Enoncés. b) Déterminer la loi de Z et montrer que Z suit une loi binomiale dont on précisera les paramètres.

Dimension: px
Commencer à balayer dès la page:

Download "Enoncés. b) Déterminer la loi de Z et montrer que Z suit une loi binomiale dont on précisera les paramètres."

Transcription

1 Eocés Eercce Soet * lîn et p Î ],[. Sot N la varable aléatore égale au ombre de clets d'u marchad de fruts et légumes u jour doé. O suppose que N sut ue lo de Posso de paramètre l et que chaque clet achète des fruts avec ue probablté p et des légumes avec ue probablté q = - p(o suppose que les clets e peuvet acheter à la fos des fruts et des légumes). O suppose que les achats des dfférets clets sot dépedats. Soet X la varable aléatore égale au ombre de clets achetat des fruts et Y la varable aléatore égale au ombre de clets achetat des légumes. ) Détermer la lo cojote de (X,Y). 2) a) Détermer les los margales de X et de Y. b) Les varables aléatores X et Y sot-elles dépedates? E dédure cov(x,y) et E(XY). Eercce 2 Sot u eter aturel o ul et p Î ],[. Ue secrétare effectue appels téléphoques vers correspodats dstcts. O admet que les appels costtuet epéreces de Beroull dépedates de même paramètre p. Sot X la varable aléatore égale au ombre de correspodats obteus. ) Détermer la lo de X, so espérace et sa varace. 2) La secrétare rappelle ue secode fos, et das les mêmes codtos, chacu des correspodats qu'elle 'a pu jodre au cours de la premère sére d'appels. Soet alors Y la varable aléatore égale au ombre de persoes jotes au cours de cette secode sére d'appels et Z = X + Y la varable aléatore égale au ombre total de correspodats obteus lors de ces deu séres d'appels. a) Détermer, pour tout Î,, la lo codtoelle de Y sachat [X = ]. b) Détermer la lo de Z et motrer que Z sut ue lo bomale dot o précsera les paramètres. Page Matthas FEGYVERES Stéphae PRETESEILLE EduKlub S.. Tous drots de l auteur des œuvres réservés. Sauf autorsato, la reproducto as que toute utlsato des œuvres autre que la cosultato dvduelle et prvée sot terdtes. Fcher gééré pour Vsteur (), le 7/9/26

2 Eercce 3 Soet X ue varable aléatore à valeurs das ue parte de N et u évéemet de l'espace probablsé cosdéré, tel que p() ¹. Sous réserve d'estece, o appelle espérace de la varable aléatore X codtoée par l'évéemet et o ote E( X ) le réel déf par : E( X ) p [X = ] =. ( Î W) ) Soet X ue varable aléatore et u évéemet vérfat les hypothèses précédetes. O suppose e outre que p() ¹ et que X admet ue espérace. a) Motrer que E( X ) et E( X ) estet. b) Etablr que : X E(X) = p()e( X ) + pe c) Sot * Î N. Quelle relato smlare peut-o détermer s X admet u momet d'ordre? 2) Soet X et Y deu varables aléatores à valeurs das N preat toutes leurs valeurs avec ue probablté o ulle. O suppose que Y admet ue espérace. a) Motrer que, pour tout Î Y b) Etablr que : N,E este. [X = ] Y ( [X = ] ) E(Y) = p(x = )E, (o pourra verser les deu sommes). c) Quelle relato smlare peut-o détermer s Y admet u momet d'ordre ( Î N * )? Page 2 Matthas FEGYVERES Stéphae PRETESEILLE EduKlub S.. Tous drots de l auteur des œuvres réservés. Sauf autorsato, la reproducto as que toute utlsato des œuvres autre que la cosultato dvduelle et prvée sot terdtes. Fcher gééré pour Vsteur (), le 7/9/26

3 Eercce 4 Pour toute varable aléatore X à valeurs das N, o ote G la focto : t G(t) p(x )t = = (lorsque X ÎN est au mos défe sur [-,] ). W est f, G est défe sur R et lorsque X( W ) est f, G ) Soet p u eter aturel supéreur ou égal à 2 et (X) pue famlle de varables aléatores mutuellemet dépedates à valeurs das,. E remarquat que, pour toute varable aléatore X à valeurs das,, o a : " Î R =, motrer que : t,g(t) E(t ) " t Î R,G = G(t). p p 2) Sot (X) * ue famlle de varables aléatores mutuellemet dépedates à valeurs das N. ÎN E remarquat que, pour toute varable aléatore X à valeurs das N, o a : " t Î[ -,],G (t) = E(t ), motrer que : * " Î N,t " Î[,],G - (t) = G(t). = Page 3 Matthas FEGYVERES Stéphae PRETESEILLE EduKlub S.. Tous drots de l auteur des œuvres réservés. Sauf autorsato, la reproducto as que toute utlsato des œuvres autre que la cosultato dvduelle et prvée sot terdtes. Fcher gééré pour Vsteur (), le 7/9/26

4 Correcto Eercce ) D après l éocé, o a claremet : (X,Y) achetat des fruts ou des légumes), o a égalemet : 2 W = N. De plus, comme X+Y=N (chacu des clets 2 "(,j) Î N,p[X = ] Ç [Y = j] = p[x = ] Ç[N- X= j] d où = p[x ( = ] Ç [N= + j] ) sot, d après la formule des X = = p p(n= + j). N = + j Or, comme chaque clet achète des fruts avec ue probablté p, pour tout probabltés composées : 2 (,j) Î N, sachat que le ombre total de clets N est égal à +j, X sut ue lo bomale de paramètres +j et p. O peut alors écrre : X = "(,j) Î N 2,p = C pq j. + j N= + j De plus, comme N sut ue lo de Posso de paramètre l, o peut égalemet écrre : + j 2 -l l (,j),p(n j) e ( + j)! " Î N = + =. O e dédut alors : l " Î N = Ç = = sot : + j 2 j -l (,j),p[x ( ] [Y j] ) C+ jpq e ( + j)! -l (p) l (q) l = e.! j! O peut désormas coclure : 2 2 -l (p) l (q) l (X,Y)( W ) = N et "(,j) Î N,p[X = ] Ç [Y = j] = e! j! 2) a) O a : X( W ) = N. Comme o a égalemet Y( W ) = N, o peut écrre : jîn "Î N,[X = ] = [X = ] Ç [Y = j] sot, e passat au probabltés : Page 4 Matthas FEGYVERES Stéphae PRETESEILLE EduKlub S.. Tous drots de l auteur des œuvres réservés. Sauf autorsato, la reproducto as que toute utlsato des œuvres autre que la cosultato dvduelle et prvée sot terdtes. Fcher gééré pour Vsteur (), le 7/9/26

5 æ ö "Î N,p(X = ) = p ([X ] [Y j] ) = Ç = ç sot ecore, l uo état dsjote (l e peut y avor çè jî N ø smultaémet u jour doé j et j clets achetat des légumes avec j ¹ j' ) : jîn = p[x = ] Ç [Y = j] et doc, d après les résultats de la questo précédete : = e jîn j -l (p) l (q) l! j!.e. : j -l (p) l (q) l = e sot ef, e recoassat la somme d ue sére! j! j= epoetelle : -l(p) l lq = e e et doc :! -l(-q) (p) l = e d où, comme -q=p :! -lp (p) l = e.! X et Y mus de leurs paramètres respectfs p et q jouat des rôles symétrques, o -lq (q) l peut égalemet écrre : Y( W ) = N et " Î N,p(Y = ) = e. O peut désormas! coclure que X et Y suvet des los de Posso de paramètres respectfs l p et l q,.e. : P(lp) et X P(lq),.e. : ìï -lp (p) l ïp(x = ) = e! X( W ) = Y( W ) = N et "Î N, ïí -q l (q) l ïp(y=)=e ïî! b) O e dédut alors : 2 -lp(p) l -lq(q) l "(,j) Î N,p(X = ) p(y = j) = e e.e. :! j! j -l(p+ q) (p) l (q) l = e sot, comme p+q= :! j! -l (p) l (q) l = e.e. :! j! = p[x ( = ] Ç [Y = j] ). Page 5 Matthas FEGYVERES Stéphae PRETESEILLE EduKlub S.. Tous drots de l auteur des œuvres réservés. Sauf autorsato, la reproducto as que toute utlsato des œuvres autre que la cosultato dvduelle et prvée sot terdtes. Fcher gééré pour Vsteur (), le 7/9/26

6 O peut doc coclure : X et Y sot doc dépedates Comme X et Y sot dépedates, o peut alors écrre : cov(x,y) = et E(XY)=E(X)E(Y). Or, comme X et Y suvet des los de Posso de paramètres respectfs lp et l q, o peut écrre : E(X) =lp et E(Y)= l q, d où la cocluso : cov(x,y) = l 2 et E(XY)= pq Eercce 2 ) Comme X est le ombre de correspodats obteus, X représete le ombre de succès (obter u correspodat) lors de la réalsato de essas dépedats ( coups de téléphoe) d ue epérece à deu ssues possbles (jodre ou e pas jodre le correspodat) dot la probablté de succès est p. X sut doc ue lo bomale de paramètre et p. O e dédut alors : X B(,p),.e. : X( W ) =, et " Î,, p(x=)=c p(-p) -, d où : E(X)=p et V(X)=p(-p) 2) a) Pour tout Î,, s X=, lors de la secode sére d appels, la secrétare rappelle les - correspodats qu elle a pas réuss à jodre lors de la premère sére, et ce das les mêmes codtos que précédemmet. O dédut alors que s X = ( Î,), Y sut ue lo bomale de paramètres - et p, d où la cocluso : ( Y = -- ) - "Î,, " Î,-,p = C p(-p) X = b) Comme Z est le ombre total de correspodats jots à l ssue de la secode sére d appels, o a claremet : Z( W ) =,. De plus, comme Z=X+Y, o a : " Î,,[Z = ] = [X = ] Ç [Y = -] d où e passat au probabltés : Page 6 Matthas FEGYVERES Stéphae PRETESEILLE EduKlub S.. Tous drots de l auteur des œuvres réservés. Sauf autorsato, la reproducto as que toute utlsato des œuvres autre que la cosultato dvduelle et prvée sot terdtes. Fcher gééré pour Vsteur (), le 7/9/26

7 æ ö " Î,,p(Z = ) = p ([X = ] Ç [Y = -]) ç çè ø sot, l uo état dsjote (o e peut avor smultaémet [X=] et [X= ] avec ¹ ' ) : p[x ( ] [Y ] ) sot ecore, d après la formule des = = Ç = - ( Y = - ) probabltés composées : = p p(x = ) et doc, d après les résultats X = précédets : C - p ( p) Cp( p).e. : = CC -p( 2-- p) et comme, = " Î, "Î,, - CC = CC : - = Cp(-p) C(-p) sot ecore, à l ade de la formule du bôme de Newto : = Cp(-p) (2- p) d où la cocluso : 2-2 Z( W ) =, et " Î,, p(z=)=c (p(2 -p)) ((-p) ) - 2 Comme p(2-p)+(-p) 2 =, o peut mateat écrre que Z sut ue lo bomale de paramètres et p(2-p),.e. : Z B(,p(2-p)) Eercce 3 ) a) O a : [X = ] ( ) p([x = ] Ç) " ÎX( W ),p = d où comme : p[x ( = ] Ç ) p(x = ) p() [X = ] ( ) p(x = ) " ÎX( W ),p doc : p() [X = ] ( ) p(x = ) " ÎX( W ), p. p() (car ([X=] Ç) Ì [X=]) : Page 7 Matthas FEGYVERES Stéphae PRETESEILLE EduKlub S.. Tous drots de l auteur des œuvres réservés. Sauf autorsato, la reproducto as que toute utlsato des œuvres autre que la cosultato dvduelle et prvée sot terdtes. Fcher gééré pour Vsteur (), le 7/9/26

8 Or, comme X admet ue espérace, la sére de terme gééral p(x=) est covergete, doc comme p() est dépedat de, d après les théorèmes de comparaso des séres à termes postfs, la sére de terme gééral p [X = ] ( ) coverge. O peut doc coclure : E ( X ) este " Î W p(x = ), et comme X admet ue p() espérace, o peut coclure : De même, comme : X, p [X = ] E X este b) Comme X admet ue espérace, o peut écrre : E(X) = p(x = ) sot, d après la formule des probabltés totales, la famlle ÎX( W) ÎX( W) (,) état u système complet d évéemets de probabltés o ulles : [X ] pp [X ] æ ö = p()p = = ç + çè d où comme les séres de termes ø [X = ] [X = ] sot falemet : = p() p + p p ÎX( W) ÎX( W) géérau respectfs p [X = ] ( ) et p [X = ] ( ) coverget (car E( X ) et E X estet) : ( X ) X E(X) = p()e + pe c) O motrerat, par u rasoemet aalogue, que, s X admet u momet d'ordre, alors E( X ) et E( X ) estet, pus que : E(X ) = p()e X + p()e X Page 8 Matthas FEGYVERES Stéphae PRETESEILLE EduKlub S.. Tous drots de l auteur des œuvres réservés. Sauf autorsato, la reproducto as que toute utlsato des œuvres autre que la cosultato dvduelle et prvée sot terdtes. Fcher gééré pour Vsteur (), le 7/9/26

9 2) a) Sot ÎX( W ). Comme p(x = ) ¹, e substtuat [X = ] à et Y à X das le rasoemet de la questo.a, o peut coclure : Y Pour tout ÎX( W),E [X = ] este b) Comme Y admet ue espérace et comme Y est ue varable aléatore à valeurs das N, o a : E(Y) = p(y = ) sot, d'après la formule des probabltés totales, la famlle = = (X = ) ÎN état u système complet d'évéemets tous de probabltés o ulles : [Y ] æ ö = p(x )p = = ç [X = ] çè ø sot, l'verso des sommes fes état autorsées car Y admet ue espérace : æ p(x ) p [Y ] ö = ç ( [X ] ) d'où, comme, pour tout Î W Y = = ç çè = ø = o E(Y) = p(x = )E este: Y ( [X = ] ) X,E [X = ] c) O motrerat, par u rasoemet aalogue, que, s Y admet u momet d'ordre, Î W, Y alors pour tout X E [X = ] este, pus que : E(Y ) = p(x = )E Y ( (X = ] ) Page 9 Matthas FEGYVERES Stéphae PRETESEILLE EduKlub S.. Tous drots de l auteur des œuvres réservés. Sauf autorsato, la reproducto as que toute utlsato des œuvres autre que la cosultato dvduelle et prvée sot terdtes. Fcher gééré pour Vsteur (), le 7/9/26

10 Eercce 4 ) Comme pour tout t Î R, la focto t est défe e tout pot de N, doc e tout pot de,, pour toute varable aléatore X à valeurs das, telle que, pour tout este, o a (théorème de trasfert): t Î R,E(t ) " Î R = doc : t,g(t) E(t ) p(x )t. = = = Or, pour toute varable aléatore X à valeurs das,, o a égalemet : " t Î R,G (t) = p(x = )t = " Î R =. t,g(t) E(t ), doc, e recoassat E(t ), pour tout t Î R,E(t ) este et : Motros, par motée fe, que s les varables aléatores mutuellemet dépedates, alors : S les varables aléatores (X) à valeurs das, sot p " Î 2,p, " t Î R,G (t) = G(t). X (X) p sot mutuellemet dépedates, alors X et X 2 sot 2 dépedates, doc, pour tout t Î R,t et t sot dépedats. O peut alors écrre : " t Î R,E(t t ) = E(t )E(t ), sot: " t Î R,E(t ) = E(t )E(t ). E utlsat la remarque précédete, o e dédut alors : " t Î R,G + (t) = G 2 (t)g (t). La 2 proprété est doc be vérfée au rag =2. Sot Î 2,p- (s p ³ 3), supposos que : " t Î R,G (t) = G(t) = aléatores aléatores. Les varables (X) p état mutuellemet dépedates, pour tout t Î R, les varables X X+ t et t sot égalemet dépedates, d'où : æ ö æ ö X X X + X + " t Î R,E t = t Et = = E(t ).e. : ç ç è ø è ø + æ ö æ ö X X X+ " t Î R,E t Et = E(t ) ce qu s'écrt ecore, d'après la remarque précédete : ç ç è ø è ø Page Matthas FEGYVERES Stéphae PRETESEILLE EduKlub S.. Tous drots de l auteur des œuvres réservés. Sauf autorsato, la reproducto as que toute utlsato des œuvres autre que la cosultato dvduelle et prvée sot terdtes. Fcher gééré pour Vsteur (), le 7/9/26

11 " t Î R,G (t) = G (t)g (t) et doc, d'après l'hypothèse : + X X X+ æ ö ç G(t) G ç X X+ çè ø = ç (t).e. : + = G(t). = X s, o a be : " Î 2,p, " t Î R,G (t) = G(t). X X O peut alors coclure, pour =p : S (X) pest ue famlle de varables aléatores mutuellemet dépedates à valeurs das,, alors : " t Î R,G (t) = G(t) X X = 2) Comme pour tout t Î[,] -, l'applcato varable aléatore X à valeurs das N telle que, pour tout trasfert) : " t Î[ -,],E(t ) = p(x = )t. = t est défe e tout pot de N, pour toute t Î R,E(t ) este, o a (théorème de Or, pour toute varable aléatore X à valeurs das N, G est au mos défe sur [-,] et o peut écrre : absolumet doc " t Î R,G(t) = p(x = )t = E(t ) este et l'o a :. s, la sére de terme gééral p(x = )t coverge " Î - =. t [,],G (t) E(t ) Motros alors par récurrece, que s les varables aléatores mutuellemet dépedates, alors : X (X) * ÎN * " Î N,t " Î[,],G - (t) = G(t). = à valeurs das N sot u rag =, o a claremet : " t Î[ -,],G (t) = G (t). La proprété est doc be vérfée au rag. Sot * Î N, supposos. " t Î[ -,],G (t) = G(t) Page Matthas FEGYVERES Stéphae PRETESEILLE EduKlub S.. Tous drots de l auteur des œuvres réservés. Sauf autorsato, la reproducto as que toute utlsato des œuvres autre que la cosultato dvduelle et prvée sot terdtes. Fcher gééré pour Vsteur (), le 7/9/26

12 Les varables aléatores (X) * ÎN t Î[,] -, les varables aléatores état mutuellemet dépedates, l est clar que pour tout + t et t sot dépedates, d'où : æ ö æ ö + + " t Î[ -,],E t = t Et = = E(t ) ç è ø èç ø.e. : + æ ö æ ö + " t Î[ -,],E t Et = E(t ) ç è ø èç ø ce qu s'écrt ecore, d'après la remarque précédete : " t Î [ -,],G (t) = G (t)g (t) + + et doc, d'après l'hypothèse de récurrece : æ ö = ç çè G(t) G (t).e. : + ø + = G(t). s, o a be : * " Î N,t " Î[,],G - (t) = G(t), d'où la cocluso : = S (X) * ÎN est ue famlle de varables aléatores mutuellemet dépedates à valeurs das N, alors : * " Î N,t " Î[,],G - (t) = G(t). = Page 2 Matthas FEGYVERES Stéphae PRETESEILLE EduKlub S.. Tous drots de l auteur des œuvres réservés. Sauf autorsato, la reproducto as que toute utlsato des œuvres autre que la cosultato dvduelle et prvée sot terdtes. Fcher gééré pour Vsteur (), le 7/9/26

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

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

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets

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

Coefficient de partage

Coefficient de partage Coeffcet de partage E chme aque, la sythèse d'u composé se fat e pluseurs étapes : la réacto propremet dte (utlsat par exemple u motage à reflux quad la réacto dot être actvée thermquemet), les extractos

Plus en détail

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1 II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d

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

ILT. Interfacultair Instituut voor Levende Talen. T@@lvaardig. Actes de communication. Serge Verlinde Evelyn Goris. Katholieke Universiteit Leuven

ILT. Interfacultair Instituut voor Levende Talen. T@@lvaardig. Actes de communication. Serge Verlinde Evelyn Goris. Katholieke Universiteit Leuven IL If I L S V Ey G Khk U L 13/02/02 pé? xp qé xp pz à pz p héhq pé p à q z p à p héhq fé à p à q pz xp q 'p (è) f, '-à- p. x. ' é ff. N xp à py qq' q z b ( f) P xp pô pp L p - pé pz ': z qq', q -? Bj,

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

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

SYSTEME FERME EN REACTION CHIMIQUE

SYSTEME FERME EN REACTION CHIMIQUE SYSTEME FERME EN REACTION CHIMIQUE I. DESCRIPTION D UN SYSTEME. Les dfférets types de système (ouvert, fermé, solé U système S est formé d u esemble de corps séparés du reste de l uvers (appelé mleu extéreur

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

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

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

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

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

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

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période)

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période) A-PDF OFFICE TO PDF DEMO: Purchase from www.a-pdf.com to remove the watermark Mathématques Facères : l essetel Les formules cotourables (F de érode) htt://www.ecogesam.ac-a-marselle.fr/esed/gesto/mathf/mathf.html#e5aels

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

RDV E-commerce 2013 Mercredi 6 Mars, Technopark

RDV E-commerce 2013 Mercredi 6 Mars, Technopark RDV E-mm 2013 Md 6 M, Thpk Smm 1 P q E 2 Q x p? 3 Q v? 4 d é d 2 0 1 5 p 2 0 1 3 6 h g 7 d f é 1 Pq E-mm? Pq S E-Cmm? D d d Md IT XCOM gé dp 2009 phé E-mm.m F à mhé p, XCOM h d déd E-mm, Pm éq, E-Mkg Chff

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

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

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

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

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

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

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3... Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1

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

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

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

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

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

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

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

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

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

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure.

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure. TABLE DES MATIERES Durée...2 Objectf spécfque...2 Résumé...2 I. L agrégato des préféreces...2 I. Le système de vote à la majorté...2 I.2 Vote par classemet...3 I.3 Codtos de décso socale et théorème d

Plus en détail

Structures algébriques

Structures algébriques Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe

Plus en détail

Formation d un ester à partir d un acide et d un alcool

Formation d un ester à partir d un acide et d un alcool CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester

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

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

GEA I Mathématiques nancières Poly. de révision. Lionel Darondeau

GEA I Mathématiques nancières Poly. de révision. Lionel Darondeau GEA I Mathématques nancères Poly de révson Lonel Darondeau Intérêts smples et composés Voc la lste des exercces à révser, corrgés en cours : Exercce 2 Exercce 3 Exercce 5 Exercce 6 Exercce 7 Exercce 8

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

Généralités sur les fonctions 1ES

Généralités sur les fonctions 1ES Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :

Plus en détail

Chapitre 3: TESTS DE SPECIFICATION

Chapitre 3: TESTS DE SPECIFICATION Chapitre 3: TESTS DE SPECIFICATION Rappel d u c h api t r e pr é c é d en t : l i de n t i f i c a t i o n e t l e s t i m a t i o n de s y s t è m e s d é q u a t i o n s s i m u lt a n é e s r e p o

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

LES ESCALIERS. Du niveau du rez-de-chaussée à celui de l'étage ou à celui du sous-sol.

LES ESCALIERS. Du niveau du rez-de-chaussée à celui de l'étage ou à celui du sous-sol. LES ESCALIERS I. DÉF I NIT I O N Un escalier est un ouvrage constitué d'une suite de marches et de paliers permettant de passer à pied d'un niveau à un autre. Ses caractéristiques dimensionnelles sont

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

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

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe 1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios

Plus en détail

Loi d une variable discrète

Loi d une variable discrète MATHEMATIQUES TD N : VARIABLES DISCRETES - Corrigé. P[X = k] 0 k point de discontinuité de F et P[X = k] = F(k + ) F(k ) Ainsi, P[X = ] =, P[X = 0] =, P[X = ] = R&T Saint-Malo - nde année - 0/0 Loi d une

Plus en détail

COURS DE MATHEMATIQUE FINANCIERE A COURT ET LONG TERME Promotion : Première année de graduat

COURS DE MATHEMATIQUE FINANCIERE A COURT ET LONG TERME Promotion : Première année de graduat P R O F E S REPUBLIQUE DEMOCRATIQUE DU CONGO ENSEIGNEMENT SUPEREIEUR ET UNIVERSITAIRE INSTITUT SUPERIEUR DE GESTION INFORMATIQUE DE GOMA /I.S.I.G-GOMA DEVELOPPEMENT ISIG M A T I O N COURS DE MATHEMATIQUE

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

Amphi 3: Espaces complets - Applications linéaires continues

Amphi 3: Espaces complets - Applications linéaires continues Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite

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

Incertitudes expérimentales

Incertitudes expérimentales U N I O N D E S P R O F E S S E U R S D E P H Y S I Q U E E T D E C H I M I E 995 Icerttudes érmetales par Fraços-Xaver BALLY Lcée Le Corbuser - 93300 Aubervllers et Jea-Marc BERROIR École ormale supéreure

Plus en détail

Application de la théorie des valeurs extrêmes en assurance automobile

Application de la théorie des valeurs extrêmes en assurance automobile Applcato de la théore des valeurs extrêmes e assurace automoble Nouredde Belagha & Mchel Gru-Réhomme Uversté Pars 2, ERMES-UMR78-CNRS, 92 rue d Assas, 75006 Pars, Frace E-Mal: blour2002@yahoo.fr E-Mal:

Plus en détail

Les sinistres graves en assurance automobile : Une nouvelle approche par la théorie des valeurs extrêmes

Les sinistres graves en assurance automobile : Une nouvelle approche par la théorie des valeurs extrêmes Les sstres graves e assurace automoble : Ue ouvelle approche par la théore des valeurs extrêmes Nouredde Belagha (*, Mchel Gru-Réhomme (*, Olga Vasecho (** (* Uversté Pars 2, ERMES-UMR78-CNRS, 2 place

Plus en détail

Lot 4: Validation industrielle. Youness LEMRABET Pascal YIM, 19/11/2010

Lot 4: Validation industrielle. Youness LEMRABET Pascal YIM, 19/11/2010 Lot 4: Validation industrielle Youness LEMRABET Pascal YIM, 19/11/2010 Partenaires Lot 1 Modèle du processus métier L4.1 Modèles PSM Lot 2 Guide d implantation L4.2 Développement & Recette prototype Lot

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

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

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

Un exemple d étude de cas

Un exemple d étude de cas Un exemple d'étude de cas 1 Un exemple d étude de cas INTRODUCTION Le cas de la Boulangerie Lépine ltée nous permet d exposer ici un type d étude de cas. Le processus utilisé est identique à celui qui

Plus en détail

Cours de Programmation Impérative: Zones de mémoires et pointeurs

Cours de Programmation Impérative: Zones de mémoires et pointeurs Cours de Programmation Impérative: Zones de mémoires et pointeurs Julien David A101 - david@lipn.univ-paris13.fr Julien David (A101 - david@lipn.univ-paris13.fr) 1 / 1 Z`o n`e s `d`e m`é m`o i r`e Julien

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

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

l u N D I 15 M D I D I 3 17 J u D I N D D I I M N C h COuPE Du PrEsIDENT OPEN 104 FEuChErOllEs EAuBONNE s1 20h15 COuPE Du OPEN 104 EAuBONNE s2 20h15

l u N D I 15 M D I D I 3 17 J u D I N D D I I M N C h COuPE Du PrEsIDENT OPEN 104 FEuChErOllEs EAuBONNE s1 20h15 COuPE Du OPEN 104 EAuBONNE s2 20h15 6-boc caendie 220415_6 agenda 2006 p218-237 23/04/2015 15:36 Page 1 1 6-boc caendie 220415_6 agenda 2006 p218-237 23/04/2015 15:36 Page 2 36 31 août PTB 2015 37 38 7 14 1 8 15 OP 104 1 2015 OP PT Té BO

Plus en détail

Al attention du praticien et des étudiants, nous avons développé

Al attention du praticien et des étudiants, nous avons développé Chapitre 15 Applications informatiques Al attention du praticien et des étudiants, nous avons développé deux applications informatiques téléchargeables gratuitement sur le site www.digilex.ch. La première

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de

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

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce SETIT 2005 3 RD INTERNATIONAL CONFERENCE: SCIENCES OF ELECTRONIC, TECHNOLOGIES OF INFORMATION AND TELECOMMUNICATIONS MARCH 27-3, 2005 TUNISIA Cocepto d u outl décsoel pour la gesto de la relato clet das

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

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce Cocepto d u outl décsoel pour la gesto de la relato clet das u ste de e-commerce Nazh SELMOUNE *, Sada BOUKHEDOUMA * ad Zaa ALIMAZIGHI * * Laboratore des Systèmes Iformatques(LSI )- USTHB - ALGER selmoue@wssal.dz

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

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires

Plus en détail

BTS 2 SIO Active directory- windows serveur 2012 Version 1.1 (12/12/2014)

BTS 2 SIO Active directory- windows serveur 2012 Version 1.1 (12/12/2014) Conditions requises: Avoir un serveur windows 2012, ayant pour adresse ip192.168.1.85. Caractéristiques de base: Un serveur de domaine active directory est une base d'annuaire pour windows. Elle permet

Plus en détail

e x dx = e x dx + e x dx + e x dx.

e x dx = e x dx + e x dx + e x dx. Chtr Foctos Gmm t foctos d Bssl Chtr Focto Gmm t foctos d Bssl Détrmto d l focto Gmm L focto Gmm st très sml à dédur à rtr d l tégrl d'eulr: Ctt tégrl st u focto d rmètr ; ll st rrésté r l symbol () t

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

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

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

RESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY

RESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY LO 4 : SOLUTO P L MTHO OTO, MLLM T KLY SOLUTO P L MTHO OTO, MLLM T KLY MTHO OTO. toductio Le théoème de oto va ous pemette de éduie u cicuit complexe e gééateu de couat éel. e gééateu possède ue souce

Plus en détail

Terminale S. Terminale S 1 F. Laroche

Terminale S. Terminale S 1 F. Laroche Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM

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

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques

Plus en détail

Calcul de tableaux d amortissement

Calcul de tableaux d amortissement Calcul de tableaux d amortssement 1 Tableau d amortssement Un emprunt est caractérsé par : une somme empruntée notée ; un taux annuel, en %, noté ; une pérodcté qu correspond à la fréquence de remboursement,

Plus en détail

Travaux dirigés d introduction aux Probabilités

Travaux dirigés d introduction aux Probabilités Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien

Plus en détail

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA

Plus en détail

Virtualization. Panorama des solutions de virtualisation sur différentes plate-formes. Laurent Vanel Systems Architect IBM Laurent_vanel@fr.ibm.

Virtualization. Panorama des solutions de virtualisation sur différentes plate-formes. Laurent Vanel Systems Architect IBM Laurent_vanel@fr.ibm. rtalzato Paorama des soltos de vrtalsato sr dfféretes plate-formes aret ael Systems Archtect IBM aret_vael@fr.bm.com 2008 IBM Corporato Evolto de la rtalsato des frastrctres Wdows Servers Maframe & U Servers

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

Remboursement d un emprunt par annuités constantes

Remboursement d un emprunt par annuités constantes Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)

Plus en détail

1 TD1 : rappels sur les ensembles et notion de probabilité

1 TD1 : rappels sur les ensembles et notion de probabilité 1 TD1 : rappels sur les ensembles et notion de probabilité 1.1 Ensembles et dénombrement Exercice 1 Soit Ω = {1, 2, 3, 4}. Décrire toutes les parties de Ω, puis vérier que card(p(ω)) = 2 4. Soit k n (

Plus en détail

Échantillonnage et estimation

Échantillonnage et estimation Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos

Plus en détail

3. Conditionnement P (B)

3. Conditionnement P (B) Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

Axiomatique de N, construction de Z

Axiomatique de N, construction de Z Axiomatique de N, construction de Z Table des matières 1 Axiomatique de N 2 1.1 Axiomatique ordinale.................................. 2 1.2 Propriété fondamentale : Le principe de récurrence.................

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

Problèmes de Mathématiques Filtres et ultrafiltres

Problèmes de Mathématiques Filtres et ultrafiltres Énoncé Soit E un ensemble non vide. On dit qu un sous-ensemble F de P(E) est un filtre sur E si (P 0 ) F. (P 1 ) (X, Y ) F 2, X Y F. (P 2 ) X F, Y P(E) : X Y Y F. (P 3 ) / F. Première Partie 1. Que dire

Plus en détail

Que faire lorsqu on considère plusieurs variables en même temps?

Que faire lorsqu on considère plusieurs variables en même temps? Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites

Plus en détail