I] VARIABLE ALEATOIRE DISCRETE (A NOMBRE FINI DE VALEURS) : Une variable aléatoire X est une fonction définie sur Ω à valeurs dans R.
|
|
- Aurélien Desmarais
- il y a 7 ans
- Total affichages :
Transcription
1 Chapitre 5 VARIABLES ALEATOIRES LOIS FONDAMENTALES Objectifs : o o o Défiir la otio de variable aléatoire das les différets cas d uivers. Détermier la loi de probabilité d ue variable aléatoire et calculer ses valeurs caractéristiques. Etudier les trois lois fodametales de référece :loi biomiale, loi de Poisso, loi ormale (ou de Gauss). I] VARIABLE ALEATOIRE DISCRETE (A NOMBRE FINI DE VALEURS) : ) Variable aléatoire Variable discrète : Soit Ω u uivers probabilisé. Ue variable aléatoire X est ue foctio défiie sur Ω à valeurs das R. L esemble image X(Ω ) ou esemble fodametal de X est ue partie de R. La variable aléatoire X est dite discrète si X(Ω ) est fii. Rq : X peut être discrète si Ω est fii ou ifii. 2 ) Variable aléatoire sur u uivers fii : Soit X ue variable aléatoire défiie sur l uivers fii à N évetualités : Ω = { ω ; ω 2 ; ;ω N }. L esemble image X(Ω ) = {x,x 2,,x } est écessairemet fii et comporte u ombre de valeurs ( N). Partie de l uivers (X=x i ) associée à la valeur x i : O coviet de oter par (X = xi), la partie (ou l'évéemet) de Ω formée de toutes les évetualités ω k ayat pour image xi (au lieu d utiliser la otatio {ω Ω /X ( ω)=xi }.) Ces parties sot au ombre de. Toute évetualité ω appartiet à l'ue de ces parties et à ue seule puisqu'elle a ue image uique. L esemble de ces parties costitue doc ue partitio de Ω. Notatios utilisées Ue variable aléatoire est habituellemet représetée par ue majuscule. O ote : (X > x) la partie de Ω formée de toutes les évetualités dot l'image par X est strictemet supérieure à x. (x < X < y) la partie de Ω formée de toutes les évetualités dot l'image par X est strictemet comprise etre x et y. - -
2 La variable aléatoire X état ue foctio, les covetios habituelles d'écriture permettet d'écrire, quel que soit ω Ω et so image x par X : ax: ω a ax ; X + b: ω a x+b ; X²: ω a x² etc. X et Y état deux variables aléatoires défiies sur le même uivers Ω, quel que soit ω Ω et ses images x par X et y par Y, o a : X +Y : ω a x+y; XY : ω a xy. Le couple (X, Y) est u couple aléatoire défii sur Ω. 3 ) Loi de probabilité et foctio, de répartitio : Loi de probabilité : Soit u uivers fii probabilisé Ω et X ue variable aléatoire sur Ω : O appelle loi de probabilité de X, la foctio qui à chaque valeur image x i fait correspodre la probabilité p i de la partie (X = x i ) de Ω. O a doc p i = P (X = Xi) et p i = P ( Ω ) =, La loi de probabilité d'ue variable aléatoire est gééralemet présetée sous forme d'u tableau complet des valeurs x i et p i, souvet sas référece à l'uivers iitial Ω. Valeurs x i x x 2 x i x P(X=x i ) p p 2 p i p La coaissace des probabilités pi permet de calculer la probabilité pour que la variable aléatoire X ait so image das l'itervalle [x k ;x h ]. O a: P [X k X X h ] =P k +P k+ + +P h Foctio de répartitio La foctio de répartitio F de la variable aléatoire X associe à tout réel x la probabilité P (X x). O a doc : P (X x) = F (x) et aussi P (X > x) = - F (x). O a de même P(x<X y)=f(y)-f(x). Comme ue probabilité est toujours positive, F (y) F (x) quels que soiet x et y, (x < y). La foctio de répartitio F est croissate. 4 ) Valeurs caractéristiques (ou paramètres) : Soit X ue variable aléatoire preat les valeurs x i, i {;2;3 ; ;} avec les probabilités p i
3 Espérace mathématique de X O appelle espérace mathématique de X, le ombre E (X) défii par : m = E (X) = p i.x i = p.x i + p 2.x 2 + +p.x (autre otatio X ) Comme la somme des probabilités est égale à, l'espérace mathématique peut s'iterpréter comme la moyee des valeurs x i podérées par leur probabilité p i. Iterprétatio : das le cas d'u jeu où les valeurs x i sot les gais et les valeurs pi des probabilités calculées ou estimées, E (X) est la somme moyee qu'o a l'espoir de gager par partie sur u grad ombre d'épreuves. Variable cetrée : ue variable aléatoire est dite cetrée si so espérace mathématique est ulle. C'est le cas de la variable : X - m. E (X - M)= p i (x i - m) = p i.x i m p i = m m. = 0 Propriétés faisat iterveir ue costate réelle k E (k) = k (variable certaie preat la seule valeur k avec la probabilité ). E (X+k) = E(X) + k E (k.x) = k.e (X). Variace et écart-type O appelle variace de X l'espérace mathématique du carré de la variable cetrée X - m. Elle est otée V (X). V (X) = p i.x i ² - m² = L écart type σ (X) est la racie carrée de la variace : σ (X) = V (X) p i.x i ² - X ² Propriétés faisat iterveir ue costate réelle k : V (k) = 0. V (X+k) = V(X). V (k.x) = k².v(x) d où σ (X) = k. σ (X) 5 ) Variable discrète à uivers ifii : Les parties (X = x i ) associées à ue valeur image x i sot défiies comme das le cas d'u uivers fii. S'il correspod à chacu de ces évéemets ue probabilité, la loi de probabilité de la variable X est parfaitemet détermiée. L étude d'ue telle - 3 -
4 variable et e particulier le calcul des valeurs caractéristiques e présete pas de difficulté particulière. De telles variables se recotret e particulier das des régioemets fiis de la droite, du pla ou de l'espace, chaque régio état probabilisée. Exemple : cible umérotée. II] VARIABLE ALEATOIRE A NOMBRE INFINI DE VALEURS Deux cas fodametaux, correspodat au cas d'u esemble image ifii, peuvet se produire : L'esemble image est déombrable (o peut uméroter chaque valeur) La variable aléatoire est cotiue. ) Variable aléatoire à esemble déombrable de valeurs : La suite des valeurs : x, x 2,..., x i,... état coue, la loi de probabilité de la variable aléatoire X est détermiée par la coaissace de p i = P(X=xi) pour toute valeur de i. Les valeurs caractéristiques X serot défiies comme somme de séries (sous réserve de covergece). O a alors : p +p p i + = V = p i. (x i - X )² p i X = E (X) = 2 ) Desité de probabilité. Variable aléatoire cotiue : Différets cas peuvet se produire suivat que l'esemble des valeurs de X est R ou des itervalles de R. La présetatio de cette partie état destiée à préparer l'étude de la loi ormale ous ous limiteros au cas où cet esemble est R. O dit alors que : La variable aléatoire X est cotiue s'il existe ue foctio positive f, cotiue sur R, appelée desité de probabilité de X, telle que + f(t)dt =. La loi de probabilité P de X vérifie : p i.x i P (X a) = f(t)dt a ; P (a < x b) = b f(t)dt a ; P (X = a) = 0 3 ) Foctio de répartitio : O appelle foctio de répartitio de X la foctio F défiie sur R par : 4 ) Valeurs caractéristiques : F (x) = f(t)dt x X = E (X) = + xf(x)dx ; V(X) = + f(x)(x X)² dx ; σ (X) = V (X) - 4 -
5 III] LES LOIS FONDAMENTALES DE REFERENCE: ) Loi de Beroulli : Défiitio : Ue variable aléatoire X défiie sur u uivers probabilisé Ω est ue variable de Beroulli si elle e pred que les deux valeurs et 0 avec les probabilités respectives p et q = -p. Valeurs caractéristiques : 2 ) Loi biomiale : Défiitio : E(X) = p ; V(X) = p.q ; σ (X) = p. q Il s'agit de la loi de probabilité du ombre de succès das ue épreuve de Beroulli répétée fois (par exemple tirages répétés das ue ure, avec remise). Ue variable aléatoire X à valeurs etières : 0 ; ; 2 ; ; suit ue loi biomiale de paramètres et p (p [0;]) si, et seulemet si, pour toute valeur etière k [0, ], o a : P (X = k) = C k. p k.q -k (avec q = p) Valeurs caractéristiques : E (X) =.p ; V(X) =.p.q ; σ (X) =.p. q 3 ) Loi de Poisso: Rq : o admettra que + x =0! Défiitio : = e x C est ue loi ou l esemble des valeurs est N (esemble ifii déombrable). Ue variable aléatoire déombrable X à valeurs das N suit ue loi de Poisso de m k paramètre m (m>0) si, et seulemet si P (X = k) = e m. k! Valeurs caractéristiques : E (X) = m ; V(X) = m ; σ (X) = m - 5 -
6 4 ) Loi de Laplace Gauss ou loi ormale Ν (m, σ ) La loi ormale est la loi de référece la plus utilisée. Elle doit so importace d'ue part au fait qu'elle est costatée expérimetalemet de faço fréquete, e particulier das tous les cas de dispersio de valeurs au hasard autour d'ue valeur cetrale (mesures de gradeurs liées à ue productio de série, écarts d'u projectile autour du poit visé,... ) : elle est souvet qualifiée de loi du hasard. Comme ous le verros, de ombreuses lois «tedet» vers la loi ormale das certaies coditios. Cette loi a e outre l'avatage de bie se prêter aux calculs théoriques. Défiitio : C'est ue loi cotiue dot la desité de probabilité f est défiie sur R. O appelle loi de Laplace - Gauss la loi d'ue variable aléatoire cotiue dot la desité de probabilité est : f (x) = σ 2π exp ( x m )² 2 σ Variables caractéristiques : = Loi ormale cetrée réduite N (0,): exp σ 2π ( x m )² 2 σ E (X) = m ; V(X) = σ ² ( σ R * + ; m R). E preat comme ouvelle origie m et e divisat les abscisses par σ, doc e faisat le chagemet de variable t = x m, o obtiet ue variable aléatoire cetrée σ ormale T = X m, dite variable ormale réduite, satisfaisat à la loi N (0, ) σ E (T ) = 0 ; σ (T) = Dot la desité de probabilité Ψ est défiie e foctio de t par : Ψ (t) = 2π e t 2² O obtiet alors ue courbe uique de référece, e dépedat plus d autat de paramètres, o utilise des tables doat les valeurs des foctios Ψ (t) ou Π (t) (foctio de répartitio) et G(t) défiies par : Π (t) = Φ (t) = t dt G(t) = 2 e t 2² 0 π t dt 2 e t 2² π - 6 -
7 Les relatios suivates sot à coaître : P (T t) = Φ (t) = Π (t) () P(T>t) = - Φ (t) = Φ (-t) (2) P(t 0 T t ) = Φ (t ) - Φ (t 0 ) (3) P(-t T t) = 2Φ (t) (4) P(t -T ou T t) = 2 Φ (-t) = 2( Φ (t) ) ( 5 ) Les iégalités peuvet être idifféremmet strictes ou larges. Tracé de la courbe de desité : La desité Ψ est représetée par la courbe de Gauss (courbe e cloche) (figure page suivate). La probabilité Φ (t) est égale à la mesure de l aire ombrée. Il est utile de reteir les probabilités suivates déjà utilisées e statistiques, correspodat aux itervalles de référece : Itervalles Probabilités Pourcetages Correspodats m - σ X m + σ m,96 σ X m +,96 σ m 2,58 σ X m +2,58 σ m t X m + t α α - T -,96 T,96-2,58 T 2,58 t T t α α 0,683 0,95 0,99 - α 68,3 % 95 % 99 % 00 (-α) % Approximatio de la loi biomiale et de la loi de Poisso par la loi ormale : Le calcul de la probabilité P (X = x) das le cas de la loi biomiale est assez log ; il e est de même du calcul de la probabilité P (X x) das le cas de cette loi et de la loi de Poisso (sauf à disposer de tables ou de moyes de calculs programmés). Des démostratios théoriques, parfaitemet vérifiées expérimetalemet, motret que, das les coditios idiquées, les tracés des courbes représetatives des foctios de répartitio des lois suivates sot très voisis. B(,p) P(,p) B(,p) P(.p,.p. q ) P(m) N(m, m ) p 0,, pq 0 et >30 pq>0 et 50 m>20-7 -
8 Selo les coditios d'utilisatio, d'autres critères voisis peuvet être idiqués suivat les ouvrages spécialisés. Das la pratique il coviet de s'assurer que l'o se trouve bie, au départ, das la situatio d'ue loi biomiale : Répétitio das les mêmes coditios, d'ue épreuve à deux évetualités. Probabilité costate p de succès de l'évetualité à laquelle o s'itéresse. Si le calcul demadé est trop log, e particulier : ombre de succès compris etre deux valeurs etières k, et k 2 ou ombre de succès supérieur (ou iférieur) à k, il est utile de voir si les coditios sot remplies pour utiliser ue loi approchée de Poisso ou de Gauss, redat les calculs plus faciles. Les lois B et P sot des lois discrètes dot les foctios de répartitio ot des représetatios e escalier, leur approximatio par ue loi cotiue N 'est valable que sur u itervalle avec e pricipe les mêmes précautios que pour u calcul d'aire. O aura aisi aux erreurs d'approximatio près: P[k <X<k 2 ] = Φ(t2) - Φ (t) avec t = k σ m et t 2 = k 2 σ m. Correctio de cotiuité : o obtiet e pricipe ue valeur plus précise e effectuat ue correctio de cotiuité cosistat à remplacer k, par k - 2 et k2 par k EXERCICES RESOLUS Exercice Variable aléatoire associée à ue loterie à roue Ue roue de loterie comporte ciq secteurs iégaux dot les couleurs otées : R (rouge), V (vert), J (Jaue), B (bleu), 0 (orage) costituet l'uivers Ω ={R,V,J, B,O}. Cet uivers est probabilisé par la probabilité p et l'o a : p R = p B = 0, ; p O = 3 p J ; p J + 2 p V = 0,55 (p R est mis pour p ({R}). La sortie de R ou de B rapporte poit, celle de J ou de V rapporte 2 poits, celle de 0 rapporte 3 poits. Dresser le tableau de la loi de probabilité de la variable aléatoire X dot les valeurs sot égales au ombre de poits obteus. Calculer E (X) et σ (X). Résolutio O trouve : p O = 0,45 ; p J = 0,5 ; p V = 0,20. D'où le tableau de la loi de X : x 2 3 P (X=x) 0,2 0,35 0, 45 D où E (X) = 2,5 ; V(X) = 0,5875 ; σ(x) 0,
9 Exercice 2 Variable aléatoire associée à u tir sur cible associée à ue loterie à roue Ue cible est délimitée par des cercles cocetriques de rayos respectifs (cm), 2, 3, 4, 5. Le cercle cetral et les couroes successives défiisset des zoes affectées respectivemet d'u ombre de poits égal à 5, 4, 3, 2,. L'extérieur de la cible est affecté de 0 poit. O cosidère que la probabilité d'impact das ue zoe est proportioelle à l'aire de cette zoe. Elle est expérimetalemet de 0,2 pour l'extérieur de la cible. X est la variable aléatoire qui à chaque poit d'impact fait correspodre le ombre de poits affecté à la zoe correspodat à ce poit. Dresser le tableau de la loi de probabilité de X. Calculer E (x), V (X) et σ (X). Résolutio Les aires des zoes sot égales respectivemet à π, 3π, 5π, 7π et 9π. Les probabilités correspodates sot proportioelles à, 3, 5, 7 et 9 et leur total est égal à 0,8 (0,2 pour l'extérieur). O obtiet alors le tableau suivat : x P (X=x) 0,2 0,288 0,224 0,6 0,096 0,032 E (X) =,76 ; V (X) =,8624 ; σ (X) -,36. Exercice 3 Calculs de probabilités à l aide des lois les mieux adaptées. O cosidère u tirage de Beroulli répété fois, où le succès sur ue épreuve a ue probabilité p et où X est la variable aléatoire doat le ombre de succès. Calculer les probabilités demadées e précisat les lois utilisées.. = 20 p = 0,3 P (X = 7)? Rép. B,0, = 20 p = 0, P (X = 5)? Rép. B,0, = 40 p = 0,4 P (X = 5)? Rép. B,0, = 50 p = 0,08 P (X = 8)? Rép. P, 0,030 ;(B,0,027). 5. = 00 p = 0,05 P (X = 0)? Rép. P, 0,08; (B, 0,07). 6. = 200 p = 0,2 P (30 X 45)? Rép. N, 0, = 200 p = 0,2 P (X = 42)? Rép. N, 0,066; (B,0,065). 8. = 200 p = 0,02 P (X = 6)? Rép. P, 0, = 400 p = 0,4 P (30 < X < 50)? Rép. N, 0, = 500 p = 0,8 P (400 < X < 40)? Rép. N, 0,368. Exercice 4 - Articles défectueux das ue fabricatio e série Das ue fabricatio e série 8 % d'articles présetet des défauts. Calculer les probabilités :. pour que das u cotrôle portat sur 40 articles a) il y ait 4 articles défectueux? b) il y ait 4 articles défectueux au plus? 2. pour que das u cotrôle portat sur 00 articles a) il y ait 6 articles défectueux? b) il y ait 9 articles défectueux? - 9 -
10 Résolutio. a) La probabilité demadé est : C 4 40 x0,08 4 x 0, , 86. b) L'évéemet «4 articles défectueux au plus» est costitué par l'uio des évéemets idépedats «0 ou ou 2 ou 3 ou 4 articles défectueux». E otat que les coditios d'applicatio de la loi de Poisso avec m= p= 3,2 sot remplies, la probabilité demadée est : e -3,2 + e -3,2 x 3,2 + e -3,2 x 3,2² 2 + e -3,2 x 3,2 3 + e -3,2 x 6 2. O applique directemet la loi de Poisso avec m = p = 8. 3,2 4 0,78 24 a) e -8 x b) e -8 x 8 6 0,22 6! 8 9 0,24 9! - 0 -
11 TD APPLICATION DU COURS UTILISATION DES LOIS DE REFERENCE Exercice Comparaiso des résultats obteus par la loi biomiale et par la loi de Poisso. Ue machie produit e série des articles avec ue proportio d'articles défectueux costatée sur ue productio élevée de ciq pour mille. U cotrôle est effectué sur u lot de 200 articles. Quelles sot les probabilités d'obteir das ce lot : 0,, 2, 3, 4 ou 5 articles défectueux? O utilisera :. La loi biomiale B (200 ; 0,005) 2. La loi de Poisso P, avec m = 200 x 0,005 =. Exercice 2 - Utilisatio de la loi ormale La variable aléatoire X suit ue loi ormale N (8 ; 2,5). Calculer à 0-3 près les probabilités P (X < 7) ; P (X < 9) ; P (X > 20) ; P (6 < X < 9,5). Idicatio : T = X 2,5 8 suit la loi ormale cetrée N(0,) Exercice 3 Temps d'attete clas u cetre de reseigemets Das u cetre de reseigemets téléphoiques, ue étude statistique a été réalisée sur le temps d'attete, exprimé e secodes, subi par la clietèle avat d'amorcer la coversatio avec u employé. Les résultats de cette étude coduiset à supposer que la variable aléatoire X qui associe à tout cliet le temps d'attete qu'il subit, suit la loi ormale de moyee 8 et d'écart type 7,2.. Calculer les probabilités que, lors d'u appel au cetre, u cliet : N'ait à subir aucue attete (c'est-à-dire P (X <, 0) Ait à subir ue attete de plus de vigt secodes. 2. O imagie qu'au cours d'ue certaie semaie, u même cliet doit doer au cetre ciq appels, idépedats les us des autres. O ote Y la variable aléatoire exprimat le ombre de fois où, lors de ces ciq appels, le temps d'attete est supérieur à vigt secodes. Préciser la loi de probabilité suivi par Y et doer ses paramètres. Calculer P (Y = 2) et P (Y ). - -
12 TD 2 APPLICATION DU COURS CHOIX D UNE LOI DE REFERENCE ET APPLICATION Exercice Nombre de commades suite à u evoi de documetatio Ue agece de vete propose aux persoes cotactées de leur fourir ue documetatio complète sur le produit qui les itéresse. E moyee ue persoe sur dix passe alors commade. Le ombre de demades de documetatio ayat été de 600, quelle est la probabilité :. Pour qu'il y ait au mois 70 commades? 2. Pour qu'il y ait plus de 50 commades? Exercice 2 Problème lié à la gestio des charges das u immeuble U sydicat a relevé qu'e moyee 6 % de persoes effectuet e retard le règlemet de leurs charges.. Détermier la loi de probabilité de la variable aléatoire X doat le ombre retards de paiemet pour u esemble résidetiel comportat 2 0 appartemets. 2. Peut-o approcher cette loi par ue loi de Poisso? Par ue loi ormale. 3. Détermier la probabilité pour qu'il y ait plus de 5 règlemets e retard ; pour qu'il y ait 9 règlemets e retard. O pourra utiliser la loi de Poisso das le 2 ème cas (k = 9). Exercice 3 - Applicatio de la loi de Poisso et de la loi de Gauss das l'étude d'ue fabricatio. Das ue certaie fabricatio e série o trouve e moyee 0,3 % de pièces à rejeter sur ue machie ormalemet réglée. Quelle loi de probabilité peut-o utiliser pour étudier la variable aléatoire X doat le ombre de pièces à rejeter das u échatillo de 200 pièces choisies au hasard. 2. U échatillo de 200 pièces prélevées sur ue machie récemmet mise e service, fourit 7 pièces défectueuses. Quelle coclusio peut-o tirer quat au réglage? 3. Même questio avec = 200, p = 0,05 et k = 20 pièces défectueuses, puis avec k =
FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détailLimites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détailCHAPITRE 2 SÉRIES ENTIÈRES
CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailCours de Statistiques inférentielles
Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios
Plus en détailTerminale S. Terminale S 1 F. Laroche
Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM
Plus en détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détailSTATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détailUV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1
UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détailPrincipes et Méthodes Statistiques
Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............
Plus en détailUNIVERSITÉ DE SFAX École Supérieure de Commerce
UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première
Plus en détailConvergences 2/2 - le théorème du point fixe - Page 1 sur 9
Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détailRECHERCHE DE CLIENTS simplifiée
RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détailx +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.
EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détailEtude de la fonction ζ de Riemann
Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailExercices de mathématiques
MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détailProbabilités et statistique pour le CAPES
Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailPROMENADE ALÉATOIRE : Chaînes de Markov et martingales
PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières
Plus en détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
Plus en détailSuites et séries de fonctions
[http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de
Plus en détailRESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)
RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &
Plus en détailStatistique Numérique et Analyse des Données
Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détailUniversité Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014
Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailChaînes de Markov. Arthur Charpentier
Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.
Plus en détailOne Office Voice Pack Vos appels fixes et mobiles en un seul pack
Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détailCours 5 : ESTIMATION PONCTUELLE
Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-
Plus en détailÉchantillonnage et estimation
Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos
Plus en détailOpérations bancaires avec l étranger *
Opératios bacaires avec l étrager * Coditios bacaires au 1 er juillet 2011 Etreprises et orgaismes d itérêt gééral Opératios à destiatio de l étrager Viremets émis vers l étrager : viremet e euros iférieur
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice
Plus en détailTARIFS BANCAIRES. Opérations bancaires avec l étranger Extrait des conditions bancaires au 1 er juillet 2014. Opérations à destination de l étranger
Opératios bacaires avec l étrager Extrait des coditios bacaires au 1 er juillet Opératios à destiatio de l étrager Viremets émis vers l étrager : Frais d émissio de viremets e euros (3) vers l Espace écoomique
Plus en détailDivorce et séparation
Coup d oeil sur Divorce et séparatio Être attetif aux besois de votre efat Divorce et séparatio «Les premiers mois suivat u divorce ou ue séparatio sot très stressats. Votre patiece, votre cohérece et
Plus en détailMobile Business. Communiquez efficacement avec vos relations commerciales 09/2012
Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailExamen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot
Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détailMUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB
MUTUELLE D&O MUTUELLE D&O Copilote de votre saté AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyace CRC CRIS CRPB-AFB DOMISSIMO-Assuraces DOMISSIMO-Services FONGECFA-Trasport IPRIAC MUTUELLE D&O OREPA-Prévoyace
Plus en détailLes nouveaux relevés de compte
Ifo CR Les ouveaux relevés de compte Les relevés de compte actuels du Crédit Agricole de Champage-Bourgoge sot issus de la migratio iformatique sur le GIE AMT e 2001 : petit format (mais A4 pour les Professioels),
Plus en détailNous imprimons ce que vous aimez!
Nous imprimos ce que vous aimez! Persoalisé simple différet Catalogue de produits Tapis stadard tapis logo tapis publicitaire Nous imprimos ce que vous aimez! 2 I JOBET JOBET Vous et vos cliets serez coquis...
Plus en détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en détailUn accès direct à vos comptes 24h/24 VOTRE NUMÉRO CLIENT. www.bnpparibas.net. Centre de Relations Clients 0 820 820 001 (0,12 /min)
* selo coditios cotractuelles e vigueur. U accès direct à vos comptes 24h/24 VOTRE NUMÉRO CLIENT + VOTRE CODE SECRET * : www.bpparibas.et Cetre de Relatios Cliets 0 820 820 001 (0,12 /mi) Appli Mes Comptes
Plus en détailChapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.
Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE
Plus en détail4 Approximation des fonctions
4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour
Plus en détailUne action! Un message!
Ue actio! U message! Cotact Master est u service exclusif de relaces automatiques de vos actes vers vos cliets, par SMS, messages vocaux, e-mails, courrier... Il se décleche lorsque vous réalisez ue actio
Plus en détailCompte Sélect Banque Manuvie Guide du débutant
GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de
Plus en détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
Plus en détailTélé OPTIK. Plus spectaculaire que jamais.
Télé OPTIK Plus spectaculaire que jamais. Vivez toute la puissace de la télévisio sur IP grâce au réseau OPTIK 1 de TELUS et découvrez-e l extraordiaire potetiel. Télé OPTIK MC vous doe la parfaite maîtrise
Plus en détailIntroduction : Mesures et espaces de probabilités
Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,
Plus en détailFaites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes
Faites prospérer vos affaires grâce aux solutios d éparge et de gestio des dettes Quelques excelletes raisos d offrir des produits bacaires et de fiducie à vos cliets Vous avez la compétece écessaire pour
Plus en détailMESURE DE L'INFORMATION
MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE
Plus en détailDes résultats d irrationalité pour deux fonctions particulières
Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received
Plus en détailII - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1
II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d
Plus en détailRéseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus
Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio
Plus en détailComment les Canadiens classent-ils leur système de soins de santé?
Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté
Plus en détailPOLITIQUE ECONOMIQUE ET DEVELOPPEMENT
POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier
Plus en détailDETERMINANTS. a b et a'
2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio
Plus en détailOptions Services policiers à Moncton Rapport de discussion
Optios Services policiers à Mocto Rapport de discussio Le 22 ovembre 2010 Also available i Eglish TABLE DES MATIÈRES Chapitre 1.0 Sommaire 3 Chapitre 2.0 Problématique 4 Chapitre 3.0 Cotexte 5 Chapitre
Plus en détailProcessus géométrique généralisé et applications en fiabilité
Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR
Plus en détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en détailLa tarification hospitalière : de l enveloppe globale à la concurrence par comparaison
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 58 2000 La tarificatio hospitalière : de l eveloppe globale à la cocurrece par comparaiso Michel MOUGEOT * RÉSUMÉ. Cet article cosidère différetes politiques de
Plus en détail