ECRICOME 2007 S J.F. COSSUTTA Lycée Marcelin BERTHELOT SAINT-MAUR EXERCICE o(x2 ), et v(x) = ln(1 + x) = x x2

Dimension: px
Commencer à balayer dès la page:

Download "ECRICOME 2007 S J.F. COSSUTTA Lycée Marcelin BERTHELOT SAINT-MAUR EXERCICE o(x2 ), et v(x) = ln(1 + x) = x x2"

Transcription

1 ECRICOME 2007 S JF COSSUTTA Lycée Mrceli BERTHELOT SAINT-MAUR EXERCICE L foctio f : x l2 e x dmet pour domie de défiitio l itervlle I =], l 2[ De plus f = v u où u est l foctio x e x et v l foctio x l + x Rppelos qu u voisige de 0 : e x = + x + x2 2! + ox2 doc ux = e x = x x2 2 + ox2, et vx = l + x = x x2 2 + ox2 Aisi : u est défiie sur I et dmet u développemet limité d ordre 2 u voisige de 0 de prtie régulière le polyôme P = X 2 X2 v est défiie sur ], + [ et dmet u développemet limité d ordre 2 u voisige de 0 de prtie régulière le polyôme Q = X 2 X2 ui ], + [ et u0 = 0 Alors le cours idique que f = v u dmet u développemet limité d ordre 2 u voisige de 0 dot l prtie régulière est le polyôme oteu e e grdt que les termes de degré u plus 2 du polyôme Q P Notos que Q P = X 2 X2 X X2 = X X 2 2 X3 8 X4 Alors, u voisige de 0 : fx = x x 2 + ox 2 2 Soit k u élémet de [2, + [ Au voisige de 0 : l2 e x = x x 2 + ox 2 k pprtiet lors à l itervlle ] 0, ] ] ], doc e k pprtiet à, e e k pprtiet lors à l itervlle [ 2 e 2, [ Oservos que e < 4 doc e 2 < 2 et isi 2 e 2 > 0 Alors 2 e k est ie ds l itervlle ]0, [ Pour tout etier k supérieur ou égl à 2, o : 2 e k ]0, [ x ]0, [, lx < 0! Ce qui précède doe lors : pour tout etier k supérieur ou égl à 2, l 2 e k est strictemet égtif

2 c Au voisige de 0 : l2 e x = x x 2 + ox 2 Aisi l2 e x x Alors l2 e k x 0 k + k Nous vos doc : l2 e k divergete k + k ; k N, k 0 ; l série de terme géérl k 2 est ue série de Riem Les règles de compriso sur les séries à termes positifs motret lors que l série de terme géérl l2 e k diverge ; il e est de même pour l série de terme géérl l2 e k L série de terme géérl l2 e k diverge d L série de terme géérl l2 e k est à termes positifs et divergete doc l suite de ses sommes prtielles ted vers + suite croisste o covergete Pr coséquet lim V = + Alors lim V = et lim = 0 ev 3 Soit u élémet de [2, + [ [l2 e k l ] = V k k=2 k=2 lim V = et lim u = 0 k l = V k k=2 [l2 e k l ] = V + l = l e V + l = l e V = l u k [2, + [, l u = k=2 lk l k = V l l k=2 [l2 e k l ] k Au voisige de 0 : l2 e x = x x 2 + ox 2 et l x = x x2 2 + ox2 Aisi, u voisige de 0, l2 e x l x = x x 2 x x2 + ox 2 = x ox2 Alors l2 e x l x x 0 x2 2 Aisi : l2 e k l k k + 2 k 2 c Posos k [2, + [, w k = l2 e k l k w k k + 2 k 2 ; k N, ou presque covergete 2 k 2 0 ; l série de terme géérl est ue série de Riem 2 k2

3 3 Les règles de compriso sur les séries à termes positifs motret lors que l série de terme géérl w k coverge ; il e est de même pour l série de terme géérl w k Aisi l suite de terme géérl w k coverge Notos L s limite L = Alors k=2 lim u = e L pr cotiuité de l foctio t e t e L lim k=2 L suite de terme géérl u coverge et s limite e L est o ulle doc : u Ceci doe ecore u e L Posos K = e L K est u réel strictemet positif et u K Il existe u réel strictemet positif K tel que u w k = el K lim l u u K ; N, K 0 ; l série de terme géérl K diverge Les règles de compriso sur les séries à termes positifs motret lors que l série de terme géérl u diverge L série de terme géérl u diverge 4 [2, + [, V + V = l2 e + < 0 d près 2 L suite V 2 est doc strictemet décroisste Comme l foctio expoetielle est strictemet croisste, l suite e V 2 est strictemet décroisste Aisi L suite u 2 est strictemet décroisste Soit ds N S 2+2 S 2 = 2+ u u 2+2 = u 2+ + u 2+2 < 0 S 2+3 S 2+ = 2+2 u u 2+3 = u 2+2 u 2+3 > 0 Aisi l suite S 2 est décroisste et l suite S 2+ est croisste u Alors K et lim K = 0 doc lim S 2+ S 2 = lim lim u = 0 2+ u 2+ = lim u 2+ = 0 Ceci chève de motrer que : les suites S 2 et S 2+ sot djcetes c Les suites S 2 et S 2+ sot lors covergetes et ot même limite Ce qui permet de dire que l suite S est covergete Pr coséquet :

4 4 l série de terme géérl u est covergete EXERCICE 2 Soiet A = ij et B = ij deux élémets de M R Posos C = t AB = c ij i, j [, ] 2, c ij = ki kj Alors ϕa, B = Tr t AB = c ii = ki ki k= i= i= k= A = ij M R, B = ij M R, ϕa, B = Motros que ϕ est u produit sclire sur M R Notos que ϕ est ue pplictio de M R M R ds R Soiet A, B, C trois élémets de M R et λ u réel i= k= ki ki ϕa, λ B + C = Tr t Aλ B + C = Tr λ t AB + t AC = λ Tr t AB + Tr t AC = λ ϕa, B + ϕa, C cr Tr est ue forme liéire sur M R A, B, C M R 3, λ R, ϕa, λ B + C = λ ϕa, B + ϕa, C Aisi ϕ est liéire à droite Soiet A et B deux élémets de M R Notos qu ue mtrice de M R et s trsposée ot même trce Aisi ϕa, B = Tr t AB = Tr t t AB = Tr t B t t A = Tr t BA = ϕb, A A, B M R 2, ϕa, B = ϕb, A ϕ est symétrique Soit A = ij u élémet de M R ϕa, A = ki ki = A M R, ϕa, A 0 ϕ est positive i= k= i= k= Soit A = ij u élémet de M R tel que ϕa, A = 0 2 ki = 0 et i, k [, ] 2, 2 ki 0 Aisi i, k [, ]2, 2 ki = 0 i= k= Alors i, k [, ] 2, ki = 0 Doc A = 0 MR A M R, ϕa, A = 0 A = 0 MR ϕ est défiie Ceci chève de motrer que : 2 ki Aisi ϕa, A 0 ϕ est u produit sclire sur M R

5 2 t AA est ue mtrice de M R et t t AA = t A t t A = t AA t AA est lors ue mtrice symétrique d ordre à coefficiets réels Aisi : il existe ue mtrice orthogole P de M R et ue mtrice digole D de M R telles que : P t AAP = t P t AAP = D t AAX = λ X E multiplit à guche pr t X o otiet t X t AAX = λ t XX = λ X 2 Ou t X t AAX = λ X 2 Soit ecore t AXAX = λ X 2 Filemet AX 2 = λ X 2 X étt ps ul X est u vecteur propre s orme e l est ps dvtge et : λ = AX 2 X 2 λ est doc u réel positif ou ul 5 Si λ est ue vleur propre de t AA, λ 0 c Motros rpidemet que deux mtrices semlles de M R ot même trce Soit M et N deux mtrices semlles de M R Il existe ue mtrice iversile Q de M R telle que M = Q NQ Alors TrM = Tr Q NQ = Tr NQQ d près le rppel proposé u déut de l exercice Aisi TrM = TrNQQ = TrN Notos lors que t AA et D sot semlles cr P t AAP = t P t AAP = D Aisi [ NA ] 2 = ϕa, A = Tr t AA = TrD De même ou presque B t B et S sot semlles cr S = t P B t BP = P B t BP Doc TrB t B = TrS Aisi [ NB ] 2 = ϕb, B = Tr t BB = TrB t B = TrS TrSD = Tr t P B t BP t P t AAP = Tr t P B t BP t P t AAP = TrP B t B t AAP cr t P = P P B t B t AAP et B t B t AA étt semlles il viet : TrSD = TrP B t B t AAP = TrB t B t AA Or TrB t B t AA = Tr t B t AAB Alors : TrSD = Tr t B t AAB = Tr t ABAB = ϕab, AB = [ NAB ] 2 Ou plus simplemet?! : [ ] 2 NAB = ϕab, AB = Tr t ABAB = Tr t B t AAB = Tr t B P D t P B = Tr t P B t BP D = TrSD Filemet : [ NA ] 2 = TrD [ NB ] 2 = TrS [ NAB ] 2 = TrSD d Posos U = SD = u ij TrSD = u ii = s ik d ki = s ii d ii = s ii λ i i= i= k= i= i=

6 6 TrSD = i= λ i s ii e Ici i est u élémet de [, ] t BP E i 2 = tt BP E i t BP E i = t E i t P t t B t BP E i = t E i t P B t BP E i = t E i SE i t E i SE i = t BP E i 2 Rppelos que SE i est l ième coloe de S Aisi SE i = s ki E k Notos <, > le produit sclire coique de M, R et rppelos que E, E 2,, E est ue se ortoormée de M, R, <, > Alors t E i SE i =< E i, SE i >=< E i, s ki E k >= s ii k= k= t E i SE i = s ii s ii = t E i SE i = t BP E i 2 0 f λ i s ii = λ i s kk = i= i= λ i s ii = i= i= i= λ i s ii + i= k= λ i i= s kk k= k i Or i [, ], λ i 0 et k [, ], s kk 0 doc Aisi λ i s ii i= i= Doc [NAB] 2 = TrSD = λ i s ii i= s ii 0 i= λ i λ i i= k= s kk = s kk k= k i λ i s ii + λ i i= 0 λ i s ii λ i s ii i= i= i= s kk k= k i λ i s ii λ i s ii = TrD TrS = [NA] 2 [NB] 2 i= Alors : [NAB] 2 [NA] 2 [NB] 2 i= i=

7 7 Comme NAB, NA, NB sot des réels positifs ou uls il viet lors : NAB NA NB PROBLÈME Prélimiire Nous supposeros que l existece de l espérce de XY résulte de l existece de l vrice de X et de Y X EX Y EY = XY EX Y EY X + EX EY doc X EX X EX est comiiso liéire de qutre vriles létoires qui possèdet ue espérce ; isi X EX Y EY possède lors ue espérce Pr coséquet covx, Y existe Mieux, pr liérité de l espérce : covx, Y = E X EX Y EY = EXY EX EY EY EX + EX EY Aisi covx, Y = E X EX Y EY = EXY EX EY Ici les vriles létoires étt ps discrètes ous utiliseros ps l formule stdrd de l vrice d ue somme Nous redémotreros e utilist uiquemet l liérité de l espérce qui est u progrmme Soit λ u réel X et Y possède ue espérce doc λ X + Y possède ue espérce qui vut λ EX + EY λ X + Y Eλ X + Y 2 = λx EX + Y EY 2 λ X + Y Eλ X + Y 2 = λ 2 X EX λ X EX Y EY + Y EY 2 Or les vriles létoires X EX 2, X EX Y EY et Y EY 2 possèdet ue espérce doc λ X + Y Eλ X + Y 2 possède ue espérce De plus : [λ ] 2 E X +Y Eλ X +Y = λ 2 E [λ ] 2 E X + Y Eλ X + Y = λ 2 V X + 2 λ covx, Y + V Y X EX 2 +2 λ E X EX Y EY +E Aisi V λ X + Y existe et vut λ 2 V X + 2 λ covx, Y + V Y Y EY 2 Pour tout réel λ, λ X + Y possède ue vrice et V λ X + Y = λ 2 V X + 2 λ covx, Y + V Y 2 Posos λ R, P λ = V λ X + Y

8 8 λ R, P λ = λ 2 V X + 2 λ covx, Y + V Y, λ R, P λ = V λ X + Y 0 et V X > 0 P est doc u polyôme du secod degré à coefficiets réels qui e pred que des vleurs positives ou ulles Aisi P e peut voir deux rcies réelles distictes Pr coséquet so discrimit est égtif ou ul 2 2 Doc 2 covx, Y 4 V X V Y 0 Aisi covx, Y V X V Y 0 Filemet : covx, Y 2 V X V Y Repreos les ottios de Supposos covx, Y 2 = V X V Y lors le discrimit de P est ul Aisi P dmet ue rcie réelle d ordre 2 que ous oteros λ 0 Alors V λ 0 X + Y = 0 Réciproquemet supposos qu il existe λ 0 ds R tel que V λ 0 X + Y = 0 Alors P dmet u mois ue rcie réelle So discrimit, qui est égtif ou ul e peut être strictemet égtif ; il est doc ul Alors 2 covx, Y 2 4 V X V Y = 0 doc covx, Y 2 = V X V Y Filemet covx, Y 2 = V X V Y si et seulemet si il existe u réel λ0 tel que V λ 0 X + Y = 0 covx, Y 2 = V X V Y si et seulemet si il existe u réel λ0 tel que V λ 0 X + Y = 0 Soit λ 0 u réel V λ 0 X + Y = 0 si et seulemet si λ 0 X + Y est presque sûremet costte Aisi : V λ 0 X + Y = 0 si et seulemet si il existe u réel tel que P λ 0 X + Y = = ou P Y = λ 0 X + = Alors : 2 covx, Y = V X V Y si et seulemet si il existe deux réels et tels que P Y = X + = Prtie I : Etude d ue foctio de deux vriles Nous supposeros ici que A est strictemet positif Notos que ]0, A[ ]0, + [ est u ouvert de R 2 comme produit de deux ouverts de R, est de clsse C sur ]0, A[ ]0, + [ comme foctio rtioelle, +S est de clsse C sur ]0, A[ ]0, + [ comme foctio rtioelle et t e t est de clsse C sur R ; pr compositio, e +S est de clsse C sur ]0, A[ ]0, + [ Alors pr produit, e +S est de clsse C sur ]0, A[ ]0, + [ Si A est strictemet positif, L est de clsse C sur l ouvert ]0, A[ ]0, + [

9 Supposos lors que L dmette u extremum e u poit, de l ouvert ]0, A[ ]0, + [ Alors, est u poit critique de L E prticulier L, = 0 Doc e +S = 0 ce qui est impossile 9 Si A est strictemet positif, L dmet ps d extremum sur l ouvert ]0, A[ ]0, + [ 2 Nous supposeros ds l première prtie de l questio que A est strictemet positif Soit u élémet de [0, A[ et u élémet de ]0, + [ étt strictemet positif : + > A + étt strictemet égtif : + S < A + S t e t étt strictemet croisste sur R : e +S < e A+S Alors : e +S < e A+S cr est strictemet positif Filemet : si A est strictemet positif, [0, A[, ]0, + [, L, < L A, Ici A est simplemet positif ou ul ]A, + [, ]0, + [, L, = 0 < e A+S = L A, Aisi : ]A, + [, ]0, + [, L, < L A, Filemet : [0, + [ {A}, ]0, + [, L, < L A, 3 g est dérivle sur ]0, + [ et ]0, + [, g = + e A+S + A + S 2 e A+S ]0, + [, g = +2 A + S e A+S ]0, + [, g > 0 A + S > 0 < S A ]0, + [, g < 0 A + S < 0 > S A Posos 0 = S A = S A et remrquos que 0 pprtiet à ]0, + [ cr > 0 et S > A O peut lors dire que g est strictemet croisste sur ]0, 0 ] et strictemet décroisste sur [ 0, + [ Aisi g dmet u mximum solu sur ]0, + [ rélisé e le seul poit 0 g dmet u mximum solu sur ]0, + [ rélisé e u poit 0 et u seul De plus 0 = S A

10 4 Posos 0 = A et rppelos que 0 = S A Soit, u poit de [0, + [ ]0, + [ distict de 0, 0 Supposos 0 Alors A doc L, < L A, = g g 0 = L 0, 0 d près et 3 Doc L, < L 0, 0 Supposos = 0 Alors = A et 0 Aisi L, = L A, = g < g 0 = L 0, 0 d près 3 O ecore L, < L 0, 0 Filemet, [0, + [ ]0, + [ { 0, 0 }, L, < L 0, 0 Aisi : 0 L dmet u mximum solu sur [0, + [ ]0, + [ rélisé e u poit 0, 0 et u seul De plus 0, 0 = A, S A Prtie II : Etude d ue loi x x e est cotiue sur R doc f, est cotiue SUR [, + [ De plus f, est ulle sur ], [ doc f, est cotiue SUR cet itervlle Ceci suffit pour dire que f, est u mois cotiue sur R {} doc sur R privé d u omre fii de poits x [, + [, f, x = est positive sur R x e f, est ulle sur ], [ doc 0 Comme f, est ulle sur ], [ o peut doc ffirmer que f, Rppelos que f, est cotiue sur [, + [ x [, + [, Or Aisi lim x + e x lim x + Filemet f, t dt = = cr lim x + f, t dt = Alors f, t dt existe et vut 0 t e dt = x ] x [ e t = x e = puisque est strictemet positif f, t dt existe et vut f, t dt existe et vut Ce qui chève de motrer que : f, est ue desité de proilité 2 Notos F, l foctio de réprtitio de X x R, F, x = f, est ulle sur ], [ doc x ], [, F, x = f, t dt = 0 f, t dt

11 De plus x [, + [, F, x = f, t dt = { e x si x [, + [ Filemet : x R, F, x = 0 sio f, t dt = e x d près le clcul fit plus hut { e x si x [, + [ L foctio de réprtitio F, de X est défiie pr : x R, F, x = 0 sio 3 Soit G, l foctio de réprtitio de Y x R, G, x = P Y x = P X x + = F, x + Alors si x ], 0[ o : x + ], [ et G, x = F, x + = 0 Si x [0, + [ o : x + [, + [ et G, x = F, x + = e x+ = e x { e x si x [0, + [ Filemet x R, G, x = 0 sio O recoît lors l foctio de réprtitio d ue vrile létoire qui suit l loi expoetielle de prmètre Y = X suit l loi expoetielle de prmètre Le cours idique que Y possède ue espérce qui vut et ue vrice qui vut 2 Comme X = Y +, X possède ue espérce qui vut EY +, c est à dire +, et ue vrice qui vut V Y, c est à dire 2 EX existe et vut + V X existe et vut 2 4 Soit p u élémet de N EX p existe si et seulemet si Or t t p f, t est ulle sur ], [ et cotiue sur [, + [ t p f, t dt coverge et e cs d existece EX p = Motros lors pr récurrece que pour tout élémet p de N, L propriété est vrie pour p = 0 cr t p f, t dt coverge Aisi EX p existe si et seulemet si t p f, t dt f, t dt coverge et vut t p f, t dt coverge Soit p u élémet de N Supposos que l propriété est vrie pour p et motros l pour p Posos t [, + [, ut = t p et vt = e t u et v sot de clsse C sur [, + [ et t [, + [, u t = p t p et v t = f, t ] x Dès lors e itégrt pr prties il viet : x [, + [, t p f, t dt = [ t p e t +p t p e t dt

12 Aisi : x [, + [, Or, pr croissce comprée, t p f, t dt = p x p e x lim x + t p f, t dt cr p est ps ul Pr hypothèse de récurrece s chève Notos ecore que l existece de mis doe églemet l églité : + p p x p e x = p doc t p f, t dt coverge, doc + t p f, t dt 2 t p f, t dt est de même ture que : t p f, t dt coverge et l récurrece t p f, t dt doe o seulemet l existece de t p f, t dt = p + p Ce qui précède motre que, pour tout élémet p de N, de N, EX p existe De plus p N, EX p = t p f, t dt = p + p Pour tout élémet p de N, EX p existe t p f, t dt t p f, t dt t p f, t dt coverge, doc pour tout élémet p t p f, t dt = p + p EX p Pour tout élémet p de N, EX p = p + p EX p Exercice Motrer que : p N, EX p = p p! p k=0 k k k! 5 Posos Z = l U + Notos F Z l foctio de réprtitio de cette vrile létoire dixit le texte 0 si x ], 0[ Notos F U l foctio de réprtitio de U x R, F U x = x si x [0, [ si x [, + [ x R, F Z x = P Z x = P l U + x = P l U x cr est strictemet positif x R, F Z x = P U e x = P U e x = F U e x Si x est u réel de l itervlle ], [, e x est strictemet égtif et : F Z x = F U e x = 0 Si x est u réel de l itervlle [, + [, e x pprtiet à [0, [ et : F Z x = F U e x L foctio de réprtitio de Z = l U + est l même que celle de X Pr coséquet : = e x l U + suit l loi E,

13 3 Tout est dit ds! fuctio tirge,:rel:rel; 2 egi 3 tirge:=-*l-rdom+; 4 ed; Prtie III : Estimtio des prmêtres et Voici l totlité d u progrmme qui simule S = X + X X et Y = MiX, X 2,, X progrmme Ecricome2007; 2 3 fuctio tirge,:rel:rel; 4 egi 5 tirge:=-*l-rdom+; 6 ed; 7 8 vr i,:iteger;,,x,s,y:rel; 9 0 egi rdomize; 2 write Doer = ;redl; 3 write Doer = ;redl; 4 write Doer = ;redl; 5 6 S:=tirge,;Y:=S; 7 8 for i:=2 to do 9 egi 20 X:=tirge,; 2 S:=S+X; 22 if X<Y the Y:=X; 23 ed; writel S_,, pris l vleur :,S; 26 writel Y_,, pris l vleur :,Y; 27 ed 2 Soit u élémet de [2, + [ X, X 2,, X sot vriles létoires qui possèdet ue espérce qui vut + doc S = X + X X possède ue espérce qui vut EX + EX EX c est à dire + X, X 2,, X sot vriles létoires idépedtes qui possèdet ue vrice qui vut 2 doc S = X + X X possède ue vrice qui vut V X + V X V X c est à dire 2 Pour tout ds [2, + [, S possède ue espérce qui vut + et ue vrice qui vut 2

14 3 Soit u élémet de [2, + [ X, X 2,, X sot vriles létoires idépedtes qui suivet l loi E, doc X, X 2,, X sot vriles létoires idépedtes qui suivet l loi expoetielle de prmètre Le cours motre lors que : X + X X suit l loi gmm de prmètres et, ceci pour tout ds [2, + [ Posos T = X + X X T Γ, e t t Posos t R, f T t = si t ]0, + [ Γ f T est ue desité de T 0 sio Comme S = T +, S est ue vrile létoire à desité dmettt pour desité f S : t f T t e t t Notos que t R, f S t = si t ], + [ Γ et rppelos que Γ =! 0 sio Pour tout ds [2, + [, S est ue vrile létoire réelle à desité dmettt pour desité l foctio f S défiie pr : t R, f S t = e t t! 0 sio si t ], + [ 4 4 Soit u élémet de [2, + [ Notos F Y l foctio de réprtitio de Y = MiX, X 2,, X et oservos que Y pred ses vleurs ds [, + [ x ], [, F Y x = 0 Soit x u élémet de [, + [ F Y x = P MiX, X 2,, X x = P MiX, X 2,, X > x F Y x = P {X > x} {X 2 > x} {X > x} = P X > x P X 2 > x P X > x cr X, X 2,, X sot idépedtes Notos que i [, ], P X i > x = P X i x = e x Aisi F Y x = e x Filemet x R, F Y x = dire que Y suit l loi E, = e x / { 0 si x ], [ e x / si x [, + [ E prticulier EY existe et vut +, V X existe et vut = e x cr x pprtiet à [, + [ Comme / est strictemet positif o peut 2

15 5 Pour tout élémet de [2, + [, Y suit l loi E,, EY = + et V Y = 2 5 Soit ds [2, + [ Notos que Y possède u momet d ordre 2 doc o peut prler du iis resp du risque qudrtique de Y e tt qu estimteur de Nous oteros Y ce iis et r Y ce risque qudrtique Y = EY = + = Pour tout ds [2, + [, le iis de Y = MiX, X 2,, X e tt qu estimteur de est : r Y = E Y 2 r Y vut ecore V Y + Y Aisi r Y = + = 2 Pour tout ds [[2, + [, le risque qudrtique de Y = MiX, X 2,, X e tt qu estimteur de 2 est : 2 Rppelos l iéglité de Mrkov pour ue vrile létoire dmettt u momet d ordre 2 Si W est ue vrile létoire réelle discrète ou à desité qui possède u momet d ordre 2 : ε R +, P W ε EW 2 ε 2 Soit u élémet de [2, + [ Soit ε u élémet de R + Y possède u momet d ordre 2 qui vut r Y = 2 2 Le rppel permet d écrire : 0 P Y ε E Y 2 lim ε 2 = r Y ε 2 = 2 2 ε ε 2 = 0 doc pr ecdremet o 2 lim positif Alors l suite Y coverge e proilité vers l vrile létoire certie égle à De plus lim EY = lim + = Les deux poits précédets motret lors que : P Y ε = 0 et ceci pour tout réel ε strictemet Y est ue suite d estimteurs de symptotiquemet ss iis, covergete

16 6 Soit ds [2, + [ S et Y possèdet ue espérce doc Z = S Y possède ue espérce Nous pouvos isi prler du iis de Z e tt qu estimteur de Nous le oteros Z Z = EZ = ES EY = + + = 6 Notos que Pour tout ds [2, + [, le iis de Z = S Y e tt qu estimteur de est : lim Z = 0 doc lim EZ = Soit ds [2, + [ S et Y possèdet ue vrice doc Z = S Y possède ue vrice Aisi Z possède u momet d ordre 2 et ous pouvos prler du risque qudrtique de Z e tt qu estimteur de Nous le oteros r Z Notos que V Z = Doc V Z = 2 2 covs, Y V S 2 covs, Y + V Y = covs, Y + r Z = V Z + Z 2 = 2 2 covs, Y = covs, Y Pour tout ds [2, + [, le risque qudrtique de Z = S Y e tt qu estimteur de est : c Soit ε u élémet de R + Soit ds [2, + [ covs, Y Z possèdt u momet d ordre 2, ous pouvos écrire comme ds 5 : 0 P Z ε E Z 2 ε 2 = r Z ε 2 = 2 2 ε covs, Y Or 2 covs, Y 2 covs, Y 2 V S V Y d près le prélimiire Aisi 2 covs, Y 2 V S V Y = = 2 2 Alors 0 P Z ε 2 2 ε Comme lim ε = 0, il viet pr ecdremet lim P Z ε = 0 et ceci pour tout réel ε strictemet positif L suite Z coverge e proilité vers l vrile létoire certie égle à Rppelos que lim EZ = Aisi :

17 7 Z est ue suite d estimteurs de symptotiquemet ss iis, covergete 7 Nous supposeros ds l suite que x, x 2,, x sot des réels positifs ou uls Soit, u élémet de [0, + [ ]0, + [ Supposos que Mi{x, x 2,, x } pprtiet ps à [, + [ ; c est à dire que > Mi{x, x 2,, x } Alors il existe u élémet i 0 de [, ] tel que x i0 doe L, = 0 pprtieet à ], [ doc tel que f, x i0 = 0 ce qui Supposos que Mi{x, x 2,, x } pprtiet à [, + [ ; c est à dire que Mi{x, x 2,, x } Alors i [, ], x i [, + [ doc i [, ], f, x i = x e i Doc : x i L, = e = x i e i= = e x i i= = e i= Cocluos Pour cel posos S = x i et A = Mi{x, x 2,, x } i= + { Nous veos de prouver que, [0, + [ ]0, + [, L, = e +S si 0 A 0 si > A Oservos que pprtiet à N et que A et S sot deux réels positifs ou uls Motros que S > A S = i= x i i= Mi{x, x 2,, x } = A doc S A Notos que si S = A lors i [, ], x i = Mi{x, x 2,, x } Mi{x, x 2,, x } = Mx{x, x 2,, x } ce qui cotredit l hypothèse Ceci chève de motrer que : i= x i Doc x = x 2 = = x et lors L est l foctio L de I vec A = Mi{x, x 2,, x } et S = L estimtio de oteue sur l échtillo x, x 2,, x à prtir de Y = MiX, X 2,, X est : Mi{x, x 2,, x } c est à dire A doc 0 L estimtio de oteue sur l échtillo x, x 2,, x à prtir de Z = S Y est x + x x Mi{x, x 2,, x } c est à dire S A doc 0 Les estimtios de et oteues sur l échtillo x, x 2,, x à prtir de Y et Z sot les vleurs 0 et 0 oteues ds l prties I Les spécilistes dirot que les estimteurs Y et Z de et ot été oteus e utilist le mximum de vrisemlce i= x i

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

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

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C. 16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme

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

[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

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

. (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 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

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

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

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

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

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

* 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

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

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

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

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

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3 1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que

Plus en détail

Synthèse de cours (Terminale S) Calcul intégral

Synthèse de cours (Terminale S) Calcul intégral Synthèse de cours (Terminle S) Clcul intégrl Intégrle d une onction continue positive sur un intervlle [;] Dns cette première prtie, on considère une onction continue positive sur un intervlle [ ; ] (

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

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

La spirale de Théodore bis, et la suite «somme=produit».

La spirale de Théodore bis, et la suite «somme=produit». Etde d e vrite de l spirle de Théodore, dot issce à e site dot les sommes prtielles sot égles x prodits prtiels. Mots clés : spirle de Théodore, théorème de Pythgore, site, série, polyôme. L spirle de

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

Solutions particulières d une équation différentielle...

Solutions particulières d une équation différentielle... Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mthémtiques nnée 2009-2010 Chpitre 2 Le prolème de l unicité des solutions 1 Le prolème et quelques réponses : 1.1 Un exemple Montrer que l éqution différentielle :

Plus en détail

Déroulement de l épreuve de mathématiques

Déroulement de l épreuve de mathématiques Dérouleet de l épreuve de thétiques MATHÉMATIQUES Extrit de l ote de service 2012-029 du 24 février 2012 (BOEN 13 du 29-3-2012) Durée de l épreuve : 2 heures Nture de l épreuve : écrite pr le socle cou

Plus en détail

Intégrales généralisées

Intégrales généralisées 3 Iégrles géérlisées Pour ce chpire, les focios cosidérées so priori défiies sur u iervlle réel I o rédui à u poi, à vleurs réelles ou complees e coiues pr morceu. L défiiio e les propriéés de l iégrle

Plus en détail

A11 : La représentation chaînée (1ère partie)

A11 : La représentation chaînée (1ère partie) A11 : L représettio chîée (1ère prtie) - Défiitio et schéms de cosulttio - Schéms de mise à jour (isertio, suppressio) - Exemples J-P. Peyri - L représettio chîée (première prtie) 0 Pricipe de l représettio

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

Séquence 8. Probabilité : lois à densité. Sommaire

Séquence 8. Probabilité : lois à densité. Sommaire Séquence 8 Proilité : lois à densité Sommire. Prérequis 2. Lois de proilité à densité sur un intervlle 3. Lois uniformes 4. Lois exponentielles 5. Synthèse de l séquence Dns cette séquence, on introduit

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

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

Théorème de Poincaré - Formule de Green-Riemann

Théorème de Poincaré - Formule de Green-Riemann Chpitre 11 Théorème de Poincré - Formule de Green-Riemnn Ce chpitre s inscrit dns l continuité du précédent. On vu à l proposition 1.16 que les formes différentielles sont bien plus grébles à mnipuler

Plus en détail

LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER

LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE Unité d enseignement LCMA 4U ANALYSE 3 Frnçoise GEANDIER Université Henri Poincré Nncy I Déprtement de Mthémtiques . Tble des mtières I Séries numériques. Séries

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

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

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

Correction de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (

Correction de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) ( Correction de l épreuve CCP PSI Mths PREMIÈRE PARTIE I- Soit t u voisinge de, t Alors ϕt t s = ϕt ρt s ρs Pr hypothèse, l fonction ϕt ϕt est lorsque t, il en est donc de même de ρt s ρt s ρs cr ρ s est

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

Exercices de mathématiques

Exercices de mathématiques MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. 14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,

Plus en détail

Ce document a été mis en ligne par le Canopé de l académie de Montpellier pour la Base Nationale des Sujets d Examens de l enseignement professionnel.

Ce document a été mis en ligne par le Canopé de l académie de Montpellier pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Ce document a été mis en ligne par le Canopé de l académie de Montpellier pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Ce fichier numérique ne peut être reproduit, représenté,

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

DETERMINANTS. a b et a'

DETERMINANTS. a b et a' 2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio

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 descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie

Plus en 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

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.

Plus en détail

Tout ce qu il faut savoir en math

Tout ce qu il faut savoir en math Tout ce qu il fut svoir en mth 1 Pourcentge Prendre un pourcentge t % d un quntité : t Clculer le pourcentge d une quntité pr rpport à une quntité b : Le coefficient multiplicteur CM pour une ugmenttion

Plus en détail

STI2D Logique binaire SIN. L' Algèbre de BOOLE

STI2D Logique binaire SIN. L' Algèbre de BOOLE L' Algère de BOOLE L'lgère de Boole est l prtie des mthémtiques, de l logique et de l'électronique qui s'intéresse ux opértions et ux fonctions sur les vriles logiques. Le nom provient de George Boole.

Plus en détail

Des résultats d irrationalité pour deux fonctions particulières

Des résultats d irrationalité pour deux fonctions particulières Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received

Plus en détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et

Plus en détail

Séries numériques. Chap. 02 : cours complet.

Séries numériques. Chap. 02 : cours complet. Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm

Plus en détail

Dérivées d ordres supérieurs. Application à l étude d extrema.

Dérivées d ordres supérieurs. Application à l étude d extrema. Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une

Plus en détail

Calcul différentiel sur R n Première partie

Calcul différentiel sur R n Première partie Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité

Plus en détail

Chaînes de Markov. Arthur Charpentier

Chaînes de Markov. Arthur Charpentier Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.

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

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin. Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).

Plus en détail

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 3 : Transistor bipolaire à jonction Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats

Plus en détail

Université Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO

Université Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO Université Pris-Duphine DUMI2E UFR Mthémtiques de l décision Notes de cours Anlyse 2 Filippo SANTAMBROGIO Année 2008 2 Tble des mtières 1 Optimistion de fonctions continues et dérivbles 5 1.1 Continuité........................................

Plus en détail

Cours d Analyse. Fonctions de plusieurs variables

Cours d Analyse. Fonctions de plusieurs variables Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........

Plus en détail

L'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états.

L'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états. ciences Industrielles ystèmes comintoires Ppnicol Roert Lycée Jcques Amyot I - YTEME COMBINATOIRE A. Algère de Boole. Vriles logiques: Un signl réel est une grndeur physique en générl continue, on ssocie

Plus en détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

n tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...

n tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :... Nom:... Préom :... Chaque répose peut valoir : c) 2 poits si le choix est totalemet exact + poit si le choix est partiellemet exact + 0 poit si le choix est erroé + -i poit si le choix est u coeses Ue

Plus en détail

a g c d n d e s e s m b

a g c d n d e s e s m b PPrrooppoossiittiioo 22001111JJPP 22770055 000011 uu 0088 fféévvrriirr 22001111 VVlliiiittéé jjuussqquu uu 3300//0044//22001111 tim c ir tv é p g c h u i rè s G A Z iv lu s IC.G R é c lo y m ip s 9 r7

Plus en détail

Chapitre 11 : L inductance

Chapitre 11 : L inductance Chpitre : inductnce Exercices E. On donne A πr 4π 4 metn N 8 spires/m. () Selon l exemple., µ n A 4π 7 (8) 4π 4 (,5) 5 µh (b) À prtir de l éqution.4, on trouve ξ ξ 4 3 5 6 6,3 A/s E. On donne A πr,5π 4

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières

Plus en détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. 1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le

Plus en détail

Estimation des incertitudes sur les erreurs de mesure.

Estimation des incertitudes sur les erreurs de mesure. Estmto des certtdes sr les errers de mesre. I. Itrodcto : E sceces epérmetles, l este ps de mesres ectes. Celle-c e pevet être q etchées d errers pls o mos mporttes selo le protocole chos, l qlté des strmets

Plus en détail

Commun à tous les candidats

Commun à tous les candidats EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle

Plus en détail

semestre 3 des Licences MISM annnée universitaire 2004-2005

semestre 3 des Licences MISM annnée universitaire 2004-2005 MATHÉMATIQUES 3 semestre 3 des Licences MISM nnnée universitire 24-25 Driss BOULARAS 2 Tble des mtières Rppels 5. Ensembles et opértions sur les ensembles.................. 5.. Prties d un ensemble.........................

Plus en détail

Intégrale et primitives

Intégrale et primitives Chpitre 5 Intégrle et primitives 5. Ojetif On herhe dns e hpitre à onstruire l opérteur réiproue de l opérteur de dérivtion. Les deux uestions suivntes sont lors nturelles. Question : Soit f une pplition

Plus en détail

Module 2 : Déterminant d une matrice

Module 2 : Déterminant d une matrice L Mth Stt Module les déterminnts M Module : Déterminnt d une mtrice Unité : Déterminnt d une mtrice x Soit une mtrice lignes et colonnes (,) c b d Pr définition, son déterminnt est le nombre réel noté

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe

Plus en détail

Équations non linéaires

Équations non linéaires Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et

Plus en détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - Polynômes : corrigé. Opérations sur les polynômes Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)

Plus en détail

Intégrales doubles et triples - M

Intégrales doubles et triples - M Intégrales s et - fournie@mip.ups-tlse.fr 1/27 - Intégrales (rappel) Rappels Approximation éfinition : Intégrale définie Soit f définie continue sur I = [a, b] telle que f (x) > 3 2.5 2 1.5 1.5.5 1 1.5

Plus en détail

Cours d Analyse IV Suites et Séries de fonctions

Cours d Analyse IV Suites et Séries de fonctions Université Clude Bernrd, Lyon I Licence Sciences, Technologies & Snté 43, boulevrd 11 novembre 1918 Spécilité Mthémtiques 69622 Villeurbnne cedex, Frnce L. Pujo-Menjouet pujo@mth.univ-lyon1.fr Cours d

Plus en détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

ANALYSE NUMERIQUE NON-LINEAIRE

ANALYSE NUMERIQUE NON-LINEAIRE Université de Metz Licence de Mthémtiques - 3ème nnée 1er semestre ANALYSE NUMERIQUE NON-LINEAIRE pr Rlph Chill Lbortoire de Mthémtiques et Applictions de Metz Année 010/11 1 Tble des mtières Chpitre

Plus en détail

Espérance conditionnelle

Espérance conditionnelle Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle

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

Chapitre 2. Matrices

Chapitre 2. Matrices Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 30 avril 2015 Enoncés 1

[http://mp.cpgedupuydelome.fr] édité le 30 avril 2015 Enoncés 1 [http://mpcpgedupuydelomefr] édité le 3 avril 215 Enoncés 1 Exercice 1 [ 265 ] [correction] On note V l ensemble des matrices à coefficients entiers du type a b c d d a b c c d a b b c d a et G l ensemble

Plus en détail

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48 Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation

Plus en détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions. 3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios

Plus en détail