Université Paul Sabatier Année 2007/2008

Dimension: px
Commencer à balayer dès la page:

Download "Université Paul Sabatier Année 2007/2008"

Transcription

1 Bibliographie : P. Malliavi : Itégratio et probabilité. W.Rudi : Aalyse réelle et complexe. J. Faraut : Calcul itégral (espace 34) Barbe-Ledoux : Probabilités (Espace 34) 1 Itroductio Pourquoi ue ouvelle itégrale? E L1 et L2, ous avos vu la théorie de l itégrale de Riema, qui permet de défiir l itégrale d ue foctio cotiue ou mootoe par morceaux défiie sur u itervalle. Cette itégrale s éted sas problème aux foctios défiies sur R p. Mais elle e permet pas de répodre à u certai ombres de questios. C est le but de l itégrale de Lebesgue (développée e autre par Johaes Stieltjes, Heri Lebesgue, Emile Borel et Adrei Kolmogorov das le cadre de la théorie des probabilités). Certaies foctios comme 1 Q [0,1] sot o itégrables pour la théorie de Riema, mais vot l être das la théorie de Lebesgue (avec ue itégrale ulle). La théorie de Lebesgue permet de mesurer des esembles très irréguliers, comme le tryadique de Cator, ou le tapis de Sierpiski. Elle permet d itégrer des foctios défiies sur des esembles autres que R ou R, comme les sphères. Elle permet d iclure le calcul des probabilités et l axiomatique de Kolmogorov das le cadre de la théorie géérale de l itégratio. Elle permet de mettre das ue même théorie la sommatio des séries et le calcul itégral, et doc e particulier das le cadre de la théorie des probabilités, de avoir qu u seul formalisme pour les variables aléatoires discrètes et les variables aléatoires cotiues. Elle permet d obteir des théorèmes de covergece beaucoup plus puissats et robustes que das la théorie de Riema. Pla du cours 1. Espaces mesurables, foctios mesurables, mesures. 2. Itégrale des foctios mesurables. Théorèmes fodametaux 3. Produit d espaces mesurables, théorèmes de Fubii et applicatios. 4. Espaces L p, dualité, elémets d aalyse. 5. Trasformatio de Fourier. Rappel de théorie des esembles. Les opératios fodametales de la théorie des esembles sot : uio, itersectio, complémetaire, différece symétrique, produit d esembles. December 3, Licece - Itégratio

2 Idicatrice d u esemble : 1 A (x) est la foctio qui vaut 1 sur A et 0 sur A c. Cette otatio permet de faire des calculs rapides sur les esembles. Par exemple, 1 A B = 1 A 1 B, 1 A c = 1 1 A, 1 A B = 1 A 1 B. Uio d ue famille quelcoque d esembles A i = {x i I, x A i }. i I O défiit de même l itersectio. Esembles déombrables. U esemble déombrable est u esemble e bijectio avec N. U esemble est dit au plus déombrable s il est fii ou déombrable. Exemples : R est pas déombrable, o plus qu aucu itervalle o vide de R. Par cotre, Q, les ombres dyadiques, les décimaux, etc., sot déombrables. Ue uio fiie ou déombrable d esembles déombrables est déombrable. U produit fii d esembles déombrables est déombrable. C est faux pour u produit déombrable, même d esembles fiis. S il existe ue ijectio de E das N, alors E est au plus déombrable. S il existe ue surjectio de N sur E, alors E est au plus déombrable. 2 Espaces et foctios mesurables, mesures. 2.1 Esembles mesurables, tribus Das tout ce qui suit, o cosidère u esemble Ω. O va chercher à mesurer des sous-esembles de Ω. La structure de la famille d esembles qu o va mesurer est doée par la otio de σ-algèbre, ou tribu. Défiitio. 1. Algèbres de Boole. C est u sous esemble de P(Ω) qui est stable par complémetaire, itersectio, et qui cotiet l esemble vide. Il est alors stable par toutes les opératios fiies de la théorie des esembles. Exemples d algèbre de Boole : 1. P(Ω). 2. Les réuios fiies d itervalles (sur R). 3. La plus petite algèbre de Boole qui cotiet l esemble A (Ω, A, A c, ). 4. De faço géérale, la plus petite algèbre de Boole qui cotiet ue famille doée E d esembles. O la ote A(E). Remarquer que si E est fiie, alors A(E) est aussi fiie. Le démotrer à titre d exercice. December 3, Licece - Itégratio

3 Défiitio. 2. Ue σ-algèbre A (ou tribu) est ue algèbre stable par uio déombrable : si (A ) N A, alors A A. Remarque 1. Si A est ue algèbre de Boole, pour qu elle soit ue tribu, il est équivalet de demader (au choix) que 1. A soit stable par uio croissate déombrable. 2. A soit stable par itersectio déombrable décroissate. Coséquece : ue algèbre de Boole fiie est ue σ-algèbre. Défiitio. 3. U espace mesurable (Ω, A) est u esemble Ω mui d ue tribu A de parties de Ω. Ue itersectio quelcoque d algèbres est ue algèbre. Ce est pas le cas d ue réuio. Il e va de même d ue itersectio quelcoque de σ-algèbres. O peut aisi défiir la plus petite algèbre de Boole qui cotiet E : A(E) : c est l itersectio de toutes les algèbres de Boole qui cotieet E, et la plus petite σ-algèbre (tribu) qui cotiee E. O la ote σ(e) Remarque 2. Ue partitio de Ω est ue famille de parties S i telle que S i S j = si i j et telle que is i = Ω. Pour ue partitio fiie de Ω, soit E = (S 1,..., S ), o peut etièremet décrire A(E). Elle cotiet 2 élémets. C est la famille de toutes les réuios fiies d élémets de E. Cette tribu est alors fiie. Pour ue partitio déombrable E de Ω, σ(e) est formée de toutes les réuios de sous-familles de E. Elle est alors pas déombrable, car l esemble des sous-esemble d u esemble déombrable est pas déombrable. Tribu iduite Si o a ue tribu A et que C A, l esemble des B A tels que B C est ue tribu sur C. O la ote A C Défiitio. 4. La tribu des Borélies de R est la plus petite tribu qui cotiee les itervalles. Propositio 1. La tribu des borélies est 1. σ([a, b], a < b). 2. σ(]a, b[, a < b). 3. σ(], a[, a R). 4. σ([a, b], a < b, a, b Q). 5. σ(]a, b[, a < b, a, b Q). 6. σ(], a[, a Q). 7. etc. Remarque 3. Les réuios fiies d itervalles (de toutes les formes, borés ou o) et ue algèbre de Boole. Ce est pas ue σ-algèbre. La famille des réuios déombrables d itervalles est pas ue σ-algèbre. D autres défiitios de la tribu boréliee de R. December 3, Licece - Itégratio

4 Propositio 2. La tribu boréliee est la plus petite tribu qui cotiee les ouverts de R. C est aussi la plus petite tribu qui cotiee les fermés. Démostratio. Ceci repose sur le fait élémetaire suivat : tout ouvert est ue réuio déombrable d itervalles ouverts O écrit, pour u ouvert O, O = I J I, où J est l esemble des itervalles ]a, b[, a < b, a, b Q, ]a, b[ O. O peut aussi démotrer qu u ouvert est ue réuio déombrable d itervalles ouverts disjoits, mais c est plus difficile. Les borélies (de même que toutes les familles d esembles mesurables e gééral) sot impossible à décrire par leurs propriétés (comme les ouverts ou les fermés). Il est d ailleurs assez difficile d exhiber u esemble o borélie. Remarque 4. Pourquoi se limite-t-o à des uios déombrables? Si l o veut que les poits soiet das ue tribu, et si o acceptait les uios o déombrables, alors toutes les parties de R seraiet mesurables : ceci aboutirait à ue cotradictio, car o verra plus loi qu il est illusoire de vouloir mesurer toutes les parties de R : certaies d etre elles sot si mostrueuses qu aucue défiitio raisoable de leur logueur e peut avoir de ses. Quad o dispose d ue tribu sur u esemble Ω, o e dispose aussi d ue sur toutes les parties de Ω. E pratique, o se limitera aux sous-esembles mesurables (c est à dire apparteat à la tribu) de Ω. Défiitio. 5 (Tribu iduite). Soit (Ω, A) u esemble mesurable, et Ω 0 Ω u élémet de A. Alors, A Ω0 = {A A, B Ω 0 } est ue tribu sur Ω 0, qu o appelle la tribu iduite de Ω sur Ω 0. Pour démotrer qu ue propriété est vraie pour tous les borélies, o démotrera e gééral qu elle est vraie pour des borélies simples (comme les ouverts), et o l étedra à tous les borélies à l aide de la propositio suivate, qui est fodametale. Théorème 1 (Théorème des classes mootoes, versio esembliste). Ue classe M de parties est ue classe mootoe si 1. Ω M. 2. Si A, B M, A B alors B \ A M. 3. Si A est ue suite croissate d élemets de M, alors A M. Si E et ue famille de parties, o ote M(E) la plus petite classe mootoe qui la cotiee. Alors, si E est stable par itersectio fiie, alors M(E) = σ(e). Nous verros plus bas e quoi ce théorème est u outil très puissat. La coditio fodametale est bie sûr la stabilité de E par itersectio (par exemple la classe des itervalles, ou des itervalles fermés borés, etc..). Démostratio. Pour démotrer, o commece par remarquer qu ue tribu est ue classe mootoe, et doc que M(E) σ(e). December 3, Licece - Itégratio

5 O remarque aussi qu ue classe mootoe stable par itersectio est ue tribu (car elle est déjà stable par complémetaire). O va doc motrer que M(E) est stable par itersectio. O défiit et M 1 = {B M(E), B E M(E), E E} M 2 = {B M(E), B E M(E), E M(E)}. Alors, M 1 est ue classe mootoe, et M 2 aussi. Puisque M 1 est ue classe mootoe est que E est stable par itersectio, M 1 cotiet E, doc M(E). Puisque M 1 cotiet M(E), alors M 2 cotiet E et doc M(E). C est exactemet ce qu o voulait démotrer. 2.2 Mesures, foctios additives d esembles. Avat de parler de mesures, ous commeços par u lemme fodametal et facile, sur lequel repose toute la théorie de la mesure. Lemme 1 (Lemme fodametal). Soit a,p ue double suite de réels positifs, qui est croissate e et e p. Alors, lim lim p a,p = lim p lim a,p. De plus, si k et p k sot des sous-suites qui coverget vers l ifii, alors o a ecore lim a k,p k = lim lim a,p. k p Sa démostratio est élémetaire et laissée à titre d exercice. Attiros l attetio sur le fait qu ici les limites sot à cosidérer au ses de [0, ]. Remarquos tout de même qu o peut toujours se rameer au cas des suites borées, quitte à choisir ue foctio strictemet f croissate de R + à valeurs das u itervalle boré (par exemple arctag, et à chager a,p e b,p = f(a,p ). Défiitio. 6. Sur ue algèbre de Boole A, ue foctio additive d esembles est ue applicatio A [0, ] telle que 1. µ( ) = 0 2. µ(a B) = µ(a) + µ(b) si A B =. Exemples : 1. Sur les parties de R ou de N, le cardial de A. 2. µ(a) = 0 si A est fii, et µ(a) = si A est de cardial ifii. Remarque 5. Pour ue foctio additive d esembles, si A B, alors µ(a) µ(b). De même, pour tout couple (A, B) d éléméts de A, o écésairemet disjoits, o a µ(a B) µ(a) + µ(b). December 3, Licece - Itégratio

6 Cette défiitio est isuffisate. O veut u peu plus : ue propriété de cotiuité. O appelera cela ue mesure. Défiitio. 7 (Mesures). Soit (Ω, A) u espace mesurable ( c est à dire u esemble mui d ue σ-algèbre). Ue applicatio µ : A [0, ] est ue mesure si 1. C est ue foctio additive d esembles. 2. Si A A, et A est ue suite croissate d esembles, avec A = A, alors µ(a) = lim µ(a ). U espace mesuré est la doée d u triplet (Ω, A, µ), où Ω est u esemble, A est ue tribu de parties de Ω, et µ ue mesure sur A. Isistos sur le fait que la limite das la défiitio précédete peut être fiie ou ifiie. Mais si Ω est de mesure fiie (µ(ω) < ), alors pour tout A A, µ(a) < et la limite est toujours fiie. Remarque 6. Il est équivalet de demader, e plus d être ue foctio additive d esembles, de vérifier Si A est ue suite disjoite d élemets de A, et A = A, alors µ(a) = X µ(a ). Ou bie ecore µ est ue applicatio de A das [0, ] telle que µ( ) = 0 et, pour toute partitio (A ) de A (composée évetuellemet d élémets vides), µ(a) = X µ(a ). De même, lorsque µ(ω) est fii, il est équivalet de demader que, si A est ue suite décroissate et A = A, alors µ(a) = lim µ(a ). Il suffit pour cela de chager A e A c. Ue fois de plus, isistos sur le fait que la somme peut être fiie ou ifiie. Remarquos aussi que cette série état à termes positifs, la somme e déped pas de l ordre de sommatio. Cela est cohéret avec le fait que A = A est idépedat de l ordre das lequel ous avos éuméré les esembles A. Si µ est ue mesure, alors pour toute suite décroissate A telle que µ(a 0 ) <, µ(a ) coverge vers µ( A ). Pour le voir, o applique ce qui précède à A 0 \ A. Mais ceci peut être faux si µ(ω) = (voir l exemple plus bas de la mesure de décompte sur N). Défiitio. 8 (Masse). µ(ω) s appelle la masse de la mesure. Ue mesure de masse 1 est ue probabilité. L exemple le plus simple de mesure est la masse de Dirac. Soit x Ω. O défiit δ x (A) = 1 A (x). C est ue mesure, comme o le vérifie immédiatemet. December 3, Licece - Itégratio

7 Doos u autre exemple élémetaire. Sur (N, P(N)), pose µ(a) = A (c est ue otatio pour désiger le cardial (ou ecore le ombre de poits) de A). Alors µ est ue mesure. O le vérifie aussi immédiatemet. Cette mesure s appelle la mesure de décompte sur N. Sur cet exemple, si ous preos A = [, ), alors ous obteos ue suite décroissate d esembles dot l itersectio est vide, mais µ(a ) = e coverge pas vers µ( A ) = µ( ) = 0. Il est souvet plus facile de travailler avec des mesures fiies. O s y ramèe souvet à coditio que la mesure ait ue propriété élémetaire d éétre σ-fiie. Défiitio. 9 (Mesures σ-fiies). O dit que la mesure µ est σ-fiie s il existe ue suite croissate B d élémets de A telle que B = Ω et µ(b ) <. La plupart des mesures itéressates (et toutes celles recotrées das ce cours) serot σ-fiies. Mais par exemple, la mesure, défiie sur toutes les parties de R par µ(a) = 0 si A est au plus déombrable, et µ(a) = sio, est ue mesure, qui est pas σ-fiie. Ue des coséqueces du théorème des classes mootoes est la Propositio 3. Soit (Ω, A) u esemble mesurable et E ue famille de parties stable par itersectio fiie, telle que σ(e) = A. Alors, si µ 1 et µ 2 sot deux mesures fiies qui coïcidet sur E et qui ot même masse, elles sot égales. Démostratio. O vérifie immédiatemet que l esemble des élémets de A A qui vérifie µ 1 (A) = µ 2 (A) est ue classe mootoe. Remarque 7. Isistos sur le fait qu il faut que les mesures soiet fiies. Sio, par exemple, si µ 1 est la logueur d u itervalle (dot o verra plus tard qu elle se prologe e ue mesure) et si µ 2 = 2µ 1, µ 1 et µ 2 coicidet sur les itervalles [a, [, mais e coïcidet pas partout. Parmi les opératios qu o peut faire sur les mesures, les pricipales sot Propositio 4. mesure. 1. Si µ est ue mesure et λ [0, ), alors λµ est ue 2. Si µ 1 et µ 2 sot deux mesures, sur (Ω, A) alors il e est de même de µ 1 + µ Si µ est ue suite croissate de mesures, et si l o défiit µ(a) = lim µ (A), alors µ est ue mesure. 4. (Restrictio) Si A A, alors µ A (B) = µ(b A) défiit ue mesure sur la tribu iduite A A. 5. (Extesio) Si A A et que µ A est ue mesure sur (A, A A ) où A A est la tribu iduite, alors la formule µ(b) = µ A (A B) défiit ue mesure sur (Ω, A). La restrictio de l extesio est la mesure de départ, l iverse est pas vrai. L extesio de la restrictio de µ à A est la mesure µ A (B) = µ(a B). Aisi, o peut idetifier toute mesure défiie sur u sous-esemble mesurable A à ue mesure sur l espace tout etier. December 3, Licece - Itégratio

8 Attetio, das le poit 3, o autorise bie évidemet la limite à avoir lieu das R + = [0, ]. Les deux premiers poits sot triviaux, le derier viet de du lemme fodametal 1. Démostratio. (Du poit 3 de la propositio). Il est évidet que µ = lim µ est ue foctio additive d esembles. Il y a qu à motrer que c est ue mesure. Pour cela, o cosidère ue suite croissate d esembles A p, avec A = p A p et a,p = µ (A p ). Alors, d après le lemme fodametal (Lemme 1) µ(a) = lim (µ (A) = lim lim p (µ (A p ) = lim p lim µ (A p ) = lim p µ(a p ). La première et la derière égalités provieet de la défiitio de µ et la secode du fait que µ est ue mesure. Comme coséquece, o voit aisi que si µ est ue suite de mesures, alors µ est ecore ue mesure. Aisi, la mesure de décompte sur N est rie d autre que δ. C est ue mesure σ-fiie. Remarque 8. Si µ est ue mesure σ-fiie sur l espace mesurable (Ω, A), alors il existe ue partitio (B ) N de Ω telle que µ(b ) <,. Das ce cas, si µ (B) = µ(a B ), µ est ue mesure fiie sur (Ω, A), comme o l a déjà vu. Alors (et puisque (B ) est ue partitio de Ω), µ = P µ. Aisi, toute mesure σ-fiie est ue somme (ifiie) de mesures fiies. Il est pas très facile de costruire des mesures o triviales das le cas o déombrable. Mais le théorème des classes mootoes ous assure de l uicité d ue mesure sous des coditios élémetaires. Pour costruire ue mesure, o part e gééral d ue foctio additive d esembles sur ue algèbre A 0, et o la prologe à la tribu σ(a 0 ). O se sert pour cela du théorème suivat. Théorème 2 (Carathéodory). Soit µ ue foctio additive d esembles fiie sur ue algèbre A 0. Pour que µ se prologe e ue mesure sur A = σ(a 0 ), il faut et il suffit que, pour toute suite décroissate A d élémets de A 0 telle que A =, alors µ(a ) 0. Das ce cas, le prologemet de µ de A 0 à A est uique. Nous allos pas démotrer ce théorème. La coditio est évidemet écessaire. L uicité proviet du théorème précédet. Quad à l existece, ce est pas très difficile mais assez log : le pricipe est le suivat (ous laissos à titre d exercice la vérificatio des détails au lecteur) : O commece par étedre la foctio additive d esembles aux uios déombrables et aux itersectios déombrables d élémets de A 0, e utilisat des limites. Par exemple, si A A 0, est A croissate, pour A = A, o pose µ(a) = lim µ(a ). Ceci est possible justemet à cause de la propriété de µ sur A 0, qui motre que la limite e déped pas de la suite choisie. O défiit esuite µ (A) = if{µ(b), A B}, où B varie das la classe des réuios déombrables d élémets de A 0. et µ (A) = sup{µ(b), B A} où B varie parmi les itersectio déombrables d élémets de A 0. Alors, l esemble des élémets tels que µ (A) = µ (A) est ue σ-algèbre qui cotiet A 0, et sur cette σ-algèbre µ = µ défiit bie ue mesure. Puisque cette σ-algèbre cotiet A 0, elle cotiet A et o a doc étedu la mesure à A. December 3, Licece - Itégratio

9 Remarque 9. De faço géérale, si A 0 est ue algèbre de Boole qui egedre ue σ-algèbre A (A = σ(a 0)), et si µ est ue mesure σ-fiie sur A, alors pour tout A A tel que µ(a) <, et pour tout ɛ > 0, il existe u B A 0 tel que µ(a B) ɛ. O le voit aisémet e appliquat le théorème des classes mootoes, ou bie plus simplemet e remarquat que de tels esembles A formet ue σ-algèbre qui cotiet A 0. Mais le raisoemet du théorème de Carathéodory est plus subtil, car il demade à pouvoir ecadrer A etre deux esembles A 1 A A 2. O e peut pas le faire avec des élémets de A 0, mais o peut le faire avec respectivemet des itersectios déombrables et des uios déombrables d élémets de A 0. Tout ceci ous amèe à la costructio de la mesure de Lebesgue sur u itervalle. Théorème 3. Soit I = [0, 1], et B I la classe des borélies de I. Alors, il existe ue uique mesure µ sur B I telle que, pour tout itervalle [a, b] I, µ([a, b]) = b a. Ce théorème est tout sauf trivial. O a bie sûr le même éocé sur importe quel autre itervalle [A, B]. Démostratio. O commece par appeler A 0 la famille formée des réuios fiies de sous-itervalles de I, quelle que soit leur forme. Ue telle réuio peut être écrite de faço uique comme ue réuio fiie d itervalles disjoits. C est ue algèbre de Boole, et pour u élémet J de cette famille A 0, o défiit sa mesure le Lebesgue λ(j) comme la somme des logueurs des itervalles disjoits qui le composet. C est évidemet ue foctio additive d esembles (relatio de Chasles). Il faut ecore démotrer qu o peut appliquer le théorème de Carathéodory. Pour cela, o utilise la propriété suivate : Pour tout J A 0 et tout ɛ > 0, il existe u élémet compact K A 0 tel que 1. K J. 2. λ(j \ K) ɛ. Les élémets compacts que ous cosidéros sot ici les réuios fiies d itervalles fermés. l existece d u tel K est alors évidete (ou presque) si l o raisoe séparémet sur chacu itervalle disjoit qui compose J. La propriété fodametale des compacts que ous utilisos est que si (K ) est ue suite décroissate de compacts et que K =, alors il existe u 0 pour lequel K 0 =. Esuite, o cosidère ue suite J d élémets de A 0 qui décroit vers. O veut démotrer que λ(j ) 0. O fixe ɛ > 0, et pour tout J, o cosidère K compact, iclus das J, tel que λ(j \ K ) ɛ/2. Alors, si K = K 1... K, K est ue suite décroissate de compacts, o a J \ K p=1(j p \ K p ), et doc λ(j \ K ) λ(j p \ K p ) 1 p=1 ɛ 2 p ɛ. December 3, Licece - Itégratio

10 Par ailleurs, K J =. Puisque les K sot compacts, alors il existe u 0 tel que K 0 =, et doc µ( K 0 ) = 0. Pour 0 λ(j ) λ(j 0) = λ(j 0 \ K 0) ɛ, et o a fii. O peut alors défiir la mesure de Lebesgue sur R tout etier de la faço suivate Défiitio. 10. Soit I = [, ] et λ la mesure de Lebesgue sur l itervalle [, ]. O pose pour u borélie A R µ (A) = λ (A I ). Alors µ est ue suite croissate de mesures. La limite de cette suite est par défiitio la mesure de Lebesgue sur R. Foctios de répartitio et mesures borées sur R. Si µ est ue mesure borée (disos de masse 1) sur R, alors o cosidère la foctio F µ (x) = µ(], x]). O l appelle la foctio de répartitio de µ. Le théorème précédet ous motre qu elle caractérise etièremet la mesure µ. Elle a les propriétés suivates 1. F µ est croissate, cotiue à droite. 2. lim x F µ (x) = 0, lim x + F µ (x) = µ(r) = 1. Ue foctio vérifiat ces deux propriétés sera appelée ue FR (foctio de répartitio). Remarquos qu ue FR a des limites à gauche e tout poit. Si l o ote F (x ) la limite à gauche de F e x, il y a au plus qu u ombre fii de poits pour lesquels F (x) F (x ) > 1 (Il y e a au plus F ( ).) L esemble des x pour lesquels F (x) F (x ) > 0 est doc au plus déombrable (c est la réuio des esembles précédets). U esemble déombrable a toujours u complémetaire dese. Doc, l esemble des poits de cotiuité d ue FR est toujours dese. Théorème 4. Soit F ue FR. Alors, il existe ue (et doc ue seule) mesure borée sur R telle que F = F µ. La mesure (de Stieltjes) associée à F sera oté µ F (et plus tard parfois df lorsqu o parlera de l itégratio de foctios). Démostratio. La démostratio se fait exactemet comme das le cas de la mesure de Lebesgue. La difficulté est qu il faut faire attetio aux sauts de F (qui vot correspodre aux masses de Dirac das la mesure µ). Pour cela, o pred comme algèbre les réuios fiies d itervalles dot les extrémités sot das les poits de cotiuité de F. Pour u tel itervalle (a, b), quels que soiet ses bords (ouverts ou fermés), o pose µ(a, b) = F (b) F (a). O applique alors la même méthode que pour la mesure de Lebesgue. Remarquer que si µ(], b]) = F (b), o doit avoir pour tout itervalle, dot les extrémités e sot pas écéssairemet das D, µ(]a, b]) = F (b) F (a) et de même µ([a, b]) = F (b) F (a ), µ(]a, b[) = F (b ) F (a),... December 3, Licece - Itégratio

11 Cela permet de défiir µ sur l algèbre A 0 des réuios fiies d itervalles. O cosidère alors l esemble (dese) D des poits de cotiuité de la foctio F, et o cosidère l algèbre de Boole A 1 des réuios fiies d itervalles à extrémité das D. O a σ(a 1 ) = B(R). Puisque les extrémités d itervalles d u élémet de A 1 sot des poits de cotiuité de F, o peut établir le même résultat que pour la mesure de Lebesgue : pour tout élémet de A de A 1 et tout ɛ > 0, il existe u élémet compact K de A 1 iclus das A tel que µ(a \ K) ɛ. O peut alors faire la même démostratio que pour la mesure de Lebesgue sur [0, 1]. Nous laissos les détails au lecteur. Le théorème précédet permet de décrire toutes les mesures borées sur R. Si la mesure est pas borée, o peut faire la même chose à coditio que la mesure µ doe ue masse fiie à tous les itervalles borés (ou de faço équivalete à tous les itervalles compacts). Ces mesures formet ue sousclasse des mesures σ-fiies, qu o appelle les mesures de Rado. Pour ue telle mesure, o e pose pas F (x) = µ(], x]), qui peut être ifii. O choisit plutôt F (x) = µ(]0, x]) si x 0 et F (x) = µ(]x, 0]) si x < 0. De cette faço, o aura toujours ue foctio F croissate cotiue à droite, avec F (0) = 0, et qui vérifie pour tout itervalle ]a, b]. O a alors µ(]a, b]) = F (b) F (a), Théorème 5. Soit F ue foctio croissate cotiue à droite ulle e 0. Il existe ue uique mesure de Rado µ sur R telle que F (x) = µ(]0, x]) si x 0 et F (x) = µ(]x, 0]) si x < 0. La démostratio se fait exactemet comme plus haut pour les mesures fiies. Le choix du poit 0 pour avoir F (0) = 0 est arbitraire et a rie de particulier. Reveos aux mesures fiies. Les poits de discotiuité de F µ sot les poits x tels que µ({x}) 0, puisque F µ (x) F µ (x ) = µ({x}). Ces poits sot e ombre déombrable. Euméros les e ue suite (x ) et posos α = µ({x }). La mesure ν = α δ x satisfait ν(a) µ(a), A B(R). Ue telle mesure (somme de masses de Dirac) est dite puremet atomique. La mesure µ 1 = µ ν est ue mesure (positive) qui vérifie pour tout x µ 1 ({x}) = 0. Ue telle mesure est dite sas atome. Il est est équivalet de dire que sa foctio de répartitio est cotiue. (U atome est ue partie de mesure positive qu o e peut pas découper e esembles mesurables de mesure strictemet plus petite.) December 3, Licece - Itégratio

12 Nous avos aisi décomposé la mesure µ e µ = µ 1 +ν, où µ 1 est sas atome et µ est puremet atomique. Parmi toutes les mesures de Rado sur R, le rôle particulier joué par la mesure de Lebesgue est expliqué par le théorème suivat. Théorème 6. Pour u borélie A B(R), et pour tout x R, posos A + x = {y y x A}. Alors A + x est u borélie et λ(a + x) = λ(a). (E d autres termes, la mesure de Lebesgue est ivariate par traslatio.) De plus, si ue mesure de Rado µ est ivariate par traslatio, alors il existe ue costate c telle que µ = cλ. Démostratio. Pour motrer que A + x est u borélie, ous fixos x et ous remarquos que {A A + x} B(R) est ue σ-algèbre, qui cotiet les itervalles et doc toute la tribu boréliee. Motros que la mesure de Lebesgue est ivariate par traslatio. Pour A B(R) et M (0, ), posos A M = A [ M, M]. Posos, x état fixé M = {A M (0, ), λ(a M + x) = λ(a M )}. O vérifie immédiatemet que M est ue classe mootoe. Elle cotiet les itervalles [a, b], doc toute la tribu boréliee. O voit doc que, pour tout x R, pour tout M (0, ) et pour tout borélie A, λ(a M + x) = λ(a M ). Il suffit de maiteat de faire coverger M vers l ifii pour obteir le résultat. Démotros l uicité. Cosidéros ue mesure de Rado µ ivariate par traslatio. Si µ(]0, 1]) = 0, alors par traslatio µ(]p, p + 1]) = 0 pour tout p Z et doc µ est ulle. Il y a rie à démotrer. Sio, quitte à multiplier µ par ue costate, o peut toujours supposer que µ(]0, 1]) = 1. Démotros qu alors µ = λ. Remarquos tout d abord que, pour p N, p 1, l itervalle ]0, 1] est la réuio disjoite de p traslatés de l itervalle ]0, 1 p ]. Ces itervalles ot tous même mesure, et doc pµ(]0, 1 ]) = µ(]0, 1]) = 1, p d où µ(]0, 1 p ]) = 1 p. Par traslatio, o trouve que µ(] k p, k + 1 p ]) = 1 p, December 3, Licece - Itégratio

13 pour tout k Z, et par suite µ(] k p, r p ]) = r k p, pour tout k r Z, p N, p > 0. Les mesures µ et λ coïcidet doc sur les itervalles ]a, b] à extrémités ratioelles, qui formet ue classe stable par itersectio qui egedre la tribu boréliee. Elles coïcidet doc partout. 2.3 Foctios mesurables Défiitio. 11. Soiet (Ω 1, A 1 ) et (Ω 2, A 2 ) deux espaces mesurables. Ue applicatio f : Ω 1 Ω 2 est mesurable si B A 2, f 1 (B) A 1. Lorsque Ω 2 = R (c est à dire que f est à valeurs réelles), o supposera toujours que A 2 = B(R). Rappelos que f 1 (B) = {x Ω 1 f(x) B}. L applicatio vérifie 1. f 1 ( ) = ; 2. f 1 (B c ) = f 1 (B) c ; f 1 : P(Ω 2 ) P(Ω 1 ) 3. f 1 (B 1 B 2 ) = f 1 (B 1 ) f 1 (B 2 ), et même, pour ue famille quelcoque B i f 1 ( i B i ) = i f 1 (B i ), f 1 ( i B i ) = i f 1 (B i ). Par abus de otatio (mais attetio aux cofusios), o ote souvet f 1 (A) = {f A}. Aisi, o voit que si A 2 est ue tribu sur Ω 2, f 1 (A 2 ) = {A Ω 1 B A 2, A = f 1 (B)} est toujours ue tribu sur Ω 1. C est la plus petite tribu A sur Ω 1 telle que f soit mesurable de (Ω 1, A) (Ω 2, A 2 ). O la ote σ(f) : la plus petite tribu qui rede f mesurable (parfois aussi otée f 1 (A 2 ). Exemple fodametal de foctios mesurable. Si (Ω, A) est u esemble mesurable, alors 1 A est toujours ue foctio mesurable réelle. O a aussi σ(1 A ) = σ(a). Propositio 5. La compositio de deux foctios mesurables est mesurable C est immédiat et laissé au lecteur. Pour vérifier qu ue foctio est mesurable, o a e gééral pas besoi de tester f 1 (B) pour tous les B A 2. E effet o a December 3, Licece - Itégratio

14 Propositio 6. Soit f : (Ω 1, A 1 ) (Ω 2, A 2 ) et supposos que A 2 = σ(e), où E est ue famille quelcoque d esembles. Pour que f soit mesurable, il suffit que, pour tout E E, f 1 (E) A 1. Démostratio. O vérifie immédiatemet que A = {B Ω 2 f 1 (B) A 1 } est ue tribu. Puisqu elle cotiet E, elle cotiet A 2. Aisi, pour qu ue foctio f : Ω 1 R soit mesurable, il suffit que, pour tout x Q {y f(y) < x} A 1. (O applique ce qui précède avec E = {(, x[, x Q}. De même, toute foctio cotiue de R das R est mesurable, puisque la tribu boréliee est egedrée par les ouverts, et que l image réciproque d u ouvert par ue foctio cotiue est u ouvert. Il e va de meme de toute foctio mootoe (remplacer das la phrase précédete ouvert par itervalle). Propositio 7. Si f 1 et f 2 sot des foctios mesurables réelles, il e va de même de 1. f 1 + f 2 ; 2. f 1 f 2, 3. max(f 1, f 2 ). Démostratio. Motros le à titre d exemple pour f 1 +f 2. Les autres poits sot laissés à titre d exercice. Pour x R, o écrit {f 1 + f 2 < x} = r Q ({f 1 < r} {f 2 < x r}). Das le secod membre, o obtiet ue uio déombrable d esembles mesurables, qui est doc mesurable. Le derier poit ous permet de décomposer toute foctio mesurable réelle e différece de deux foctios mesurables positives. Si l o pose f + (x) = max(f(x), 0) et f (x) = max( f(x), 0), f + et f sot mesurables, et o a f = f + f, f = f + + f. Cette décompositio ous sera souvet très utile. Il ous arrivera aussi souvet de cosidérer des foctios preat les valeurs ±. Das ce cas, ous mettros sur R la tribu de σ( R), qui est la tribu egedrée par tous les itervalles (y compris ceux qui cotieet l ifii). Mais il sera e gééral beaucoup plus simple de chager R e u itervalle fermé boré à l aide d ue foctio mootoe borée h (par exemple arctg ou th), et de dire que f est mesurable à valeurs das R si et seulemet si h(f) est mesurable à valeurs das R. La propriété de mesurabilité est très stable. Il est difficile d exhiber ue foctio o mesurable. Toutes les foctios qu o recotre aturellemet le serot. O a e particulier December 3, Licece - Itégratio

15 Propositio 8. Soit f ue suite de foctios mesurables f : Ω R. O suppose que, pour tout x Ω, f (x) coverge vers f(x). Alors, la foctio x f(x) est mesurable. Aisi, la famille des foctios mesurables réelles est stable par limite simple (à l opposé par exemple de la famille des foctios cotiues). Démostratio. O écrit, pour x R {f < x} = r Q,r<x 0 N 0 {f < r}. Cette idetité e fait que traduire e terme de théorie des esembles la phrase f(y) < x si et seulemet si il existe r Q, r < x, et 0 N, tel que pour tout 0, f (y) < r. Le deuxième membre de l idetité précédete est mesurable, car costruit à l aide d u ombre déombrable d opératios sur des esembles mesurables. Ce qu o viet d écrire peut aussi s étedre aux limites das R. D ailleurs, o pourra démotrer de la même faço que, si f est ue suite de foctios mesurables réelles, l esemble des x pour lesquels f (x) coverge est u esemble mesurable. Rappelos au passage les otios de limite sup et limite if (das R ou R). Défiitio. 12 (Limites sup et limites if). Soit x ue suite de réels. O pose x = sup p x p, et x = if p x p. Le sup et l if ici peuvet predre les valeurs + (pour le sup) et (pour l if). x est ue suite décroissate. Elle coverge (das R) vers ue limite qu o appelle la limite sup de la suite x et déotée lim sup x. De même, x est ue suite croissate qui coverge vers ue limite otés lim if x. O a toujours lim if x = lim sup x, et la suite coverge si et seulemet si lim if x = lim sup x. O peut appliquer cela aux suites de foctios à valeurs réelles. D après tout ce qui précède, o voit que, si f est ue suite de foctios mesurables, alors lim if f et lim sup f sot des foctios mesurables (à valeurs évetuellemet das R). Aisi, o voit aisémet que, pour ue suite de foctio borées, l esemble des x où la suite coverge est mesurable, puisqu il s écrit {lim sup f lim if f = 0}. Défiitio. 13 (Foctios étagées). O dit qu ue foctio Ω R est étagée si elle s écrit f = λ i 1 Ai où A i A et λ i R. i=1 Remarque 10. Ue foctio étagée est rie d autre qu ue foctio mesurable réelle e preat qu u ombre fii de valeurs. (A démotrer à titre d exercice) P Remarquos égalemet qu ue foctio étagée admet ue représetatio f = i µi1b i où les Bi sot disjoits et les µi sot disticts o uls. cette représetatio est uique (les µ i sot les valeurs o ulles prises par f et B i = f 1 (µ i)). Nous appeleros cette réprésetatio la représetatio caoique. December 3, Licece - Itégratio

16 La propositio suivate ous motre l itérêt des foctios étagées. Propositio Toute foctio mesurable réelle positive est limite croissate de foctios étagées. 2. Toute foctio mesurable borée est limite uiforme de foctios étagées. (Rappelos qu ue foctio est dite borée s il existe u M R + tel que, pour tout x, f(x) [ M, M].) Démostratio. Nous e motros que le premier poit. Le secod est similaire et laissé au lecteur. Pour tout N, > 0, o pose f (x) = 2 2 k=0 k 2 1 A k, A, où A k, = {f ] k 2, k ], at A = {f > 2 }. La foctio f (x) est rie d autre que l écriture e base 2 de f(x), troquée à la k-ième décimale, si f(x) 2, et sio, vaut 2 si f(x) > 2. O voit immédiatemet que la suite f est croissate, que si f(x) <, alors 0 f(x) f (x) 1 2 dès que est assez grad pour avoir f(x) 2, et que si f(x) est ifii, f (x) = 2. Das tous les cas, f (x) coverge e croissat vers f(x). Efi, ous éoços sas démostratio la versio foctioelle du théorème des classes mootoes. Si A est ue tribu, o ote B(A) l espace vectoriel de toutes les foctios réelles A-mesurables et borées. O ote aussi, pour toute famillle de foctio E, σ(e) la plus petite tribu qui red mesurable toutes les foctios de cette famille. Aisi, par exemple, B(R) = σ(x 3 ), ou bie B(R) = σ(c), où C désige l espace de toutes les foctios cotiues, etc.. Défiitio. 14. Soit Ω u esemble, et H u sous-espace vectoriel de l espace vectoriel de toutes les foctios borées Ω R.O dira que H est u espace de classe mootoe si 1. H cotiet les foctios costates 2. Si f est ue suite d élemets de H qui vérifie x,, f (x) [0, 1], f (x) f +1 (x), alors la limite f = lim f est ecore u élémet de H. Théorème 7 (Des classes mootoes, versio foctioelle). Si ue classe moote H cotiet ue famille de foctios E stable par multiplicatio, elle cotiet B(σ(E)). December 3, Licece - Itégratio

17 Nous allos pas démotrer ce théorème, dot la démostratio est sesiblemet plus compliquée que celle du théorème esembliste correspodat. Nous revoyos pour cela au livre de Barbe-Ledoux. Efi, termios ce chapitre par ue remarque sur les limsup et les limif de suites d esembles, qu il e faut pas mélager avec les limsup et les limif de suites de ombres réels. Défiitio. 15 (Limsup et Limif d esembles). Soit (A ) ue suite de sous esembles de Ω. O ote lim sup A = p A p, lim if A = p A p. La limite sup des A est l esemble des poits x qi appartieet à ue ifiité de A. La limite if est ceux qui appartieet à tous les A à partir d u certai rag. Propositio 10. O a les propriétés élémetaires suivates 1. Si A B, alors lim sup A lim sup B, et lim if A lim if B. 2. lim if A lim sup A, (lim sup A ) c = lim if A c, (lim if A ) c = lim sup A c. 3. Si A est croissate, alors lim sup A = lim if A = A. Si A est décroissate, alors lim sup A = lim if A = A. 4. lim sup 1 A = 1 lim sup A ; lim if 1 A = 1 lim if A. 5. Si µ est ue mesure borée, alors µ(lim if A ) lim if µ(a ) lim sup µ(a ) µ(lim sup A ). E particulier, si lim sup (A ) = lim if (A ), alors µ(a ) coverge et o a lim µ(a ) = µ(lim sup A ) = µ(lim if (A ). Ces propriétés sot presques évidetes ue fois que l o a remarqué que p A p est ue suite décroissate d esembles, et que p A p est ue suite croissate. Les détails sot laissés à titre d exercice. O pourra observer comme coséquece que si lim sup A = lim if A et lim sup B = lim if B, alors lim sup A B = lim if A B, lim sup A B = lim if A B, et par coséquet que si A est croissate et B décroissate, alors µ(a B ) coverge. December 3, Licece - Itégratio

18 3 Itégratio de foctios mesurables Das ce chapitre, ous allos cosidérer u espace mesuré (Ω, A, µ) et défiir pour certaies foctios mesurables f l itégrale fdµ. O commece par l itégrale de foctios simples 3.1 Itégratio de foctios étagées. Appelos E l esemble des foctios étagées à valeurs réelles f(x) = λ i 1 Ai (x). i=1 Rappelos que ce sot les foctios mesurables e preat qu u ombre fii de valeurs. Parmi celles-ci, ous allos distiguer les foctios positives ( x, f(x) 0). O appelera E + l esemble des foctios étagées positives. Remarquos que 1. E est u espace vectoriel; 2. E + est stable par (f, g) max(f, g) et (f, g) mi(f, g). D autre part, das la réprésetatio f = k i=1 λ i1 Ai d u élémet de E, o peut toujours supposer que pour tout i, λ i 0. Défiitio. 16. Pour u élémet f E +, si f = i λ i1 Ai, o pose fdµ = λ i µ(a i ). i Il faut faire attetio ici à ce que, si µ(a i ) = mais que λ i = 0, o pose par covetio λ i µ(a i ) = 0. Ceci permet de rester compatible avec 01 Ω = 1. La première chose à remarquer est que cette défiitio e déped pas de la faço dot o a écrit f. Pour le voir, le plus simple est de remarquer si f = i=1 λ i1 Ai a comme représetatio caoique f = p i=1 µ i1 Bi, alors les deux représetatios de f doet la même valeur à I(f), ce qu o motre par exemple par récurrece sur. Cela repose au bout du compte sur la formule µ(a B) = µ(a) + µ(b) si A B =. Il faut faire attetio ici à ce qu o peut avoir I(f) =, si par exemple pour u idice i, o a µ(a i ) = et λ i > 0. Propositio 11. L applicatio f I(f) = fdµ vérifie les propriétés suivates 1. Si λ 0, I(λf) = λi(f); 2. I(f + g) = I(f) + I(g). 3. Si f g, I(f) I(g). 4. Si f est ue suite croissate d élémets de E + dot la limite est u élémet f de E +, alors I(f ) coverge (e croissat) vers I(f). December 3, Licece - Itégratio

19 Démostratio. Les deux premiers poits sot évidets. Pour le troisième, o remarque que si f g, alors h = f g E + et qu alors I(f) = I(g) + I(h) I(g). Le quatrième poit est plus délicat. Choisissos f = k i=1 λ i1 Ai, sous sa représetatio caoique, avec λ i > 0 pour tout i (si tous les λ i sot uls, alors f = 0, et il e va de même de chaque f, et il y a rie à dire). De même, o peut supposer que I(f) > 0, sio, il y a rie à démotrer. Soit alors α = I(f ). La suite α est croissate, majorée par I(f). Elle coverge doc vers ue limite α I(f). Notre problème est de motrer que α = I(f). Nous avos à distiguer deux cas : soit I(f) =, soit I(f) <. Traitos pour commecer le secod poit. Motros que, pour tout ɛ > 0 assez petit, α I(f) ɛ. Commeços par choisir ue foctio g = k i=1 µ i1 Ai, telle que µ i < λ i pour tout i et I(g) I(f) ɛ. La suite f coverge e croissat vers f, doc, sur A i, f (x) µ i pour assez grad (disos i ). Comme il y a qu u ombre fii d idices i, o sait qu il existe 0 (par exemple max( i ) ) tel que, si 0, alors f (x) g(x) partout. Doc, pour 0, α = I(f ) I(g) I(f) ɛ, et doc α I(f) ɛ. Le cas où I(f) est ifii se traite de même, e motrat que, pour tout M > 0, il existe u 0 tel que, pour 0, o a α M. 3.2 L itégrale des foctios positives. Nous pouvos alors doer la défiitio de l itégrale d ue foctio mesurable positive Défiitio. 17. Soit f ue foctio mesurable positive. O pose fdµ = gdµ. sup g E +,g f La même défiitio s applique aux foctios mesurables à valeurs das [0, + ]. O ote parfois, s il y a risque d ambiguité fdµ = f(ω)dµ(ω) = f(ω)µ(dω). Nous savos déjà que toute foctio mesurable positive est limite croissate de foctios étagées. Le résultat suivat (fodametal) permet de motrer commet calculer fdµ. Propositio 12. Soit (f ) ue suite de foctios de E + qui coverge e croissat vers f. Alors, fdµ = lim f dµ. Démostratio. Ue fois de plus, il faut distiguer le cas où fdµ < et où fdµ =. Nous e traitos que le premier, le secod est laissé à titre d exercice. Soit doc I = fdµ et a = f dµ, où f est ue suite croissate étagée qui coverge vers f. Tout d abord, f est majorée par f, et doc a fdµ December 3, Licece - Itégratio

20 par défiitio. Esuite, a est croissate, majorée par fdµ, doc coverge vers ue limite α fdµ. Tout otre problème est de motrer que α = fdµ. O va doc motrer que, ɛ > 0, α fdµ ɛ. Tout d abord, par défiitio de fdµ, il existe u élémet g E +, g f, tel que I(g) = gdµ fdµ ɛ. La suite h = mi(f, g) est ue suite d élémet de E + qui coverge e croissat vers g. D après la propositio précédete, si o appelle b = h dµ, alors b coverge vers I(g). Mais b a puisque h f. Et doc, α = lim a lim b = I(g) fdµ ɛ. C est bie ce qu o voulait démotrer. Ue fois ce résultat établi, alors les résultats suivats sot élémetaires Propositio 13. L applicatio f fdµ satisfait 1. Pour tout λ 0, λfdµ = λ fdµ 2. (f + g)dµ = fdµ + gdµ. 3. Si f g, alors fdµ gdµ. Démostratio. Motros par exemple le secod poit. O choisit ue suite (f ) et ue suite (g ) de foctios de E +, la première qui coverge e croissat vers f, la secode vers g. O sait que (f + g )dµ = f dµ + g dµ, puis o passe à la limite. Doos tout d abord quelques exemples. 1. Si µ = δ x, fdµ = f(x). 2. Sur N, si µ est la mesure de décompte, alors fdµ = f(). Aisi, l itégrale par rapport à la mesure de décompte est rie d autre que la somme de la série f(). Nous verros plus bas que l itégrale pour la mesure de Lebesgue d ue foctio cotiue ou mootoe est rie d autre que so itégrale de Riema. Aisi, l itégrale de Lebesgue gééralise à la fois l itégrale ordiaire et la sommatio des séries, et permet d éocer des théorèmes gééraux qui s appliquerot das ces deux cas. Les deux résultats suivats sot fodametaux Théorème 8. (Théorème de covergece mootoe) Soit (f ) ue suite de foctios mesurables positives qui coverge e croissat vers f. Alors lim f dµ = fdµ. December 3, Licece - Itégratio

21 Isistos sur le fait que ce résultat s applique même aux foctios qui e sot pas fiies. Remarquez que par comparaiso au résultat précédet, cette fois ci la suite f est plus écessairemet étagée. Démostratio. (Du théorème de covergece mootoe). Soit (f ) ue suite croissate de foctios mesurables positives, et (f,p ) ue suite croissate (e p) de foctios étagées qui coverge vers f. Posos alors g,p = max(f 1,p, f 2,p,..., f,p ). (g,p ) est à la fois croissate e et e p, est majorée par f et coverge aussi vers f lorsque p. Le lemme fodametal (Lemme 1) ous dit que lim lim p g,p = lim g,. et doc la suite g, coverge vers f. Alors, d après ce que l o sait sur les suites croissates de foctios étagées, lim g, dµ = fdµ. Par ailleurs, lim lim p g,p dµ = lim f dµ. O réapplique le lemme fodametal (Lemme 1) avec la suite a,p = g,p dµ, et o obtiet le résultat. Ue applicatio immédiate du théorème de covergece mootoe est le suivat Propositio 14. Si (f ) est ue suite de foctios mesurables positives, f dµ = f dµ. (Il suffit d appliquer le théorème de covergece mootoe à la suite croissate F = p=1 f p.) L autre résultat fodametal est le suivat Théorème 9. (Lemme de Fatou) Soit (f ) ue suite de foctios mesurables positives. Alors (lim if f )dµ lim if( f dµ). Démostratio. (Du lemme de Fatou) O pose g = if p f p. La suite g coverge e croissat (par défiitio) vers lim if f. Et doc, par le théorème de covergece mootoe, (lim if f )dµ = lim g dµ. Mais g dµ f dµ. December 3, Licece - Itégratio

22 Or, si a b, lim if a lim if b (Exercice immédiat d après la défiitio de la lim if.). D où l iégalité du lemme de Fatou. Pour se rappeler du ses de l iégalité das le lemme de Fatou, le mieux est de souveir d u cotre exemple : sur [0, 1], avec la mesure de Lebesgue, o pose f = 1 ]0,1/[. Alors f dx = 1, et lim if f = 0. O pourra chercher à titre d exercice u cotre exemple cotiu. Pour motrer la puissace de ces théorèmes, et l itérêt de e pas se limiter à des foctios fiies, commeços par itroduire ue otio. Défiitio. 18. O dit qu ue propriété P(x) a lieu presque partout (ou µ- presque partout s il y a ambiguïté), si l esemble des x pour lesquels P(x) est fausse est icluse das u esemble mesurable de mesure ulle. Par exemple Propositio 15. Si f est ue foctio mesurable positive et que fdµ <, alors f(x) est fiie presque partout. De même, si f 0 est telle que fdµ = 0, alors f est ulle presque partout. Démostratio. Commeços par le premier cas. Appelos A = {x f(x) = }. Pour tout N, f 1 A, et doc µ(a) fdµ. Doc, > 0, µ(a) 1 fdµ, et e passat à la limite, o trouve µ(a) = 0. Pour le secod, o pose de même A = {x f(x) 1/}, de telle faço que f 1 1 A. D où µ(a ) fdµ = 0. Mais A := {f > 0} = A et par coséquet µ(a) = 0. Voici alors ue applicatio immédiate du théorème de covergece mootoe, qui est à la base de la loi des grads ombres e probabilité. Théorème 10. Soit (f ) ue suite de foctios mesurables positives. Si la série f dµ coverge, alors la série f (x) coverge presque partout. E particulier, f (x) coverge vers 0 presque partout. Démostratio. Soit F (x) = f (x). O e sait pas a priori si F (x) est fii ou o. Mais le théorème de covergece mootoe ous dit que de toutes faços F (x)dµ = f dµ. Si la série au secod membre coverge, alors F (x)dµ <, et doc F (x) < presque partout. Pour u x pour lequel la série coverge, alors le terme gééral f (x) coverge vers 0. December 3, Licece - Itégratio

23 3.3 Itégrale de foctios o positives Cotrairemet aux foctios positives, ous e pourros itégrer des foctios o positives que si elles e sot pas trop grosses. Défiitio. 19. O dit qu ue foctio mesurable réelle est itégrable si f dµ <. O ote souvet f L 1 (µ). Notos tout de suite qu ue foctio itégrable est fiie presque partout. Rappelos la décompositio f = f + f avec f = f + + f. Puisque f + et f sot majorées par f, alors si f est itégrable, f + et f le sot. O a alors Défiitio. 20. Si f est itégrable, o défiit fdµ = f + dµ f dµ. Das la défiitio, o aurait pu predre importe quelle autre décompositio de f e différece de deux foctios positives itégrables. Propositio 16. Si f = f 1 f 2, où f 1 et f 2 sot deux foctios positives itégrables, alors alors f est itégrable et fdµ = f 1 dµ f 2 dµ. Démostratio. C est immédiat. f est itégrable puisque f f 1 + f 2 L 1 (µ)/ O écrit f + + f 2 = f + f 1, d où f + dµ + f 2 dµ = f dµ + f 1 dµ, et fialemet, puisque tout le mode est fii f + dµ f dµ = f 1 dµ f 2 dµ. De ceci ous déduisos immédiatemet la Propositio 17. L esemble des foctios itégrables est u espace vectoriel. Sur cet espace, l applicatio f fdµ est liéaire. Observos e plus qu elle satisfait toujours f g = fdµ gdµ, et que fdµ f dµ. December 3, Licece - Itégratio

24 Le troisième théorème fodametal du calcul itégral est le Théorème 11. (Théorème de covergece domiée). Soit (f ) ue suite de foctios itégrables. O suppose que pour tout x f (x) coverge vers ue foctio f(x), et qu il existe ue foctio itégrable positive g telle que, pour tout f (x) g(x). Alors, f est itégrable et lim f dµ = fdµ. Démostratio. Puisque f g, il est évidet que f est itégrable. Quitte à chager f e f f, o peut toujours supposer que f = 0. Esuite, puisque f dµ f dµ, quitte à remplacer f par f, o peut toujours supposer que f 0. Alors, o pose h = g f ; h est positive, et o peut appliquer le Lemme de Fatou à la suite (h ). Mais lim if h = g, et lim if h dµ = gdµ lim sup Le lemme de Fatou ous dit doc que gdµ gdµ lim sup f dµ, d où lim sup f dµ = 0. f dµ. Mais f dµ est ue suite positive. Sa limite sup e peut être ulle sas que sa limite if e le soit, et das ce cas la limite existe et est ulle. C est ce qu o voulait démotrer. Das les situatios pratiques, pour appliquer le théorème, la difficulté est de trouver la foctio g. La plus petite qui puisse faire l affaire est bie sûr g = sup f. Mais elle est pas toujours très facile à calculer. Nous allos das ce qui suit tirer de ces résultats de ombreuses coséqueces. mais ous sommes maiteat e mesure d idetifier l itégrale de Lebesgue avec l itégrale de Riema. Théorème 12. Soit f ue foctio cotiue sur l itervalle [0, 1], et λ la mesure de Lebesgue sur [0, 1]. Alors 1 fdλ = f(t)dt. 0 December 3, Licece - Itégratio

25 Démostratio. Rappelos brièvemet la costructio de l itégrale de Riema : Ue subdivisio σ de [0, 1] est ue suite fiie 0 = t 0 t 1... t = 1. So pas τ(σ) est défii par τ(σ) = 1 sup t i+1 t i. i=0 Pour toute subdivisio σ, et tout i, o choisit x i [t i, t i+1 ], et o forme la somme 1 S σ (f) = f(x i )(t i+1 t i ). i=0 Alors, si f est cotiue (ou mootoe, par exemple), pour toute suite σ de subdivisio dot le pas ted vers 0, la suite S σ (f) coverge vers ue quatité otée 1 f(t)dt. Les foctios Riema-itégrables sot exactemet celes pour 0 lesquelles toutes ces sommes coverget vers la même limite. Remarque 11. La grosse différece etre la théorie de l itégrale de Riema et celle de Lebesgue est que das la première o approche les foctios par des foctios e escalier (combiaiso liéaires d idicatrices d itervalles) et que das celle de Lebesgue o approche les foctios par des foctios étagées (combiaisos liéaires d idicatrices de borélies), qui est ue classe beaucoup plus vaste. Nous ous cocetros ici sur le cas des foctios cotiues, dot o va démotrer qu elles sot Riema-itégrables. E fait, ous allos motrer que, pour ue suite σ de subdivisios dot le pas ted vers 0, alors S σ (f) coverge vers fdλ. Pour cela, o cosidère la suite de foctios étagées 1 f = f(x i )1 [ti,t i+1]. i=0 par défiitio de la mesure de Lebesgue, f dλ = S σ (f). Il ous reste à motrer que f coverge vers f et qu o peut appliquer le théorème de covergece domiée. Mais le théorème de Heie ous dit que ɛ > 0, η, x y η = f(x) f(y) ɛ. Dès lors, puisque f vaut f(x i ) sur l itervalle [t i, t i+1 ] et que x i [t i, t i+1 ], si le pas de la subdivisio est iférieur à η, pout tout x [0, 1], f (x) f(x) ɛ. O voit doc que f coverge vers f. De plus, puisque f, cotiue sur [0, 1] est borée, disos par M, alors il e va de même de f f M. December 3, Licece - Itégratio

26 la foctio costate M est itégrable (sur [0, 1], avec la mesure de Lebesgue), et doc ous pouvos appliquer le théorème de covergece domiée f dλ fdλ. C est bie ce que ous voulios démotrer. Remarque 12. De faço géérale, das la théorie de Riema, o cherche à itégrer des foctios borées f : [a, b] R. Pour cela, pour ue subdivisio doée, o cosidère 1 X S,σ(f) = f i(t i+1 t i) et i=0 1 X Sσ(f) = fi (t i+1 t i) i=0,où f i et f i désiget respectivemet des sup et if de f sur l itervalle [t i, t i+1]. Alors, o dit que f est Riema itégrable si et seulemet si, lorsque le pas de la subdivisio coverge vers 0, S σ(f) et S σ(f) coverget vers la même limite. Il est pas vrai e gééral qu ue foctio Riema itégrable soit mesurable. Il ous faut itroduire ue tribu plus large que la tribu boréliee, la tribu de Baire. Pour la décrire, o dit qu u esemble est égligeable s il est iclus das u borélie de mesure de Lebesgue ulle. La tribu de Baire est {B A B([a, b]), A B est égligeable}. O vérifie immédiatemet que c est ue tribu. La mesure de Lebesgue s éted immédiatemet à cette tribu e disat que λ(a) = λ(b) si A B est égligeable. Alors, ue foctio borée est Riema itégrable si et seulemet si elle est mesurable pour la tribu de Baire, et que l esemble de ses poits de discotiuité est de mesure de Lebesgue ulle. Théorème 13. (Dérivatio sous l itégrale) Soit I u itervalle ouvert de R. O cosidère ue applicatio f : I Ω R, f(x, ω) telle que, pour tout x, la foctio ω f(x, ω) soit mesurable et itégrable, et telle que pour tout ω, la foctio x f(x, ω) soit dérivable sur I. O ote x f(x, ω) sa dérivée. Supposos qu il existe ue foctio positive itégrable g(ω) telle que, pour tout x I, x f(x, ω) g(ω). Alors I(x) = f(x, ω)dµ(ω) est dérivable sur l itervalle I et sa dérivée est I (x) = x f(x, ω)dµ(ω). Démostratio. Nous laissos au lecteur le soi de motrer que x f est mesurable. Nous choisissos x I, ue suite x qui coverge vers x, et cosidéros I(x ) I(x) f(x, ω) f(x, ω) = dµ(ω). x x x x Nous auros motré le résultat si ous pouvos appliquer le théorème de covergece domiée à la suite f (ω) = f(x, ω) f(x, ω), x x December 3, Licece - Itégratio

1 Mesure et intégrale

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

Plus en détail

Chapitre 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

. (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

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

[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

Introduction : Mesures et espaces de probabilités

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

Plus en détail

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

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

Plus en détail

Limites des Suites numériques

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

Plus en détail

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

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

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

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

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

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

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

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

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

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

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

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

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

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

* 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

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

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

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

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

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

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

Probabilités et statistique pour le CAPES

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

Plus en détail

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

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

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

Exercices de mathématiques

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

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

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

Plus en détail

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

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

Théorie de la Mesure et Intégration

Théorie de la Mesure et Intégration Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble

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

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

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

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

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1 UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

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

Plus en détail

Intégrale de Lebesgue

Intégrale de Lebesgue Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................

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

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

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

Plus en détail

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

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

Plus en détail

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

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

Théorie de la Mesure et Intégration

Théorie de la Mesure et Intégration Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation 1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus

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

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

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

Intégration et probabilités TD1 Espaces mesurés

Intégration et probabilités TD1 Espaces mesurés Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?

Plus en détail

Séries numériques. Chap. 02 : cours complet.

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

Plus en détail

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

Plus en détail

Processus géométrique généralisé et applications en fiabilité

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

Plus en détail

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

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires

Plus en détail

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés

Plus en détail

Statistique Numérique et Analyse des Données

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

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

THÉORIE DE LA MESURE ET DE L INTÉGRATION.

THÉORIE DE LA MESURE ET DE L INTÉGRATION. THÉORIE DE LA MESURE ET DE L INTÉGRATION. THIERRY GALLAY Transcrit par Tancrède LEPOINT 29 UNIVERSITÉ JOSEPH FOURIER, GRENOBLE TABLE DES MATIÈRES Avant-propos Biographie sommaire...........................................

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

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

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

Mesures et Intégration

Mesures et Intégration Mesures et Intégration Marc Troyanov - EPFL - Octobre 2005 30 avril 2008 Ce document contient les notes du cours de Mesure et Intégration enseigné à l EPFL par Marc Troyanov, version 2005-2006. Table des

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

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par

Plus en détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude

Plus en détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration et probabilités TD1 Espaces mesurés Corrigé Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.

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

Les algorithmes de tri

Les algorithmes de tri CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....

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

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble. II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café

Plus en détail

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012 Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre

Plus en détail

Gérer les applications

Gérer les applications Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces

Plus en détail

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres

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

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

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

RECHERCHE DE CLIENTS simplifiée

RECHERCHE DE CLIENTS simplifiée RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées

Plus en détail

Théorie de la mesure. S. Nicolay

Théorie de la mesure. S. Nicolay Théorie de la mesure S. Nicolay Année académique 2011 2012 ii Table des matières Introduction v 1 Mesures 1 1.1 Sigma-algèbres................................. 1 1.2 Mesures.....................................

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

Mécanique non linéaire

Mécanique non linéaire M MN9 Mécaique o liéaire Zhi-Qiag FENG UFR Sciece et Techologies Uiversité d Evry Val d Essoe TABLES DES MATIERES INTRODUCTION Chapitre : CONCEPTS ELEMENTAIRES. Pricipales propriétés des matériaux. Coaissace

Plus en détail

Mesure et Intégration (Notes de cours de L3)

Mesure et Intégration (Notes de cours de L3) Mesure et Intégration (Notes de cours de L3) Ahmed Zeriahi Version préliminaire-octobre 2011 Avertissement : Ceci est une version préliminaire des notes du cours que l auteur a dispensé en troisème année

Plus en détail

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

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

Plus en détail

Sommaire Chapitre 1 - L interface de Windows 7 9

Sommaire Chapitre 1 - L interface de Windows 7 9 Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18

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

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

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

Plus en détail

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

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

Plus en détail

Initiation à l analyse factorielle des correspondances

Initiation à l analyse factorielle des correspondances Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique

Plus en détail

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers. Reseigemets et moitorig. Reseigemets commerciaux et de solvabilité sur les etreprises et les particuliers. ENSEMBLE CONTRE LES PERTES. Reseigemets Creditreform. Pour plus de trasparece. Etreteir des rapports

Plus en détail

Résolution numérique des équations aux dérivées partielles (PDE)

Résolution numérique des équations aux dérivées partielles (PDE) Résolutio umérique des équatios au dérivées partielles (PDE Sébastie Charoz & Adria Daerr iversité Paris 7 Deis Diderot CEA Saclay Référeces : Numerical Recipes i Fortra, Press. Et al. Cambridge iversity

Plus en détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en détail

Contribution à la théorie des entiers friables

Contribution à la théorie des entiers friables UFR STMIA École Doctorale IAE + M Uiversité Heri Poicaré - Nacy I DFD Mathématiques THÈSE présetée pour l obtetio du titre de Docteur de l Uiversité Heri Poicaré, Nacy-I e Mathématiques par Bruo MARTIN

Plus en détail