[M. Gubinelli - Processus discrets - M1 MMD 2009/ v.6] IV Martingales
|
|
- Marie-Paule St-Louis
- il y a 7 ans
- Total affichages :
Transcription
1 Filtratios et martigales 1 [M. Gubielli - Processus discrets - M1 MMD 2009/ v.6] IV Martigales 1 Filtratios et martigales O cosidère u espace probabilisé (Ω, F, P). Défiitio 1. Ue filtratio est ue famille (F ) 0 de sous-tribus de F telles que F F +1 pour tout 0. OposeF 1 = {, Ω} et F = σ(f, 0) (F est la plus petite tribu qui cotiee les F pour 0). Soit (X ) 0 u processus stochastique, sa filtratio aturelle (F X ) 0 est la filtratio défiie par F X = σ(x 0,,X ). Défiitio 2. Soit (X ) 0 u processus stochastique et (F ) 0 ue filtratio, o dit que (X ) 0 est adapté (à la filtratio (F ) 0 ) ssi X ˆF pour tout 0. Oditque(X ) 0 est prévisible (par rapport à la filtratio (F ) 0 ) ssi X ˆF 1 pour tout 0. La filtratio aturelle de X est la plus petite filtratio à laquelle X est adapté. Défiitio 3. U processus (X ) 0 réel, adapté et itégrable (c-à-d tel que E[ X ] < + pour tout 0) est i. ue martigale ssi E[X +1 F ]=X p.s. pour tout 0 ; ii. ue sur-martigale ssi E[X +1 F ] X p.s. pour tout 0 ; iii. ue sous-martigale ssi E[X +1 F ] X p.s. pour tout 0. Si o iterprète (X ) 0 comme les gais das u jeux d hasard et la filtratio (F ) 0 comme l iformatio à dispositio à chaque istat de temps, alors ue martigale est u jeux équitable, ue sur-martigale est u jeux défavorable et ue sous-martigale u jeux favorable. Remarque 4. Si X est ue martigale, alors par récurrece de la défiitio o a que E[X m F ]=X pour tout m 0. Ue propriété aalogue est valable pour les sous/sur-martigales. Si o ote X = X X 1 alors o a que la propriété de (sous-/sur-)martigale est équivalet à E[ X +1 F ]=0(ou, ou ) pour tout 0. Exemple 5. Soit Z ue v.a. réelle et itégrable. Alors X = E[Z F ] est ue martigale. Si (A ) 0 est u processus réel adapté et croissat (décroissat) alors il est aussi ue sous-(sur-) martigale. Propositio 6. ( Décompositio de Doob) Soit (X ) 0 ue suite adapté et itégrable, alors il existe u uique martigale (M ) 0 et u uique processus (I ) 0 prévisible, itégrable et tel que I 0 =0 tels que o a X = X 0 + M + I, 0. De plus a) I =0 pour tout 0 ssi (X ) 0 est ue martigale ; b) (I ) 0 est croissat ssi (X ) 0 est ue sous-martigale ; c) (I ) 0 est décroissat ssi (X ) 0 est ue sur-martigale.
2 2 Sectio 1 Démostratio. O démotre l uicité de la décompositio d abord: si M,Ĩ sot ue autre possible décompositio de X e partie martigale et processus prévisible itégrable, alors o doit avoir M + Ĩ = M + I = X X 0 et doc si o pose N = M M = I Ĩ o a que N est ue martigale et au même temps u processus prévisible itégrable, doc pour tout 0 N = E[N +1 F ]=N +1 car N +1 ˆF ce qu implique que N estcostate et doc que N = N 0 =0 car I 0 = Ĩ 0 =0. Doc I = Ĩ et M = M. Pour l existece o remarque que M = X I et e preat l espérace coditioelle o obtiet que 0=E[ M +1 F ]=E[ X +1 F ] E[ I +1 F ]=E[ X +1 F ] I +1 car par la prévisibilité de I o a I +1 ˆF. Doc o peut poser 1 I = E[ X i+1 F i ], I 0 =0 i=0 ce qui ous doe u processus prévisible et itégrable. Il est aussi évidet que si o pose M = X X 0 I alors (M ) 0 est ue martigale. La formule pour I doe directemet que si (X ) 0 est martigale alors I =0pour tout 0, l implicatio opposée est évidete. Si (X ) 0 est ue (sur-)sous-martigale alors pour tout : E[ X +1 F ] X (ou )etdocleprocessusi est (de-)croissat. Propositio 7. Soit (X ) 0 ue (sous-)martigale et Φ ue foctio covexe (covexe et croissate) et telle que E[ Φ(X ) ] < + pour tout 0, alors(φ(x )) 0 est ue sous-martigale. Démostratio. Par l iégalité de Jese o a que E[Φ(X +1 ) F ] Φ(E[X +1 F ]) = Φ(X ) ou la derière égalité est due à la propriété de martigale de X. Si X est sous-martigale o a que E[Φ(X +1 ) F ] Φ(E[X +1 F ]) Φ(X ) par le fait que o suppose Φ croissate. Propositio 8. Soit (X ) 0 ue martigale de carre itegrable (c-à-d E[X 2 ] < + pour tout 0). Alors la sous-martigale (X 2 ) 0 admet la décompositio avec X 2 = X N +[X] N =2 X i 1 X i, [X] = ( X i ) 2 où le processus (M ) 0 estumartigaleetleprocessus([x] ) 0 est u processus croissate appelé variatio quadratique de X. Démostratio. (exercice) Exercice 1. Soit (X ) 0 ue martigale. Détermier la décompositio de Doob de (X 2 ) 0 : X 2 = X M + X avec (M ) 0 martigale et ( X ) 0 processus prévisible (et croissate). Motrer que X = E[( X ) 2 F 1 ]=E[ [X] F 1 ].
3 Théorèmes de covergece 3 2 Théorèmes de covergece Théorème 9. ( Doob) Soit(X ) 0 ue sous-martigale positive et X = sup 0 i X i pour 0. Alors E[(X N ) 2 ] 4E[X 2 N ] pour tout N 0. Démostratio. O pose X 1 =0 par coveace. O a que (X +1 ) 2 (X ) 2 =(X +1 X )(X +1 + X ) 2X +1 (X +1 X ) pour tout 1 car si X +1 X > 0 alors X +1 = X +1 et X X +1.Doc E[(X +1 ) 2 ] E[(X ) 2 ] 2E[X +1 (X +1 X )] 2E[E[X N F +1 ](X +1 X )] = 2E[E[X N (X +1 X ) F +1 ]] =2E[X N (X +1 X )] où o a utilisé la propriété de sous-martigale de (X ) 0. Par sommatio sur etre 1 et N cela doe E[(X N ) 2 ] 2E[X N X N ] Théorème 10. Soit (M ) 0 ue martigale telle que α = sup 0 E[M 2 ] < +. Alors la suite M coverge das L 2 (Ω) et p.s. Démostratio. O décompose la martigale selo ses icrémets: M = M 0 + M k et o remarque que les icrémets sot orthogoaux: si >k: E[ M M k ]=E[E[ M M k F 1 ]] = E[E[ M F 1 ] M k ]=0 car M k ˆF k F 1.Doc et E[M 2 ]=E[M 2 0 ]+ E[( M k ) 2 ] E[M 2 0 ]+ E[( M k ) 2 ]=α ce que implique que la suite M k coverge das L 2 (Ω) et doc que M = lim M das L 2 :eeffetpourtoutk k E[ M k M k 2 ]= k E[( M l ) 2 ] E[( M l ) 2 ] 0 l=k+1 l=+1 quad +. Lasuite(M ) 0 estdocdecauchydasl 2 (Ω). O veut maiteat motrer la covergece presque sûre. Pour cela o cosidère la v.a. O a E[V 2 ]=E[ lim sup N i,j N V = sup M i M j. i,j M i M j 2 ]= lim E[ sup N i,j N M i M j 2 ] 4 lim E[ sup M i M 2 ] N i N
4 4 Sectio 2 car par iégalité triagulaire M i M j M i M + M j M et (a + b) 2 2a 2 +2b 2 pour a, b 0. Fixos 0 et soit Y k = M +k M et G k = F +k. Le processus (Y k ) k 0 est ue martigale de carré itégrable relative à la filtratio (G k ) k 0 et doc par l iégalité de Doob (car ( Y k ) k 0 est ue sous-martigale positive par rapport à la filtratio (G k ) k 0 )oaque ce que ous doe E[ sup Y 2 k ]=E[( sup Y k ) 2 ] 4E[Y 2 N ] 0 k N 0 k N E[V 2 ] 4 lim E[ sup Y 2 k ] 16 lim E[Y N 2 ]=16 lim E[ M N M 2 ]=16E[ M M 2 ] N 0 k N N N car la covergece de M vers M alieudasl 2. Maiteat si o preds la limite o obtiet par covergece mootoe (la suite V est décroissate) E[ lim V 2 ]= lim E[V 2 ]= lim 16E[ M M 2 ]=0 et doc lim V =0 presque sûremet. Mais cela implique que pour presque tout ω Ω la suite réelle (M (ω)) 0 coverge vers u limite M (ω). De la covergece L 2 de (M ) 0 vers M o peut déduire qu il existe ue sous-suite M k qui coverge p.s. vers M et doc o doit avoir M = M. Lemme 11. Soit (X ) 0 ue sur-martigale positive et borée par K. La martigale (M ) 0 de la décompositio de Doob est uiformémet de carré itégrable et E[M 2 ] 2 K E[X 0 ] E[X 0 2 ]. Démostratio. La martigale M est défiie par M = X X 0 + A où A est u processus prévisible, itégrable et positif croissate (car X est ue sur-martigale). Par costructio X, A et doc M sot de carré itégrable, e particulier E[M 2 ]= E[( M i ) 2 ]. O observe que E[( M i ) 2 ]=E[( X i E[ X i F i 1 ]) 2 ] E[( X i ) 2 ] compte teu des propriétés de la variace coditioelle. Observos que Par sommatio, il viet E[( X i ) 2 ]=E[X 2 2 i ] E[X i 1 ] 2E[X i 1 (X i X i 1 )] = E[X 2 2 i ] E[X i 1 ]+2E[X i 1 (A i A i 1 )]. E[M 2 ] E[X 2 ] E[X 2 0 ]+2 E[X i 1 (A i A i 1 )] E[X 2 ] E[X 2 0 ]+2K E[A i A i 1 ]=E[X 2 ] E[X 2 0 ]+2K E[A ] = E[X 2 2KX ] E[X 0 2 ]+2K E[A + X ] = E[X 2 2KX ] E[X 0 2 ]+2K E[X 0 ] 2K E[X 0 ] E[X 0 2 ] car X 2 2KX = X (X 2K) 0 et où o a utilisé la propriété de martigale de A + X. Lemme 12. Soit (X ) 0 uesous-martigaletellequesup E[(X ) + ]=K<+. AlorsX = Y Z où (Y ) 0 est ue martigale positive et (Z ) 0 est ue sur-martigale positive. Démostratio. Le processus ((X ) + ) 0 estuesous-martigalededécompositiodedoob (X ) + =(X 0 ) + + M + I où I est u processus croissat, positif, prévisible et itégrable tel que E[I ] E[ X 0 ]+E[(X ) + ] E[ X 0 ]+K.
5 Arrêt optioel 5 La v.a. I = lim I (qu existe car I est croissate) est doc aussi itégrable (par covergece mootoe E[I ]=lim E[I ]). Soit Y =(X 0 ) + + M + E[I F ], (Y ) 0 est ue martigale par costructio et elle est positive car Y (X 0 ) + + M + I =(X ) + 0 du fait que E[I F ] E[I F ]=I.AlorsZ = Y X (X ) + X =(X ) 0 est ue sur-martigale (car différece d ue martigale et d ue sous-martigale) positive, d où le résultat. Théorème 13. (Doob) Soit (X ) 0 ue sur-martigale positive. Alors (X ) 0 coverge p.s. vers ue v.a. X L 1 (Ω). Soit(X ) 0 ue sous-martigale telle que sup E[(X ) + ] <. Alors (X ) 0 coverge p.s. vers ue v.a. X L 1 (Ω). Démostratio. Supposos d abord que (X ) 0 soit ue sur-martigale (X ) 0 positive et borée par K. D après le lemme 11, elle admet ue décompositio e X = M A,oùlamartigale est borée das L 2 et doc coverge p.s. vers ue v.a. fiie M et comme la suite (X ) 0 est borée alors il existe aussi la limite fiie A = lim A (car A est croissat). La suite (X ) 0 coverge doc p.s.. Par chagemet de sige, il e est de même pour les sousmartigales borées. Cosidéros maiteat ue sur-martigale positive (Z ) 0 et soit X = e Z. Le processus (X ) 0 est ue sous-martigale positive et borée par 1. Pour ce que o viet de voir, elle coverge doc p.s. et e est de même pour la suite Z = log X à coditio d admettre + comme limite. Mais E[Z ]=E[limif Z ] limif E[Z ] E[Z 0 ]. La limite est itégrable et doc fiie p.s. Si (X ) 0 est ue sous-martigale borée das L 1 alors o peut utiliser le lemme 12 pour la décomposer e X = Y Z avec (Y ) 0 martigale positive et (Z ) 0 sur-martigale positive. Ce deux processus coverget p.s. vers des limites Y et Z fiis et itégrables. Doc o obtiet aussi le derier résultat. Remarque 14. Bie que la limite d ue sous-martigale borée das L 1 soit ue v.a. das L 1, cette covergece a pas a priori lieu e L 1. Voici u cotre exemple. Soit (Z ) 0 ue suite iid avec P(Z =+1)=1 P(Z = 1) = p. Soitu>1. OposeX 0 = x et X +1 = u Z+1 X. Supposos que p =1/(1+u) de telle sorte que E[u Z+1 ]=1. Alors il est facile de vérifier que (X ) 0 est ue martigale et doc E[X ]=E[X 0 ]=x. Par la loi forte des grads ombres o a d où 1 lim Z k = E[Z 1 ]=2p 1= 1 u 1+u < 0 ( ) 1/ X u 2p 1 < 1 p.s. x Aisi X 0 p.s., alors que so espérace est costate! (et doc X 0 das L 1 ). 3 Arrêt optioel Défiitio 15. ( Trasformatio de Martigale) Soit (X ) 0 u processus adapté et (C ) 1 u processus prévisible. O défiit le ouveau processus ((C X) ) 0 par (C X) 0 =0 et (C X) = C X pour tout 1. Alors (C X) = C i (X i X i 1 ). Lemme 16. Soit (C ) 1 u processus prévisible borée (c-à-d C K pour tout 1). i. Si (X ) 0 est ue martigale alors ((C X) ) 0 est ue martigale.
6 6 Sectio 3 ii. Si (X ) 0 est ue (sous-)sur-martigale et C 0 pour tout 1 alors ((C X) ) 0 est ue (sous-)sur-martigale. Ces propriétés sot aussi valables sas coditio de boritude si C L 2 pour tout 1 et X L 2 pour tout 0. Démostratio. L itegrabilité et l adaptatio de ((C X) ) 0 sot laisse e exercice. O a que, pour tout 1, E[ (C X) F 1 ]=E[C X F 1 ]=C E[ X F 1 ] par la prévisibilité de (C ) 1 et doc o peut coclure. Défiitio 17. Ue v.a. T :Ω N = N {+ } est u temps d arrêt si {T } F pour tout 0 +. DemaièreéquivaleteT est u t.a. ssi {T = } F pour tout 0 +. Exemple 18. Soit (X ) 0 u processus adapté et A u borelie de R, alors T A = if {>0:X A} (avec T A =+ si X A pour tout >0) est u temps d arrêt: pour tout 0 + o a {T } = 0<k {X k A} F. Si T est u t.a. et (X ) 0 u processus adapté alors le processus X T (ω) =X T (ω) (ω) est ecore adapté (exercice) et s appelle processus arrêté e T. Il est facile de motrer que si o pose C =1 T alors le processus (C ) 1 est prévisible et (C X) = X T doc o peut coclure que Théorème 19. Si T est u temps d arrêt et (X ) 0 est ue (sur-)martigale, alors (X T ) 0 est ue (sur-)martigale et e particulier E[X T ] E[X 0 ] das le cas des sur-martigales (avec égalité pour les martigales). Remarque 20. Soit (X ) 0 la marche aléatoire simple sur Z avec X 0 =0,alors(X ) 0 est ue martigale et pour tout t.a. T o a que Mais e gééral E[X T ]=E[X 0 ]=0 E[X T ] 0 e effet si T = if { >0: X =1} alors par récurrece o a que P(T <+ )=1 et X T =1qui doe E[X T ]=1. Doc la covergece L 1 de X T vers X T a pas toujours lieu. Théorème 21. ( théorème d arrêt optioel de Doob) SoitT u t.a. et (X ) 0 ue sur-martigale, alors X T est itegrable et E[X T ] E[X 0 ] das les cas suivates : i. T est boré ii. X est boré et T<+ p.s. iii. E[T ] < + et pour tout K>0 et tout 1 X X 1 K. iv. X 0 pour tout 0 et T<+ p.s. Démostratio. O sait que pour tout 1 E[X T X 0 ] 0.
7 Arrêt optioel 7 (i) Si T N il suffit de predre = N. (ii) O peut utiliser la covergece domiée pour motrer que 0 lim E[X T X 0 ]=E[lim (X T X 0 )] = E[X T X 0 ]. (iii) O a que T X T X 0 X k KT si X k K pour tout k 0. DufaitqueE[T ] < + o e déduit par covergece domiée que E[X T ] E[X 0 ]. (iv) La suite (X T ) 0 est positive et coverge p.s. à X T doc par le lemmedefatouoaque E[X 0 ] limif E[X T ] E[limif X T ]=E[X T ].
Processus 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice
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 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 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 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 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 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 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 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 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 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 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 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 détailProcessus géométrique généralisé et applications en fiabilité
Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR
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 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 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 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 détailEXERCICES : 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 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 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 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 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 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 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 détail16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.
16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme
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 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 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 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 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 détailDes résultats d irrationalité pour deux fonctions particulières
Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received
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 détailContribution à la théorie des entiers friables
UFR STMIA École Doctorale IAE + M Uiversité Heri Poicaré - Nacy I DFD Mathématiques THÈSE présetée pour l obtetio du titre de Docteur de l Uiversité Heri Poicaré, Nacy-I e Mathématiques par Bruo MARTIN
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 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 détailUne action! Un message!
Ue actio! U message! Cotact Master est u service exclusif de relaces automatiques de vos actes vers vos cliets, par SMS, messages vocaux, e-mails, courrier... Il se décleche lorsque vous réalisez ue actio
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 détailEn général, il n y a pas d algorithme fini pour trouver une solution. On est donc obligé d utiliser
Chapitre VI Méthodes Itératives Equatios o Liéaires E pratique, o est souvet coroté à la résolutio d u système d équatios o liéaires. C estàdire pour ue octio tel que doée, o cherche u poit (0.1) E gééral,
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 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 détailSéries numériques. Chap. 02 : cours complet.
Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm
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 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 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 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 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 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 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 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 détailInitiation à l analyse factorielle des correspondances
Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique
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 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 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 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 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 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 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 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 détailPOLITIQUE ECONOMIQUE ET DEVELOPPEMENT
POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier
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 détailINTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï
INTRODUCTION AUX MATRICES ALÉATOIRES par Djalil Chafaï Résumé. E cocevat les mathématiques comme u graphe, où chaque sommet est u domaie, la théorie des probabilités et l algèbre liéaire figuret parmi
Plus en détailLa tarification hospitalière : de l enveloppe globale à la concurrence par comparaison
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 58 2000 La tarificatio hospitalière : de l eveloppe globale à la cocurrece par comparaiso Michel MOUGEOT * RÉSUMÉ. Cet article cosidère différetes politiques de
Plus en détailSommes de signaux : Décomposition de Fourier Spectre ondes stationnaires et résonance
Sommes de sigaux : Décompositio de Fourier Spectre odes statioaires et résoace Das le cours précédet, o a étudié la propagatio des odes moochromatiques mais celles-ci e peuvet pas porter d iformatio ;
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 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 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 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 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 détailLa spirale de Théodore bis, et la suite «somme=produit».
Etde d e vrite de l spirle de Théodore, dot issce à e site dot les sommes prtielles sot égles x prodits prtiels. Mots clés : spirle de Théodore, théorème de Pythgore, site, série, polyôme. L spirle de
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 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 détailPROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS
PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie
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 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 détailTARIFS BANCAIRES. Opérations bancaires avec l étranger Extrait des conditions bancaires au 1 er juillet 2014. Opérations à destination de l étranger
Opératios bacaires avec l étrager Extrait des coditios bacaires au 1 er juillet Opératios à destiatio de l étrager Viremets émis vers l étrager : Frais d émissio de viremets e euros (3) vers l Espace écoomique
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 détail