ECRICOME 2007 S J.F. COSSUTTA Lycée Marcelin BERTHELOT SAINT-MAUR EXERCICE o(x2 ), et v(x) = ln(1 + x) = x x2
|
|
- Georges Guérin
- il y a 3 ans
- Total affichages :
Transcription
1 ECRICOME 2007 S JF COSSUTTA Lycée Mrceli BERTHELOT SAINT-MAUR je-frcoiscossutt@wdoofr 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
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 détailEtude 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 détail16.1 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 détailx +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 détailChapitre 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 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 détailSéries 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
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
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 détailLimites 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 détailIntégration 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 détail1 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 détailCHAPITRE 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 détailExo7. 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
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 détailExercice 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 détailSuites 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 détailProcessus 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 détailComportement 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 détailGroupe 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 détailSynthèse 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 détailLes 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 détailConvergences 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 détailLa 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 détail14 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 détailSolutions 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 détailChapitre 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 détailDéroulement 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 détailIntégrales 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 détailA11 : 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 détailSÉRIES 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 détailSéquence 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 détail20. 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 détailSéquence 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 détailThéorème 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 détailLICENCE 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 détailCours 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 détailCours 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 détailSTATISTIQUE 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 détailCorrection 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 détailIntroduction : 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 détailExercices 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 détailEXERCICES : 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 détail4 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 détailDénombrement. 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 détailExercice 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 détailCe 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 détailFEUILLE 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 détailDETERMINANTS. 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 détailPolynésie 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 détailStatistique 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 détailPROBLEMES 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 détailSTATISTIQUE : 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 détailUNIVERSITE 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 détailDénombrement. 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 détailTout 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 détailSTI2D 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 détailDes 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 détailExercices - 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 détail2 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 détailI - 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 détailSéries 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 détailDérivées 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 détailCalcul 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 détailChaînes 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 détailProcessus 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 détailExo7. 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 détailProbabilités 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 détailChapitre 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 détailUniversité 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 détailCours 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 détailL'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 détailExamen 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 détailDeuxième 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 détailConsolidation. 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 détailLES 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 détailn 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 détaila 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 détailChapitre 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 détailPROMENADE 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 détailCalcul 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 détailEstimation 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 détailCommun 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 détailsemestre 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 détailIntégrale 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 détailModule 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 détailLE 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 détailÉquations 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 détailExercices - 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 détailIntégrales 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 détailCours 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 détailModule 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 détailANALYSE 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 détailEspérance 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 détailII 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 détailChapitre 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://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 détailMéthodes 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 détail3.1 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