D LES PROBABILITÉS POUR LES OPTIONS B, C ET D PRÉPARATION À L AGRÉGATION EXTERNE DE MATHÉMATIQUES DE L UNIVERSITÉ RENNES 1 1 ANNÉE 2009/2010 1. ESPACE PROBABILISÉ - VARIABLE ALÉATOIRE 1.1 ESPACE PROBABILISÉ

Plus en détail

Exercices - Lois discrètes usuelles : corrigé

Exercices - Lois discrètes usuelles : corrigé www.almohadiss.com Exercice - Avio - L2/Prépa Hec - O ote X la variable aléatoire du ombre de moteurs de A qui tombet e pae, et Y la variable aléatoire du ombre de moteurs de B qui tombet e pae. X suit

Plus en détail

La calculatrice est autorisée. Le sujet comporte un total de 5 exercices. ( ) ( ) ( )

La calculatrice est autorisée. Le sujet comporte un total de 5 exercices. ( ) ( ) ( ) Aée 01-013 Mathématiques Décembre 01 Durée : 3 heures BAC blac N 1 La calculatrice est autorisée. Le sujet comporte u total de 5 exercices. Les élèves e suivat pas l eseigemet de spécialité traiterot les

Plus en détail

Dénombrement - Combinatoire Cours

Dénombrement - Combinatoire Cours Déombremet - Combiatoire Cours La combiatoire (ou aalyse combiatoire) étudie commet compter des objets. Elle fourit des méthodes de déombremet particulièremet utiles e probabilité. U des pricipaux exemples

Plus en détail

Remise à Niveau Mathématiques

Remise à Niveau Mathématiques Mathématiques RAN - Calcul et raisoemet Remise à Niveau Mathématiques Première partie : Calcul et raisoemet Exercices Page sur 9 RAN Calcul et raisoemet Ex - Rev 04 Mathématiques RAN - Calcul et raisoemet

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

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

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

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

Plus en détail

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

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

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat 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 détail

Probabilités et Statistique

Probabilités et Statistique Probabilités et Statistique Jea-Michel JOLION Départemet Géie Idustriel 3ème Aée Versio électroique : http://rfv.isa-lyo.fr/ jolio/stat/poly.html May 26, 2006 INSA Lyo - Bât. J. Vere - 69621 Villeurbae

Plus en détail

ASSOCIATION POUR LA CERTIFICATION DES MATERIAUX ISOLANTS

ASSOCIATION POUR LA CERTIFICATION DES MATERIAUX ISOLANTS Idice de Révisio Date de mise e applicatio B 01/09/2014 Cahier Techique 1 ASSOCIATION POUR LA CERTIFICATION DES MATERIAUX ISOLANTS 4, aveue du Recteur-Poicarré, 75782 Paris Cedex 16 Tel. 33.(0)1.64.68.84.97

Plus en détail

Bac Blanc Terminale L - Février 2015 Épreuve de Spécialité Mathématiques (durée 3 heures)

Bac Blanc Terminale L - Février 2015 Épreuve de Spécialité Mathématiques (durée 3 heures) Exercice 1 (5 poits) Bac Blac Termiale L - Février 015 Épreuve de Spécialité Mathématiques (durée 3 heures) Questio 1 : La populatio d'ue ville baisse de 1 % tous les as pedat 10 as. Elle est doc multipliée

Plus en détail

La classification de données quantitatives avec SPAD

La classification de données quantitatives avec SPAD La classificatio de doées quatitatives avec SPAD SPAD effectue toujours ue ACP de la matrice des doées quatitatives X " p avat de faire la classificatio des idividus. Les méthodes de classificatio s appliquet

Plus en détail

On obtient la formule de Pascal en prenant le cardinal :

On obtient la formule de Pascal en prenant le cardinal : Colles du 3 ovembre 014 Solutio de la questio de cours 1. (i) Soit E u esemble de cardial. L esemble (E) peut alors être partitioé comme suit : (E) (E), où (E) est l esemble des parties de E de cardial.

Plus en détail

Chapitre 1: Calcul des intérêts

Chapitre 1: Calcul des intérêts Chapitre 1: Calcul des itérêts Ce chapitre vise à familiariser le lecteur avec les otios suivates : Itérêt Taux d itérêt omial Taux d itérêt périodique Valeur acquise Valeur actuelle Capitalisatio Le lecteur

Plus en détail

Les Nombres Parfaits.

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

Plus en détail

Correction EDHEC 2007 Voie scienti que

Correction EDHEC 2007 Voie scienti que EDHE 7 ES Exercice Page orrectio EDHE 7 Voie scieti que La correctio comporte 4 pages. Exercice. Pour tout etier o ul, la foctio x 7! e x x est cotiue sur R e tat que quotiet (dot le déomiateur e s aule

Plus en détail

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS CHAPITRE 4 MATRICES ET SUITES 1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS 11/ Présetatio et modélisatio O cosidère u système ui peut se trouver soit das u état A, soit das u état, et

Plus en détail

Séquence 9. Sommaire. 1. Pré-requis 2. Intervalles de fluctuation 3. Estimation 4. Synthèse de la séquence 5. Exercices de synthèse

Séquence 9. Sommaire. 1. Pré-requis 2. Intervalles de fluctuation 3. Estimation 4. Synthèse de la séquence 5. Exercices de synthèse Séquece 9 Itervalles de fluctuatio, estimatio Objectifs de la séquece Das le chapitre 2, o étudie des itervalles de fluctuatio des variables aléatoires X F =, fréqueces des variables aléatoires biomiales

Plus en détail

Suites et séries numériques

Suites et séries numériques Maths MP Cours Table des matières Suites et séries umériques Quelques prélimiaires. Les yeux fermés........................................... De quoi parle-t-o?........................................3

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1 [htt://m.cgeduuydelome.fr] édité le 10 juillet 2014 Eocés 1 Déombremet Exercice 1 [ 01529 ] [correctio] Soiet E et F deux esembles fiis de cardiaux resectifs et. Combie y a-t-il d ijectios de E das F?

Plus en détail

Formulaire de statistiques

Formulaire de statistiques Formulaire de statistiques E. Depiereux G. Vicke B. De Hertogh Javier 009 Formulaire de statistiques I. Statistiques descriptives : Moyee arithmétique : (populatio: m x = µ) (échatillo = x = M x ) 1 i

Plus en détail

Probabilités. Poly des exercices. Prépa HEC Saint-Jean de Douai. Springer-Verlag ECS1 2007-2008. 4 septembre 2008

Probabilités. Poly des exercices. Prépa HEC Saint-Jean de Douai. Springer-Verlag ECS1 2007-2008. 4 septembre 2008 Prépa HEC Sait-Jea de Douai Probabilités Poly des exercices ECS1 2007-2008 Christia Skiada 4 septembre 2008 Spriger-Verlag Berli Heidelberg NewYork Lodo Paris Tokyo Hog Kog Barceloa Budapest Préface Voici

Plus en détail

Apprentissage: cours 3a Méthodes par moyennage local

Apprentissage: cours 3a Méthodes par moyennage local Appretissage: cours 3a Méthodes par moyeage local Guillaume Oboziski 1 er mars 2012 Réferece : chap. 6 of [Hastie et al., 2009] ad chap. 6 of [Devroye et al., 1996]. Algorithmes par moyeage local O cosidère

Plus en détail

REQUÊTES. Il est possible de créer des formulaires ou des états à partir de requête.

REQUÊTES. Il est possible de créer des formulaires ou des états à partir de requête. Cliclasolutio Aée 2006/2007 REQUÊTES Utilité des requêtes QUESTIONNER LA BASE DE DONNÉES La foctio classique d'ue requête est de répodre à ue questio sur la base de doées. "Quels sot les cliets habitat

Plus en détail

Soit E un ensemble. On appelle classe de parties de E un sous-ensemble non vide de P(E).

Soit E un ensemble. On appelle classe de parties de E un sous-ensemble non vide de P(E). Chapitre 1 Tribus 1.1 Défiitios Soit E u esemble. O appelle classe de parties de E u sous-esemble o vide de P(E). Défiitio 1.1.1. Ue tribu A sur E est u sous-esemble o vide de P(E) tel que : (i) la partie

Plus en détail

Cécile Lardon. Professeur en classe préparatoire au lycée du Parc à Lyon. Jean-Marie Monier

Cécile Lardon. Professeur en classe préparatoire au lycée du Parc à Lyon. Jean-Marie Monier Mathématiques Méthodes et eercices ECS e aée Cécile Lardo Professeur e classe préparatoire au lycée du Parc à Lyo Jea-Marie Moier Professeur e classe préparatoire au lycée La Martiière-Moplaisir à Lyo

Plus en détail

Chapitre 13. Statistiques et probabilités. Sommaire

Chapitre 13. Statistiques et probabilités. Sommaire 13 Chapitre Chapitre 13 Statistiques et probabilités Les statistiques et les probabilités occupet ue place importate das l eseigemet de certaies classes préparatoires Les pricipales foctios écessaires

Plus en détail

Université Paris VII - Agrégation de Mathématiques (François Delarue) MÉTHODE DE MONTE-CARLO

Université Paris VII - Agrégation de Mathématiques (François Delarue) MÉTHODE DE MONTE-CARLO Uiversité Paris VII - Agrégatio de Mathématiques Fraçois Delarue) MÉTHODE DE MONTE-CARLO Ce texte vise à préseter l utilisatio de la méthode de Mote-Carlo das le calcul du prix d ue optio. 1. Positio du

Plus en détail

Introduction : Mesures et espaces de probabilités

Introduction : Mesures et espaces de probabilités Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,

Plus en détail

PRÉPAS TOUS LES EXERCICES D'ANALYSE MP 100% Pour assimiler le programme, s entraîner et réussir son concours

PRÉPAS TOUS LES EXERCICES D'ANALYSE MP 100% Pour assimiler le programme, s entraîner et réussir son concours % PRÉPAS EL-HAJ LAAMRI PHILIPPE CHATEAUX GÉRARD EGUETHER ALAIN MANSOUX MARC REZZOUK DAVID RUPPRECHT LAURENT SCHWALD TOUS LES EXERCICES D'ANALYSE MP Pour assimiler le programme, s etraîer et réussir so

Plus en détail

I. (2 points) III. (2 points)

I. (2 points) III. (2 points) ère S Cotrôle du vedredi 7 mars 05 (0 mi) Préom : Nom : Note : / 0 II ( poits) Soit ABC u triagle isocèle e A tel que AB AC 8 cm et BC 5 cm O ote I le milieu de [AC] Calculer BI (valeur exacte) I ( poits)

Plus en détail

PROBABILITES à la STATISTIQUE - APPLICATIONS - Jean-Marie MARION

PROBABILITES à la STATISTIQUE - APPLICATIONS - Jean-Marie MARION Des PROBABILITES à la STATISTIQUE - APPLICATIONS - Jea-Marie MARION 1 STATISTIQUE DESCRIPTIVE (décrire ue populatio à l aide de caractéristiques et graphiques) STATISTIQUE INFERENTIELLE (étedre des résultats

Plus en détail

Terminale S. 1. Divers

Terminale S. 1. Divers Termiale S 1 Divers Bézout 3 Quadratique 4 Divisibilité 5 Equatio diophatiee 6 Equatio diophatiee (, Caracas 01_04) 7 Base de umératio 8 Base de umératio 3 9 Somme des cubes 10 PGCD 11 Somme des diviseurs

Plus en détail

ANNALES BACCALAURÉAT 2013 MATHÉMATIQUES TERMINALE S. 1. Suites

ANNALES BACCALAURÉAT 2013 MATHÉMATIQUES TERMINALE S. 1. Suites ANNALES BACCALAURÉAT 03 MATHÉMATIQUES TERMINALE S ANNALES 03 TERMINALE S Suites Foctios 9 3 Probabilités 4 Géométrie 9 8 5 Spécialité 34 6 Cocours 44 Suites - : Amérique du Nord 03, 5 poits, o spécialistes

Plus en détail

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

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

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

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

Plus en détail

II. Permutations sans répétitions et notation factorielle

II. Permutations sans répétitions et notation factorielle février 2012 ORRIGE II. Permutatios sas répétitios et otatio factorielle Aalyse combiatoire 4 ème - 1 I. Itroductio Les différets modèles mathématiques costruits pour étudier les phéomèes où iterviet le

Plus en détail

Modes propres de vibration ; interprétation ondulatoire

Modes propres de vibration ; interprétation ondulatoire SPECIALITE TS ( PHYSIQUE ) : FICHE CURS 6 1/5 MDES PRPRES DE IBRATI Ce qu'il faut reteir Modes propres de vibratio ; iterprétatio odulatoire 1. Productio d u so à l aide d u istrumet de musique U istrumet

Plus en détail

La Méthode de Monte Carlo

La Méthode de Monte Carlo La Méthode de Mote Carlo Etiee Pardoux UMR 6632 Laboratoire d Aalyse, Topologie, Probabilités et EA 3781 Evolutio Biologique Uiversité de Provece Etiee Pardoux (LATP) Marseille, 13/09/2006 1 / 33 Cotets

Plus en détail

MATHEMATIQUES Option scientifique Mardi 9 mai 2006 de 8h à 12h

MATHEMATIQUES Option scientifique Mardi 9 mai 2006 de 8h à 12h ECOLE DE HUTES ETUDES COMMERCILES DU NORD Cocors d'admissio sr classes préparatoires MTHEMTIQUES Optio scietifiqe Mardi 9 mai 6 de 8h à h La présetatio, la lisibilité, l'orthographe, la qalité de la rédactio,

Plus en détail

Questions Chapitre 2 L approche statistique de la réalité 1

Questions Chapitre 2 L approche statistique de la réalité 1 Questios Chapitre 2 L approche statistique de la réalité 1 Expliquer la otio de variable et défiir les différets types de variables Décrire les échelles de classificatio et trasformer les doées pour passer

Plus en détail

AVRIL 2007 CONCOURS INGÉNIEURS STATISTICIENS ÉCONOMISTES. ISE Option Mathématiques. ORDRE GÉNÉRAL (Durée de l épreuve : 4 heures)

AVRIL 2007 CONCOURS INGÉNIEURS STATISTICIENS ÉCONOMISTES. ISE Option Mathématiques. ORDRE GÉNÉRAL (Durée de l épreuve : 4 heures) ÉCOLE NATIONALE SUPÉRIEURE DE STATISTIQUE ET D ÉCONOMIE APPLIQUÉE ENSEA ABIDJAN INSTITUT SOUS-RÉGIONAL DE STATISTIQUE ET D ÉCONOMIE APPLIQUÉE ISSEA YAOUNDÉ AVRIL 27 CONCOURS INGÉNIEURS STATISTICIENS ÉCONOMISTES

Plus en détail

Licence informatique - L3 Année 2012/2013. Conception d algorithmes et applications (LI325) COURS 1

Licence informatique - L3 Année 2012/2013. Conception d algorithmes et applications (LI325) COURS 1 Licece iformatique - L Aée 0/0 Coceptio d algorithmes et applicatios (LI) COURS Résumé. Ce cours est ue iitiatio à quelques grads pricipes algorithmiques (Diviser pour Réger, Programmatio Dyamique, Algorithmes

Plus en détail

Chapitre 16 : Espaces vectoriels

Chapitre 16 : Espaces vectoriels PCSI Préparatio des Khôlles -4 Chapitre 6 : Espaces vectoriels Exercice type Soit E=R[X] et F ={P E, P(X)=XP (X)+P()}, motrer que F est u sous-espace vectoriel de E. : O a bie F E. Si P =est le polyôme

Plus en détail

chapitre VIII exercices et problèmes de synthèse algorithmique et turbo-pascal

chapitre VIII exercices et problèmes de synthèse algorithmique et turbo-pascal chapitre VIII eercices et problèmes de sythèse algorithmique et turbo-pascal Algèbre liéaire et probabilités : Chaîes de Marov (esco 93) Partie A 4 3 O cosidère la matrice M = 8 6 ) a) Détermier les valeurs

Plus en détail

Processus géométrique généralisé et applications en fiabilité

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

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

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

Plus en détail

BACCALAURÉAT TECHNOLOGIQUE STG. Spécialités : Mercatique, Comptabilité et Finance d Entreprise, Gestion des systèmes d information.

BACCALAURÉAT TECHNOLOGIQUE STG. Spécialités : Mercatique, Comptabilité et Finance d Entreprise, Gestion des systèmes d information. BACCALAURÉAT TECHNOLOGIQUE STG Spécialités : Mercatique, Comptabilité et Fiace d Etreprise, Gestio des systèmes d iformatio. SESSION 2012 ÉPREUVE DE MATHÉMATIQUES Mercatique, comptabilité et fiace d etreprise

Plus en détail

Ressources pour le lycée général et technologique

Ressources pour le lycée général et technologique éduscol Ressources pour le lycée gééral et techologique Ressources pour la classe termiale géérale et techologique Probabilités et statistique Ces documets peuvet être utilisés et modifiés libremet das

Plus en détail

Problème I- Acide éthanoïque (ph et conductimétrie) Enoncé

Problème I- Acide éthanoïque (ph et conductimétrie) Enoncé - Acide éthaoïque (ph et coductimétrie) Eocé 1- L acide éthaoïque (H 3 OOH) est u oxydat e solutio aqueuse das le couple H 3 OOH/H 3 H OH (acide éthaoïque/éthaol). Écrire la demi-équatio d oxydoréductio

Plus en détail

Le montant des intérêts acquis est la différence entre la valeur acquise et le capital placé :

Le montant des intérêts acquis est la différence entre la valeur acquise et le capital placé : http://maths-scieces.fr OPÉRATIONS FINANIÈRES A INTÉRÊTS OMPOSÉS I) Itérêts et valeur acquise Défiitio U capital est placé à itérêts composés lorsque le motat des itérêts produits à la fi de chaque période

Plus en détail

Statistique Numérique et Analyse des Données

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

Plus en détail