Université Denis Diderot Paris 7 septembre 2012-janvier Examen : correction
|
|
- Henri Gascon
- il y a 7 ans
- Total affichages :
Transcription
1 Université Denis Diderot Paris 7 septembre 1-janvier 13 M1 ISIFAR : Probabilités Examen : orretion durée : 3 heures Les douments et alulatries ne sont pas autorisés. On prendra soin de bien justifier les réponses. Le barême est provisoire, et n est donné qu à titre d indiation de l importane relative des questions. Exerie 1 Les questions de et exerie sont indépendantes. De façon générique on se plae sur un espae filtré Ω, F, F n, P pt Enoner le théorème de onvergene p.s. des martingales. Soit M une F n -martingale telle que sup n E[ M n ] <. Alors il existe une variable intégrable M telle que lorsque n, M n M presque sûrement pt On suppose que X n n est une F n -sous-martingale bornée. Pour tout n N, on pose Y n = expx n. Montrer que Y n n est également une F n -sous-martingale. Le théorème de onvergene s applique-t-il à Y n? La fontion x expx est ontinue don mesurable, ainsi pour tout n, Y n est F n -mesurable puisque X n l est. La suite X est bornée, i.e. pour un ertain K on a sup n X n K. On a don sup n Y n expk. En partiulier pour tout n la variable Y n est intégrable ar Y n expk. Par Jensen onditionnel, on a pour tout n, E[expX n+1 F n ] exp[e[x n+1 F n ]] expx n, où, pour la deuxième inégalité i-dessus, on a utilisé la propriété de sous-martingale de X et la roissane de la fontion exponentielle. Finalement, Y est une F n -sous-martingale. Elle est bornée, don bornée dans L 1, ainsi le théorème de onvergene s applique et il existe Y L 1 telle que Y n Y presque sûrement lorsque n. 3. pts Soit S n n la marhe aléatoire simple issue de, ave ii F n = σs i, i n. On définit τ = inf { n : S n { 4, 8} }. Montrer que τ est un F n -temps d arrêt fini p.s., puis aluler PS τ = 8. 1
2 On a, pour tout n N, {τ n} = n {S i = 4} {S i = 8} F n, i=1 et don τ est bien un F n -temps d arrêt. Si la marhe n a pas enore atteint l une des barrières et effetue 11 pas onséutifs vers le haut elle atteint forément le niveau 8, et don pour tout n N, Pτ n + 11 τ > n ainsi d après le lemme du ours, τ <, p.s. La marhe simple est bien entendu une F n -martingale, et don la marhe arrêtée S τ := S τ reste une F n -martingale. Mais de plus S τ est bornée puisque pour tout n, S n τ 8. On peut don appliquer un théorème d arrêt la version du ours à S τ au temps τ, pour obtenir = ES τ = 8PS τ = 8 41 PS τ = 8, e qui onduit à PS τ = 8 = 1/ pts A nouveau on onsidère S n n la marhe aléatoire simple issue de, F n = σs i, i n, et ette fois T = inf{n : S n = 1}. On admet que T < p.s. Pour λ R, on pose Montrer que M λ est une martingale, Lorsque λ, en déduire que M λ n := expλs n n lnoshλ, n. E[exp lnoshλt ] = exp λ. Expliquer pourquoi l égalité i-dessus permet finalement d exprimer E[exp ut ], pour tout u il n est pas néessaire d effetuer le alul expliite de ette quantité en fontion de u. Comme dans la question préédente T est un temps d arrêt fini presque sûrement. Fixons λ R. Pour tout n, la fontion x expλx n lnoshλ est bien entendu ontinue et don M λ n reste F n -mesurable. Comme, pour tout n, S n n, il est également évident que M λ n est intégrable. Enfin, 1 E[expλS n+1 n + 1 lnoshλ F n ] = xs oshλ M n λ E[expλS n+1 S n F n ],
3 en utilisant simplement que M λ n est F n -mesurable. Mais omme S n+1 S n est indépendant de F n, on a finalement E[M λ n+1 F n ] = 1 oshλ M λ n E[expλS n+1 S n ] = M λ n, en utilisant que E[expλS n+1 S n ] = 1 eλ + e λ = oshλ. On onlut que M λ est une F n -martingale. Notons alors W n = Mn T λ, n, qui est la martingale M λ arrêtée au temps d arrêt T, et qui est don également une F n -martingale. Lorsque λ, omme on a S n T 1 et oshλ, on voit que sup W n expλ. n Pour λ, la martingale W est don bornée, on peut don appliquer le théorème d arrêt au temps T < p.s. pour obtenir E[W T ] = W = 1. Comme S T = 1, E[W T ] = E[expλ T lnoshλ] = 1, et don E[exp lnoshλt ] = exp λ. La fontion x lnoshx est paire, et elle réalise une bijetion déroissante de R vers R +, et une bijetion roissante sur R + vers R +. Pour u > fixé, l équation lnoshλ = u possède don exatement deux solutions, disons λ u > et λ u. Comme E[exp lnoshλt ] 1, il nous faut néessairement hoisir la solution positive, et on trouve E[exp ut ] = exp λ u. Exerie On onsidère le veteur gaussien X X X 3 X 4 N, X On introduit d autre part les veteurs X 1 Y = X X4, Z = X X 5 3 X 4 /4, V = X 4 /. 3X 4 /4 3
4 1. pts Montrer que le veteur V introduit i-dessus est σz-mesurable, et qu on a la déomposition Y = V + W, ave W indépendant de Z. En déduire E[Y Z]. On a 1/4 V = 1/ Z, 3/4 et don bien entendu V est σz-mesurable. On a don la déomposition souhaitée pourvu qu on pose W = Y V. De plus ovw, Z = ovy, Z ovv, Z 1 1 ovx 4 /4, X 4 ovx 4 /4, X 5 = ovx 4 /, X 4 ovx 4 /, X 5 =. 3 3 ov3x 4 /4, X 4 ov3x 4 /4, X 5 W Comme le veteur X est gaussien, il en est de même du veteur qui en est Z une transformation linéaire. On onlut don que W et Z sont indépendants. On a don finalement, d après les propriétés de l espérane onditionnelle, que ar W est entré. E[Y Z] = E[V Z] + E[W Z] = V + E[W ] = V,. pts Exprimer la loi onditionnelle de Y sahant Z. D après la déomposition de la question préédente il nous suffit de déterminer la loi de W pour onlure. Il suffit pour ela de aluler la matrie de ovarianes de e veteur. Par exemple ovx 1 X 4 /4, X X 4 /4 = 1 1/4 1/ + 1/4 = 1/. Des aluls en tous points similaires onduisent à la onlusion 3/4 1/ 1/4 W N, 1/ 1 1/. 1/4 1/ 3/4 On obtient don finalement que la loi onditionnelle de Y sahant Z est 3/4 1/ 1/4 N V, 1/ 1 1/. 1/4 1/ 3/4 4
5 Exerie 3 On onsidère le ouple de variables réelles T, Z de densité f T,Z t, z = 1 4z π t exp z 3 t z 1 {t>} pt Montrer que pour tout R, a > on a t exp a dt = 3 t a, t exp a dt = π t a. On rappelle que Γ1/ = u 1/ exp udu = π. On a t exp a [ dt = 3 t a exp a ] t = a. D autre part, en effetuant le hangement de variables a = u, on trouve t t exp a a dt = t a u exp u du u3/ = a a u 1/ exp udu = a Γ1/ = π a.. 1 pt En déduire la loi de Z, puis une expression de f T Z t z, t, z R. On alule la marginale de Z en intégrant par rapport à t la densité jointe. On obtient don d après la question préédente f Z z = 1 4z π t exp z 3 t z dt = exp z / z π 1 z = 1 π exp z /, et don Z N, 1. Notons au passage que notre raisonnement permet en partiulier de vérifier que la densité jointe proposée est bien une densité de probabilité. On a alors, pour tout t, z R, f T Z t z = 4z t 3 exp z t 1 {t>}. 5
6 3. 1 pt Conlure finalement que E[T Z] = π Z. On a E[T Z] = φz ave φz = tf R T Zt zdt. D après les deux premières questions on a Problème φz = 4z t exp z e qui onduit à la onlusion souhaitée. t dt = 4z π z = π z, On onsidère une suite U n n=1,,... de variables aléatoires i.i.d de loi Unif[, 1] sur un espae de probabilité Ω, F, P. On note F = {, Ω} et F n := σu 1,..., U n pour n 1. On fixe p, 1, θ, 1 et on onstruit par réurrene la suite X := X n n : X = p, et pour n, X n+1 := θx n + 1 θ1 { Un+1 X n} pt Montrer que < X n < 1 pour tout n. On prouve l assertion par réurrene. Puisque p, 1 l assertion initiale pour n = est vrai. Si elle est vraie pour un ertain n, alors < X n < 1, et par définition, X n+1 {θx n, θx n + 1 θ}. Mais puisque θ, 1, et X n, 1, < θx n < X n = θx n + 1 θx n < θx n + 1 θ < θ + 1 θ = 1, et don forément X n+1, 1, e qui ahève la preuve...5 pts Montrer que X est une F n -martingale. Par réurrene on montre tout d abord que pour tout n, X n est F n -mesurable. Pour n = est évident puisque X est déterministe. Si est vrai au rang n, alors X n est F n -mesurable et omme U n+1 est F n+1 -mesurable, X n+1 = θx n + 1 θ1 { Un+1 X n} est également F n+1 -mesurable, e qui ahève la preuve par réurrene. D après la question 1, < X n < 1 pour tout n, et don en partiulier X n est intégrable pour tout n. Enfin, reste à montrer la propriété de martingale. Pour ela, observons tout d abord que E[1 { Un+1 X n} F n ] = E[fX n, U n+1 ] F n ave fx, y = 1 { y x} une fontion mesurable, X n une variable F n -mesurable et U n+1 une variable indépendante de F n. On est don dans le adre de l EF4 du ours sur l espérane onditionnelle, et don EfX n, U n+1 F n = gx n, 6
7 où gx = E[fx, U n+1 ] = E[1 { Un+1 x}] = PU n+1 x = x. Finalement, en utilisant e qui préède, à nouveau le fait que X n est F n -mesurable, et la linéarité de l espérane onditionnelle, on obtient E[X n+1 F n ] = E[θX n + 1 θ1 { Un+1 X n} F n ] = θx n + 1 θx n = X n, de sorte que X est bien une F n -martingale pt Montrer que X onverge presque sûrement vers une variable aléatoire intégrable qu on notera X. X est bornée par la onstante 1 d après la première question, et don elle est bornée dans L 1, le théorème de onvergene s applique, et il mène exatement à la onlusion souhaitée pt Montrer que ette onvergene a également lieu dans L, et dans L 1. X est bornée par la onstante 1 don elle est bornée dans L : sup E[Xn] 1, n et le théorème de onvergene des martingales bornées dans L s applique don, e qui mène à la onlusion souhaitée pt Expliquer pourquoi ei entraîne en partiulier que lorsque n, E[X n ] E[X ], E[X n] E[X ], E[X n+1 X n ] Notons tout d abord que tout simplement on pourrait voir es trois limites omme des onséquenes immédiates de 3. et du théorème de onvergene dominée, puisque sup n X n 1, sup Xn 1 n sup X n+1 X n n De façon alternative, on propose ii une preuve plus générale qui ne fait appel qu à la définition des onvergenes L 1, L. Par définition lorsque n, E[ X n X ], E[X n X ]. 1 En utilisant la première limite i-dessus on obtient D autre part E[X n ] = E[X n X ] + E[X ] E[X ] E[X n] = E[X ] + E[X X n X ] + E[X n X ]. 7
8 Le dernier terme de la somme i-dessus tend vers d après 1. Quant au deuxième, on utilise Cauhy-Shwarz pour obtenir que E[X X n X ] E[X ]E[X n X ], qui tend don vers, à nouveau en utilisant 1, e qui entraîne don E[X n] E[X ]. Pour la dernière limite on fait un raisonnement similaire à elui de la question préédente, en déomposant X n+1 X n = X n+1 X + X X n et en majorant l espérane du double produit grâe à Cauhy-Shwarz pt Montrer que pour tout n Notons que et don E [ X n+1 X n ] = 1 θ E [X n 1 X n ]. X n+1 X n = 1 θ 1 { Un+1 X n} X n, E [ X n+1 X n ] = 1 θ E [ 1 { Un+1 X n} X n ] = 1 θ E [ [ ] 1 { Un+1 X n}] E Xn 1 { Un+1 X n} + E[X n ] Or, en utilisant le raisonnement de la question, E [ ] 1 { Un+1 X n} = [ [ ]] E E 1{ Un+1 X n} F n = E[X n ], et de même E [ ] [ [ ]] X n 1 { Un+1 X n} = E E Xn 1 { Un+1 X n} F n = E [ X n E [ ]] 1 { Un+1 X n} F n = E[X n], On obtient finalement E [ X n+1 X n ] = 1 θ E [X n ] E [ ] Xn + E[X n ] = 1 θ E[X n Xn] = 1 θ E[X n 1 X n ] pt Déduire des questions préédentes que E [X 1 X ] =, puis montrer que p.s., X {, 1}. En déduire la loi de X. 8
9 D après la question 5, on a d une part et d autre part E [ X n+1 X n ], E[X n 1 X n ] = E[X n ] E[X n] n E[X ] E[X ] = E[X 1 X ]. En passant à la limite dans les membres de gauhe et de droite de l égalité obtenue à la question 6, on déduit don que E[X 1 X ] =. Mais puisque < X n < 1 pour tout n, la limite presque sûre X vérifie don X 1 p.s., et don X 1 X p.s. L espérane de ette variable p.s. positive est nulle, est don que la variable onsidérée est p.s. égale à. On obtient don X 1 X = p.s, i.e. X {, 1} p.s. On a don trouvé que X suit une loi de Bernoulli. Pour déterminer ette loi il ne reste plus qu à trouver le paramètre. Mais d après la question 5, et une propriété de martingale, p = E[X ] = E[X n ] E[X ], ainsi E[X ] = p, et on onlut don que X Berp. 9
4. 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 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 détailChapitre IV- Induction électromagnétique
37 Chapitre IV- Indution életromagnétique IV.- Les lois de l indution IV..- L approhe de Faraday Jusqu à maintenant, nous nous sommes intéressés essentiellement à la réation d un hamp magnétique à partir
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 détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
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 détailIntégrale et primitives
Chpitre 5 Intégrle et primitives 5. Ojetif On herhe dns e hpitre à onstruire l opérteur réiproue de l opérteur de dérivtion. Les deux uestions suivntes sont lors nturelles. Question : Soit f une pplition
Plus en détail1 Introduction à l effet Doppler.
Introdution à l effet Doppler Ph. Ribière ribierep@orange.fr Merredi 9 Novembre 2011 1 Introdution à l effet Doppler. Vous avez tous fait l expériene de l effet Doppler dans la rue, lorsqu une ambulane,
Plus en détailChap 4. La fonction exponentielle Terminale S. Lemme : Si est une fonction dérivable sur R telle que : = et 0! = 1 alors ne s annule pas sur R.
Lemme : Si est une fonction dérivable sur R telle que : = et 0! = 1 alors ne s annule pas sur R. Démonstration : Soit la fonction %:& %&!= &!, elle est dérivable sur R et & R, %. &!= &! = &! = %&! gaelle.buffet@ac-montpellier.fr
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 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 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 détailÉquations différentielles et systèmes dynamiques. M. Jean-Christophe Yoccoz, membre de l'institut (Académie des Sciences), professeur
Équations différentielles et systèmes dynamiques M. Jean-Christophe Yooz, membre de l'institut (Aadémie des Sienes), professeur La leçon inaugurale de la haire a eu lieu le 28 avril 1997. Le ours a ensuite
Plus en détailComment évaluer la qualité d un résultat? Plan
Comment évaluer la qualité d un résultat? En sienes expérimentales, il n existe pas de mesures parfaites. Celles-i ne peuvent être qu entahées d erreurs plus ou moins importantes selon le protoole hoisi,
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 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 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 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 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 détail3. Veuillez indiquer votre effectif total :
1 Métiers du marketing et de la ommuniation Questionnaire préalable d assurane Préambule Le présent questionnaire préalable d assurane Marketing et Communiation a pour objet de réunir des informations
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 détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailMesures du coefficient adiabatique γ de l air
Mesures du oeffiient adiabatique γ de l air Introdution : γ est le rapport des apaités alorifiques massiques d un gaz : γ = p v Le gaz étudié est l air. La mesure de la haleur massique à pression onstante
Plus en détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
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 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 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 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 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 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 détailBAILLY-GRANDVAUX Mathieu ZANIOLO Guillaume Professeur : Mrs Portehault
BAILLY-GRANDVAUX Mathieu ZANIOLO Guillaume Professeur : Mrs Portehault 1 I. Introdution...3 II. Généralités...3 Caratéristiques ommunes aux deux phénomènes...3 La différene entre la phosphoresene et la
Plus en détailProduction statistique: passage d une démarche axée sur les domaines à une démarche axée sur les processus
Nations Unies Conseil éonomique et soial Distr. générale 31 mars 2015 Français Original: anglais ECE/CES/2015/26 Commission éonomique pour l Europe Conférene des statistiiens européens Soixante-troisième
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 détailChapitre 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 détailCours de gestion des risques d assurances et de théorie de la ruine. Stéphane Loisel
Cours de gestion des risques d assurances et de théorie de la ruine Stéphane Loisel ISFA, 2005-2006 Table des matières I Modélisation de la charge sinistre : du modèle individuel au modèle collectif 5
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
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 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 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 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 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 détailInformatique III: Programmation en C++
Informatique III: Programmation en C++ Listes haînées Lundi 9 Janvier 2006 1 2 Introdution Les listes hainées permettent de stoker un nombre d objets qui n a pas besoin d être spéifié a priori. Rajouter
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
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 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 détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
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 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 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 détailphysique - chimie Livret de corrigés ministère de l éducation nationale Rédaction
ministère de l éduation nationale physique - himie 3e Livret de orrigés Rédation Wilfrid Férial Jean Jandaly Ce ours est la propriété du Cned. Les images et textes intégrés à e ours sont la propriété de
Plus en détailNCCI : Calcul d'assemblages de pieds de poteaux encastrés
NCCI : Calul d'assemblages de pieds de poteaux enastrés Ce NCCI fournit les règles relatives au alul d'assemblages de pieds de poteaux enastrés. Ces règles se ontentent de ouvrir la oneption et le alul
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
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 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 détailNécessité de prendre en compte des termes d ordre G 3 pour mesurer γ à 10 8 près
Néessité de prendre en ompte des termes d ordre G 3 pour mesurer γ à 10 8 P. Teyssandier Observatoire de Paris Dépt SYRTE/CNRS-UMR 8630UPMC P. Teyssandier ( Observatoire de Paris Dépt SYRTE/CNRS-UMR Néessité
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 détailPROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390
PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 Université PARIS 6 2008/2009 Jean BERTOIN 1 Table des Matières ( ) ces parties peuvent ^etre omises en première lecture, et ne feront pas
Plus en détailModèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes
de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz
Plus en détailForme juridique Noms et adresses des filiales à assurer. Date de création ou début de l activité Description PRÉCISE de vos activités
1 Portage Salarial pour les métiers du Conseil by Hisox Questionnaire préalable d assurane Identifiation du proposant Raison soiale Adresse de la soiété Site web Code APE Code SIREN Forme juridique Noms
Plus en détailNCCI : Modèle de calcul pour les pieds de poteaux articulés Poteaux en I en compression axiale
NCCI : Modèle de alul pour les pieds de poteaux artiulés Poteaux en I en Ce NCCI présente les règles permettant de déterminer soit la résistane de alul, soit les dimensions requises des plaques d'assise
Plus en détailGuide pratique. L emploi des personnes handicapées
Guide pratique L emploi des personnes handiapées Sommaire Guide pour les salariés p. 3 L'aès et le maintien dans l'emploi... 4 Les établissements et servies d aide par le travail (ÉSAT)... 10 Les entreprises
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 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 détailMesure et Intégration (Notes de cours de L3)
Mesure et Intégration (Notes de cours de L3) Ahmed Zeriahi Version préliminaire-octobre 2011 Avertissement : Ceci est une version préliminaire des notes du cours que l auteur a dispensé en troisème année
Plus en détailMARTINGALES POUR LA FINANCE
MARTINGALES POUR LA FINANCE une introduction aux mathématiques financières Christophe Giraud Cours et Exercices corrigés. Table des matières I Le Cours 7 0 Introduction 8 0.1 Les produits dérivés...............................
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 détailProjet INF242. Stéphane Devismes & Benjamin Wack. Pour ce projet les étudiants doivent former des groupes de 3 ou 4 étudiants.
Projet INF242 Stéphane Devismes & Benjamin Wak Pour e projet les étudiants doivent former des groupes de 3 ou 4 étudiants. 1 Planning Distribution du projet au premier ours. À la fin de la deuxième semaine
Plus en détailprix par consommateur identiques différents prix par identiques classique 3 unité différents 2 1
3- LE MONOOLE DISCRIMINANT Le monoole eut vendre ertaines unités de roduit à des rix différents. On arle de disrimination ar les rix. Selon une terminologie due à igou (The Eonomis of Welfare, 1920), on
Plus en détailVotre dossier d adhésion
MSH INTERNATIONAL pour le ompte Votre dossier d adhésion Vous avez besoin d aide pour ompléter votre dossier d adhésion? Contatez-nous au +33 (0)1 44 20 48 77. Adhérent Bulletin d adhésion Titre : Mademoiselle
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
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 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 détailMA6.06 : Mesure et Probabilités
Année universitaire 2002-2003 UNIVERSITÉ D ORLÉANS Olivier GARET MA6.06 : Mesure et Probabilités 2 Table des matières Table des matières i 1 Un peu de théorie de la mesure 1 1.1 Tribus...............................
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 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 détailForme juridique Noms et adresses des filiales à assurer. Date de création ou début de l activité Description PRÉCISE de vos activités
1 RC Professionnelle by Hisox Questionnaire préalable d assurane Identifiation du proposant Raison soiale Adresse de la soiété Site web Code APE Code SIREN Forme juridique Noms et adresses des filiales
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 détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
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 détailLoi d une variable discrète
MATHEMATIQUES TD N : VARIABLES DISCRETES - Corrigé. P[X = k] 0 k point de discontinuité de F et P[X = k] = F(k + ) F(k ) Ainsi, P[X = ] =, P[X = 0] =, P[X = ] = R&T Saint-Malo - nde année - 0/0 Loi d une
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
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 détailMétiers de la sécurité Questionnaire préalable d assurance
Métiers de la séurité Questionnaire préalable d assurane Métiers de la séurité Questionnaire préalable d assurane Identifiation du proposant Raison soiale Adresse de la soiété Site web Code APE Code SIREN
Plus en détailApproximation diophantienne uniforme et dimension de Hausdorff
Approximation diophantienne uniforme et dimension de Hausdorff Lingmin LIAO Travaux en collaboration avec Yann Bugeaud, Dong Han Kim et Micha l Rams Université Paris-Est Créteil Séminaire de Probabilités
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailProbabilités et statistique. Benjamin JOURDAIN
Probabilités et statistique Benjamin JOURDAIN 11 septembre 2013 2 i ii À Anne Préface Ce livre est issu du polycopié du cours de probabilités et statistique de première année de l École des Ponts ParisTech
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailApproximations variationelles des EDP Notes du Cours de M2
Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation
Plus en détailExercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument
Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour
Plus en détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailChapitre VI - Méthodes de factorisation
Université Pierre et Marie Curie Cours de cryptographie MM067-2012/13 Alain Kraus Chapitre VI - Méthodes de factorisation Le problème de la factorisation des grands entiers est a priori très difficile.
Plus en détail