TRAVAUX DIRIGÉS NUMÉRO 4
|
|
- Jean-Charles Pinard
- il y a 7 ans
- Total affichages :
Transcription
1 Université Paris 7 - M Modélisation Aléatoire - Calcul Stochastique TRAVAUX DIRIGÉS NUMÉRO 4 INTÉGRALE DE WIENER ET D ITÔ 1. Retour feuille 3 : Martingales du mouvement brownien. Temps d atteinte Exercice 1. Étant donné un mouvement brownien réel (B t t, on définit pour tout a R la quantité suivante : T a = inf{t, B t = a}. I.: Dans cette partie on cherche la loi de T a. Sans perte de généralité, on va supposer dans cette partie que a >. (cf T =, et par un argument immédiat de symmétrie on aura T a loi = T a. (1 Montrer que T a est un temps d arrêt. ( Étant donné θ R, montrer que pour tout n N : E [ exp ( θb Ta n (θ /(T a n = 1. Retrouver en particulier que P(T a < = 1. (3 Etablir que : λ >, E(exp( λt a = exp ( a(λ 1/. On pourra utiliser un résultat de la feuille précédente. Remarque : La transformée de Laplace inverse de l expression précédente est connue, et on peut en déduire que la loi de T a admet pour densité la fonction : x R a(π 1/ 1,+ [ (xx 3/ exp ( (1/a x 1. (4 Déduire de la question précédente que E(T a = +. (5 Expliquer pourquoi les questions précédentes permettent de retrouver la propriété de récurrence du mouvement brownien. II.: On s intéresse désormais, pour a >, b >, au premier temps τ a,b de sortie de l intervalle [ a, b. (1 Vérifier que τ a,b = T a T b, et calculer P[B τ = a, P[B τ = b. ( On note α = λ, β = λ. Vérifier que M t = (exp(βb exp( βa exp(αb t λt + (exp( αa exp(αb exp(βb t λt, t est une martingale, et en déduire E[exp( λτ a,b pour λ >. Simplifier l expression obtenue lorsque a = b. III.: Le but de cette partie est de reprendre la méthode utilisée dans les questions précédentes pour calculer la loi des temps d atteinte d un mouvement brownien avec dérive c R : (X t = B t + ct, t. 1
2 (1 Vérifier que si γ > est fixé (exp(θx t λt, t est une martingale pourvu que λ = θc + θ /, ce qui se produit pour deux valeurs distinctes de θ, notées α et β, avec α < < β. En déduire la transformée de Laplace de T a := inf{t, X t = a}. Que vaut P(T a <? ( Montrer que M t = (exp(βb exp( βa exp(αx t λt + (exp( αa exp(αb exp(βx t λt, t est une martingale et utiliser le théorème d arrêt optionnel pour exprimer la transformée de Laplace de τ a,b = T a T b. Remarque : Pour le calcul de la transformée de Laplace de τ a,b, l introduction de (M t, t n a rien de mystérieux : on l a cherchée sous la forme f(x t exp( γt en choisissant f de sorte que f(a = f(b (évidemment dans le but de pouvoir exprimer facilement E(M τa,b. Exercice. (D après Examen 7-8. On considre un F-mouvement brownien réel W sur l espace filtré (Ω, A, F, P et on pose τ := inf{t > : W (t ( A, B }, avec A et B >. (1 Montrer que pour tout θ R le processus X θ défini par ( ( ( ( 1 B A X θ (t := exp θ t cos θ W (t, t, est une martingale. ( τ est-il un temps d arrêt? Montrer que ( 1 X θ (τ = exp θ τ cos (( A + B θ. (3 Montrer que si θ [, π/(a + B (on fera cette hypothèse pour la suite de l exercice alors X τ θ (avec Xτ θ (t := X θ(t τ est une martingale positive. (4 Déduire de (3 que [ ( 1 E exp θ τ cos ((A Bθ/ cos ((A + Bθ/. (5 Montrer alors que E sup t Xθ τ (t < et conclure que [ ( 1 cos ((A Bθ/ E exp θ τ = cos ((A + Bθ/.. Intégrale de Wiener Exercice 3. Définition : Un espace gaussien (centré est un sous-espace fermé de L (Ω, A, P formé de variables aléatoires gaussiennes centrées. On munit un tel espace de la norme L (P, X = E[X. (1 Montrer que si (X 1,..., X d est un vecteur gaussien centré, alors Vect(X 1,.., X d est un espace gaussien. ( Soit {X t, t T } un processus gaussien (centré. Montrer que Vect(X t, t T est un espace gaussien. (3 Soit (E, E un espace mesurable et µ une mesure σ-finie sur E. Montrer qu il existe un espace gaussien G et une isométrie G de L (E, E, µ dans (G,..
3 (4 Soient (E, E mesurable, µ une mesure σ-finie sur E, G un espace gaussien et G : L (E, E, µ G une isométrie. Avec un léger abus de notation on définit G(A := G(1 A. (a Soient A 1,..., A n des éléments de E disjoints tels que µ(a i < 1 i n. Montrer que (G(A 1,..., G(A n est un vecteur gaussien dont la matrice de covariance est diagonale. (b Soit A E tel que µ(a <, {A i, i 1} une partition de A. Montrer que G(A = i 1 G(A i, où la série converge dans L (P. (5 Soient (E, E mesurable, µ une mesure σ-finie sur E, G un espace gaussien, G : L (E, E, µ G une isométrie, et A E tel que µ(a <. On suppose qu il existe une suite de partitions ({A n i, 1 i k n} n N de A vérifiant Montrer que, dans L (P, lim n lim sup µ(a n n i =. i k n [ kn G(A n i = µ(a. i=1 (6 Application : Soit G une isométrie de L (R +, B(R +, λ dans un espace gaussien G. (a Montrer que (B t := G(1 [,t t définit le pré-mouvement brownien, et trouver, pour t fixé [ n lim n i=1 (B(ti/n B(t(i 1/n Généraliser le résultat précédente à une suite quelconque de subdivisions de l intervalle [s, t (où s < t dont le pas tend vers. (b Quelle est l image par G d une fonction f en escalier sur [, T? Soit T R +. Quelle est l image par G d une fonction f quelconque de L ([, T, B(R +, λ? Que peut-on en déduire sur la loi de T f(sdb s? Et sur celle de. ( T f 1(sdB s,..., T f p(sdb s? Exercice 4. Étant donnés un mouvement brownien réel (B t t, une v.a. Z indépendante de (B t t et une fonction mesurable et de carré intégrable f : R + R, montrer que sont deux v.a. indépendantes. Z et + f s db s Exercice 5. Étant donné un mouvement brownien réel (B t t, on définit le processus (X t t par : t, X t = 1/ Montrer que ce processus est un mouvement brownien. (s 1/ db s. Exercice 6. Étant donnés un mouvement brownien réel (B t t et V une v.a.r. indépendante de B, on définit le processus (V t t (dit d Ornstein-Uhlenbeck par : t, V t = exp( tv + exp[ (t sdb s. (1 Montrer que (V t t converge en loi vers une loi gaussienne N (, 1/. 3
4 ( On suppose dans la suite de l exercice que V N (, 1/, et que V est indépendante de B. Montrer que V est un processus gaussien de loi stationnaire (i.e. la loi de V t est indépendante de t. (3 Que dire des fonctions de moyenne et de covariance de V? (4 Montrer que le processus (W t = (t 1/ V log(t/ t 1 admet les mêmes lois fini-dimensionnelles que le mouvement brownien (B t t. Exercice 7. Étant donné un mouvement brownien réel (B t t, on désigne par H l espace gaussien associé à (B t t 1, c est-à-dire : (1 Montrer l égalité suivante : { 1 H = H = Vect{B t, t 1} L (Ω,A,P. } f s db s, f L ([, 1. ( Étant donnés X H et f L ([, 1, montrer l équivalence entre les deux propriétés suivantes : a. P p.s., X = 1 f s db s b. t [, 1, E(XB t = f s ds. [ 1 (3 Pour t [, 1, que vaut E f(sdb s F t? (4 Étant donnée une fonction f : [, 1 R + de classe C 1, démontrer (cette première formule d intégration par parties : P p.s., 1 f s db s = f 1 B 1 1 f sb s ds. Exercice 8. Etant donnés un mouvement brownien réel (B t t et une fonction f L loc (R +, on note ( M t = f s db s (1 Montrer que M est un processus gaussien dont on calculera la covariance. En déduire que M est à accroissements indépendants. ( Rappelons que M est p.s. continue. Donner une condition nécessaire et suffisante sur f pour que M soit un mouvement brownien. (3 Étant donnée une fonction g L loc (R +, on pose pour tout t : ( N t = g s db s. Montrer que les processus M et N sont indépendants si et seulement si : f t g t = p.p.. 4 t t
5 3. Intégrale d Itô Exercice 9. I. Sur un espace filtré (Ω, F, {F n }, P on considère deux martingales (M n, n, (N n, n telles que pour tout n, E[M n <, E[N n <. (1 Pour k 1, on note N k := N k N k 1, M k = M k M k 1. Montrer que n M n N n M N = (M k 1 N k + N k 1 M k + M k N k. ( En déduire que est une {F n }-martingale. k=1 U n := M n N n M N n M k N k, n II. On considère un mouvement brownien (B t, t et (π n : = t n < tn 1 <... < tn p n = T une suite de subdivisions de [, T dont le pas tend vers. Enfin on note Q πn la variation quadratique de B le long de π n. Montrer que B T = p n k=1 k=1 B t n k 1 (B t n k B t n k 1 + Q πn. Quelle est la limite de chacun de ces termes lorsque n? En déduire la valeur de B sdb s. Par une méthode similaire, établir, pour tout t, la relation suivante : B s db s = 1 3 B3 t B s ds. Que dire, pour n, de Bn s db s? de f(b sdb s, pour f C (R, R? Exercice 1. Soient φ, ψ M, montrer que { M t := φ(sdb s ψ(sdb s est une martingale. } φ(sψ(sds, t Exercice 11. Dans tout l exercice, (B t t désigne un mouvement brownien relativement à une filtration (F t t. Par ailleurs, (H t t désigne un processus progressivement mesurable relativement à la filtration (F t t tel que [ t, E Hs ds < +. Pour tout t, nous posons ( M t = exp H s db s 1 Hs ds. L objectif de l exercice est de démontrer que sous la condition [ ( ( ε > : t. E exp (1 + ε Hs ds < +. le processus (M t t est une martingale relativement à la filtration (F t t. Dans le cas H = λ R, il vient en particulier que le processus ( exp(λbt λ t t, 5
6 est une martingale relativement à (F t t. Remarque. La condition ( n est pas optimale. Le résultat est en fait encore vrai sous la condition dite de Novikov [ ( 1 t E exp Hs ds < +. (1 On suppose qu il existe une constante K telle que pour tout t, P{ H t K} = 1. Démontrer, pour tout t, l inégalité [ ( E exp H s db s exp( 1 K t. On pensera à approcher H par une suite de processus simples. ( Pour s, on considère une v.a. Z F s mesurable et intégrable. Montrer, sous l hypothèse de la question précédente, que pour t > s [ ( E Z exp H r db r 1 Hr dr = E(Z. s En déduire que (M t t est une martingale relativement à la filtration (F t t. (3 Sous l hypothèse de la question (1, montrer que pour tout p >, [ ( E exp (1 + p H s db s 1 + p Hs ds [ [ ( ( + p(1 + p p/(1+p E exp Hs ds. Indication. On pourra poser λ = (p + p(1 + p et utiliser la décomposition ( exp (1 + p H s db s 1 + p Hs ds ( (1 + t ( p3 λ t = exp (1 + p H s db s Hs ds exp Hs ds, afin d appliquer l inégalité de Hölder avec exposants 1 + p et (1 + p/p. (4 Conclure sous la condition (. On pourra approcher H par des processus vérifiant l hypothèse de la première question et appliquer un argument d uniforme intégrabilité. Exercice 1. Cet exercice fait suite au précédent. Il s agit de démontrer le résultat sous la condition [ ( 1 + ε t ( ε >, t E exp Hs ds < +, très proche de la condition de Novikov. (1 Montrer que l équation (1 + p (1 + ε 1 + ε admet une solution p >. s = 1 (1 + p4, ( Sous les hypothèses de la condition (, on pose pour tout n 1, t, H n t = Φ n (H t, 6
7 où Φ n (x vaut x pour x n et nsgn(x pour x > n. Montrer que le p > précédent [ ( E exp (1 + p Hs n db s (1 + p + ε ( 1 + ε t (Hs n ds exp (Hs n ds [ [ ( 1 + ε t p/(1+p E exp Hs ds. On pourra appliquer l inégalité de Hölder avec les exposants 1 + p et (1 + p/p, sous une mesure bien choisie. (3 Déduire de la question précédente que la suite ( exp Hs n db s 1 est uniformément intégrable sous P. (4 Conclure. (Hs n ds, Exercice 13. Étant donnés un mouvement brownien réel (B t t et une fonction f C (R, R, on suppose que : [ t, E f (B s ds < +, de sorte que le processus donné par : t, M t = f (B s db s est une martingale relativement à la filtration naturelle de B. On suppose également que : t, E f (B s ds < +. (1 Montrer que : ( En déduire, pour n 1, l égalité : t, E [ f(b t = f( + 1 E [ t, E [ B (n+1 t = n(n + 1 (3 Retrouver l égalité E(Bs n = s n [(n!/[ n n!. f (B s ds. E [ Bs n ds. 7
Chapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailLes mathématiques de la finance Université d été de Sourdun Olivier Bardou olivier.bardou@gdfsuez.com 28 août 2012 De quoi allons nous parler? des principales hypothèses de modélisation des marchés, des
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailÉquation de Langevin avec petites perturbations browniennes ou
Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailCalcul Stochastique pour la finance. Romuald ELIE
Calcul Stochastique pour la finance Romuald ELIE 2 Nota : Ces notes de cours sont librement inspirées de différentes manuels, polycopiés, notes de cours ou ouvrages. Citons en particulier ceux de Francis
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailThéorie de la Mesure et Intégration
Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailCours de Calcul stochastique Master 2IF EVRY. Monique Jeanblanc
Cours de Calcul stochastique Master 2IF EVRY Monique Jeanblanc Septembre 26 2 Contents 1 Généralités 7 1.1 Tribu............................................... 7 1.1.1 Définition d une tribu.................................
Plus en détailDécomposition de Föllmer-Schweizer. explicite d un passif d assurance vie. au moyen du calcul de Malliavin
Décomposition de Föllmer-Schweizer explicite d un passif d assurance vie au moyen du calcul de Malliavin Mémoire présenté par Sébastien de Valeriola en vue de l obtention du master en sciences actuarielles
Plus en détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détailIntégrale de Lebesgue
Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailFonctions holomorphes
Université Joseph Fourier, Grenoble Maths en Ligne Fonctions holomorphes Christine Laurent-Thiébaut Ceci est le second volet de l étude des fonctions d une variable complexe, faisant suite au chapitre
Plus en détailModèles 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 détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailTravail en collaboration avec F.Roueff M.S.Taqqu C.Tudor
Paramètre de longue mémoire d une série temporelle : le cas non linéaire Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor Notion de longue mémoire Les valeurs d une série temporelle X = (X l )
Plus en détailExo7. Limites de fonctions. 1 Théorie. 2 Calculs
Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication
Plus en détailIntégration sur des espaces produits
Chapitre 5 Intégration sur des espaces produits 5.1 Produit de deux mesures Étant donnés deux espaces mesurés (Ω 1, F 1, µ 1 ) et (Ω 2, F 1, µ 2 ), le but de cette section est de construire une mesure
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en détailAutomatique Linéaire 1 Travaux Dirigés 1A ISMIN
Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailDistribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités
Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements
Plus en détailC algèbre d un certain groupe de Lie nilpotent.
Université Paul Verlaine - METZ LMAM 6 décembre 2011 1 2 3 4 Les transformations de Fourier. Le C algèbre de G/ Z. Le C algèbre du sous-groupe G 5 / vect{u,v }. Conclusion. G un groupe de Lie, Ĝ l ensemble
Plus en détailLa mesure de Lebesgue sur la droite réelle
Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailThéorie de la Mesure et Intégration
Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
Plus en détailTSTI 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 détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE
ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours.
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailMesures gaussiennes et espaces de Fock
Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première
Plus en détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
Plus en détailEntiers aléatoires et analyse harmonique
Entiers aléatoires et analyse harmonique Jean-Pierre Kahane et Yitzhak Katznelson Introduction. Il s agit dans cet article d ensembles de Sidon et de processus de Poisson ponctuels. Les ensembles de Sidon
Plus en détailRésumé des communications des Intervenants
Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailÉconometrie non paramétrique I. Estimation d une densité
Économetrie non paramétrique I. Estimation d une densité Stéphane Adjemian Université d Évry Janvier 2004 1 1 Introduction 1.1 Pourquoi estimer une densité? Étudier la distribution des richesses... Proposer
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détail