Chapitre 5 : Variables aléatoires discrètes
|
|
- Emma Duquette
- il y a 7 ans
- Total affichages :
Transcription
1 VARIABLES ALEATOIRES DISCRETES 71 Chapitre 5 : Variables aléatoires discrètes 5.1 Défiitios formelles Défiitio : Soit U l'uivers d'ue expériece aléatoire. Ue variable aléatoire sur U est ue foctio à valeurs réelles défiie sur l'uivers U: X : U IR O désige ue variable aléatoire par ue lettre majuscule et ses valeurs par la même lettre miuscule. Ue variable aléatoire est discrète si l'esemble de ses valeurs est fii ou déombrable. Sio elle est cotiue. À chacue de ses valeurs o associe l'évéemet : E i = X -1 (x i ) = { ω j U X(ω j ) = x i } Défiitio : La foctio de probabilité ou loi de probabilité de la variable aléatoire X est la probabilité de ces évéemets: X(U) [0 ; 1] IR x i P(X = x i ) = P(E i ) 5.2 Quelques rappels Ces 2 défiitios e vous paraisset pas évidetes?? Décortiquos tout ceci plus calmemet Défiitio : L'esemble U de toutes les issues possibles qui se présetet au cours d'ue épreuve aléatoire costitue par défiitio l'uivers. Exemple 1 : 1.1) O jette ue pièce de moaie. Les issues possibles sot p (pile) et f (face). 1.2) O jette ue pièce de moaie deux fois de suite. L'uivers U est doc Parmi les 4 issues possibles, o peut s'itéresser à u évéemet et e calculer sa probabilité. Par exemple, l'évéemet "o obtiet au mois 1 pile" admet ue probabilité de:
2 72 CHAPITRE Variables aléatoires Das de ombreuses épreuves, o est ameé à associer à chaque issue possible i de l'uivers U u ombre réel X(i); par exemple: le gai d'u joueur das u jeu de hasard. Cette foctio X de U das IR porte le om de variable aléatoire. Exemple 2 : 2.1) O jette ue pièce de moaie ue seule fois. O a U = {p, f}. Soit X la variable aléatoire doat le ombre de face qui se présete lors de l'épreuve. O a: 2.2) O jette ue pièce de moaie deux fois de suite. O a U = {(p, p), (p, f ), (f, p), (f, f )} Soit X la variable aléatoire idiquat le ombre total de faces qui se présetet lors de l'épreuve. O a: 2.3) Ue ure cotiet 3 boules umérotées 2, 3 et 5. O tire successivemet 2 boules de l'ure (sas remise). O a U = { Soit X la variable aléatoire idiquat le ombre total de poits sortis par les deux boules. O a: Das les trois exemples qui précèdet, la variable aléatoire X e peut predre chaque fois qu'u ombre fii de valeurs réelles. O dit das ce cas qu'o a ue variable aléatoire discrète. S'il s'agissait de cosidérer la variable aléatoire idiquat le temps (e miutes) que met u cocurret pour faire la course Sierre-Zial, ous aurios affaire à ue variable aléatoire cotiue.
3 VARIABLES ALEATOIRES DISCRETES 73 Nous allos cosidérer à préset l'image réciproque X -1 qui à u sous-esemble A i de IR fait correspodre l'évéemet E i (sousesemble de U) costitué de toutes les issues qui ot ue image das A i par X. Repreos l'exemple 2.1: O a par exemple: {0} > {1} > [-2 ; 0] > [0 ; 3] > ]0 ; 1[ > Repreos la variable X l'exemple 2.2: O a par exemple: {0} > [0 ; 1] > ]1 ; 2] > Das le cas de l'exemple 2.3: O a par exemple: [5 ; 6] > ]6 ; 8] > L'itérêt de la otio de variable aléatoire proviet de ce qu'elle permet d'attacher à chaque sous-esemble A i de IR ue probabilité (que ous oteros P(A i )) qui est reliée aux probabilités des évéemets E i de U: Par exemples, das l'exemple 2.1, P(0) = das l'exemple 2.2, P([0 ; 1]) = Das les exercices qui vot suivre, ous résumeros la foctio de probabilité (ou loi de probabilité) das u tableau coteat 3 coloes. Exemple 3 : O lace trois fois ue pièce de moaie bie équilibrée. La variable aléatoire X idique le ombre de faces obteues. Compléter: U = { } x i Évéemets Probabilités p i = P(X = x i ) 0 P(X = 0) = 1 P(X = 1) = 2 P(X = 2) = 3 P(X = 3) = Total:
4 74 CHAPITRE 5 E déduire la probabilité que le ombre de faces obteues soit compris etre 1 et 3: P(1 X 3) = O représetera volotiers ue variable aléatoire discrète sous la forme d'u histogramme (ou diagramme e coloes): Exercice 5.1 : Exercice 5.2 : Les variables aléatoires sot-elles cotiues ou discrètes? a) Le ombre jouralier de décès e Suisse. b) Le temps pour courir 100 m. c) Le poids d'u Suisse. d) Le ombre de coups pour toucher ue cible. O tire 1 carte d'u jeu ordiaire de 36 cartes. O obtiet 10 poits pour u as, 5 poits pour u roi, 3 poits pour ue dame, 2 poits pour u valet, 1 poit pour ue carte avec u uméro pair et aucu poit pour ue carte avec u uméro impair. La variable aléatoire X représete le ombre de poits obteus. a) Détermier la foctio de probabilité. b) Représeter so histogramme. c) Calculer P(X 3). Défiitio : La foctio de répartitio d'ue variable aléatoire discrète est la foctio réelle défiie par : F: IR IR x i P(X x i ) Remarque : La représetatio graphique d'ue foctio de répartitio est "e escaliers"
5 VARIABLES ALEATOIRES DISCRETES 75 Exemple 4 : Repreos le tableau de la foctio de probabilité de l'exemple précédet: x i P(X = x i ) F(x i ) = P(X x i ) 0 1/8 1 3/8 2 3/8 3 1/8 La représetatio graphique de la foctio de répartitio: Exercice 5.3 : Exercice 5.4 : De l'exercice 5.2, détermier la foctio de répartitio et représeter so graphe. Justifier ces différetes propriétés d'ue foctio de répartitio: 1) 0 F(x i ) l 2) Elle est costate etre les valeurs d'ue variable aléatoire discrète. 3) Elle est croissate. 4) lim F(x) = 0. x 5) lim F(x) = 1. x + 6) P(a < X b) = F(b) F(a).
6 76 CHAPITRE 5 Exemple 5 : Ue ure cotiet 8 boules blaches, 4 oires et 2 rouges. U joueur extrait simultaémet 2 boules de l'ure. Il gage Fr 2.-. par boule oire et perd Fr 1.- par boule blache. Détermier la foctio de probabilité de la variable aléatoire X idiquat le gai du joueur. Avat de détermier la foctio de probabilité et de la préseter das u tableau, calculer: a) La probabilité de perdre 2.- b) La probabilité de gager 1.- c) Compléter esuite la foctio de probabilité das le tableau suivat: x i Évéemets Probabilités p i = P(X = x i ) -2 P(X = -2) = -1 P(X = -1) = 0 P(X = 0) = 1 P(X = 1) = 2 P(X = 2) = 4 P(X = 4) = Total: Exercice 5.5 : Exercice 5.6 : Exercice 5.7 : Ue ure cotiet 3 boules blaches, 2 rouges et 5 oires. O extrait simultaémet 3 boules de l'ure. O gage Fr 1.- pour chaque boule blache tirée et o perd Fr 1.- pour chaque boule rouge tirée. Les boules oires sot eutres. a) Détermier la foctio de probabilité. b) Quelle est la probabilité de gager quelque chose à ce jeu? Représeter le graphique de la foctio de répartitio de l'exercice précédet. O lace 3 fois ue pièce de moaie truquée. O a P(face) = 2/3. Détermier la foctio de probabilité de la variable aléatoire X idiquat le ombre de faces qui apparaisset.
7 VARIABLES ALEATOIRES DISCRETES 77 Exercice 5.8 : Exercice 5.9 : Exercice 5.10 : Exercice 5.11 : Exercice 5.12 : O lace deux dés et o cosidère la variable aléatoire X représetat la différece positive ou ulle etre les deux dés. a) Détermier les valeurs de cette variable aléatoire et leur probabilité. Calculer la foctio de répartitio. b) Calculer P(X 3) et P(X < 2). U travail écrit compred 5 questios. À chaque questio, o propose 3 réposes, dot ue seule est juste. U élève répod au hasard à chaque questio. Soit X le ombre de réposes correctes fouries par l'élève. a) Calculer les foctios de probabilité et de répartitio. b) Expliciter la formule permettat de calculer P(X = x i ) pour tout i. c) Calculer la probabilité que l'élève ait répodu correctemet à 4 questios au mois. 5 garços et 5 filles passet u exame. O suppose que toutes les otes obteues sot différetes, et que tous les classemets possibles de ces persoes sot équiprobables. Détermier la foctio de probabilité de la variable aléatoire X idiquat le rag de la fille la mieux classée parmi ces 10 persoes. Ue ure cotiet 3 boules blaches, 2 rouges et 5 oires. O extrait simultaémet 3 boules de l'ure. O gage Fr 1.- pour chaque boule blache tirée et o perd Fr 1.- pour chaque boule rouge tirée. Repredre la foctio de probabilité de l'exercice 5.5 pour calculer la probabilité d'avoir gagé Fr i.- sachat qu'o a gagé quelque chose. Ue ure cotiet b boules blaches et r boules rouges. O extrait ue boule de l'ure, o ote sa couleur et o la remet das l'ure. Cette expériece est répétée fois. Détermier la foctio de probabilité de la variable aléatoire X idiquat le ombre de boules blaches tirées. Idicatio: 'état pas fixé, il s'agit doc d'expliciter la formule permettat de calculer P(X = k) où k [1 ; ]
8 78 CHAPITRE Espérace mathématique, variace et écart-type d ue VA Exemple d'itroductio : Repreos l'exemple du jet simultaé de 2 dés où la variable aléatoire X représete la somme des poits obteus. Nous avos obteu la foctio de probabilité suivate: x i p i 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 Questio: Si o répète cette expériece u grad ombre de fois, quelle somme, e moyee, peut-o espérer obteir?. Défiitios : Soit X ue variable aléatoire qui pred les valeurs x 1, x 2,, x avec les probabilités p 1, p 2,, p. So espérace mathématique est défiie par: E(X) = p 1 x 1 + p 2 x p x = p i x i Sa variace et so écart-type sot défiis par: V(X) = p i ( x i E(X) ) 2 σ(x) = V (X) Remarques : L aalogie avec la moyee, la variace et l écart type e statistique descriptive est évidete e comparat les formules : x = f i x i E(X) = p i x i V(X) = f i ( x i x ) 2 V(X) = p i x i E(X) σ(x) = V (X) σ(x) = V (X) ( ) 2 L espérace mathématique d ue variable aléatoire est ue mesure de tedace cetrale, la variace et l écart-type sot des mesures de dispersio.
9 VARIABLES ALEATOIRES DISCRETES 79 Remarques : Si l espérace mathématique est pas u ombre etier, le calcul de la variace risque d être fastidieux ou redu imprécis par des arrodis. O procède alors volotiers comme e statistique descriptive : V(X) = p i ( x i E(X) ) 2 = p i x 2 i E(X) ( ) 2 L idicateur d homogééité d ue variable aléatoire est défii grâce au coefficiet de variatio CV exprimé e % : CV = σ E(X) Exemple 6 : Imagios le jeu suivat: ue ure cotiet 3 boules blaches, 2 rouges et 5 oires. O extrait simultaémet et sas remise 3 boules de l'ure. O gage Fr 2.- pour chaque boule blache tirée et o perd Fr 2.- pour chaque boule rouge tirée. La variable aléatoire X doe le gai de la partie. a) Calculer E(X) et V(X). b) Sachat que vous devez de toute faço payer Fr 1.- pour participer à ce jeu, est-il retable pour vous d'y participer? x i Évéemet p i p i x i p i x i 2-4 {R;R;N} 5/120-20/120 80/120-2 {R;R;B} ou {R;N;N} 23/120-46/120 92/ {B;B;N} 15/120 60/ /120 6 {B;B;B} 1/120 6/120 36/120 Totaux :
10 80 CHAPITRE 5 Exercice 5.13 : Exercice 5.14 : Exercice 5.15 : Exercice 5.16 : Exercice 5.17 : Exercice 5.18 : O lace ue pièce de moaie bie équilibrée jusqu'à ce qu'o obtiee soit pile, soit 4 faces. Si X représete le ombre de lacers effectués, calculer a) E(X) et V(X) b) P(X 3). O tire successivemet et avec remise quatre cartes d'u jeu ordiaire de 52 cartes. La variable aléatoire X représete le ombre de cartes rouges tirées. a) Détermier la foctio de probabilité de X. b) Calculer so espérace et sa variace. U dé est pipé de telle maière que la probabilité d'apparitio d'u ombre détermié de poits est proportioelle à ce ombre. Soit X la variable aléatoire attachée à ce ombre de poits qui apparaisset lorsqu'o jette ce dé. Calculer l'espérace de cette variable aléatoire. Das ue tombola, o fait des paquets de 10 billets; chaque paquet cotiet trois billets gagats. Quelqu'u décide d'acheter des billets d'u paquet de 10 jusqu'à ce qu'il obtiee u billet gagat. Combie de billets peut-il s'attedre à acheter? Deux idividus se sot mis d'accord sur le jeu suivat: o jette u dé deux fois de suite. Si le premier jet a doé u ombre de poits iférieur au secod, o fait le total des poits et o attribue le résultat au joueur A et le joueur B e reçoit aucu poit. Sio, o fait la différece des poits des deux dés et o attribue le carré du résultat au joueur B et le joueur A e reçoit aucu poit. Motrer que ce jeu est équitable e calculat le ombre de poits que chaque joueur peut espérer? Le vice-présidet d ue etreprise doit faire ue recommadatio au coseil d admiistratio sur le choix d u projet de reouvellemet d équipemet. Les gais possibles de chaque projet sot répartis suivat les foctios de probabilité ci-dessous : Projet A Projet B Gai Probabilité Gai Probabilité , , , , , , , , , ,10 a) Quel est le gai espéré de chaque projet? b) Quel est l écart-type de chaque projet? c) E utilisat le coefficiet de variatio comme mesure relative de risque, détermier lequel des deux projets semble le plus risqué.
11 VARIABLES ALEATOIRES DISCRETES 81 Exercice 5.19 : Ue société de gestio de portefeuille evisage d ivestir das des actios ordiaires d ue etreprise se spécialisat das la fabricatio de microordiateurs. Toutefois, divers redemets sot possibles et ils se répartisset d après le tableau ci-cotre, et ceci pour ue période d u a. Redemet (%) Probabilité 30 0,06 28,5 0, , , ,10 6 0,05 a) Calculer le redemet espéré d u tel ivestissemet. b) Calculer l écart-type et le coefficiet de variatio du redemet. c) La société pourrait égalemet ivestir das des obligatios du gouveremet avec u redemet garati de 14%. Calculer le coefficiet de variatio. d) Lequel des deux ivestissemets présete le plus grad risque? Exercice 5.20 : L'etreprise PROLAB a besoi de 10'000 composats électroiques. L'etreprise a la possibilité d'acheter d'u fourisseur ces composats au coût uitaire de Fr 15.- et chaque composat est certifié à 100% par le fourisseur. Si les composats sot fabriqués par PROLAB, ils le serot à u coût moidre, mais les igéieurs de l'etreprise estimet que la ature du procédé de fabricatio peut egedrer ue forte proportio de composats e satisfaisat pas les ormes. Selo le resposable de la qualité de la productio, la proportio de composats e satisfaisat pas les ormes pourrait être répartie comme suit: Proportio Probabilité 0 0,05 0,05 0,20 0,10 0,30 0,15 0,25 0,20 0,15 0,25 0,05 Les frais fixes de productio sot de Fr 15'000.- et les frais variables sot de Fr 12.- par composat. Les composats e satisfaisat pas les ormes peuvet être rectifiés au coût de Fr 10.- chacu. a) Détermier le coût que PROLAB peut s'attedre à assumer pour rectifier les composats e satisfaisat pas les ormes sur ue productio de 10'000 composats. b) Quel est alors le coût total de fabricatio des 10'000 composats (icluat le coût de rectificatio)? c) L'etreprise doit-elle fabriquer ou acheter du fourisseur les composats? Quel serait le gai ou la perte aticipé?
12 82 CHAPITRE 5 Exemple 6 : O doe la distributio de probabilités de la variable aléatoire X : x i p i 0,1 0,3 0,4 0,1 0,1 O peut motrer que E(X) = 11,2 et que V(X) = 18,56 a) O cosidère la ouvelle variable aléatoire Y = X 10. Compléter le tableau de distributio : y i p i b) Détermier E(Y) et V(Y) Théorème : Soit X ue variable aléatoire discrète. O défiit ue ouvelle variable aléatoire Y = ax + b par : P(Y = y i ) = P(X = x i ) si y i = ax i + b O peut alors calculer directemet l espérace et la variace de cette ouvelle variable aléatoire : 1) E(Y) = E(aX + b) = a E(X) + b 2) V(Y) = V(aX + b) = a 2 V(X) 3) σ(y) = σ(ax + b) = a σ(x) Exercice 5.21 : Ue etreprise fabrique u modèle de télévisio HD. O a établi, avec le temps, que le ombre de pièces vedues par jour ouvrable suit la foctio de probabilités suivate: x i p i 0,20 0,25 0,20 0,15 0,10 0,10 Si le profit egedré par la vete d ue de ces pièces est de 800 Fr. et que l etreprise a des coûts fixes de Fr. chaque mois. a) Détermier Y, la variable aléatoire idiquat le profit durat u mois (25 jours ouvrables). b) Détermier le profit moye durat u mois. c) Calculer la foctio de répartitio du profit mesuel. Exercice 5.22 : Démotrer les formules du théorème précédet.
EXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailTerminale S. Terminale S 1 F. Laroche
Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détailx +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.
EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détailLimites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détailUV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1
UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailExamen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot
Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars
Plus en détailSTATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détailPrincipes et Méthodes Statistiques
Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............
Plus en détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détailCours de Statistiques inférentielles
Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détailUNIVERSITÉ DE SFAX École Supérieure de Commerce
UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première
Plus en détailProbabilités et statistique pour le CAPES
Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détailChapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.
Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détailMobile Business. Communiquez efficacement avec vos relations commerciales 09/2012
Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailConvergences 2/2 - le théorème du point fixe - Page 1 sur 9
Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios
Plus en détailStatistique Numérique et Analyse des Données
Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques
Plus en détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détailRECHERCHE DE CLIENTS simplifiée
RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailCompte Sélect Banque Manuvie Guide du débutant
GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détailCHAPITRE 2 SÉRIES ENTIÈRES
CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **
Plus en détailAugmentation de la demande du produit «P» Prévision d accroître la capacité de production (nécessité d investir) Investissement
Augmetatio de la demade du produit «P» Prévisio d accroître la capacité de productio (écessité d ivestir) Ivestissemet Etude de retabilité du produit «P» Jugemet de l opportuité et de la retabilité du
Plus en détailMUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB
MUTUELLE D&O MUTUELLE D&O Copilote de votre saté AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyace CRC CRIS CRPB-AFB DOMISSIMO-Assuraces DOMISSIMO-Services FONGECFA-Trasport IPRIAC MUTUELLE D&O OREPA-Prévoyace
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détailOne Office Voice Pack Vos appels fixes et mobiles en un seul pack
Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre
Plus en détailEtude de la fonction ζ de Riemann
Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.
Plus en détailExercices de mathématiques
MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris
Plus en détailDares Analyses. Plus d un tiers des CDI sont rompus avant un an
Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée
Plus en détailS-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui.
S-PENSION Costituez-vous u capital retraite complémetaire pour demai tout e bééficiat d avatages fiscaux dès aujourd hui. Sommaire 1. Il est temps de predre l iitiative 4 2. Profitez dès aujourd hui des
Plus en détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
Plus en détail3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.
3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios
Plus en détailCours 5 : ESTIMATION PONCTUELLE
Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-
Plus en détailLogiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd
easylab Le logiciel de gestio de fichiers pour baladeurs et tablettes Visualisatio simplifiée de la flotte Gestio des baladeurs par idividus / classes / groupes / activités Activatio des foctios par simple
Plus en détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
Plus en détailUniversité Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014
Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,
Plus en détailChaînes de Markov. Arthur Charpentier
Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.
Plus en détailPREPARER SA RETRAITE
PREPARER SA RETRAITE Combie éparger pour compléter sa retraite? Pour répodre à cette questio, la première étape cosiste à imagier so trai après 65 as. Des postes de dépeses aurot disparu (otammet ceux
Plus en détailNous imprimons ce que vous aimez!
Nous imprimos ce que vous aimez! Persoalisé simple différet Catalogue de produits Tapis stadard tapis logo tapis publicitaire Nous imprimos ce que vous aimez! 2 I JOBET JOBET Vous et vos cliets serez coquis...
Plus en détail4 Approximation des fonctions
4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour
Plus en détailSuites et séries de fonctions
[http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de
Plus en détailLes algorithmes de tri
CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....
Plus en détailIntroduction : Mesures et espaces de probabilités
Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,
Plus en détailOptions Services policiers à Moncton Rapport de discussion
Optios Services policiers à Mocto Rapport de discussio Le 22 ovembre 2010 Also available i Eglish TABLE DES MATIÈRES Chapitre 1.0 Sommaire 3 Chapitre 2.0 Problématique 4 Chapitre 3.0 Cotexte 5 Chapitre
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détailDETERMINANTS. a b et a'
2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio
Plus en détailSTRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO
Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailÉchantillonnage et estimation
Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos
Plus en détailTélé OPTIK. Plus spectaculaire que jamais.
Télé OPTIK Plus spectaculaire que jamais. Vivez toute la puissace de la télévisio sur IP grâce au réseau OPTIK 1 de TELUS et découvrez-e l extraordiaire potetiel. Télé OPTIK MC vous doe la parfaite maîtrise
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailCOMMENT ÇA MARCHE GUIDE DE L ENSEIGNANT 9 E ANNÉE
GUIDE DE L ENSEIGNANT 9 E ANNÉE TROUSSE PÉDAGOGIQUE 9 E ANNÉE Le préset Guide de l eseigat, qui accompage la trousse pédagogique COMMENT ÇA MARCHE : PRODUCTION D ÉLECTRICITÉ 9 e aée a été coçu à l itetio
Plus en détailMESURE DE L'INFORMATION
MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE
Plus en détailRESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)
RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &
Plus en détailPROMENADE ALÉATOIRE : Chaînes de Markov et martingales
PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières
Plus en détailGérer les applications
Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces
Plus en détailGuide des logiciels de l ordinateur HP Media Center
Guide des logiciels de l ordiateur HP Media Ceter Les garaties des produits et services HP sot exclusivemet présetées das les déclaratios expresses de garatie accompagat ces produits et services. Aucu
Plus en détailNeolane Leads. Neolane v6.0
Neolae Leads Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord. Cette publicatio
Plus en détail?,i- ' ^/mmmmmm. CACU ^..""'V ii\teimmies EîiiEsmmii ''?A y? K 1^ 1 - r Par le Moyede Formules Algébriques ) v-^' ET A 'AIDE DES OGARITHMES.../v:?i.'?Xi:: F, X, BURQUE, Ptr. Professeur de MatJu'matiques,
Plus en détailLes nouveaux relevés de compte
Ifo CR Les ouveaux relevés de compte Les relevés de compte actuels du Crédit Agricole de Champage-Bourgoge sot issus de la migratio iformatique sur le GIE AMT e 2001 : petit format (mais A4 pour les Professioels),
Plus en détail