Modèles de simulation en génétique quantitative et des populations
|
|
- Marie-Claire Primeau
- il y a 7 ans
- Total affichages :
Transcription
1 Modèls d simulation n génétiqu quantitativ t ds populations Apha Niango,Hélèn Muranty Léopoldo Sanchz
2 Modèl d simulation n génétiqu Contxt Dans l procssus d amélioration, l éfcacité d la sélction dépnd n grand parti d la précision d l stimation ds valurs génétiqus ds candidats. Plusiurs approchs possibls pour idntifr ls méthods d sélction ls miux adaptés aux spècs : Approch ntièrmnt analytiqu Approchs par simulations Simulation n modèl alléliqu ou à nombr d locus fni (s intérss au dvnir ds allèls aux différnts locus)
3 Modèl d simulation n génétiqu Simulations Mont-Carlo : qu'st-c qu c'st? Simulation : méthod d'analys visant à imitr un systèm d la "vrai vi" (quand d'autrs analyss sont trop complxs ou difcil à rproduir) Mont-Carlo : Utilisation d xpérincs répétés pour évalur un quantité ou résoudr un systèm détrminist (casino t jux d hasard) Etudir l'évolution d'un systèm à partir d l'échantillonnag répété ds variabls incrtains slon un loi d distribution.
4 Modèl d simulation n génétiqu Modèl alléliqu ou à nombr d locus fini Individus Allèl C : Vrsion d un gèn Locus: Emplacmnt physiqu Concptullmnt: D nombruss hypothèss défnissnt ls mécanisms sous-jacnts En pratiqu: programmation complx t tmps d calcul importants Basé sur ds gèns simulés individullmnt, avc ds fts génétiqus donnés, dans un architctur génétiqu prédéfni t organisés dans un génom virtul.
5 Modèl d simulation n génétiqu Echantillonnag aléatoir L'échantillonnag/Simulation aléatoir st appliqué à diférnts phass du procssus simulé: Construction d génoms virtuls à partir ds gèns individuls (échantillonag aléatoir ds fréquncs, fts t allèls) pour défnir ds individus opérationnls (prêts à êtr sélctionnés t croisés) Modélisation du dvnir d chaqu gèn (par rcombinaison t ségrégation virtulls pour obtnir d nouvaux individus opérationnls)
6 Modèl d simulation n génétiqu Echantillonnag aléatoir (Construction d génoms virtuls) Echantillonnag ds allèls Slon ds fréquncs alléliqus défnis n ntré tirés dans un distribution uniform [a,b] Hasard Loc_ Loc_2 Loc_3 Tirags dans d'autrs distributions. Plus rprésntatif d la réalité. Loc_n Génom ds fondaturs
7 Procssus à modélisr Sélcti on indx multicaractèr, nivaux indépndnts consanguinité slon pdigré, proximité slon marquurs fréquncs cart alléliqus génétiqu Fondaturs + t stratég i Croism nts Méios Gamétogén ès Dscnda nts Evaluation indx individu-famill, génétiqu BLUP, MA-BLUP architctur génétiqu (fts génétiqus, corrélations, héritabilités) Phénotyps/ Caractèrs
8 Procssus à modélisr Sélcti on indx multicaractèr, nivaux indépndnts consanguinité slon pdigré, proximité slon marquurs fréquncs cart alléliqus génétiqu Fondaturs + t stratég i Croism nts Méios Gamétogén ès Dscnda nts Evaluation indx individu-famill, génétiqu BLUP, MA-BLUP architctur génétiqu (fts génétiqus, corrélations, héritabilités) Phénotyps/ Caractèrs
9 Modèl d simulation n génétiqu Typ d architctur génétiqu
10 Modèl d simulation n génétiqu Typ d architctur génétiqu pour l'étud d la plasticité Plasticité: Capacité d un génotyp à produir diférnts phénotyps n fonction d l nvironnmnt. L modèl d bas qui xpliqu la «gnès» d un prformanc ou phénotyp st sous form linéair: P = G + E Prformanc Efft du génotyp Efft du miliu Résau non structuré E = Eft nvironnmnt Allèl non plas tiqu non plas tiqu non plas tiqu plas tiqu plas tiqu non plas tiqu non plas tiqu ai :Eft moyns d l allèl i Caractèr(s) P = Ʃ(ai) + ξ Caractèr(s) P = Ʃ(ai) + Ʃ(ai x ) + + ξ
11 Modèl d simulation n génétiqu Typ d architctur génétiqu pour l'étud d la plasticité Epistasi: Intraction ntr gèns dans l contrôl d un caractèr. Résau faiblmnt structuré épistatiq u Résau fortmnt structuré épistatiqu épistatiqu épistatiqu plas tiqu pla sti qu no n pla sti qu Caractèr(s) no n pla sti qu épistatiqu épistatiqu épistatiqu plastiqu non plastiqu non plastiqu Caractèr(s) P = Ʃ(ai) + Ʃ(ai,au)+ Ʃ(ai,) + + ξ
12 Voi métaboliqu ds anthocyanins chz la vign Modèl d simulation n génétiqu T yp d architctur génétiqu complx ENZYMES RÉGULAT EUR S résau d régulation d la biosynthès ds lignins d'après JC Lplé d'après Matus t al (2009)
13 Modèl d simulation n génétiqu Architctur génétiqu complx pour l'étud d la plasticité Evolution ds valurs nvironnmntals dans l tmps pour un caractèr. défavorabl favorabl amplitud favorabl défavorabl Tndanc (moynn t/ou varianc n fonction d t) défavorabl Aléatoir sans tndanc t Hasar d défavorabl Aléatoir avc tndanc, ou dépndanc ntr valurs succssivs t Tirag aléatoir ds valurs d un distribution normal, moynn t varianc connus
14 Modèl d simulation n génétiqu Evaluation génétiqu Un candidat à la rproduction st choisi slon crtains critèrs. L approch d sélction st fondé sur ds indx d valur génétiqu construits à partir d diférnt(s) information(s) v Prformanc(s) individull(s) v Prformanc(s) ds parnts v Prformanc moynn d un ptit échantillon ds dscndants v Prformanc moynn ds frèrs t sœurs (plins FS t dmi HS) Indx individu-famill Phénotyp Y = µ + HS + FS/HS + ind/fs/hs +ε Utilis sulmnt la structur n famills d la drnièr génération Pu fabl n cas d ft d nvironnmnt commun Pu précis résidus
15 Modèl d simulation n génétiqu Evaluation génétiqu modèl animal "classiqu" : BLUP ft "animal" Y = µ + Zu +ε Var(u) = A σ2a matric d'apparntmnt calculé à partir du pdigr (généalogis ou connaissanc ds fliations) calcul d la matric d'apparntmnt résolution du modèl mixt par REML (maximum d vraismblanc résidul) pour stimr la composant d la varianc σ2a û millur prédictur linéair sans biais (BLUP) d u. û st la valur génétiqu ou indx d valur génétiqu prédit Logicils d référnc BLUPF90 (Misztal) WOMBAT (Myr) ASRML P rogramm d simulation alléliqu Adaptation au programm
16 Modèl d simulation n génétiqu Evaluation génétiqu : MA-BLUP Modèl SAM ft +ε "animal" Y = µ + Zu + Wv ft QTL Var(u) = A σ2a Var(v) = G σ2qtl matric d'idntité par dscndanc au QTL calculé à partir ds marquurs (t du pdigr) calcul d la matric d'apparntmnt résolution du modèl mixt par REML u + v st la valur génétiqu ou indx d valur génétiqu prédit Logicil d référnc Rtools (Pong-Wong) P rogramm d simulation alléliqu Adaptation au programm
17 Modèl d simulation n génétiqu Optimisation: Sélction n tnant compt d la divrsité approchs utilisant sulmnt l pédigré List ds candidats - valurs génétiqus stimés gi - matric d'apparntmnt (aij) Optimisati on (boît noir) List d'individus sélctionnés pour maximisr H = Σi gi λσij aij
18 Modèl d simulation n génétiqu Optimisation Simulations d'un grand nombr d générations jusqu'à un équilibr Solutions multipls généralité Dscripturs d bas d la population (composants d la varianc, fréquncs alléliqus, distribution ds ffts alléliqus, tc.) Boit noir d'optimisation Construction d modèls alléliqus obéissant aux paramètrs d'ntré Optimisation modèls bin ajustés
19 Optimisation pour obtnir un corrélation initial donné 3 Echantillonag au hasard d'un allèl par individu 3 2 Echantillonag au hasard d'un locus Locus C 2 5 Echang ds allèls choisis optimisatio n Proximité d la valur cibl & critèr d convrgnc Individu j Evaluation du changmnt d la corrélation génétiqu (dû au DL) Individu i Echantillonag au hasard d'un A L I M E N T A T I coupl O N d'individus
20 PERSPECTIVES Optimisation «rssourc systèm (parallélisation d crtains étaps du procssus)» Grand quantité d donnés alléliqus, répétition d la simulation alléliqu Ré-optimisr a parti optimisation pour avoir un gain n tmps. Approch Bayésinn approch Chain d Markov par Mont Carlo pour l calcul d la matric IBD Résau physiologist t résau génétiqu Passag d un résau physiologist à clui génétiqu, Prédiction d un phénotyp connaissant du résau
21 Mrci d votr attntion
7. Droit fiscal. Calendrier 2014. 7.1 Actualité fiscale 7.2 Contrôle et contentieux fiscal 7.3 Détermination du résultat fiscal.
7. Droit fiscal 7.1 Actualité fiscal 7.2 Contrôl t contntiux fiscal 7.3 Détrmination du résultat fiscal 7.4 Facturation : appréhndr ls règls juridiqus t fiscals, t maîtrisr l formalism 7.5 Gstion fiscal
Plus en détailExemple de Plan d Assurance Qualité Projet PAQP simplifié
Exmpl d Plan d Assuranc Qualité Projt PAQP simplifié Vrsion : 1.0 Etat : Prmièr vrsion Rédigé par : Rsponsabl Qualité (RQ) Dat d drnièr mis à jour : 14 mars 2003 Diffusion : Equip Tchniqu, maîtris d œuvr,
Plus en détailÉvaluation de performance et optimisation de réseaux IP/MPLS/DiffServ
AlgoTl 2003 (dpt-info.labri.fr/algotl03) Banyuls-sur-mr, 12-14 mai 2003 Exposé invité, mardi 13 mai, 9h-10h Évaluation d prformanc t optimisation d résaux IP/MPLS/DiffSrv par Fabric CHAUVET Jan-Mari GARCIA
Plus en détailUNE AVENTVRE DE AGILE & CMMI POTION MAGIQUE OU GRAND FOSSÉ? AGILE TOVLOVSE 2011 I.VI VERSION
UN AVNTVR D AGIL & CMMI POTION MAGIQU OU GRAND FOÉ? AGIL TOVLOV 2011 VRION I.VI @YAINZ AKARIA HT T P: / / W WW.MA RTVIW.F HT T P: / / W R WW.KIND OFMAG K.COM OT @ PAB L OP R N W.FR MARTVI. W W W / :/ P
Plus en détailFlorence Jusot, Myriam Khlat, Thierry Rochereau, Catherine Sermet*
Santé t protction social 7 Un mauvais santé augmnt fortmnt ls risqus d prt d mploi Flonc Jusot, Myriam Khlat, Thirry Rochau, Cathrin Srmt* Un actif ayant un mploi a baucoup plus d risqus d dvnir inactif
Plus en détailDécouverte Sociale et Patrimoniale
Découvrt Social t Patrimonial M :... Mm :... Dat :... Origin du contact :... Sommair 1. Vous 3 Votr famill 3 Votr situation matrimonial 4 Votr régim matrimonial 4 Libéralités 4 2. Votr actif 5 Vos garantis
Plus en détailDOSSIER DE CANDIDATURE POUR UNE LOCATION
DOSSIER DE CANDIDATURE POUR UNE LOCATION Ls informations donnés nécssairs pour traitr votr candidatur rstront confidntills. Un dossir incomplt n put êtr xaminé. C dossir d candidatur rst soumis à l approbation
Plus en détailRéseau des bibliothèques du Pays de Pamiers Guide du Numérique
Réau d bibliothèqu du Pay d Pamir Guid du Numériqu Sit Intrnt du réau d lctur http://www.pamir.raubibli.fr C qu vou pouvz fair dpui notr it Intrnt : EXPLORER LE CATALOGUE : Plu d 80 000 documnt ont à votr
Plus en détailLes ressources du PC
Modul 2 Ls rssourcs du PC Duré : 2h (1 séanc d 2h) Ctt séanc d dux hurs suit l ordr du référntil d compétncs du portfolio rattaché à c modul (v. portfolio du modul 2). Votr ordinatur PC st un machin composé
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 détailLE SURENDETTEMENT. a s s e c o. leo lagrange UNION NATIONALE DES ASSOCIATIONS FAMILIALES. union féminine civique et sociale
LE SURENDETTEMENT 1 lo lagrang UNION NATIONALE 2 L'ENDETTEMENT 1984 : 4 ménags sur 10 avaint ds crédits (crédit à la consommation + immobilir) 1997 : 1 ménag sur 2 a un crédit n cours 55 % ds consommaturs
Plus en détailGuide de correction TD 6
Guid d corrction TD 6 JL Monin nov 2004 Choix du point d polarisation 1- On décrit un montag mttur commun à résistanc d mttur découplé, c st à dir avc un condnsatur n parallèl sur R. La condition d un
Plus en détailTVA et Systèmes d Information. Retour d expérience d entreprise. A3F - 26 mars 2015 Hélène Percie du Sert COFELY INEO
isr la t l t t zon iqur nt TVA t Systèms d Information Rtour d xpérinc d ntrpris A3F - 26 mars 2015 Hélèn Prci du Srt COFELY INEO Pour Sup Ins À p NB. M 30/03/2015 Sommair isr la t l t t zon iqur nt I
Plus en détailComment utiliser une banque en France. c 2014 Fabian M. Suchanek
Commnt utilisr un banqu n Franc c 2014 Fabian M. Suchank Créditr votr compt: Étrangr Commnt on mt d l argnt liquid sur son compt bancair à l étrangr : 1. rntrr dans la banqu, attndr son tour 2. donnr l
Plus en détail«COMBATTRE LES BLEUS» Ce que signifie le programme social des Conservateurs pour les femmes
«COMBATTRE LES BLEUS» C qu signifi l programm social ds Consrvaturs pour ls fmms La 13 Conférnc national d la condition féminin du CTC Documnt d conférnc L hôtl Crown Plaza Ottawa L hôtl Ottawa Marriott
Plus en détailPAR. été 2014. Les Affaires Plus
s, nag un é m t st ds cs é étai n l i n na rb la c Pou r ls fi Et si amill. f gér -têt r sa ntr r s ifi cas onsidé ptit E sign c d m un nd PM ants. f a com? Qu an, n RD pris, mam SA ES a L p TE pa ET CH
Plus en détailCSMA 2013 11e Colloque National en Calcul des Structures 13-17 Mai 2013
Enrichissmnt modal du Slctiv Mass Scaling Sylvain GAVOILLE 1 * CSMA 2013 11 Colloqu National n Calcul ds Structurs 13-17 Mai 2013 1 ESI, sylvain.gavoill@si-group.com * Autur corrspondant Résumé En raison
Plus en détailBOULOGNE (92) TRIANGLE ENTRE VERDURE ET BOUCLE DE SEINE INVESTISSEMENT EN NUE-PROPRIÉTÉ IMMOBILIER NEUF
INVESTISSEMENT EN NUE-PROPRIÉTÉ IMMOBILIER NEUF BOULOGNE (92) ENTRE VERDURE ET BOUCLE DE SEINE TRIANGLE APPARTEMENTS DU STUDIO AU 5 PIÈCES DANS UN QUARTIER EN PLEIN RENOUVEAU PERL INVESTISSEZ AUTREMENT!
Plus en détailParis en ligne et risques de blanchiment et de financement du terrorisme. Jean-Claude DELEPIERE Président de la CTIF
Paris en ligne et risques de blanchiment et de financement du terrorisme Jean-Claude DELEPIERE Président de la CTIF Particularités des paris et jeux en ligne et risques de BC et de FT o Secteur sensible
Plus en détailchargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d
Laboratoire de Mécanique et Ingénieriesnieries EA 3867 - FR TIMS / CNRS 2856 ER MPS Modélisation stochastique d un d chargement d amplitude variable à partir de mesures Application à l approche fiabiliste
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 détailProgramme GénieArts Î.-P.-É. 2009-2010. GénieArts
Programm GéniArts Î.-P.-É. 2009-2010 GéniArts Allum l nthousiasm ds juns à l égard d l acquisition ds matièrs d bas par l truchmnt ds arts. Inspir la collaboration ntr ls artists, ls nsignants, ls écols
Plus en détailMAISON DE LA RATP 54, quai de la Râpée -189, rue de Bercy - 75012 Paris. M Gare de Lyon. M Gare de Lyon
i d r c r m 3 1 0 2 r 9 octob s i a n n o c u? t è b a i d mon MISON D L RP 54, quai d la Râpé -189, ru d Brcy - 75012 Paris M Gar d Lyon È B I D L R U S N N O I C S L M R O D O F N I L D D N URdNlaÉRapé
Plus en détailDemande de retraite de réversion
Nous somms là pour vous aidr Dmand d rtrait d révrsion Ctt notic a été réalisé pour vous aidr à complétr vos dmand t déclaration d rssourcs. Pour nous contactr : Vous désirz ds informations complémntairs,
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailP1 : Corrigés des exercices
P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à
Plus en détailInitiation à la virologie Chapitre IV : Diagnostic viral
Initiation à la virologi Chapitr IV : Diagnostic viral [www.virologi-uclouvain.b] Objctifs du modul Nous disposons d outils d laboratoir nous prmttant d détctr ls infctions virals t lurs ffts. Lorsqu on
Plus en détailTHÈSE. présentée à. par Nicolas Palix. DOCTEUR Spécialité: INFORMATIQUE. Langages dédiés au développement de services de communications
N o d'ordr: 3623 THÈSE présnté à L'UNIVERSITÉ BORDEAUX 1 Écol Doctoral d Mathématiqus t Informatiqu par Nicolas Palix pour obtnir l grad d DOCTEUR Spécialité: INFORMATIQUE Langags dédiés au dévloppmnt
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 détailTitrages acidobasiques de mélanges contenant une espèce forte et une espèce faible : successifs ou simultanés?
Titrgs cidobsiqus d mélngs contnnt un spèc fort t un spèc fibl : succssifs ou simultnés? Introduction. L'étud d titrgs cidobsiqus d mélngs d dux ou plusiurs cids (ou bss) st un xrcic cournt [-]. Ls solutions
Plus en détailwww.gbo.com/bioscience 1 Culture Cellulaire Microplaques 2 HTS- 3 Immunologie/ HLA 4 Microbiologie/ Bactériologie Containers 5 Tubes/ 6 Pipetage
2 HTS 3 Immunologie / Immunologie Informations Techniques 3 I 2 ELISA 96 Puits 3 I 4 ELISA 96 Puits en Barrettes 3 I 6 en Barrettes de 8 Puits 3 I 7 en Barrettes de 12 Puits 3 I 8 en Barrettes de 16 Puits
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailFocus. Les placements éthiques : entre défis et opportunités. Patrick Barisan. Sintesi a cura di Luisa Crisigiovanni
Ls placmnts éthiqus : ntr défis t opportunités Patrick Barisan Sintsi a cura di Luisa Crisigiovanni L invstimnto socialmnt rsponsabil è un invstimnto ch tin conto sia di imprativi finanziari sia tici,
Plus en détailFIMA, 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 détailS a i n t - M a l o G R O U P E
S a i n t - a l o G R O U E onnaissz-vous l antiqu cité d Alt? lac fort stratégiqu, tour à tour puplé d lts t d Gallo-Romains, ll fut l brcau d Saint-alo, dont ll constitu un promontoir naturl, ntr mr
Plus en détailau Point Info Famille
Qustion / Répons au Point Info Famill Dossir Vivr un séparation La séparation du coupl st un épruv souvnt longu t difficil pour la famill. C guid vous présnt ls différnts démarchs n fonction d votr situation
Plus en détailGènes Diffusion - EPIC 2010
Gènes Diffusion - EPIC 2010 1. Contexte. 2. Notion de génétique animale. 3. Profil de l équipe plateforme. 4. Type et gestion des données biologiques. 5. Environnement Matériel et Logiciel. 6. Analyses
Plus en détailLes nouvelles orientations politiques du budget 2015 du Gouvernement prévoient
GO NEWSLETTER N 1/2015 19 janvir 2015 L «Spurpaak» du Gouvrnmnt t ss réprcussions sur la formation ACTUALITÉ L «Spurpaak» du Gouvrnmnt t ss réprcussions sur la formation Allianc pour la qualification profssionnll
Plus en détail1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes.
Corrigé du Prétest 1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes. a) Obtenir un nombre inférieur à 3 lors du lancer d un dé. U= { 1, 2,
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailDevenez ingénieur en Génie Informatique et Statistique par la voie de l apprentissage
Dvnz ingéniur n Géni Informatiqu t Statistiqu par la voi d l apprntissag > Formation d ingéniur d 3 ans par altrnanc habilité par la Commission ds Titrs d Ingéniur (CTI) Rntré 2015 www.polytch-lill.fr
Plus en détailPROJET MODELE DE TAUX
MASTER 272 INGENIERIE ECONOMIQUE ET FINANCIERE PROJET MODELE DE TAUX Pricing du taux d intérêt des caplets avec le modèle de taux G2++ Professeur : Christophe LUNVEN 29 Fevrier 2012 Taylan KUNAL - Dinh
Plus en détailLe guide du parraina
AGREMENT DU g L guid du parraina nsillr co t r g ra u co n r, Partag rs ls mini-ntrprnu alsac.ntrprndr-pour-apprndr.fr Crér nsmbl Ls 7 étaps d création d la Mini Entrpris-EPA La Mini Entrpris-EPA st un
Plus en détailTABLE DES MATIÈRES 1. DÉMARRER ISIS 2 2. SAISIE D UN SCHÉMA 3 & ' " ( ) '*+ ", ##) # " -. /0 " 1 2 " 3. SIMULATION 7 " - 4.
TABLE DES MATIÈRES 1. DÉMARRER ISIS 2 2. SAISIE D UN SCHÉMA 3! " #$ % & ' " ( ) '*+ ", ##) # " -. /0 " 1 2 " 3' & 3. SIMULATION 7 0 ( 0, - 0 - " - & 1 4. LA SOURIS 11 5. LES RACCOURCIS CLAVIER 11 STI Electronique
Plus en détailBase de données bibliographique. p. 30 - p. 33. valorisation économique de l'eau potable. energétique et municipales. p.13 - fédérale de.
Bas d donnés bibliographiqu alpau.org Typ d Autur Titr d Titr du Editur Anné Vol. N Dat d Paginatio résumé mots clfs mots documnt l'ouvrag/titr d périodiqu n clfs fix l'articl Jnni Robrt Qul puplmnt pour
Plus en détailSimulation centrée individus
Simulation centrée individus Théorie des jeux Bruno BEAUFILS Université de Lille Année 4/5 Ce document est mis à disposition selon les termes de la Licence Creative Commons Attribution - Partage dans les
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailRecherche De Coalescences Binaires Étalonnage Du Détecteur
Recherche De Coalescences Binaires Étalonnage Du Détecteur Fabrice Beauville Journées Jeunes Chercheurs 18/12/2003 Les Coalescences Binaires & VIRGO Système binaire d objets compacts (étoiles à neutrons,
Plus en détailJuin 2013. www.groupcorner.fr
r p d r i Do Juin 2013 www.groupcornr.fr Contact Pr : Carolin Mlin & Jan-Claud Gorgt Carolin Mlin TIKA Mdia 06 61 14 63 64 01 40 30 95 50 carolin@tikamdia.com Jan-Claud Gorgt J COM G 06 10 49 18 34 09
Plus en détailprévoyance Assurance Autonomie CHOISIR AUJOURD HUI COMMENT VIVRE DEMAIN
prévoyance Assurance Autonomie CHOISIR AUJOURD HUI COMMENT VIVRE DEMAIN LA PERTE D AUTONOMIE, EN PARLER, C EST DÉJÀ L ANTICIPER Avec l allongement de l espérance de vie, le nombre de personnes en perte
Plus en détailMatériau pour greffe MIS Corporation. Al Rights Reserved.
Matériau pour grff MIS Corporation. All Rights Rsrvd. : nal édicaux, ISO 9001 : 2008 atio itifs m rn pos méd int i dis c a u x 9 positifs 3/42 té ls s dis /CE ur r l E. po ou u x U SA t s t appr o p a
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 détailGrand Paris Seine Ouest. Evolution Actualités des lignes de bus communautaires. Grand
Grand Pari Sin Out Evolution Actualité d lign d bu communautair Grand 1 TABLE DES MATIÈRES TABLE DES MATIÈRES 2 BOULOGNE-BILLANCOURT 3 L SUBB... 3 CHAVILLE 4 L Chavilbu... 4 ISSY-LES-MOULINEAUX 6 L TUVIM...
Plus en détailI. Cas de l équiprobabilité
I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus
Plus en détailnous votre service clients orange.fr > espace client 3970*
nous votr srvi lints orang.fr > spa lint 3970* vous souhaitz édr votr abonnmnt Orang Mobil Bonjour, Vous trouvrz i-joint l formulair d ssion d abonnmnt Orang Mobil à rtournr omplété t par vous-mêm t par
Plus en détailpapcardone@papcardone.com CASIO D 20 Mémoire du grand total CASIO ECO Affichage 8, 10 ou 12 chiffres Tous les calculs de bases Calcul de taxes
iv r a is o n assu L Li cardon Calculatrics d burau v ra i s o n a ss u CASIO D 20 M02690 M02672 M02667 CASIO DM 1200 (12 chiffrs) CASIO DM 1400 (14 chiffrs) CASIO DM 1600 (16 chiffrs) M02689 CASIO D 20
Plus en détailConsolidation de jeux de données pour la prospective : la génération d une population synthétique pour les communes de Belgique
Consolidation de jeux de données pour la prospective : la génération d une population synthétique pour les communes de Belgique Philippe Toint (with J. Barthélemy) Centre de Recherche en Systèmes Complexes
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailLes maisons de santé pluridisciplinaires en Haute-Normandie
Ls maisons d santé pluridisciplinairs n Haut-Normandi tiq Guid pra u EDITO Dans 10 ans, l déficit d médcins sra réllmnt problématiqu si l on n y prnd pas gard. D nombrux généralists quinquagénairs n trouvront
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 détailImpôts 2012. PLUS ou moins-values
Impôt 2012 PLUS ou moin-values SUR VALEURS MOBILIÈRES ET DROITS SOCIAUX V v ti t à d f co o OP m à l Et L no di (o 20 o C c tit po Po c c or o o ou c l ou d 2 < Vou avz réalié d cion d valur mobilièr t
Plus en détailSystèmes à événements discrets : de la simulation à l'analyse temporelle de la décision en agriculture
1 Systèms à événmnts discrts : d la simulation à l'analys tmporll d la décision n agricultur livir Naud 1, Tu Tuitt 1, Brtrand Légr 1,2, Arnaud Hélias 3 t Rodolph Giroudau 4 1 UMR ITAP, Cmagrf-Supagro,
Plus en détailDéfaillances de sécurité importantes dans le domaine informatique
3 Défaillances de sécurité importantes dans le domaine informatique DÉCISION de l Autorité fédérale de surveillance des marchés financiers FINMA du ( ) 68 BULLETIN 4/2013 FINMA Organisation administrative
Plus en détailLe Songe d une nuit d été
La Compagni «Fracas d Art» présnt L Song d un nuit d été d après William Shakspar Mis n scèn Carlo Boso Masqus S. Procco di Mduna www.fracasdart.com r «t ils savn nt a h c, r s r, dan u o j, r tout fai
Plus en détailBloc 1 : La stabilité, une question d équilibre
Bloc 1 : La stabilité, un qustion d équilibr Duré : 3 hurs Princips scintifiqus Ls princips scintifiqus s adrssnt aux nsignants t aux nsignants. Structur Un structur st un form qui résist aux forcs qui,
Plus en détailSubventions Diverses 2009
Dirction Tchniqu Nom du portur Titr du Objctifs du Rattachmnt au programm d financmnts 09-036 SOS Hépatits Projt 1: Forum National (19 t 20 nov 09) Projt 2 : Sit Intrnt Projt 1: Obj. Généraux: Rdonnr confianc
Plus en détailMCMC 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 détailEtude de marché. Idée de depart. Etude de l environnement et des offres existantes. Clients. actuels. Choix de la cible précise
Etude de marché Selon l Agence Pour la Création d Entreprise (APCE), 70% des cas de défaillance ont pour origine la mauvaise qualité des études de marché, que celles-ci soient mal réalisées ou de manière
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 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 détailProbabilités stationnaires d une chaîne de Markov sur TI-nspire Louis Parent, ing., MBA École de technologie supérieure, Montréal, Québec 1
Introduction Probabilités stationnaires d une chaîne de Markov sur TI-nspire Louis Parent, ing., MBA École de technologie supérieure, Montréal, Québec 1 L auteur remercie Mme Sylvie Gervais, Ph.D., maître
Plus en détailA. RENSEIGNEMENTS GÉNÉRAUX. (Adresse civique) 3. Veuillez remplir l'annexe relative aux Sociétés en commandites assurées à la partie E.
Chubb du Canada Compagni d Assuranc Montréal Toronto Oakvill Calgary Vancouvr PROPOSITION POLICE POUR DES INSTITUTIONS FINANCIÈRES Protction d l Actif Capital d Risqu A. RENSEIGNEMENTS GÉNÉRAUX 1. a. Nom
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailExo7. Probabilité conditionnelle. Exercices : Martine Quinio
Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16
ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que
Plus en détail4. Exercices et corrigés
4. Exercices et corrigés. N 28p.304 Dans une classe de 3 élèves, le club théâtre (T) compte 0 élèves et la chorale (C) 2 élèves. Dix-huit élèves ne participent à aucune de ces activités. On interroge au
Plus en détailSunêlia Domaine de la Dragonnière - RD612-34450 Vias sur Mer 04 67 01 03 10 - contact@dragonniere.com www.dragonniere.com
t L C c c v d bgg l Pép pu d i Dg Véifi p u j é b d l m i Imp mil Kp th go D d l D C l d P Suêli Dmi d l Dgiè - RD612-34450 Vi u M 04 67 01 03 10 - ctct@dgi.cm www.dgi.cm [ Rmi d clé gti u plu td à 17h
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 détailDes goûts et des couleurs ou Quel crédit accorder aux «tests» dans le secteur de la consommation? 1
Des goûts et des couleurs ou Quel crédit accorder aux «tests» dans le secteur de la consommation? 1 Ce texte aurait tout aussi bien pu s'intituler «La généralisabilité et la fondue». En effet, l'idée des
Plus en détailListe des notes techniques... xxi Liste des encadrés... xxiii Préface à l édition internationale... xxv Préface à l édition francophone...
Liste des notes techniques.................... xxi Liste des encadrés....................... xxiii Préface à l édition internationale.................. xxv Préface à l édition francophone..................
Plus en détailOrdonnancement robuste et décision dans l'incertain
Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4
Plus en détailCarrotAge, un logiciel pour la fouille de données agricoles
CarrotAge, un logiciel pour la fouille de données agricoles F. Le Ber (engees & loria) J.-F. Mari (loria) M. Benoît, C. Mignolet et C. Schott (inra sad) Conférence STIC et Environnement, Rouen, 19-20 juin
Plus en détailSimulation : application au système bonus-malus en responsabilité civile automobile
Simulation : application au système bonus-malus en responsabilité civile automobile Robert Langmeier Travail de séminaire réalisé sous la supervision du professeur François Dufresne Ecole des HEC Université
Plus en détaile x o s CORRIGÉ 07-01 ... Chapitre 7. La conduite du diagnostic 1. Bilan fonctionnel par grandes masses Bilan fonctionnel de la société Bastin
................................................... Chapitr 7. La cnduit du diagntic CORRIGÉ 07-01 1. Bilan fnctinnl par grand ma Bilan fnctinnl d la ciété Batin Empli tabl 3 900 Rurc prpr 3 870 Actif
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
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 détailL E Ç O N. Marches aléatoires. Niveau : Terminale S Prérequis : aucun
9 L E Ç O N Marches aléatoires Niveau : Terminale S Prérequis : aucun 1 Chaînes de Markov Définition 9.1 Chaîne de Markov I Une chaîne de Markov est une suite de variables aléatoires (X n, n N) qui permet
Plus en détailEtude, par simulations, de l intérêt d une sélection génomique dans une population porcine de type mâle
2013. Journées Recherche Porcine, 45, 213-218. Etude, par simulations, de l intérêt d une sélection génomique dans une population porcine de type mâle Thierry TRIBOUT (1,2), Catherine LARZUL (1,2), Jean
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
Plus en détailProduits à base de cellules souches de pomme
Soins Visag Produits à bas d clluls souchs d pomm NEW! Profssionnal & Rtail Shakr Mask pl-off Shakr Mask cristally (wash-off) Srum Crèm A Full Srvic : Formulation R&D Manufacturing Packaging Soin Visag
Plus en détailÉtude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test
11 juillet 2003 Étude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test Mariane Comte Plan 2 Introduction et objectif
Plus en détailCENTRE FRANCO-ONTARIEN DE RESSOURCES PÉDAGOGIQUES
Éditions Éditions Bon d command 015-0 un pu, baucoup, à la foli! Format numériqu n vnt au www. 006-009, Éditions CFORP, activités AVEC DROITS DE REPRODUCTION. 08:8 Pag 1-1 r un pu, baucoup, a la foli!
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailCentre d'etudes Nucléaires de Fontenay-aux-Roses Direction des Piles Atomiques Département des Etudes de Piles
CEA-N-1195 Note CEA-N-1195 Centre d'etudes Nucléaires de Fontenay-aux-Roses Direction des Piles Atomiques Département des Etudes de Piles Service d'etudes de Protections de Piles PROPAGATION DES NEUTRONS
Plus en détail