MODÈLE BAYÉSIEN DE TARIFICATION DE L ASSURANCE DES FLOTTES DE VÉHICULES

Save this PDF as:

Dimension: px
Commencer à balayer dès la page:

Download "MODÈLE BAYÉSIEN DE TARIFICATION DE L ASSURANCE DES FLOTTES DE VÉHICULES"

Transcription

1 Cahier de recherche Sepembre 003 MODÈLE BAYÉSEN DE TARFCATON DE L ASSURANCE DES FLOTTES DE VÉHCULES Jean-François Angers, Universié de Monréal Denise Desardins, Universié de Monréal Georges Dionne, HEC Monréal Résumé Nous proposons un modèle paramérique de aricaion de l assurance de véhicules rouiers apparenan à une loe Les ables de primes qui y son présenées iennen compe des accidens passés des véhicules, des caracérisiques observables des véhicules e des loes e des inracions au code de la sécurié rouière des conduceurs e des ransporeurs De plus, les primes son ausées en oncion des accidens accumulés par les loes dans le emps l s agi d un modèle qui prend en compe direcemen des changemens explicies des diérenes composanes des probabiliés d accidens l représene une exension aux modèles d assurance auomobile de ype bonus-malus pour les primes individuelles (Lemaire, 985; Dionne e Vannase, 989 e 99; Pinque, 997 e 998; Frangos e Vronos, 00; Purcaru e Denui, 003 L exension aoue un ee loe à l ee véhicule pour enir compe des caracérisiques ou des acions non observables des ransporeurs sur les aux d accidens des camions Cee orme de aricaion compore plusieurs avanages Elle perme de visualiser l impac des comporemens des propriéaires des loes e des conduceurs des véhicules sur les aux d accidens prédis e, par conséquen, sur les primes Elle mesure l inluence des inracions e des accidens accumulés sur les primes d assurance mais d une açon diérene En ee, les ees des inracions son obenus via la composane de régression, alors que les ees des accidens proviennen des résidus non expliqués de la régression sur les accidens des camions via un modèle bayésien de aricaion Mos clés : Taricaion de l assurance, loe de véhicules, modèle bayésien, sécurié rouière, bonus-malus Classicaion JEL : D8

2 Absrac We are proposing a parameric model o price insurance or road vehicles belonging o a lee The ables o premiums presened in he aricle ake ino accoun pas vehicle accidens, observable characerisics o he vehicles and lees, and violaions o he road saey code commied by drivers and ransporers The premiums are also adused according o accidens accumulaed by he lees over ime The model proposed accouns direcly or explici changes in he various componens o he probabiliy o accidens represens an exension o insurance models or individual premiums (Lemaire, 985; Dionne and Vannase, 989 and 99; Pinque, 997 and 998; Frangos and Vronos, 00; Purcaru and Denui, 003 The exension adds a lee eec o he vehicle eec so as o measure he impac ha he nonobservable characerisics or acions o ransporers have on ruck acciden raes This orm o pricing oers several advanages allows us o visualize wha impac he behaviours o owners and drivers can have on he prediced rae o accidens and, consequenly, on premiums measures he inluence o rac violaions and accumulaed accidens on insurance premiums rom a dieren angle ndeed, he eecs o violaions are obained by means o he regression componen, whereas he eecs o accidens are derived rom unexplained residuals o he regression on ruck accidens via a Bayes pricing model Keywords: nsurance pricing, lee o vehicles, Bayes model, road saey, Bonus-Malus JEL classicaion: D8

3 NTRODUCTON Très peu d éudes on analysé de açon sysémaique les risques d acciden des loes de véhicules Marie-Jeanne (994 a développé un modèle de aricaion de l assurance en oncion de la aille de la loe e Teugels e Sund (99 on proposé une aricaion basée sur la pere agrégée de la loe D aures chercheurs se son connés à éudier les conduceurs des véhicules pour avoir un porrai des risques que représene un ransporeur (Dionne e al, 995, 00b C es oublier que le propriéaire ou la direcion des enreprises peuven aecer les aux d accidens de leurs véhicules Les décisions sur les heures de ravail, les dépenses d enreien des véhicules e les direcives sur les charges ou les arrimages des véhicules peuven aecer la sécurié rouière Dionne, Desardins e Pinque (999a e 00a on développé des modèles bonus-malus qui iennen compe des comporemens des conduceurs e des propriéaires des véhicules en uilisan une approche semi paramérique Dans ce aricle, nous proposons une approche paramérique La mesure des risques des loes de véhicules es dicile pour plusieurs raisons D une par, il au dénir les uniés qui composen les loes Devons-nous prendre les conduceurs ou les véhicules? En réponse à cee quesion, nous avons opé d uiliser les véhicules, car les inormaions disponibles chez les assureurs permeen de relier coninuellemen les véhicules aux ransporeurs, alors qu il es rès coûeux de relier les inormaions des conduceurs aux ransporeurs, puisque les déplacemens des conduceurs d une loe à une aure ne son pas compabilisés sysémaiquemen, alors que les déplacemens des véhicules le son (immariculaion e assurance Les véhicules représenen des risques individuels diérens Ces risques son inluencés par des caracérisiques observables e non observables des véhicules, des conduceurs qui les uilisen e des ransporeurs qui les possèden ou les louen à long erme l es donc imporan de bien modéliser ces diérenes sources d inormaion Une aure diculé réside dans les poids que l on doi accorder aux inormaions saisiques individuelles e communes (des loes obenues à des ns de aricaion Une modélisaion adéquae de la aricaion des risques des loes doi inégrer les comporemens des conduceurs à ceux des propriéaires an d inroduire des inciais à la prudence qui iennen compe des diérens niveaux de décision en présence de risque moral hiérarchique (Winer, 000 Nous proposons un nouveau modèle de aricaion des véhicules apparenan à une loe (Flue, 999 l s agi d un modèle paramérique qui peu enir compe direcemen des comporemens e des caracérisiques observables e non observables des véhicules, des conduceurs e des propriéaires des loes de véhicules Le modèle proposé es une exension direce des modèles d assurance auomobile de ype bonus-malus (Lemaire 985; Dionne e Vannase 989 e 99; Pinque 997, 998; Frangos e Vronos 00; Purcaru e Denui 003 pour des primes individuelles (voir Pinque 000 pour une revue de la liéraure L exension aoue un ee aléaoire loe à celui des véhicules dans le modèle pour enir compe à la ois des ees non observables des ransporeurs, des véhicules e de leurs conduceurs sur les aux d accidens des camions dans le calcul bayésien ou a poseriori des primes Des variables observables caracérisan les véhicules, les loes e le comporemen de sécurié rouière des conduceurs e des propriéaires des loes son uilisées dans l évaluaion a priori des risques des diérens véhicules 3

4 Nous présenons dans la secion suivane les modèles saisiques d esimaion des probabiliés d accidens des véhicules apparenan à des loes de diérenes ailles Des esimaions saisiques de ces modèles son égalemen discuées La secion 3 développe le sysème bonusmalus opimal inégran, à la ois, les ees loes e les ees véhicules La secion 4 propose diérenes ables de primes alors que la secion 5 ore une discussion sur des exensions possibles du modèle MODÈLES STATSTQUES ET ESTMATONS ÉCONOMÉTRQUES Nore méhodologie es divisée en deux éapes Dans un premier emps, nous devons évaluer les probabiliés d accidens des véhicules des ransporeurs à l aide d un modèle économérique Nous uiliserons les paramères esimés, comme inormaion a priori, dans le calcul des primes d assurance Ces paramères iennen compe de l inormaion disponible sur les caracérisiques observables des véhicules e des loes de même que des inracions des conduceurs e des ransporeurs An de enir compe des caracérisiques e des acions non observables dans la aricaion, nous uiliserons les résidus des esimaions économériques Une conribuion de l aricle es de proposer un nouveau modèle d esimaion des probabiliés d accidens qui permee d isoler expliciemen l ee loe de l ee véhicule Dans un deuxième emps, nous proposons un sysème bonus-malus qui uilisera, à la ois, l inormaion a priori obenue des paramères esimés e l inormaion a poseriori obenue des résidus des esimaions des disribuions d accidens des véhicules An de bien démonrer la conribuion des diérens ees sur les primes d assurance, nous disinguerons le ransporeur ayan un seul véhicule de celui qui en a deux, puis nous généraliserons le modèle au ransporeur ayan plus de deux véhicules MODÈLE ÉCONOMÉTRQUE D ESTMATON DES DSTRBUTONS D ACCDENTS DES VÉHCULES La plupar des modèles économériques appliqués à des variables discrèes (ou de compage on pour poin de dépar la disribuion de Poisson, où la probabilié P d êre impliqué dans y accidens à la période pour un véhicule i apparenan à la loe peu êre représenée par l expression suivane (Hausman e al, 984; Gouriéroux, 999 : λ y ( λ e P( y λ = y! Par déniion de la loi de Poisson, nous avons que l espérance mahémaique du nombre d accidens (E es égale à la variance (Var, E Y = Var Y = λ où es le nombre d accidens du camion i de la loe à la période e ( ( λ > ( 0 es le paramère de la loi de Poisson Cee modélisaion suppose impliciemen que la disribuion d accidens peu êre expliquée enièremen par l héérogénéié observable, ce qui rend inuile l uilisaion d un sysème bonus-malus Y 4

5 Supposons mainenan qu il exise de l héérogénéié non observable parce que ceraines caracérisiques ou acions ne son pas observables par l assureur Posons λ =α avec X de β =, où d mesure le nombre de ours que le véhicule i de la loe es auorisé à circuler duran la période, divisé par le nombre de ours oal de la période C es une mesure d exposiion au risque d acciden L emploi de l exponeniel pour dénir nous perme d assurer la non-négaivié de λ Le veceur X ( = x, L,xp conien les p caracérisiques du camion i de la loe observées à la période ; ce veceur conien des inormaions spéciques au véhicule e d aures spéciques à la loe Le paramère α es l ee aléaoire associé à la loe, c es-à-dire le risque non observable aribuable à la loe, andis que le paramère es l ee aléaoire du camion i de la loe Nous supposons que = où es le nombre oal de véhicules dans la loe En d aures ermes, es la proporion du risque de la loe aribuable au véhicule i ; ainsi, le risque oal non observable du véhicule i de la loe es déni par α l es à noer que lorsque la loe n a qu un seul véhicule, c es-àdire =, = par déniion, ce qui signie que le risque aribuable au véhicule correspond à celui de la loe, ce qui enraîne que λ = α Nous aisons l hypohèse que sui une disribuion Dirichle de paramères ( que α sui une disribuion gamma de paramères ( κ, κ ν, ν, L, ν e Transporeur de aille Pour une période, la disribuion du nombre d'accidens de la loe qui n a qu un seul véhicule es donnée par : ( = ( α ( α P y P y dα 0 ce qui peu êre réécri de la açon suivane, sous l hypohèse que α sui une disribuion gamma ( de paramères κ, κ, ( ( ( y ( κ ( α α y ( y κ e P( y κ κ α = e α dα 0 Γ + Γ κ Mainenan, si nous inégrons cee expression par rappor à α, nous obenons la disribuion binomiale négaive don la probabilié d accidens es donnée par :, 5

6 ( P y ( y ( y ( κ Γ +κ κ = κ + κ + Γ + Γ κ y ( Cee disribuion a éé uilisée à plusieurs reprises dans la liéraure (Lemaire 985; Dionne e Vanasse 989; Gouriéroux 999 Elle perme de modéliser l héérogénéié non observable e d inroduire un sysème bonus-malus pour des observaions individuelles Par conre, elle ne peu pas êre appliquée direcemen pour esimer les probabiliés d acciden des véhicules apparenan à une loe, car elle ne perme pas d isoler l ee loe de l ee véhicule Nous présenons mainenan nore généralisaion de ce modèle de base en débuan par le cas simple d une loe ayan deux véhicules Transporeur ayan véhicules La probabilié oine du nombre d accidens à la période des deux véhicules de la loe es donnée par : où ( ( ( P y,y = P y,y d, 0 = e = Condiionnellemen à, la probabilié oine d acciden es égale à : y y y y ( ( ( ( ( y ( y ( κ κ y + κ α( + ( +κ P( y,y = ( α i = e dα Γ + Γ + Γ κ 0 Ainsi, en inégran, nous obenons une disribuion binomiale négaive condiionnelle à : Γ κ + y i = = ( P y,y κ y y y y ( ( ( ( κ Γ ( y + Γ ( y + Γ( κ ( ( κ + y i = κ + + ( Si mainenan nous subsiuons la valeur de donnée en ( dans P y,y, nous obenons : P( y,y ( 6

7 y y y y Γ κ + y ( ( ( ( κ κ i = = ( 0 Γ ( y + Γ ( y + Γ( κ κ + y i = ( P y,y d ( ( κ + + (3 An d esimer les probabiliés d acciden avec une approche paramérique, nous devons mainenan rendre plus explicie la disribuion de Comme indiqué plus hau, nous supposons que l ee véhicule sui une disribuion Dirichle En remplaçan la oncion de densié dans l équaion (3 par la densié d une Dirichle (qui es une bêa mulivariée de paramères Γνi i ( ν, ν, soi = ν ν ( = ( (, nous obenons : Γ ν ( i ( ( P y,y = y y κ Γ κ + y κ y+ν y+ν ( ( Γ( ν +Γ( ν ( ( d Γ ( y + Γ ( y + Γ( κ Γ( ν Γ( ν 0 κ + y ( ( i κ + + = (4 Pour obenir une valeur de la probabilié oine en (4, il au esimer l inégrale : ( ( y +ν y+ν 0 κ + y ( κ + + ( d Pour ce aire, écrivons l expression κ + ( ( ce qui nous perme de réécrire l inégrale en (4 : ( ( + du dénominaeur de la açon suivane : κ +, κ + ( y ( y ( y y Γ +ν Γ +ν = +ν κ + + ν +ν + + y +ν y+ν d F y ; y y ; y y 0 κ + y Γ + +ν +ν ; κ + i = ( κ + κ + F es une oncion hypergéomérique don la valeur es égale à : 7

8 l= l +ν κ + ( [ ], l! l y +νi ( [ ] [ l] l y y κ + avec [ l] h = h( h L( h l +, une oncion acorielle décroissane La disribuion du nombre d accidens observés à la période des deux véhicules de la loe es mainenan donnée par : ( y y ( ( y = ( y ( y ( ( κ + κ + y i = ( y ( y ( y y ( +Γ( ν ( ( i = Γ + Γ + Γ κ Γ ν Γ ν P y,y κ Γ κ + κ Γ ν Γ +ν Γ +ν F y +ν;κ + y+ y ; ν +ν Γ + +ν +ν + y+ y ; κ + Avan d aborder l esimaion des paramères de cee disribuion par la méhode du maximum de vraisemblance, abordons sa généralisaion à une loe de véhicules 3 Transporeur ayan plus de véhicules Généralisons mainenan le modèle au cas d une loe de véhicules La disribuion du nombre d accidens à la période des véhicules de la loe, es donnée par : où : L = L L L L L 0 0 ( ( ( P y,,y P y,,y,, d d = (5 Nous pouvons réécrire la probabilié condiionnelle dans (5 : ( ( ( = α α P y, L,y, L, P Y, L,Y,, L, dα 0 e en inégran par rappor à α, nous obenons une disribuion binomiale négaive don la probabilié oine condiionnelle d accidens es égale à : 8

9 y y Γ κ + y ( ( κ κ P( y, L,y, L, = Γ ( y + Γ( κ κ + ( κ + y (6 Ainsi, en remplaçan P y, L,y, L, dans l équaion (5 par sa valeur donnée en (6 ( e en remplaçan la oncion de densié, L par la densié d une Dirichle de paramères ( ν, ν,, ν, L, nous obenons l expression suivane : ( L P y,,y κ y +νi ( = d Ld y κ Γ κ + y Γ νi ( Γ ( y + = Γ( κ Γ( ν i = = κ + y i i = i κ + Encore une ois, nous devons esimer l inégrale à plusieurs dimensions : (7 y +νi ( y κ + = i = i = κ + d L d de l équaion (7 pour esimer les paramères du modèle Trois possibiliés son mainenan envisagées : Une première possibilié qui simplie beaucoup les calculs es de supposer que ous les des véhicules son ideniques Sous cee hypohèse, l inégrale mulidimensionnelle de l équaion (7 es réduie à : ( y Γ +ν i ( y i +ν i = dl d = y i κ + = = y κ + i = i = = i ( κ + ( κ + i Γ ( y +ν e la disribuion oine du nombre d accidens à la période des es donnée par l expression suivane : véhicules de la loe 9

10 ( L P y,,y Γκ+ y κ y Γ νi i i = Γ ( y +νi = κ ( Γ κ κ+ κ+ Γ ( y + Γ( νi Γ ( y +νi = (8 L hypohèse de ravail de ce premier scénario suppose impliciemen que ous les véhicules de la loe représenen des risques a priori ideniques, ce qui es probablemen une hypohèse rès ore car, comme nous le verrons, plusieurs variables qui disinguen les véhicules e les habiudes de conduie des conduceurs son signicaives dans l esimaion des probabiliés d acciden Une aure possibilié es de diviser les véhicules en diérens groupes homogènes de risque, comme le on les assureurs en classian les risques Sous cee deuxième possibilié, nous pouvons séparer les véhicules en deux groupes e dénir G =, L,g comme l ensemble des véhicules du premier groupe avec avec = g g avec g g =, e G = g+, L,, comme l ensemble des véhicules du deuxième groupe g+ Ainsi, l inégrale de l équaion (7 devien : g g ci ci ( ( g+ L d L d d g 0 0 κ +g +g g+ c i = y +ν i e d y i = κ + En posan = = ui i,, g g L g; v = e w i = g+, L,, g cee inégrale peu se réécrire de la açon suivane : 0

11 L cg g g ci ci ( vui ( ( v wi vui ( v wi g+ g+ (( κ + v+ ( κ + ( g g v d c g g ( ( c c i Γ ci Γ i c i i = = i g v ( v i g i = + = = + g d ( g 0 c ( g g i c κ + Γ Γ i v g+ ( κ +g d ( g g v v dudwdv dv Γ ( y +ν +ν ( y Γ +νi ( κ +g i g g g = F ( y +νi, κ + y, ( y i, κ + y κ +g i = (9 e en subsiuan l équaion (9 dans l équaion (7, la disribuion du nombre d accidens à la période des véhicules de la loe es donnée par : ( L P y,,y = g Γ y + κ κ y y Γ νi g+ i g g ( y = Γ +νi κ ( Γ κ κ +g κ +g κ +g Γ ( y + Γ( νi Γ ( y +νi g g g F ( y +νi, κ + y, ( y +νi,, κ +g (0 où F es une oncion hypergéomérique elle que dénie dans la secion l es à noer que l équaion (8 es un cas pariculier de l équaion (0 Cee açon de procéder pour esimer l inégrale peu êre généralisée à plusieurs groupes homogènes, mais il n es pas éviden que le gain de précision obenu serai supérieur à celui correspondan à une approximaion Mone Carlo de l inégrale mulivariée de l équaion (7 Nous abordons mainenan l approximaion Mone Carlo de cee inégrale 3 Si nous voulons esimer l inégrale y +νi ( L d L d 0 0 ( κ + κ + y i =

12 par la méhode de Mone Carlo, nous pouvons uiliser la oncion d imporance 999 où =, L,, elle que : % avec ( % ( g % % h % % % % % % N l = % N l Lg( d= L h( d= Lw( h( d w( ( h % (Lange, ( ( % g w ( = % h % En posan : ( Γ y +νi Γ ( y +νi ( y +νi h =, % nous pouvons réécrire l expression de l inégrale mulivariée en muliplian son numéraeur e son dénominaeur par la oncion h ( elle que dénie plus hau e obenir, après % simplicaions, l expression suivane : ( y i Γ y +νi Γ ( y +ν L 0 0 κ + y Γ y +νi i i = ( κ + Γ +ν qui peu êre évaluée par : ( y Γ +νi N i = N l= κ + y y i i = Γ +ν l ( κ + ( En ai, nous pouvons, par exemple, générer des nombres aléaoires, de la densié gamma, ( y +νi dld, qui son des valeurs g y +ν,, pour i =,, e l =,, N où N es le nombre i a l

13 d iéraions de l approximaion de Mone Carlo Ainsi, en posan l = des valeurs d une Dirichle ( y +ν, L,y +ν a l l a, nous obenons La disribuion du nombre d accidens observés à la période des véhicules de la loe es donc approximaivemen égale à : ( L P y,,y κ Γ + κ Γ +κ y i = y y νi ( ( Γ y +ν N i ( Γ κ Γ ( y + i ( i N y Γ y + ν Γ ν l= κ + i i = l ( Dans la secion qui sui nous présenons les résulas économériques obenus des deux premières ormes d approximaion Les résulas saisiques e les calculs des primes avec l approche Mone Carlo son présenés dans Angers, Desardins e Dionne, 003 ESTMATONS ÉCONOMÉTRQUES Saisiques descripives Les données proviennen des chiers de la Sociéé d assurance auomobile du Québec (SAAQ pour les années 997 e 998 (pour une descripion déaillée de la base de données voir Dionne, Desardins e Pinque, 999a Comme l indique le ableau A, nous avons accès à des données de ransporeurs de marchandises par camion déenan des inormaions sur les deux années Plus des deux iers des ransporeurs ne possèden qu un seul véhicule Ces peis ransporeurs déiennen environ 30 % des camions lourds ayan au moins un our d auorisaion de circuler au 3 décembre 998 e au 3 décembre 997 Nous uilisons les données de l année 998 pour les inormaions sur les accidens e les caracérisiques des véhicules e des loes e celles de 997 pour les inracions au code de la sécurié rouière an de respecer la poliique de aricaion de la SAAQ De plus, cee açon de procéder diminue le problème de simulanéié enre les variables inracions e accidens l au menionner qu un véhicule n a pas nécessairemen 365 ours d auorisaion de circuler pour l année 998 On noe, au Tableau B, qu en moyenne, un véhicule a 88,5 % de l année 998 d auorisaion de circuler Selon la aille de la loe, ce pourcenage varie enre 86,7 % e 93,9 % Pour obenir une saisique annuelle, nous avons calculé le nombre de camions en camionsannée, en somman le nombre de ours d auorisaion de circuler de chaque camion e en divisan ensuie par 365 ours Ainsi, pour l année 998, nous obenons 9 99 camions-année La réquence moyenne d accidens oaux par camion-année es de 0,453 Cee moyenne augmene lorsque la aille de la loe augmene, mais diminue lorsque la aille de la loe es supérieure à 50 camions 3

14 Tableau A : Nombre de véhicules ayan au moins un our d auorisaion de circuler en 998 e en 997 par ransporeur Taille de la loe Nombre % véhicule ,87 véhicules 6 8 4,03 3 véhicules 54 5,76 4 à 5 véhicules 095 4,80 6 à 9 véhicules 6,89 0 à 0 véhicules 77,77 à 50 véhicules 78 0,64 5 à 50 véhicules 8 0,9 5 à 400 véhicules 3 0,05 40 véhicules e plus 6 0,0 Toal ,00 Tableau B : Fréquence moyenne d accidens oaux e racion moyenne d auorisaion de circuler selon la aille de la loe pour l année 998 Taille de la loe Nombre de Nombre d accidens pour l année 998 Nombre de camionsannée Fracion de l année 998 d auorisaion de circuler camions Moyenne Écar ype Moyenne Écar ype véhicule ,0 0, ,40 0,8687 0,656 véhicules 56 0,43 0, ,5 0,8739 0,64 3 véhicules ,47 0, ,34 0,890 0,44 4 à 5 véhicules ,495 0, ,4 0,897 0,393 6 à 9 véhicules ,705 0, ,7 0,900 0,343 0 à 0 véhicules ,958 0, ,5 0,903 0,345 à 50 véhicules ,849 0, ,0 0,8989 0,335 5 à 50 véhicules ,056, ,08 0,8687 0,853 5 à 400 véhicules ,380 0, ,95 0,8668 0, véhicules e ,33 0, ,3 0,9390 0,9 Toal ,453 0, ,7 0,885 0,57 Le Tableau C regroupe les véhicules des loes ayan 3 véhicules ou plus en oncion de la médiane du nombre moyen d accidens Deux groupes de risque (ceux don le risque es supérieur à la médiane e ceux don le risque es égal ou inérieur à la médiane son ormés en prédisan les risques d acciden à l aide des paramères de la disribuion binomiale négaive esimés sur l ensemble des véhicules des loes de aille supérieure à deux camions Les loes peuven avoir des camions dans les deux groupes de risque Les deux groupes de risque consruis seron uilisés pour l approximaion de l inégrale muliple avec la oncion hypergéomérique On remarque que seulemen le quar des 7 03 loes de aille supérieure à véhicules on l ensemble de leurs véhicules dans un seul groupe de risque, ce qui implique qu uiliser l hypohèse que les camions son ous a priori ideniques es pluô ore 4

15 Tableau C : Répariion des loes de aille supérieure à véhicules e répariion des loes don les véhicules se rerouven que dans un seul groupe de risque Taille de la loe Nombre de loes N Nombre de loes n ayan qu un seul groupe N (N/N % 3 véhicules ,5 4 à 5 véhicules ,9 6 à 9 véhicules ,7 0 à 0 véhicules ,3 à 50 véhicules ,6 5 à 50 véhicules 8 6 7,3 5 à 400 véhicules 3 0 0,0 40 véhicules e plus 6 0 0,0 Toal ,6 Esimaions des paramères Nous avons uilisé la méhode du maximum de vraisemblance pour esimer les paramères inconnus, κ, ν, β = ( β, L, β p Nous avons appliqué un algorihme d opimisaion dans la procédure ML de SAS Les résulas pour les loes de aille e son présenés au Tableau L en annexe Le Tableau M (en annexe donne les esimaions des paramères pour l ensemble des véhicules Pour cee dernière esimaion, les véhicules on éé divisés en deux groupes de risque selon le nombre médian d accidens par camion prédi par le modèle de la disribuion binomiale négaive La marice de variance-covariance a éé esimée à parir de la sous-rouine NLFPDD de SAS Nous uilisons le seuil de 0 % (p inérieur ou égal à 0,0 pour considérer un coecien saisiquemen diéren de zéro On noe au Tableau L que les véhicules des ransporeurs de aille ayan plus d expérience on moins d accidens (nombre d années en an que ransporeur Les résulas indiquen égalemen que le seceur d acivié du ransporeur, le ype d uilisaion du véhicule, le ype de carburan, le nombre de cylindres ainsi que le nombre d essieux son des aceurs explicais d accidens Les camions don le seceur d acivié du ransporeur es le camionnage public général son moins à risque d acciden que ceux don le seceur d acivié es le camionnage public en vrac Les camions ransporan des biens aures que du vrac son plus à risque que ceux qui ransporen des maières en vrac Les camions qui uilisen de l essence comme carburan on moins d accidens que ceux qui consommen du diesel e les véhicules ayan un moeur de 6 à 7 cylindres on plus d accidens que ceux de 8 ou plus de 0 cylindres En ce qui concerne le nombre d essieux qui supporen le véhicule, à l excepion du groupe 5 essieux, ceux ayan 4 essieux ou moins son moins à risque d acciden que les véhicules ayan 6 essieux e plus Les véhicules ayan une inracion commise en 997, pour surcharge ou pour non-respec de la véricaion mécanique (inracions loes, son plus à risque d acciden en 998 que ceux qui n on pas ces ypes d inracion De plus, les véhicules don les conduceurs on accumulé des inracions enraînan des poins d inapiudes en 997 représenen des risques d acciden plus élevés en 998 que ceux qui n en on pas Ces paramères on éé esimés à parir de données provenan de ransporeurs ou véhicules 5

16 l y a 6 8 ransporeurs de aille, soi 56 camions lourds ayan au moins un our d auorisaion de circuler pour l année 998 e égalemen pour l année 997 On noe au Tableau L que les véhicules des ransporeurs de aille ayan plus d expérience on moins d accidens Les résulas indiquen que le ype de carburan, le nombre de cylindres ainsi que le nombre d essieux son des aceurs explicais d accidens, une ois les aures aceurs pris en compe Les véhicules don les conduceurs on commis une inracion en 997 pour surcharge ou pour arrimage inadéqua son plus à risque d acciden en 998 que ceux qui n on pas respecivemen ce ype d inracions De plus, les véhicules ayan des inracions enraînan des poins d inapiude en 997 représenen des risques d acciden plus élevés en 998 que ceux qui n en on pas l es à noer que les résulas des deux régressions son assez semblables Le ableau L rappore égalemen les résulas sur les paramères des disribuions des ees aléaoires La régression des loes de aille indique que le paramère κ de la binomiale négaive es signicai, ce qui veu dire que nous pouvons reeer la disribuion de Poisson e appliquer un modèle bonus-malus de aricaion de l assurance à ces loes La régression des loes de aille indique que les deux paramères κ e ν son signicais au seuil de 90 %, ce qui indique que les ees véhicules e les ees loes peuven êre uilisés dans les calculs des primes des loes de aille On rerouve les mêmes résulas pour l ensemble des camions dans le ableau M en annexe, qui présene les résulas de la régression pour l ensemble des camions lourds On remarque égalemen au ableau M que les véhicules des ransporeurs ayan plus d expérience enregisren en moyenne moins d accidens On observe que les camions lourds don le seceur d acivié du ransporeur es celui de locaion à cour erme son plus à risque d acciden que ceux don le seceur d acivié es le camionnage public en vrac Les résulas indiquen égalemen que les véhicules des plus grandes loes enregisren en moyenne plus d accidens que ceux de aille, mais les coeciens des ailles supérieures à 49 son inérieurs à ceux des ailles de 6 à 49 véhicules Les véhicules ayan une inracion commise en 997 pour surcharge, pour arrimage inadéqua ou pour non-respec de la véricaion mécanique son plus à risque d acciden en 998 que ceux qui n on pas ces ypes d inracions De plus, les véhicules don les conduceurs on accumulé des inracions enraînan des poins d inapiude en 997 représenen des risques d acciden plus élevés en 998 que ceux qui n en on pas Ces coeciens seron rès uiles pour esimer les risques a priori dans le calcul des primes d assurance, alors que les coeciens κ e ν le seron pour auser les primes selon les accidens passés des véhicules e des loes dans le modèle bonus-malus 6

17 3 BONUS-MALUS 3 SYSTÈME BONUS-MALUS OPTMAL Pour consruire un sysème bonus-malus opimal (Lemaire, 985; Dionne e Vanasse, 989, 99 basé sur le nombre d accidens passés d un camion ainsi que ceux de sa loe, nous devons calculer la prime à la période + en uilisan le rappor des espérances mahémaiques suivan : ( α E y,x + E( α Le erme + correspond à la parie de l espérance mahémaique obenue des régressions + X économériques l es égal à d e + β + où d es le nombre de ours que le véhicule i de la loe es auorisé à circuler à la période + divisé par le nombre de ours oal de la période + Comme déà indiqué, c es une mesure d exposiion au risque La composane de régression + correspond à X β où le veceur des coeciens β a éé esimé à l aide des diérens modèles économériques e X = ( x, L,xp de la loe au débu de la période +; ainsi disribuion Dirichle de paramères ( ν, ν, L, ν e que paramères( κ, κ représene les p caracérisiques observables du camion i ( X, L,X, L,X, L,X + + donne les p caracérisiques de ous les camions de la loe usqu à la période + Le veceur y (, L, = y y, L,y,y représene les accidens des véhicules de la loe usqu à la,l période e E ( α y, X désigne l espérance mahémaique des ees loe e véhicule aribuables au véhicule i, éan donné l expérience passée mesurée par les accidens accumulés au cours des périodes précédenes Comme nous le verrons, la modélisaion proposée iendra compe, à la ois, des accidens du véhicule i e de ceux de sa loe Ces ees iennen compe des aceurs non observables qui peuven aecer les accidens des camions e des loes : α es l ee associé à la loe e es le poids du camion i de la loe sur ce ee loe Finalemen, E( α donne l espérance mahémaique des deux ees aribuables au camion i non condiionnelle aux accidens Pour calculer ces espérances mahémaiques, nous uilisons les résulas économériques de la secion précédene qui ne reeen pas l hypohèse que sui une X = α sui une disribuion gamma de L équaion précédene provien d une analyse bayésienne de l évoluion des accidens dans le emps Nous allons mainenan démonrer sa orme explicie sous les hypohèses de disribuion saisique des deux ees aléaoires Supposons que la vraie espérance mahémaique du nombre + d accidens du camion i de la loe à la période + es égale à λ Elle es une ( X, α, oncion du veceur de caracérisiques observables du véhicule usqu à la période + e des aceurs aléaoires de la loe α e du véhicule que l on suppose indépendans du emps 7

18 L esimaeur opimal de cee espérance mahémaique à la période +, λˆ éan donné les observaions obenues sur les accidens usqu à la période e celles sur les caracérisiques usqu à la période +, peu êre calculé de la açon suivane : ( ( α ( y,x + ( ( L,,y,X E y,x E E α, y,x λ ˆ = = y,x E( α E( E( α E( où : + + ( X = X, L,X, L,X, L,X (,y, L,y e y = y, L,y, L Or, nous savons que : ( ( L ( ( L L E E α,,,y,x y,x = E α,,,y,x,, y,x d Ld = i = avec : ( L,, y,x = = i = ( L ( L ( P y,,,x P y,,,x ( L L d Ld De même, nous pouvons calculer : ( L ( L E α y,x,,, = α α y,x,,, 0 dα avec : ( L α y,x,,, = 0 ( α L P y,,,,x ( α L P y,,,,x ( α ( α dα Regardons mainenan commen nous pouvons appliquer cee ormule de aricaion bayésienne aux ransporeurs de diérenes ailles 3 Transporeur de aille Dans cee siuaion, la oncion de vraisemblance es donnée par : 8

19 où y y ( α e ( y y α α = + = P( y, L,y α,x, L,X = = ( α e ( = y! = y! indique les accidens du camion à la période En appliquan le héorème de Bayes, nous avons que la oncion de densié de α, éan donné les accidens passés observés usqu à la période, correspond à une densié gamma de paramères κ + y, κ + = = ( déni par: y +κ = α y κ + κ + ( = + α = = Γ y κ + = α y, L,y,X, L,X = e κ + Ainsi, l espérance mahémaique de α, éan donné ses accidens passés observés usqu à la période, es égale à : κ + y = κ + = + ( L L L E α y,,y,,x,,x = L esimaeur de l espérance mahémaique du nombre d accidens du camion de la loe à la période +, éan donné ses accidens observés usqu à la période, es égal à : + κ + y E ( α y, L,y, L,X, L,X + + = E ( α κ + = = ( L équaion ( es la ormule uilisée dans la liéraure acuarielle (Lemaire, 985; Dionne e Vanasse, 989, 99 pour les véhicules individuels e n a pas à enir compe de l ee loe, puisque la loe c es le véhicule 3 Transporeur ayan véhicules Dans cee siuaion, la oncion de vraisemblance es donnée par : y α + ( ( y y y = = P( y,,x ( = ( = ( i = = e α = α = i = Γ( y (3 9

20 où : ( y = y, L,y,y, L,y e X X + + =, L,X,X, L,X ( Nous savons que la oncion de densié a poseriori de α, éan donné les accidens passés observés usqu à la période e pour des valeurs xées pour les ees aléaoires des camions de la loe, correspond à une densié gamma de paramères : soi : y + κ, κ + + (, = i = = = y ( ( + κ κ + + α i κ + + = = = = = = ( α y,x, = ( α e Γκ + y = i = y + κ i = = L espérance mahémaique de α, éan donné les accidens passés observés usqu à la période e pour des valeurs xées pour les ees aléaoires des camions de la loe, es égale à : κ + y = i = κ + + ( = = ( E α y,x, = (4 De plus, la oncion de densié de, éan donné les accidens passés observés usqu à la période des camions de la loe, es égale à : ( y,x = D ν+ y ν+ y = = ( ( κ + + ( = = κ + y i = = (5 où : Γν i + y = = = D = F ν + y ;κ + y ; ν i+ y ; κ + y = = = i = = κ + Γ ν i + y κ + = = = 0

2. Quelle est la valeur de la prime de l option américaine correspondante? Utilisez pour cela la technique dite de remontée de l arbre.

2. Quelle est la valeur de la prime de l option américaine correspondante? Utilisez pour cela la technique dite de remontée de l arbre. 1 Examen. 1.1 Prime d une opion sur un fuure On considère une opion à 85 jours sur un fuure de nominal 18 francs, e don le prix d exercice es 175 francs. Le aux d inérê (coninu) du marché monéaire es 6%

Plus en détail

TD/TP : Taux d un emprunt (méthode de Newton)

TD/TP : Taux d un emprunt (méthode de Newton) TD/TP : Taux d un emprun (méhode de Newon) 1 On s inéresse à des calculs relaifs à des remboursemens d empruns 1. On noera C 0 la somme emprunée, M la somme remboursée chaque mois (mensualié), le aux mensuel

Plus en détail

- PROBABILITE : c est le rapport (Nbr de cas favorable/nbr de cas possible). C est un nombre compris entre 0 et 1.

- PROBABILITE : c est le rapport (Nbr de cas favorable/nbr de cas possible). C est un nombre compris entre 0 et 1. Les premières consaaions sur l inapiude des produis indusriels à assurer les foncions qu ils éaien censés remplir pendan un emps suffisan remonen à la seconde guerre mondiale. En France cee prise de conscience

Plus en détail

ANNEXE 2 - REGLES DE CALCUL DU TAUX DE RENTABILITE DES EXTENSIONS DE RESEAU

ANNEXE 2 - REGLES DE CALCUL DU TAUX DE RENTABILITE DES EXTENSIONS DE RESEAU ANNEXE 2 - REGLES DE CALCUL DU TAUX DE RENTABILITE DES EXTENSIONS DE RESEAU SOMMAIRE ARTICLE 1 - Définiion du aux de renabilié ARTICLE 2 - Seuil minimum de renabilié ARTICLE 3 - Evaluaion de la recee acualisée

Plus en détail

RELATIONS FONCTIONNELLES. I Généralités

RELATIONS FONCTIONNELLES. I Généralités Universié d'angers : LSEN relaions foncionnelles p. Parie A : Proporionnalié RELATIONS FONCTIONNELLES I Généraliés / Définiion : Soien deux suies de nombres réels : (x ;x ;x ;x 4 ) e (y ;y ;y ;y 4 ). Ces

Plus en détail

La rentabilité des investissements

La rentabilité des investissements La renabilié des invesissemens Inroducion Difficulé d évaluer des invesissemens TI : problème de l idenificaion des bénéfices, des coûs (absence de saisiques empiriques) problème des bénéfices Inangibles

Plus en détail

Pourcentages MATHEMATIQUES 1ES. à débourser 1 700. CORRIGES EXERCICES. Prix de l article : 1 700 = 85% du prix donc 1 700 100 Exercice 1.

Pourcentages MATHEMATIQUES 1ES. à débourser 1 700. CORRIGES EXERCICES. Prix de l article : 1 700 = 85% du prix donc 1 700 100 Exercice 1. Pourcenages MATHEMATQUES 1ES 5. Lors de l acha d un aure aricle, je dois verser un acompe de 15%, e il me resera alors POURCENTAGES à débourser 1 700. CORRGES EXERCCES Prix de l aricle : 1 700 = 85% du

Plus en détail

DE PROJECTION ET DE SIMULATION DES REGIMES DE SECURITE SOCIALE

DE PROJECTION ET DE SIMULATION DES REGIMES DE SECURITE SOCIALE UNIVERSITE DE TUNIS Faculé des sciences économiques e de gesion de Tunis MODELE DE PROJECTION ET DE SIMULATION DES REGIMES DE SECURITE SOCIALE Ezzeddine MBAREK 2010 1 INTRODUCTION Le modèle que je propose

Plus en détail

F 2 = - T p K 0. ... F T = - T p K 0 - K 0

F 2 = - T p K 0. ... F T = - T p K 0 - K 0 Correcion de l exercice 2 de l assisana pré-quiz final du cours Gesion financière : «chéancier e aux de renabilié inerne d empruns à long erme» Quesion : rappeler la formule donnan les flux à chaque échéance

Plus en détail

4. Principe de la modélisation des séries temporelles

4. Principe de la modélisation des séries temporelles 4. Principe de la modélisaion des séries emporelles Nous raierons ici, à ire d exemple, la modélisaion des liens enre la polluion amosphérique e les indicaeurs de sané. Mais les méhodes indiquées, comme

Plus en détail

Page # $ %& +',- VAN = 30; F 2 = 50; F 3 = 140. = -200 ; F 1. Avec r = 3% => VAN = 4,38 > 0. Avec r = 5% => VAN = -5,14 < 0.

Page # $ %& +',- VAN = 30; F 2 = 50; F 3 = 140. = -200 ; F 1. Avec r = 3% => VAN = 4,38 > 0. Avec r = 5% => VAN = -5,14 < 0. # $ %& 1. La VAN. Les aures crières 3. Exemple. Choix d invesissemen à long erme 5. Exercices!" '* '( Un proje ne sera mis en œuvre que si sa valeur acuelle nee ou VAN, définie comme la somme acualisée

Plus en détail

Prénom et nom : Devoir-Maison, à rendre le mardi 28 avril 2014

Prénom et nom : Devoir-Maison, à rendre le mardi 28 avril 2014 Prénom e nom : Devoir-Maison, à rendre le mardi 28 avril 2014 Exercice n 1 Un ouvrier dispose de plaques de méal de 110 cm de longueur e de 88 cm de largeur. Il a reçu la consigne suivane : «Découpe dans

Plus en détail

6. Étude de courbes paramétrées (C) : Ces équations sont appelées équations paramétriques de (C). { x = x t. On note parfois également.

6. Étude de courbes paramétrées (C) : Ces équations sont appelées équations paramétriques de (C). { x = x t. On note parfois également. ÉTUDE DE COURBES PARAMÉTRÉES 39 6. Éude de courbes paramérées 6.. Définiions Remarques La courbe (C) n es pas nécessairemen le graphe d une foncion ; c es pourquoi on parle de courbe paramérée e non pas

Plus en détail

Texte Ruine d une compagnie d assurance

Texte Ruine d une compagnie d assurance Page n 1. Texe Ruine d une compagnie d assurance Une nouvelle compagnie d assurance veu enrer sur le marché. Elle souhaie évaluer sa probabilié de faillie en foncion du capial iniial invesi. On suppose

Plus en détail

Exemples de résolutions d équations différentielles

Exemples de résolutions d équations différentielles Exemples de résoluions d équaions différenielles Table des maières 1 Définiions 1 Sans second membre 1.1 Exemple.................................................. 1 3 Avec second membre 3.1 Exemple..................................................

Plus en détail

Recueil d'exercices de logique séquentielle

Recueil d'exercices de logique séquentielle Recueil d'exercices de logique séquenielle Les bascules: / : Bascule JK Bascule D. Expliquez commen on peu modifier une bascule JK pour obenir une bascule D. 2/ Eude d un circui D Q Q Sorie A l aide d

Plus en détail

Exercice du Gestion Financière à Court Terme «Cas FINEX Gestion du risque de taux d intérêt»

Exercice du Gestion Financière à Court Terme «Cas FINEX Gestion du risque de taux d intérêt» Exercice du Gesion Financière à Cour Terme «Cas FINEX Gesion du risque de aux d inérê» Ce cas raie des différens aspecs de la gesion du risque de aux d inérê liée à la dee d une enreprise : analyse d emprun,

Plus en détail

«Savoir vendre les nouvelles classes d actifs financiers» Produits à capital garanti : méthode du coussin (CCPI) François Longin www.longin.

«Savoir vendre les nouvelles classes d actifs financiers» Produits à capital garanti : méthode du coussin (CCPI) François Longin www.longin. Formaion ESSEC Gesion de parimoine Séminaire i «Savoir vendre les nouvelles classes d acifs financiers» Produis à capial garani : méhode du coussin (CCPI) Origine de la méhode Descripion de la méhode Plan

Plus en détail

L évaluation immobilière. Michel Baroni 27/11/2009

L évaluation immobilière. Michel Baroni 27/11/2009 L évaluaion immobilière Michel Baroni 27/11/2009 Méhodes exisanes Méhodes des comparables Dépend de la base de données; méhode hédonique évenuellemen possible Méhodes de capialisaion Dépend de la base

Plus en détail

Modélisation et quantification de systèmes vieillissants pour l optimisation de la maintenance

Modélisation et quantification de systèmes vieillissants pour l optimisation de la maintenance ème édiion du congrès inernaional pluridisciplinaire Du au 20 mars 2009 Modélisaion e quanificaion de sysèmes vieillissans pour l opimisaion de la mainenance LAIR William,2, MERCIER Sophie, ROUSSIGNOL

Plus en détail

Le mode de fonctionnement des régimes en annuités. Secrétariat général du Conseil d orientation des retraites

Le mode de fonctionnement des régimes en annuités. Secrétariat général du Conseil d orientation des retraites CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 28 janvier 2009 9 h 30 «Les différens modes d acquisiion des drois à la reraie en répariion : descripion e analyse comparaive des echniques uilisées»

Plus en détail

CARACTERISTIQUES STATIQUES D'UN SYSTEME

CARACTERISTIQUES STATIQUES D'UN SYSTEME CARACTERISTIQUES STATIQUES D'UN SYSTEE 1 SYSTEE STABLE, SYSTEE INSTABLE 1.1 Exemple 1: Soi un sysème composé d une cuve pour laquelle l écoulemen (perurbaion) es naurel au ravers d une vanne d ouverure

Plus en détail

Caractéristiques des signaux électriques

Caractéristiques des signaux électriques Sie Inerne : www.gecif.ne Discipline : Génie Elecrique Caracérisiques des signaux élecriques Sommaire I Définiion d un signal analogique page 1 II Caracérisiques d un signal analogique page 2 II 1 Forme

Plus en détail

Annuités. I Définition : II Capitalisation : ( Valeur acquise par une suite d annuités constantes ) V n = a t

Annuités. I Définition : II Capitalisation : ( Valeur acquise par une suite d annuités constantes ) V n = a t Annuiés I Définiion : On appelle annuiés des sommes payables à inervalles de emps déerminés e fixes. Les annuiés peuven servir à : - consiuer un capial ( annuiés de placemen ) - rembourser une dee ( annuiés

Plus en détail

Les circuits électriques en régime transitoire

Les circuits électriques en régime transitoire Les circuis élecriques en régime ransioire 1 Inroducion 1.1 Définiions 1.1.1 égime saionnaire Un régime saionnaire es caracérisé par des grandeurs indépendanes du emps. Un circui en couran coninu es donc

Plus en détail

Exercices de baccalauréat série S sur la loi exponentielle

Exercices de baccalauréat série S sur la loi exponentielle Eercices de baccalauréa série S sur la loi eponenielle (page de l énoncé/page du corrigé) La compagnie d'auocars (Bac série S, cenres érangers, 23) (2/) Durée de vie d'un composan élecronique (Bac série

Plus en détail

TB 352 TB 352. Entrée 1. Entrée 2

TB 352 TB 352. Entrée 1. Entrée 2 enrées série TB logiciel d applicaion 2 enrées à émission périodique famille : Inpu ype : Binary inpu, 2-fold TB 352 Environnemen Bouon-poussoir TB 352 Enrée 1 sories 230 V Inerrupeur Enrée 2 Câblage sur

Plus en détail

La population d une ville était de 150 000 habitants en 2000. Elle s est accrue chaque année de 20 000 habitants.

La population d une ville était de 150 000 habitants en 2000. Elle s est accrue chaque année de 20 000 habitants. Exercice 1 : évoluions e pourcenages La populaion d une ville éai de 150 000 habians en 2000. Elle s es accrue chaque année de 20 000 habians. Calculer l augmenaion en pourcenage de 2000 à 2001, de 2001

Plus en détail

df( t) P( t T t dt) ft ( ) lim

df( t) P( t T t dt) ft ( ) lim I APPROCHE DE LA FIABILITE PAR LES PROBABILITES : Définiion selon la NF X 6 5 : la fiabilié es la caracérisique d un disposiif exprimée par la probabilié que ce disposiif accomplisse une foncion requise

Plus en détail

E9904 Optimisation d un sondage à probabilité proportionnelle à la taille. Le cas des CA3. Christian HESSE, Benoît MERLAT

E9904 Optimisation d un sondage à probabilité proportionnelle à la taille. Le cas des CA3. Christian HESSE, Benoît MERLAT E9904 Opimisaion d un sondage à probabilié proporionnelle à la aille Le cas des CA3 Crisian HESSE, Benoî MERLAT 3 Opimisaion d un sondage à probabilié proporionnelle à la aille Le cas des CA3 Crisian

Plus en détail

TD 20-21 : Modèles de marchés - Mouvement brownien

TD 20-21 : Modèles de marchés - Mouvement brownien Universié Paris VI Maser : Modèles sochasiques, applicaions à la finance (MM065) TD 20-2 : Modèles de marchés - Mouvemen brownien. Taux de change. Soi (Ω, P(Ω), P) un espace probabilisé fini non redondan

Plus en détail

Correction de l exercice 1 du cours Management Bancaire : «Calcul de la VaR d une obligation»

Correction de l exercice 1 du cours Management Bancaire : «Calcul de la VaR d une obligation» Correcion de l exercice du cours Managemen Bancaire : «Calcul de la VaR d une obligaion» Quesion : calculer numériquemen la duraion e la convexié de l obligaion de coure maurié e de l obligaion de longue

Plus en détail

Chapitre 15 c Circuits RL et RC

Chapitre 15 c Circuits RL et RC Chapire 15 c Circuis L e C en régime impulsionnel Sommaire Circuis en régime impulsionnel Signal impulsionnel Mesure d'un circui C en régime impulsionnel Applicaion praique Eude du circui C en régime impulsionnel

Plus en détail

Impact du vieillissement démographique sur l impôt prélevé sur les retraits des régimes privés de retraite

Impact du vieillissement démographique sur l impôt prélevé sur les retraits des régimes privés de retraite DOCUMENT DE TRAVAIL 2003-12 Impac du vieillissemen démographique sur l impô prélevé sur les rerais des régimes privés de reraie Séphane Girard Direcion de l analyse e du suivi des finances publiques Ce

Plus en détail

Estimation composite par régression pour l Enquête sur la population active du Canada avec plan de sondage à renouvellement de panel

Estimation composite par régression pour l Enquête sur la population active du Canada avec plan de sondage à renouvellement de panel Techniques d enquêe, juin 00 35 Vol. 7, N o, pp. 35 48 Saisique Canada, N o 00 au caalogue Esimaion composie par régression pour l Enquêe sur la populaion acive du Canada avec plan de sondage à renouvellemen

Plus en détail

Théorème de Cauchy-Lipschitz et applications. Lefeuvre thomas & Ginguené franck 30 mars 2012

Théorème de Cauchy-Lipschitz et applications. Lefeuvre thomas & Ginguené franck 30 mars 2012 Théorème de Cauchy-Lipschiz e applicaions Lefeuvre homas & Ginguené franck 30 mars 01 1 Table des maières 1 Théorème du poin fixe 3 1.1 Énoncé.......................................... 3 1. Démonsraion.....................................

Plus en détail

IRM fonctionnelle : QUELQUES IDEES SUR LE TRAITEMENT STATISTIQUE DES DONNEES

IRM fonctionnelle : QUELQUES IDEES SUR LE TRAITEMENT STATISTIQUE DES DONNEES IRM foncionnelle : QUELQUES IDEES SUR LE TRAITEMENT STATISTIQUE DES DONNEES Le principe général d'une éude IRMf consise à analyser le signal BOLD (Blood Oxygen Level Dependen) qui radui l'augmenaion d'afflux

Plus en détail

Etude de risque pour un portefeuille d assurance récolte

Etude de risque pour un portefeuille d assurance récolte Eude de risque pour un porefeuille d assurance récole Hervé ODJO GROUPAMA Direcion ACTUARIAT Groupe 2, Bd Malesherbes 75008 Paris Tél : 33 (0 44 56 72 46 herve.odjo@groupama.com Viviane RITZ GROUPAMA Direcion

Plus en détail

Surveillance et maintenance Prévisionnelle

Surveillance et maintenance Prévisionnelle Page Surveillance e mainenance Prévisionnelle Sommaire Page 2 La Prévisionnelle o Terminologie e Normes o Elémens de conexe ( enjeux, mise en œuvre.) Exemples d applicaions réalisées par le Ceim o L approche

Plus en détail

ECO 3022: Macroéconomie III Exercice 2

ECO 3022: Macroéconomie III Exercice 2 ECO 3022: Macroéconomie III Exercice 2 Seve Ambler Déparemen des sciences économiques École des sciences de la gesion Universié du Québec Monréal c 2016, Seve Ambler Auomne 2016 Veuillez écrire lisiblemen.

Plus en détail

Simulation : application au système bonus-malus en responsabilité civile automobile

Simulation : application au système bonus-malus en responsabilité civile automobile 4/5/98 Simulaion : applicaion au sysème bonus-malus Simulaion Simulaion : applicaion au sysème bonus-malus en responsabilié civile auomobile 4/5/98 Simulaion : applicaion au sysème bonus-malus Programme

Plus en détail

Procédé thermocyclique de régulation de température

Procédé thermocyclique de régulation de température - 1 - Innovaion echnologique dans le domaine de la régulaion de empéraure, le procédé hermocyclique foncionne selon un principe unique en son genre qui n a rien en commun avec les régulaions par hermosa

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 documen a éé numérisé par le CRDP de Bordeaux pour la Base Naionale des Sujes d Examens de l enseignemen professionnel. Campagne 2013 Ce fichier numérique ne peu êre reprodui, représené, adapé ou radui

Plus en détail

Files d attente (1) F. Sur - ENSMN. Introduction. 1 Introduction. Vocabulaire Caractéristiques Notations de Kendall Loi de Little.

Files d attente (1) F. Sur - ENSMN. Introduction. 1 Introduction. Vocabulaire Caractéristiques Notations de Kendall Loi de Little. Cours de Tronc Commun Scienifique Recherche Opéraionnelle Les files d aene () Les files d aene () Frédéric Sur École des Mines de Nancy www.loria.fr/ sur/enseignemen/ro/ 5 /8 /8 Exemples de files d aene

Plus en détail

L inflation dans la zone euro et aux États-Unis est. Rue de la Banque. Le découplage des courbes de rendement en euro et en dollar

L inflation dans la zone euro et aux États-Unis est. Rue de la Banque. Le découplage des courbes de rendement en euro et en dollar Le découplage des courbes de rendemen en euro e en dollar Benoî MOJON Direceur des Éudes monéaires e financières Fulvio PEGORARO Direcion des Éudes monéaires e financières Cee lere présene le résula de

Plus en détail

MATHEMATIQUES FINANCIERES

MATHEMATIQUES FINANCIERES MATHEMATIQUES FINANCIERES LES ANNUITES INTRODUCTION : Exemple 1 : Une personne veu acquérir une maison pour 60000000 DH, pour cela, elle place annuellemen au CIH une de 5000000 DH. Bu : Consiuer un capial

Plus en détail

INSTRUMENTATION ELECTRIQUE OSCILLOSCOPE NUMERIQUE GENERATEUR BASSE FREQUENCE UTILISE EN SINUSOIDAL Etude théorique

INSTRUMENTATION ELECTRIQUE OSCILLOSCOPE NUMERIQUE GENERATEUR BASSE FREQUENCE UTILISE EN SINUSOIDAL Etude théorique 1 INSUMENAION ELEIQUE OSILLOSOPE NUMEIQUE GENEAEU BASSE FEQUENE UILISE EN SINUSOIDAL Eude héorique 1 Noions élémenaires 1.1 Masse e erre : Lorsqu on mesure une ension, on mesure en fai une différence de

Plus en détail

Les solutions solides et les diagrammes d équilibre binaires. sssp1. sssp1 ssss1 ssss2 ssss3 sssp2

Les solutions solides et les diagrammes d équilibre binaires. sssp1. sssp1 ssss1 ssss2 ssss3 sssp2 Les soluions solides e les diagrammes d équilibre binaires 1. Les soluions solides a. Descripion On peu mélanger des liquides par exemple l eau e l alcool en oue proporion, on peu solubiliser un solide

Plus en détail

2nde FICHE n 8 Utiliser les différents types de pourcentage

2nde FICHE n 8 Utiliser les différents types de pourcentage 2nde FICHE n 8 Uiliser les différens ypes de pourcenage Lorsque l on éudie un problème avec des pourcenages, il convien d abord de se poser la quesion du ype de pourcenage uilisé dans ce problème : le

Plus en détail

Présentation groupe de travail

Présentation groupe de travail Présenaion groupe de ravail Sofiane Saadane jeudi 23 mai 2013 Résumé L aricle sur lequel on ravaille [LP09] présene un problème de bandi à deux bras comporan une pénalié. Nous commencerons par présener

Plus en détail

BTS Mécanique et Automatismes Industriels. Fiabilité

BTS Mécanique et Automatismes Industriels. Fiabilité BTS Mécanique e Auomaismes Indusriels Fiabilié Lcée Louis Armand, Poiiers, Année scolaire 23 24 . Premières noions de fiabilié Fiabilié Dans ou ce paragraphe, nous nous inéressons à un disposiif choisi

Plus en détail

Les déclencheurs électroniques STRE23SE se montent indifféremment sur les compacts NS 400 et NS 630 de type N, H ou L.

Les déclencheurs électroniques STRE23SE se montent indifféremment sur les compacts NS 400 et NS 630 de type N, H ou L. 14/1/6 Quesion : Commen régler correcemen le déclencheur élecronique STRE23SE? Réponse : Les déclencheurs élecroniques STRE23SE se monen indifféremmen sur les compacs NS 4 e NS 63 de ype N, H ou L. Le

Plus en détail

Romain Burgot & Tchim Silué. Synthèse de l article : Note sur l évaluation de l option de remboursement anticipé

Romain Burgot & Tchim Silué. Synthèse de l article : Note sur l évaluation de l option de remboursement anticipé ENSAE 3 eme année Romain Burgo & Tchim Silué Synhèse de l aricle : Noe sur l évaluaion de l opion de remboursemen anicipé Mémoire de gesion ALM Juin 2006 Résumé Depuis 1979, la loi offre à l empruneur

Plus en détail

Temps-fréquence et traitement statistique

Temps-fréquence et traitement statistique in Temps-réquence: conceps e ouils, eds. F. lawasch and F. Auger, Paris, France: ermes/lavoisier, 2005, Chap. 10, pp. 289 330. Copyrigh 2005 ermes/lavoisier Chapire 10 Temps-réquence e raiemen saisique

Plus en détail

4.9 Calcul de la maçonnerie portante soumise à une charge verticale

4.9 Calcul de la maçonnerie portante soumise à une charge verticale La radioacivié évenuellemen émise dans les consrucions es due, principalemen, à la présence de Radium (Ra 226) e/ou Thorium (Th 232) dans le sous-sol e dans les maériaux uilisés. Parmi ceux-ci, le béon

Plus en détail

EVALUATION : LA GÉNÉRATION ÉLECTRIQUE EN AÉRONAUTIQUE

EVALUATION : LA GÉNÉRATION ÉLECTRIQUE EN AÉRONAUTIQUE EVALUATION : LA GÉNÉRATION ÉLECTRIQUE EN AÉRONAUTIQUE Temps impari = 1 heure ; Tous documens auorisés excepé la copie du voisin(e) Lire ou l énoncé avan de commencer. Le besoin en énergie élecrique à bord

Plus en détail

Aide pour le devoir maison n 1 de Terminale STG GSI (704)

Aide pour le devoir maison n 1 de Terminale STG GSI (704) Aide pour le devoir maison n 1 de Terminale STG GSI (704) Mahémaiques Nombre d'exercices : 4 exercices Noe : L'exercice 4 es une pure copie d'un exercice d'un devoir surveillé de l'an dernier. Cela ne

Plus en détail

Intégration de Net2 avec un système d alarme intrusion

Intégration de Net2 avec un système d alarme intrusion Ne2 AN35-F Inégraion de Ne2 avec un sysème d alarme inrusion Vue d'ensemble En uilisan l'inégraion d'alarme Ne2, Ne2 surveillera si l'alarme inrusion es armée ou désarmée. Si l'alarme es armée, Ne2 permera

Plus en détail

Etalonnage d une caméra

Etalonnage d une caméra Ealonnage d une caméra (on parle aussi de calibrage) Parick Héber & Denis Laurendeau (Dernière révision : juin 216) 1 Noion de plan image normalisé (parfois uilisé pour simplifier les développemens) 2

Plus en détail

L = 15 m. 1) Modéliser le pont ainsi que ses appuis (fibre moyenne et représentation des appuis).

L = 15 m. 1) Modéliser le pont ainsi que ses appuis (fibre moyenne et représentation des appuis). ESTP TP1 nnée 2008-2009 PPLICTION 1 : POUTRES DROITES ISOSTTIQUES EXERCICE 1 On considère un pon en béon, de longueur 15 m, don la secion es une dalle en béon armé de largeur 5m e d épaisseur 0,9 m. Le

Plus en détail

Ce document a été mis en ligne par le Canopé de l académie de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel.

Ce document a été mis en ligne par le Canopé de l académie de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Ce documen a éé mis en ligne par le Canopé de l académie de Bordeaux pour la Base Naionale des Sujes d Examens de l enseignemen professionnel. Base Naionale des Sujes d'examens de l'enseignemen professionnel

Plus en détail

Équations différentielles.

Équations différentielles. IS BTP, 2 année NNÉE UNIVERSITIRE 205-206 CONTRÔLE CONTINU Équaions différenielles. Durée : h30 Les calcularices son auorisées. Tous les exercices son indépendans. Il sera enu compe de la rédacion e de

Plus en détail

ETUDE DES DIFFERENTES COMMANDES DU SYSTEME. 1 - Commande manuelle par BP "marche-arrêt" (2 sens de marche)

ETUDE DES DIFFERENTES COMMANDES DU SYSTEME. 1 - Commande manuelle par BP marche-arrêt (2 sens de marche) BS Mainenance Indusrielle Elecroechnique Eude d un mone charge Moeur asynchrone deux sens de roaion e 2 viesses enroulemens séparés Rappels emporisaions Présenaion es manuenions dans un grand magasin son

Plus en détail

Serrure ERM Etude de la fonction capter une information

Serrure ERM Etude de la fonction capter une information S si Noms : Prénoms : Classe : Dae : Serrure ERM Eude de la foncion caper une informaion TP 2 heures Noe : /20 Problémaique Dans la serrure ERM, lorsque le code es valide, des capeurs son uilisés afin

Plus en détail

Chapitre 4: Les modèles linéaires

Chapitre 4: Les modèles linéaires Chapire 4: Les modèles linéaires. Inroducion: Dans ce chapire on va voir successivemen les modèles linéaires saionnaires: auoregressifs (AR), de moyennes mobiles (MA) e mixes (ARMA) en pariculier. Finalemen,

Plus en détail

QUELS CONTRATS PRENDRE EN COMPTE

QUELS CONTRATS PRENDRE EN COMPTE QUELS CONTRATS PRENDRE EN COMPTE POUR LE CALCUL DES EFFECTIFS ET CELUI DE LA MASSE SALARIALE(*)? (*) Le calcul de la masse salariale indique à l enreprise l assiee de sa paricipaion, c es-à-dire la somme

Plus en détail

Production d un son par les instruments de musique

Production d un son par les instruments de musique Producion d un son par les insrumens de musique ACTIVITÉ 1 : Recherche documenaire : Les foncions d un insrumen de musique Objecif : découvrir commen les insrumens de musique acousique peuven remplir leurs

Plus en détail

ESD : Loi exponentielle

ESD : Loi exponentielle Aueur du corrigé : Gilber Julia ESD 2008 0702 : Loi exponenielle Averissemen : ce documen a éé réalisé avec la version 14 de TI-Nspire Fichier associé : esd2008_0702ns 1 Le suje L exercice proposé au candida

Plus en détail

donc 1+ t 100 = CMg t 100 = 1,16 d où t 100

donc 1+ t 100 = CMg t 100 = 1,16 d où t 100 Exercice Dans chacune des siuaions suivanes, déerminer la valeur de.. Le chiffre des venes d un magazine a augmené de % puis diminué de %. Globalemen il a augmené de 6%. D après l énoncé, on a :,6 = +%

Plus en détail

Formalisme des processus aléatoires

Formalisme des processus aléatoires HAPITRE Formalisme des processus aléaoires. - Signal déerminise e signal aléaoire.. - Signal déerminise Les signaux déerminises son connus par leur représenaion emporelle e specrale. Dans le domaine emporel,

Plus en détail

Simulation d un système d assurance automobile

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

Plus en détail

Plan : : Les méthodes de codage numérique en

Plan : : Les méthodes de codage numérique en Plan : : Les méhodes de codage numérique en 3.1 Inroducion 3.2 Codages binaires 3.2.1 Codage NRZ (Non Reour à Zéro) 3.2.2 Codage biphasé ou (Mancheser) 3.2.3 Codage CMI (Code Mark Inversion) 3.3 Codages

Plus en détail

Un modèle intégré de la demande totale d énergie Application à la province de Québec RÉSUMÉ

Un modèle intégré de la demande totale d énergie Application à la province de Québec RÉSUMÉ Un modèle inégré de la demande oale d énergie Applicaion à la province de Québec par JeanThomas Bernard Tiulaire de la Chaire en économique de l'énergie élecrique Déparemen d'économique Universié Laval

Plus en détail

Relais de mesure et de contrôle industriels Zelio Control 3

Relais de mesure et de contrôle industriels Zelio Control 3 Présenaion elais de mesure e de conrôle indusriels Zelio Conrol elais de conrôle de réseaux riphasés M T 0 M T Foncionnaliés Ces appareils son desinés à la surveillance des réseaux riphasés e à la proecion

Plus en détail

~ = Les redresseurs se divisent en deux grands groupes : On classe les divers redresseurs en trois catégories : Les redresseurs semicommandés

~ = Les redresseurs se divisent en deux grands groupes : On classe les divers redresseurs en trois catégories : Les redresseurs semicommandés Le redressemen c'es la ransformaion de l'énergie élecrique alernaive du réseau en énergie coninue. Symbole : ~ = Les redresseurs se divisen en deux grands groupes : les redresseurs demi onde, à une alernance

Plus en détail

GUIDE DES INDICES BOURSIERS

GUIDE DES INDICES BOURSIERS GUIDE DES INDICES BOURSIERS SOMMAIRE PRESENTATION DES INDICES... 2 LA GAMME D INDICES : L INDICE TUNINDEX ET LES INDICES SECTORIELS... 3 REGLE GENERALE RELATIVE A LA COMPOSITION DES INDICES... 3 REGLE

Plus en détail

Retour aux bases de la photographie Partie 1 L' EXPOSITION

Retour aux bases de la photographie Partie 1 L' EXPOSITION Parie 1 - Secion 1.5 Reour aux bases de la phoographie Parie 1 L' EXPOSITIO Secion 1.5 Synhèse Exposiion Indices de Luminaion IL (EV) 1 Synhèse des valeurs Rappel des échelles normalisées des différens

Plus en détail

Solvency II, IFRS : l impact des modèles d actifs retenus

Solvency II, IFRS : l impact des modèles d actifs retenus Les normes IFRS en assurance Solvency II, IFRS : l impac des modèles d acifs reenus 31 e journée de séminaires acuariels ISA-HEC Lausanne e ISFA Lyon Pierre THÉROND pherond@winer-associes.fr 18 novembre

Plus en détail

MAITRISE ECONOMIE APPLIQUEE ECONOMETRIE II : EXAMEN TERMINAL (durée 2 h) Filières : Economie Internationale, Monnaie, Finance

MAITRISE ECONOMIE APPLIQUEE ECONOMETRIE II : EXAMEN TERMINAL (durée 2 h) Filières : Economie Internationale, Monnaie, Finance UNIVERSITE DE PARIS-DAUPHINE Février 2004 MAITRISE ECONOMIE APPLIQUEE ECONOMETRIE II : EXAMEN TERMINAL (durée 2 h) Filières : Economie Inernaionale, Monnaie, Finance Noes de Cours Auorisées, seules les

Plus en détail

nous pouvons calculer l intérêt obtenu par ce capital au bout d un an (n =1). 1an

nous pouvons calculer l intérêt obtenu par ce capital au bout d un an (n =1). 1an Chapitre IV : Les intérêts composés I. Généralités et définition Avec les intérêts composés, nous abordons les mathématiques financières de moyen et long terme. Pour gérer les comptes de moyen et long

Plus en détail

Réponse indicielle et impulsionnelle d un système linéaire

Réponse indicielle et impulsionnelle d un système linéaire PSI Brizeux Ch. E2: Réponse indicielle e impulsionnelle d un sysème linéaire 18 CHAPITRE E2 Réponse indicielle e impulsionnelle d un sysème linéaire Nous connaissons ou l inérê de l éude de la réponse

Plus en détail

Evaluations socio-économiques et financière des projets de transports collectifs : méthode de calcul, paramètres et conventions

Evaluations socio-économiques et financière des projets de transports collectifs : méthode de calcul, paramètres et conventions 1 Juille 2001 Evaluaions socio-économiques e financière des projes de ranspors collecifs : méhode de calcul, paramères e convenions Période de l éude La période de l éude débue à l année de mise en service.

Plus en détail

La prise en compte des événements extrêmes pour la valorisation d options européennes

La prise en compte des événements extrêmes pour la valorisation d options européennes La prise en compe des événemens exrêmes pour la valorisaion d opions européennes JULIEN IDIER CAROLINE JARDET GAËLLE LE FOL Banque de France, Banque de France Banque de France, Universié Paris I Universié

Plus en détail

ECONOMETRIE II - SERIES TEMPORELLES PARTIEL FEVRIER 2002

ECONOMETRIE II - SERIES TEMPORELLES PARTIEL FEVRIER 2002 Universié Paris IX Dauphine UFR Economie Appliquée Maîrise Economie Appliquée ECONOMETRIE II - SERIES TEMPORELLES PARTIEL FEVRIER 00 Noes de Cours Auorisées, Calcularices sans Mémoire Auorisées Durée :

Plus en détail

Correction du concours blanc

Correction du concours blanc L.E.G.T.A. Le Chesnoy TB - D. Bloière Mahémaiques Correcion du concours blanc Problème Probabiliés Un mobile se déplace aléaoiremen le long d un ae horional d origine O, sur des poins de coordonnées enières,

Plus en détail

Traitement du Signal Déterministe

Traitement du Signal Déterministe Cours e ravaux Dirigés de raiemen du Signal Déerminise Benoî Decoux (benoi.decoux@wanadoo.fr) - s - ère parie : "Noions de base e éudes emporelles" Bases du raiemen de signal Calculer l ampliude de la

Plus en détail

Mémoire soutenu pour l Institut des Actuaires le 15 décembre David Sudries Introduction

Mémoire soutenu pour l Institut des Actuaires le 15 décembre David Sudries Introduction Modélisaion e exrapolaion de l évoluion de la moralié française à parir de modèles sochasiques Analyse des qualiés prédicives de ces modèles Applicaions praiques Mémoire souenu pour l Insiu des Acuaires

Plus en détail

MODELES DE LA COURBE DES TAUX D INTERET. UNIVERSITE d EVRY Séance 4. Philippe PRIAULET

MODELES DE LA COURBE DES TAUX D INTERET. UNIVERSITE d EVRY Séance 4. Philippe PRIAULET MODELES DE LA COURBE DES AUX D INERE UNIVERSIE d EVRY Séance 4 Philippe PRIAULE Plan de la Séance Les modèles sochasiques de déformaion de la courbe des aux: Approche déaillée Le modèle de Black: référence

Plus en détail

25/01/05 TD Entrepôt de données IHS / Master ICA

25/01/05 TD Entrepôt de données IHS / Master ICA Une compagnie d assurance de biens (automobile, immobilier, responsabilité civile) possède une application transactionnelle de production permet de gérer les polices (contrats) de ses clients ainsi que

Plus en détail

«Modèle Bayésien de tarification de l assurance des flottes de véhicules»

«Modèle Bayésien de tarification de l assurance des flottes de véhicules» Arcle «Modèle Baésen de arcaon de l assurance des loes de véhcules» Jean-Franços Angers, Dense Desardns e Georges Donne L'Acualé économque, vol. 80, n -3, 004, p. 53-303. Pour cer ce arcle, ulser l'normaon

Plus en détail

Amp Miser Bandes de transport à économies d énergie

Amp Miser Bandes de transport à économies d énergie bandes de ranspor e de process Bandes de ranspor à économies Calculez désormais en ligne vos économies www.ampmiser.com poenielles! Siegling oal beling soluions Bandes de ranspor à économies Opimiser la

Plus en détail

DUPOUY Sébastien Lundi 15 mai 1997 MIQUEL Vincent

DUPOUY Sébastien Lundi 15 mai 1997 MIQUEL Vincent DUPOUY Sébasien Lundi 15 ai 1997 MIQUEL Vincen groupe 1 binôe 3 Règle des phases Observaions de la srucure d équilibre d alliages Fer-arbone par Microscopie opique TP de aériaux 2 I) Inroducion L exaen

Plus en détail

Cahiers Recherche et Méthodes

Cahiers Recherche et Méthodes Numéro 3 Février 2013 Cahiers Recherche e Méhodes Analyse des événemens de l hisoire de vie : esimaion de modèles logisiques à emps discre avec SPSS Jean-Marie Le Goff & Yannic Forney Jean-Philippe Anoniei

Plus en détail

ECO434, Ecole polytechnique, 2e année PC 5 Flux de Capitaux Internationaux et Déséquilibres Mondiaux

ECO434, Ecole polytechnique, 2e année PC 5 Flux de Capitaux Internationaux et Déséquilibres Mondiaux ECO434, Ecole polyechnique, 2e année PC 5 Flux de Capiaux Inernaionaux e Déséquilibres Mondiaux Exercice 1 : Flux de capiaux dans le modèle de croissance néoclassique Le modèle es en emps coninu. On considère

Plus en détail

Unité 6 : La proportionnalité numérique 3 ème ESO

Unité 6 : La proportionnalité numérique 3 ème ESO UITÉ 6 : LA PROPORTIOALITÉ UMÉRIQUE POUR DÉBUTER Il fau rappeler - Définiion de grandeur : Une grandeur es une caracérisique qui es mesurée, e la valeur es exprimée par un nombre. Le concep de grandeur

Plus en détail

COMMANDE D UNE PORTE DE GARAGE COLLECTIF

COMMANDE D UNE PORTE DE GARAGE COLLECTIF COMMANDE D UNE PORTE DE GARAGE COLLECTIF Les quesions raiées devron êre soigneusemen numéroées e le documen-réponse fourni devra êre compléé selon les indicaions de l énoncé. Il es vivemen conseillé de

Plus en détail

`«`Xƒ`à`dG á`ä`«`g ádƒ æÿg º«d»Yɪ G áeé dg ácöûdg á«fé«h ábé H SICAV SG VALEURS

`«`Xƒ`à`dG á`ä`«`g ádƒ æÿg º«d»Yɪ G áeé dg ácöûdg á«fé«h ábé H SICAV SG VALEURS هيي ة التوظيف الجماعي للقيم المنقولة الشركة العامة بطاقة بيانية SICAV SG VALEURS OPCVM DE LA SOCIÉTÉ GÉNÉRALE OPCVM conforme aux normes GIPS (Global Invesmens Sandards) Fiche Signaléique SG VALEURS Averissemen

Plus en détail

Sous-évaluation des prix d options par le modèle de Black & Scholes.

Sous-évaluation des prix d options par le modèle de Black & Scholes. Sous-évaluaion des prix d opions par le modèle de Black & Scholes. Mise en évidence par une dynamique combinan mouvemen brownien e processus à saus. Marc Debersé ocobre 6 Résumé S il es bien connu que

Plus en détail

( ) Lois de probabilités continues λ = 3. λ = 0,1. λ, où λ est un réel strictement positif.

( ) Lois de probabilités continues λ = 3. λ = 0,1. λ, où λ est un réel strictement positif. ENSM Cours Pi Marc Bize 0-04 Lois de probabiliés coninues Exercice Dans chacun des cas suivans dire si la foncion f es une densié pour une loi de probabilié sur I :. f : x x., [ 0 ; ], I = [ 0 ; ] ; f

Plus en détail