LES PROBABILITÉS EN FINANCE

Dimension: px
Commencer à balayer dès la page:

Download "LES PROBABILITÉS EN FINANCE"

Transcription

1 LES PROBABILITÉS EN FINANCE A quoi servent l maths en finance? DES ODÈLES PERETTANT D ESTIER LA VALEUR DES ACTIFS DES CAS OÙ ON PEUT DÉTERINER DES STRATÉGIES OPTIALES : QUAND ACHETER, QUAND VENDRE? QUEL RISQUE? ESTIATION D ACTIFS L AVERSION AU RISQUE L évolution d actifs financiers t gouvernée par la loi de l offre et de la demande sur un marché. Comme il t impossible de connaître à l avance l décisio de tous l agents, on la modélise avec d équatio où interviennent d term aléatoir, comme le mouvement brownien ci-dsous Préférez-vous gagner 0e à coup sûr ou gagner 00e avec 1 chance sur de gagner? Le gn moyen (rationnel) t supérieur da le second cas (0e au lieu de 0), ms l choix sont partagés... L agents, même parftement rationnels, ne sont pas tous prêts à prendre l mêm risqu. L aversion au risque modélise cette tendance. Ce phénomène souligne un intérêt d marchés dérivés, où cert agents achètent du risque à d autr, da la perspective d obtenir d rendements plus élevés. La financiarisation du marché de l assurance (de crédit, vie, immobilière...) en t une illustration. ouvement brownien linére vs. cours de l action BNP Paribas sur a C modèl sont couramment utilisés par l opérateurs de marché : savoir timer à terme la valeur d actio ou de devis permet d timer la valeur de produits plus complex (produits dérivés d actio, optio...) qui cotituent euxmêm un marché, créé par l existence même de c modèl. C marchés permettent par exemple d traferts de risqu entre agents C modèl sont fondés sur certn hypothès (information complète, marché complet, absence d opportunité d arbitrage...). Si ell ne sont pas vérifié, ils peuvent être en défaut. Une autre cause d itabilité : l existence de produits dérivés basés non pas sur d actio, ms sur d indic dont la valeur n t pas bien timée par c méthod. QUELLES STRATÉGIES POUR VENDRE/ACHETER? Pour savoir quand acheter ou vendre un actif, on peut cotruire d indicateurs simpl (ms peu performants): l moyenn mobil. On compare à chaque itant la moyenne du cours sur une courte période passée (m c ) et sur une période plus longue (m l ). Si m c > m l, on achète, et on vend lorsque m c < m l. POURQUOI DES "PORTEFEUILLES"? Pour un produit financier, deux grandeurs pertinent sont le revenu et le risque : Le revenu t le gn moyen auquel on peut s attendre au bout d une période déterminée. Le risque donne une idée de l écart possible entre le gn moyen et le gn réellement obtenu, qui peut être négatif! Lorsqu on utilise plusieurs produits financiers, l revenus et l risqu ne s additionnent pas : on peut, en jouant sur l proportio de chaque produit da un portefeuille, maximiser s revenus en minimisant l risqu... Courbe revenu/risque pour un portefeuille de produits financiers L traders utilisent d techniqu de couverture ou de réplication basé sur d produits dérivés (optio...), fonctionnant comme d assuranc contre l variatio de l actif. Exemple : Le 0 juin, le trader A achète au trader B l option d acheter 0 actio de l entreprise XYZ à 0e et à la date du 1 décembre suivant. Au moment de la traaction, l action s échange à e. A pe, pour s 0 optio (appelé calls), une prime de e chacun. Le 1 décembre, si l action s échange à 0e, A exerce s calls : B lui vend 0 actio de XYZ à 0e et touche 0e * 0 = 000e. A, s il revend immédiatement c actio da le marché, reçoit 0e * 0 = 000e. Son profit t de (0e - 0e - e ) * 0 = 100e. B, s il doit acheter l actio pour honorer sa part du contrat, perd 100e : (0e + e - 0e ) * 0 = -100e ; si l action s échange à 0e, A n exerce pas s optio. Sa perte t de e * 0 = 00e. Symétriquement, B gagne 00e.

2 ODÈLES DE PERCOLATION ÉTUDE DE LA PERÉABILITÉ D UNE ROCHE. On coidère une roche volcanique (par exemple la pierre ponce) et on veut déterminer en fonction de sa porosité* si l eau peut la traverser (perméable) ou bien si elle forme une barrière étanche (imperméable). Pour mener cette étude on coidère la roche en coupe (dimeion ) et on la modèlise par d gr (carrés) situés sur l sit du réseau Z. Fig. 1: roche imperméable Roche Fig. : Roche perméable *porosité: l eemble d interstic (connectés ou non) d une roche ou d un autre matériau pouvant contenir d fluid (liquide ou gaz). Il s agit aussi d une valeur numérique da [0,1] qui caractérise c interstic, le rapport du volume d vid du matériau divisé par le volume total. On cotruit à présent un modèle mathématique pour étudier ce phénomène. UN ODÈLE DE PERCOLATION EN DIENSION PERCOLATION CRITIQUE odèle probabiliste: Z joue le rôle du réseau sur lequel l gr de matière sont placés. En chaque site de ce résau (i.e., chaque (i,j) Z ) on place, indépendemment d autr sit, un grn de matière avec probabilité p (i.e., le site rte vide avec probabilité 1 p). On appelle tirage de percolation le résultat de cette opération. La porosité* t donc donnée par 1 p. Deux sit occupés sont plus proche voisi si ils sont à distance1l un de l autre (par ex: (i,j) et (i+1,j)). On dit que deux sit communiquent entre eux si ils sont occupés et qu ils peuvent être reliés par une suite de sit occupés et coécutivement plus proche voisi; On forme l sous eembl maximaux (amas) de sit qui communiquent entre eux. Il existe une probabilité critique p c ]0,1[ telle que: sip < p c, tous l amas sont de tlle finie. De plus, pour un amas particulier, la probabilité qu il contienne plus de k sit décroît très rapidement (i.e., exponentiellement vite en k). si p > p c, parmi tous l amas, un seul contient une infinité de sit. La deité de cet amas infini (i.e., la probabilité qu un site en particulier lui appartienne) t strictement positive et croissante en p. L résultats rigoureux sur le plan mathématiqu permettent seulement d encadrerp c entre 0. et0.. Fig. : p=0. Fig. : p=0. Fig. : p=0. Fig. : p=0. Fig..: amas sur une partie finie de Z Cependant, à l de de simulatio numériqu, on time que p c se situe aux enviro de 0.. On peut le cotater sur l figur,, et sur lquell on représente à la fois l sit occupés (en gris) et l plus gros amas d un tirage de percolation sur une boîte contenant 10 sit et pour différent valeurs dep. INTERPRÉTER LES RÉSULTATS OBTENUS AVEC LE ODÈLE La roche que l on souhte modéliser t de tlle finie ms contient un très grand nombre de gr. Aii, sur une grande boîte carrée du réseau Z, on réalise un tirage de percolation de probabilité p. On obtient l imperméabilité si l un d amas au moi traverse la boîte Λ N horizontalement. On présente ci-dsous plusieurs simulatio sur lquell tous l amas en contact avec le côté gauche apparssent en violet. L imperméabilité t obtenue quand p dépasse p c 0.. Aii d après notre modèle en dimeio, une roche t imperméable lorsque sa porosité t inférieure a1 p c 0.0. Fig. : p=0. Fig. : p=0. Fig. : p=0. Fig. 11: p=0.

3 LES ATHÉATIQUES DU POKER TEXAS HOLD'E Chaque joueur reçoit cart qu'il t seul à voir (mn de départ). Premier tour d'enchèr, Flop : cart sont dévoilé au centre à tous l joueurs, Deuxième tour d'enchèr, Turn : une quatrième carte t dévoilée au centre, Troisième tour d'enchèr, River : une cinquième carte t dévoilée au centre, Dernier tour d'enchèr. La meilleure combinson de cart remporte la partie. VALEURS DES AINS DE DÉPART joueurs A R D V joueurs A R D V A D V assorti m dépareillé Pre de,% de chance de victoire Décroissance lente de la probabilité avec l valeurs d cart as so rti assorti > m dépareillé Pre de 1% de chance de victoire Décroissance rapide de la probabilité avec l valeurs d cart da l m dépareillé R D V as s or ti joueurs dé pa re illé A joueurs R dé pa re illé AIDE À LA DÉCISION : LES COTES turn ou river Cote du pot = ontant du pot ontant à invtir Cote d'amélioration = Nombre d'outs % de gn Cote contre 1 % de gn Cote contre 1 1,%,,%,0,%,,%,0 1,%,,% 1, 1,%,,%, 1,%,,%,,%, 1,0%, 0,1%, 1,%,,% 1, 1,%,,% 1, 1,%,1,0% 1, 1,%, 11,% 1,1,%, brelan 1 1,% 0,,1%, 1,% 0,,%, quinte 1 0,% 0, 0,%, 1,% 0,,%,1 quinte 1,% 0,,% 1, 1,1% 0,,0% 1, 1,% 0,,1% 1, 1 1,% 0, 1,% 1, 0,0% 0,,% 1, EN PRATIQUE THÉORIE DES COTES Probabilité de perdre Probabilité de gagner Si Cote du pot > Cote d'amélioration, il t intérsant de jouer, sinon il vaut mieux s'arrêter. 1. Calcul de la cote du pot. Calcul de la cote d'amélioration : on compte le nombre d'outs (cart qui peuvent nous fre gagner) on lit la cote corrpondante da le tableau. Pour un calcul rapide, on a l approximatio : - turn ou river, proba gn x nb d'outs % - river, proba gn x nb d'outs % EXEPLE n : Tableau : Pot : 00 euros ontant pour suivre : 0 euros 00 Cote du pot = = contre 1 0 Outs : outs Conclusion : cote du pot > cote d'amélioration river Cote d'amélioration =, contre 1 il t intérsant de jouer!

4 ALÉA DANS LES ENQUÊTES D OPINION Que cache l affirmation suivante? "L E CANDIDAT A EST CRÉDITÉ DE 1% DES INTENTIONS DE VOTE AU ND TOUR CONTRE % POUR SON ADVERSAIRE B, D APRÈS UN SONDAGE EFFECTUÉ SUR UN ÉCHANTILLON DE 01 PERSONNES, REPRÉSENTATIF DE LA POPULATION FRANÇAISE ÂGÉE DE 1 ANS ET PLUS." LE ÉCHANTILLON REPRÉSENTATIF? En annotation d rultats de sondag, on précise souvent : "La représentativité de l échantillon a été assurée par la méthode d quotas (sexe, âge, profsion de la personne interrogée) après stratification par région et catégorie d agglomération." Aii, pour chaque région et catégorie d agglomération : L proportio d homm et de femm da l échantillon rpectent cell de la France; Idem pour l proportio de chaque classe d âge; Idem pour l proportio de type de profsion. CANDIDAT A VA - T- IL GAGNER? En coidérant la marge d erreur, on peut affirmer qu il y a au moi % de chanc pour que A recueille entre.% et.% d vot, B recueille entre.% et.% d vot. Il t difficile de conclure que A va gagner. Supposo que A recueille réellement 1% d vot. Quelle t la probabilité de l annoncer vnqueur à partir d un sondage sur 01 personn? oi de %. Il y a plus d une chance sur que l ordre annoncé soit faux. Par contre : l proportio croisé ne sont pas forcément rpecté (par exemple le sexe da chaque classe d âge), encore moi la proportion pour d autr critèr (statut matrimonial, patrimoine, religion, etc.) Un échantillon n t donc jams représentatif de toute la diversité d une population. EST LA PRÉCISION DU SONDAGE? AÉLIORER LE SONDAGE? Si on augmente le nombre de sondés? Cela améliore la précision de l timation. Si A t finalement gagnant avec 1% d vot, la probabilité de s être trompé da le pronostic (l annoncer perdant) à partir d une enquête décroit avec le nombre de sondés : On peut lire sur le site d IPSOS (section FAQ): "L inconvénient majeur de la méthode d quotas t de ne pas permettre de calculer scientifiquement la marge d erreur du sondage. L lois statistiqu qui permettent de la déterminer ne valent théoriquement que pour l sondag aléatoir. En pratique, on coidère cependant que la marge d erreur d sondag par quotas t égale ou inférieure à celle d sondag aléatoir." Q UELLE C OENT 0 D après la théorie d sondag aléatoir, 1 la marge d erreur à % t de plus ou moi n (à peu près*), en notant n le nombre de sondés. Da le sondage précédent, elle vaut donc.% Pour avoir un risque de moi de % de se tromper, il faudrt sonder plus de 000 personn. Et si la population totale étt moi nombreuse? Cela n a quasiment aucun impact. La marge d erreur t impactée par le coefficient 1 f, où f t le ratio nombre de sondés/population totale. Elle vaut :.% si l on sonde 01 personn sur 0 millio, *La marge d erreur exacte à % associée aux vot pour A vaut r p(1 p) p : proportion (inconnue) de vot pour A, (1 f ) f : ratio nombre de sondés/population totale. n % si l on sonde 01 personn sur 000. Il n y a guère que da le cas d un receement (f = 1) que l erreur devient nulle.

5 STRATÉGIE ET JEUX ALÉATOIRES LE PARADOXE DU ONTY HALL UN JEU DE CARTES A la fin d un jeu télévisé, un candidat doit choisir une porte parmi trois : derrière l une d elle se trouve une voiture, derrière l deux autr se trouvent d chèvr. Le candidat choisit une porte, diso la numéro 1 (la porte n t pas ouverte), et l animateur ouvre une autre porte, diso la numéro, derrière laquelle il y a une chèvre. Puis il vous propose de changer votre choix initial, c t à dire de prendre la porte numéro. Doit-on changer de porte? Indication : Que feriez vous s il y avt 00 port et que l animateur vous en ouvrt, en découvrant chèvr? La valeur d cart va décroissant : As, Roi, Dame, Valet,,,..., de 1 jusqu à 1. On tire cart face cachée. On retourne la première carte. On peut soit arrêter et marquer le nombre de points de cette carte, soit continuer. Si on continue, on retourne la deuxième carte. On peut alors soit arrêter, et marquer l points de la deuxième carte, soit continuer et marquer l points de la troisième carte. La stratégie optimale coiste à s arrêter si la première carte t au moi un dix, et sinon s arrêter si la deuxième carte t au moi un. VALEUR D UNE STRATÉGIE La loi d grands nombr dit que la fréquence d apparition d un évènement tend vers la probabilité, et que la moyenne arithmétique tend vers l pérance. Le calcul d probabilités ne peut der à prendre une décision que da le cas où on répète une expérience aléatoire a. En clr si vous jouez une fois à onty Hall, ou au jeu de cart, calculer d probabilités ne vous sert à rien. Pour le jeu de cart, la moyenne arithmétique d points gagnés converge vers l pérance de la variable aléatoire EV s,t de la stratégie pour laquelle on s arrête à la première carte si sa valeur t plus grande que s, et à la deuxième si sa valeur t plus grande quet. C t un polynôme du second degré qu il t facile de maximiser a Da l fts ce n t pas totalement vr. Par exemple on peut utiliser efficacement l probabilités si on lsse évoluer un système durant une grande période de temps (c t une d applicatio de la théorie ergodique) ONTY HALL : IL FAUT CHANGER DE PORTE Il y a deux stratégi entre lquell nous merio choisir la meilleure. S 1 coiste à choisir une porte et à s y tenir. S coiste à choisir une porte et systématiquement accepter de changer. Soit A i l évènement La voiture t derrière la porte choisie pour la i-ème partie. Alors la proportion de fois oùs 1 t gagnante converge vers P(A 1 ) = 1/. De même la proportion de fois oùs t gagnante converge versp ( ) A C 1 = /. En pratique si le nombre de parti t supérieur à 0,S gagne deux fois plus souvent (à peu près) que S 1. VENDRE DES AISONS Cet exemple part à première vue très semblable au jeu de cart et pourtant il t différent. Jouez contre l ordinateur et tentez de comprendre en quoi cet exemple t différent. Deux agenc immobilièr se murent pour la vente d un lot de mso, timé chacune d elle pour à peu près la valeur de 00 mille euros, avec une fourchette de plus ou moi 0 mille euros. Pour chacune d mso, 0 clients vont se présenter succsivement, et fre une offre. Si elle la trouve intérsante, l agence devra accepter l offre tout de suite, car elle ne reverra pas le client. Deux stratégi d affrontent. La stratégie de l agence machine sera dévoilée plus tard. La stratégie de l agence humn t à choisir parmi deux stratégi possibl: La stratégie S v paramétrée par une valeur de déclenchement v. Dès qu un client ft une offre supérieure à v on accepte son offre. La stratégie I x d apprentissage. On lsse passer x offr, on note la valeur maximum m x offerte. ntenant dès qu un client ft une offre supérieur à m x, on l accepte. Preno une exemple d une quinzne d offr pour examiner la nature d stratégi. [1, 0, 1, 11, 01, 1, 1, 0, 0, 0, 1, 1, 1, 1, 0] S 0 s arrête à la deuxième offre et vend à 0. S s arrête à la quatrième offre et vend à 11. S 0 ne s arrête pas et donc vend à 0, prix de la dernière offre. I fixe le seuil à max(1,0) = 0 et vend donc à 11, I ft pareillement. I vend à 1 eti 1 ne s arrête pas donc vend à 0.

Canevas théoriques du projet sur le poker Partie A

Canevas théoriques du projet sur le poker Partie A Partie A Dans une partie de poker, particulièrement au Texas Hold em Limit, il est possible d effectuer certains calculs permettant de prendre la meilleure décision. Quelques-uns de ces calculs sont basés

Plus en détail

Feuille d exercices 2 : Espaces probabilisés

Feuille d exercices 2 : Espaces probabilisés Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un

Plus en détail

Le Seven Card Stud. Club Poker 78

Le Seven Card Stud. Club Poker 78 Club Poker 78 Juin 2013 Introduction Le Seven Card Stud est une variante de poker née aux USA, au milieu du XIXe siècle. À partir des années 1930, ce jeu devient la variante la plus populaire dans les

Plus en détail

Choix de Portefeuille

Choix de Portefeuille Année 2007-2008 Choix de Portefeuille Christophe Boucher Chapitre 1. Théorie de la décision en avenir incertain Critère d espérance d utilité L attitude vis-à-vis du risque Chapitre 2. Rendements et critères

Plus en détail

Lycée Cassini BTS CGO 2014-2015. Test de début d année

Lycée Cassini BTS CGO 2014-2015. Test de début d année Lycée assini BTS GO 4-5 Exercice Test de début d année Pour chaque question, plusieurs réponses sont proposées. Déterminer celles qui sont correctes. On a mesuré, en continu pendant quatre heures, la concentration

Plus en détail

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES

UFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,

Plus en détail

YANN ROUDAUT - Professeur de l Ecole Française de Poker - roudaut@ecolefrancaisedepoker.fr - 06 28 76 48 93

YANN ROUDAUT - Professeur de l Ecole Française de Poker - roudaut@ecolefrancaisedepoker.fr - 06 28 76 48 93 MODULE LES MATHEMATIQUES DU POKER Probabilités et Notions de Cotes - Partie 1 YANN ROUDAUT - Professeur de l Ecole Française de Poker - roudaut@ecolefrancaisedepoker.fr - 06 28 76 48 93 A/ POKER ET MATHEMATIQUES

Plus en détail

Relation entre deux variables : estimation de la corrélation linéaire

Relation entre deux variables : estimation de la corrélation linéaire CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence

Plus en détail

Chapitre 20. Les options

Chapitre 20. Les options Chapitre 20 Les options Introduction Les options financières sont des contrats qui lient deux parties. Les options existent dans leur principe depuis plusieurs millénaires, mais elles connaissent depuis

Plus en détail

Activité 1 : échantillonnage

Activité 1 : échantillonnage Activité échantillonnage, intervalle de fluctuation, prise de décision (à partir d un même thème) Les trois activités qui suivent s inspirent du document «ressources pour la classe de première générale

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 2D CH X : Exemples de lois à densité 1 TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun

Plus en détail

Voilà en effet le genre de situations classiques et très inconfortables dans lequel le joueur de poker se retrouve bien souvent.

Voilà en effet le genre de situations classiques et très inconfortables dans lequel le joueur de poker se retrouve bien souvent. Les 50 meilleurs mains du Texas Hold'em Ce guide vous est offert par Bet-poker.info et Live Poker Magazine Vous avez intégré les règles du Texas Hold em exposés dans notre premier numéro, parfait. Passons

Plus en détail

Projet Techniques de Programmation en C

Projet Techniques de Programmation en C Projet Techniques de Programmation en C PokerStat DESCRIPTION DU PROJET : 1 REALISATION DU PROJET 2 ROBUSTESSE DU GENERATEUR DE HASARD DE L'ORDINATEUR PROBABILITE BRUTE D'OBTENIR UNE COMBINAISON CALCUL

Plus en détail

Examen d accès - 28 Septembre 2012

Examen d accès - 28 Septembre 2012 Examen d accès - 28 Septembre 2012 Aucun document autorisé - Calculatrice fournie par le centre d examen Cet examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses

Plus en détail

Prévention et gestion des risques naturels et environnementaux

Prévention et gestion des risques naturels et environnementaux Prévention et gestion des risques naturels et environnementaux Risque et assurance : quelques éléments théoriques Ecole des Ponts - Le 6 Avril 01 Jacques Pelletan 1 Théorie du risque et pérennité de l

Plus en détail

Loi normale ou loi de Laplace-Gauss

Loi normale ou loi de Laplace-Gauss LivreSansTitre1.book Page 44 Mardi, 22. juin 2010 10:40 10 Loi normale ou loi de Laplace-Gauss I. Définition de la loi normale II. Tables de la loi normale centrée réduite S il y avait une seule loi de

Plus en détail

Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1

Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1 Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1 1. a. On considère un modèle de marché (B, S) à une étape. On suppose que S = 5 C et qu à la date t = 1 on a (S u 1 = 51, S d 1 = 48).

Plus en détail

Cours de mathématiques

Cours de mathématiques Cours de mathématiques Thomas Rey classe de première ES ii Table des matières 1 Les pourcentages 1 1.1 Variation en pourcentage............................... 1 1.1.1 Calcul d une variation............................

Plus en détail

Chapitre 5 : produits dérivés

Chapitre 5 : produits dérivés Chapitre 5 : produits dérivés 11.11.2015 Plan du cours Options définition profil de gain à l échéance d une option déterminants du prix d une option Contrats à terme définition utilisation Bibliographie:

Plus en détail

Corrigé du baccalauréat STMG Métropole 18 juin 2015

Corrigé du baccalauréat STMG Métropole 18 juin 2015 orrigé du baccalauréat STMG Métropole 18 juin 215 Durée : 3 heures EXERIE 1 4 points Tous les ans, en août, Maïlys reçoit l échéancier (document indiquant le montant de sa cotisation annuelle) de sa mutuelle

Plus en détail

STATISTIQUES. Cours I : Test d hypothèses. Télécom Physique Strasbourg Module 2101. Fabrice Heitz. Octobre 2014

STATISTIQUES. Cours I : Test d hypothèses. Télécom Physique Strasbourg Module 2101. Fabrice Heitz. Octobre 2014 Télécom Physique Strasbourg Module 2101 STATISTIQUES Cours I : Test d hypothèses Fabrice Heitz Octobre 2014 Fabrice Heitz (Télécom PS) Statistiques 2014 1 / 75 Cours I TESTS D HYPOTHÈSES Fabrice Heitz

Plus en détail

POKER ET PROBABILITÉ

POKER ET PROBABILITÉ POKER ET PROBABILITÉ Le poker est un jeu de cartes où la chance intervient mais derrière la chance il y a aussi des mathématiques et plus précisément des probabilités, voici une copie d'écran d'une main

Plus en détail

Terminale S - ACP Ex1 : Partie A - Restitution organisée des connaissances Partie B : 1. a. 1. b. 1. c. 2. a. 2. b. Ex2 :

Terminale S - ACP Ex1 : Partie A - Restitution organisée des connaissances Partie B : 1. a. 1. b. 1. c. 2. a. 2. b. Ex2 : Terminale S - ACP Ex1 : Antilles Septembre 2006 Partie A - Restitution organisée des connaissances On suppose connu le résultat suivant : Si est une variable aléatoire qui suit une loi exponentielle de

Plus en détail

Les mathématiques appliquées de la finance

Les mathématiques appliquées de la finance Les mathématiques appliquées de la finance Utiliser le hasard pour annuler le risque Emmanuel Temam Université Paris 7 19 mars 2007 Emmanuel Temam (Université Paris 7) Les mathématiques appliquées de la

Plus en détail

Master Modélisation Statistique M2 Finance - chapitre 3 Modèles financiers discrets

Master Modélisation Statistique M2 Finance - chapitre 3 Modèles financiers discrets Master Modélisation Statistique M2 Finance - chapitre 3 Modèles financiers discrets Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté. C.Dombry (Université de Franche-Comté)

Plus en détail

Terminale S-SI Probabilités conditionnelles

Terminale S-SI Probabilités conditionnelles robabilités conditionnelles Table des matières 1 Introduction 2 2 Définitions 2 3 Formule des probabilités totales 3 4 Indépendance et principe du produit 5 5 Exercices 5 1 1 Introduction Lorsque 7 élèves

Plus en détail

Examen 2 Mathématiques L1S1 TD 1104 2015 2016 Université Paris 1

Examen 2 Mathématiques L1S1 TD 1104 2015 2016 Université Paris 1 Examen Mathématiques LS TD 04 05 06 Université Paris Nom : Prénom : Durée : heure. Calculatrice interdite. Aucun document autorisé. Chaque question de la partie QCM vaut un point. Identifiez toutes les

Plus en détail

SESSION 2006. NOM, Prénom : PROBABILITES 2006 T ES. France septembre 2005 (5 points)

SESSION 2006. NOM, Prénom : PROBABILITES 2006 T ES. France septembre 2005 (5 points) SESSION 2006 France septembre 2005 (5 points) Parmi les stands de jeux d une fête de village, les organisateurs ont installé une machine qui lance automatiquement une bille d acier lorsque le joueur actionne

Plus en détail

Ch.12 : Loi binomiale

Ch.12 : Loi binomiale 4 e - programme 2007 - mathématiques ch.12 - cours Page 1 sur 5 1 RÉPÉTITION D'EXPÉRIENCES INDÉPENDANTES Lancer plusieurs fois un dé et noter les résultats successifs. Ch.12 : Loi binomiale Prélever des

Plus en détail

Comprendre, construire et interpréter les statistiques

Comprendre, construire et interpréter les statistiques Comprendre, construire et interpréter les statistiques Petit précis d usage des statistiques à l attention des non statisticiens NOTE METHODOLOGIQUE Note méthodologique réalisée par Léo Mignot, sociologue,

Plus en détail

Principes de mathématiques 12 SÉRIE DE PROBLÈMES. Septembre 2001. Student Assessment and Program Evaluation Branch

Principes de mathématiques 12 SÉRIE DE PROBLÈMES. Septembre 2001. Student Assessment and Program Evaluation Branch Principes de mathématiques 12 SÉRIE DE PROBLÈMES Septembre 2001 Student Assessment and Program Evaluation Branch REMERCIEMENTS Le Ministère de l Éducation tient à remercier chaleureusement les professionnels

Plus en détail

Master Modélisation Statistique M2 Finance - chapitre 1. Gestion optimale de portefeuille, l approche de Markowitz

Master Modélisation Statistique M2 Finance - chapitre 1. Gestion optimale de portefeuille, l approche de Markowitz Master Modélisation Statistique M2 Finance - chapitre 1 Gestion optimale de portefeuille, l approche de Markowitz Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté.

Plus en détail

Chapitre VI Échantillonages et simulations

Chapitre VI Échantillonages et simulations Chapitre VI Commentaires : Récursivement, les commentaires ne sont pas à l attention des élèves.. Fluctuation d échantillonnage Définition : En statistiques, un échantillon de taille n est la liste des

Plus en détail

Poker Jack. http://www.casinosduquebec.com/montreal/fr/jeux/poker-3-cartes. L'objectif du jeu

Poker Jack. http://www.casinosduquebec.com/montreal/fr/jeux/poker-3-cartes. L'objectif du jeu Poker Jack Ce jeu est un jeu de carte inspiré du Blackjack et du Poker. Les règles ressemblent étrangement aux règles du Blackjack (mais avec aucun contrôle sur le tirage des cartes, il y aura toujours

Plus en détail

Mercredi 24 Juin 2015

Mercredi 24 Juin 2015 BACCALAURÉAT GÉNÉRAL Session 2015 MATHÉMATIQUES Série ES ENSEIGNEMENT OBLIGATOIRE Durée de l épreuve : 3 heures coefficient : 5 MATHÉMATIQUES Série L ENSEIGNEMENT DE SPÉCIALITÉ Durée de l épreuve : 3 heures

Plus en détail

SESSION 2014 MATHÉMATIQUES. Série : SCIENCES ET TECHNOLOGIES DU MANAGEMENT ET DE LA GESTION STMG. DURÉE DE L ÉPREUVE : 3 heures COEFFICIENT : 3

SESSION 2014 MATHÉMATIQUES. Série : SCIENCES ET TECHNOLOGIES DU MANAGEMENT ET DE LA GESTION STMG. DURÉE DE L ÉPREUVE : 3 heures COEFFICIENT : 3 BACCALAURÉAT TECHNOLOGIQUE SESSION 2014 MATHÉMATIQUES Série : SCIENCES ET TECHNOLOGIES DU MANAGEMENT ET DE LA GESTION STMG DURÉE DE L ÉPREUVE : 3 heures COEFFICIENT : 3 Calculatrice autorisée, conformément

Plus en détail

ECOLE DES HAUTES ETUDES COMMERCIALES DE L UNIVERSITE DE LAUSANNE. Professeur Matière Session. A. Ziegler Principes de Finance Automne 2005

ECOLE DES HAUTES ETUDES COMMERCIALES DE L UNIVERSITE DE LAUSANNE. Professeur Matière Session. A. Ziegler Principes de Finance Automne 2005 ECOLE DES HAUTES ETUDES COMMERCIALES DE L UNIVERSITE DE LAUSANNE Professeur Matière Session A. Ziegler Principes de Finance Automne 2005 Date: Lundi 12 septembre 2005 Nom et prénom:... Note:... Q1 :...

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe commune aux séries ES, L et S : boîtes et quantiles Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans

Plus en détail

Mathématiques Financières

Mathématiques Financières Mathématiques Financières 3 ème partie Marchés financiers en temps discret & instruments financiers dérivés Université de Picardie Jules Verne Amiens Par Jean-Paul FELIX Cours du vendredi 19 février 2010-1

Plus en détail

ADMISSION AU COLLEGE UNIVERSITAIRE Samedi 1 mars 2014 MATHEMATIQUES durée de l épreuve : 3h coefficient 2

ADMISSION AU COLLEGE UNIVERSITAIRE Samedi 1 mars 2014 MATHEMATIQUES durée de l épreuve : 3h coefficient 2 ADMISSION AU COLLEGE UNIVERSITAIRE Samedi 1 mars 2014 MATHEMATIQUES durée de l épreuve : 3h coefficient 2 Le sujet est numéroté de 1 à 5. L annexe 1 est à rendre avec la copie. L exercice Vrai-Faux est

Plus en détail

Principes de Finance

Principes de Finance Principes de Finance 13. Théorie des options II Daniel Andrei Semestre de printemps 2011 Principes de Finance 13. Théorie des options II Printemps 2011 1 / 34 Plan I Stratégie de réplication dynamique

Plus en détail

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e

Plus en détail

Épreuve de mathématiques Terminale ES 200 minutes

Épreuve de mathématiques Terminale ES 200 minutes Examen 2 Épreuve de mathématiques Terminale ES 200 minutes L usage de la calculatrice programmable est autorisé. La bonne présentation de la copie est de rigueur. Cet examen comporte 7 pages et 5 exercices.

Plus en détail

Pi, poker et informatique ; une «épuisante» alliance pour des projets en mathématiques

Pi, poker et informatique ; une «épuisante» alliance pour des projets en mathématiques Pi, poker et informatique ; une «épuisante» alliance pour des projets en mathématiques Jean Fradette et Anik Trahan, Cégep de Sherbrooke Résumé Dans un cours intégrateur en mathématiques, des étudiants

Plus en détail

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures) CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un

Plus en détail

Exercices : Probabilités

Exercices : Probabilités Exercices : Probabilités Partie : Probabilités Exercice Dans un univers, on donne deux événements et incompatibles tels que =0, et =0,7. Calculer,, et. Exercice Un dé (à faces) est truqué de la façon suivante

Plus en détail

Petits jeux de probabilités (Solutions)

Petits jeux de probabilités (Solutions) Petits jeux de probabilités (Solutions) Christophe Lalanne En famille 1. Mon voisin a deux enfants dont l un est une fille, quelle est la probabilité pour que l autre soit un garçon? Une famille de deux

Plus en détail

Exercices de simulation 1

Exercices de simulation 1 Licence MIA 2ème année Année universitaire 2009-2010 Simulation stochastique C. Léonard Exercices de simulation 1 Les simulations qui suivent sont à effectuer avec Scilab. Le générateur aléatoire de Scilab.

Plus en détail

ESSEC Cours Wealth management

ESSEC Cours Wealth management ESSEC Cours Wealth management Séance 9 Gestion de patrimoine : théories économiques et études empiriques François Longin 1 www.longin.fr Plan de la séance 9 Epargne et patrimoine des ménages Analyse macroéconomique

Plus en détail

ECONOMIE : Marchés et comportements. Marges & Elasticités

ECONOMIE : Marchés et comportements. Marges & Elasticités ECONOMIE : Marchés et comportements DES COMPORTEMENTS Marges & Elasticités Séance 10 08.04.2013 Des questions sur les séances précédentes? Questions «Marges» That are the questions Raisonnement à la marge

Plus en détail

Livraison de colis pour des clients du e-commerce : modèles de Wardrop, et Logit simple ou imbriqué

Livraison de colis pour des clients du e-commerce : modèles de Wardrop, et Logit simple ou imbriqué Séminaire du LGI Centrale Paris Livraison de colis pour des clients du e-commerce : modèles de Wardrop, et Logit simple ou imbriqué Y. Hayel 1, D. Quadri 2, T. Jimenez 1, L. Brotcorne 3, B. Tousni 3 LGI,

Plus en détail

Méthodes d investigation

Méthodes d investigation Méthodes d investigation 1 LE QUESTIONNAIRE LE questionnaire 1. l économie générale du questionnaire : 2. L avant questionnaire 3. la construction du questionnaire 4. Le choix de l échantillon 2 1. Le

Plus en détail

Chapitre I. Probabilités. Bcpst 1 2 novembre 2015. I Exemples d expériences aléatoires

Chapitre I. Probabilités. Bcpst 1 2 novembre 2015. I Exemples d expériences aléatoires Chapitre I Probabilités Bcpst 1 2 novembre 2015 I Exemples d expériences aléatoires Une expérience aléatoire est une expérience dont on ne peut pas prédire le résultat avant de l avoir réalisée... ce qui

Plus en détail

Méthodes de prévision des ventes

Méthodes de prévision des ventes Méthodes de prévision des ventes Il est important pour toute organisation qui souhaite survivre dans un environnement concurrentiel d adopter des démarches de prévision des ventes pour anticiper et agir

Plus en détail

0.2.3 Polynômes... 4. 0.2.1 Monômes... 4 0.2.2 Opérations entre monômes... 4

0.2.3 Polynômes... 4. 0.2.1 Monômes... 4 0.2.2 Opérations entre monômes... 4 Table des matières 0 Rappels sur les polynômes et fractions algébriques 1 0.1 Puissances............................................... 1 0.1.1 Puissance d un nombre réel.................................

Plus en détail

Exercices théoriques

Exercices théoriques École normale supérieure 2008-2009 Département d informatique Algorithmique et Programmation TD n 9 : Programmation Linéaire Avec Solutions Exercices théoriques Rappel : Dual d un programme linéaire cf.

Plus en détail

La nouvelle planification de l échantillonnage

La nouvelle planification de l échantillonnage La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage

Plus en détail

Chapitre 2: Prévisions des ventes

Chapitre 2: Prévisions des ventes Chapitre 2: Prévisions des ventes AVIS IMPORTANT : Ces notes sont basées sur le livre de Steven Nahmias : Production et Operations Analysis, 4 ième édition, McGraw-Hill Irwin 200. Les figures sont issues

Plus en détail

Stratégies sur options et Pricer d'options

Stratégies sur options et Pricer d'options Stratégies sur options et Pricer d'options Définition Une option (ou Warrant) est un contrat qui confère à son porteur le droit d acheter ou de vendre un sous-jacent (action, obligation, indice synthétique,

Plus en détail

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2 Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................

Plus en détail

Méthodes de la gestion indicielle

Méthodes de la gestion indicielle Méthodes de la gestion indicielle La gestion répliquante : Ce type de gestion indicielle peut être mis en œuvre par trois manières, soit par une réplication pure, une réplication synthétique, ou une réplication

Plus en détail

BLACK JACK. Le cas particulier de Black-Jack : Le Black-Jack désigne un point de vingt-et-un réalisé avec les deux premières cartes (un dix,

BLACK JACK. Le cas particulier de Black-Jack : Le Black-Jack désigne un point de vingt-et-un réalisé avec les deux premières cartes (un dix, BLACK JACK Le Black-Jack est un jeu de cartes qui se pratique avec six jeux de cinquante-deux cartes placés dans un sabot réservé à cet usage. Sept joueurs assis peuvent simultanément prendre part à la

Plus en détail

Le Data Mining au service du Scoring ou notation statistique des emprunteurs!

Le Data Mining au service du Scoring ou notation statistique des emprunteurs! France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative

Plus en détail

Probabilités III Introduction à l évaluation d options

Probabilités III Introduction à l évaluation d options Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un

Plus en détail

Analyse de données et méthodes numériques

Analyse de données et méthodes numériques Analyse de données et méthodes numériques Analyse de données: Que faire avec un résultat? Comment le décrire? Comment l analyser? Quels sont les «modèles» mathématiques associés? Analyse de données et

Plus en détail

Chapitre 4 NOTIONS DE PROBABILITÉS

Chapitre 4 NOTIONS DE PROBABILITÉS Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 4 NOTIONS DE PROBABILITÉS Les chapitres précédents donnent des méthodes graphiques et numériques pour caractériser

Plus en détail

Calculs de probabilités conditionelles

Calculs de probabilités conditionelles Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile

Plus en détail

Propriétés des options sur actions

Propriétés des options sur actions Propriétés des options sur actions Bornes supérieure et inférieure du premium / Parité call put 1 / 1 Taux d intérêt, capitalisation, actualisation Taux d intéret composés Du point de vue de l investisseur,

Plus en détail

Simulation d un système d assurance automobile

Simulation d un système d assurance automobile Simulation d un système d assurance automobile DESSOUT / PLESEL / DACHI Plan 1 Introduction... 2 Méthodes et outils utilisés... 2.1 Chaines de Markov... 2.2 Méthode de Monte Carlo... 2.3 Méthode de rejet...

Plus en détail

L essentiel sur les tests statistiques

L essentiel sur les tests statistiques L essentiel sur les tests statistiques 21 septembre 2014 2 Chapitre 1 Tests statistiques Nous considérerons deux exemples au long de ce chapitre. Abondance en C, G : On considère une séquence d ADN et

Plus en détail

CECOP. Centre d études et de connaissances sur l opinion publique. Les Français, leur épargne et leur retraite

CECOP. Centre d études et de connaissances sur l opinion publique. Les Français, leur épargne et leur retraite CECOP Centre d études et de connaissances sur l opinion publique Les Français, leur épargne et leur retraite FD/EP N 113015 Contacts Ifop : Frédéric Dabi / Esteban Pratviel Département Opinion et Stratégies

Plus en détail

Les Français et les jeux

Les Français et les jeux Observatoire de la vie quotidienne des Français Les Français et les jeux Juillet 2015 Sondage réalisé par pour et publié samedi 25 juillet 2015 dans la presse régionale LEVEE D EMBARGO : SAMEDI 25 JUILLET

Plus en détail

Exercices sur le chapitre «Probabilités»

Exercices sur le chapitre «Probabilités» Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de

Plus en détail

GUIDE POUR L ORGANISATION D UNE PARTIE DE POKER (TEXAS HOLD EM) Pour quoi ce guide et pour qui P 03. Nombre de jetons nécessaires P 05

GUIDE POUR L ORGANISATION D UNE PARTIE DE POKER (TEXAS HOLD EM) Pour quoi ce guide et pour qui P 03. Nombre de jetons nécessaires P 05 GUIDE POUR L ORGANISATION D UNE PARTIE DE POKER (TEXAS HOLD EM) Généralités P 01 Pour quoi ce guide et pour qui P 03 Matériel nécessaire P 04 Nombre de joueurs P 05 Nombre de jetons nécessaires P 05 Constitution

Plus en détail

Modélisation mathématique et finance des produits dérivés

Modélisation mathématique et finance des produits dérivés Modélisation mathématique et finance des produits dérivés Ecole Polytechnique Paris Académie Européenne Interdisciplinaire des Sciences Paris, 28 novembre 2011 Outline Introduction 1 Introduction 2 3 Qu

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

Exercices supplémentaires : Loi binomiale

Exercices supplémentaires : Loi binomiale Exercices supplémentaires : Loi binomiale Partie A : Loi binomiale Dans une région pétrolifère, la probabilité qu un forage conduise à une nappe de pétrole est 0,1. 1) Justifier que la réalisation d un

Plus en détail

UNE EXTENSION DU MODELE DE CONSOMMATION DES MENAGES L'OFFRE DE TRAVAIL

UNE EXTENSION DU MODELE DE CONSOMMATION DES MENAGES L'OFFRE DE TRAVAIL UNE EXTENSION DU MODELE DE CONSOMMATION DES MENAGES L'OFFRE DE TRAVAIL I P L A N... A Arbitrage entre consommation et travail B Effets de l'augmentation du salaire C Déterminants de l'offre du travail

Plus en détail

COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR

COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR Université Paris VII. Préparation à l Agrégation. (François Delarue) COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR Ce texte vise à l étude du temps d attente d un client à la caisse d un

Plus en détail

All in Lorsqu un joueur n est plus en mesure de miser l entier du montant exigé, il est qualifié de «All in».

All in Lorsqu un joueur n est plus en mesure de miser l entier du montant exigé, il est qualifié de «All in». LEXIQUE DU POKER All in Lorsqu un joueur n est plus en mesure de miser l entier du montant exigé, il est qualifié de «All in». Ante Mise initiale obligatoire dont tous les joueurs doivent s acquitter avant

Plus en détail

Représentation des nombres entiers et réels. en binaire en mémoire

Représentation des nombres entiers et réels. en binaire en mémoire L3 Mag1 Phys. fond., cours C 15-16 Rep. des nbs. en binaire 25-09-05 23 :06 :02 page 1 1 Nombres entiers 1.1 Représentation binaire Représentation des nombres entiers et réels Tout entier positif n peut

Plus en détail

Fondements de Finance

Fondements de Finance Programme Grande Ecole Fondements de Finance Chapitre 7. : Risque, rentabilité et diversification Cours proposé par Fahmi Ben Abdelkader Version Etudiants Mars 2012 Préambule Fig. 10.1 (p.294) : Evolution

Plus en détail

Guide Rapide des Jeux

Guide Rapide des Jeux Guide Rapide des Jeux 1 Une manière simple et rapide de savoir jouer à l une de nos tables de jeu Pour de plus amples informations visitez nos sites Internet: www.casino-barcelona.com www.casino-peralada.com

Plus en détail

Exe Livret Animateur_Exe Livret Animateur 01/02/11 11:10 Page1

Exe Livret Animateur_Exe Livret Animateur 01/02/11 11:10 Page1 Exe Livret Animateur_Exe Livret Animateur 01/02/11 11:10 Page1 1 Exe Livret Animateur_Exe Livret Animateur 01/02/11 11:10 Page2 Estimez les produits, tournez la roue et tentez de remporter la vitrine!

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

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre. Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences

Plus en détail

FOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS

FOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS FOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS 550, RUE SHERBROOKE OUEST MONTRÉAL (QUÉBEC) H3A 1B9 BUREAU 900 TOUR EST T 514 849-8086, POSTE 3064 Réflexions méthodologiques Depuis des années,

Plus en détail

NOTE SUR LA MODELISATION DU RISQUE D INFLATION

NOTE SUR LA MODELISATION DU RISQUE D INFLATION NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui

Plus en détail

Prix d options européennes

Prix d options européennes Page n 1. Prix d options européennes Une société française tient sa comptabilité en euros et signe un contrat avec une entreprise américaine qu elle devra payer en dollars à la livraison. Entre aujourd

Plus en détail

Qu est-ce-qu un Warrant?

Qu est-ce-qu un Warrant? Qu est-ce-qu un Warrant? L epargne est investi dans une multitude d instruments financiers Comptes d epargne Titres Conditionnel= le detenteur à un droit Inconditionnel= le detenteur a une obligation Obligations

Plus en détail

Programme de Première

Programme de Première BAC TECHNO STAV 66 I. Algèbre Programme de Première Objectif 1 - Effectuer de manière autonome des calculs numériques ou algébriques, résoudre des équations ou inéquations en vue de résoudre des problèmes

Plus en détail

TEXAS HOLD'EM POKER DEROULEMENT DE LA PARTIE :

TEXAS HOLD'EM POKER DEROULEMENT DE LA PARTIE : DEROULEMENT DE LA PARTIE : TEXAS HOLD'EM POKER Le croupier dispose d'un marqueur appelé «Bouton» qui sert à identifier un joueur. La donne commence à partir du joueur placé à la gauche du «Bouton». Ce

Plus en détail

ECONOMIE MANAGÉRIALE NESSRINE OMRANI ECOLE POLYTECHNIQUE NESSRINE.OMRANI@POLYTECHNIQUE.EDU

ECONOMIE MANAGÉRIALE NESSRINE OMRANI ECOLE POLYTECHNIQUE NESSRINE.OMRANI@POLYTECHNIQUE.EDU ECONOMIE MANAGÉRIALE NESSRINE OMRANI ECOLE POLYTECHNIQUE NESSRINE.OMRANI@POLYTECHNIQUE.EDU 1 CHAPITRE 3: L ASYMÉTRIE D INFORMATION NOTIONS IMPORTANTES: Asymétrie d information Antisélection (ou sélection

Plus en détail

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini.

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. 1 Introduction Des actions comme lancer un dé, tirer une carte d un jeu, observer la durée de vie d une ampoule électrique, etc...sont

Plus en détail

Chapitre 9 Solutions des exercices de révision

Chapitre 9 Solutions des exercices de révision Chapitre 9 Solutions des exercices de révision Section 9.3 Équivalent-certain et critères de décision non probabilistes 1. Les critères non probabilistes (a) Le tableau ci-dessous donne les équivalents-certains

Plus en détail

«Défaire» un nombre entier pour en faire une liste dont les éléments sont les chiffres de ce nombre. Deux applications.

«Défaire» un nombre entier pour en faire une liste dont les éléments sont les chiffres de ce nombre. Deux applications. «Défaire» un nombre entier pour en faire une liste dont les éléments sont les chiffres de ce nombre. Deux applications. En fait, ce sont les applications en question qui posent le problème du titre : Première

Plus en détail

Arbres binaires. Hélène Milhem. Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012

Arbres binaires. Hélène Milhem. Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012 Arbres binaires Hélène Milhem Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012 H. Milhem (IMT, INSA Toulouse) Arbres binaires IUP SID 2011-2012 1 / 35 PLAN Introduction Construction

Plus en détail

Convergence d un modèle de simulation vers une valeur théorique : un exemple

Convergence d un modèle de simulation vers une valeur théorique : un exemple 8B Convergence d un modèle de simulation vers une valeur théorique : un exemple La simulation permet d estimer aisément des probabilités dont le calcul direct pourrait relever de la haute voltige mathématique.

Plus en détail

Sujet de Bac 2013 - Maths ES Obligatoire & Spécialité Amérique du Nord

Sujet de Bac 2013 - Maths ES Obligatoire & Spécialité Amérique du Nord Sujet de Bac 2013 - Maths ES Obligatoire & Spécialité Amérique du Nord Exercice 1 : 4 points et exercice est un questionnaire à choix multiples. Chaque question ci-après comporte quatre réponses possibles.

Plus en détail