Concours blanc du 05/12/14-Partie UE4. Question 66

Dimension: px
Commencer à balayer dès la page:

Download "Concours blanc du 05/12/14-Partie UE4. Question 66"

Transcription

1 Concours blanc du 05/12/14-Partie UE4 Question 66 On étudie un échantillon radioactif dont l'activité initiale est de N0 = 4, Bq. La décroissance radioactive de cet élément suit la loi suivante : N(t) = N0.e -λ.t, avec λ = 12j -1. Quelle(s) est (sont) la ou les bonne(s) réponse(s)? A. Le temps t nécessaire pour que 41% de l'activité soit restante est de 1,8h B. Le temps t nécessaire pour que 41% de l'activité soit restante est de 6400s C. La fonction de décroissance précédente donnera une hyperbole en représentation semi-log D. L'activité après 1 jour sera de Bq E. Autre réponse Corrigé : réponses A-B-D A&B. VRAI, on cherche t tel que N/N0 = 0,41. N/N0 = N0.e -λ.t /N0 = 0,41 e -λ.t = 0,41 -λ.t = ln(0,41) t = -ln(0,41)/λ t = 0,074j = 1,78h = 6408s En gardant 2 chiffres significatifs, on a 1,78h 1,8h & 6408s 6400s. C. FAUX, en semi-log, une fonction exponentielle donnera une droite (décroissante dans ce cas) et pas une hyperbole. D. VRAI, on cherche N = 4, e = Bq (2 chiffres significatifs). Question 67 Après une opération chirurgicale, les médecins d'un service souhaitent évaluer la calcémie des patients adultes opérés. Ils remarquent que ce paramètre physiologique suit une loi normale, et que la calcémie est supérieure à 2,8mmol/L chez 34,46% ; par contre, elle est inférieure à 2,1mmol/L chez 18,41% des patients. Parmi les propositions suivantes, lesquelles sont exactes? 1. La probabilité que la calcémie soit supérieure à 2,7mmol/L de sang est de 42% environ 2. La probabilité que la calcémie soit inférieure à 1,8 mmol/l de sang est de 8% environ 3. La calcémie moyenne des patients adultes du service est de 2,58mmol/L 4. La loi normale décrivant cette situation est centrée sur la valeur 0,5385 mmol/l 5. On utilise la table de la fonction de répartition de la loi normale pour calculer les probabilités. A. 4+5 B C D E. Autre réponse

2 Corrigé : réponse D D'après les données de l'énoncé, on a : P(X > 2,8) = 0,3520 P(X < 2,1) = 0,1841 X μ P( 2,8 μ ) = P(Z 2,8 μ ) = P(Z - ( 2,8 μ ) ) = F( 2,8 μ = 0,3446 Or d'après la table de fonction de répartition de la loi normale [5-VRAI], F(-0,4) = 0,3446. D'où : - 2,8 μ = -0,4 2,8 μ = 0,4 ) X μ P( 2,1 μ 2,1 μ D'où = -0,9 ) = P(Z 2,1 μ ) = F( 2,1 μ ) = 0,1841 2,8 μ = 0,4 -μ = 0,4. 2,8 0,4. 2,8 = -0,9. 2,1 0,4. + 0,9. = -2,1 + 2,8 1,3. = 0,7 = 0,7/1,3 = 0,5385 2,1 μ = -0,9 -μ = -0,9. 2,1 Et donc, -μ = 0,4. 2,8 μ = -0,4. + 2,8 = -0,4.(0,7/1,3) + 2,8 = 2,5846 [3-VRAI & 4-FAUX] 1. VRAI, P(X 2,7) F(- 2,7 2,5846 0,53846 ) = F(-0,2143) = 0, VRAI, P(X 1,8) F(- 1,8 2,5846 0,53846 ) = F(-1,4571) = 0,0668 0,0668 P(X 1,8) 0,0808, d'où environ 8%. Question 68 On considère deux groupes d'étudiants en première année de médecine, de même effectif, l'un composé uniquement de primants, l'autre de doublants. On souhaiterait comparer la proportion d'élèves admis en deuxième année de ces deux groupes. Parmi les propositions suivantes, lesquelles sont exactes? A. Si α = 0,05, alors la probabilité d'accepter H0 en ayant raison vaut 95% B. La probabilité de ne pas rejeter H0 sachant qu'elle est vraie vaut 90% si α = 0,10 C. Il y a 98% de chance d'accepter H1 quand elle est vraie si β = 0,2 D. La puissance du test sera de 0,8, alors la probabilité d'accepter H1 alors que H0 est vraie vaut 0,2 E. Aucune des propositions ci-dessus

3 Corrigé : réponses B-C A. FAUX, on n'accepte jamais H0! On pourra tout au plus ne pas rejeter H0. Mais effectivement, si α = 0,05, alors la probabilité de rejeter H0 alors qu'elle est vraie vaut 5%. Par conséquent, la probabilité de ne pas rejeter H0 en ayant raison vaut 95%. B. VRAI, Cf ci-dessus, même démarche. Si α = 0,10, alors P(H1/H0) = 0,10, et donc P(H0/H0) = 0,90, soit 90%. C. VRAI, si β = 0,02, alors la puissance du test vaut 0,98. Or par définition, la puissance du test correspond à la probabilité d'accepter H1 en ayant raison. Il y a donc bien 98% de chance d'accepter H1 quand elle est vraie si β = 0,02. D. FAUX, si la puissance du test vaut 0,8, alors β = 0,2 puisque la puissance correspond par définition à 1-β. Or, β correspond au risque de ne pas accepter H1 alors qu'elle est vraie. Donc ce n'est pas la probabilité d'accepter H1 alors que H0 est vraie qui vaut 0,2, mais celle de ne pas accepter H1 alors qu'elle est vraie. Question 69 Une industrie pharmaceutique possède une machine capable de produire des comprimés effervescents et réglée de telle sorte à ce que le diamètre moyen de ces comprimés soit de 12mm. Un technicien de maintenance souhaite savoir si la machine est bien réglée. Pour cela, il étudie un échantillon de 50 comprimés. Il trouve un diamètre moyen m de 13mm, avec s = 0,5mm. Il désire savoir si le diamètre moyen des comprimés produits est supérieur à celui désiré. On fixe α à 5%, et on considère que le diamètre moyen des comprimés suit une loi normale N(μ ; ). Parmi les réponses suivantes, lesquelles sont exactes? 1. On compare une moyenne à une référence 2. Il faut faire un test bilatéral 3. Les conditions d'application nécessaires à la réalisation d'un test Z sont vérifiées. 4. On rejette H0 si la valeur absolue statistique de test est supérieure à 1,96 5. On peut dire que le diamètre moyen des comprimés n'est pas supérieur au diamètre voulu A B C D E. Autre réponse Corrigé : réponse D Soit la variable X, le diamètre moyen des comprimés produits par la machine. On est dans le cas d'une comparaison d'une moyenne (m = 13mm) à une référence (μr = 12mm) [1-VRAI]. On a bien n 30, donc on peut faire un test Z (comme on ne connaît pas, n 30

4 est la seule condition d'application nécessaire pour la réalisation de ce test) [3- VRAI]. Le technicien souhaite savoir si le diamètre moyen observé sur l'échantillon est supérieur à celui désiré. On est donc dans le cas d'un test bilatéral [2-FAUX] où : H0 : μ = μr H1 : μ > μr Par conséquent, on rejette H0 si IzobsI > z2α. D'après les tables, on lit z0,1 = 1,64, donc on rejette H0 si IzobsI > 1,64 [4-VRAI]. On calcule zobs : z obs = m μ R S n = ,5 50 =14,14>1,64. Comme IzobsI > 1,64, on rejette H0 au risque 5%. Donc, le diamètre moyen observé est supérieur au diamètre voulu [5-FAUX]. Question 70 On pèse 16 fois de suite un médicament avec une balance et on obtient une variance s² = 0,02mg². On compare cette variance à celle de référence ² = 0,03mg². Quelles sont les réponses fausses? 1. Au risque α = 5%, on affirme H0. 2. On est dans le cas d'un test bilatéral 3. Au risque α = 5%, la valeur seuil trouvée dans la table correspondante pour réaliser ce test est 1,67 4. La loi de Fischer est définie sur ] - ; + [ A B. 1+3 C. 2+4 D E. Autre réponse Corrigé : réponse D 1. FAUX, il n'est pas nécessaire de commencer à faire le test car on ne peut jamais affirmer H0. 2. VRAI, on cherche simplement à comparer les variances pour voir si oui ou non il y a une égalité. On ne cherche pas à savoir s'il y a une supériorité ou infériorité. 3. FAUX, pour trouver la valeur seuil, il faut utiliser une table de Fischer. Le risque α est ici de 5% et nous sommes dans un cas bilatéral, donc il regarder la table α/2, c'est-à-dire 2,5%. Il faut veiller aux différents ddl, ici on a: n 1 15 F + F + 4. FAUX, la loi de Fischer est définie sur [ 0 ; + [., et on trouve 1,83.

5 Question 71 Des cliniciens entreprennent de savoir si un nouveau médicament contre la bronchite a une meilleure efficacité biologique qu'un médicament déjà mis sur le marché depuis un certain temps. Pour cela, ils forment deux groupes de patients : le premier compte 75 malades pour le médicament déjà commercialisé, le deuxième regroupe 62 malades pour le nouveau médicament. À la fin de l'étude, les médecins rédigent leurs observations au bout d'une semaine dans les deux groupes : Groupe 1 : 44/75 ont un état de santé amélioré Groupe 2 : 28/62 ont un état de santé amélioré Lors de cette étude, on essaye de démontrer que le nouveau médicament a une moins bonne efficacité au risque 1%. Parmi les propositions suivantes, laquelle ou lesquelles sont exactes? 1. On utilise un test de comparaison d'une proportion par rapport à une proportion de référence 2. On utilise un test de Fischer 3. On rejette H0 au risque considéré 4. On compare la statistique de test à la valeur de référence égale à 2, On ne rejette pas H0 au risque considéré A. 1+3 B C. 4+5 D. 5 E. Autre réponse Corrigé : réponse D On est dans le cas d'un test unilatéral (le nouveau médicament a une moins bonne efficacité) : H0 : p1 = p2 H1 : p1 > p2 Mais aussi un test de comparaison de deux proportions [1-FAUX], avec n1 = 75 & n2 = 62. On vérifie que n1.p1=44 n2.p2=28 n1.q1=31 n2.q2=34 > 5 [2-FAUX]. On utilise ainsi la formule : zobs = p1 p2 pcqc n1 + pcqc n2 = 1,57576 avec pc = qc = 1-pc = 0,47445 On rejette H0 en unilatéral si zobs > z2α z2α = z2x1% = z2% = 2,33 [4-FAUX]. Ici, zobs < z2α [3-FAUX & 5-VRAI]. n1 p1+n 2 p2 n1+n2 = 0,5255 Question 72 On divise les étudiants de PACES en trois groupes. On prive de sommeil le premier groupe, de nourriture le deuxième, et de travail le troisième. On souhaite étudier l'influence de ces paramètres sur leur réussite au concours.

6 On obtient les données suivantes : sommeil Réussite au concours nourriture travail Échec au concours Sur les données précédentes, avec un risque α = 0,01, quelle(s) est (sont) la (les) réponse(s) exacte(s)? 1. La valeur observée de la statistique de test est comprise entre 2,3 et 2,5 2. Le nombre de degrés de liberté est de On compare la valeur observée du test à la valeur 9, On rejette l'hypothèse nulle au risque α choisi A. 1+2 B. 1+3 C. 3 D. 3+4 E. Autre réponse Corrigé : réponse C Réussite au concours sommeil Échec au concours nourriture travail Les effectifs calculés sont en gras dans le tableau. Effectif calculé = (Total ligne X Total colonne)/total général (45 X 40)/120 = 15 (75 X 40)/120 = FAUX, comme tous les effectifs sont supérieurs à 5, on peut caculer χ²obs : χ²obs = (15-15)²/15+(17-15)²/15+(13-15)²/15+(25-25)²/25+(23-25)²/25+(27-25)²/25 χ²obs = 0, FAUX, nombre de ddl = (3-1)(2-1) = 2 ddl 3. VRAI, pour α = 0,01, on lit χ²0,01 = 9, FAUX, comme χ²obs < χ²0,01, on ne rejette pas H Question 73 Quelle est la réponse exacte? Concernant les tests non-paramétriques (TNP) :

7 A. Les TNP ne requièrent pas de conditions de validité B. En bilatéral avec un test de Wicoxon, on compare la statistique de test à α/2 C. Le test de corrélation des rangs de Spearman requière une linéarité entre les variables X et Y D. Dans le test de Wilcoxon pour séries appariées, les variables X et Y ont une distribution identique E. Autre réponse Corrigé : réponse B A. FAUX, et si! Exemples : -pour un test de Mann-Whitney, il faut n > 10 -Pour un test de la pente de régression, il faut une régression linéaire entre X et Y B. VRAI, cf. cours (à la différence des tests d'hypothèse nulle) C. FAUX, à la différence du test de la pente de régression qui requière une régression linéaire entre X et Y, le test de Spearman intéressera une régression monotone entre X et Y. D. FAUX, on ne sait pas au début, puisque cette éventualité est l'hypothèse H0 qu'on ne peut évidemment pas valider dès le début (et d'ailleurs jamais définitivement puisque ce n'est que temporaire). Question 74 Quelle(s) est(sont) la(les) proposition(s) exacte(s)? Concernant la corrélation mathématique : Cov ( X ;Y ) A. On définit ρ= ² ( X ) ² (Y ) B. Un test de la pente de régression peut être réalisé sur une régression logarithmique C. Le test de corrélation oblige une distribution binomiale des couples de valeurs (X ; Y) D. En changeant d'origine pour une variable X et pour une variable Y, on change la valeur de ρ E. Autre réponse Corrigé : réponse A A. VRAI, ρ désigne le coefficient de corrélation. B. FAUX, pour utiliser le test de la pente de régression, celle-ci doit être linéaire. C. FAUX, le test de corrélation oblige une distribution binormale des couples de

8 valeurs (X ; Y) D. FAUX, une des propriétés du coefficient de corrélation, c'est de ne pas changer si les unités ou les origines pour X et/ou Y changent. Question 75 Quelles sont les bonnes réponses? A. Seuls les perdus de vue sont des données censurées B. Le modèle exponentiel s'utilise davantage sur de courtes périodes C. La médiane de survie est le temps pour lequel la population est de 50%. D. Le test du log-rank peut être approché par un test de Student E. Autre réponse Corrigé : réponses B-C A. FAUX, les perdus de vue et les exclus-vivants sont des données censurées. Un perdu de vue est un sujet dont on ne connaît pas l'état à la date de point (DP) ; c'est par exemple une personne qui déménage au cours de l'étude et qui ne laisse pas sa nouvelle adresse pour pouvoir être suivi. Un exclu-vivant est un sujet vivant au moment de la date de point (DP). B. VRAI, le modèle exponentiel h(t) = h0 = λ, est constant donc il est préférable de l'utiliser sur de courtes périodes de temps. Dès lors que les périodes de temps se font de plus en plus longues, le risque à l'instant t de décès h(t) évolue avec l'âge des sujets ; dans ce cas, il ne respecte plus le fait d'être constant. C. VRAI, c'est la définition du cours. La médiane correspond à S(t) = 0,5 S(t) = e -λt = 0,5. D. FAUX, le test du log-rank peut être approché par un test du χ².

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,

Plus en détail

Estimation et tests statistiques, TD 5. Solutions

Estimation et tests statistiques, TD 5. Solutions ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études

Plus en détail

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences

Plus en détail

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

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

Plus en détail

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.

Plus en détail

Biostatistiques : Petits effectifs

Biostatistiques : Petits effectifs Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l

Plus en détail

Lois de probabilité. Anita Burgun

Lois de probabilité. Anita Burgun Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage

Plus en détail

Chapitre 6 Test de comparaison de pourcentages χ². José LABARERE

Chapitre 6 Test de comparaison de pourcentages χ². José LABARERE UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables

Plus en détail

Correction du baccalauréat ES/L Métropole 20 juin 2014

Correction du baccalauréat ES/L Métropole 20 juin 2014 Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)

Plus en détail

TESTS D'HYPOTHESES Etude d'un exemple

TESTS D'HYPOTHESES Etude d'un exemple TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses

Plus en détail

Bases : Probabilités, Estimation et Tests.

Bases : Probabilités, Estimation et Tests. Université René Descartes LMD Sciences de la Vie et de la Santé UFR Biomédicale, M1 de Santé Publique 45 rue des Saints-Père, 75 006 Paris Spécialité Biostatistique M1 COURS de BIOSTATISTIQUE I Bases :

Plus en détail

Couples de variables aléatoires discrètes

Couples de variables aléatoires discrètes Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude

Plus en détail

Introduction à la Statistique Inférentielle

Introduction à la Statistique Inférentielle UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique

Plus en détail

Perrothon Sandrine UV Visible. Spectrophotométrie d'absorption moléculaire Étude et dosage de la vitamine B 6

Perrothon Sandrine UV Visible. Spectrophotométrie d'absorption moléculaire Étude et dosage de la vitamine B 6 Spectrophotométrie d'absorption moléculaire Étude et dosage de la vitamine B 6 1 1.But et théorie: Le but de cette expérience est de comprendre l'intérêt de la spectrophotométrie d'absorption moléculaire

Plus en détail

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction

Plus en détail

LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.

LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,

Plus en détail

Moments des variables aléatoires réelles

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

Plus en détail

Probabilités sur un univers fini

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

Plus en détail

choisir H 1 quand H 0 est vraie - fausse alarme

choisir H 1 quand H 0 est vraie - fausse alarme étection et Estimation GEL-64943 Hiver 5 Tests Neyman-Pearson Règles de Bayes: coûts connus min π R ( ) + ( π ) R ( ) { } Règles Minimax: coûts connus min max R ( ), R ( ) Règles Neyman Pearson: coûts

Plus en détail

Simulation de variables aléatoires

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

Plus en détail

Introduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr

Introduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux

Plus en détail

Actuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.

Actuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free. Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement

Plus en détail

Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010

Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année

Plus en détail

Raisonnement par récurrence Suites numériques

Raisonnement par récurrence Suites numériques Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.

Plus en détail

Précision d un résultat et calculs d incertitudes

Précision d un résultat et calculs d incertitudes Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................

Plus en détail

Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.

Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère

Plus en détail

Complexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation

Complexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation Complexité Objectifs des calculs de complexité : - pouvoir prévoir le temps d'exécution d'un algorithme - pouvoir comparer deux algorithmes réalisant le même traitement Exemples : - si on lance le calcul

Plus en détail

Représentation d une distribution

Représentation d une distribution 5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque

Plus en détail

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

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

Plus en détail

EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG

EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette

Plus en détail

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de

Plus en détail

La fonction exponentielle

La fonction exponentielle DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction

Plus en détail

TOUT CE QU IL FAUT SAVOIR POUR LE BREVET

TOUT CE QU IL FAUT SAVOIR POUR LE BREVET TOUT E QU IL FUT SVOIR POUR LE REVET NUMERIQUE / FONTIONS eci n est qu un rappel de tout ce qu il faut savoir en maths pour le brevet. I- Opérations sur les nombres et les fractions : Les priorités par

Plus en détail

Axiomatique de N, construction de Z

Axiomatique de N, construction de Z Axiomatique de N, construction de Z Table des matières 1 Axiomatique de N 2 1.1 Axiomatique ordinale.................................. 2 1.2 Propriété fondamentale : Le principe de récurrence.................

Plus en détail

Relation entre deux variables : estimation de la corrélation linéaire

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

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme

Plus en détail

CCP PSI - 2010 Mathématiques 1 : un corrigé

CCP PSI - 2010 Mathématiques 1 : un corrigé CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P

Plus en détail

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet

Plus en détail

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée. ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle

Plus en détail

La maison Ecole d ' Amortissement d un emprunt Classe de terminale ES. Ce qui est demandé. Les étapes du travail

La maison Ecole d ' Amortissement d un emprunt Classe de terminale ES. Ce qui est demandé. Les étapes du travail La maison Ecole d ' Amortissement d un emprunt Classe de terminale ES Suites géométriques, fonction exponentielle Copyright c 2004 J.- M. Boucart GNU Free Documentation Licence L objectif de cet exercice

Plus en détail

Loi binomiale Lois normales

Loi binomiale Lois normales Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli

Plus en détail

CHAPITRE VIII : Les circuits avec résistances ohmiques

CHAPITRE VIII : Les circuits avec résistances ohmiques CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On

Plus en détail

PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.

PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I. PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.. Donner les erreurs en position, en vitesse et en accélération d un système de transfert F BO = N(p) D(p) (transfert en boucle ouverte) bouclé par retour

Plus en détail

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE DES MATIERES. C Exercices complémentaires 42 TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence

Plus en détail

Table des matières. I Mise à niveau 11. Préface

Table des matières. I Mise à niveau 11. Préface Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3

Plus en détail

Probabilités III Introduction à l évaluation d options

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

Plus en détail

Mathématiques financières

Mathématiques financières Mathématiques financières Table des matières 1 Intérêt simple 1 1.1 Exercices........................................ 1 2 Intérêt composé 2 2.1 Taux nominal, taux périodique, taux réel.......................

Plus en détail

Lecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888

Lecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques

Plus en détail

Introduction : Cadkey

Introduction : Cadkey Introduction Cadkey Cadkey est un logiciel de dessin assisté par ordinateur. La fenêtre du logiciel devrait ressembler à quelque chose comme suit: Le menu supérieur: Redraw Autoscale Efface Modifier les

Plus en détail

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

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

Plus en détail

Une réponse (très) partielle à la deuxième question : Calcul des exposants critiques en champ moyen

Une réponse (très) partielle à la deuxième question : Calcul des exposants critiques en champ moyen Une réponse (très) partielle à la deuxième question : Calcul des exposants critiques en champ moyen Manière heuristique d'introduire l'approximation de champ moyen : on néglige les termes de fluctuations

Plus en détail

Probabilités conditionnelles Exercices corrigés

Probabilités conditionnelles Exercices corrigés Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques

Plus en détail

La culture financière des Français

La culture financière des Français C entr e de Recher c h e po u r l E t u d e et l Obser va t i o n des Co n d it io n s de V ie Département Conditions de vie et aspirations La culture financière des Français Etude réalisée à la demande

Plus en détail

FORMULAIRE DE STATISTIQUES

FORMULAIRE DE STATISTIQUES FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)

Plus en détail

Calculs de probabilités conditionelles

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

Plus en détail

5 ème Chapitre 4 Triangles

5 ème Chapitre 4 Triangles 5 ème Chapitre 4 Triangles 1) Médiatrices Définition : la médiatrice d'un segment est l'ensemble des points équidistants des extrémités du segment (cours de 6 ème ). Si M appartient à la médiatrice du

Plus en détail

Calcul élémentaire des probabilités

Calcul élémentaire des probabilités Myriam Maumy-Bertrand 1 et Thomas Delzant 1 1 IRMA, Université Louis Pasteur Strasbourg, France Licence 1ère Année 16-02-2006 Sommaire La loi de Poisson. Définition. Exemple. 1 La loi de Poisson. 2 3 4

Plus en détail

CALCUL DES PROBABILITES

CALCUL DES PROBABILITES CALCUL DES PROBABILITES Exemple On lance une pièce de monnaie une fois. Ensemble des événements élémentaires: E = pile, face. La chance pour obtenir pile vaut 50 %, pour obtenir face vaut aussi 50 %. Les

Plus en détail

GUIDE PRATIQUE déplacements professionnels temporaires en France et à l étranger

GUIDE PRATIQUE déplacements professionnels temporaires en France et à l étranger GUIDE PRATIQUE déplacements professionnels temporaires en France et à l étranger SOMMAIRE GUIDE PRATIQUE déplacements professionnels temporaires en France et à l étranger o o o o o o o o o o o o

Plus en détail

2. RAPPEL DES TECHNIQUES DE CALCUL DANS R

2. RAPPEL DES TECHNIQUES DE CALCUL DANS R 2. RAPPEL DES TECHNIQUES DE CALCUL DANS R Dans la mesure où les résultats de ce chapitre devraient normalement être bien connus, il n'est rappelé que les formules les plus intéressantes; les justications

Plus en détail

6. Les différents types de démonstrations

6. Les différents types de démonstrations LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,

Plus en détail

Le modèle de Black et Scholes

Le modèle de Black et Scholes Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un

Plus en détail

Structures algébriques

Structures algébriques Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe

Plus en détail

Principe d un test statistique

Principe d un test statistique Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre

Plus en détail

Cours de méthodes de scoring

Cours de méthodes de scoring UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-

Plus en détail

Introduction à l étude des Corps Finis

Introduction à l étude des Corps Finis Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur

Plus en détail

Degré de confiance pour les indicateurs de performance : degré de fiabilité du processus de production et écart significatif 1

Degré de confiance pour les indicateurs de performance : degré de fiabilité du processus de production et écart significatif 1 Degré de confiance pour les indicateurs de performance : degré de fiabilité du processus de production et écart significatif 1 L utilisation des indicateurs de performance ne peut se faire de manière pertinente

Plus en détail

Processus de comptage, Poisson mélange, fonction de perte exponentielle, système bonus-malus.

Processus de comptage, Poisson mélange, fonction de perte exponentielle, système bonus-malus. JF WALHIN* J PARIS* * Université Catholique de Louvain, Belgique Le Mans Assurances, Belgique RÉSUMÉ Nous proposons une méthodologie générale pour construire un système bonus-malus équilibré basé sur une

Plus en détail

Chapitre 2. Eléments pour comprendre un énoncé

Chapitre 2. Eléments pour comprendre un énoncé Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données

Plus en détail

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

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I

Plus en détail

INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE

INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique

Plus en détail

Unités, mesures et précision

Unités, mesures et précision Unités, mesures et précision Définition Une grandeur physique est un élément mesurable permettant de décrire sans ambiguïté une partie d un phénomène physique, chacune de ces grandeurs faisant l objet

Plus en détail

DP 500/ DP 510 Appareils de mesure du point de rosée mobiles avec enregistreur

DP 500/ DP 510 Appareils de mesure du point de rosée mobiles avec enregistreur DP 500/ DP 510 Appareils de mesure du point de rosée mobiles avec enregistreur de données Les nouveaux appareils DP 500/ DP 510 sont les appareils de service mobiles idéaux pour mesure le point de rosée

Plus en détail

ROTARY INTERNATIONAL District 1780 Rhône-Alpes Mont-Blanc Don volontaire de cellules souches

ROTARY INTERNATIONAL District 1780 Rhône-Alpes Mont-Blanc Don volontaire de cellules souches ROTARY INTERNATIONAL District 1780 Rhône-Alpes Mont-Blanc Don volontaire de cellules souches Le don de cellules souches Jean VIVIN 04/2013 1-Nature du problème : 2- Technique Les leucémies représentent

Plus en détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre : Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant

Plus en détail

CH.6 Propriétés des langages non contextuels

CH.6 Propriétés des langages non contextuels CH.6 Propriétés des langages non contetuels 6.1 Le lemme de pompage 6.2 Les propriétés de fermeture 6.3 Les problèmes de décidabilité 6.4 Les langages non contetuels déterministes utomates ch6 1 6.1 Le

Plus en détail

Démontrer qu'un point est le milieu d'un segment

Démontrer qu'un point est le milieu d'un segment émntrer qu'un pint est le milieu d'un segment P 1 Si un pint est sur un segment et à égale distance de ses etrémités alrs ce pint est le milieu du segment. P 2 Si un quadrilatère est un alrs ses diagnales

Plus en détail

Pour l épreuve d algèbre, les calculatrices sont interdites.

Pour l épreuve d algèbre, les calculatrices sont interdites. Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.

Plus en détail

Algèbre binaire et Circuits logiques (2007-2008)

Algèbre binaire et Circuits logiques (2007-2008) Université Mohammed V Faculté des Sciences Département de Mathématiques et Informatique Filière : SMI Algèbre binaire et Circuits logiques (27-28) Prof. Abdelhakim El Imrani Plan. Algèbre de Boole 2. Circuits

Plus en détail

Corrélation entre deux classements. ρ Le coefficient de rang de Spearman

Corrélation entre deux classements. ρ Le coefficient de rang de Spearman Corrélation entre deux classements Cas: échelle ordinale On peut utilisé le Rhô ρ Le coefficient de rang de Spearman Cours réalisé par Benjamin Putois Novembre 2008 bputois@gmail.com Indice statistique

Plus en détail

Planche n o 22. Fonctions de plusieurs variables. Corrigé

Planche n o 22. Fonctions de plusieurs variables. Corrigé Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette

Plus en détail

«Aucune investigation humaine ne peut être qualifiée de science véritable si elle ne peut être démontrée mathématiquement.

«Aucune investigation humaine ne peut être qualifiée de science véritable si elle ne peut être démontrée mathématiquement. «Aucune investigation humaine ne peut être qualifiée de science véritable si elle ne peut être démontrée mathématiquement.» Léonard de Vinci MATHEMATIQUES Les mathématiques revêtaient un caractère particulier

Plus en détail

Estimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison

Estimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence

Plus en détail

À l'intention des parents

À l'intention des parents Septembre 2011 À l'intention des parents Information sur les examens en vue de l'obtention du diplôme Votre fils ou votre fille passera bientôt des examens en vue de l'obtention du diplôme? Voici de l'information

Plus en détail

PROBLEME(12) Première partie : Peinture des murs et du plafond.

PROBLEME(12) Première partie : Peinture des murs et du plafond. PROBLEME(12) Une entreprise doit rénover un local. Ce local a la forme d'un parallélépipède rectangle. La longueur est 6,40m, la largeur est 5,20m et la hauteur est 2,80m. Il comporte une porte de 2m de

Plus en détail

4 Distributions particulières de probabilités

4 Distributions particulières de probabilités 4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli

Plus en détail

K W = [H 3 O + ] [OH - ] = 10-14 = K a K b à 25 C. [H 3 O + ] = [OH - ] = 10-7 M Solution neutre. [H 3 O + ] > [OH - ] Solution acide

K W = [H 3 O + ] [OH - ] = 10-14 = K a K b à 25 C. [H 3 O + ] = [OH - ] = 10-7 M Solution neutre. [H 3 O + ] > [OH - ] Solution acide La constante d autoprotolyse de l eau, K W, est égale au produit de K a par K b pour un couple acide/base donné : En passant en échelle logarithmique, on voit donc que la somme du pk a et du pk b d un

Plus en détail

Loi d une variable discrète

Loi d une variable discrète MATHEMATIQUES TD N : VARIABLES DISCRETES - Corrigé. P[X = k] 0 k point de discontinuité de F et P[X = k] = F(k + ) F(k ) Ainsi, P[X = ] =, P[X = 0] =, P[X = ] = R&T Saint-Malo - nde année - 0/0 Loi d une

Plus en détail

Exo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.

Exo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2. Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3

Plus en détail

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers

Plus en détail

Exo7. Limites de fonctions. 1 Théorie. 2 Calculs

Exo7. Limites de fonctions. 1 Théorie. 2 Calculs Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication

Plus en détail

MODELES DE DUREE DE VIE

MODELES DE DUREE DE VIE MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions

Plus en détail

Chapitre 1 Régime transitoire dans les systèmes physiques

Chapitre 1 Régime transitoire dans les systèmes physiques Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer

Plus en détail

BIOSTATISTIQUES AVANCEES PLAN. Quelques références. Master Biologie Intégrative 1 ère année

BIOSTATISTIQUES AVANCEES PLAN. Quelques références. Master Biologie Intégrative 1 ère année Master Biologie Intégrative 1 ère année 1 BIOSTATISTIQUES AVANCEES Yves Desdevises! Observatoire Océanologique de Banyuls-sur-Mer (www.obs-banyuls.fr)! 04 68 88 73 13! desdevises@obs-banyuls.fr! http://desdevises.free.fr

Plus en détail

Chapitre 6. Réactions nucléaires. 6.1 Généralités. 6.1.1 Définitions. 6.1.2 Lois de conservation

Chapitre 6. Réactions nucléaires. 6.1 Généralités. 6.1.1 Définitions. 6.1.2 Lois de conservation Chapitre 6 Réactions nucléaires 6.1 Généralités 6.1.1 Définitions Un atome est constitué d électrons et d un noyau, lui-même constitué de nucléons (protons et neutrons). Le nombre de masse, noté, est le

Plus en détail

MESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .

MESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. . MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision

Plus en détail

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue

Plus en détail