Introduction aux algorithmes de bandit

Dimension: px
Commencer à balayer dès la page:

Download "Introduction aux algorithmes de bandit"

Transcription

1 Mater MVA: Apprentiage par renforcement Lecture: 3 Introduction aux algorithme de bandit Profeeur: Rémi Muno muno/mater-mva/ Référence bibliographique: Peter Auer, Nicolo Cea-Bianchi, and Paul Ficher. Finite-time analyi of the multi-armed bandit problem. Machine Learning, 47(2/3): , Auer, Cea-Bianchi, Freund, Schapire. The nontochatic multi-armed bandit problem T. L. Lai and Herbert Robbin. Aymptotically efficient adaptive allocation rule. Advance in Applied Mathematic, 6:4-22, 985. Le bandit tochatique à K bra Conidéron K bra (action, choix) défini par de ditribution (ν k ) kk à valeur dan [0, ], de loi inconnue. A chaque intant, l agent choiit un bra I t {,..., K} et oberve une récompene x t ν It, réaliation indépendante (de récompene paée) générée elon la loi du bra I t. Son objectif et de maximier la omme de récompene qu il reçoit, en epérance. Noton µ k = E X νk [X] l epérance de récompene de chaque bra, et µ = max k µ k la valeur moyenne du meilleur bra. Si l agent connaiait le loi, il choiirait alor le meilleur bra à chaque intant et obtiendrait une récompene moyenne µ. Comme il ne connait pa le loi initialement, il doit explorer le différent bra pour acquérir de l information (exploration) qui lui ervira enuite pour agir optimalement (exploitation). Cela illutre le compromi exploration-exploitation. Pour évaluer la performance d une tratégie donnée, on va définir à quelle vitee cette tratégie permet d atteindre un taux de récompene moyen optimal. Pour cela on définit le regret cumulé à l intant n: R n = nµ x t, qui repréente la différence en récompene cumulée entre ce qu il a obtenu et ce qu il aurait pu obtenir en moyenne il avait joué optimalement dè le début. On intéree à définir de tratégie qui ont un petit regret cumulé moyen ER n. Remarquon que ER n = nµ E µ It = E T k (n)(µ µ k ) = E T k (n) k, où k = µ µ k et le gap entre le bra optimal et le bra k, et où T k (n) = n {I t = k} et le nombre de foi que le bra k a été tiré juqu à l intant n. Aini un bon algorithme de bandit devra tirer peu ouvent le bra ou-optimaux.

2 2 Introduction aux algorithme de bandit. Stratégie UCB La tratégie UCB (pour Upper Confidence Bound) [Auer et. al, 2002] conite à choiir le bra: 2 log t I t = arg max B t,tk (t )(k), avec B t, (k) = ˆµ k, +, k où ˆµ k, = i= x k,i et la moyenne empirique de récompene reçue en ayant tiré le bra k (i.e., x k,i et la i-ème récompene reçue en ayant tiré le bra k). Il agit d une tratégie dite optimite dan l incertain. La valeur B t,tk (t )(k) repréente une borne upérieure de µ k en forte probabilité. Aini on choiit le bra qui erait le meilleur i le valeur de bra étaient le meilleure poible (en forte proba), achant ce qui a été obvervé. En effet, rappelon l inégalité de Chernoff-Hoeffding: Soient X i [0, ] variable aléatoire indépendante de moyenne µ = EX i. Alor P ( i= X i µ ɛ ) e 2ɛ2, et P ( X i µ ɛ ) e 2ɛ2. () i= Donc pour t fixé, 2 log t P(ˆµ k, + µ k ) e 4 log(t) = t 4. (2) Et aui: 2 log t P(ˆµ k, µ k ) e 4 log(t) = t 4. (3) Propoition. Chaque bra ou-optimal k et tiré en moyenne au plu ET k (n) 8 log n foi. Donc le regret cumulé moyen d UCB et borné elon ER n = k k ET k (n) 8 + π2 3 k: k >0 log n k Ce réultat établit que le regret cumulé moyen et logarithmique en n. + K π2 3. Proof. Intuition de la preuve: uppoon qu à l intant t le moyenne empirique de bra ont dan leur intervalle de confiance repectif, c et à dire 2 log t (a) (b) 2 log t µ k ˆµ k, µ k +. (4) pour = T k (t ). Alor oit k un bra ou-optimal et k un bra optimal. Si le bra k et tiré à l intant t, cela ignifie que B t,tk (t )(k) B t,tk (t )(k ), oit 2 log t 2 log t ˆµ k, + ˆµ k, +, (5) pour = T k (t ) et 2 log t = T k (t ) donc d aprè (4), µ k + 2 µ, c et à dire 8 log t.

3 Introduction aux algorithme de bandit 3 Maintenant, pour tout entier u, nou avon: T k (n) u + {I t = k; T k (t) > u} u + t=u+ t=u+ { : u < t, : t, B t, (k) B t, (k )} (6) Maintenant, d aprè le raionnement précédent, l évènement {B t, (k) B t, (k )} (c et à dire (5)) implique que 8 log t ou bien qu une de deux inégalité (a) ou (b) dan (4) n et pa atifaite. Donc en choiiant u = 8 log(n), on en déduit que (a) ou (b) n et pa atifaite. Mai d aprè (2), l inégalité (a) n et pa atifaite avec une probabilité t 4, et d aprè (3) l inégalité (b) n et pa vraie avec une probabilité t 4. En prenant l epérance de deux coté de (6), E[T k (n)] 8 log(n) 8 log(n) + t=u+ + π2 3 [ t =u+ t 4 + t = t 4] Propoition 2. Nou avon la borne uniforme ur le regret Proof. Par Cauchy-Schwarz, ER n 8Kn(log n + π2 3 ) ER n = k k ETk (n) ET k (n) ET k(n) ET k (n) k k 8Kn(log n + π2 3 )..2 Borne inférieure Nou avon la borne inférieure aymptotique (pour une clae de ditribution aez riche) [Lai et Robbin, 985] fonction de ditribution: ET k (n) lim up n log n KL(ν k ν ), avec la ditance de Kullback Leibler KL(ν ν ) = dν log(dν/dν ). Donc ER n = Ω(log n). Nou avon aui une borne inférieure minimax non-aymptotique (voir par exemple [Cea-Bianchi et Lugoi, Prediction, Learning, and Game, 2006]): inf up R n = Ω( nk). Algo Problème

4 4 Introduction aux algorithme de bandit.3 Amélioration Utiliation de la variance empirique pour affiner le intervalle de confiance [Audibert, Muno, Szepevari, Ue of variance etimation in the multi-armed bandit problem, 2008]. Borne minimax améliorée [Audibert, Bubeck, Minimax Policie for Adverarial and Stochatic Bandit, 2009]. On obtient la borne inf Kn. Application au online learning (claification ou régreion en-ligne) avec information partielle..4 Extenion Il exite de nombreue extenion au problème du bandit tochatique à K bra: Bandit dan un MDP [Jakch, Ortner, Auer. Near-optimal regret bound for reinforcement learning, 200]. Stratégie d exploration optimite dan l incertain (baée ur UCB) pour explorer un Proceu de déciion markovien. > poibilité de mini-projet Bandit avec information contextuelle. A chaque intant t, on oberve une information x t X et on prend une déciion a t A. La récompene et une foncion de a t et de x t. On e compare à une clae de tratégie π : X A. Bandit avec un nombre de bra dénombrable. [Wang, Audibert, Muno, Algorithm for inifinitely many-armed bandit, 2008]. Chaque nouveau bra a une probabilité ɛ β d être ɛ-optimal. Compromi entre exploration - exploitation - découverte. > poibilité de mini-projet Bandit linéaire [Dani, Haye, Kakade, Stochatic Linear Optimization under Bandit Feedback, 2008] On choiit un bra x t X R d. La récompene moyenne et une fonction linéaire r t = x t α, où α R d et un paramètre inconnu. On e compare à max x X x α. > poibilité de mini-projet Bandit en epace métrique [Kleinberg, Slivkin, Upfal, Multi-armed bandit in metric pace, 2008], [Bubeck, Muno, Stoltz, Szepevari, Online optimization in X-armed bandit, 2008]. On choiit un bra x t X dan un epace métrique. La récompene moyenne f(x t ) et uppoée Lipchitz. On e compare à up x X f(x). Il agit d un problème d optimiation online. Bandit hiérarchique Algorithme UCT [Koci et Szepevari. Bandit baed monte-carlo planning., 2006], BAST [Coquelin et Muno, Bandit algorithm for tree earch, 2007], HOO [Bubeck, Muno, Stoltz, Szepevari, Online optimization in X-armed bandit, 2008]. Application au jeu de go (programme MoGo) [Gelly, Wang, Muno, Teytaud. Modification of UCT with pattern in monte-carlo go, 2006]. Utiliation d algorithme de bandit de manière hiérarchique pour effectuer une recherche dan de grand arbre. > poibilité de mini-projet 2 Le bandit contre un adveraire Ici le récompene ne ont plu néceairement i.i.d. mai choiie arbitrairement par un adveraire. Dan ce ca, on ne peut plu epérer faire aui bien que i on avait connu à l avance le récompene (car l adveraire n a aucune envie de e laier dévoiler). Mai on peut comparer le performance obtenue par notre algorithme aux performance obtenue par une clae de tratégie de comparaion, et tenter de faire prequ aui bien que la meilleure tratégie dan cette clae.

5 Introduction aux algorithme de bandit 5 Nou pouvon ditinguer 2 type de problème elon l information reçue à chaque round: information parfaite ( full information ) ou information partielle ( bandit information ). Voici un modèle de bandit contre un adveraire: On dipoe de K bra. A chaque intant t =..., n, L adveraire choii de récompene x t (),..., x t (K) (uppoée à valeur dan [0, ], an le dévoiler au joueur Le joueur choiit un bra I t Dan le ca information parfaite, le joueur oberve le récompene de tou le bra x t (k), pour k =..., K. Dan le ca information partielle, le joueur n oberve que la récompene du bra choii: x t (I t ). La clae de tratégie de comparaion et l enemble de tratégie contante. Aini le regret par rapport à la tratégie contante k et défini elon R n (k) = x t (k) x t (I t ). La tratégie du joueur pouvant être aléatoire, on conidère le regret moyen pour la meilleure tratégie contante: R n = max ER n(k), kk et l on déire contruire un algorithme qui oit bon pour toute équence de récompene fournie par l adveraire, i.e. tel que up x,...,x n R n oit petit. 2. Information complete Conidéron l algorithme EWF (Exponentially Weighted Forecater): On initialie l algorithme avec w (k) = pour tout k =,..., n. A chaque intant t =,..., n, le joueur choiit le bra I t p t, où p t (k) = où > 0 et un paramètre de l algorithme. w t (k) = e P t = x(k), w t(k) P K i= w t(i), avec Propoition 3. Soit. On a Aini, en choiiant = 8 log K n, il vient R n log K + n 8. n log K R n. 8

6 6 Introduction aux algorithme de bandit Preuve. Noton = K w k(t). On a + = w k (t)e x t(k) = p k (t)e xt(k) [ = E I pt e x ] t(i) = e E[x t(k)] E I pt [ e (x t (I) E J pt [x t (J)]) ] e E[xt(I)] e 2 /8, par le lemme de Hoeffding Donc Maintenant log W n+ W E [ n x t (I t ) ] + n 2 8. log W n+ W = log e P n xt(k) log K x t (k) log K, pour n importe quel k =,..., n. Aini pour tout k, on a x t (k) E [ n x t (I t ) ] log K + n 8. Remarque: Borne inf du même ordre: R n = Ω( n log K). Dépendance logarithmique en K Poibilité d avoir un algorithme anytime (qui ne néceite pa la connaiance de l horizon temporel n) en choiiant un pa t = O( log K t ). Prédiction à bae d expert [Lugoi and Cea-Bianchi, 2006]. 2.2 Information partielle Conidéron l algorithme EXP3 (Exploration-Exploitation uing Exponential weight): > 0 et β > 0 ont deux paramètre de l algorithme. On initialie l algorithme avec w (k) = pour tout k =,..., n. A chaque intant t =,..., n, le joueur choiit le bra I t p t, où w t (k) p t (k) = ( β) K i= w t(i) + β K, avec où x (k) = x (k) p (k) {I = k}. w t (k) = e P t = x (k),

7 Introduction aux algorithme de bandit 7 Propoition 4. Soit, et β = K. On a Aini, en choiiant = log K (e )nk, il vient R n log K + (e )nk. R n 2.63 nk log K. Preuve. Noton = K w k(t). Remarquon que E I p [ x (k)] = K i= p (i) x (k) p (k) {i = k} = x (k), que E I p [ x (I )] = K i= p (i) x (i) p (i) K. On a + = w k (t)e x t(k) = p k (t) β/k e x t(k) β p k (t) β/k ( + x t (k) + (e 2) 2 x t (k) 2 ), β puique x t (k) K/β =, et e x + x + (e 2)x 2 pour x. Mai on a aui + + β log + log W n+ W log W n+ W = log β β p k (t)( x t (k) + (e 2) 2 x t (k) 2 ), p k (t)( x t (k) + (e 2) 2 x t (k) 2 ), p k (t)( x t (k) + (e 2) 2 x t (k) 2 ). e P n x t(k) log K x t (k) log K, pour n importe quel k =,..., n. l algorithme), on a pour tout k, En prenant l epérance (par rapport à la randomiation interne de [ E ( β) x t (k) i= [ n E x t (k) ] p i (t) x t (i) ] x t (I t ) E[R n (k)] log K ( β) log K βn + log K [ n + (e 2)E + (e 2)nK + (e )nk p k (t) x t (k) 2] Remarque: Borne inf R n 20 nk (voir [Auer et al., 2002]).

8 8 Introduction aux algorithme de bandit Algorithme INF [Audibert et Bubeck 2009] obtient un regret O( nk). Exp3 donne un regret en epérance en O( nk log K) mai le regret peut être grand ur certaine réaliation de l algorithme. En effet le récompene repondérée x t (k) ont d ordre /p t (k) ce qui peut être (en négligeant la dépendance en K) aui grand que n pour le valeur de β conidérée, ce qui entraîne un regret dont la variance et en n 3/2 et aini le regret peut être en n 3/4. On ne peut donc pa obtenir de regret en n avec forte probabilité. Cependant en modifiant légèrement l algorithme afin d augmenter l exploration (en uretimant le récompene reçue), on obtient un algorithme EXP3.P [Auer et al., 2002] qui dépend d un paramètre δ > 0 tel que max kk x t (k) x t (I t ) = O( nk log(kn/δ)). (7) 2.3 Equilibre de Nah Conider a 2-player zero-um repeated game: A and B play action: or 2 imultaneouly, and receive the reward (for A): A \ B (A like conenu, B like conflict) Nah equilibrium: (mixed) trategy (p, q ) for both player, uch that no player ha incentive for changing unilaterally hi own trategy: for any p and q, r A (p, q ) r A (p, q ) and r B (p, q) r B (p, q ). Ar Here the Nah i: A play with probability p A = /2, B play with probability p B = /4. B=2 2 A Now, let A and B be bandit algorithm, aiming at minimizing their regret, i.e. for player A: R n (A) def = max r A (a, B t ) r A (A t, B t ). and that of B accordingly. a {,2} In the cae of zero-um game (i.e. r A = r B ), the value of the game V i defined a V = inf up q [0,] p [0,] r A (p, q) = up inf r A(p, q) q [0,] p [0,] B=

9 Introduction aux algorithme de bandit 9 (minimax Theorem). Note that there may exit everal Nah equilibria (p, q ) but their value r A (p, q ) i unique and equal V. Indeed: V = up p [0,] inf r A(p, q) q [0,] inf r A(p, q) = r A (p, q ) = up r A (p, q ) q [0,] p [0,] inf r A(p, q) = V. q [0,] Propoition 5. If both player perform a (Hannan) conitent regret-minimization trategy (i.e. R n (A)/n 0 and R n (B)/n 0), then the average value of the received reward converge to the value of the game: lim n n r A (A t, B t ) = V. In addition, the empirical frequencie of choen action of both player converge to a Nah equilibrium. (Note that EXP3.P i conitent!). Preuve. Write p n def A = n n A and p n def B = n n B the empirical frequencie of played action. Write r A (p, q) def = E A p,b Q r A (A, B). Player A play a Hannan-conitent regret-minimization trategy, thu lim up max r A (a, B t ) r A (A t, B t ) n a {,2} n n 0 lim up up r A (p, B t ) r A (A t, B t ) n n n 0 p [0,] ince p r A (p, q) i a linear mapping. Thu V = inf q up r A (p, q) lim inf p n n r A (A t, B t ). Now, ince player B doe the ame, we alo have that lim up r A (A t, B t ) up inf n n r A(p, q) = V. p q Thu lim n n n r A(A t, B t ) = V. We alo have that the empirical joint ditribution (p q) n (a, b) = n n {A t = a, B t = b} converge to the et of Nah equilibria {(p, q )} ince the et of joint ditribution i compact (ince we conider a finite number of action) and any (p, q ) uch that r A (p, q ) = V i a Nah equilibrium: r A (p, q ) inf r A(p, q) V up r A (p, q ) r A (p, q ). q [0,] p [0,] Example: Texa Hold em Poker In the 2-player Poker game, the Nah equilibrium i intereting (zero-um game) A policy: information et (my card + board + pot) probabilitie over deciion (check, raie, fold) Space of policie i huge!

10 0 Introduction aux algorithme de bandit Idea: Approximate the Nah equilibrium by uing bandit algorithm aigned to each information et. Thi method provided the world bet Texa Hold em Poker program for 2-player with pot-limit [Zinkevitch et al., 2007]. Extenion: In non-zero um game or in game with more than 2 player, there are general convergence reult toward correlated equilibrium [Foter and Vohra, 997].

Changement de fréquence, effet Doppler

Changement de fréquence, effet Doppler N 804 BULLETIN DE L'UNION DES PHYSICIENS 869 Changement de fréquence, effet Doppler par Yve BAIMA, André JORANDON, Sylvie MORLEN et Marc VINCENT Lycée La Martinière Monplaiir - 69372 Lyon Cedex 08 RÉSUMÉ

Plus en détail

La lettre. La Gestion des filiales dans une PME : Bonnes Pratiques et Pièges à éviter. Implantations à l étranger : Alternatives à la création

La lettre. La Gestion des filiales dans une PME : Bonnes Pratiques et Pièges à éviter. Implantations à l étranger : Alternatives à la création Doier : Getion d entreprie 42 La Getion de filiale dan une PME : Bonne Pratique et Piège à éviter Certaine PME ont tout d une grande. entreprie. A commencer par la néceité d avoir de filiale. Quel ont

Plus en détail

Voyez la réponse à cette question dans ce chapitre. www.lifeinsuranceinsights.com/life-insurance-2/what-will-your-hobby-cost-you.

Voyez la réponse à cette question dans ce chapitre. www.lifeinsuranceinsights.com/life-insurance-2/what-will-your-hobby-cost-you. Erwan, d une mae de 65 kg, fait un aut de Bungee. Il tombe de 0 m avant que la corde du bungee commence à étirer. Quel era l étirement maximal de la corde i cette dernière agit comme un reort d une contante

Plus en détail

Cap Maths. Guide de l enseignant. Nouveaux programmes. cycle. Roland CHARNAY Professeur de mathématiques en IUFM

Cap Maths. Guide de l enseignant. Nouveaux programmes. cycle. Roland CHARNAY Professeur de mathématiques en IUFM Cap Math CP 2 cycle Guide de l eneignant Nouveaux programme SOUS LA DIRECTION DE Roland CHARNAY Profeeur de mathématique en IUFM Marie-Paule DUSSUC Profeeur de mathématique en IUFM Dany MADIER Profeeur

Plus en détail

Progressons vers l internet de demain

Progressons vers l internet de demain Progreon ver l internet de demain COMPRENDRE LA NOTION DE DÉBIT La plupart de opérateur ADSL communiquent ur le débit de leur offre : "512 Kb/", "1 Méga", "2 Méga", "8 Méga". À quoi ce chiffre correpondent-il?

Plus en détail

Le paiement de votre parking maintenant par SMS

Le paiement de votre parking maintenant par SMS Flexibilité et expanion L expanion de zone de tationnement payant ou la modification de tarif ou de temp autorié peut e faire immédiatement. Le adree et le tarif en vigueur dan le nouvelle zone doivent

Plus en détail

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013 Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de

Plus en détail

MAT 2377 Solutions to the Mi-term

MAT 2377 Solutions to the Mi-term MAT 2377 Solutions to the Mi-term Tuesday June 16 15 Time: 70 minutes Student Number: Name: Professor M. Alvo This is an open book exam. Standard calculators are permitted. Answer all questions. Place

Plus en détail

ETAT D AVANCEMENT DE LA RECHERCHE. Mensualisation du kilométrage annuel avec KILOMENE

ETAT D AVANCEMENT DE LA RECHERCHE. Mensualisation du kilométrage annuel avec KILOMENE ETAT D AVANCEMENT DE LA RECHERCHE Menualiation du étrage annuel avec KILOMENE 98MT33 S. Laarre (INRETS-DERA, Arcueil) L. Jaeger (LOI, Colmar) P. A. Hoyau (INRETS-DERA, Arcueil) Synthèe de la recherche

Plus en détail

Votre entreprise et le marketing

Votre entreprise et le marketing Votre entreprie et le marketing SÉRIE PARTENAIRES EN AFFAIRES Selon la taille de votre entreprie Par où commencer Guide par étape SÉRIE PARTENAIRES EN AFFAIRES Utilier le marketing pour augmenter vo profit

Plus en détail

Principe de symétrisation pour la construction d un test adaptatif

Principe de symétrisation pour la construction d un test adaptatif Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université

Plus en détail

Trouver des sources de capital

Trouver des sources de capital Trouver de ource de capital SÉRIE PARTENAIRES EN AFFAIRES Emprunt garanti et non garanti Vente de part de capital Programme gouvernementaux Source moin courante SÉRIE PARTENAIRES EN AFFAIRES Quelque principe

Plus en détail

Modifié le 2 juillet 2015 GUIDE DES BOURSIERS DE L AIEA

Modifié le 2 juillet 2015 GUIDE DES BOURSIERS DE L AIEA Modifié le 2 juillet 2015 GUIDE DES BOURSIERS DE L AIEA Guide de bourier de l AIEA TABLE DES MATIERES I. INTRODUCTION... 2 II. PRÉPARATION POUR LE PROGRAMME DE BOURSE... 2 III. CONSIDÉRATIONS FINANCIÈRES...

Plus en détail

EPFL 2010. TP n 3 Essai oedomètrique. Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilias Nafaï Weil Florian

EPFL 2010. TP n 3 Essai oedomètrique. Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilias Nafaï Weil Florian 1 EPFL 2010 Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilia Nafaï Weil Florian 11 Table de matière Ø Introduction 3 Ø Objectif 3 Ø Déroulement de l eai 4 Ø Exécution de deux palier de charge 6 Ø Calcul

Plus en détail

Apprentissage par renforcement (1a/3)

Apprentissage par renforcement (1a/3) Apprentissage par renforcement (1a/3) Bruno Bouzy 23 septembre 2014 Ce document est le chapitre «Apprentissage par renforcement» du cours d apprentissage automatique donné aux étudiants de Master MI, parcours

Plus en détail

Projet. Courbe de Taux. Daniel HERLEMONT 1

Projet. Courbe de Taux. Daniel HERLEMONT 1 Projet Courbe de Taux Daniel HERLEMONT Objectif Développer une bibliothèque en langage C de fonction relative à la "Courbe de Taux" Valeur Actuelle, Taux de Rendement Interne, Duration, Convexité, Recontitution

Plus en détail

Finance des matières premières (6b) De la formation des prix sur les marchés financiers à la possibilité d un équilibre (non walrasien)

Finance des matières premières (6b) De la formation des prix sur les marchés financiers à la possibilité d un équilibre (non walrasien) Finance des matières premières (6b) De la formation des prix sur les marchés financiers à la possibilité d un équilibre (non walrasien) Alain Bretto & Joël Priolon - 25 mars 2013 Question Dans un équilibre

Plus en détail

Directive concernant l'utilisation de sedex

Directive concernant l'utilisation de sedex Département fédéral de l intérieur DFI Office fédéral de la tatitique OFS Diviion Regitre Office fédéral de la tatitique (OFS), fournieur de pretation de edex 21.05.2014 Directive concernant l'utiliation

Plus en détail

Caractérisation de l interface Si/SiO 2 par mesure C(V)

Caractérisation de l interface Si/SiO 2 par mesure C(V) TP aractériation de l interface Si/SiO par meure (V) aractériation de l interface Si/SiO par meure (V) Introduction p I Effet de champ à l interface Si/SiO p Fonctionnement d une capacité MOS p Principe

Plus en détail

1. Introduction THÉORÈMES LIMITES POUR CERTAINES FONCTIONNELLES ASSOCIÉES AUX PROCESSUS STABLES SUR L ESPACE DE HÖLDER

1. Introduction THÉORÈMES LIMITES POUR CERTAINES FONCTIONNELLES ASSOCIÉES AUX PROCESSUS STABLES SUR L ESPACE DE HÖLDER Publ. Mat. 45 (), 37 386 THÉOÈMES LIMITES POU CETAINES FONCTIONNELLES ASSOCIÉES AUX POCESSUS STABLES SU L ESPACE DE HÖLDE M. Ait Ouahra et M. Eddahbi Abtract In thi paper we tudy the Hölder regularity

Plus en détail

Keywords: Renewable Energy System, Modelling, Synchronous Generator, Simulation.

Keywords: Renewable Energy System, Modelling, Synchronous Generator, Simulation. Journal of Fundamental and Applied Science ISSN 111-9867 Available online at http://www.jfa.info OPTIIZATION OF AEOLIAN ENERGY CONVERSION OPTIISATION DE LA CONVERSION DE L ENERGIE EOLIENNE Y. Soufi *,

Plus en détail

La décision dans l incertain préférences, utilité et probabilités. Philippe Bernard

La décision dans l incertain préférences, utilité et probabilités. Philippe Bernard La déciion dan l incertain préférence, utilité et probabilité Philippe Bernard Table de matière 1 Le rique 1 2 L epérance morale 2 3 Préférence et utilité 10 3.1 L approche parétienne... 10 3.2 Loterie

Plus en détail

Produire moins, manger mieux!

Produire moins, manger mieux! Raak doier d Alimentation : o Produire moin, manger mieux! Nou voulon une alimentation de qualité. Combien de foi n entendon-nou pa cette revendication, et à jute titre. Mai i tout le monde et d accord

Plus en détail

Prudence, Epargne et Risques de Soins de Santé Christophe Courbage

Prudence, Epargne et Risques de Soins de Santé Christophe Courbage Prudence, Epargne et Rique de Soin de Santé Chritophe Courbage ASSOCIATION DE GENÈVE Introduction Le compte d épargne anté (MSA), une nouvelle forme d intrument pour couvrir le dépene de anté en ca de

Plus en détail

Ventilation à la demande

Ventilation à la demande PRÉSENTATION Ventilation à la demande Produit de pointe pour ventilation à la demande! www.wegon.com La ventilation à la demande améliore le confort et réduit le coût d exploitation Lorque la pièce et

Plus en détail

Instructions Mozilla Thunderbird Page 1

Instructions Mozilla Thunderbird Page 1 Instructions Mozilla Thunderbird Page 1 Instructions Mozilla Thunderbird Ce manuel est écrit pour les utilisateurs qui font déjà configurer un compte de courrier électronique dans Mozilla Thunderbird et

Plus en détail

PRÉSENTATION DU RÉSEAU INFORMATIQUE

PRÉSENTATION DU RÉSEAU INFORMATIQUE PRÉSENTATION DU RÉSEAU INFORMATIQUE 2.1 Apect phyique Le CHU de Beançon regroupe d une part l établiement Jean MINJOZ, monobloc de 13 étage aocié au Pôle Coeur Poumon, contruction adjacente ur 5 niveaux,

Plus en détail

Le compte épargne temps

Le compte épargne temps 2010 N 10-06- 05 Mi à jour le 15 juin 2010 L e D o i e r d e l a D o c 1. Définition Sommaire 2. Modification iue du décret n 2010-531 3. Principe du compte épargne temp Bénéficiaire potentiel Alimentation

Plus en détail

Optique. LEYBOLD Fiches d expériences de physique P5.6.2.1. 0706-Gan/Hag. Vitesse de la lumière Mesure avec des impulsions lumineuses courtes

Optique. LEYBOLD Fiches d expériences de physique P5.6.2.1. 0706-Gan/Hag. Vitesse de la lumière Mesure avec des impulsions lumineuses courtes Optique Vitee de la lumière Meure avec de impulion lumineue courte LEYBOLD Fiche d expérience de phyique Détermination de la vitee de la lumière dan l air à partir de la ditance parcourue et du temp de

Plus en détail

RETIRER DE L ARGENT DE VOTRE SOCIÉTÉ

RETIRER DE L ARGENT DE VOTRE SOCIÉTÉ LETTRE MENSUELLE DE CONSEILS DESTINÉS À MAXIMALISER LE FLUX DE REVENUS RETIRÉS DE VOTRE SOCIÉTÉ OPTIMALISATION DU MOIS Déterminer le taux du marché... Si votre ociété vou vere un intérêt, elle doit de

Plus en détail

GAME CONTENTS CONTENU DU JEU OBJECT OF THE GAME BUT DU JEU

GAME CONTENTS CONTENU DU JEU OBJECT OF THE GAME BUT DU JEU GAME CONTENTS 3 wooden animals: an elephant, a Polar bear and an African lion 1 Playing Board with two tree stumps, one red and one blue 1 Command Board double sided for two game levels (Green for normal

Plus en détail

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Dualité dans les espaces de Lebesgue et mesures de Radon finies Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention

Plus en détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

Plus en détail

TP6 : ALIMENTATION A DECOUPAGE : HACHEUR SERIE ET CONVERTISSEUR STATIQUE ABAISSEUR DE TENSION

TP6 : ALIMENTATION A DECOUPAGE : HACHEUR SERIE ET CONVERTISSEUR STATIQUE ABAISSEUR DE TENSION P6 : ALIMNAION A DCOUPAG : HACHUR SRI CONVRISSUR SAIQU ABAISSUR D NSION INRODUCION Le réeau alternatif indutriel fournit l énergie électrique principalement ou de tenion inuoïdale de fréquence et d amplitude

Plus en détail

Moments des variables aléatoires réelles

Moments des variables aléatoires réelles Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................

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

4. Martingales à temps discret

4. Martingales à temps discret Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les

Plus en détail

Gestion de Contacts & Clients

Gestion de Contacts & Clients elon le beoin de votre entreprie, nou vou propoon : 3ACT! pour le indépendant ou le petite entreprie qui ouhaitent organier et développer leur activité. 3ACT! Premium pour le entreprie qui ouhaitent améliorer

Plus en détail

Parcours Hydrologie-Hydrogéologie. Apport des méthodes d infiltrométrie à la compréhension de l hydrodynamique de la zone non-saturée des sols.

Parcours Hydrologie-Hydrogéologie. Apport des méthodes d infiltrométrie à la compréhension de l hydrodynamique de la zone non-saturée des sols. Univerité Pierre et Marie Curie, École de Mine de Pari & École Nationale du Génie Rural de Eaux et de Forêt Mater Science de l Univer, Environnement, Ecologie Parcour Hydrologie-Hydrogéologie Apport de

Plus en détail

MAXI SPEED-ROLL Course à boules

MAXI SPEED-ROLL Course à boules Course à boules Notice de montage 1. Posez le jeu à plat sur une table. 2. A l aide de la clé de service, dévissez les vis qui maintiennent la plaque de plexiglas et déposez la. 3. Dévissez les 4 vis fixant

Plus en détail

How to Deposit into Your PlayOLG Account

How to Deposit into Your PlayOLG Account How to Deposit into Your PlayOLG Account Option 1: Deposit with INTERAC Online Option 2: Deposit with a credit card Le texte français suit l'anglais. When you want to purchase lottery products or play

Plus en détail

Courrier Fédéral @ @ N 320 EDITORIAL INDUSTRIE PLUS LOIN QUE NOS DROITS. PUBLICITE page 8. Adresse du site de la FTM-CGT. http://www.ftm-cgt.

Courrier Fédéral @ @ N 320 EDITORIAL INDUSTRIE PLUS LOIN QUE NOS DROITS. PUBLICITE page 8. Adresse du site de la FTM-CGT. http://www.ftm-cgt. Courrier Fédéral N 320 du 13.10.12 au 19.10.12 @ @ Adree du ite de la FTM-CGT http://www.ftm-cgt.fr Fédération de travailleur de la métallurgie CGT ISSN 0152-3082 EDITORIAL Aprè la journée de mobiliation

Plus en détail

Table des matières. Introduction. 1

Table des matières. Introduction. 1 Avant propo Le travail préenté dan ce mémoire a été réalié au ein du laboratoire d électromécanique de Compiègne (LEC) ou la direction de Monieur Jean Paul Vilain dan le cadre d une convention indutrielle

Plus en détail

Jeux à somme nulle : le cas fini

Jeux à somme nulle : le cas fini CHAPITRE 2 Jeux à somme nulle : le cas fini Les jeux à somme nulle sont les jeux à deux joueurs où la somme des fonctions de paiement est nulle. Dans ce type d interaction stratégique, les intérêts des

Plus en détail

Suites numériques 4. 1 Autres recettes pour calculer les limites

Suites numériques 4. 1 Autres recettes pour calculer les limites Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est

Plus en détail

Abdallah Derbal Département de Mathématiques, Ecole Normale Supérieure, Vieux Kouba - Alger - abderbal@yahoo.fr

Abdallah Derbal Département de Mathématiques, Ecole Normale Supérieure, Vieux Kouba - Alger - abderbal@yahoo.fr #A56 INTEGERS 9 009), 735-744 UNE FORME EFFECTIVE D UN THÉORÈME DE BATEMAN SUR LA FONCTION PHI D EULER Abdallah Derbal Département de Mathématiques, Ecole Normale Supérieure, Vieux Kouba - Alger - Algérie,

Plus en détail

FIMA, 7 juillet 2005

FIMA, 7 juillet 2005 F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation

Plus en détail

Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes

Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté. C.Dombry (Université

Plus en détail

Rappels sur les suites - Algorithme

Rappels sur les suites - Algorithme DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................

Plus en détail

Simulation numérique de l absorption d hydrogène dans un réacteur annulaire muni de refroidissement

Simulation numérique de l absorption d hydrogène dans un réacteur annulaire muni de refroidissement Simulation numérique de l aborption d hydroène dan un réacteur annulaire muni de refroidiement Ali Boukhari #,* 1, Rachid Beaïh * # Département de énie mécanique, Univerité d'el-oued, B.P. 789, 9000 El-Oued,

Plus en détail

ÉTAT DES LIEUX STATISTIQUE EN AQUITAINE

ÉTAT DES LIEUX STATISTIQUE EN AQUITAINE CONTRIBUTION DU GROUPE «COOPÉRATIVES, MUTUELLES ET ASSOCIATIONS DE L ÉCONOMIE SOCIALE» Cette contribution à la note de conjoncture du CESER propoe dan une première partie une approche tatitique du ecteur

Plus en détail

Cadeaux d affaires, cadeaux d entreprises, objets publicitaires www.france-cadeaux.fr - services@france-cadeaux.fr

Cadeaux d affaires, cadeaux d entreprises, objets publicitaires www.france-cadeaux.fr - services@france-cadeaux.fr Siège France Cadeaux 84 rue de Courbiac 17100 Sainte 00 33 (0)5 46 74 66 00 RC.424 290 211 00012 Cadeaux d affaire, cadeaux d entreprie, objet publicitaire www.france-cadeaux.fr - ervice@france-cadeaux.fr

Plus en détail

Conception de convertisseurs DC/DC à base de MEMS

Conception de convertisseurs DC/DC à base de MEMS onception de convertieur D/D à bae de MEMS S. Ghandour To cite thi verion: S. Ghandour. onception de convertieur D/D à bae de MEMS. Micro and nanotechnologie/microelectronic. Univerité Joeph-Fourier -

Plus en détail

Statistique Descriptive et Inférentielle Méthodes paramétriques et non paramétriques

Statistique Descriptive et Inférentielle Méthodes paramétriques et non paramétriques Fiche TD avec le logiciel : a2-1-c Statistique Descriptive et Inférentielle Méthodes paramétriques et non paramétriques Sylvain Mousset Rappels de probabilités / statistiques Table des matières 1 Probabilités

Plus en détail

Beat your dad! : GAME RULES FOR 1 AND 2 PLAYERS

Beat your dad! : GAME RULES FOR 1 AND 2 PLAYERS GB USA Beat your dad! : GAME RULES FOR 1 AND 2 PLAYERS CONTENTS: 10 Pentaminis, 6 Pentaminos, 1 game board, 2 separators to mark out the chosen playing area(s) for 1 or 2 players, 18 Penta cards (36 different

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

Modélisation d une section de poutre fissurée en flexion

Modélisation d une section de poutre fissurée en flexion Moéliation une ection e poutre fiurée en flexion Prie en compte e effort tranchant Chritophe Varé* Stéphane Anrieux** * EDF R&D, Département AMA 1, av. u Général e Gaulle, 92141 Clamart ceex chritophe.vare@ef.fr

Plus en détail

Dossier. Vtech, leader en France. Lexibook, leader en Europe

Dossier. Vtech, leader en France. Lexibook, leader en Europe Doier Par Yoan Langlai La tablette pour enf Si 6 million de tablette devraient e vendre cette année en France (préviion GfK), on etime à 1 million le nombre de vente de tablette pour enfant en 2013. Sur

Plus en détail

Somm@ire. Mon Université Numérique. Édito L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité

Somm@ire. Mon Université Numérique. Édito L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité Somm@ire Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité 1 2 4 6 Mon Univerité Numérique 7 Rue de Fac Droit de uager et identité numérique Gloaire Webographie 23 24 26 28 Édito

Plus en détail

Politique de gestion. Date : 5 avril 2004

Politique de gestion. Date : 5 avril 2004 de getion Titre : Appel d offre public Soumiion (condition de recevabilité) No : PG 4.06 Sujet : Reource matérielle et ervice profeionnel Page : 1 de : 8 Approuvée par : Directeur général Nouvelle : Réviée

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

Nouvelles classes de problèmes pour la fouille de motifs intéressants dans les bases de données 2

Nouvelles classes de problèmes pour la fouille de motifs intéressants dans les bases de données 2 Nouvelles classes de problèmes pour la fouille de motifs intéressants dans les bases de données 2 Lhouari Nourine 1 1 Université Blaise Pascal, CNRS, LIMOS, France SeqBio 2012 Marne la vallée, France 2.

Plus en détail

Édito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité

Édito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité Somm@ire Édito Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité Mon Univerité Numérique Rue de Fac Droit de uager et identité numérique Gloaire Webographie 1 2 4 6 7 23 24 26

Plus en détail

Édito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité

Édito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité Somm@ire Édito Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité Mon Univerité Numérique Rue de Fac Droit de uager et identité numérique Gloaire Webographie 1 2 4 6 7 23 24 26

Plus en détail

unenfant Avoir en préservant ses droits

unenfant Avoir en préservant ses droits Avoir unenfant en préervant e droit Guide adreant aux travailleue et travailleur du ecteur public du réeau de la anté et de ervice ociaux Le comité de condition féminine de la La mie à jour de ce guide

Plus en détail

Le passé composé. C'est le passé! Tout ça c'est du passé! That's the past! All that's in the past!

Le passé composé. C'est le passé! Tout ça c'est du passé! That's the past! All that's in the past! > Le passé composé le passé composé C'est le passé! Tout ça c'est du passé! That's the past! All that's in the past! «Je suis vieux maintenant, et ma femme est vieille aussi. Nous n'avons pas eu d'enfants.

Plus en détail

Édito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité

Édito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité Somm@ire Édito Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité Mon Univerité Numérique Rue de Fac Droit de uager et identité numérique Gloaire Webographie 1 2 4 6 7 23 24 26

Plus en détail

Construire vos indicateurs pour atteindre vos objectifs

Construire vos indicateurs pour atteindre vos objectifs Management la anté et la écurité au travail Contruire vo indicateur pour atteindre vo objectif L Intitut national recherche et écurité (INRS) Dan le domaine la prévention rique profeionnel, l INRS et un

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en 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

Guide de configuration d'une classe

Guide de configuration d'une classe Guide de configuration d'une clae Viion ME Guide de configuration d'une clae Contenu 1. Introduction...2 2. Ajouter de cour...4 3. Ajouter de reource à une leçon...5 4. Meilleure pratique...7 4.1. Organier

Plus en détail

Université de Montréal. Temps de Branchement du Mouvement Brownien Branchant Inhomogène. Jean-Sébastien Turcotte

Université de Montréal. Temps de Branchement du Mouvement Brownien Branchant Inhomogène. Jean-Sébastien Turcotte Université de Montréal Temps de Branchement du Mouvement Brownien Branchant Inhomogène par Jean-Sébastien Turcotte Département de mathématiques et de statistique Faculté des arts et des sciences Mémoire

Plus en détail

Chapitre 3. Mesures stationnaires. et théorèmes de convergence

Chapitre 3. Mesures stationnaires. et théorèmes de convergence Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée

Plus en détail

Impact de l éolien sur le réseau de transport et la qualité de l énergie

Impact de l éolien sur le réseau de transport et la qualité de l énergie 1 Impact de l éolien ur le réeau de tranport et la qualité de l énergie B. Robyn 1,2, A. Davigny 1,2, C. Saudemont 1,2, A. Anel 1,2, V. Courtecuie 1,2 B. Françoi 1,3, S. Plumel 4, J. Deue 5 Centre National

Plus en détail

Équations non linéaires

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

Plus en détail

Comptes-titres et PEA FINAVEO. & a s s o c i é s

Comptes-titres et PEA FINAVEO. & a s s o c i é s Compte-titre et PEA FINAVEO & a o c i é LE RÔLE DES INTERVENANTS Met à votre dipoition la viualiation de vo compte Votre coneiller indépendant Vou accompagne dan vo invetiement Client FINAVEO & Aocié

Plus en détail

FÉDÉRATION INTERNATIONALE DE NATATION Diving

FÉDÉRATION INTERNATIONALE DE NATATION Diving QUALIFICATION SYSTEM - 2 ND SUMMER YOUTH OLYMPIC GAMES - NANJING 2014 FÉDÉRATION INTERNATIONALE DE NATATION Diving A. Events (5) MEN S EVENTS (2) WOMEN S EVENTS (2) MIXED EVENTS (2) 3m individual springboard

Plus en détail

Somm@ire. Mon Université Numérique. Édito L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité

Somm@ire. Mon Université Numérique. Édito L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité Somm@ire Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité 1 2 4 6 Mon Univerité Numérique 7 Rue de Fac Droit de uager et identité numérique Gloaire Webographie 23 24 26 28 Édito

Plus en détail

La direction des solidarités Se loger à Moissy

La direction des solidarités Se loger à Moissy La direction de olidarité Se loger à Moiy La direction de olidarité La Source - Place du Souvenir - BP24-77550 Moiy-Cramayel cedex Tél. : 01 64 88 15 80 - Fax : 01 64 88 15 26 SOMMAIRE Edito p. 3... Le

Plus en détail

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements

Plus en détail

Introduction à l approche bootstrap

Introduction à l approche bootstrap Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?

Plus en détail

Cours STAT 2150. "Statistique non paramétrique: Méthodes de lissage"

Cours STAT 2150. Statistique non paramétrique: Méthodes de lissage Cours STAT 2150 "Statistique non paramétrique: Méthodes de lissage" Année académique 2008-2009 Séance 1 1 Table de matière du cours 1. Introduction (Fonction de répartition, histogramme, propriétés d un

Plus en détail

Terminale STMG Lycée Jean Vilar 2013/2014. Terminale STMG. O. Lader

Terminale STMG Lycée Jean Vilar 2013/2014. Terminale STMG. O. Lader Terminale STMG O. Lader Table des matières 1 Information chiffrée (4s) 4 1.1 Taux d évolution....................................... 6 1.2 indices............................................. 6 1.3 Racine

Plus en détail

Édito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité

Édito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité Somm@ire Édito Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité Mon Univerité Numérique Rue de Fac Droit de uager et identité numérique Gloaire Webographie 1 2 4 6 7 23 24 26

Plus en détail

Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA

Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université

Plus en détail

Édito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité

Édito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité Somm@ire Édito Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité Mon Univerité Numérique Rue de Fac Droit de uager et identité numérique Gloaire Webographie 1 2 4 6 7 23 24 26

Plus en détail

Suites numériques 3. 1 Convergence et limite d une suite

Suites numériques 3. 1 Convergence et limite d une suite Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n

Plus en détail

COMMUNE DE FELLETIN. P R O C E S V E R B A L D U C O N S E I L M U N I C I P A L Séance ordinaire du jeudi 8 septembre 2011

COMMUNE DE FELLETIN. P R O C E S V E R B A L D U C O N S E I L M U N I C I P A L Séance ordinaire du jeudi 8 septembre 2011 R E P U B L I Q U E F R A N Ç A I S E DEPARTEMENT DE LA CREUSE ARRONDISSEMENT D AUBUSSON COMMUNE DE FELLETIN P R O C E S V E R B A L D U C O N S E I L M U N I C I P A L Séance ordinaire du jeudi 8 eptembre

Plus en détail

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12 Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont

Plus en détail

Notes de cours de Probabilités Appliquées. Olivier François

Notes de cours de Probabilités Appliquées. Olivier François Notes de cours de Probabilités Appliquées Olivier François 2 Table des matières 1 Axiomes des probabilités 7 1.1 Introduction................................. 7 1.2 Définitions et notions élémentaires.....................

Plus en détail

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

Plus en détail

calls.paris-neuroscience.fr Tutoriel pour Candidatures en ligne *** Online Applications Tutorial

calls.paris-neuroscience.fr Tutoriel pour Candidatures en ligne *** Online Applications Tutorial calls.paris-neuroscience.fr Tutoriel pour Candidatures en ligne Online Applications Tutorial 1/4 Pour postuler aux Appels d Offres de l ENP, vous devez aller sur la plateforme : calls.parisneuroscience.fr.

Plus en détail

La direction des solidarités Se loger à Moissy

La direction des solidarités Se loger à Moissy La direction de olidarité Se loger à Moiy La direction de olidarité La Source - Place du Souvenir - BP24-77550 Moiy-Cramayel cedex Tél. : 01 64 88 15 80 - Fax : 01 64 88 15 26 QU EST CE QUE LA GUP LA GESTION

Plus en détail

Construction de l'intégrale de Lebesgue

Construction de l'intégrale de Lebesgue Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale

Plus en détail

Simulation de variables aléatoires

Simulation de variables aléatoires Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo

Plus en détail

VOTRE NOTICE D ACCUEIL- YOUR INFORMATION LEAFLET

VOTRE NOTICE D ACCUEIL- YOUR INFORMATION LEAFLET CAMPUS FRAN S E P T E M B R E 2 0 1 5 / S E P T E M B E R 2 0 1 5 S E P T E M B R E 2 0 1 6 / S E P T E M B E R 2 0 1 6 VOTRE NOTICE D ACCUEIL- YOUR LEAFLET BIENVENUE WELCOME Campus France, chargé de vous

Plus en détail

Cours d analyse numérique SMI-S4

Cours d analyse numérique SMI-S4 ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****

Plus en détail

PROBABILITES ET STATISTIQUE I&II

PROBABILITES ET STATISTIQUE I&II PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits

Plus en détail

Grégoire de Lassence. Copyright 2006, SAS Institute Inc. All rights reserved.

Grégoire de Lassence. Copyright 2006, SAS Institute Inc. All rights reserved. Grégoire de Lassence 1 Grégoire de Lassence Responsable Pédagogie et Recherche Département Académique Tel : +33 1 60 62 12 19 gregoire.delassence@fra.sas.com http://www.sas.com/france/academic SAS dans

Plus en détail