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).

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC

Lycée Fénelon Sainte-Marie Préparation Science-Po/Prépa HEC Lycée Féelo aite-marie Préparatio ciece-po/prépa HEC Foctios Versio du juillet 05 Eercice d degré : racies et coefficiets O rappelle que si l équatio a + b + c = 0 ( a 0 ) adet deu racies α et β (évetuelleet

Plus en détail

Chapitre 4 Lois discrètes

Chapitre 4 Lois discrètes Chapitre 4 Lois discrètes 1. Loi de Beroulli Ue variable aléatoire X est ue variable de Beroulli si elle e pred que les valeurs 0 et 1 avec des probabilités o ulles. P(X = 1) = p, P(X = 0) = 1 p = q, avec

Plus en détail

ADMISSION AU COLLEGE UNIVERSITAIRE

ADMISSION AU COLLEGE UNIVERSITAIRE ADMISSION AU COLLEGE UNIVERSITAIRE Samedi mars 204 MATHEMATIQUES durée de l'épreuve : 3h - coefficiet 2 Le sujet est uméroté de à 5. L'aexe est à redre avec la copie. L'exercice Vrai-Faux est oté sur 8,

Plus en détail

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS

1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS CHAPITRE 4 MATRICES ET SUITES 1/ ETUDE ASYMPTOTIQUE D'UNE MARCHE ALEATOIRE ENTRE DEUX ETATS 11/ Présetatio et modélisatio O cosidère u système ui peut se trouver soit das u état A, soit das u état, et

Plus en détail

La classification de données quantitatives avec SPAD

La classification de données quantitatives avec SPAD La classificatio de doées quatitatives avec SPAD SPAD effectue toujours ue ACP de la matrice des doées quatitatives X " p avat de faire la classificatio des idividus. Les méthodes de classificatio s appliquet

Plus en détail

6. Analyse statistique de la houle réelle

6. Analyse statistique de la houle réelle 6 - Aalyse statistique de la houle réelle 6. Aalyse statistique de la houle réelle 6.. Itroductio Le coporteet des odes à la surface de la er et des océas relève, de toute évidece, bie ois de l'aalyse

Plus en détail

B) CHAÎNES DE SOLIDES

B) CHAÎNES DE SOLIDES Chaîes de solides B) CHAÎNES DE SOLIDES Objectifs Cette théorie a pour but d'aalyser les comportemets statique et ciématique d'u mécaisme à partir d'u modèle défii par le schéma ciématique du mécaisme.

Plus en détail

FONCTION EXPONENTIELLE

FONCTION EXPONENTIELLE FONCTION EXPONENTIELLE I. RAPPELS : METHODE D EULER Si f est ue foctio dérivable e x 0, o sait que f(x 0 + h) a pour approximatio affie f(x 0 ) + f '(x 0 )h O peut doc sur de "petits" itervalles, approcher

Plus en détail

I- Rappel I-1. Types de tirages : Soit un ensemble fini E contenant n éléments. On considère l'épreuve suivante : " tirer p éléments de E ".

I- Rappel I-1. Types de tirages : Soit un ensemble fini E contenant n éléments. On considère l'épreuve suivante :  tirer p éléments de E . Cours de termiales Probabilités sur u esemble fii Mr ABIDI F I- Rappel I- Types de tirages : Soit u esemble fii E coteat élémets O cosidère l'épreuve suivate : " tirer p élémets de E " Type de tirages

Plus en détail

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques

Exercices - Variables aléatoires discrètes : corrigé. Variables discrètes finies - Exercices pratiques Variables discrètes fiies - Exercices pratiques Exercice - Loi d u dé truqué - L2/ECS -. X pred ses valeurs das {,..., 6}. Par hypothèse, il existe u réel a tel que P (X k) ka. Maiteat, puisque P X est

Plus en détail

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

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h

Entrée à Sciences Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h Etrée à Scieces Po ADMISSION AU COLLÈGE UNIVERSITAIRE 2014 MATHÉMATIQUES durée de l épreuve : 3 h A P M E P Les calculatrices sot autorisées Exercice Vrai-Faux 8 poits Pour chacue des affirmatios suivates,

Plus en détail

Cours 8 : Applications pratiques de la programmation linéaire

Cours 8 : Applications pratiques de la programmation linéaire Cours 8 : Applicatios pratiques de la prograatio liéaire Christophe Gozales LIP6 Uiversité Paris 6, Frace Pla du cours Cours 8 : Applicatios pratiques de la prograatio liéaire 2/23 1 Jeux à deux joueurs

Plus en détail

Sciences Po Option Mathématiques

Sciences Po Option Mathématiques Scieces Po Optio Mathématiques Epreue 3 Vrai-Fau Questio FAUX La suite ( u ) état géométrique de raiso différete de, o a classiquemet, pour tout etier aturel : où q est la raiso de la suite ( u ) Ici,

Plus en détail

DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités conditionnelles - Suites géométriques - fonctions exponentielles Calculatrice autorisée

DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités conditionnelles - Suites géométriques - fonctions exponentielles Calculatrice autorisée DEVOIR SURVEILLE DE MATHEMATIQUES 3 heures Probabilités coditioelles - Suites géométriques - foctios epoetielles Calculatrice autorisée Termiale ES123 Eercice 1 : 5 poits Partie A : Ue agece de locatio

Plus en détail

Bac Blanc Terminale L - Février 2015 Épreuve de Spécialité Mathématiques (durée 3 heures)

Bac Blanc Terminale L - Février 2015 Épreuve de Spécialité Mathématiques (durée 3 heures) Exercice 1 (5 poits) Bac Blac Termiale L - Février 015 Épreuve de Spécialité Mathématiques (durée 3 heures) Questio 1 : La populatio d'ue ville baisse de 1 % tous les as pedat 10 as. Elle est doc multipliée

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

Séquence 8. Suites arithmétiques et géométriques. Sommaire

Séquence 8. Suites arithmétiques et géométriques. Sommaire Séquece 8 Suites arithmétiques et géométriques Sommaire Pré-requis Suites arithmétiques Suites géométriques Sythèse du cours Exercices d approfodissemet Séquece 8 MA Ced - Académie e lige Pré-requis A

Plus en détail

Estimations et intervalles de confiance

Estimations et intervalles de confiance Estimatios et itervalles de cofiace Estimatios et itervalles de cofiace Résumé Cette vigette itroduit la otio d estimateur et ses propriétés : covergece, biais, erreur quadratique, avat d aborder l estimatio

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

/RJLTXHERROpHQQH. Symbole (norme IEC 1 ) x

/RJLTXHERROpHQQH. Symbole (norme IEC 1 ) x /RJLTXHERROpHQQH I. Défiitios I.. Variable biaire O appelle variable biaire (ou logique), ue variable preat ses valeurs das l esemble {0, }. Eemple : état d u iterrupteur, d u bouto poussoir, la présece

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

Test de validité et d'hypothèse

Test de validité et d'hypothèse Test de validité et d'hypothèse 1 Vocabulaire Problème: Il s'agit à partir de l'étude d'u ou plusieurs échatillos de predre des décisios cocerat l'esemble de la populatio. O est alors ameé à émettre des

Plus en détail

Travaux dirigés G33 Dimensionnement 2 séances Enseignant : Anthony Busson.

Travaux dirigés G33 Dimensionnement 2 séances Enseignant : Anthony Busson. Travaux dirigés G33 Dimesioemet 2 séaces Eseigat : Athoy Busso. Exercice 1 : O cosidère u web switch et 3 serveurs web. Le web switch reçoit les requêtes http proveat des cliets et les répartit de maière

Plus en détail

PROBABILITÉS. A cette expérience aléatoire, on associe l ensemble des résultats possibles appelé univers. Ses éléments sont appelés éventualités.

PROBABILITÉS. A cette expérience aléatoire, on associe l ensemble des résultats possibles appelé univers. Ses éléments sont appelés éventualités. PROBABILITÉS I. PROBABILITÉS ( RAPPELS) a. Expérieces aléatoires et modèles Le lacer d ue pièce de moaie, le lacer d u dé sot des expérieces aléatoires, car avat de les effectuer, o e peut pas prévoir

Plus en détail

TS Intervalle de fluctuation et estimation Cours

TS Intervalle de fluctuation et estimation Cours Aée 2013/2014 TS Itervalle de fluctuatio et estimatio Cours est u etier aturel o ul et p est u réel de l itervalle 0 ; 1. I Itervalle de fluctuatio Cotexte : Das ue populatio, la proportio d idividus présetat

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours Exo7 Logique, esembles et applicatios Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I :

Plus en détail

Exercices - Lois discrètes usuelles : corrigé

Exercices - Lois discrètes usuelles : corrigé www.almohadiss.com Exercice - Avio - L2/Prépa Hec - O ote X la variable aléatoire du ombre de moteurs de A qui tombet e pae, et Y la variable aléatoire du ombre de moteurs de B qui tombet e pae. X suit

Plus en détail

Chapitre 1: Calcul des intérêts

Chapitre 1: Calcul des intérêts Chapitre 1: Calcul des itérêts Ce chapitre vise à familiariser le lecteur avec les otios suivates : Itérêt Taux d itérêt omial Taux d itérêt périodique Valeur acquise Valeur actuelle Capitalisatio Le lecteur

Plus en détail

09 G 18bis AR Durée: 4 heures Séries : S1-S3 - Coeff. 8.. Epreuve du 1 er groupe

09 G 18bis AR Durée: 4 heures Séries : S1-S3 - Coeff. 8.. Epreuve du 1 er groupe UNIVERSITE CHEIKH ANTA DIOP DE DAKAR 1/ 9 OFFICE DU BACCALAUREAT BP 5005-DAKAR-Fa-Séégal Serveur Vocal: 68 05 59 Téléfax (1) 864 67 39 - Tél : 84 95 9-84 65 81 M A T H E M A T I Q U E S 09 G 18bis AR Durée:

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

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

Correction HEC III 2007

Correction HEC III 2007 HEC III 7 Voie Écoomique Correctio Page Correctio HEC III 7 Voie écoomique La correctio comporte 9 pages. Eercice. Par dé itio est ue valeur propre de t si et seulemet si est ue valeur propre de T: Et

Plus en détail

Dénombrement - Combinatoire Cours

Dénombrement - Combinatoire Cours Déombremet - Combiatoire Cours La combiatoire (ou aalyse combiatoire) étudie commet compter des objets. Elle fourit des méthodes de déombremet particulièremet utiles e probabilité. U des pricipaux exemples

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

Correction Bac ES France juin 2010

Correction Bac ES France juin 2010 Correctio Bac ES Frace jui 010 Exercice 1 (4 poits) (Commu à tous les cadidats) Pour ue meilleure compréhesio, les réposes serot justifiées das ce corrigé. Questio 1 Le ombre 3 est solutio de l équatio

Plus en détail

École de technologie supérieure

École de technologie supérieure École de techologie supérieure Mat 165-04 Algèbre liéaire et aalyse vectorielle A-015 Michel Beaudi michel.beaudi@etsmtl.ca Liste d exercices à faire e T.P./Caledrier des évaluatios Itroductio au cours

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

. (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

Application «Calculs» Application «Graphiques» Application «Tableur et listes» FR

Application «Calculs» Application «Graphiques» Application «Tableur et listes» FR TI Nspire Documet de Formatio T3 Walloie TI-Nspire Le tout e u des mathématiques Suites umériques La loi de Verhulst Applicatio «Calculs» Applicatio «Graphiques» Applicatio «Tableur et listes» FR Formatios

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

Cryptographie et algorithmique

Cryptographie et algorithmique F.Gaudo 1 er ovembre 2010 Table des matières 1 Avat de commecer 2 2 Préformattage d'u texte pour aalyse 3 2.1 Élimiatio de la poctuatio et des espaces das u texte................. 3 2.2 Formatage du texte

Plus en détail

Correction des exercices sur la nature ondulatoire de la lumière

Correction des exercices sur la nature ondulatoire de la lumière CORRECTION EXERCICES TS /5 CHAPITRE 3 Correctio des exercices sur la ature odulatoire de la lumière Correctio exercice : idice d u verre et réfractio. La radiatio = 530 m est verte et la radiatio = 680

Plus en détail

Mathématiques. Cours. BTS Informatique de gestion 2 e année. Denis Jaudon. Directrice de publication : Valérie Brard-Trigo

Mathématiques. Cours. BTS Informatique de gestion 2 e année. Denis Jaudon. Directrice de publication : Valérie Brard-Trigo BTS Iformatique de gestio e aée Deis Jaudo Mathématiques Cours Directrice de publicatio : Valérie Brard-Trigo Les cours du Ced sot strictemet réservés à l usage privé de leurs destiataires et e sot pas

Plus en détail

Intervalle de fluctuation des fréquences. Estimation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES. fréquence F n. fréquence obtenue f.

Intervalle de fluctuation des fréquences. Estimation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES. fréquence F n. fréquence obtenue f. Chapitre 14 Itervalle de fluctuatio des fréqueces. Estimatio Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Itervalle de fluctuatio Estimatio Itervalle de cofiace (*). Niveau

Plus en détail

AVRIL 2012 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie B Option Économie. MATHÉMATIQUES (Durée de l épreuve : 4 heures)

AVRIL 2012 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie B Option Économie. MATHÉMATIQUES (Durée de l épreuve : 4 heures) ÉCOLE NATIONALE SUPÉRIEURE DE STATISTIQUE ET D ÉCONOMIE APPLIQUÉE ENSEA ABIDJAN AVRIL 2012 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES ITS Voie B Optio Écoomie MATHÉMATIQUES (Durée de l épreuve : 4 heures)

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

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

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

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

DIDIER AUROUX POLYTECH NICE-SOPHIA MAM5 - OPTION IMAFA 2010-2011

DIDIER AUROUX POLYTECH NICE-SOPHIA MAM5 - OPTION IMAFA 2010-2011 MÉTHODES NUMÉRIQUES POUR LE PRICING D OPTIONS DIDIER AUROUX POLYTECH NICE-SOPHIA MAM5 - OPTION IMAFA 2010-2011 Table des matières 1 Notatios et équatio de Black-Scholes 2 11 Notatios 2 12 Équatio de Black-Scholes

Plus en détail

Comparaison des méthodes d indexation d images par le contenu dans les domaines de luminance et transformés

Comparaison des méthodes d indexation d images par le contenu dans les domaines de luminance et transformés MADA-ETI, ISSN 0-0673, Vol., 0 www.aarevues.gov.g Coparaiso es éthoes iexatio iages par le coteu as les oaies e luiace et trasforés Raafiarisoa M. H., Rakotoraia T. E., Rakotoiraho S. 3 Laboratoire e Télécouicatio,

Plus en détail

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES II

ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON MATHEMATIQUES II CHAMBRE DE COMMERCE ET D INDUSTRIE DE PARIS DIRECTION DE L ENSEIGNEMENT Directio des Admissios et cocours ECOLE DES HAUTES ETUDES COMMERCIALES E.S.C.P.-E.A.P. ECOLE SUPERIEURE DE COMMERCE DE LYON CONCOURS

Plus en détail

Baccalauréat S Nouvelle-Calédonie 7 mars 2014

Baccalauréat S Nouvelle-Calédonie 7 mars 2014 Durée : 4 heures Baccalauréat S Nouvelle-Calédoie 7 mars 2014 A. P. M. E. P. EXERCICE 1 Commu à tous les cadidats 4 poits Cet exercice est u QCM questioaire à choix multiple. Pour chaque questio, ue seule

Plus en détail

Éléments finis de joint mécaniques et éléments finis de joint couplés hydromécanique

Éléments finis de joint mécaniques et éléments finis de joint couplés hydromécanique Titre : Élémets fiis de joit mécaiques et élémets fi[...] Date : 28/10/2014 Pae : 1/10 Élémets fiis de joit mécaiques et élémets fiis de joit couplés hydromécaique Résumé : Cette documetatio porte sur

Plus en détail

Modèle de pointage et correction des dérives

Modèle de pointage et correction des dérives Ges de la Lue Observatoire astroomique de Plougastel Tél : 0 98 40 69 73 http://www.gesdelalue.org Modèle de poitage et correctio des dérives 1. Présetatio du problème Le poitage d u astre par u télescope

Plus en détail

Introduction to Econometrics

Introduction to Econometrics MPRA Muich Persoal RePEc Archive Itroductio to Ecoometrics Moussa Keita September 015 Olie at https://mpra.ub.ui-mueche.de/66840/ MPRA Paper No. 66840, posted. September 015 04:1 UTC INTRODUCTION A L ECONOMETRIE

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

Mathématiques. Terminale S Corrigés des exercices. Rédaction : Laurent Beroul Isabelle Tenaud Sébastien Cario. Coordination : Sébastien Cario

Mathématiques. Terminale S Corrigés des exercices. Rédaction : Laurent Beroul Isabelle Tenaud Sébastien Cario. Coordination : Sébastien Cario Mathématiques Termiale S Corrigés des eercices Rédactio : Lauret Beroul Isabelle Teaud Sébastie Cario Coordiatio : Sébastie Cario Ce cours est la propriété du Ced Les images et tetes itégrés à ce cours

Plus en détail

Chapitre 16 : Espaces vectoriels

Chapitre 16 : Espaces vectoriels PCSI Préparatio des Khôlles -4 Chapitre 6 : Espaces vectoriels Exercice type Soit E=R[X] et F ={P E, P(X)=XP (X)+P()}, motrer que F est u sous-espace vectoriel de E. : O a bie F E. Si P =est le polyôme

Plus en détail

Problème I- Acide éthanoïque (ph et conductimétrie) Enoncé

Problème I- Acide éthanoïque (ph et conductimétrie) Enoncé - Acide éthaoïque (ph et coductimétrie) Eocé 1- L acide éthaoïque (H 3 OOH) est u oxydat e solutio aqueuse das le couple H 3 OOH/H 3 H OH (acide éthaoïque/éthaol). Écrire la demi-équatio d oxydoréductio

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

Mathématiques. Cours 1. BTS Informatique de gestion 1 re année. Denis Jaudon. Directrice de publication : Valérie Brard-Trigo

Mathématiques. Cours 1. BTS Informatique de gestion 1 re année. Denis Jaudon. Directrice de publication : Valérie Brard-Trigo BTS Iformatique de gestio re aée Deis Jaudo Mathématiques Cours Directrice de publicatio : Valérie Brard-Trigo Les cours du Ced sot strictemet réservés à l usage privé de leurs destiataires et e sot pas

Plus en détail

Seconde année - Semestre 3 PROBABILITÉS

Seconde année - Semestre 3 PROBABILITÉS 1 UNIVERSITÉ DE CERGY Aée 2012-2013 LICENCE d ÉCONOMIE et GESTION Secode aée - Semestre 3 PROBABILITÉS Feuille d exercices N 3 : Variables aléatoires - Lois discrètes 1. Calculez 3 2 + 2 5 Exercice I (

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

I. (2 points) III. (2 points)

I. (2 points) III. (2 points) ère S Cotrôle du vedredi 7 mars 05 (0 mi) Préom : Nom : Note : / 0 II ( poits) Soit ABC u triagle isocèle e A tel que AB AC 8 cm et BC 5 cm O ote I le milieu de [AC] Calculer BI (valeur exacte) I ( poits)

Plus en détail

Arbres et dérivée d une fonction composée

Arbres et dérivée d une fonction composée Abes et déivée d ue foctio composée Nous allos voi ici commet l o peut epésete les déivées successives d ue foctio composée pa u esemble d abes fiis. f et g désigeot deux foctio idéfiimet déivables, et

Plus en détail

Fluctuation et estimation

Fluctuation et estimation Fluctuatio et estimatio Table des matières I Idetificatio de la situatio........................................ II Échatilloage, itervalle de fluctuatio asymptotique........................ II. Itervalle

Plus en détail

Séquence 9. Sommaire. 1. Pré-requis 2. Intervalles de fluctuation 3. Estimation 4. Synthèse de la séquence 5. Exercices de synthèse

Séquence 9. Sommaire. 1. Pré-requis 2. Intervalles de fluctuation 3. Estimation 4. Synthèse de la séquence 5. Exercices de synthèse Séquece 9 Itervalles de fluctuatio, estimatio Objectifs de la séquece Das le chapitre 2, o étudie des itervalles de fluctuatio des variables aléatoires X F =, fréqueces des variables aléatoires biomiales

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

REQUÊTES. Il est possible de créer des formulaires ou des états à partir de requête.

REQUÊTES. Il est possible de créer des formulaires ou des états à partir de requête. Cliclasolutio Aée 2006/2007 REQUÊTES Utilité des requêtes QUESTIONNER LA BASE DE DONNÉES La foctio classique d'ue requête est de répodre à ue questio sur la base de doées. "Quels sot les cliets habitat

Plus en détail

La calculatrice est autorisée. Le sujet comporte un total de 5 exercices. ( ) ( ) ( )

La calculatrice est autorisée. Le sujet comporte un total de 5 exercices. ( ) ( ) ( ) Aée 01-013 Mathématiques Décembre 01 Durée : 3 heures BAC blac N 1 La calculatrice est autorisée. Le sujet comporte u total de 5 exercices. Les élèves e suivat pas l eseigemet de spécialité traiterot les

Plus en détail

Corrigés TD Chapitre 2 : Variables aléatoires sur un univers fini 0 0 0 1/6 0 0 1 0 1/4 0 1/4 0 4 1/6 0 0 0 1/6

Corrigés TD Chapitre 2 : Variables aléatoires sur un univers fini 0 0 0 1/6 0 0 1 0 1/4 0 1/4 0 4 1/6 0 0 0 1/6 Corrigés TD Chapitre : Variables aléatoires sur u uivers fii Exercice : Soit X la VAR défiie par le tableau suivat : x i - - 0 p 6 4 6 4 6 i O ote Y = X ) Détermier la loi cooite de X et Y ) Détermier

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

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

Promenades aléatoires : vers les chaînes de Markov

Promenades aléatoires : vers les chaînes de Markov AME Dossier : Matrices et suites 545 romeades aléatoires : vers les chaîes de Markov ierre Griho (*) Cet article propose ue mise e perspective de la otio de promeade ou de marche aléatoire itroduite das

Plus en détail

II. Permutations sans répétitions et notation factorielle

II. Permutations sans répétitions et notation factorielle février 2012 ORRIGE II. Permutatios sas répétitios et otatio factorielle Aalyse combiatoire 4 ème - 1 I. Itroductio Les différets modèles mathématiques costruits pour étudier les phéomèes où iterviet le

Plus en détail

PROJET DE MONTE CARLO SUJET 1: LE PRICING

PROJET DE MONTE CARLO SUJET 1: LE PRICING LE Age KHOURI Nadie M MMD PROJE DE MONE ARLO SUJE : LE PRIING Selim ZOUGHLAMI QUESION : Supposos d abord que X est u mouvemet browie W t G([ 0, ]) Alors W0 G( 0 ) suit ue loi N(0,0) et doc W 0ps 0 Esuite,

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1 [htt://m.cgeduuydelome.fr] édité le 10 juillet 2014 Eocés 1 Déombremet Exercice 1 [ 01529 ] [correctio] Soiet E et F deux esembles fiis de cardiaux resectifs et. Combie y a-t-il d ijectios de E das F?

Plus en détail

TP R : méthodes statistiques élémentaires

TP R : méthodes statistiques élémentaires M2 IFMA et MPE TP R : méthodes statistiques élémetaires À la fi de la séace vous déposerez vos scripts R das la boîte de dépôt de votre espace Sakai : http://australe.upmc.fr/portal. 1 Importatio des doées

Plus en détail

Devoir de statistiques: CORRIGE

Devoir de statistiques: CORRIGE CPP - la prépa des INP ( ème aée). Bordeaux, 6/04/04. Devoir de statistiques: CORRIGE durée h Doées: O rappelle que si Z suit ue loi N (0, ), o a P(Z.96) 0, 975 et P(Z.65) 0, 95. Exercice. θ et O cosidère

Plus en détail

MATHÉMATIQUES Corrigé

MATHÉMATIQUES Corrigé Exame de ovembre 009 Exame du premier trimestre Le 30 ovembre 009 Classes de ère STG Durée 3 heures MATHÉMATIQUES Corrigé Note aux cadidats L emploi des calculatrices est autorisé (circulaire 99 86 du

Plus en détail

La Méthode de Monte Carlo

La Méthode de Monte Carlo La Méthode de Mote Carlo Etiee Pardoux UMR 6632 Laboratoire d Aalyse, Topologie, Probabilités et EA 3781 Evolutio Biologique Uiversité de Provece Etiee Pardoux (LATP) Marseille, 13/09/2006 1 / 33 Cotets

Plus en détail

BTS Mécanique et Automatismes Industriels. Statistiques inférentielles

BTS Mécanique et Automatismes Industriels. Statistiques inférentielles BTS Mécaique et Automatismes Idustriels Statistiques iféretielles, Aée scolaire 2005 2006 Statistiques iféretielles 1. Itroductio vocabulaire Pour étudier ue populatio statistique, o a recours à deux méthodes

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

Organisme de recherche et d information sur la logistique et le transport LES PREVISIONS DES CONSOMMATIONS

Organisme de recherche et d information sur la logistique et le transport LES PREVISIONS DES CONSOMMATIONS LES PREVISIONS DES CONSOMMATIONS Les logiciels utilisés pour la gestio des stocks itègret de ombreuses foctios de calcul. L ue des plus importates est l exécutio des prévisios des cosommatios futures d

Plus en détail

Correction CCP maths 1 MP

Correction CCP maths 1 MP mai 4 Avertissemet : Il subsiste certaiemet quelques coquilles... Exercice : ue itégrale double Correctio CCP maths MP Pour calculer cette itégrale, o effectue le chagemet de variable e coordoées polaires

Plus en détail

STATISTIQUE : ESTIMATION

STATISTIQUE : ESTIMATION STATISTIQUE : ESTIMATION Préparatio à l Agrégatio Bordeaux Aée 202-203 Jea-Jacques Ruch Table des Matières Chapitre I. Estimatio poctuelle 5. Défiitios 5 2. Critères de comparaiso d estimateurs 6 3. Exemples

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

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

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

Université de Provence 2011 2012. Planche 6. Nombres réels. Suites réelles. Nombres réels.

Université de Provence 2011 2012. Planche 6. Nombres réels. Suites réelles. Nombres réels. Uiversité de Provece 011 01 Mathématiques Géérales I Plache 6 Nombres réels Suites réelles Nombres réels Exercice 1 Mettre sous forme irréductible p/q les ratioels suivats (les chiffres souligés se répètet

Plus en détail

Moment d'une force Théorème du moment cinétique. Johann Collot collot@in2p3.fr http://lpsc.in2p3.fr/atlas_new/teachingitem.htm Mécanique L1 et IUT1

Moment d'une force Théorème du moment cinétique. Johann Collot collot@in2p3.fr http://lpsc.in2p3.fr/atlas_new/teachingitem.htm Mécanique L1 et IUT1 Momet d'ue force Théorème du momet ciétique Théorème du momet ciétique référetiel iertiel repère fixe /réf. o poit o fixe / repère m M V dt = d P OM dt = OM d P d OM P = d OM P OM d P = V dt m V OM d P

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

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

BANQUE ÉPREUVE ORALE DE MATHÉMATIQUES SESSION 2015

BANQUE ÉPREUVE ORALE DE MATHÉMATIQUES SESSION 2015 CONCOURS COMMUNS POLYTECHNIQUES FILIÈRE MP BANQUE ÉPREUVE ORALE DE MATHÉMATIQUES SESSION 5 avec corrigés V. Bellecave, J.-L. Artigue, P. Berger, J.-P. Bourgade, S. Calmet, A. Calvez, D. Cleet, J. Esteba,

Plus en détail