MESURE DE L'INFORMATION

Dimension: px
Commencer à balayer dès la page:

Download "MESURE DE L'INFORMATION"

Transcription

1 MESURE DE L'INFORMATION Marc URO

2 TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE DISCRÈTE ENTROPIE ET INFORMATION LIÉES À UN COUPLE DE VARIABLES INFORMATION MUTUELLE CONDITIONNELLE... 16

3 3 INTRODUCTION Les preières tetatives de défiitio de esure de l'iforatio datet des aées vigt. Citos Nyquist pour l'aspect couicatio et Fisher d'u poit de vue statistique (l'iforatio de Fisher figure das la bore de Craer-Rao qui est u iorat de la variace d'ue certaie classe d'estiateurs). Mais ce 'est qu'à partir de 1948, grâce aux travaux de Shao, que la théorie de l'iforatio a pris sa fore actuelle. Doer ue défiitio précise et coplète de la théorie de l'iforatio est ue tâche difficile. Pour siplifier o peut éocer l'assertio suivate; La théorie de l'iforatio est ue disciplie fodaetale qui s'applique das le doaie des couicatios. So objet cosiste d'ue part à déterier les liites iposées par les lois de la ature lorsqu'o doit stocker ou trasettre le coteu d'ue source (d'iforatio), d'autre part à proposer des dispositifs perettat d'atteidre ou d'approcher ces liites. La théorie de l'iforatio e cesse de se développer car les exigeces actuelles s'orietet vers ue augetatio costate de l'iforatio à stocker ou à trasettre. Exeple: Nore de la télévisio uérique (adoptée e 1981 par le CCIR, Coité Cosultatif Iteratioal des Radiocouicatios) Cas d'ue iage couleur fixe Ue iage est caractérisée par trois coposates Y, Cb, Cr que l'o appelle les priaires. Y est la caractéristique de luiace tadis que Cb et Cr sot des caractéristiques de chroiace. L'iage est forée de poits (ou pixels) qui sot au obre de 720 pour chacue des 576 liges. Chaque priaire est codée sur 8 éléets biaires correspodat à 2 8 = 256 iveaux de quatificatio. D'autre part, l'oeil état ois sesible à la couleur qu'à la luiace, o estie qu'il est suffisat que les priaires Cb et Cr e soiet présetes qu'u poit sur deux. Aisi o peut calculer le obre d'éléets biaires coteus das ue iage: ( ) 2 6, eb soit 6,63 0,83 Moctet. 8

4 4 itroductio La capacité d' ue disquette 3 pouces 1/2 haute desité état d'eviro 1,4 Moctet après foratage, o costate qu'ue telle disquette e peut coteir qu'ue seule iage. Cas d'ue iage couleur aiée La fréquece iage est de 25 Hertz (25 iages par secode). Aisi la trasissio d'ue séquece aiée écessite u débit et de: 6, Mbits / sec. E fait ce débit e tiet pas copte des sigaux copléetaires idispesables à la sychroisatio. E ajoutat ces sigaux dits sigaux de service, o obtiet u débit brut de 216 Mbits / sec. Sachat que sur le réseau uérique, le débit axiu est de 144 Mbits / sec, o costate que la trasissio d'u tel sigal écessitera des traiteets. Le traiteet du coteu d'ue source d'iforatio peut être evisagé sous deux fores: - sas perte d'iforatio, - avec perte d'iforatio. Nous ous liiteros, das le cadre de ce fascicule, au traiteet sas perte (ou presque) d'iforatio. Le schéa d'ue couicatio peut être représeté coe suit: (il s'agit du paradige de Shao) SOURCE codage de source codage de caal C A N A L ots source restitués décodage de source décodage de caal

5 itroductio 5 Le codage de source cosiste à éliier les redodaces de la source afi d'e réduire le débit biaire. Le codage de caal a u rôle de protectio cotre les erreurs (dues à la trasissio sur le caal) qui est assuré e ajoutat de la redodace (codes correcteurs d'erreurs). Les poits de vue codage de source et codage de caal sot doc fodaetaleet différets. Le pla du fascicule est orgaisé coe suit: CHAPITRE I Défiitios des gradeurs iforatioelles cocerat les évéeets et les variables aléatoires. CHAPITRE II Extesio de la otio d' etropie (icertitude oyee) d'ue variable aléatoire à la otio d'etropie d'ue source discrète. Étude du problèe posé par le codage de source. CHAPITRE III Caractérisatio et odélisatio des supports de trasissio du poit de vue de leur aptitude à trasettre de l'iforatio. Capacité d'u caal discret, codage de caal. CHAPITRE IV Aptitude des codes liéaires à détecter et corriger des erreurs.

6 7 MESURE DE L'INFORMATION INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION) La difficulté recotrée pour défiir la self-iforatio relative à u évéeet est liée au caractère subjectif de l'iforatio effectiveet apportée par la réalisatio de cet évéeet. Pour goer cet aspect subjectif, o peut cosidérer qu'a postériori la quatité d'iforatio reçue est d'autat plus grade que l'o e s'attedait pas à observer la réalisatio d'u évéeet. E d'autres teres o peut aussi éocer qu'a priori, l'icertitude d'u évéeet est d'autat plus grade que l'o e s'atted pas à ce qu'il se réalise. Preat e copte la correspodace etre l'icertitude (ou self-iforatio) d'u évéeet et so caractère plus ou ois probable, o est aeé à défiir la esure d'icertitude (ou self-iforatio) coe ue foctio d'ue applicatio probabilité. Ceci écessite de disposer d'u espace probabilisé. Soiet (Ω, T, P) u espace probabilisé et E u évéeet de T. O se propose de défiir ue esure d'icertitude h(e) liée à l'évéeet E de telle sorte que: - h(e) soit d'autat plus grade que P{ E} est petite. O peut poser h( E) = f avec f foctio croissate. 1 P{ E} - h( E) = 0 si P{ E} =1. Il 'y a aucue icertitude quat à la réalisatio d'u évéeet certai. Doc f ( 1) = 0. - Si E et F sot deux évéeets idépedats, h( E F)= h( E)+ h( F) c'est-à-dire: 1 f P E F 1 = f P E 1 P F 1 = f P E 1 + f. P{ F} O recherche doc ue foctio f telle que:

7 8 esure de l'iforatio f :[ 1,+ [ IR + f est croissate f ( xy)= f x f 1 ( ) = 0 ( ) + f( y) O va établir ue équatio différetielle vérifiée par f. E dérivat les deux ebres de l'équatio f ( xy)= f( x)+ f( y) par rapport à x, o obtiet : y f '( xy)= f '( x) x,y. Soit, e preat y = 1 x, 1 x f '( 1)= f '( x). O a doc f x ( ) = 1 x f ( 1) avec f ( 1) > 0 La solutio est de la fore: f ( x)= α L x avec α > 0 soit ecore: f ( x)= β L x La avec β > 0 et a > 1. O peut choisir β = 1. Si o pred a = e, f est la foctio logarithe épérie et l'uité d'icertitude est le at. Si o choisit a = 2, f est la foctio logarithe à base deux et l'uité d'icertitude est le bit ou le Shao.). O otera désorais log le logarithe à base a. Rearque : Ici bit est l'abréviatio de biary uit qu'il e faut pas cofodre avec biary digit. O a doc h( E) = log P{ E} ( 1) et h( E) peut être iterprété: - a priori, par l'icertitude qui rège sur la réalisatio de E. - a postériori, par l'iforatio apportée par la réalisatio de E. ( ) au cas d'ue applicatio probabilité ( ) = log P{ F / E}. Rearquat que, o déduit: O peut bie sûr étedre la défiitio de h E coditioelle et o ote alors: h F / E P{ E F}= P{ E} P F / E h( E F)= h( E)+ h( F / E) ( E, F) T 2 ( 2).

8 esure de l'iforatio 9 Das le cas particulier où E et F sot idépedats, o retrouve l'axioe: h( E F)= h( E)+ h( F) ( 2 ). INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS L'iforatio apportée par F sur E est la diiutio de l'icertitude sur E lorsque F est réalisé. I F E = h( E) h( E / F) ( 3) I F E = log P{ E} + log P{ E / F} = log P E I F E = log P E F P{ E} P F = log P E P F / E P{ E} P F ( ) I F E = h( F) h( F / E) = I E F 3 + log P E F P F = log P F + log P F / E Coe I E F = I F E, o appelle iforatio utuelle etre E et F la quatité: I( E;F) = I E F = I F E. Si E et F sot idépedats, alors P{ F / E} = P{ F} et I( E; F)= 0. E cobiat (2) et (3'), o obtiet: h( E F)= h( E)+ h( F) I( E; F) ( 4) O peut résuer les relatios précédetes sur u diagrae de Ve: h(e) I(E;F) h(f)

9 10 esure de l'iforatio. ENTROPIE D'UNE VARIABLE ALÉATOIRE DISCRÈTE Soit X ue variable aléatoire à valeurs das x 1, x 2,..., x = + ) telle que p i = P{ X = x i } i [ 1, ]. (avec évetuelleet L'etropie de X otée H(X) est la oyee des icertitudes calculée sur les évéeets X = x i. ( ) = p i log p i H X 5 ( ) Rearques - H(X) déped de la loi de probabilité de X ais 'est pas foctio des valeurs prises par X. - H(X) correspod à l'espérace athéatique de la variable aléatoire icertitude I X défiie par I X = log P( X) avec P X. O a doc : ( ) = p i sur X = x i I X = 1I X =x i log p i. Soit H( X) = E I X [ ]= E[ log P( X) ]. - Expriée e Shaos, H(X) représete le obre oye de bits écessaires à la codificatio biaire des différetes réalisatios de X. Exeple O extrait au hasard ue carte d'u jeu de 32 cartes. A chacue des 32 cartes o associe ue valeur différete des 31 autres valeurs correspodat aux 31 autres cartes par le biais d'ue variable aléatoire X. Les valeurs prises par X e sot pas précisées car elles 'itervieet pas das le calcul de H(X). De plus o suppose que chaque carte a la êe probabilité d'être extraite. O a H(X ) = log = log 32 2 = 5 Sh.

10 esure de l'iforatio 11 Pour savoir quelle carte a été extraite, o peut deader si sa couleur est rouge ou oire, s'il s'agit d'u coeur ou d'u carreau (resp u trèfle ou u pique), si la carte appartiet au groupe (7, 8, 9, 10) ou (valet, dae, roi, as), puis à quel sous-groupe costitué de deux cartes elle appartiet et efi laquelle des deux cartes correspod à la carte tirée. Les réposes à ces ciq questios peuvet être résuées par ciq bits ('1' pour oui et '0' pour o). Ue autre faço de odéliser le problèe cosiste à attribuer u uéro (de 0 à 31) à chaque carte. L'écriture de ces uéros e base deux requiert log 2 32 = log = 5 bits PROPRIÉTÉS DE L'ENTROPIE Lee Soiet ( p 1, p 2,..., p ) et ( q 1,q 2,...,q ) deux lois de probabilité, alors: p i log q i 0. p i E effet x > 0 o a L x x 1 x-1 L x 0 1 x D'où L q i q i 1, soit log q i 1 q i 1 p i p i p i La p i

11 12 esure de l'iforatio doc p i log q i 1 La p i p i q i 1 1 = p i La q i p i = 1 La ( 1 1)= 0 Propriété 1 L'etropie d'ue variable aléatoire X à valeurs possibles est axiu et vaut log() lorsque la loi de X est uifore. Il suffit d'appliquer le lee précédet avec q 1 = q 2 =... = q = 1. 1 Aisi, p i logp i p i log = 1 log 1 = log. L'icertitude sur X est la plus grade si toutes les valeurs possibles ot la êe probabilité de se réaliser. Propriété 2 L'etropie augete lorsque le obre de valeurs possibles augete. E effet soit X à valeurs possibles x 1, x 2,..., x de loi p 1, p 2,..., p ( ). Supposos que la valeur x k de probabilité p k soit 'éclatée' e deux valeurs y k et z k de probabilités α k,β k avec α k +β k = p k α k 0 et β k 0. Alors l'etropie de la ouvelle variable aléatoire X' aisi obteue s'écrit H ( X ) = H( X) + p k log p k α k log α k β k logβ k. d'où H ( X ) H( X) = ( α k + β k )log p k α k logα k β k log β k H( X' ) H( X)= α k log p k +β k log p k α k log α k β k logβ k. Or, la foctio logarithe état stricteet croissate, o a: log p k > log α k et log p k > logβ k soit H ( X ) H( X) > 0, c'est-à-dire: H ( X )> H( X). Propriété 3 L'etropie est ue foctio covexe de ( p 1, p 2,..., p ). E effet H X = gof i ( ) = p i log p i ( ) p 1, p 2,..., p

12 esure de l'iforatio 13 avec f i l'applicatio projectio sur l'axe i: f i :[ 0,1] [ 0,1] et ( p 1, p 2,..., p ) p i g: [ 0,1] IR + p plog p g est covexe car g ( p)= log p 1 p L2 p = 1 L2 log p et g ( p) = 1 p < 0. Coe f i est ue fore liéaire, gof i est covexe et H(X) est covexe car soe de foctios covexes. ENTROPIE ET INFORMATION LIÉES À UN COUPLE DE VARIABLES Soiet X et Y deux variables aléatoires discrètes respectiveet à valeurs das { x 1, x 2,..., x } et { y 1, y 2,...,y }. Si o désige par = P X = x i Y = y j la loi du couple (X, Y), o peut sas difficulté prologer la défiitio de l'etropie d'ue variable aléatoire à l'etropie d'u couple de variables aléatoires. Aisi: H(X,Y) = log (6) O peut égaleet, e s'ispirat des gradeurs iforatioelles relatives aux évéeets, défiir les etropies coditioelles et l'iforatio utuelle: H( X / Y = y j )= P X = x i / Y = y j (7) log P X = x i / Y = y j Par la suite, o otera p i / j = P{ X = x i / Y = y j }. H(X / Y) = H X / Y P{ Y = y j }H ( X / Y = y j ) ( ) = P Y = y j P X = x i / Y = y j log P X = x i / Y = y j

13 14 esure de l'iforatio soit H(X / Y) = log p i / j (8) H( X / Y) représete l'icertitude sur X lorsqu'o coait Y. De êe l'iforatio utuelle oyee etre X et Y peut s'écrire: I( X;Y) = H(X) H(X / Y) = H(Y) H(Y / X) (9) I(X;Y) correspod à la diiutio de l'icertitude sur X (resp. Y) lorsqu'o coait Y (resp. X). D'après (9), o a: ( ) = p i log p i I X;Y + log p i/ j (10) or p i = doc I(X;Y) = log p i + log p i/ j d'où I(X;Y) = log p i / j = p log (11) avec p i p i p. j = `. j O a doc I(X;Y) = E log P(X,Y) P(X )P(Y) (12) Propriétés - L'iforatio utuelle oyee de X et de Y est toujours positive (ce 'est pas le cas pour l'iforatio utuelle etre deux évéeets qui pred des valeurs égatives lorsque la réalisatio de l'u des évéeets red l'autre ois probable). O a I(X;Y) = log p p i. j 1 L2 p i p. j 1 car L x x 1

14 esure de l'iforatio 15 d'où I(X;Y) 1 p i p. j = 1 L2 L2 1 1 ( ) = 0 - Le coditioeet diiue l'icertitude E d'autres teres cela sigifie que H(X ) H( X / Y). Il suffit d'appliquer (9) e utilisat la propriété précédete. - H(X ) + H(Y) = H(X,Y) + I(X;Y) (14) E effet H(X ) = p i log p i = p j /i p i log p i = log p i j=1 De êe H(Y) = p. j log p. j = log p. j O a doc H(X ) + H(Y) = log p i p. j = log + log p i p. j D'où H(X ) + H(Y) = H(X,Y) + I(X;Y) - H(X,Y) = H(X) + H(Y / X) = H(Y) + H(X / Y) (15) Ce résultat s'obtiet facileet e cobiat (9) et (14). O peut illustrer ces relatios par ue représetatio e diagrae de Ve: H(X) H(Y) H(X/Y) I(X;Y) H(Y/X)

15 16 esure de l'iforatio Das le cas particulier où X et Y sot idépedates, e repreat (7), (8), (9) et (14), o obtiet: H(X / Y = y) = H(X) H(X / Y) = H(X ) (16) I(X;Y) = 0 (17) H(X ) + H(Y) = H(X,Y) (18) INFORMATION MUTUELLE CONDITIONNELLE Par extesio de la forule (9), o peut itroduire la otio d'iforatio utuelle (oyee) etre deux variables X et Y coditioelleet à l'évéeet { Z = z} où Z est ue troisièe variable: I(X;Y / Z = z) = H(X / Z = z) H(X / Y, Z = z) (19) E ultipliat les deux ebres de (19) par P{ Z = z} et e soat sur toutes les valeurs possibles de Z, o obtiet: P{ Z = z} I(X;Y / Z = z) = H(X / Z) H( X / Y, Z) z Le ebre de gauche pouvat être iterprété coe I( X;Y / Z), o défiit l'iforatio utuelle etre X et Y sachat Z par I(X;Y / Z) = H( X / Z) H( X / Y, Z) = H(Y / Z) H(Y / X,Z) (20) Nous allos aiteat otrer que: I(X;(Y, Z)) = I(X;Y) + I(X;Z / Y) (21) E appliquat (9) au couple ( X, ( Y, Z) ), o obtiet I(X;(Y, Z)) = H(X) H(X / Y,Z), ais I(X;Z) = H(X) H(X / Z), soit: H(X ) = I(X; Z) + H(X,Z) d'où: I(X;(Y, Z)) = I(X; Z) + H(X / Z) H(X / Y,Z). D'où e appliquat (20): I(X;(Y, Z)) = I(X; Z) + I(X;Y / Z)

16 esure de l'iforatio 17 Notos que si Y est idépedate de X sachat Z, ie P Y / X,Z H(Y / X,Z) = H(Y / Z) et aisi I(X;Y / Z) = 0. = P Y / Z, o a: Les relatios éocées ci-dessus vot ous perettre d'établir ue propriété iportate vérifiée par l'iforatio utuelle qui ous perettra de défiir la capacité d'u caal. Si o ote p = (p 1, p 2,..., p ) le vecteur représetat la loi de probabilité de X et Q celui correspodat aux probabilités coditioelles p j / i = P{ Y = y j / X = x i }, o peut alors cosidérer I(X;Y) coe ue foctio des deux variables p et Q que l'o ote I(p;Q). Nous allos otrer que: I( p;q) est ue foctio covexe de p et covexe de Q. - Motros tout d'abord que I(p;Q) est ue foctio covexe de p. Pour cela o se fixe le vecteur de probabilités de trasitio Q et o se doe p 0 et p 1 deux vecteurs de probabilité pour X. Il ous faut otrer que θ [ 0,1], o a: θi( p 0 ;Q) + (1 θ )I(p 1 ;Q) I(p;Q) où p = θp 0 + (1 θ )p 1. L'idée cosiste à iterpréter p 0 et p 1 coe des probabilités coditioelleet à ue variable auxiliaire Z pouvat predre les valeurs 0 et 1 avec les probabilités respectives θ et 1 θ. Aisi la i ièe coposate de p 0 peut s'écrire: p 0 (i) = P{ X = x i / Z = 0}. De êe la i ièe coposate de p 1 peut s'écrire: p 1 (i) = P{ X = x i / Z =1}. Le vecteur p représete la loi de X puisque: θp 0 (i) + (1 θ) p 1 (i) = P{ Z = 0}P{ X = x i / Z = 0}+ P{ Z = 1}P{ X = x i / Z =1} θp 0 (i) + (1 θ) p 1 (i) = P{ X = x i Z = 0}+ P{ X = x i Z =1}= P{ X = x i }= p i (car les évéeets { Z = 0} et { Z = 1} sot copléetaires). De plus, o peut iposer l'idépedace etre les deux variables Y et Z sachat X (ie P{ Y / Z, X} = P{ Y / X}), de telle sorte que I(p 0 ;Q) (resp. I(p 1 ;Q)) puisse être iterprété coe I(X;Y / Z = 0) (resp. I(X;Y / Z = 1)).

17 18 esure de l'iforatio Aisi le ebre de gauche de l'iégalité s'écrit: P{ Z = 0}I(X;Y / Z = 0) + P{ Z =1}I(X;Y / Z = 1) = I(X;Y / Z). O est doc coduit à otrer que: I(X;Y / Z) I(X;Y). Or I(Y; X,Z) = I(Y; X ) + I(Y; Z / X) (1), soit e perutat les rôles de X et Z: I(Y; X,Z) = I(Y; Z) + I(Y; X / Z) (2). Or P{ Y / Z, X} = P{ Y / X) } H(Y / Z, X ) = H(Y / X ) d'où I(Y; Z / X) = H(Y / X) H(Y / Z, X) = 0. (1) I(Y;( X, Z)) = I(Y; X) = I(X;Y) et (2) I(Y; X / Z) = I(Y;(X,Z)) I(Y, Z) I(Y;(X, Z)) = I(X;Y) (cqfd). - Motros aiteat que I(p;Q) est ue foctio covexe de Q à p fixé. Soiet Q 0 et Q 1 deux probabilités de trasitio et θ [ 0,1]. Si o pose Q = θq 0 + (1 θ)q 1, il faut otrer que θi( p;q 0 ) + (1 θ)i(p;q 1 ) I(p;Q). O peut de plus cosidérer Q 0 et Q 1 coe des lois codiditioelles à ue variable biaire auxiliaire Z idépedate de X et telle que: Q 0 ( j / i) = P Y = y j / X = x i Z = 0 Q 1 (j / i) = P Y = y j / X = x i Z =1 θ = P{ Z = 0} 1 θ = P{ Z =1} Aisi le ebre de gauche de l'iégalité à otrer deviet: P{ Z = 0}I(X;Y / Z = 0) + P{ Z =1}I(X;Y / Z = 1) = I(X;Y / Z). O doit doc établir que I(X;Y / Z) I(X;Y). Pour cela o utilise: I(X;(Y, Z)) = I(X;Y) + I( X; Z / Y) = I(X;Z) + I(X;Y / Z). Et l'idépedace de X et Z etraîe I(X;Z) = 0. D'où I(X;Y / Z) = I(X;(Y, Z)) = I(X;Y) + I(X;Z / Y) I(X;Y) (cqfd).

Inégalités souvent rencontrées

Inégalités souvent rencontrées Iégalités souvet recotrées Recotres Putam 004 Uiversité de Sherbrooke Jea-Philippe Mori Théorie Certaies iégalités sot deveues célèbres e raiso de leur grade utilité Elles sot aussi souvet au coeur de

Plus en détail

Limites des Suites numériques

Limites 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 détail

1 Mesure et intégrale

1 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

20. Algorithmique & Mathématiques

20. 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 détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II 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 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

. (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 détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 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 détail

EXERCICES : DÉNOMBREMENT

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 détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES 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

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE 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 détail

Statistique descriptive bidimensionnelle

Statistique 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 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 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 détail

Processus et martingales en temps continu

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 détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. 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 détail

Calibration bayesienne et prédiction de réglages. Marc Sancandi CESTA-DEV/SIS «Incertitudes et Simulation» 3-4 Octobre 2007

Calibration bayesienne et prédiction de réglages. Marc Sancandi CESTA-DEV/SIS «Incertitudes et Simulation» 3-4 Octobre 2007 Calibratio bayesiee et prédictio de réglages Marc Sacadi CEA/CESTA Séiaire «Icertitudes et Siulatio», DIF 3-4 Octobre 2007 CESTA-DEV/SIS «Icertitudes et Siulatio» 3-4 Octobre 2007 1 Qu est-ce que la «prédictio

Plus en détail

Exercice 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

Exercice 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 détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 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 détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : 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 détail

Les Nombres Parfaits.

Les 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 détail

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1)

I. Quitte ou double. Pour n = 1 : C 0 + (2p 1) E (M k ) = C 0 + (2p 1) E (M 1 ) = E (C 1 ) d après le 1. Soit n N tel que E (C n ) = C 0 + (2p 1) Corrigé ESSEC III 008 par Pierre Veuillez Das certaies situatios paris sportifs, ivestissemets fiaciers..., o est ameé à miser de l arget de faço répétée sur des paris à espérace favorable. O se propose

Plus en détail

Intérêt simple CHAPITRE. Sommaire

Intérêt simple CHAPITRE. Sommaire HAPTRE térêt simple Sommaire A B D E F G H J K L Notio d itérêt Formule fodametale de l itérêt simple Durée de placemet exprimée e mois Durée de placemet exprimée e jours alculs sur la formule fodametale

Plus en détail

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson

Loi binomiale. Niveau : Première S + SUP (Convergence) Prérequis : Variable aléatoire, espérance, variance, théorème limite central, loi de Poisson 4 L E Ç O N Loi biomiale Niveau : Première S + SUP (Covergece) Prérequis : Variable aléatoire, espérace, variace, théorème limite cetral, loi de Poisso 1 Loi de Beroulli Défiitio 41 Loi de Beroulli Soit

Plus en détail

Apprentissage: cours 3a Méthodes par moyennage local

Apprentissage: cours 3a Méthodes par moyennage local Appretissage: cours 3a Méthodes par moyeage local Guillaume Oboziski 1 er mars 2012 Réferece : chap. 6 of [Hastie et al., 2009] ad chap. 6 of [Devroye et al., 1996]. Algorithmes par moyeage local O cosidère

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 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 détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration 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 détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES 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 détail

Théorie de l information : historique

Théorie de l information : historique Théorie de l information : historique Développée dans les années quarante par Claude Shannon. Objectif : maximiser la quantité d information pouvant être transmise par un canal de communication imparfait.

Plus en détail

Séries réelles ou complexes

Séries 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

Cours 5 : ESTIMATION PONCTUELLE

Cours 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 détail

THÉORIE DE L'INFORMATION : RAPPELS

THÉORIE DE L'INFORMATION : RAPPELS THÉORIE DE L'INFORMATION : RAPPELS 1920 : premières tentatives de définition de mesure de l'information à partir de 1948 : travaux de Shannon Théorie de l'information discipline fondamentale qui s'applique

Plus en détail

P : Dénombrements / Probabilités en univers fini

P : Dénombrements / Probabilités en univers fini P : Déombremets / Probabilités e uivers fii Déombremet & Combiatoire P.1 O tire les cartes! O tire 5 cartes das u jeu de 32 cartes usuel. Combie y a-t-il de tirages possibles vérifiat les coditios suivates

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième 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 détail

Comportement d'une suite

Comportement 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 détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ 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 détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* 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 détail

HEC. Gilles Mauffrey. METHODES QUANTITATIVES AVEC EXCEL Programmation linéaire, programmation dynamique, simulation, statistique élémentaire

HEC. Gilles Mauffrey. METHODES QUANTITATIVES AVEC EXCEL Programmation linéaire, programmation dynamique, simulation, statistique élémentaire HEC Gilles Mauffrey METHODES QUANTITATIVES AVEC EXCEL Programmatio liéaire, programmatio dyamique, simulatio, statistique élémetaire La Modélisatio LA MODELISATION Modèle et typologie des modèles. La otio

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE 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 détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - 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 détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. 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 détail

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe 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 détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 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 détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université 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 détail

4 Approximation des fonctions

4 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 détail

Cours de Statistiques inférentielles

Cours 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 détail

Chapitre 13. Statistiques et probabilités. Sommaire

Chapitre 13. Statistiques et probabilités. Sommaire 13 Chapitre Chapitre 13 Statistiques et probabilités Les statistiques et les probabilités occupet ue place importate das l eseigemet de certaies classes préparatoires Les pricipales foctios écessaires

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 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 détail

Formation d un ester à partir d un acide et d un alcool

Formation 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 détail

Module 3 : Inversion de matrices

Module 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 détail

Maîtrise de Mathématiques TER Le bandit manchot à deux bras

Maîtrise de Mathématiques TER Le bandit manchot à deux bras Maîtrise de Mathématiques TER Le badit machot à deux bras Deis Cousieau Sous la directio de Jea-Michel Loubes Septembre 2003 Table des matières 1 Présetatio du problème 2 1.1 Exemple de la machie à sous,

Plus en détail

capital 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...

capital 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 détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +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

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE 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 détail

trouve jamais dans les concepts généraux que ce qu on y met

trouve jamais dans les concepts généraux que ce qu on y met ,QIRUPDWLTXHQRUPHHWWHPSV,VDEHOOH%R\GHQV Présetatio par Marie-Ae Chabi Réuio PIN 15 javier 2004 /HVEDVHVGHGRQQpHVHPSLULTXHV Collectio fiie et structurée de doées codifiées, textuelles ou multimédia, destiées

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 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 détail

Etude de la fonction ζ de Riemann

Etude 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 détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. 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

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 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 détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie 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 détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La 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 détail

Statistique Numérique et Analyse des Données

Statistique 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 détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 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 détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 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 détail

LES PROBABILITÉS POUR LES OPTIONS B, C ET D

LES PROBABILITÉS POUR LES OPTIONS B, C ET D LES PROBABILITÉS POUR LES OPTIONS B, C ET D PRÉPARATION À L AGRÉGATION EXTERNE DE MATHÉMATIQUES DE L UNIVERSITÉ RENNES 1 1 ANNÉE 2009/2010 1. ESPACE PROBABILISÉ - VARIABLE ALÉATOIRE 1.1 ESPACE PROBABILISÉ

Plus en détail

Probabilité 1 - L1 MMIA

Probabilité 1 - L1 MMIA Probabilité 1 - L1 MMIA Tra Viet Chi, vtra@u-paris10fr, Bureau E12(G) Exercice 1 (Pour démarrer) 1 Soiet A et B deux esembles Rappelez les défiitios de l itersectio A B, de l uio A B, de la différece A

Plus en détail

Exo7. 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. 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

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. 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 détail

Processus géométrique généralisé et applications en fiabilité

Processus 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 détail

DETERMINANTS. a b et a'

DETERMINANTS. 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 détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat 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 détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 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 détail

Principes et Méthodes Statistiques

Principes 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 détail

Suites et séries de fonctions

Suites 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 détail

Approximation de la solution d une équation différentielle ordinaire avec impulsions qui dépendent de l état

Approximation de la solution d une équation différentielle ordinaire avec impulsions qui dépendent de l état Approximatio de la solutio d ue équatio différetielle ordiaire avec impulsios qui dépedet de l état F. Dubeau A. Ouasafi A. Sakat CRM-276 Jauary 21 Départemet de mathématiques et d iformatique, Uiversité

Plus en détail

Probabilités et statistique pour le CAPES

Probabilités 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 détail

Bio-Statistique. 1 ère partie. Discipline : Bio-statistique, Bio-mathématique et Sciences de l Information

Bio-Statistique. 1 ère partie. Discipline : Bio-statistique, Bio-mathématique et Sciences de l Information Bio-Statistique 1 ère partie Disciplie : Bio-statistique, Bio-mathématique et Scieces de l Iformatio OBJECTIFS PEDAGOGIQUES Réaliser l importace du problème de la variabilité ihérete au doées médicales,

Plus en détail

Gérer les applications

Gérer 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 détail

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV 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 détail

Exercices de mathématiques

Exercices 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 détail

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université 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 détail

Sommaire Chapitre 1 - L interface de Windows 7 9

Sommaire 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 détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE 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 détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques 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 détail

Compte Sélect Banque Manuvie Guide du débutant

Compte 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 détail

La fibre optique arrive chez vous Devenez acteur de la révolution numérique

La fibre optique arrive chez vous Devenez acteur de la révolution numérique 2 e éditio Edité par l Autorité de régulatio des commuicatios électroiques et des postes RÉPUBLIQUE FRANÇAISE DÉCEMBRE 2010 La fibre optique arrive chez vous Deveez acteur de la révolutio umérique Petit

Plus en détail

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34 Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second

Plus en détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT 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 détail

Réseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus

Réseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio

Plus en détail

Théorie et codage de l information

Théorie et codage de l information Théorie et codage de l information Mesure quantitative de l information - Chapitre 2 - Information propre et mutuelle Quantité d information propre d un événement Soit A un événement de probabilité P (A)

Plus en détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université 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 détail

Laboratoire GEOLOC Département COSYS IFSTTAR, Centre de Nantes

Laboratoire GEOLOC Département COSYS IFSTTAR, Centre de Nantes Laboratoire GEOLOC Départeet COSYS IFSTTAR, Cetre de Nates Navigatio de véhicules terrestres Fusio de doées ulti-capteurs et carte uérique David Bétaille GEOLOC CNIG, 16 octobre 2014 1 Axes de recherche

Plus en détail

Déroulement de l épreuve de mathématiques

Déroulement de l épreuve de mathématiques Dérouleet de l épreuve de thétiques MATHÉMATIQUES Extrit de l ote de service 2012-029 du 24 février 2012 (BOEN 13 du 29-3-2012) Durée de l épreuve : 2 heures Nture de l épreuve : écrite pr le socle cou

Plus en détail

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

POLITIQUE 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 détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 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 détail

Solutions particulières d une équation différentielle...

Solutions 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 détail

Les études. Recommandations applicables aux appareils de levage "anciens" dans les ports. Guide Technique

Les études. Recommandations applicables aux appareils de levage anciens dans les ports. Guide Technique es Cetre d Etudes Techiques Maritimes et Fluviales Les études Recommadatios applicables aux appareils de levage "acies" das les ports Guide Techique PM 03.01 Cetre d Etudes Techiques Maritimes et Fluviales

Plus en détail

Terminale S. Terminale S 1 F. Laroche

Terminale 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 détail

Des résultats d irrationalité pour deux fonctions particulières

Des 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 détail

n tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...

n tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :... Nom:... Préom :... Chaque répose peut valoir : c) 2 poits si le choix est totalemet exact + poit si le choix est partiellemet exact + 0 poit si le choix est erroé + -i poit si le choix est u coeses Ue

Plus en détail

Centre d expertise en analyse environnementale du Québec PROTOCOLE POUR LA VALIDATION ET LA VÉRIFICATION D UNE MÉTHODE D ANALYSE EN MICROBIOLOGIE

Centre d expertise en analyse environnementale du Québec PROTOCOLE POUR LA VALIDATION ET LA VÉRIFICATION D UNE MÉTHODE D ANALYSE EN MICROBIOLOGIE Cetre d expertise e aalyse eviroemetale du Québec Programme d accréditatio des laboratoires d aalyse PROTOCOLE POUR LA VALIDATION ET LA VÉRIFICATION D UNE MÉTHODE D ANALYSE EN MICROBIOLOGIE DR-12-VMM Éditio

Plus en détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen 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 détail