Autour de la loi de Poisson
|
|
- Emma Éthier
- il y a 7 ans
- Total affichages :
Transcription
1 Agrégatio Itere de Mathématiques Thierry Champio séace du 25 ovembre 2016 Autour de la loi de Poisso Notatios - Itroductio Das tout ce problème, (Ω, T, P) est u espace probabilisé. Toutes les variables aléatoires cosidérées ici sot des variables aléatoires défiies sur Ω. Si X est ue telle variable aléatoire, o ote E(X) et V(X) l espérace et la variace de X lorsque celles-ci existet. Pour N et p ]0, 1[ o otera B(p) la loi de Beroulli de paramètre p et B(, p) la loi biomiale de paramètres et p. O rappelle que la variable aléatoire X suit B(p) si elle pred les valeurs 0 et 1 avec P(X = 0) = 1 p et P(X = 1) = p et que Y suit B(, p) si elle pred les valeurs etières de 0 à avec {0,..., }, P(X = ) = ( ) p (1 p) 1 Pour λ > 0 o ote P(λ) la loi de Poisso de paramètre λ. O rappelle que X suit P(λ) si elle pred toutes les valeurs de N avec N, P(X = ) = λ! e λ Si X est ue variable aléatoire preat ses valeurs das N, alors sa foctio géératrice est la foctio g X : t E(t X ) = 0 P(X = )t. Das la première partie o révise le programme cocerat la loi de Poisso et so utilisatio comme approximatio de la loi biomiale. Das la deuxième partie o obtiet ue estimatio plus fie de cette approximatio. Das la troisième partie o étudie quelques propriétés e lie avec la foctio géératrice. 1 Loi de Poisso - révisios 1. Soit λ > 0 et Z ue variable aléatoire suivat P(λ), calculer E(Z) et V(Z).
2 2. Soit X et Y deux variables aléatoires idépedates suivat respectivemet les lois P(λ) et P(µ) pour λ et µ strictemet positifs. Démotrer que X + Y suit la loi P(λ + µ). 3. Approximatio de la loi biomiale par la loi de Poisso. Soit (X ) 1 ue suite de variables aléatoires telle que X suit la loi B(, p ) pour tout 1, où (p ) 1 est ue suite das ]0, 1[. O suppose que la suite ( p ) coverge vers λ > 0. a) Motrer que la suite (X ) coverge e loi vers ue variable aléatoire Z suivat P(λ), c est-à-dire N, lim P(X = ) = λ +! e λ b) Démotrer que lim E(X ) = E(Z) et lim V(X ) = V(Z). + + c) Applicatio. O suppose qu il apparaît e moyee deux étoiles filates toutes les 5 miutes das le ciel d ue uit de la première semaie d août. O choisit au hasard u itervalle de 5 miutes. Soit Y la variable aléatoire associat à l itervalle de 5 miutes choisi le ombre d étoiles filates observées. Pour détermier la loi de probabilité de Y, o "discrétise" le problème : o partage les ciq miutes e itervalles de temps suffisammet petits pour coteir au plus ue apparitio d étoile filate, et o suppose que les apparitios des étoiles filates au cours du temps sot des évéemets idépedats. Aisi, est "grad" et la probabilité d apparitio d ue étoile filate das l u des itervalles de temps est de l ordre de 2. Doer ue approximatio des probabilités suivates : P(Y = 0) ; P(Y = 1) et P(Y 2) Quelle serait la probabilité de voir au mois 2 étoiles filates e 10 miutes? 2 Covergece forte de la loi biomiale vers la loi de Poisso 1. Soit p [0, 4 ], détermier la loi du vecteur aléatoire (X, Y ) tel que 5 (X, Y ) pred les valeurs (0, 0), (0, 1), (1, 1) et (, 0) pour tout 2 (remarque : (X, Y ) e pred pas la valeur (1, 0)), la loi margiale X est P(p) et la loi margiale Y est B(p). O otera M(p) la loi de ce vecteur aléatoire. Déduire du calcul précédet que P(X Y ) 2 p 2 e utilisat e p 1 p. 2. Soit (X, Y ) u vecteur aléatoire preat ses valeurs das N 2 et A ue partie de N, motrer que P(X A) P(Y A) P(X Y )
3 3. Soit (X 1, Y 1 ),..., (X, Y ) des vecteurs aléatoires suivat respectivemet les lois M(p 1 ),..., M(p ) avec p i [0, 4 ] pour tout i. Soit A ue partie de N, motrer 5 que P(X X A) P(Y Y A) 2 p 2 i i=1 4. Soit λ > 0 et u etier tel que 4 5λ. Soit X et Z deux variables aléatoires suivat respectivemet la loi B(, λ ) et la loi P(λ). a) Soit A ue partie de N, motrer que P(X A) P(Z A) 2 λ2 b) Doer ue coditio sur et p pour que l approximatio de la loi B(, p) par la loi P(p) soit correcte à 10 2 près pour toute valeur {0,..., }. c) E cosidérat les esembles E = { : P(X = ) P(Z = )} et N \ E, motrer que ( ) p (1 p) 1 λ! e λ Loi de Poisso et foctio géératrice Das cette partie, X est ue variable aléatoire à valeurs etières. λ! e λ 4 λ2 1. Démotrer que la foctio géératrice de X a u rayo de covergece supérieur ou égal à Das cette questio, o suppose que X suit la loi P(λ) pour u certai λ > 0. Calculer la foctio géératrice g X de X. 3. Démotrer que 0, P(X = ) lim if t 1 g X (t) g X (1) E déduire que X admet ue espérace si et seulemet si g X admet ue dérivée à gauche g X(1 ) e 1, et que das ce cas E(X) = g X(1 ). 4. Retrouver à l aide des questios précédetes l espérace de la loi P(λ). 5. Démotrer que X admet ue variace si et seulemet si g X admet ue dérivée secode à gauche g X(1 ) e 1, et que das ce cas V(X) = g X(1 ) + g X(1 ) (g X(1 )) 2. Retrouver la variace de la loi P(λ). 6. O suppose que les variables aléatoires X et Y sot idépedates, démotrer que g X+Y = g X g Y. Retrouver le résultat de la questio 1.2.
4 4 Correctio succicte. Les parties 1 et 3 sot classiques et sot basées essetiellemet sur du cours. O peut doc e trouver l essetiel das les ouvrages usuels (Cottrell et al., Datzer, Ouvrard, etc), à l exceptio de l applicatio 3c de la partie 1. La partie 2 est plus origiale et précise la covergece de la loi biomiale vers la loi de Poisso. 4.1 Correctio de la partie 1 : Loi de Poisso - révisios 1. Les séries à termes positifs P(Z = ) et 2 P(Z = ) sot covergetes, doc Z admet ue espérace et ue variace, et o trouve : E(Z) = V(Z) = λ. 2. Puisque X et Y suivet des lois de Poisso, elles preet leurs valeurs das N, et comme elles sot idépedates o obtiet pour tout etier : P(X + Y = ) = P(X = et Y = ) = = 1 ( )! e (λ+µ) λ µ = λ! e λ µ ( )! e µ (λ + µ) e (λ+µ).! Ceci état valable pour tout N, o e déduit que X + Y suit la loi P(λ + µ). 3. Approximatio de la loi biomiale par la loi de Poisso. Soit (X ) 1 ue suite de variables aléatoires telle que X suit la loi B(, p ) pour tout 1, où (p ) 1 est ue suite das ]0, 1[. O suppose que la suite ( p ) coverge vers λ > 0. a) Soit N, pour tout o a ( ) P(X = ) = p (1 p ) = ( p ) ( 1 p ) ( 1)... ( + 1) (1 p! ) or o a ( 1 p ) = exp ( p (1 + o(1))) e λ et comme est fixé et p 0 o obtiet bie lim P(X = ) = λ +! e λ. b) Pour tout o a E(X ) = p et V(X ) = p (1 p ), doc o a lim E(X ) = + λ = E(Z) et lim V(X ) = λ = V(Z). + c) D après l éocé, Y suit la loi B(, 2 ), et comme est supposé grad o peut approcher cette loi par la loi de Poisso P(2), o trouve doc P(Y = 0) e 2 = 13, 5% P(Y = 1) 2e 2 = 27% P(Y 2) = 1 (P(Y = 0) + P(Y = 1)) 1 (e 2 + 2e 2 ) = 59%
5 Das u itervalle de 10 miutes il y a 2 petits itervalles, das ce cas le ombre d étoiles filates observées suit B(2, 2 ) ce qu o peut approcher par la loi P(4) et doc la probabilité demadée est eviro 1 (e 4 + 4e 4 ) = 91%. 4.2 Correctio de la partie 2 : Covergece forte de la loi biomiale vers la loi de Poisso Cette partie est tirée de l exercice 406 du livre Itégratio et probabilités - Aalyse de Fourier de Gérard Letac (Masso, 1997). 1. Comme la margiale X suit P(p) o a : P [(X, Y ) = (0, 0) ou (X, Y ) = (0, 1)] = e p P [(X, Y ) = (1, 1)] = pe p 2, et comme Y suit B(p) o a P [(X, Y ) = (, 0)] = λ! e p et doc o e coclut que P [(X, Y ) = (0, 1) ou (X, Y ) = (1, 1)] = p P [(X, Y ) = (0, 1)] = p p e p et P [(X, Y ) = (0, 0)] = (1 + p)e p p e utilisat le fait que les évèemets ((X, Y ) = (0, 0)), ((X, Y ) = (0, 1)) et ((X, Y ) = (1, 1)) sot icompatibles. Puisque p [0, 4 ] o a bie que ces deux 5 probabilités sot positives. Efi o remarque pour ce vecteur aléatoire o a P(X Y ) = 1 P (X = Y ) = 1 P [(X, Y ) = (0, 0) ou (X, Y ) = (1, 1)] = 1 ((1 + p)e p p + pe p ) 1 (1 + 2p)(1 p) + p = 2p O remarque que (X A) est iclus das l évèemet (Y A ou X Y ) : e effet si X(ω) A alors soit X(ω) = Y (ω) et doc Y (ω) A, soit X(ω) Y (ω). Par coséquet doc P(X A) P(Y A ou X Y ) P(Y A) + P(X Y ) P(X A) P(Y A) P(X Y ) E échageat les rôles de X et Y o obtiet l iégalité souhaitée. Autre maière d écrire la même preuve : O calcule P(X A) = P [(X A et X = Y ) ou (X A et X Y )] = P [(Y A et X = Y ) ou (X A et X Y )] P(Y A) + P(X Y ) et o coclut de même.
6 3. O applique les deux questios précédetes pour calculer P(X X A) P(Y Y A) P((X X ) (Y Y )) P((X 1 Y 1 ) ou... ou (X Y )) P(X i Y i ) 2 i=1 i=1 p 2 i i=1 où la deuxième iégalité découle du fait que (X X )(ω) (Y Y )(ω) implique que X i (ω) Y i (ω) pour au mois u idice i. 4. a) O applique le résultat de la questio précédete avec des variables aléatoires X 1,..., X idépedates suivat B( λ) et Y 1,..., Y idépedates suivat P( λ), et telles que chaque couple (X i, Y i ) suit M( λ). Das ce cas X = X X suit B(, λ) et Z = Y Y suit P(λ) et o a ( ) 2 λ P(X A) P(Z A) 2 = 2 λ2 b) E preat λ = p das ce qui précède, il suffit d avoir 2 p c) O applique la questio 4a à l esemble E = { : P(X = ) P(Z = )} et o obtiet 2 λ2 P(X E) P(Z E) = (P(X = ) P(Z = )) E = (( ) ) p (1 p) 1 λ E! e λ = ( ) p (1 p) 1 λ E! e λ où o a utilisé la défiitio de E et le fait que E {0,..., }. E appliquat la questio 4a avec N \ E il viet 2 λ2 P(X E) P(Z E) = = 0 N\E = 0 N\E ( λ! e λ λ! e λ N\E ( ) )p (1 p) 1 ( ) p (1 p) 1 + O coclut e additioat ces deux iégalités. (P(Z = ) P(X = )) λ! e λ λ! e λ 4.3 Correctio de la partie 3 : Loi de Poisso et foctio géératrice 1. Pour t = 1, la somme de la série etière P (X = )t est covergete et de valeur 1 puisque X pred ses valeurs das N : la foctio géératrice de X a doc u rayo de covergece supérieur ou égal à 1.
7 2. Lorsque X suit P(λ) o trouve g X (t) = E(t X ) = e λ(t 1), et la foctio géératrice a u rayo de covergece ifii. 3. Soit 0 fixé, alors pour tout t [0, 1[ o a d où o déduit g X (t) g X (1) = P(X = ) P(X = ) lim if t 1 g X (t) g X (1) P(X = ) Aisi, si X admet pas d espérace, alors la série à termes positifs P(X = ) est divergete et g X est pas dérivable à gauche e 1. Par cotre, si X admet ue espérace alors cette série est covergete et pour tout t [0, 1[ o a g X (t) g X (1) = = =1 g X (t) g X (1) doc lim sup t 1 P(X = ) P(X = )(1 + t t 1 ) =1 P(X = ) (1) E(X). E passat à la limite quad + das g X (t) g X (1) (1) o obtiet E(X) lim if, et o coclut doc que das ce cas t 1 g X est dérivable à gauche e 1 et E(X) = g X(1 ). 4. Si X suit la loi P(λ) alors sa foctio géératrice g X : t e λ(t 1) est dérivable e 1 de dérivée λ, qui est bie l espérace attedue. 5. E raisoat de la même maière, o trouve les iégalités (pour t [0, 1[ ) =1 P(X = ) t 1 1 g X(t) g X(1) =2 P(X = ) ( 1) d où o déduit que X admet u momet d ordre 2 si et seulemet si g X admet ue dérivée secode à gauche g X(1 ) e 1, et que das ce cas g X(1 ) = P(X = ) ( 1) = V(X)+E(X) 2 E(X) = V(X) (g X(1 )) 2 +g X(1 ) 6. Soit t ] 1, 1[, alors o peut écrire + g X+Y (t) = P(X + Y = )t = P(X = et Y = )t =0 =0 = P(X = )P(Y = )t =0 = P(X = )t P(Y = )t = g X (t)g Y (t) =0
8 où o a utilisé l idépedace de X et Y et la formule du produit de Cauchy de deux séries covergetes. Cette égalité état vraie sur u voisiage de 0, o a bie g X+Y = g X g Y sur le disque de covergece commu. Das le cas où X suit P(λ) et Y suit P(µ) o obtie alors pour tout réel t g X+Y (t)g X (t)g Y (t) = e λ(t 1) e µ(t 1) = e (λ+µ)(t 1) et doc X + Y suit la loi P(λ + µ).
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 détailx +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.
EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite
Plus en détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détailLimites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détailCHAPITRE 2 SÉRIES ENTIÈRES
CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détailEtude de la fonction ζ de Riemann
Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
Plus en détail. (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 détailSuites et séries de fonctions
[http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailSTATISTIQUE : 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 détailCours de Statistiques inférentielles
Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détail4 Approximation des fonctions
4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour
Plus en détailConvergences 2/2 - le théorème du point fixe - Page 1 sur 9
Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détailUV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1
UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détailDes résultats d irrationalité pour deux fonctions particulières
Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailTerminale S. Terminale S 1 F. Laroche
Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM
Plus en détailExercices de mathématiques
MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris
Plus en détailProcessus géométrique généralisé et applications en fiabilité
Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR
Plus en détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en détailIntroduction : Mesures et espaces de probabilités
Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détailChapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.
Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailProbabilités et statistique pour le CAPES
Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes
Plus en détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailChaînes de Markov. Arthur Charpentier
Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailSéries numériques. Chap. 02 : cours complet.
Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm
Plus en détail16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.
16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme
Plus en détailCours 5 : ESTIMATION PONCTUELLE
Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-
Plus en détailStatistique Numérique et Analyse des Données
Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détailPrincipes et Méthodes Statistiques
Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............
Plus en détailCompte Sélect Banque Manuvie Guide du débutant
GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailPROMENADE ALÉATOIRE : Chaînes de Markov et martingales
PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières
Plus en détailPOLITIQUE ECONOMIQUE ET DEVELOPPEMENT
POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier
Plus en détailUniversité Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014
Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailINTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï
INTRODUCTION AUX MATRICES ALÉATOIRES par Djalil Chafaï Résumé. E cocevat les mathématiques comme u graphe, où chaque sommet est u domaie, la théorie des probabilités et l algèbre liéaire figuret parmi
Plus en détailDETERMINANTS. a b et a'
2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio
Plus en détailUNIVERSITÉ DE SFAX École Supérieure de Commerce
UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première
Plus en détailPROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS
PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie
Plus en détailOne Office Voice Pack Vos appels fixes et mobiles en un seul pack
Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailContribution à la théorie des entiers friables
UFR STMIA École Doctorale IAE + M Uiversité Heri Poicaré - Nacy I DFD Mathématiques THÈSE présetée pour l obtetio du titre de Docteur de l Uiversité Heri Poicaré, Nacy-I e Mathématiques par Bruo MARTIN
Plus en détailExamen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot
Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailLa tarification hospitalière : de l enveloppe globale à la concurrence par comparaison
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 58 2000 La tarificatio hospitalière : de l eveloppe globale à la cocurrece par comparaiso Michel MOUGEOT * RÉSUMÉ. Cet article cosidère différetes politiques de
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailUn nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction
A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés
Plus en détailRESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)
RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailRisque de longévité et détermination du besoin en capital : travaux en cours
Risque de logévité et détermiatio du besoi e capital : travaux e cours Frédéric PLANCHET ISFA Laboratoire SAF Versio.6 / Septembre 2008 Sommaire La prise e compte de l expériece propre au groupe das l
Plus en détailÉchantillonnage et estimation
Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détailEn général, il n y a pas d algorithme fini pour trouver une solution. On est donc obligé d utiliser
Chapitre VI Méthodes Itératives Equatios o Liéaires E pratique, o est souvet coroté à la résolutio d u système d équatios o liéaires. C estàdire pour ue octio tel que doée, o cherche u poit (0.1) E gééral,
Plus en détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détailRenseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.
Reseigemets et moitorig. Reseigemets commerciaux et de solvabilité sur les etreprises et les particuliers. ENSEMBLE CONTRE LES PERTES. Reseigemets Creditreform. Pour plus de trasparece. Etreteir des rapports
Plus en détailII - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1
II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détailLa spirale de Théodore bis, et la suite «somme=produit».
Etde d e vrite de l spirle de Théodore, dot issce à e site dot les sommes prtielles sot égles x prodits prtiels. Mots clés : spirle de Théodore, théorème de Pythgore, site, série, polyôme. L spirle de
Plus en détail