Surveillance temps-réel des systèmes Homme-Machine. Application à l assistance à la conduite automobile

Dimension: px
Commencer à balayer dès la page:

Download "Surveillance temps-réel des systèmes Homme-Machine. Application à l assistance à la conduite automobile"

Transcription

1 Survellance temps-réel des systèmes Homme-Machne. Applcaton à l assstance à la condute automoble Mguel Gonzalez-Mendoza To cte ths verson: Mguel Gonzalez-Mendoza. Survellance temps-réel des systèmes Homme-Machne. Applcaton à l assstance à la condute automoble. Computer Scence. INSA de Toulouse, 004. French. <tel > HAL Id: tel https://tel.archves-ouvertes.fr/tel Submtted on 5 Nov 008 HAL s a mult-dscplnary open access archve for the depost and dssemnaton of scentfc research documents, whether they are publshed or not. The documents may come from teachng and research nsttutons n France or abroad, or from publc or prvate research centers. L archve ouverte plurdscplnare HAL, est destnée au dépôt et à la dffuson de documents scentfques de nveau recherche, publés ou non, émanant des établssements d ensegnement et de recherche franças ou étrangers, des laboratores publcs ou prvés.

2 Année 004 THÈSE Présentée au Laboratore d Analyse et d Archtecture des Systèmes du CNRS En vue de l obtenton du ttre de Docteur de l Insttut Natonal des Scences Applquées de Toulouse Spécalté Systèmes Automatques par Mguel GONZALEZ MENDOZA Survellance temps réel des systèmes Homme Machne. Applcaton à l assstance à la condute automoble Soutenue le 6 Jullet 004, devant le jury : Drecteurs de thèse : Présdent : Rapporteurs : Examnateur : Invtés : André TITLI Professeur à l INSA de Toulouse Nel HERNANDEZ-GRESS Professeur à l ITESM CEM Danel ESTEVE Drecteur de recherche LAAS-CNRS Domnque MEIZEL Professeur à l ENSIL José Armando HERRERA-CORRAL Professeur à l ITESM CT Bruno JAMMES Maître de conférences à l UPS Serge BOVERIE Dr. Semens VDO Automotve S.A.S. Jérôme THOMAS Dr. ACTIA

3

4 A mon épouse Berence et à nos futurs Enfants A mes parents Mays et Mguel A mes frères Maurco et Mlton A toute ma Famlle et à mes Ams

5

6 Avant Propos Les travaux présentés dans cette thèse sont le résultat des recherches réalsées dans le Laboratore d Analyse et d Archtecture des Systèmes du Centre Natonal de la Recherche Scentfque, LAAS- CNRS, dans les groupes de recherche Dagnostc, Supervson et Condute qualtatfs, DISCO, et Mcrosystèmes et Intégraton des Systèmes, MIS. Je remerce à Monseur Jean-Claude LAPRIE et à Monseur Malk GHALLAB, ancen et actuel drecteur du LAAS, de m avor accuell dans cet établssement. J exprme toute ma grattude et reconnassance à mon drecteur de thèse Monseur André TITLI, Professeur à l Insttut Natonal des Scences Applquées de Toulouse, INSA, et cadre Scentfque au LAAS-CNRS, pour sa confance et son amté toute au long de ces années de traval. Sa forme très partculère d écouter, de dscuter et de proposer des dées clares et précses, a su drger sagement les mouvements de ce jeune chercheur, en me donnant, en même temps, un grand nveau d autonome et une manère plus élarge d apprécer le monde. Je lu remerce également de m avor mantenu sur la voe de la représentaton à partr de la connassance, notamment sur les systèmes d nférence flous, pour lesquels je voyas mons d ntérêt que pour la représentaton à partr des données. J adresse tous mes remercements à Monseur Nel HERNANDEZ GRESS, Professeur à l Insttut Technologque et d Etudes Supéreurs de Monterrey, ITESM, campus Estado de Mexco et codrecteur de thèse, de m avor soutenu tant au nveau scentfque comme au nveau personnel. Nos ntermnables dscussons sur l apprentssage, les réseaux de neurones, ans que sur la survellance du conducteur automoble et d autres nnombrables thèmes scentfques et personnelles, ont beaucoup apporté au déroulement de ces travaux. J espère que nos travaux conjonts ouvrront une vaste voe de recherche et que l on pourra développer, de manère toujours conjonte, au Mexque. Je remerce tout partculèrement Monseur Danel ESTEVE, Drecteur de Recherche CNRS, pour avor accepté la présdence de mon jury de thèse. Je lu remerce également pour nos nnombrables dscussons sur l hypovglance du conducteur et de m avor témogné toute sa confance dans le déroulement du projet Européen AWAKE et du projet Natonal PREDIT. J admre sa versatlté pour aborder n mporte quel sujet scentfque et pour gérer une quantté consdérable de traval «Chapeau!». Je sus reconnassant envers Monseur Domnque MEIZEL, Professeur à l Ecole Natonale Supéreure d'ingéneurs de Lmoges, ENSIL, ancen responsable du Groupe de Recherche Coopératon Homme Machne pour l Ade à la Condute, CHMAC, pour le professonnalsme avec lequel l a jugé mon traval de thèse, en tant que rapporteur. Ses remarques et commentares, lors du workshop AWAKE à Pars et du manuscrt lu-même, m ont adé à l améloraton des travaux. Mes remercements vont auss à Monseur José Armando HERRERA CORRAL, Professeur à l Insttut Technologque et d Etudes Supéreurs de Monterrey, ITESM, campus Toluca, pour avor accepté la lourde tâche de rapporteur. Ses remarques et nos dscussons sur l Intellgence Artfcelle, ont contrbué à l améloraton du manuscrt. C est grâce à lu que j a eu un premer aperçu de la Recherche Scentfque, du LAAS et de la France en générale. Je lu remerce pour son amté, ses consels et son

7 Avant Propos souten dans toutes les démarches admnstratves devant l ITESM, pour le Mastare, et le CONACyT, pour le DEA et le Doctorat. Je sus très reconnassant envers Monseur Bruno JAMMES, Maître de conférences à l'unversté Paul Sabater à Toulouse, pour l ensemble des travaux conjonts afn de mettre au pont le module de dagnostc de l hypovglance du conducteur automoble LAAS. Nos journées entères à vérfer le fonctonnement de l analyse en ondelettes et la constructon des caractérstques pertnentes au dagnostc de l hypovglance, ont donné ses fruts. Je lu remerce pour son amté, son souten, sa confance et l ntérêt qu l a porté à juger ce manuscrt. Un grand merc à Monseur Serge BOVERIE, responsable des Développements Avancés chez SIEMENS VDO Automotve et responsable du projet PREDIT, pour le temps qu l a passé à étuder mon manuscrt et pour les actvtés en commun qu l a géré pour les projets AWAKE et PREDIT. Il a su toujours guder les développements pour qu ls soent les plus compatbles possble avec les contrantes ndustrelles. Je remerce nfnment à Monseur Jérôme THOMAS, responsable des Développements des Dagnostcs chez ACTIA S. A., d avor accepté mon nvtaton pour fare parte de ce jury de thèse. Je lu remerce également pour toutes ses remarques lors du développement pour le fonctonnement temps réel du module de dagnostc LAAS. Son ade a été préceuse, partculèrement lors des quelques essas sur le camon Actros, dans le cadre du projet AWAKE, auxquels l m a nvté, afn de vérfer le fonctonnement de notre algorthme de dagnostc en lgne et l amélorer. Au LAAS j exprme ma reconnassance envers : Monseur Joseph AGUILAR-MARTIN, drecteur du Laboratore Européen LEA-SICA et ancen drecteur du groupe DISCO, de m avor toujours adé et supporté pour réalser les séjours en Catalogne et partcper aux dfférentes conférences. Son grand enthousasme, bonne humeur et dsponblté a crée une bonne ambance entre nos camarades. Madame Anne-Mare GUE, drecteur du groupe MIS, pour m avor toujours adé à effectuer les mssons au cours de ces années pour les projets. Madame Louse TRAVE-MASSUYES, drecteur du groupe DISCO, de m avor également soutenue lors des dfférentes mssons et de m avor nvté à partcper au réseau MONET. Je lu remerce également pour sa dsponblté et ces commentares par rapport au dagnostc. Monseur Alfredo SANTANA DIAZ, pour nos collaboratons sur la détecton de la basse de la vglance du conducteur et pour m avor ntrodut au monde des ondelettes. Monseur Sébasten BEYOU, stagare de DEA, pour sa contrbuton à ce traval de thèse. Mes collègues du groupe DISCO et MIS qu ont contrbué, avec son bon humeur à rendre plus convval mon séjour au LAAS : Tatana KEMPOWSKY, Juan Carlos HAMMON, Codrutsa BILEGAN, Therry MIQUEL, Vctor Hugo GRISALES, Clauda ISAZA, Antono ORANTES, Héctor HERNANDEZ, Jean Charles ATINE, Amed MOKHTARI, Sébasten REGIS, Patrck ABGRALL, Edouard DIEZ, Un grand merc au servce de documentaton, au servce de reproducton et au magasn pour leur constante dsponblté et amablté. Je tens également à remercer la geston du personnel et la geston fnancère pour leur amablté et effcacté. A mes camarades et ams du DEA Julen PETTRE et Patrce LANGOUET. A tous ceux dont le nom m échappe et que j a pu côtoyer dans ce grand laboratore et dont la lste serat trop longue. Ce traval a été effectué dans le cadre du programme Européen AWAKE et du projet natonal PREDIT. Les dées émanées des longues journées de dscusson sont ntégrées dans cette thèse. Je tens à remercer le consortum Européen et à nos partenares de m avor permt partcper à ces projets. Une pensée spécale pour :

8 Alan GIRALT, Dr. SIEMENS VDO Automotve, pour nos travaux communs et nos longues dscussons sur le dagnostc de l hypovglance du conducteur automoble. Je lu remerce également pour l amté et la confance qu l m a témognée. Evangelos BEKIARIS, chercheur de l Insttut Hellénque du Transport en Grèce et responsable du projet Européen AWAKE, pour la confance et son support au cours de ces tros années de traval conjont. Alan MUZET, drecteur du Centre de Physologe Applquée du CNRS, CEPA-CNRS, pour son amté, sa confance et ses remarques afn de construre une référence physologque fable pour valder le système de dagnostc. Stella NIKOLAU, Ars POLYCHRONOPOULUS, Björn PETERS, Anna ANAUD, Claudo ANTONELLO, Karel BROOKHUIS, Dck DEWAARD, Rno BROUWER et tous nos autres partenares qu ont rendu le traval plus agréable et effcace. Sans eux, AWAKE n auras jamas été possble. J exprme toute ma grattude à mes ams et collègues à Toulouse. Ils ont été un fort souten pour Berence et pour mo pendant ces années en France ; Elva PALACIOS, Elsa RUBIO, Efraín LOPEZ, Clauda JARAMILLO, Antono MARIN et Andrea GALLARDO, César ZAMILPA et Dense Da LUZ, Gerardo Alejandro VELAZQUEZ et Ana HERNANDEZ, Juan Carlos ZUÑIGA et Sofía BERUMEN, Gustavo ARECHAVALETA et Margarta GUTIERREZ, Alfredo SANTANA et Marquídea PACHECO, Maro Alan GONZALEZ et Nazareth TELLEZ, Saul POMARES et Letta VALDES, Roberto REYNA et Danela DRAGOMIRESCU, Nel HERNANDEZ et Teresa OSORIO, Martín MOLINA et Yusdva ROMAN, Efraín JAIME et Martha HINOJOSA. Merc aux mllons de mexcans qu, par l ntermédare du CONACyT et de la SEP, ont partcpé avec leur souten fnancer. Je ne pourra jamas fnr de remercer ma chquta, Bere pour m avor soutenu et supporté, partculèrement dans les moments dffcles. Sa détermnaton, son courage et sa compréhenson ont été pour mo une source népusable de motvaton pour contnuer. Nous venons d aboutr une premère étape dans notre ve et nous commençons une autre avec l espor de cmenter un avenr plus solde pour nos futurs enfants et de pouvor contrbuer, dans la mesure du possble, avec notre pett gran de sable pour un monde melleur. Fnalement, merc à mes parents Mays et Mguel de m avor soutenu et gudé dans tous les moments crucales dans ma ve. Même s la ve est dure, ls nous ont fat vor, à mes frères et mo, qu elle est plene de satsfactons, s on traval dure et honnêtement. Ils sont un exemple à suvre et je leur en remerce nfnment. Merc à mes frères Maurco et Mlton. Ils ont toujours été un grand support pour mo, une compagne dans la ve que j appréce énormément et que j espère pouvor partager avec nos propres famlles.

9 v Avant Propos

10 v Table des Matères Table de Matères......v Table de Fgures....x Abrévatons.....x Introducton.... Chaptre I Facteurs mplqués dans la survellance de l opérateur human dans les systèmes homme machne I. Introducton...6 I. Les systèmes complexes...6 I.. L mpact de l automatsaton dans les systèmes complexes...7 I... Avantages de l automatsaton...7 I... Inconvénents de l automatsaton...7 I.. Les nteractons homme système...8 I... Coopératon homme système...8 I... Partage de tâches...0 I.3 Défallances dans les systèmes homme machne... I.3. La performance humane dans l nteracton homme machne... I.3. Charge de traval... I.3.3 Conscence de la stuaton... I.3.4 Survellance de système...3 I.3.5 Traval d équpe...4 I.3.6 Confance...4 I.3.7 Utlsablté et acceptaton...5 I.3.8 Erreur humane...5 I.4 Métrques sur la performance humane...6 I.4. Mesures physologques...6 I.4.. L actvté cérébrale...7 I.4.. L actvté cardaque...8 I.4..3 L actvté oculare...8

11 v Table des Matères I.4. Mesures subjectves...9 I.4.. Autoévaluaton nstantanée...0 I.4.. Technque subjectve d évaluaton de charge de traval...0 I.4..3 Indce de charge de la tâche...0 I.4..4 Echelle d endormssement Karolnska...0 I.4.3 Mesures de performance... I.4.3. Métrques de performance de la charge de traval... I.4.3. Mesures de la charge de tâche... I.5. Survellance des systèmes homme machne...3 I.5. Les systèmes d assstance ntellgents...4 I.6 Concluson...4 Chaptre II Le prétratement des sgnaux, l analyse temporelle et fréquentel et extracton de caractérstques II. L ntérêt du prétratement...8 II. Analyse en temps contnu...8 II.. Fltrage lnéare statonnare...9 II.. La transformée de Fourer...9 II.3 La révoluton dscrète...30 II.3. L échantllonnage des sgnaux analogques...3 II.3. Fltres dscrets...3 II.3.. Fltrage lnéare statonnare dscret...3 II.3.. Sére de Fourer...33 II.3.3 Sgnaux fns...34 II.3.3. Convolutons crculares...34 II.3.3. Transformée de Fourer dscrète...34 II Transformée de Fourer rapde...35 II Convolutons rapdes...36 II.4 L analyse temps fréquence...36 II.4. Atomes temps fréquence...36 II.4. Transformée de Fourer à fenêtre...37 II.4.. Chox de la fenêtre...38 II.4.. Transformée de Fourer à fenêtre rapde...39 II.4.3 Transformée en ondelettes...39 II.4.3. Transformée en ondelettes dscrète...4 II.4.3. Transformée en ondelettes dyadques...4 II.4.4 Analyse en ondelettes...4 II.4.4. Régularté...4 II.4.4. Maxma de la transformée en ondelettes et détecton de sngulartés...43 II.4.5 Bases d ondelettes...44 II.5 Extracton de caractérstques...45 II.5. Analyse statstque...45 II.5.. Statstques du premer ordre...45 II.5.. Statstques du deuxème ordre...46 II.5. Analyse spectrale...46 II.5.3 Fenêtres d analyse...47 II.5 Concluson...47

12 v Chaptre III Technques d apprentssage et d ntellgence artfcelle pour la modélsaton de systèmes complexes III. Introducton...5 III. Modélsaton à partr des données...5 III.. L apprentssage statstque...5 III... Les machnes d apprentssage...5 III... Les fonctons de perte et la mnmsaton du rsque...5 III...3 Les tros problèmes prncpaux d apprentssage...5 III...4 Les prncpes d nducton...5 III.. Les machnes d apprentssage classques : l approche neuronale...55 III... Les machnes lnéares...55 III... Les machnes non lnéares...59 III...3 L estmaton de la densté...63 III...4 Remarques...66 III..3 Les machnes à vecteurs de support SVM...67 III..3. Règles de décson non lnéares...67 III..3. SVM pour la reconnassance de formes...69 III..3.3 SVM pour la régresson...7 III..3.4 SVM pour l estmaton de la densté...73 III..3.5 Remarques...74 III..4 Le mécansme d apprentssage des SVM...74 III..4. Caractérstques du problème d optmsaton quadratque SVM...74 III..4. Les algorthmes d optmsaton des problèmes quadratques...75 III..4.3 Implémentaton des SVM...78 III..4.4 Applcaton des SVM sur des bases de données...80 III.3 Modélsaton à partr de la connassance...8 III.3. Généraltés sur l ntellgence artfcelle...8 III.3.. Agents ntellgents...8 III.3.. Systèmes Experts...8 III.3. Les systèmes d nférence flous...83 III.3.3. Eléments d un système d nférence flou...83 III.3.3. Généraltés sur la logque floue...84 III Le mécansme de fuzzfcaton, d nférence et de défuzzfcaton...86 III Types de modèles flous...89 III Génératon de règles à partr de l expertse...94 III.4 Modélsaton à partr de la connassance et les données...94 III.4. Modèles flous conventonnels avec apprentssage...94 III.4.. Chox du nombre d ensembles flous...95 III.4.. Paramétrsaton des règles...95 III.4. Modèles neuro flous...96 III.4.. Les algorthmes de groupage par données (clusterng)...96 III.4..3 Le groupage SVM...98 III.4..4 Intalsaton des algorthmes de groupage...99 III.4.3 Identfcaton des modèles TS pour des systèmes MIMO...00 III.4.3. Structure d un modèle flou TS pour des systèmes MIMO...00 III.4.3. Méthode d dentfcaton...0 III Exemple d dentfcaton...0 III.5 Concluson...04

13 v Table des Matères Chaptre IV Le problème de la survellance du conducteur automoble. Les projets AWAKE et PREDIT IV. Introducton...07 IV.. Les enjeux de la sécurté routère...07 IV. Les systèmes d assstance à la condute...09 IV.. Taxonome des systèmes d assstance à la condute...09 IV..3 La tâche de condute...0 IV..3. Les capteurs de poston latérale et le contrôle assocé... IV..3. Les capteurs de dstance longtudnale et le contrôle assocé... IV.3 La survellance du conducteur automoble... IV.3. Généraltés... IV.3.. Mesures drectes du nveau de vglance... IV.3.. Mesures drectes de la performance de la condute...4 IV.3. Blan sur les systèmes de survellance du véhcule/conducteur...6 IV.3.. Quelques systèmes de survellance de la condute et de l état du conducteur...7 IV.3.. L analyse synthétque...4 IV.4 Les projets de recherche...5 IV.4. Le programme Européen AWAKE (Septembre 00 Septembre 004)...6 IV.4. Le projet natonal Hypovglance du Conducteur PREDIT (Mars 00 Mars 004)6 IV.4.3 Archtectures de fonctonnement...7 IV.4.3. L archtecture AWAKE...7 IV.4.3. L archtecture PREDIT...8 IV.5 Les essas...9 IV.5. Moyens expérmentaux...9 IV.5. Les campagnes d essas...3 IV.5.. Les essas sur démonstrateurs...3 IV.5.. Les essas sur smulateurs...33 IV.6 Développement du module de dagnostc de stuatons à rsque...34 IV.6. Archtecture du module de dagnostc de stuatons à rsque...34 IV.6. Module de Dagnostc Événementelle basé sur le temps de sorte de voe...35 IV.6.3 EDM basé sur vbreur de bord de route adaptatf...35 IV.6.4 Comparasons des dfférents approches EDM...38 IV.7 Détecton de l hypovglance du conducteur automoble...4 IV.7. Archtecture du module de détecton de l Hypovglance...4 IV.7.. Archtecture du HDM performance...4 IV.7.. Analyse temporelle et fréquentelle des sgnaux...43 IV.7..3 Fuson des caractérstques...46 IV.7..3 Dagnostc cumulé...47 IV.7. Evaluaton du HDM performance...48 IV.7.. Mesures de référence de la vglance...48 IV.7.. Valdaton...49 IV.7..3 Résultats...5 IV.8 Concluson...6 Concluson Générale Bblographe

14 x Table de Fgures Chaptre I Facteurs mplqués dans la survellance de l opérateur human dans les systèmes homme machne Fgure I. : Performance d un système homme machne comme une foncton des nveaux d autonome....0 Fgure I. : Métrques sur la performance humane : mesures physologques, mesures subjectves et mesures de performance...6 Fgure I.3 : Charge de traval et performance en 6 régons. Dans la régon D (désactvaton) l état de l opérateur est affecté. Dans la régon A, la performance est optmale, l opérateur peut se «débrouller» faclement avec les requêtes de la tâche. Dans les régons A et A3, la performance n est pas affectée mas l opérateur dot exercer plus d effort pour mantenr le nveau de performance. Dans la régon B, ce n est plus possble et la performance se dégrade, pendant que dans la régon C la performance est dans un nveau mnmum : l opérateur est surchargé...3 Fgure I.4 : Structure d un système homme machne survellé...3 Chaptre II Le prétratement des sgnaux, l analyse temporelle et fréquentel et extracton de caractérstques Fgure II. : Schéma d un système de percepton et de prétratement du sgnal...8 Fgure II. : (a) Sgnal x et sa transformée de Fourer x^. (b) Un échantllonnage unforme de rend sa transformée de Fourer pérodque. (c) Passe bas déal. (d) Le fltrage de (b) par (c) reconsttue x....3 Fgure II.3 : (a) Sgnal x et sa transformée de Fourer x^. (b) Replement spectral dû à un recouvrement des x^( k/t) pour dfférentes valeurs k (en pontllés). (d) Le fltrage de (b) par (c) génère un sgnal à base fréquence qu dffère de x...3 Fgure II.4 : Boîte de Hesenberg représentant un atome temps fréquence Fgure II.5 : Boîte de Hesenberg de deux atomes de Fourer à fenêtre g u, et g,...38 Fgure II.6 : a) L étalement de g est mesuré par sa largeur de bande et par l ampltude de ses lobes latéraux, stuées en = 0. b) Fenêtres g de support [ ½,½] : Hammng, Gaussenne, Hannng et Blackman Fgure II.7 : Boîte de Hesenberg de deux atomes de Fourer à fenêtre g u, et g,...40 Fgure II.8 : Ondelette «chapeau mexcan» pour = et sa transformée de Fourer...4 Fgure II.9 : Transformée en ondelettes réelle calculée avec une ondelette en chapeau mexcan. Les axes vertcaux et horzontaux représentent respectvement log s et u. Les échelles les plus fnes sont en haut. Les coeffcents nuls correspondent à du nor, donc à des partes régulères...4 Fgure II.0 : Modules maxmaux de Wx(u,s) de l exemple de la Fgure II

15 x Table des Fgures Chaptre III Technques d apprentssage et d ntellgence artfcelle pour la modélsaton de systèmes complexes Fgure III. : a) Estmaton d une foncton par un hyperplan, décrvant seulement les dépendances lnéares, et par une courbe snus de haute fréquence, approxmant la foncton en ses échantllons mas sans la décrre réellement. b) La borne réelle du rsque est un comproms entre le rsque emprque (erreur d apprentssage) et l ntervalle de confance (capacté de l ensemble de fonctons S k utlsées)...54 Fgure III. : a) Le neurone bologque et b) le perceptron...55 Fgure III.3 : Les fonctons d actvaton les plus utlsées. De gauche à drote : sgmoïdale, gaussenne, tangente hyperbolque et snusoïdale Fgure III.4 : Des fonctons de perte et leurs modèles de densté correspondants. De gauche à drote : gaussenne, Laplacenne, robuste de Huber et nsensble...57 Fgure III.5 : Exemple de perceptron multcouche (tros couches cachées) Fgure III.6 : La constructon d hyperplans séparateurs dans l espace des caractérstques est équvalente à la constructon de fonctons de décson non lnéares dans l espace d entrée. Donc, des données lnéarement nséparables dans l espace d entrée peuvent être lnéarement séparées dans l espace des caractérstques...68 Fgure III.7 : L hyperplan séparateur optmal (avec la plus grande marge) est unque et peut être défn à l ade des vecteurs de support (entourés). Dans le cas non lnéarement séparable, le ème pont a une varable de relaxaton assocée représentant l ampltude de l erreur de classfcaton Fgure III.8 : L estmaton de la régresson à vecteurs de support utlsant la foncton de perte -nsensble. Les vecteurs de support (avec 0< <C), entourés, sont dans à partr de l hyperplan. Les autres vecteurs sont dans la zone (avec =0) où hors zone (avec =C)....7 Fgure III.9 : L estmaton de densté construte à partr de l hyperplan séparateur optmal, défn à l ade des vecteurs de support (entourés) Fgure III.0 : Schéma général de l archtecture d un système expert...8 Fgure III. : Composants basques d un système d nférence flou...83 Fgure III. : Fonctons d appartenance : sngleton, trangulare, trapézoïdale, gaussenne Fgure III.3 : Modfcateurs lngustques : plus ou mons pett, pas très pette, plutôt grande...85 Fgure III.4 : Parttonnement à l ade des fonctons trapézoïdales sur, avec k =3 pour la varable x et k =3 pour la varable x. Le parttonnement de l espace d entrée est composé de neuf règles. Les ares grsées de la parte basse de la fgure montrent les régons de recouvrement des ensembles flous...87 Fgure III.5 : Parttonnement par groupage (clusterng) à l ade de tros ensembles flous multdmensonnels A, A, et A 3, et leur projecton respectve sur chaque axe pour leur nterprétaton lngustque. Seulement tros règles exstent...87 Fgure III.6 : Représentaton du mécansme d nférence max mn (Mamdan). A est l ensemble flou d entrée et B est l ensemble flou de sorte. La défuzzfcaton de B par COG est y g et par MOM est y m.90 Fgure III.7 : Modèle flou relatonnel dans, avec k =3 pour la varable x et k =3 pour la varable x. La relaton R du parttonnement de l espace d entrée est composée d un total de neuf règles...9 Fgure III.8 : Modèle flou Takag Sugeno dans, avec k =3 pour la varable x et k =3 pour la varable x. La partton de l espace d entrée est composée de neuf règles (bas). La sorte y est une approxmaton lnéare par morceaux d une foncton non lnéare (haut) Fgure III.9 : Normes des dstances : Eucldenne (cercle), Mahalonobs (ellpsoïde orenté) et SVM (ensemble non convexe)...98 Fgure III.0 : La groupage soustractf (de gauche à drote) : l ensemble aléatore de 00 ponts, les groupes dentfés et leurs centres (entourés), les fonctons d appartenance gaussennes Fgure III. : Entrée pour l dentfcaton : relaton de dluton des eaux usées. Sortes pour l dentfcaton : bomasse, substrat énergétque et substrat xénobotque...0 Fgure III. : Comparason entre la sorte du processus et les sortes FCM-Flou, GK-Flou et SVM-Flou....03

16 x Chaptre IV Le problème de la survellance du conducteur automoble. Les projets AWAKE et PREDIT Fgure IV. : L automoble et quelques sous-systèmes.. 09 Fgure IV. : Modèle fonctonnel de condute automoble.... Fgure IV.3 : Vue générale du ELS...4 Fgure IV.4 : Extracton de l ndce VHAL. SH représente la zone de mouvements lents et MH représente la zone de mouvements rapdes...5 Fgure IV.5 : Le temps de sorte de voe, tlc. haut) tlc gauche, mleu) poston latérale, bas) tlc drot...6 Fgure IV.6 : Système de détecton de somnolence de Toyota....7 Fgure IV.7 : Système de détecton de somnolence et d nattenton et système de support de manten du véhcule sur la voe de Nssan...8 Fgure IV.8 : Le système SafeTRACK....8 Fgure IV.9 : Système de détecton de somnolence de DC...9 Fgure IV.0 : Capteur de suv du regard de DC....9 Fgure IV. : Le système ntellgent d ade au conducteur de Honda...0 Fgure IV. : Système de détecton PERCLOS....0 Fgure IV.3 : Smulateur de condute VIRTEX de Ford et le premer système LDW commercalsé massvement en Amérque.... Fgure IV.4 : Système de suv du regard de Delph.... Fgure IV.5 : Schéma fonctonnel AWAKE....8 Fgure IV.6 : Schéma fonctonnel PREDIT....8 Fgure IV.7 : Véhcule d expérmentaton CopTech, LAAS-CNRS....9 Fgure IV.8 : Véhcule d expérmentaton Laguna, Semens-VDO...30 Fgure IV.9 : Smulateur de condute PAVCAS, CEPA-CNRS Fgure IV.0 : Smulateurs de condute automoble également partcpant dans le projet AWAKE...3 Fgure IV. : Les véhcules démonstrateur AWAKE....3 Fgure IV. : Schéma fonctonnel du module de détecton de stuatons à rsque Fgure IV.3 : a) Fonctons d appartenance d entrée pour la dstance latérale et y ( close et far ). b) Fonctons d appartenance d entrée pour la premère dérvée de la dstance latérale y ( small, med et large ). c) Fonctons d appartenance d entrée pour le temps de correcton t nc ( short et long )...37 Fgure IV.4 : a) Fonctons d appartenance de sorte pour VRBS adj ( tgthten, none et wden ). b) Exemple de réglage du VRBS utlsant y et y seulement...38 Fgure IV.5 : Exemple de la trajectore du véhcule, montrant l effet du VRBS (lgne en tré long) et du VRBS (lgne en tré court) pour le conducteur C3. Le carré représente un avertssement du vbreur placé à 0.5 m. et le trangle un avertssement du tlc...40 Fgure IV.6 : Le VRBS (lgne en tré cout), comparé à l évoluton du VRBS (lgne en tré long), génère un avertssement (cercle) pour le conducteur C3. Il n y a pas d avertssement du vbreur à 0.5 m. mas une détecton du tlc (trangle)....4 Fgure IV.7 : Schéma fonctonnel du module de détecton de l Hypovglance....4 Fgure IV.8 : Schéma fonctonnel du module HDM performance...43 Fgure IV.9 : a) Spectre en fréquence de la poston latérale pour un conducteur typque. b) Echelles d analyse défnes par l ondelette B-splne...44 Fgure IV.30 : a) Spectre en fréquence de l angle du volant pour un conducteur typque. b) Echelles d analyse défnes par l ondelette B-splne Fgure IV.3 : Détecton de ruptures dans la poston latérale (LP) et l angle du volant (SWA) utlsant l ondelette B-Splne Fgure IV.3 : Exemple à deux dmensons de la constructon de la classe normale. a) Borne apprse par les SVM b) Modèle de densté assocée...46

17 x Table des Fgures Fgure IV.33 : Hypothèse de récupératon de la vglance lors de une phase de basse vglance observée Fgure IV.34 : Influence du nombre de non détectons par rapport à la fréquence...49 Fgure IV.35 : Coeffcent de corrélaton de l ensemble formé par les caractérstques de condute et les références (bornes extrêmes). La lgne dagonale représente le nveau (corrélaton d une varable par rapport à elle-même) Fgure IV.36 : Résultats pour le conducteur C0...5 Fgure IV.37 : Résultats pour le conducteur C Fgure IV.38 : Résultats pour le conducteur C Fgure IV.39 : Résultats pour le conducteur C Fgure IV.40 : Résultats pour le conducteur C Fgure IV.4 : Résultats pour le conducteur C Fgure IV.4 : Résultats pour le conducteur C Fgure IV.43 : Résultats pour le conducteur C Fgure IV.44 : Résultats pour le conducteur C Fgure IV.45 : Résultats pour le conducteur C0.. 6

18 x Abrévatons Chaptre I Facteurs mplqués dans la survellance de l opérateur human dans les systèmes homme machne ANS système nerveux autonome autonomc nervous system CNS système nerveux central central nervous system ECG électrocardogramme electrocardogram EEG électroencéphalogramme electroencephalogram EOG électrooculogramme electrooculogram HMI nteracton homme machne human machne nteracton HP pérode du coeur heart perod HR fréquence cardaque heart rate IBI l ntervalle ntra battement nter-beat nterval PNS système nerveux parasympathque parasympathetc nervous system KSS échelle d endormssement Karolnska Karolnska sleepness scale PNS système nerveux pérphérque pherperal nervous system SNS système nerveux sympathque sympathetc nervous system Chaptre II Le prétratement des sgnaux, l analyse temporelle et fréquentel et extracton de caractérstques DFT transformée de Fourer dscrète dscret Fourer transform DWT transformée en ondelettes dscrète dscret wavelet transform F transformée de Fourer Fourer transform FFT transformée de Fourer rapde fast Fourer transform FIR fltres à réponse fne fnte mpulse response IIR fltres à réponse nfne nfnte mpulse response STFT transformée de Fourer à court terme short-tme Fourer transform W transformée en ondelettes wavelet transform Chaptre III Technques d apprentssage et d ntellgence artfcelle pour la modélsaton de systèmes complexes ANFIS système d nférence flou basé sur des réseaux adaptatfs adaptve-network-based fuzzy nference system ANN réseaux de neurones artfcels artfcal neural networks COG centre de gravté center of gravty DF foncton de décson où foncton dscrmnante decson functon or descrmnant functon EM maxmsaton de l espérance expectaton maxmzaton EQP problème d optmsaton quadratque avec des contrantes égalté equally constraned quadratc programs

19 xv FCM C moyennes floues fuzzy c means FCRM modèles de c régresson floue fuzzy c regresson model FIS systèmes d nférence flou fuzzy nference systems GG Gath Geva Gath Geva GK Gustafson Kessel Gustafson-Kessel GMM modèles de combnason gaussenne gaussan mxture models d ndépendant et dentquement dstrbué ndependent and dentcally dstrbuted KDE estmaton de la densté par kernels kernel densty estmaton knn k plus proche vosn k nearest neghbor LMS mondres carrées least mean squares LVQ apprentssage à quantfcaton vectorelle learnng vector quantzaton ML maxmum de vrasemblance maxmum lkelhood MLP perceptron multcouches mult layer perceptron MOM moyenne des maxmums mean of maxma PCM c moyennes floues possblstes possblstc c means PDF foncton de densté de probablté probablty densty functon RBF réseaux de fonctons à base radale radal bass functons RDA analyse dscrmnante régularsée regularzed dscrmnant analyss SLP perceptron monocouche sngle layer perceptron SSDP symétrque sem défne postve symmetrc sem defnte postve SVC classfcaton à vecteurs de support support vector classfcaton SVDE estmaton de densté à vecteurs de support vector densty estmaton support SVM machnes à vecteurs de support support vector machnes SVR régresson à vecteurs de support support vector regreson Chaptre IV Le problème de la survellance du conducteur automoble. Les projets AWAKE et PREDIT ADAS système avancé pour l ade à la condute advanced drvng assstance system ACC régulateur de vtesse adaptatf adaptve cruse control CAS systèmes d évtement de collson collson avodance systems ELS capteur de mouvement des paupères eye ld sensor GPS système de postonnement global US global postonng system IHCC régulateur de vtesse ntellgent pour ntellgent hghway cruse control autoroute ITS systèmes de transport ntellgents ntellgent transportaton systems LDW avertsseur de sorte de voe lane departure warnng LKAS système de manten du véhcule sur la lane-keepng assstance system voe PERCLOS pourcentage de fermeture des yeux percentage of closure of eyes RBS vbreurs des bords latéraux de la route rumble strps RDW avertssement de sorte de route road departure warnng SVRD sortes de route mono véhcule sngle-vehcle road departure TLC temps de crossement tme to lane crossng VRBS vbreur vrtuel du bord de route vrtual rumble strp

20

DIRIGER ADMINISTRER DÉVELOPPER

DIRIGER ADMINISTRER DÉVELOPPER 24 Adjont de drecton F/H Votre formaton BTS Hôtellere-restauraton BTS Management des untés commercales BTS Assstant de geston PME-PMI Lcence Management d untés de restauraton Vos mssons Vous anmez, formez

Plus en détail

SIMNUM : Simulation de systèmes auto-gravitants en orbite

SIMNUM : Simulation de systèmes auto-gravitants en orbite SIMNUM : Smulaton de systèmes auto-gravtants en orbte sujet proposé par Ncolas Kelbasewcz : ncolas.kelbasewcz@ensta-parstech.fr 14 janver 2014 1 Établssement du modèle 1.1 Approxmaton de champ lontan La

Plus en détail

Prévision des ventes des articles textiles confectionnés. B. Zitouni*, S. Msahli* * Unité de Recherches Textiles, Ksar-Hellal, Tunisie.

Prévision des ventes des articles textiles confectionnés. B. Zitouni*, S. Msahli* * Unité de Recherches Textiles, Ksar-Hellal, Tunisie. Prévson des ventes des artcles textles confectonnés B Ztoun*, S Msahl* * Unté de Recherches Textles, Ksar-Hellal, Tunse Résumé Dans cette étude, on se propose de détermner s le recours à des réseaux de

Plus en détail

Activité Intitulé de l'activité Volume horaire

Activité Intitulé de l'activité Volume horaire Informatons de l'unté d'ensegnement Implantaton Cursus de Inttulé ECAM Insttut Supéreur Industrel Bacheler en Scences ndustrelles fnalté électromécanque Concepton et producton M3050 Cycle 1 Bloc 3 Quadrmestre

Plus en détail

Solution : 1. Soit y = α + βt, l équation de la droite considérée. Le problème de régression linéaire s écrit. i=1 2(α + βt i b i )t i

Solution : 1. Soit y = α + βt, l équation de la droite considérée. Le problème de régression linéaire s écrit. i=1 2(α + βt i b i )t i Exercces avec corrgé succnct du chaptre 3 (Remarque : les références ne sont pas gérées dans ce document, par contre les quelques?? qu apparassent dans ce texte sont ben défns dans la verson écran complète

Plus en détail

Activité Intitulé de l'activité Volume horaire

Activité Intitulé de l'activité Volume horaire Informatons de l'unté d'ensegnement Implantaton Cursus de ECAM Insttut Supéreur Industrel Bacheler en Scences ndustrelles Electronque applquée B2150 Cycle 1 Bloc 2 Quadrmestre 2 Pondératon 4 Nombre de

Plus en détail

Proposition d'une solution au problème d initialisation cas du K-means

Proposition d'une solution au problème d initialisation cas du K-means Proposton d'une soluton au problème d ntalsaton cas du K-means Z.Guelll et L.Zaou, Unversté des scences et de la technologe d Oran MB, Unversté Mohamed Boudaf USTO -BP 505 El Mnaouer -ORAN - Algére g.zouaou@gmal.com,

Plus en détail

gaussien pour l analyse de sensibilité d une sortie spatiale d un code de calcul

gaussien pour l analyse de sensibilité d une sortie spatiale d un code de calcul Utlsaton du métamodèle processus gaussen pour l analyse de sensblté d une sorte spatale d un code de calcul Applcaton à un code de transport hydrogéologque ologque Amandne Marrel Thèse effectuée au LMTE

Plus en détail

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 2. Quadrimestre 1. Pondération 4. Nombre de crédits 4

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 2. Quadrimestre 1. Pondération 4. Nombre de crédits 4 Informatons de l'unté d'ensegnement Implantaton Cursus de Inttulé Code ECAM Insttut Supéreur Industrel Bacheler en Scences ndustrelles Outls de communcaton B2050 Cycle 1 Bloc 2 Quadrmestre 1 Pondératon

Plus en détail

Mesurer la qualité de la prévision

Mesurer la qualité de la prévision Mesurer la qualté de la prévson Luc Baetens 24/11/2011 www.mobus.eu Luc Baetens 11 ans d expérence Planfcaton Optmsaton des stocks Organsaton de la Supply Chan Performance de la Supply Chan Geston de la

Plus en détail

Combinaison de dires d'experts en élicitation de lois a priori. pour Listeria chez la souris. Exposé AppliBugs

Combinaison de dires d'experts en élicitation de lois a priori. pour Listeria chez la souris. Exposé AppliBugs Combnason de dres d'experts en élctaton de los a pror. Applcaton à un modèle doseréponse pour Lstera chez la sours. Exposé ApplBugs ISABELLE ALBERT 8 / / 03 INTRODUCTION Cet exposé présente une parte du

Plus en détail

Remboursement d un emprunt par annuités constantes

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

Plus en détail

Représentation de l'information

Représentation de l'information 1. L nformaton 1-1 Dualté état et temps Représentaton de l'nformaton La noton d'nformaton correspond à la connassance d'un état donné parm pluseurs possbles à un nstant donné. La Fgure 1 llustre cette

Plus en détail

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 1. Quadrimestre 1-2. Pondération 5. Nombre de crédits 5

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 1. Quadrimestre 1-2. Pondération 5. Nombre de crédits 5 Informatons de l'unté d'ensegnement Implantaton ECAM Cursus de Bacheler en Scences ndustrelles Informatque et communcaton B1030 Cycle 1 Bloc 1 Quadrmestre 1-2 Pondératon 5 Nombre de crédts 5 Nombre d heures

Plus en détail

SmartView d EH. Vue d ensemble des risques et des occasions. Surveillance de l assurance-crédit. www.eulerhermes.ca/fr/smartview

SmartView d EH. Vue d ensemble des risques et des occasions. Surveillance de l assurance-crédit. www.eulerhermes.ca/fr/smartview SmartVew d EH Servces en lgne Euler Hermes Vue d ensemble des rsques et des occasons Survellance de l assurance-crédt www.eulerhermes.ca/fr/smartvew Les avantages du SmartVew d EH Prenez plus de décsons

Plus en détail

Fiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage

Fiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage Fche n 7 : Vérfcaton du débt et de la vtesse par la méthode de traçage 1. PRINCIPE La méthode de traçage permet de calculer le débt d un écoulement ndépendamment des mesurages de hauteur et de vtesse.

Plus en détail

Assistance à la saisie en milieu non structuré

Assistance à la saisie en milieu non structuré Assstance à la sase en mleu non structuré R. Gharb 1, N. Rezzoug 1, P. Gorce 1 P. Hoppenot 2, E. Colle 2 1 Laboratore ESP EA 3162 Unversté de Toulon et du Var BP 20132, 83957 La Garde gorce{rezzoug, gharb}@unv-tln.fr

Plus en détail

classification non supervisée : pas de classes prédéfinies Applications typiques

classification non supervisée : pas de classes prédéfinies Applications typiques Qu est ce que le clusterng? analyse de clusterng regroupement des obets en clusters un cluster : une collecton d obets smlares au sen d un même cluster dssmlares au obets appartenant à d autres clusters

Plus en détail

Contrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations

Contrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations Contrats prévoyance des TNS : Clarfer les règles pour sécurser les prestatons Résumé de notre proposton : A - Amélorer l nformaton des souscrpteurs B Prévor plus de souplesse dans l apprécaton des revenus

Plus en détail

EH SmartView. Identifiez vos risques et vos opportunités. www.eulerhermes.be. Pilotez votre assurance-crédit. Services en ligne Euler Hermes

EH SmartView. Identifiez vos risques et vos opportunités. www.eulerhermes.be. Pilotez votre assurance-crédit. Services en ligne Euler Hermes EH SmartVew Servces en lgne Euler Hermes Identfez vos rsques et vos opportuntés Plotez votre assurance-crédt www.eulerhermes.be Les avantages d EH SmartVew L expertse Euler Hermes présentée de manère clare

Plus en détail

Cours Corporate finance

Cours Corporate finance Cours Corporate fnance Eléments de théore du portefeulle Le edaf Franços Longn www.longn.fr lan Notons de rentablté Défnton odélsaton Eléments de théore du portefeulle ortefeulle Dversfcaton Le edaf Le

Plus en détail

Miroirs sphériques Dioptres sphériques. 1 Miroirs sphériques. 1.1 Introduction : focaliser la lumière. 1.2 Miroir concaves faisceau parallèle

Miroirs sphériques Dioptres sphériques. 1 Miroirs sphériques. 1.1 Introduction : focaliser la lumière. 1.2 Miroir concaves faisceau parallèle Mrors spérques Doptres spérques Nous allons mantenant aborder des systèmes optques un peu plus complexes, couramment utlsés pour produre des mages. Nous allons commencer par étuder un mror spérque de façon

Plus en détail

Analyse Numérique - Projet A rendre au plus tard le jour de l examen final, en Janvier 2010.

Analyse Numérique - Projet A rendre au plus tard le jour de l examen final, en Janvier 2010. Master 1ère année de Mathématques Analyse Numérque - Projet A rendre au plus tard le jour de l examen fnal, en Janver 2010. CMI, Unversté de Provence Année 2009-2010 Ce qu vous est demandé : Rédger les

Plus en détail

Exercices d algorithmique

Exercices d algorithmique Exercces d algorthmque Les algorthmes proposés ne sont pas classés par ordre de dffculté Nombres Ecrre un algorthme qu renvoe la somme des nombre entre 0 et n passé en paramètre Ecrre un algorthme qu renvoe

Plus en détail

Le théorème du viriel

Le théorème du viriel Le théorème du vrel On se propose de démontrer le théorème du vrel de deux manères dfférentes. La premère fat appel à deux "trcks" qu l faut vor. Cette preuve met en avant une quantté, notée S c, qu permet

Plus en détail

Les jeunes économistes

Les jeunes économistes Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque

Plus en détail

Ajustement affine par les moindres carrés

Ajustement affine par les moindres carrés 1. Nveau Termnales STG et ES Ajustement affne par les mondres carrés 2. Stuaton-problème proposée Introducton à la méthode des mondres carrés. 3. Support utlsé Tableur et calculatrce. 4. Contenu mathématque

Plus en détail

Détection et suivi de visages par Support Vector Machine robustes aux changements d échelle

Détection et suivi de visages par Support Vector Machine robustes aux changements d échelle Détecton et suv de vsages par Support Vector Machne robustes au changements d échelle Lonel CARMINATI Drectrce de Thèse : Jenny Benos-Pneau Projet Analyse et Indeaton Vdéo lcarmna@labr.fr http://www.labr.fr/recherche/imageson/aiv/

Plus en détail

Gestion et stratégie Utilisateur

Gestion et stratégie Utilisateur Geston et stratége Utlsateur GESTION ET STRATEGIE UTILISATEUR...2 1.) Comment gérer des utlsateurs?...2 1.1) Geston des utlsateurs en groupe de traval...2 1.2) Geston des utlsateurs par domane...2 Rôle

Plus en détail

Enseignement secondaire. PHYSI Physique Programme

Enseignement secondaire. PHYSI Physique Programme Ensegnement secondare Dvson supéreure PHYSI Physque Programme 3CB_3CC_3CF_3MB_3MC_3MF Langue véhculare : franças Nombre mnmal de devors par trmestre : 1 PHYSI_3CB_3CC_3CF_3MB_3MC_3MF_PROG_10-11 Page 1

Plus en détail

Valeur absolue et fonction valeur absolue Cours

Valeur absolue et fonction valeur absolue Cours Valeur absolue foncton valeur absolue Cours CHAPITRE 1 : Dstance entre deu réels 1) Eemples prélmnares 2) Défnton 3) Proprétés CHAPITRE 2 : Valeur absolue d un réel 1) Défnton 2) Proprétés CHAPITRE 3 :

Plus en détail

- Equilibre simultané IS/LM : Pour déterminer le couple d équilibre général, il convient de résoudre l équation IS = LM.

- Equilibre simultané IS/LM : Pour déterminer le couple d équilibre général, il convient de résoudre l équation IS = LM. Exercce n 1 Cet exercce propose de détermner l équlbre IS/LM sur la base d une économe dépourvue de présence étatque. Pour ce fare l convent, dans un premer temps de détermner la relaton (IS) marquant

Plus en détail

Pourquoi LICIEL? Avec LICIEL passez à la vitesse supérieure EPROUVE TECHNICITE CONNECTE STABILITE SUIVIE COMMUNAUTE

Pourquoi LICIEL? Avec LICIEL passez à la vitesse supérieure EPROUVE TECHNICITE CONNECTE STABILITE SUIVIE COMMUNAUTE L og c el s de D agnos t c s I mmob l er s Cont ac t eznous 32BddeS t r as bougcs3010875468 Par scedex10tel. 0253354064Fax0278084116 ma l : s er v c e. c l ent @l c el. f r Pourquo LICIEL? Implanté sur

Plus en détail

Corrélation et régression linéaire

Corrélation et régression linéaire Corrélaton et régresson lnéare 1. Concept de corrélaton. Analyse de régresson lnéare 3. Dfférences entre valeurs prédtes et observées d une varable 1. Concept de corrélaton L objectf est d analyser un

Plus en détail

Mesure de compatibilité et recherche de solutions régulières en contact pénalisé

Mesure de compatibilité et recherche de solutions régulières en contact pénalisé Mesure de compatblté et recherche de solutons régulères en contact pénalsé G. Vermot des Roches,3, E. Balmes,2, Hachm Ben Dha 3, Rém Lemare 4 SDTools 44, Rue Vergnaud, 7503, Pars - FRANCE {vermot,balmes}@sdtools.com

Plus en détail

Travaux pratiques : GBF et oscilloscope

Travaux pratiques : GBF et oscilloscope Travaux pratques : et osclloscope S. Benlhajlahsen ésumé L objectf de ce TP est d apprendre à utlser, c est-à-dre à régler, deux des apparels les plus couramment utlsés : le et l osclloscope. I. Premère

Plus en détail

LA RENOVATION DE L INDICE HARMONISE DES PRIX A LA CONSOMMATION DANS LA ZONE UEMOA

LA RENOVATION DE L INDICE HARMONISE DES PRIX A LA CONSOMMATION DANS LA ZONE UEMOA Observatore Economque et Statstque d Afrque Subsaharenne LA RENOVATION DE L INDICE HARMONISE DES PRIX A LA CONSOMMATION DANS LA ZONE UEMOA Une contrbuton à la réunon commune CEE/BIT sur les ndces des prx

Plus en détail

Mesure avec une règle

Mesure avec une règle Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système

Plus en détail

Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amiens.fr/pedagogie/maths/new/ue2007/synthese_atelier_annette_alain.

Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amiens.fr/pedagogie/maths/new/ue2007/synthese_atelier_annette_alain. Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amens.fr/pedagoge/maths/new/ue2007/synthese_ateler_annette_alan.pdf 1 La règle du jeu Un drecteur de casno se propose d nstaller le

Plus en détail

Méthodes à vecteurs de support et Indexation sonore

Méthodes à vecteurs de support et Indexation sonore FORMATION DOCTORALE EN INFORMATIQUE UNIVERSITE PAUL SABATIER DEA INFORMATIQUE de L IMAGE et du LANGAGE (IIL) Méthodes à vecteurs de support et Indexaton sonore par José Anbal ARIAS AGUILAR Drecteur de

Plus en détail

Note méthodologique. Traitements hebdomadaires Quiestlemoinscher.com. Quelle méthode de collecte de prix? Qui a collecté les prix?

Note méthodologique. Traitements hebdomadaires Quiestlemoinscher.com. Quelle méthode de collecte de prix? Qui a collecté les prix? Note méthodologque Tratements hebdomadares Questlemonscher.com Quelle méthode de collecte de prx? Les éléments méthodologques ont été défns par le cabnet FaE onsel, socété d études et d analyses statstques

Plus en détail

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks Plan Geston des stocks Abdellah El Fallah Ensa de Tétouan 2011 Les opératons de gestons des stocks Les coûts assocés à la geston des stocks Le rôle des stocks Modèle de la quantté économque Geston calendare

Plus en détail

Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 Année 2011 12. TD4. Tribus.

Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 Année 2011 12. TD4. Tribus. Unversté Perre & Mare Cure (Pars 6) Lcence de Mathématques L3 UE LM364 Intégraton 1 Année 2011 12 TD4. Trbus. Échauffements Exercce 1. Sot X un ensemble. Donner des condtons sur X pour que les classes

Plus en détail

Chapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3.

Chapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3. Chaptre 3 : Incerttudes CHAPITRE 3 INCERTITUDES Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.1 Volume 1 : Orentatons générales et établssement des rapports Auteurs

Plus en détail

L environnement Windows 10 sur tablette

L environnement Windows 10 sur tablette L envronnement Wndows 10 sur tablette L envronnement Wndows 10 sur tablette Wndows 10 - Prse en man de votre ordnateur ou votre tablette Actver/désactver le mode Tablette Contnuum est une nouvelle fonctonnalté

Plus en détail

viamobil eco V14 Sommaire Aperçu 72 Avantages du produit 73 Visuel du produit 74 Descriptif 75 Accessoires 76 Caractéristiques techniques 77

viamobil eco V14 Sommaire Aperçu 72 Avantages du produit 73 Visuel du produit 74 Descriptif 75 Accessoires 76 Caractéristiques techniques 77 Sommare vamobl eco V14 Aperçu 72 Avantages du produt 73 Vsuel du produt 74 Descrptf 75 Accessores 76 Caractérstques technques 77 vamobl eco V14 71 Aperçu V14 Pousser un fauteul faclement. 72 Avantages

Plus en détail

3- Réseau Neurologique (NN) 3-1- Réseau classique

3- Réseau Neurologique (NN) 3-1- Réseau classique OUTILS DE PREVISION DE LA VITESSE DE VENT : APPLICATION A LA CARACTERISATION ET A L OPTIMISATION DES CENTRALES EOLIENNES POUR L'INTEGRATION DANS LES RESEAUX ELECTRIQUES A MADAGASCAR. Andramahtasoa Bernard

Plus en détail

Champ magnétique. 1 Notions préliminaires. 1.1 Courant électrique et densité de courant

Champ magnétique. 1 Notions préliminaires. 1.1 Courant électrique et densité de courant 4 Champ magnétque 1 Notons prélmnares 1.1 Courant électrque et densté de courant Un courant électrque est défn par un déplacement de charges électrques élémentares (ex : les électrons de conducton dans

Plus en détail

MODELISATION DES PROCESSUS LINEAIRES

MODELISATION DES PROCESSUS LINEAIRES MDELISATIN DES PRCESSUS LINEAIRES Dans un premer temps, nous ne consdérons que des processus partculers, supposés notamment statonnare. Cec permet de présenter un certan nombre d'outls dans un cadre relatvement

Plus en détail

* Notre savoir au service de votre réussite

* Notre savoir au service de votre réussite * Notre savor au servce de votre réusste * Vsualser les ndcateurs clés de performance de votre portefeulle clents sur un tableau de bord Analyser le taux d acceptaton de vos demandes d agréments par notaton

Plus en détail

Application du système immunitaire artificiel ordinaire et amélioré pour la reconnaissance des caractères artificiels

Application du système immunitaire artificiel ordinaire et amélioré pour la reconnaissance des caractères artificiels 9 Nature & Technology Applcaton du système mmuntare artfcel ordnare et améloré pour la reconnassance des caractères artfcels Hba Khell a, Abdelkader Benyettou a a Laboratore Sgnal Image Parole SIMPA-,

Plus en détail

Analyses de sensibilité et Recalage de modèles thermiques spatiaux à l aide d algorithmes génétiques.

Analyses de sensibilité et Recalage de modèles thermiques spatiaux à l aide d algorithmes génétiques. Analyses de sensblté et Recalage de modèles thermques spataux à l ade d algorthmes génétques. Approches stochastques et Industre 2&3/02/2006 F.JOUFFROY/A.CAPITAINE Plan de la présentaton Contexte Modélsaton

Plus en détail

I. Présentation générale des méthodes d estimation des projets de type «unité industrielle»

I. Présentation générale des méthodes d estimation des projets de type «unité industrielle» Evaluaton des projets et estmaton des coûts Le budget d un projet est un élément mportant dans l étude d un projet pusque les résultats économques auront un mpact sur la réalsaton ou non et sur la concepton

Plus en détail

TRANSPORTS URBAINS ET CALCUL ÉCONOMIQUE

TRANSPORTS URBAINS ET CALCUL ÉCONOMIQUE TRANSPORTS URBAINS ET CALCUL ÉCONOMIQUE Mnstère de l Equpement, du Logement, des Transports et du Toursme Consel général des Ponts et Chaussées Mnstère de l Econome et des Fnances Drecton de la Prévson

Plus en détail

- donc n explique pas très bien le commerce entre pays industrialisés en particulier le commerce intraeuropéen

- donc n explique pas très bien le commerce entre pays industrialisés en particulier le commerce intraeuropéen Le commerce nternatonale en stuaton de concurrence mparfate: ros problèmes essentels des modèles théorques Rcardo, HOS, Standard: - fondés sur la CPP: le commerce n augmente pas la concurrence - pas d

Plus en détail

Définition des tâches

Définition des tâches Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf du projet. Elles représentent de ce fat, les éléments

Plus en détail

Brochure d @ccueil 09 10

Brochure d @ccueil 09 10 unté A4, C7 & B42 brochure d accuel 2009-2010 Brochure d @ccuel 09 10 (pour étudants) Clnque Sant-Jean Bruxelles 1 / 10 A4C7B42_FULL_0910_FR unté A4, C7 & B42 brochure d accuel 2009-2010 1. Sommare : 1.

Plus en détail

Optimisation du conditionnement d'air des locaux de télécommunication par utilisation de produits à changement de phase

Optimisation du conditionnement d'air des locaux de télécommunication par utilisation de produits à changement de phase Optmsaton du condtonnement d'ar des locaux de télécommuncaton par utlsaton de produts à changement de phase Davd NÖRTERSHÄUSER, Stéphane LE MASSON France Telecom R&D, 2 Avenue Perre Marzn, 2 LANNION Résumé

Plus en détail

Réseau RRFR pour la surveillance dynamique : application en e-maintenance.

Réseau RRFR pour la surveillance dynamique : application en e-maintenance. Réseau RRFR pour la survellance dynamue : applcaton en e-mantenance. RYAD ZEMOURI, DANIEL RACOCEANU, NOUREDDINE ZERHOUNI Laboratore Unverstare de Recherche en Producton Automatsée (LURPA) 6, avenue du

Plus en détail

L Interprétation des Images Médicales Cérébrales : Segmentation par L approche Split et Merge

L Interprétation des Images Médicales Cérébrales : Segmentation par L approche Split et Merge L Interprétaton des Images Médcales Cérébrales : Segmentaton par L approche Splt et Merge Berrch Fatma Zohra 1, Benyettou Mohamed 1 1 Laboratore de Modélsaton et Optmsaton des Systèmes Industrels : LAMOSI.

Plus en détail

Somfy Box. Activation de l option io et programmation de vos produits io

Somfy Box. Activation de l option io et programmation de vos produits io Somfy Box Actvaton de l opton o et programmaton de vos produts o Sommare Pré-requs pour la programmaton de produts o sur la Somfy Box 1 Harmonser la clé système 1 Qu est-ce que la clé système? 1 Dans quel

Plus en détail

Chapitre 5: La programmation dynamique

Chapitre 5: La programmation dynamique Chaptre 5: La programmaton dynamque. Introducton La programmaton dynamque est un paradgme de concepton qu l est possble de vor comme une améloraton ou une adaptaton de la méthode dvser et régner. Ce concept

Plus en détail

Interfaces Windows 8 et Bureau

Interfaces Windows 8 et Bureau Interfaces Wndows 8 et Bureau Interfaces Wndows 8 et Bureau Découvrr l nterface Wndows 8 Après s être dentfé va un compte Mcrosoft ou un compte local, l utlsateur vot apparaître sur son écran la toute

Plus en détail

Découvrir l interface Windows 8

Découvrir l interface Windows 8 Wndows 8.1 L envronnement Wndows 8 Interfaces Wndows 8 et Bureau L envronnement Wndows 8 Découvrr l nterface Wndows 8 Après s être dentfé va un compte Mcrosoft ou un compte local, l utlsateur vot apparaître

Plus en détail

Traitement des valeurs manquantes et des valeurs aberrantes

Traitement des valeurs manquantes et des valeurs aberrantes Etudes Statstques 2 (1/10) Tratement des valeurs manquantes et des valeurs aberrantes Avant de trater les données, vérfer la qualté des données : Les données peuvent être : manquantes aberrantes : la valeur

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 3

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 3 UNIVERSITE MONTESQUIEU BORDEAUX IV Lcence 3 ère année Econome - Geston Année unverstare 2006-2007 Semestre 2 Prévsons Fnancères Travaux Drgés - Séances n 3 «Les Crtères Fondamentaux des Chox d Investssement»

Plus en détail

WINDOWS 10. Prise en main de votre ordinateur ou votre tablette

WINDOWS 10. Prise en main de votre ordinateur ou votre tablette WINDOWS 10 Prse en man de votre ordnateur ou votre tablette Table des matères Wndows 10 L envronnement Wndows 10 sur un ordnateur Wndows 10 : les nouveautés................................ 7 Démarrer Wndows

Plus en détail

Courant alternatif. Dr F. Raemy La tension alternative et le courant alternatif ont la représentation mathématique : U t. cos (!

Courant alternatif. Dr F. Raemy La tension alternative et le courant alternatif ont la représentation mathématique : U t. cos (! Courant alternatf Dr F. Raemy La tenson alternatve et le courant alternatf ont la représentaton mathématque : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Une résstance dans un crcut à courant

Plus en détail

V FORMATION DES IMAGES DANS L EXEMPLE DU MIROIR PLAN

V FORMATION DES IMAGES DANS L EXEMPLE DU MIROIR PLAN Chaptre V page V-1 V FORMTION DES IMGES DNS L EXEMPLE DU MIROIR PLN Le but de ce chaptre est d ntrodure la noton d mage { travers l exemple du mror plan. Vous vous êtes sûrement déjà regardé(e) dans un

Plus en détail

Editions ENI. Project 2010. Collection Référence Bureautique. Extrait

Editions ENI. Project 2010. Collection Référence Bureautique. Extrait Edtons ENI Project 2010 Collecton Référence Bureautque Extrat Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf

Plus en détail

1. INTRODUCTION. MOT-CLÉS : tâches, ordonnancement, optimisation, ressource, coût

1. INTRODUCTION. MOT-CLÉS : tâches, ordonnancement, optimisation, ressource, coût Algorthme d ades à la décson pour Optmser l Ordonnancement des tâches de mantenance en temps-réel. Mr Aboussalm Assam, Mr Medoun Mohamed LGII- Laboratore du Géne Industrel et nformatque Ensa Agadr Emal

Plus en détail

Chapitre 5. Menu de SUPPORT

Chapitre 5. Menu de SUPPORT 155 Chaptre 5. Menu de SUPPORT Ce que vous apprendrez dans ce chaptre Ce chaptre vous présentera des routnes supplémentares susceptbles de vous ader dans les analyses de données présentées dans le chaptre

Plus en détail

Ch 4 Séries statistiques à une dimension Définitions et représentation graphique

Ch 4 Séries statistiques à une dimension Définitions et représentation graphique Ch 4 Séres statstques à une dmenson Défntons et représentaton graphque Termnologe Ensemble étudé = populaton Eléments de cet ensemble = ndvdus ou untés Attrbut consdéré = caractère qu peut être qualtatf

Plus en détail

Accord Entreprise. Le Guide du True-Up. Enterprise Agreement True - Up Guide

Accord Entreprise. Le Guide du True-Up. Enterprise Agreement True - Up Guide Enterprse Agreement True-Up Gude Accord Entreprse Le Gude du True-Up Enterprse Agreement True - Up Gude Le gude du True-Up dans l Accord Entreprse Table des matères Le True-Up des lcences on premse et

Plus en détail

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 AES - SESSION 1 - Correction -

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 AES - SESSION 1 - Correction - EXAME FIAL DE STATISTIQUES DESCRIPTIVES L1 AES - SESSIO 1 - Correcton - Exercce 1 : 1) Consdérons une entreprse E comportant deux établssements : E1 et E2 qu emploent chacun 200 salarés. Au sen de l'établssement

Plus en détail

Montage émetteur commun

Montage émetteur commun tour au menu ontage émetteur commun Polarsaton d un transstor. ôle de la polarsaton La polarsaton a pour rôle de placer le pont de fonctonnement du transstor dans une zone où ses caractérstques sont lnéares.

Plus en détail

Aide multicritère au pilotage d un processus basée sur le raisonnement à partir de cas

Aide multicritère au pilotage d un processus basée sur le raisonnement à partir de cas Ade multcrtère au plotage d un processus basée sur le rasonnement à partr de cas Dala Dhoub To cte ths verson: Dala Dhoub. Ade multcrtère au plotage d un processus basée sur le rasonnement à partr de cas.

Plus en détail

Régression linéaire et incertitudes expérimentales

Régression linéaire et incertitudes expérimentales 91 e Année - N 796 Publcaton Mensuelle Jullet/Août/Septembre 1997 Régresson lnéare et ncerttudes expérmentales par Danel BEAUFILS Insttut Natonal de Recherche Pédagogque Département Technologes Nouvelles

Plus en détail

Les risques des pesticides mieux les connaître pour les réduire

Les risques des pesticides mieux les connaître pour les réduire Les rsques des pestcdes meux les connaître pour les rédure Des outls à votre portée pour rédure les rsques des pestcdes Vous avez mantenant accès à des outls d ade pour meux connaître les rsques des pestcdes

Plus en détail

Le raisonnement incertain

Le raisonnement incertain 1 Plan général 2 Le rasonnement ncertan dans les systèmes experts I- Introducton aux systèmes experts II- Fondements : organsaton et fonctonnement des SE III- Le rasonnement ncertan Introducton Antone

Plus en détail

I. Fonctionnalités du tableur

I. Fonctionnalités du tableur Olver Coma Macro MRP pour Excel Decembre 1999 I. Fonctonnaltés du tableur I.1. Feulle «Nomenclature «Le tableur propose pluseurs optons à l ouverture du fcher. Cnq boutons apparassent à drote de la feulle

Plus en détail

TRANSFERT DE CARGAISON CALCULS ET ARRONDIS

TRANSFERT DE CARGAISON CALCULS ET ARRONDIS TRANSFERT DE CARGAISON CALCULS ET ARRONDIS SOMMAIRE 1. Méthode de détermnaton de l énerge transférée lors du transfert d une cargason de. Calcul de l énerge transférée.1 Calcul de l énerge brute transférée.1.1

Plus en détail

10.1 Inférence dans la régression linéaire

10.1 Inférence dans la régression linéaire 0. Inférence dans la régresson lnéare La régresson lnéare tente de modeler le rapport entre deux varables en adaptant une équaton lnéare avec des données observées. Chaque valeur de la varable ndépendante

Plus en détail

DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS

DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS Le cabnet Enetek nous démontre les mpacts négatfs de la multplcaton des stocks qu au leu d amélorer le taux de servce en se rapprochant du clent, le dégradent

Plus en détail

Cerveau & management NOVIAL - 2008 Diapositive N 1

Cerveau & management NOVIAL - 2008 Diapositive N 1 CERVEAU et MANAGEMENT Cerveau & management NOVIAL - 2008 Dapostve N 1 Connaître sa ou ses partes domnantes Nourrr les autres partes Savor fonctonner sur ses 4 cerveaux Cerveau & management NOVIAL - 2008

Plus en détail

Installation du dispositif Cisco TelePresence MX200 - Support de table

Installation du dispositif Cisco TelePresence MX200 - Support de table 1a Déballage du système vdéo MX200 oîte du support de table MX200 La boîte du support de table MX200 content le support de table équpé d un pvot et un cache arrère. Placez le support de table sur une surface

Plus en détail

FORMATION DOCTORALE EN INFORMATIQUE THESE. présentée en vue de l obtention du Doctorat en Informatique. par

FORMATION DOCTORALE EN INFORMATIQUE THESE. présentée en vue de l obtention du Doctorat en Informatique. par UNIVERSITE DE TUNIS EL MANAR FACULTE DES SCIENCES DE TUNIS INSTITUT NATIONAL DES SCIENCES APPLIQUEES DE LYON FORMATION DOCTORALE EN INFORMATIQUE THESE présentée en vue de l obtenton du Doctorat en Informatque

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2015 2016. Statistiques Descriptives

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2015 2016. Statistiques Descriptives UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année unverstare 215 216 L1 Économe Cours de B. Desgraupes Statstques Descrptves Séance 7: Indces synthétques Table des matères 1 Introducton 1 1.1

Plus en détail

Thèse. présentée. en vue de l obtention du DOCTORAT DE L UNIVERSITE DE TOULOUSE DELIVRE PAR L INSTITUT NATIONAL POLYTECHNIQUE DE TOULOUSE

Thèse. présentée. en vue de l obtention du DOCTORAT DE L UNIVERSITE DE TOULOUSE DELIVRE PAR L INSTITUT NATIONAL POLYTECHNIQUE DE TOULOUSE N d ordre : 2529 Thèse présentée en vue de l obtenton du DOCTORAT DE L UNIVERSITE DE TOULOUSE DELIVRE PAR L INSTITUT NATIONAL POLYTECHNIQUE DE TOULOUSE École doctorale Spécalté : Informatque et Télécommuncatons

Plus en détail

direction de l animation de la recherche, des études et des statistiques Numéro 176 Juillet 2013

direction de l animation de la recherche, des études et des statistiques Numéro 176 Juillet 2013 Document d études drecton de l anmaton de la recherche, des études et des statstques Numéro 176 Jullet 2013 La régonalsaton des dépenses de formaton des entreprses au ttre du plan de formaton Jérôme Lê

Plus en détail

EXEMPLES D UTILISATION DE LA TECHNIQUE DES OBSERVATIONS INSTANTANÉES.

EXEMPLES D UTILISATION DE LA TECHNIQUE DES OBSERVATIONS INSTANTANÉES. EXEMPLES D UTILISATIN DE LA TECHNIQUE DES BSERVATINS INSTANTANÉES. Chrstan Fortn, ng., Ph.D. Ergonome et hygénste du traval Centre of santé et servces socaux de la Montagne, Montréal. Résumé La technque

Plus en détail

ÉCHANTILLON REPRÉSENTATIF (D UNE POPULATION FINIE) : DÉFINITION STATISTIQUE

ÉCHANTILLON REPRÉSENTATIF (D UNE POPULATION FINIE) : DÉFINITION STATISTIQUE ÉCHANTILLON REPRÉSENTATIF (D UNE POPULATION FINIE) : DÉFINITION STATISTIQUE ET PROPRIÉTÉS Léo Gervlle-Réache, Vncent Coualler To cte ths verson: Léo Gervlle-Réache, Vncent Coualler. ÉCHANTILLON REPRÉSENTATIF

Plus en détail

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 ECO - SESSION 1 - Correction - Minimum Moyenne Ecart-type

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 ECO - SESSION 1 - Correction - Minimum Moyenne Ecart-type EAME FIAL DE STATISTIQUES DESCRIPTIVES L1 ECO - SESSIO 1 - Correcton - Exercce 1 : 1) Questons à Chox Multples (QCM). Cochez la bonne réponse Classer ces statstques selon leur nature (ndcateur de poston

Plus en détail

Calculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.

Calculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria. 1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle

Plus en détail

Ton domaine réservé Organisation Simplicité Efficacité

Ton domaine réservé Organisation Simplicité Efficacité Rev. 07/2012 Ton domane réservé Organsaton Smplcté Effcacté www.vstos.t Ton La tua domane area rservata réservé 1 MyVstos MyVstos est une plate-forme nformatque réservée aux revendeurs Vstos qu permet

Plus en détail

Chapitre 6. Economie ouverte :

Chapitre 6. Economie ouverte : 06/2/202 Chaptre 6. Econome ouverte : le modèle Mundell Flemng Elsabeth Cudevlle Le développement des échanges nternatonaux (bens et servces et flux fnancers) a rendu fortement nterdépendantes les conjonctures

Plus en détail

COMPRENDRE LA BOURSE

COMPRENDRE LA BOURSE COMPRENDRE LA BOURSE L analyse fondamentale Ce document pédagogque n est pas un document de consels pour nvestr en bourse. Les nformatons données dans ce document sont à ttre nformatf. Vous êtes seul responsable

Plus en détail

Partie I: Différences finies avec centrage partiel

Partie I: Différences finies avec centrage partiel U. PARIS VI et ÉCOLE POLYTECHNIQUE 7 anver 04 Spécalté Probablté et Fnance du Master de Scences et Technologe EXAMEN DU COURS ANALYSE NUMÉRIQUE DES ÉQUATIONS AUX DÉRIVÉES PARTIELLES EN FINANCE verson 03/0/04

Plus en détail

Vous ne visualisez pas correctement cet email

Vous ne visualisez pas correctement cet email Vous ne vsualsez pas correctement cet emal Pluseurs lens qu créent du len sur SFR Busness Team Pour plus d nformaton sur nos offres sfrbusnessteam.fr Consultez les mentons légales et le glossare SFR -

Plus en détail

Réseaux de Neurones Artificiels pour la Gestion d un Système d Énergie. Applicabilité et limitations des paradigmes principaux Gonzalo Joya

Réseaux de Neurones Artificiels pour la Gestion d un Système d Énergie. Applicabilité et limitations des paradigmes principaux Gonzalo Joya Réseaux de Neurones Artfcels pour la Geston d un Système d Énerge. Applcablté et lmtatons des paradgmes prncpaux Gonzalo Joya ETSI Telecomuccacón 2917 Málaga joya@dte.uma.es París, le 29 mars 21 1. Justfcaton

Plus en détail