NOTE SUR LA MODELISATION DU RISQUE D INFLATION

Dimension: px
Commencer à balayer dès la page:

Download "NOTE SUR LA MODELISATION DU RISQUE D INFLATION"

Transcription

1 NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui serait pris par un opérateur économique qui aurait un coût de production lié à un indice et un chiffre d affaire lié à un autre indice. Nous retrouvons ce type de risque dans le cas des partenariats publics-privés où le titulaire du contrat reçoit une redevance indexée sur un indice ou un ensemble d indices mais peut, sur une période longue, avoir des coûts de production qui ne sont pas corrélés aux indices de référence du contrat. A partir de chroniques à très long terme (depuis 1956) de l indice général des prix à la consommation (IC) et de l indice du coût de construction (ICC), nous démontrons que l écart entre ces deux indices suit une loi normale de moyenne 0,34 et d écart-type 2,6. Nous utilisons la méthode de Monte-Carlo pour simuler le risque d écart entre deux indices d inflation et estimer la valorisation du risque d indexation en fonction de la maturité du contrat. Nous calculons qu un opérateur économique demanderait un montant supplémentaire de 9% en Valeur Actuelle Nette pour augmenter la maturité du contrat de 7 à 20 ans. 2/ ANALYSE GRAPHIQUE DES SERIES LONGUES D INFLATION ET FORMALISATION DU PROBLEME La courbe de superposition des 2 jeux de données montre une corrélation des 2 données sur l ensemble de la période en se basant sur l allure de la courbe. On peut voir une nette augmentation au-delà des 10% des 2 taux qui sont quasiment superposés notamment lors des chocs pétroliers de 1973 et 1979 (qui ne sont ressentis que 2 à 3 ans après en France). On constate néanmoins que l impact de l inflation sur l indice ICC n est pas le même d une année sur l autre. C est cette différence d impact qui nous intéresse et qu il convient d étudier. Tableau 1 : Graphique superposé (ICC et Inflation) Tableau 2 : Graphique évolution écart Courriel : Site : Page 1

2 Nous modélisons ε correspondant à l équation : ε = ICC Inflation Après avoir rassemblé des jeux de données en nombre suffisant, l intérêt a été de voir d un point de vue statistique comment la variable aléatoire ε se comportait. A partir de l ensemble des observations entre 1956 et 2009, nous obtenons la moyenne et l écart-type de ε. En classant les données par ordre croissant (en partant donc du minimum de la série), on obtient la fonction de répartition de la série ICC-Inflation. Tableau 3 : Statistiques et fonction de répartition STATISTIQUES Nbr Observation 54,00 Moyenne 0,34 Min -5,93 Max 8,29 Ecart-type 2,586 Max-Min 14,22 3/ MODELISATION MATHEMATIQUE Nous effectuons un test de Khi-2, appelé «Goodness of fit Test» (test qui permet de valider la modélisation d une variable aléatoire par une loi de probabilité connue). Cette analyse distribue les données de la série en fractiles (plusieurs intervalles). Ainsi chaque intervalle a une probabilité d apparition et on peut obtenir la courbe de densité de probabilité. A partir des données obtenues, on peut valider ou non l hypothèse selon laquelle la variable aléatoire étudiée est modélisable par une loi normale. Dans le cas présent, pour l étude d ICC-Inflation, l hypothèse est validée selon le test de Khi-2. Nous avions divisé l intervalle de l échantillon en 12 fractiles pour arriver à un résultat visible graphiquement. L outil permet une comparaison entre l échantillon, la densité de probabilité de la loi normale pour l échantillon donnée et la densité de probabilité de la loi de Gumble. Graphiquement le résultat est le suivant : Courriel : Site : Page 2

3 Tableau 4 : Vue de l outil d analyse et de modélisation Tableau 5 : Graphe de comparaison On note donc que la densité de probabilité de l échantillon est plus proche de celle de la loi normale en termes de rapprochement. De plus, l outil d analyse valide l hypothèse selon laquelle ε est modélisable par une loi normale car le Chi-Square calculé est inférieur au Chi-Square donné par la table standard du Khi-2 pour un seuil d erreur de 5%. De plus une autre bonne indication est le coefficient de détermination R² qui est calculé par simulation de Monte-Carlo. On obtient une valeur légèrement supérieure à 1 due à la précision de la simulation. Par extension, on dit donc que R² ~ 1. Ce qui confirme que le modèle statistique et probabiliste choisi est valable et que la variable aléatoire ε est modélisable par une loi normale. Courriel : Site : Page 3

4 4/ QUANTIFICATION DU RISQUE D INFLATION A l aide d autres chroniques, notamment les indices nationaux des prix du bâtiment et de la construction (indices BT01 sur 23 ans et indices BT50 sur 17 ans), nous avons réalisé une autre étude statistique de la même manière que l étude ICC-Inflation : Tableau 6 : Moyennes et écart-types sur d autres exemples de risques d inflation Nous constatons que les moyennes historiques des 4 premières comparaisons (taux BT01 et BT50 avec le taux d inflation et le taux d indice des coûts de construction) sont supérieures à la moyenne que l on a trouvé dans l étude précédente. Leurs écart-types respectifs sont quant à eux inférieurs à la série à long terme ICC-Inflation que nous avons étudié. Nous utilisons la méthode de Monte-Carlo en simulant l impact de la variable aléatoire correspondant au risque d indexation en utilisant la méthode suivante : Etape 1 : (pour une estimation du risque d indexation à 20 ans par exemple) Tirage aléatoire de 20 variables suivant une loi normale de moyenne 0,34 et d écart-type 2,6 pour simuler le risque annuel entre l année 1 et l année 20. Etape 2 : Actualisation des 20 estimations annuelles futures du risque au taux de 4% pour calculer la valeur actuelle nette (VAN). Etape 3 : Utilisation de la méthode de Monte-Carlo (avec 10,000 itérations) qui va calculer la VAN moyenne Standard, la VAN moyenne valeurs positives, la VAR 95% standard et la VAR 95% valeurs positives. Tableau 7 : Vue de la simulation réalisée Taux d'actualisation 4% Nombre de simulations Paramètres Loi normale Mu (Moyenne) 0,34% Sigma (Ecart-type) 2,59% 7 ans 20 ans VAN moyenne standard 1,89% 4,66% VAN moyenne valeurs positives 7,21% 16,49% VAR95% standard 11,67% 17,63% VAR95% valeurs positives 13,94% 25,10% LANCER Simulation de Monte-Carlo Courriel : Site : Page 4

5 Nous avons démontré que l écart entre deux indices d inflation était une variable aléatoire qui suivait une loi normale. Cet écart futur est un estimateur du risque pris par un opérateur économique qui aurait signé un contrat de prestation de service indexé sur un indice défini contractuellement à l avance mais dont les coûts de production pourraient varier en fonction d un autre indice. A partir des données de taux d actualisation, du nombre de simulations (itérations pour Monte- Carlo), et des paramètres de la loi normale, le programme simule sur 7 ou 20 ans des estimations des écarts annuels futurs entre deux indices d inflation et actualise ces séries d écarts afin de mesurer la différence de risque entre un contrat de service à 7 ans et un contrat de service à 20 ans pour calculer la valeur actuelle nette des risques futurs. On distingue la VAN «standard» de la VAN «valeurs positives» : Dans le cas «standard», toutes les variables aléatoires simulées sont prises en compte dans le calcul de la VAN : nous estimons dans ce cas que l opérateur économique demanderait un montant supplémentaire de 2,77% (4,66% : VAN du risque à 20 ans 1,89% : VAN du risque à 7 ans) pour augmenter la maturité du contrat de 7 à 20 ans. Dans le cas «valeurs positives», seules les variables aléatoires positives sont prises en compte dans le calcul de la VAN. Il est donc logique de trouver une VAN moyenne plus élevée dans ce cas : dans ce cas l opérateur économique demanderait un montant supplémentaire de 9,28% (16,49% : VAN des valeurs positives à 20 ans 7,21% : VAN des valeurs positives à 7 ans) pour augmenter la maturité du contrat de 7 à 20 ans. Nous estimons donc qu un opérateur économique demanderait un prix supplémentaire afin de se protéger contre le risque d indexation de 9,3% s il ne tenait compte que du risque de perte (moyenne des cas de perte où l indexation de ses coûts de production est supérieure à l indexation de son chiffre d affaires) ou de 6% qui représente le risque supplémentaire dans tous les cas de figure avec une probabilité d occurrence de 95%. Courriel : Site : Page 5

Simulation d un système d assurance automobile

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

Plus en détail

Mémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains.

Mémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains. Mémoire d actuariat - promotion 2010 La modélisation des avantages au personnel: complexité et limites du modèle actuariel, le rôle majeur des comportements humains. 14 décembre 2010 Stéphane MARQUETTY

Plus en détail

Simulations de Monte Carlo en finance : Pricer d option

Simulations de Monte Carlo en finance : Pricer d option Emma Alfonsi, Xavier Milhaud - M2R SAF Simulations de Monte Carlo en finance : Pricer d option Sous la direction de M. Pierre Alain Patard ISFA - Mars 2008 . 1 Table des matières 1 Introduction 4 2 Un

Plus en détail

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

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

Plus en détail

Université René Descartes Faculté de Pharmacie - Master Professionnel Dimension Économique des Produits de Santé 14 décembre 2005

Université René Descartes Faculté de Pharmacie - Master Professionnel Dimension Économique des Produits de Santé 14 décembre 2005 Université René Descartes Faculté de Pharmacie - Master Professionnel Dimension Économique des Produits de Santé 14 décembre 2005 Prise en Compte de l Incertitude dans l Évaluation des Technologies de

Plus en détail

Sommaire. Chapitre 1 Variables et vecteurs aléatoires... 5. Chapitre 2 Variables aléatoires à densité... 65

Sommaire. Chapitre 1 Variables et vecteurs aléatoires... 5. Chapitre 2 Variables aléatoires à densité... 65 Sommaire Chapitre 1 Variables et vecteurs aléatoires............... 5 A. Généralités sur les variables aléatoires réelles.................... 6 B. Séries doubles..................................... 9

Plus en détail

Exercice 1 Analyse de données de débits et régime hydraulique. Nguyen Ha- Phong. Section génie civil 2012, Prof. Dr A. Schleiss

Exercice 1 Analyse de données de débits et régime hydraulique. Nguyen Ha- Phong. Section génie civil 2012, Prof. Dr A. Schleiss Exercice 1 Analyse de données de débits et régime hydraulique Nguyen Ha- Phong Section génie civil 212, Prof. Dr A. Schleiss A) Analyse hydrologique 1. Estimation des débits moyens journaliers de la station

Plus en détail

MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE

MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE Annexe MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE L enseignement des mathématiques au collège et au lycée a pour but de donner à chaque

Plus en détail

FIXAGE. Le risque de taux en assurance-vie : Modélisation stochastique et fair value

FIXAGE. Le risque de taux en assurance-vie : Modélisation stochastique et fair value FIXAGE Le risque de taux en assurance-vie : Modélisation stochastique et fair value Petit-déjeuner du 9 janvier 2003 animé par Michel PIERMAY et Arnaud COHEN FIXAGE 11, avenue Myron Herrick 75008 Paris

Plus en détail

CHAMPION Matthieu Modèles de Marché en Visual Basic ESILV S04 S6. Sommaire... 1. Introduction... 2

CHAMPION Matthieu Modèles de Marché en Visual Basic ESILV S04 S6. Sommaire... 1. Introduction... 2 Sommaire Sommaire... 1 Introduction... 2 1 Trois différentes techniques de pricing... 3 1.1 Le modèle de Cox Ross Rubinstein... 3 1.2 Le modèle de Black & Scholes... 8 1.3 Méthode de Monte Carlo.... 1

Plus en détail

Ecole Supérieure d Ingénieurs Léonard de Vinci

Ecole Supérieure d Ingénieurs Léonard de Vinci Ecole Supérieure d Ingénieurs Léonard de Vinci «Pricing d options Monte Carlo dans le modèle Black-Scholes» Etudiant : / Partie A : Prix de Call et Put Européens Partie B : Pricing par Monte Carlo et réduction

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

Probabilités Loi exponentielle Exercices corrigés

Probabilités Loi exponentielle Exercices corrigés Probabilités Loi exponentielle Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : densité de probabilité Exercice 2 : loi exponentielle de paramètre

Plus en détail

Réseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.

Réseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel. Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté

Plus en détail

Devoir Surveillé n 5 BTS 2009 groupement B

Devoir Surveillé n 5 BTS 2009 groupement B EXERCICE 1 (12 points) Devoir Surveillé n 5 BTS 2009 groupement B Les trois parties de cet exercice peuvent être traitées de façon indépendante. A. Résolution d une équation différentielle On considère

Plus en détail

Analyse de données et méthodes numériques

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

Plus en détail

Analyse de l évolution de la structure des ménages dans l enquête sur le budget des ménages

Analyse de l évolution de la structure des ménages dans l enquête sur le budget des ménages Analyse de l évolution de la structure des ménages dans l enquête sur le budget des ménages S. Winandy, R. Palm OCA GxABT/ULg oca.gembloux@ulg.ac.be décembre 2011 1 Introduction La Direction Générale Statistique

Plus en détail

Elma m l a ki i Haj a a j r a Alla a Tao a uf u i f q B ur u kkad a i i Sal a ma m n a e n e Be B n e a n b a d b en e b n i b i Il I ham

Elma m l a ki i Haj a a j r a Alla a Tao a uf u i f q B ur u kkad a i i Sal a ma m n a e n e Be B n e a n b a d b en e b n i b i Il I ham Exposé: la technique de simulation MONTE-CARLO Présenté par : Elmalki Hajar Bourkkadi Salmane Alla Taoufiq Benabdenbi Ilham Encadré par : Prof. Mohamed El Merouani Le plan Introduction Définition Approche

Plus en détail

Programme de l enseignement obligatoire commun de mathématiques Cycle terminal de la série sciences et technologies du management et de la gestion

Programme de l enseignement obligatoire commun de mathématiques Cycle terminal de la série sciences et technologies du management et de la gestion Programme de l enseignement obligatoire commun de mathématiques Cycle terminal de la série sciences et technologies du management et de la gestion L enseignement des mathématiques au collège et au lycée

Plus en détail

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

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

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2 UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 Master d économie Cours de M. Desgraupes MATHS/STATS Document 4 : Les tests statistiques 1 Généralités sur les tests

Plus en détail

Soutien illimité 7j/7 en maths: Coach, profs, exercices & annales, cours. Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Amérique du Nord

Soutien illimité 7j/7 en maths: Coach, profs, exercices & annales, cours. Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Amérique du Nord Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Amérique du Nord EXERCICE 1 : 5 points On se place dans l espace muni d un repère orthonormé. On considère les points,, et. 1. Démontrer que les points,

Plus en détail

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

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

Plus en détail

Petit déjeuner Actuariat - 27 juin 2013

Petit déjeuner Actuariat - 27 juin 2013 Provisions pour Prestations à Payer en Assurance Santé : Comparaisons de méthodes d estimation sur la base de simulations de remboursements Petit déjeuner Actuariat - 27 juin 2013 Petit déjeuner Actuariat

Plus en détail

BREVET DE TECHNICIEN SUPÉRIEUR COMPTABILITÉ ET GESTION DES ORGANISATIONS Session 2013 ÉPREUVE DE MATHÉMATIQUES. Durée : 2 heures Coefficient : 2

BREVET DE TECHNICIEN SUPÉRIEUR COMPTABILITÉ ET GESTION DES ORGANISATIONS Session 2013 ÉPREUVE DE MATHÉMATIQUES. Durée : 2 heures Coefficient : 2 BREVET DE TECHNICIEN SUPÉRIEUR COMPTABILITÉ ET GESTION DES ORGANISATIONS Session 2013 ÉPREUVE DE MATHÉMATIQUES Durée : 2 heures Coefficient : 2 SUJET Dès que le sujet vous est remis, assurez-vous qu il

Plus en détail

Probabilités 5. Simulation de variables aléatoires

Probabilités 5. Simulation de variables aléatoires Probabilités 5. Simulation de variables aléatoires Céline Lacaux École des Mines de Nancy IECL 27 avril 2015 1 / 25 Plan 1 Méthodes de Monte-Carlo 2 3 4 2 / 25 Estimation d intégrales Fiabilité d un système

Plus en détail

Chapitre 2 L actualisation... 21

Chapitre 2 L actualisation... 21 III Table des matières Avant-propos Remerciements.... Les auteurs... XI XII Chapitre 1 L intérêt.... 1 1. Mise en situation.... 1 2. Concept d intérêt... 1 2.1. L unité de temps... 2 2.2. Le taux d intérêt...

Plus en détail

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient

Plus en détail

Outil pour l attribution des notes

Outil pour l attribution des notes Outil pour l attribution des notes Gilbert Babin A- Contexte Le présent document décrit le mode d utilisation d un outil développé avec Microsoft Excel permettant l analyse et l attribution des notes finales.

Plus en détail

Eléments de correction du Bac Blanc n 2 de Mathématiquesdu Lundi 8 Avril2013. Calculatrice autorisée - Aucun document n'est autorisé.

Eléments de correction du Bac Blanc n 2 de Mathématiquesdu Lundi 8 Avril2013. Calculatrice autorisée - Aucun document n'est autorisé. TES Spé Maths Eléments de correction du Bac Blanc n 2 de Mathématiquesdu Lundi 8 Avril2013 Calculatrice autorisée - Aucun document n'est autorisé. Vous apporterez un grand soin à la présentation et à la

Plus en détail

Baccalauréat ES Centres étrangers 12 juin 2014 - Corrigé

Baccalauréat ES Centres étrangers 12 juin 2014 - Corrigé Baccalauréat ES Centres étrangers 1 juin 14 - Corrigé A. P. M. E. P. Exercice 1 5 points Commun à tous les candidats 1. On prend un candidat au hasard et on note : l évènement «le candidat a un dossier

Plus en détail

Nombre dérivé et tangente

Nombre dérivé et tangente Nombre dérivé et tangente I) Interprétation graphique 1) Taux de variation d une fonction en un point. Soit une fonction définie sur un intervalle I contenant le nombre réel a, soit (C) sa courbe représentative

Plus en détail

Projets scilab. L3 Maths Appliquées lagache@biologie.ens.fr 02 Avril 2009

Projets scilab. L3 Maths Appliquées lagache@biologie.ens.fr 02 Avril 2009 Projets scilab L3 Maths Appliquées lagache@biologie.ens.fr 2 Avril 29 REMARQUE: quelques résultats importants concernant le théorème central limite et les intervalles de confiance sont rappelés dans la

Plus en détail

Fondements de Finance

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

Plus en détail

Examen d accès - 1 Octobre 2009

Examen d accès - 1 Octobre 2009 Examen d accès - 1 Octobre 2009 Aucun document autorisé - Calculatrice fournie par le centre d examen Ce examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses sont

Plus en détail

Baccalauréat ES/L Amérique du Sud 21 novembre 2013

Baccalauréat ES/L Amérique du Sud 21 novembre 2013 Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée

Plus en détail

QUESTIONNAIRE D EXAMEN INTRATRIMESTRIEL IND4704

QUESTIONNAIRE D EXAMEN INTRATRIMESTRIEL IND4704 MATHÉMATIQUES ET GÉNIE INDUSTRIEL QUESTIONNAIRE D EXAMEN INTRATRIMESTRIEL IND4704 ELEMENTS DE CORRECTION NOM : PRÉNOM : MATRICULE : SIGNATURE : NO. DU COURS : IND4704 Groupe: 01 Trimestre : H-12 TITRE

Plus en détail

Lois de probabilité à densité Loi normale

Lois de probabilité à densité Loi normale DERNIÈRE IMPRESSIN LE 31 mars 2015 à 14:11 Lois de probabilité à densité Loi normale Table des matières 1 Lois à densité 2 1.1 Introduction................................ 2 1.2 Densité de probabilité

Plus en détail

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p. STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,

Plus en détail

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population.

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population. Première STMG1 2014-2015 progression. - 1 Table des matières Fil rouge. 3 Axes du programme. 3 Séquence : Proportion d une sous population dans une population. 3 Information chiffrée : connaître et exploiter

Plus en détail

Entrer par les problèmes en probabilités et en statistique. Équipe Académique Mathématiques - 2009

Entrer par les problèmes en probabilités et en statistique. Équipe Académique Mathématiques - 2009 Entrer par les problèmes en probabilités et en statistique Équipe Académique Mathématiques - 2009 Quelle valeur ajoutée peut-on espérer d une entrée par les problèmes en probabilités? Donner du sens aux

Plus en détail

Baccalauréat SMTG Pondichéry 8 avril 2014 Sciences et technologies du management et de la gestion correction

Baccalauréat SMTG Pondichéry 8 avril 2014 Sciences et technologies du management et de la gestion correction Baccalauréat SMTG Pondichéry 8 avril 0 Sciences et technologies du management et de la gestion correction EXERCICE points Les deux parties de cet exercice peuvent être traitées de manière indépendante.

Plus en détail

Exercices de simulation 1

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

Plus en détail

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

A propos du calcul des rentabilités des actions et des rentabilités moyennes

A propos du calcul des rentabilités des actions et des rentabilités moyennes A propos du calcul des rentabilités des actions et des rentabilités moyennes On peut calculer les rentabilités de différentes façons, sous différentes hypothèses. Cette note n a d autre prétention que

Plus en détail

Utilisation des réseaux bayésiens et de l approche de Fenton pour l estimation de probabilité d occurrence d événements

Utilisation des réseaux bayésiens et de l approche de Fenton pour l estimation de probabilité d occurrence d événements Utilisation des réseaux bayésiens et de l approche de Fenton pour l estimation de probabilité d occurrence d événements Rapport LAAS-CNRS Numéro N o 13077 Quynh Anh DO HOANG, Jérémie GUIOCHET, Mohamed

Plus en détail

Modélisation du risque opérationnel dans le secteur de l assurance

Modélisation du risque opérationnel dans le secteur de l assurance Avril 2011 N 14 Modélisation du risque opérationnel dans le secteur de l assurance Par Julie Gamonet Centre d études actuarielles Lauréate du prix du jeune actuaire 2010 Un texte paraissant dans SCOR Papers

Plus en détail

Baccalauréat ES Polynésie 7 juin 2013

Baccalauréat ES Polynésie 7 juin 2013 Baccalauréat ES Polnésie 7 juin 2013 EXERCICE 1 Cet exercice est un questionnaire à choix multiples. Pour chaque question, une seule des quatre réponses proposées est correcte. Une réponse juste rapporte

Plus en détail

Table des matières. Avant-propos. Chapitre 2 L actualisation... 21. Chapitre 1 L intérêt... 1. Chapitre 3 Les annuités... 33 III. Entraînement...

Table des matières. Avant-propos. Chapitre 2 L actualisation... 21. Chapitre 1 L intérêt... 1. Chapitre 3 Les annuités... 33 III. Entraînement... III Table des matières Avant-propos Remerciements................................. Les auteurs..................................... Chapitre 1 L intérêt............................. 1 1. Mise en situation...........................

Plus en détail

Terminale ES BAC blanc N 1 ( janvier 2014)

Terminale ES BAC blanc N 1 ( janvier 2014) Terminale ES BAC blanc N 1 ( janvier 2014) Epreuve de mathématiques N anonymat :... Durée : 3 heures Calculatrice autorisée Exercice 1 ( pour tous les candidats ) Cet exercice est un QCM Une seule bonne

Plus en détail

Description du module GENERATEUR rev.2 1. Rôle du module

Description du module GENERATEUR rev.2 1. Rôle du module Description du module GENERATEUR rev.2 1. Rôle du module Ce module doit implémenter un générateur de «points aléatoires» selon une répartition de densité donnée. Tout d abord, le générateur doit être initialisé

Plus en détail

I] ETUDE STATISTIQUES SIMPLE

I] ETUDE STATISTIQUES SIMPLE INTRODUCTION Scilab (contraction de Scientific Laboratory) est un logiciel libre, développé à l'inria Rocquencourt. C'est un environnement de calcul numérique qui permet d'effectuer rapidement toutes les

Plus en détail

Introduction au cours STA 102 Analyse des données : Méthodes explicatives

Introduction au cours STA 102 Analyse des données : Méthodes explicatives Analyse des données - Méthodes explicatives (STA102) Introduction au cours STA 102 Analyse des données : Méthodes explicatives Giorgio Russolillo giorgio.russolillo@cnam.fr Infos et support du cours Slide

Plus en détail

Introduction à l approche bootstrap

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

Plus en détail

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

CSMA 2013 11e Colloque National en Calcul des Structures 13-17 Mai 2013

CSMA 2013 11e Colloque National en Calcul des Structures 13-17 Mai 2013 CSMA 2013 11e Colloque National en Calcul des Structures 13-17 Mai 2013 La méthode CGSM pour l analyse statique des plaques avec variabilité Mahyunirsyah MAHJUDIN 1,2 *, Frédéric DRUESNE 1, Irwan KATILI

Plus en détail

Baccalauréat STG - Mercatique - CFE - GSI Métropole 13 septembre 2012 Correction

Baccalauréat STG - Mercatique - CFE - GSI Métropole 13 septembre 2012 Correction accalauréat STG - Mercatique - CFE - GSI Métropole 13 septembre 2012 Correction EXERCICE 1 4 points Selon un sondage réalisé sur un échantillon de personnes en France, 57 % des personnes interrogées sont

Plus en détail

Statistiques et probabilités : Loi Normale. Les I.P.R. et Formateurs de l Académie de LILLE

Statistiques et probabilités : Loi Normale. Les I.P.R. et Formateurs de l Académie de LILLE Statistiques et probabilités : Loi Normale Les I.P.R. et Formateurs de l Académie de LILLE Bulletin officiel spécial 8 du 13 octobre 2011 Cadre général : loi à densité Définition Une fonction f définie

Plus en détail

BTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL

BTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par

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

Exercices sur les lois de probabilités continues

Exercices sur les lois de probabilités continues Terminale S Exercices sur les lois de probabilités continues Exercice n 1 : X est la variable aléatoire de la loi continue et uniforme sur [0 ; 1]. Donner la probabilité des événements suivants : a. b.

Plus en détail

Projet : Recherche de source d onde gravitationnelle (analyse de données Metropolis Hastings Markov Chain) 1

Projet : Recherche de source d onde gravitationnelle (analyse de données Metropolis Hastings Markov Chain) 1 Université Paris Diderot Physique L2 2014-2015 Simulations Numériques SN4 Projet : Recherche de source d onde gravitationnelle (analyse de données Metropolis Hastings Markov Chain) 1 Objectifs : Simuler

Plus en détail

Session 2011. Enseignement de Spécialité. Durée de l épreuve : 3 heures. Coefficient : 7. Ce sujet comporte 7 pages numérotées de 1 à 7.

Session 2011. Enseignement de Spécialité. Durée de l épreuve : 3 heures. Coefficient : 7. Ce sujet comporte 7 pages numérotées de 1 à 7. BACCALAURÉAT GENÉRAL Session 2011 MATHÉMATIQUES Série ES Enseignement de Spécialité Durée de l épreuve : 3 heures Coefficient : 7 Ce sujet comporte 7 pages numérotées de 1 à 7. L utilisation d une calculatrice

Plus en détail

Détermination d une méthode de calcul de capabilités avec des lois non gaussiennes

Détermination d une méthode de calcul de capabilités avec des lois non gaussiennes Détermination d une méthode de calcul de capabilités avec des lois non gaussiennes Thibaut Martini To cite this version: Thibaut Martini. Détermination d une méthode de calcul de capabilités avec des lois

Plus en détail

Mercredi 24 Juin 2015

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

Plus en détail

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème.

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème. Mathématiques - classe de 1ère des séries STI2D et STL. 1. Analyse On dote les élèves d outils mathématiques permettant de traiter des problèmes relevant de la modélisation de phénomènes continus ou discrets.

Plus en détail

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation Programme des épreuves des concours externes de recrutement des personnels E1 RECRUTEMENT DES ASSISTANTS INGENIEURS DE RECHERCHE ET DE FORMATION...2 E1.1 Gestionnaire de base de données...2 E1.2 Développeur

Plus en détail

Analyse des risques financiers

Analyse des risques financiers Analyse des risques financiers Version du 1 er octobre 2014 Cette fiche s'adresse aux services de l État mandatés pour mener une analyse financière et est susceptible de contribuer à la définition du niveau

Plus en détail

Probabilités et Statistiques. Chapitre 1 : Statistique descriptive

Probabilités et Statistiques. Chapitre 1 : Statistique descriptive U.P.S. I.U.T. A, Département d Informatique Année 2008-2009 Probabilités et Statistiques Emmanuel PAUL Chapitre 1 : Statistique descriptive 1 Objectifs des statistiques. Il s agit d étudier un ou plusieurs

Plus en détail

Savoir Faire Excel Niveau 2. 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr

Savoir Faire Excel Niveau 2. 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr Savoir Faire Excel Niveau 2 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr Ce qu on sait faire Entrer et recopier des données numériques Les fonctions de base (somme, moyenne, nb, si) Faire

Plus en détail

RETScreen International. ACÉTATE 3 : Feuille Sommaire financier

RETScreen International. ACÉTATE 3 : Feuille Sommaire financier Module de formation NOTES DU FORMATEUR ANALYSES FINANCIÈRE ET DE RISQUE AVEC LE LOGICIEL RETSCREEN COURS D ANALYSE DE PROJETS D ÉNERGIES PROPRES Ce document donne la transcription de la présentation orale

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

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01

Plus en détail

Commun à tous les candidats

Commun à tous les candidats BACCALAURÉAT GÉNÉRAL SESSION 213 MATHÉMATIQUES Série ES/L Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) ES : ENSEIGNEMENT OBLIGATOIRE L : ENSEIGNEMENT DE SPECIALITE Les calculatrices électroniques

Plus en détail

APPLICATION DE LA METHODE DE MONTE CARLO DANS L'ANALYSE DE LA STABILITÉ DES PENTES

APPLICATION DE LA METHODE DE MONTE CARLO DANS L'ANALYSE DE LA STABILITÉ DES PENTES Journées Nationales de Géotechnique et de Géologie de l'ingénieur - JNGG' 2006 Lyon (France) APPLICATION DE LA METHODE DE MONTE CARLO DANS L'ANALYSE DE LA STABILITÉ DES PENTES Mbarka SELMI 1, Mounir LTIFI

Plus en détail

Corrigé du baccalauréat STMG Métropole 18 juin 2015

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

Plus en détail

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

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

Plus en détail

Principes de Finance

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

Plus en détail

BACCALAURÉAT PROFESSIONNEL SUJET

BACCALAURÉAT PROFESSIONNEL SUJET SESSION 203 Métropole - Réunion - Mayotte BACCALAURÉAT PROFESSIONNEL ÉPREUVE E4 CULTURE SCIENTIFIQUE ET TECHNOLOGIQUE : MATHÉMATIQUES Toutes options Durée : 2 heures Matériel(s) et document(s) autorisé(s)

Plus en détail

Exercice 1 Métropole juin 2014 5 points

Exercice 1 Métropole juin 2014 5 points Le sujet comporte 6 pages. Seule l annexe est à rendre avec la copie. BAC BLANC MATHÉMATIQUES TERMINALE STMG Durée de l épreuve : 3 heures Les calculs doivent être détaillés. Les calculatrices sont autorisées,

Plus en détail

Générateur de Nombres Aléatoires

Générateur de Nombres Aléatoires Générateur de Nombres Aléatoires Les générateurs de nombres aléatoires sont des dispositifs capables de produire une séquence de nombres dont on ne peut pas tirer facilement des propriétés déterministes.

Plus en détail

Normalité des rendements?

Normalité des rendements? Normalité des rendements? Daniel Herlemont 31 mars 2011 Table des matières 1 Introduction 1 2 Test de Normalité des rendements 2 3 Graphiques quantile-quantile 2 4 Estimation par maximum de vraisemblance

Plus en détail

Soutien illimité 7j/7 en maths: Coach, profs, exercices & annales, cours. Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Liban

Soutien illimité 7j/7 en maths: Coach, profs, exercices & annales, cours. Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Liban Sujet de Bac 2013 Maths S Obligatoire & Spécialité - Liban EXERCICE 1 : 4 Points Cet exercice est un questionnaire à choix multiples. Aucune justification n est demandée. Pour chacune des questions, une

Plus en détail

Test de Poisson à 1 échantillon et à 2 échantillons

Test de Poisson à 1 échantillon et à 2 échantillons Test de Poisson à 1 échantillon et à 2 échantillons Sous-menus de Minitab 15 : Stat>Statistiques élémentaires>test de Poisson à 1 échantillon Stat>Statistiques élémentaires>test de Poisson à 2 échantillons

Plus en détail

Baccalauréat ES/L Métropole 12 septembre 2014 Corrigé

Baccalauréat ES/L Métropole 12 septembre 2014 Corrigé Baccalauréat ES/L Métropole 12 septembre 2014 orrigé A. P. M. E. P. Exercice 1 6 points ommun à tous les candidats Avant de réaliser une opération marketing en début de saison, un revendeur de piscines

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2014 2015 Cours de B. Desgraupes. Simulation Stochastique

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2014 2015 Cours de B. Desgraupes. Simulation Stochastique UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2014 2015 L2 MIASHS Cours de B. Desgraupes Simulation Stochastique Séance 04: Nombres pseudo-aléatoires Table des matières 1

Plus en détail

Support di cours disponible à l adresse suivante http://sspsd.u-strasbg.fr/mdem22e-statistiques-cours-td.html

Support di cours disponible à l adresse suivante http://sspsd.u-strasbg.fr/mdem22e-statistiques-cours-td.html MDEM22E - Cours et TD de statistiques descriptives à partir de données d enquête Support di cours disponible à l adresse suivante http://sspsd.u-strasbg.fr/mdem22e-statistiques-cours-td.html Objectif du

Plus en détail

Problèmes et Algorithmes Fondamentaux III Algorithme distribué probabiliste

Problèmes et Algorithmes Fondamentaux III Algorithme distribué probabiliste Problèmes et Algorithmes Fondamentaux III Algorithme distribué probabiliste Arnaud Labourel Université de Provence 12 avril 2012 Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux

Plus en détail

Ecole Supérieure d Ingénieurs Léonard de Vinci

Ecole Supérieure d Ingénieurs Léonard de Vinci Ecole Supérieure d Ingénieurs Léonard de Vinci «Evaluation et couverture de produits dérivés» Etudiants : Colonna Andrea Pricing d'un Call Lookback par Monte Carlo et Ponts Browniens Rapport de Projet

Plus en détail

PRIMAVERA RISK ANALYSIS

PRIMAVERA RISK ANALYSIS PRIMAVERA RISK ANALYSIS PRINCIPALES FONCTIONNALITÉS Guide d analyse des risques Vérification de planning Modélisation rapide des risques Assistant de registres de risques Registre de risques Analyse de

Plus en détail

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

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

Plus en détail

Mathématiques Ch. 6 : Exercices

Mathématiques Ch. 6 : Exercices 1 BTS CGO - LYCÉE LOUIS PAYEN - Mathématiques Ch. 6 : Exercices Cours J-L NEULAT 1 Loi normale 1.1 Lecture directe EXERCICE 1 Soit X une variable aléatoire qui suitn(0,1). On donne : P(X 1) 0,84. Sans

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles à Événements Discrets. Réseaux de Petri Stochastiques Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés

Plus en détail

A quoi vont-elles servir?

A quoi vont-elles servir? A quoi vont-elles servir? Décrire Distribution Position : moyenne, mode, médiane, (ordre de grandeur) Résumer paramètres et graphes Forme (symétrie, tendance ) Dispersion : écart-type, variance, quantiles,

Plus en détail

La nouvelle planification de l échantillonnage

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

Plus en détail

Probabilités stationnaires d une chaîne de Markov sur TI-nspire Louis Parent, ing., MBA École de technologie supérieure, Montréal, Québec 1

Probabilités stationnaires d une chaîne de Markov sur TI-nspire Louis Parent, ing., MBA École de technologie supérieure, Montréal, Québec 1 Introduction Probabilités stationnaires d une chaîne de Markov sur TI-nspire Louis Parent, ing., MBA École de technologie supérieure, Montréal, Québec 1 L auteur remercie Mme Sylvie Gervais, Ph.D., maître

Plus en détail

1 La formule de Black et Scholes en t discret

1 La formule de Black et Scholes en t discret Université de Provence Préparation Agrégation Epreuve de Modélisation, Option Proba. Texte : La formule de Black Scholes en Finance Étienne Pardoux 1 La formule de Black et Scholes en t discret On suppose

Plus en détail

SESSION 2014 MATHÉMATIQUES MARDI 17JUIN 2014. Série : SCIENCES ET TECHNOLOGIES DU MANAGEMENT ET DE LA GESTION STMG

SESSION 2014 MATHÉMATIQUES MARDI 17JUIN 2014. Série : SCIENCES ET TECHNOLOGIES DU MANAGEMENT ET DE LA GESTION STMG BACCALAURÉAT TECHNOLOGIQUE SESSION 2014 MATHÉMATIQUES MARDI 17JUIN 2014 Série : SCIENCES ET TECHNOLOGIES DU MANAGEMENT ET DE LA GESTION STMG DURÉE DE L ÉPREUVE : 3 heures COEFFICIENT : 3 Calculatrice autorisée,

Plus en détail

TP N 57. Déploiement et renouvellement d une constellation de satellites

TP N 57. Déploiement et renouvellement d une constellation de satellites TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les

Plus en détail