Analyse en composantes principales d un ux de données d espérance variable dans le temps.
|
|
- Maxime Poitras
- il y a 7 ans
- Total affichages :
Transcription
1 Mauscrt auteur, publé das "REVUE DES NOUVELLES TECHNOLOGIES DE L'INFORMATION, C- (008) 43-56" Aalyse e composates prcpales d u ux de doées d espérace varable das le temps. Jea-Mare Moez Isttut Ele Carta UMR 750 Nacy-Uversté, CNRS, INRIA al , verso - 4 Feb 009 Abstract We cosder a data stream ad suppose tat eac data s a realzato of a radom vector wose expectato vares tme, eac compoet followg a lear model. We use stocastc approxmato processes to estmate o le te parameters of te lear models ad smultaeously te prcpal compoets of te data. Key Words ad Prases : Data stream, stocastc approxmato, prcpal compoet aalyss. AMS A99 Subject Class cato : prmary : 6 ; secodary : H5, L0. Modèle de ux et pla d étude Sot u ux de doées, représeté par ue sute de vecteurs (z ; :::; z ; :::) das R p.. Modèle d étude et formulato O suppose que:. pour tout, z est la réalsato d u vecteur aléatore Z, d espérace matématque varable das le temps ;. les vecteurs aléatores Z sot mutuellemet dépedats ;. pour tout, o a la décomposto Z = + R, = ( ::: p ) 0 état u vecteur de R p, la lo du vecteur aléatore R e dépedat pas de, E [R ] = 0; Covar [R ] = (matrce de covarace de R ) ; cec revet à supposer que les R = Z costtuet u écatllo..d. d u vecteur aléatore R das R p tel que E [R] = 0; Covar [R] = ; o a alors E [Z ] = ; Covar [Z ] = ; r = z E [Z ] représete la doée z cetrée ;. pour = ; :::; p, l exste u vecteur de R cou et, pour tout, u vecteur U de R cou au temps tels que = ; U, :; : désgat le produt scalare euclde usuel das R ; U peut être u vecteur de foctos coues du temps ( est alors ue combaso léare de foctos coues du temps) ou u vecteur de valeurs de varables explcatves cotrôlées ; s l o ote Z, respectvemet R, la eme composate de Z, respectvemet R, o a alors le modèle de régresso léare Z = ; U + R ; = ; :::; p: O pose le problème suvat : réalser ue aalyse e composates prcpales (ACP) du vecteur aléatore R das R p que l o mut d ue métrque M ; o e ectue as ue ACP de doées corrgées de l e et du temps ou d e ets explcatfs. O étude c l estmato des facteurs de cette aalyse. O rappelle das le paragrape ue présetato de l ACP d u vecteur aléatore (cf Moez 006).
2 . Prcpe et pla de l étude Les facteurs de l ACP du vecteur aléatore R sot vecteurs propres de la matrce C = M assocés aux valeurs propres ragées par ordre décrossat. O va e e ectuer ue estmato e lge, e actualsat au temps, après avor trodut l observato z, l estmato d u facteur obteue au temps. O fat cette estmato e parallèle avec celle des paramètres, doc des composates de. O utlse pour cela des processus d approxmato stocastque de la famlle de ceux de Robbs-Moro (95), Bezécr (969), Krasula (970). O dé t les processus das le paragrape 3, o doe les téorèmes de covergece presque sûre das le paragrape 4, o étude le cas partculer où l o pred pour métrque M celle de l ACP ormée das le paragrape 5, o doe ue cocluso das le paragrape 6 et les démostratos das le paragrape 7. ACP d u vecteur aléatore al , verso - 4 Feb 009 Sot u vecteur aléatore R das R p, dé sur u espace probablsé (; A; P ), de composates R ; R ; :::; R P de carré tégrable. O ote la matrce de covarace de R. O mut R p d ue métrque M ; o ote k:k la orme assocée : kr(!)k = R 0 (!)MR(!). A partr de M est dé e la dstace etre deux réalsatos R(!) et R(! 0 ) de R qu est la mesure de la d érece vs-à-vs de R etre les élémets, ou dvdus,! et! 0. Le cox de cette métrque est prmordal et codtoe les résultats de l ACP. O désge par F r u sous-espace a e de R p de dmeso r auquel appartet l espérace matématque E [R] de R. O ote R le vecteur aléatore das R p qu, à tout!, fat correspodre la projecto ortogoale, au ses de la métrque M, R(!) de R(!) sur F r. O a E [R] = E [R] et : E kr. Etude géométrque E [R]k = E kr Rk + E kr E [R]k : L ACP du vecteur aléatore R cosste à détermer u sous-espace F r qu resttue au meux e dmeso r la dsperso de R mesurée par E kr E (R)k, doc qu sot tel que E kr E (R)k sot maxmale ou E kr Rk mmale. S l o ote (u ; u ; :::; u r ) ue base M-ortoormée de F r, o a E kr E [R]k rx = u 0 k MMu k: Pour k = ; ; :::; r, o recerce alors u vecteur u k qu red maxmale la forme quadratque u 0 MMu sous les cotrates d être M-utare et M-ortogoal aux vecteurs u j, j = ; :::; k ; u k est vecteur propre de la matrce M assocé à la k eme plus grade valeur propre k ; o a u 0 k MMu k = k ; l axe (E [R] ; u k ) est appelé le k eme axe prcpal de l ACP de R. k=. Iterprétato statstque La formulato statstque, équvalete à la géométrque, est le cadre usuel de présetato de l ACP d u vecteur aléatore. Sot l élémet a k = Mu k du dual R p de R p, appelé k eme facteur prcpal de l ACP de R. A partr du crtère de détermato de u k, o obtet que a k red maxmale la forme quadratque a 0 a sous les cotrates a 0 a j = 0; j = ; ; :::; k et a 0 M a = ; la combaso léare des composates cetrées de R, C k = a 0 k (R E [R]), appelée keme composate
3 prcpale, est doc de varace maxmale sous les cotrates d être o corrélée aux composates précédetes et que a k sot M -utare. a k est vecteur propre assocé à la k eme plus grade valeur propre k de la matrce M -symétrque M et o a a 0 k a k = k. 3 Dé to des processus d approxmato stocastque Sot M u estmateur de M au temps. O ote :; : le produt scalare das le dual R p de R p au ses de la métrque M. Sot (a ) ue sute de ombres réels postfs. Pour = ; :::; p, o dé t le processus d approxmato stocastque (B) de tel que B + = B a U (U 0 B Z ): O dé t : b = B ; U ; b = ( b ::: b p ) 0 ; C = M (Z Z 0 b b 0 ): al , verso - 4 Feb 009 Sot r le ombre de facteurs à estmer. Pour = ; :::; r, o dé t les processus (X) d estmato des facteurs tels que : C X; X F (X ) = X ; X Y + = X + a (C F (X )I)X X + = ort M (Y +): I désge la matrce-detté d ordre p. X+ = ort M (Y+ ) sg e que (X + ; :::; X + ) est obteu e ortogoalsat par rapport à M au ses de Gram-Scmdt (Y+ ; :::; Y + ). 4 Téorèmes de covergece presque sûre 4. Prcpe de l étude de la covergece des processus d estmato des facteurs L étude de la covergece du type précédet de processus a été fate par Bouamae et Moez (997, 998) e se plaçat das l algèbre extéreure d ordre j de R p. O rappelle d abord quelques élémets téorques relatfs à cette algèbre. 4.. Algèbre extéreure d ordre j de R p O ote ^ le produt extéreur de vecteurs de R p et pour j = ; :::; p, j^rp l algèbre extéreure d ordre j de R p : (e ; :::; e p ) état ue base de R p, l esemble des Cp j produts extéreurs e ^:::^e j pour < ::: < j p est ue base de j^rp. O dé t u produt scalare das j^rp à partr de celu das R p dut par la métrque M ; das cette dé to, G j est l esemble des permutatos de fk ; :::; k j g, s () est le ombre d versos de la permutato et " () = ( ) s() : X D E e^:::^e j ; e k^:::^e kj = " () e ; e (k ) ::: e M j ; e (kj ) : M G j 3
4 O suppose que les r plus grades valeurs propres de l edomorpsme C das R p sot dfféretes : > ::: > r. O dé t pour j = ; :::; r, l edomorpsme j C das j^r p par j C(x ^::::::^x j ) = jx x ^:::^Cx ^:::^x j ; x l R p ; l = ; :::; j: = S V ; :::; V j sot des vecteurs propres de C correspodat respectvemet à ; :::; j, V ^:::^V j est vecteur propre de j C correspodat à la plus grade valeur propre j = P j l= l. O ote j S le sous-espace propre correspodat à j et ( j S )? so supplémetare ortogoal. 4.. Covergece des processus al , verso - 4 Feb 009 O e ectue la démostrato de la covergece e deux étapes. Sot le processus ( j X ) das l algèbre extéreure d ordre j de R p dé par : j X = X^:::^X. j O démotre d abord que, pour j = ; :::; r, coverge p:s: das u esemble j E vers j X k j X k V ^:::^V j j S (o suppose les vecteurs V l ormés). O démotre esute que, pour l = ; :::; r, X l kxk coverge p:s: das l \l j= j E vers V l. O doe c-dessous la dé to de l esemble j E. Das le cas où l o coaît C et M, o dé t et le processus j ( j x) = j U das j^r p par j C j x; j x j x; j x ; j x j^r p ; j U + = I + a j C j ( j U )I j U : j Das ce cas, j E est l esemble X = j o? S ; X ; :::; Xj e dovet pas être ortogoaux au sous-espace egedré par les vecteurs propres de B correspodat à ses j plus grades valeurs propres. Le processus ( j X ) = (X^:::^X ) j peut être cosdéré comme ue perturbato stocastque du processus j U. O ote : j = + a ( j j ( j X )) X Q j = j j X + I + a j C j ( j X )I j X X + Q = : j = L esemble j E est Q j = ( j S )?. O remarque que Q j = j X pour ( j X ) = j U. 4. Hypotèses O fat les ypotèsessuvates. (H)(a) max sup U <. (b) Pour = ; :::; p, l exste u eter r, u réel > 0, ue sute crossate d eters ( l ; l ) tels que = ; ;l+ l +r, m ( P Uj U j 0), avec I l = f l ; :::; ;l+ g : (H) P M! M p:s: a km Mk < p:s: (H3) a = c ; c > 0; P < : (H3 ) a > 0; m a j = ; P a < : 4
5 4.3 Téorèmes O a les éocés suvats. Téorème Sous H et H3, pour = ; :::; p, B! et b! 0 p:s: Téorème Sous H et H3, pour = ; :::; p : ) pour < ou ( = et c r > ) : lm E B < et lm E b < ; ) pour = et c r = : lm l E B < et lm l E b < ; al , verso - 4 Feb 009 3) pour = et c r < : lm c B r E < et lm c r E b < : Téorème 3 Sous H, H, H3, s l o suppose que R admet des momets d ordre 4r, pour j = ; :::; r, Q j coverge presque sûremet et, s l o suppose que les r plus grades valeurs propres de C = M sot dstctes, alors, pour = ; :::; r, X coverge presque sûremet das \ j= j E vers u vecteur propre de C assocé à sa eme plus grade valeur propre. 5 Cas partculer de la métrque de l ACP ormée Sot = V ar R ; = ; :::; p. La métrque de l ACP ormée das R p est la métrque dagoale M des. ( ) = P j= Zj b j de et la métrque dagoale M das de faço récursve. O cosdère l estmateur M R p des M. O peut calculer M Téorème 4 O suppose que R admet des momets d ordre 4. Alors, sous H et H3 avec =, M! M et P a km Mk < p:s:; doc, l ypotèse H est vér ée. 6 Cocluso et extesos O a traté c l estmato e lge des facteurs de l ACP d u ux de doées. O peut égalemet estmer e lge les valeurs propres assocées (Bouamae et Moez, 998), les corrélatos etre les varables et les facteurs ; o peut auss estmer e lge la valeur d u facteur pour u dvdu et procéder évetuellemet à ue class cato des dvdus. Cette étude troductve sera développée das les drectos suvates : ) étude d u modèle où l espérace et la varace varet das le temps ; ) étude de modèles o léares de varato des paramètres ; 3) autres cox de métrques M ; 4) applcato à d autres métodes d aalyse factorelle. 5
6 7 Démostratos 7. Démostrato du téorème O a dé : B+ = B a U(U 0 B Z): Comme Z = + R = U 0 + R, o a: B + = B a U U 0 (B ) + a U R : A xé, otos : Y = B ; V = U ; S = R ; l = l ; r = r : O a : Y + = Y a V V 0 Y + a V S : Pour établr la covergece presque sûre, o utlse le lemme suvat (Robbs et Segmud, 97). Lemme 5 Sot (; A; P ) u espace probablsé, (T ) ue sute crossate de sous-trbus de A: Sot, pour tout, ; ; des varables aléatores réelles T - mesurables, o égatves, tégrables, telles que al , verso - 4 Feb 009 E [ + j T ] ( + ) + ; X X < ; < p:s: Alors, la sute ( ) coverge presque sûremet vers ue varable aléatore e et o a P < p:s: ) O a : ky + k = ky k + a V VY 0 a Y ; V VY 0 V S + a Y ; V S ky k + a kv k ky k + a kv k S + a Y ; V S a Y ; V V 0 Y : Sot T la trbu du passé au temps, par rapport à laquelle Y ; :::; Y sot mesurables. O a E [S j T ] = E R = 0, E S j T = E (R ) : E ky + k j T ( + a kv k ) ky k + a kv k E S a Y ; V VY 0 p:s: Sous les ypotèses Ha et H3, o a : P a kv k < : D après le lemme 5 : 9T 0 : ky k! T p:s: ; X a Y ; V VY 0 < p:s: ) O a: ky + Y k a kv k ky k + a kv S k : P E a kv S k = P a kv k E S < : Doc : P a kv S k < p:s: ; a kv S k! 0 p:s: Sous Ha et H3, a kv k! 0 p:s: O e dédut que ky + Y k! 0 p:s: 6
7 3) O rasoe à! xé, apparteat à l tersecto des esembles de covergece presque sûre dé s. Supposos T (!) 6= 0. O supprme das la sute l écrture de!. Alors : 90 < < ; 9N( ) : 8 > N( ); < ky k < : Doc, sous Hb, à partr d u certa rag L, o a : * Y l ; X V j V 0 j Y l + : O e dédut qu l exste u eter m l I l tel que: Yl ; V ml V 0 m l Y l r : O cosdère la décomposto : Yml ; V ml V 0 m l Y ml = Yml + Y l ; V ml V 0 m l (Y ml Y l ) + Y l ; V ml V 0 m l Y l : Sot > 0 tel que 3 4r C, avec C = sup kv k < sous Ha. A partr d u certa rag : ky + Y k < ; doc : ky ml Y l k < r ; al , verso - 4 Feb 009 =) Y ml + Y l ; V ml V 0 m l (Y ml Y l ) < C r r =) Y ml ; V ml V 0 m l Y ml > r : Sous H3, o a alors : P l= a m l Yml ; V ml V 0 m l Y ml = : Doc : P = a Y ; V V 0 Y = ; l y a cotradcto. Par coséquet : T (!) = Démostrato du téorème ) O repred les otatos du téorème. D après la parte de sa démostrato, o a : E ky + k ( + a kv k )E ky k + a kv k E S D après le lemme 5 : 9t 0 : E ky k! t ; a E Y ; V V 0 Y : ) Doc, l exste b > 0 tel que, avec l = m jil a j : X a E Y ; V VY 0 < : E ky + k E E Yl+ E ky k + ba kv k a E Y ; V V 0 Y ky l k + b XjIl a j kv j k l X E Yj ; V j V 0 j Y j : X E Yj ; V j V 0 j Y j = X E Y l ; V j V 0 j Y l + X E Y j + Y l ; V j V 0 j (Y j Y l ) 7
8 Sous Hb : P D E Y l ; V j V 0 E j Y l E O ote C = sup kv k. Il exste a > 0 tel que: ky l k : X E Yj + Y l ; V j Vj 0 (Y j X E ky j + Y l k kv j k ky j Y l ) Y l k C X E ky j + Y l k E ky j Y l k a X E ky j Y l k al , verso - 4 Feb 009 Or : Y j Y l = P j k= l ( a k V k Vk 0Y k + a k V k S k ): ky j Y l k P j k= l (a k C ky k k + a k C ks k k): Il exste d > 0 tel que : E ky j Y l k d P ki l a k dr max ki l a k : Doc, l exste f > 0 tel que : X E Y j + Y l ; V j V 0 j (Y j Y l ) f max ki l a k : Par coséquet, l exste g > 0 tel que : E Y l+ ( l )E ky l k + brc max a k + f l max ki l ( l )E ky l k + g max a k : ki l c ( l+ ) c Or : l = (lr) ; max ki l a k = Doc, l exste > 0 tel que : E Y l+ c ( l ) c l : c r l E ky l k + l : 3) Das le cas < <, o applque u lemme de Scmetterer (969) : lml E ky l k < : Das le cas =, o applque u lemme de Veter (966) : c pour > ; lmle ky l k < ; r c pour = ; lm l r l l E ky l k < ; pour Comme E ky + k E c r < ; lml c r E ky l k < : ky k + ba kv k, o a pour I l : ki l a k E ky k E ky l k + l : Comme l lr, o obtet des résutats semblables aux précédets pour E ky k, e remplaçat l et l par. 8
9 7.3 Démostrato du téorème 3 D après le téorème 4 de Bouamae et Moez (998), o a les coclusos de ce téorème sous les ypotèses : ) P a ke [C j T ] Ck < p:s: ) Pour j = ; :::; r, P aj E kc Ck j j T < p:s: 3) M est T -mesurable ; M! M p:s: ; P a km Mk < p:s: 4) a > 0, P a =, P a <. O vér e l ypotèse. C = M (Z Z 0 b b 0 ) ; C = M = M(E Z Z 0 0 ): C C = M (Z Z 0 E Z Z 0 ) + (M M)(E Z Z 0 0 ) M ( b ) b 0 M ( b ) 0 : E [C j T ] C = (M M) M ( b ) b 0 M ( b ) 0 : al , verso - 4 Feb 009 D après les coclusos du téorème, e utlsat la orme eucldee usuelle das R p, o a das tous les cas : " # X E b X E b Doc : P b < p:s: D après le téorème, b! 0 p:s: Sous H, o a alors : X px X = = E b ke [C j T ] Ck < p:s: < : O vér e l ypotèse e écrvat que : kc Ck j 4 j (km k j Z Z 0 E Z Z 0 + km Mk j kk j + km k j b j b j + km k j k k j b j ); X a j km Mk j < ; a j M! M; b! 0 p:s: 7.4 Démostrato du téorème 4 ) Motros que, pour = ; :::; p : X b j X < ; a j < ; X j= (Z j b j)! ( ) p:s: 9
10 = X j= (Z j X (Zj j) + j= b j) = X ((Zj j= X (Zj j)( j j= j) + ( j b j) + b j)) X j= ( j b j) : Les Zj j costtuet u écatllo..d. de R P. Doc : j= (Z j j)! ( ) p:s: O a : j b j! 0 p:s: ; doc : P j= ( j b j )! 0 p:s: Notos V = (Z )( b ), W+ = P j= V j, W = 0. O a : W + = ( )W + V (W +) = ( + )(W ) + ( Sot T la trbu du passé au temps. ) V W + (V ) (W ) : E V j T = E Z j T ( b ) = E Z ( b ) = 0: al , verso - 4 Feb 009 E (W +) j T = ( + )(W ) + E (V ) j T (W ) Or : E (V) j T = E (Z ) j T ( b ) = E (R ) ( b ). Doc : P E (V ) j T = E (R ) P ( b ) < p:s: E applquat le lemme 5, o obtet : 9T 0 : (W )! T p:s: ; X p:s: (W ) < p:s: =) W! 0 p:s: P Par coséquet : j= (Z j b j )! ( ) p:s: O e dédut que : M! M p:s: ) O utlse das la sute le lemme suvat. Lemme 6 Sot, pour tout : w + = ( a )w + a u ; w = 0; u > 0; 0 < a <. S P a = et P a u <, alors P a w < et w! 0. O remarque que, pour a =, w + = P j= u j. Démostrato Pour >, w > 0. D après le lemme 5, l exste w 0 : w! w et P P a w < ; comme a =, o a w = 0. 3) Motros que, pour = ; :::; p, P = P j= (Z j b j ) ( ) < p:s: O utlse la décomposto de P j= (Z j b j ) vue das la premère parte de la démostrato. Sot 4 le momet cetré d ordre 4 de R. O a : 3 E 4( X (Zj j) ( ) ) 5 = X V ar (Zj j) = 4 ( ) 4 ; j= X E 4 j= 3 X (Zj j) ( ) 5 < : j= 0
11 D après le téorème, o a : P = E P j= ( j b j ) < : P E ( b ) <. O dédut du lemme 6 que : X E (Z )( O dédut du lemme 6 que : X E 4 = b ) X (Zj j= X (E (Z ) ) E ( (E (R ) ) j)( j X E ( 3 b j) 5 < p:s: b ) b ) < : al , verso - 4 Feb 009 O dédut des tros coclusos précédetes que : 3 X E 4 X (Zj b = j) ( ) 5 < j= X X (Zj b j) ( ) < p:s: = j= Par coséquet, presque sûremet, P = M Refereces X = km Mk = X = M < et M (M M )M < : [] Agular-Ruz, J.S. (006), Recet advaces data stream mg, 38 emes Jourées de Statstque de la SFDS (Clamart). [] Bezécr, J.P. (969), Approxmato stocastque das ue algèbre ormée o commutatve, Bull. Soc. Mat. Frace 97, 5-4. [3] Bouamae, A. (996), Métodes d approxmato stocastque e aalyse des doées, tèse de doctorat d Etat ès Sceces Applquées (Uversté Moammed V, EMI, Rabat). [4] Bouamae, A., Moez, J.M. (997), Covergece d ue classe de processus d approxmato stocastque de vecteurs propres, Pub. Ist. Stat. Uv. Pars XXXXI, fasc. -, [5] Bouamae, A., Moez, J.M. (998), Approxmato stocastque de vecteurs et valeurs propres, Pub. Ist. Stat. Uv. Pars XXXXII, fasc. -3, [6] D Aubgy, G. (00), Data mg et statstque, dscusso et commetares, Joural de la Socété Fraçase de Statstque 4,, [7] Krasula, T.P. (970), Metod of stocastc approxmato te determato of te largest egevalue of te matematcal expectato of radom matrces, Automato ad Remote Cotrol, 5-.
12 [8] Lebart, L. (974), O te Bezécr s metod for computg egevectors by stocastc approxmato (te case of bary data), Proceedgs Computatoal Statstcs, Pysca Verlag, Vee, 0-. [9] MacGregor, J.F. (997), Usg o-le process data to mprove qualty : calleges for statstcas, Iteratoal Statstcal Revew 65, 3, [0] Moez, J.M. (994), Covergece d u processus d approxmato stocastque e aalyse factorelle, Pub. Ist. Stat. Uv. Pars XXXVIII, fasc., [] Moez, J.M. (006), Approxmato stocastque e aalyse factorelle multple, Pub. Ist. Stat. Uv. Pars L, fasc. 3, [] Robbs, H., Moro, S. (95), A stocastc approxmato metod, A. Mat. Stat., [3] Robbs, H., Segmud, D. (97), A covergece teorem for oegatve almost supermartgales ad some applcatos, Optmzg Metods Statstcs, Rustag, J.S. (ed.), Academc Press, New York, al , verso - 4 Feb 009 [4] Scmetterer, L. (969), Multdmesoal stocastc approxmato, Multvarate Aalyss II, Proc. d It. Symp., Dayto, Oo, Academc Press, [5] Veter, J.H. (966), O Dvoretzky stocastc approxmato teorems, A. Mat. Stat. 37, Jea-Mare Moez Uversté Her Pocaré Isttut Ele Carta - Laboratore de Matématques BP 39 - F Vadoeuvre lès Nacy Cedex moez@ec.u-acy.fr
II - 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 détailCoefficient de partage
Coeffcet de partage E chme aque, la sythèse d'u composé se fat e pluseurs étapes : la réacto propremet dte (utlsat par exemple u motage à reflux quad la réacto dot être actvée thermquemet), les extractos
Plus en détailLE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE
LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe
Plus en détailSemestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR
Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets
Plus en détailSYSTEME FERME EN REACTION CHIMIQUE
SYSTEME FERME EN REACTION CHIMIQUE I. DESCRIPTION D UN SYSTEME. Les dfférets types de système (ouvert, fermé, solé U système S est formé d u esemble de corps séparés du reste de l uvers (appelé mleu extéreur
Plus en détailL Analyse Factorielle des Correspondances
Aalyse de doées Modle 5 : L AFC M5 L Aalyse Factorelle des Corresodaces L aalyse factorelle des corresodaces, otée AFC, est e aalyse destée a tratemet des tableax de doées où les valers sot ostves et homogèes
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailApplication de la théorie des valeurs extrêmes en assurance automobile
Applcato de la théore des valeurs extrêmes e assurace automoble Nouredde Belagha & Mchel Gru-Réhomme Uversté Pars 2, ERMES-UMR78-CNRS, 92 rue d Assas, 75006 Pars, Frace E-Mal: blour2002@yahoo.fr E-Mal:
Plus en détailIncertitudes expérimentales
U N I O N D E S P R O F E S S E U R S D E P H Y S I Q U E E T D E C H I M I E 995 Icerttudes érmetales par Fraços-Xaver BALLY Lcée Le Corbuser - 93300 Aubervllers et Jea-Marc BERROIR École ormale supéreure
Plus en détailLes sinistres graves en assurance automobile : Une nouvelle approche par la théorie des valeurs extrêmes
Les sstres graves e assurace automoble : Ue ouvelle approche par la théore des valeurs extrêmes Nouredde Belagha (*, Mchel Gru-Réhomme (*, Olga Vasecho (** (* Uversté Pars 2, ERMES-UMR78-CNRS, 2 place
Plus en détailOBLIGATION DU SECTEUR PRIVE : EVALUATION ET OUTIL DE GESTION DU RISQUE DE TAUX D INTERET
Jea-Claude AUGROS Professeur à l Uversté Claude Berard LYON I et à l Isttut de Scece Facère et d Assuraces ISFA Mchel QUERUEL Docteur e Gesto Igéeur de Marché Socété de Bourse AUREL Résumé : Cet artcle
Plus en détail" BIOSTATISTIQUE - 1 "
ISTITUT SUPERIEUR DE L EDUCATIO ET DE LA FORMATIO COTIUE Départemet Bologe Géologe S0/ " BIOSTATISTIQUE - " Cours & Actvtés : Modher Abrougu Aée Uverstare - 008 Modher Abrougu Bostatstque «I» ISEFC - 008
Plus en détailUne méthode alternative de provisionnement stochastique en Assurance Non Vie : Les Modèles Additifs Généralisés
Ue méthode alteratve de provsoemet stochastque e Assurace No Ve : Les Modèles Addtfs Gééralsés Lheureux Else B&W Delotte 85, av. Charles de Gaulle 954 Neully-sur-See cedex Frace Drect: 33(0).55.6.65.3
Plus en détailCHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure.
TABLE DES MATIERES Durée...2 Objectf spécfque...2 Résumé...2 I. L agrégato des préféreces...2 I. Le système de vote à la majorté...2 I.2 Vote par classemet...3 I.3 Codtos de décso socale et théorème d
Plus en détailRessources pour le lycée général et technologique
éduscol Ressources pour le lycée gééral et techologque Ressources pour le cycle termal gééral et techologque Mesure et certtudes Ces documets peuvet être utlsés et modés lbremet das le cadre des actvtés
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 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 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 détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailCOURS DE MATHEMATIQUE FINANCIERE A COURT ET LONG TERME Promotion : Première année de graduat
P R O F E S REPUBLIQUE DEMOCRATIQUE DU CONGO ENSEIGNEMENT SUPEREIEUR ET UNIVERSITAIRE INSTITUT SUPERIEUR DE GESTION INFORMATIQUE DE GOMA /I.S.I.G-GOMA DEVELOPPEMENT ISIG M A T I O N COURS DE MATHEMATIQUE
Plus en détailMathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période)
A-PDF OFFICE TO PDF DEMO: Purchase from www.a-pdf.com to remove the watermark Mathématques Facères : l essetel Les formules cotourables (F de érode) htt://www.ecogesam.ac-a-marselle.fr/esed/gesto/mathf/mathf.html#e5aels
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 détailConception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce
SETIT 2005 3 RD INTERNATIONAL CONFERENCE: SCIENCES OF ELECTRONIC, TECHNOLOGIES OF INFORMATION AND TELECOMMUNICATIONS MARCH 27-3, 2005 TUNISIA Cocepto d u outl décsoel pour la gesto de la relato clet das
Plus en détailConception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce
Cocepto d u outl décsoel pour la gesto de la relato clet das u ste de e-commerce Nazh SELMOUNE *, Sada BOUKHEDOUMA * ad Zaa ALIMAZIGHI * * Laboratore des Systèmes Iformatques(LSI )- USTHB - ALGER selmoue@wssal.dz
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 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 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 détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détailSTATISTIQUE 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 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 détailGIN FA 4 02 01 INSTRUMENTATION P Breuil
GIN FA 4 0 0 INSTRUMENTATION P Breul OBJECTIFS : coatre les bases des statstques de la mesure af de pouvor d ue part compredre les spécfcatos d u composat et d autre part évaluer avec rgueur les performaces
Plus en détailDérivation : cours. Dérivation dans R
TS Dérivation dans R Dans tout le capitre, f désigne une fonction définie sur un intervalle I de R (non vide et non réduit à un élément) et à valeurs dans R. Petits rappels de première Téorème-définition
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 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 détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
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 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 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 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 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 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 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 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 détailVirtualization. Panorama des solutions de virtualisation sur différentes plate-formes. Laurent Vanel Systems Architect IBM Laurent_vanel@fr.ibm.
rtalzato Paorama des soltos de vrtalsato sr dfféretes plate-formes aret ael Systems Archtect IBM aret_vael@fr.bm.com 2008 IBM Corporato Evolto de la rtalsato des frastrctres Wdows Servers Maframe & U Servers
Plus en détailSoutenue publiquement le Mardi 04/Mai/2010 MEMBRES DU JURY
Répblqes Algéree Démocratqe et Poplare Mstère de l Esegemet Spérer et de la Recherche Scetfqe Uversté MENTOURI Costate Faclté des Sceces de l'igéer Départemet de Gée Mécaqe N d ordre : /MAG/ Sére : /GM/
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 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 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 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 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 détailn tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...
Nom:... Préom :... Chaque répose peut valoir : c) 2 poits si le choix est totalemet exact + poit si le choix est partiellemet exact + 0 poit si le choix est erroé + -i poit si le choix est u coeses Ue
Plus en 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 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 détailFORD C-MAX + FORD GRAND C-MAX CMAX_Main_Cover_2013_V3.indd 1-3 22/08/2012 15:12
1 2 3 4 5 6 7 8 9 10 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 12 14 16 1 12 7 3 1 6 2 5 4 3 11 9 10 8 18 20 21 22 23 24 26 28 30
Plus en détailDérivation CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES
Capitre 4 Dérivation Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Dérivation Nombre dérivé d une fonction en un point. Tangente à la courbe représentative d une fonction dérivable
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* 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 détailREMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION
REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION THÈSE N O 2388 (2001) PRÉSENTÉE AU DÉPARTEMENT D'INFORMATIQUE ÉCOLE POLYTECHNIQUE FÉDÉRALE
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailMesure avec une règle
Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système
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 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 détailLes jeunes économistes
Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque
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 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 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 détailChapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique
Spécale PSI - Cours "Electromagnétsme" 1 Inducton électromagnétque Chaptre IV : Inductance propre, nductance mutuelle. Energe électromagnétque Objectfs: Coecents d nductance propre L et mutuelle M Blan
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 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 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 détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
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 détailGENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)
GENESS - Generalzed System for mputaton Smulatons (Système généralsé pour smuler l mputaton) GENESS est un système qu permet d exécuter des smulatons en présence d mputaton. L utlsateur fournt un ensemble
Plus en détailBUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES
BUREAU DAPPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES BAMSI REPRINT 04/2003 Introducton à l analyse des données Samuel AMBAPOUR BAMSSI I BAMSI B.P. 13734 Brazzavlle BAMSI REPRINT 04/2003 Introducton
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 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 détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en détailExercices d Électrocinétique
ercces d Électrocnétque Intensté et densté de courant -1.1 Vtesse des porteurs de charges : On dssout une masse m = 20g de chlorure de sodum NaCl dans un bac électrolytque de longueur l = 20cm et de secton
Plus en détailGénéralités sur les fonctions 1ES
Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :
Plus en détailCommande Prédictive Robuste d un Système MIMO utilisant un modèle BOG et les techniques LMI
La cqèe Coférece Iteratoae d Eectrotechqe et d Atoatqe -4 Ma 8 aaet se Coade Prédctve Robste d Systèe MIMO tsat odèe BOG et es techqes LMI Jae Ghab A Do et assa Messaod Ecoe atoae d Igéers de Moastr Re
Plus en détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
Plus en détailGérer les applications
Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces
Plus en détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
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 détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
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 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 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 détailC algèbre d un certain groupe de Lie nilpotent.
Université Paul Verlaine - METZ LMAM 6 décembre 2011 1 2 3 4 Les transformations de Fourier. Le C algèbre de G/ Z. Le C algèbre du sous-groupe G 5 / vect{u,v }. Conclusion. G un groupe de Lie, Ĝ l ensemble
Plus en détailRemboursement d un emprunt par annuités constantes
Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)
Plus en détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en détailGEA I Mathématiques nancières Poly. de révision. Lionel Darondeau
GEA I Mathématques nancères Poly de révson Lonel Darondeau Intérêts smples et composés Voc la lste des exercces à révser, corrgés en cours : Exercce 2 Exercce 3 Exercce 5 Exercce 6 Exercce 7 Exercce 8
Plus en détailQ x2 = 1 2. est dans l ensemble plus grand des rationnels Q. Continuons ainsi, l équation x 2 = 1 2
Exo7 Nombres complexes Vdéo parte. Les nombres complexes, défntons et opératons Vdéo parte. Racnes carrées, équaton du second degré Vdéo parte 3. Argument et trgonométre Vdéo parte 4. Nombres complexes
Plus en détailDérivation : Résumé de cours et méthodes
Dérivation : Résumé de cours et métodes Nombre dérivé - Fonction dérivée : DÉFINITION (a + ) (a) Etant donné est une onction déinie sur un intervalle I contenant le réel a, est dérivable en a si tend vers
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 détailCalculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.
1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle
Plus en détailÉconométrie. Annexes : exercices et corrigés. 5 e édition. William Greene New York University
Économétre 5 e édton Annexes : exercces et corrgés Wllam Greene New York Unversty Édton françase drgée par Dder Schlacther, IEP Pars, unversté Pars II Traducton : Stéphane Monjon, unversté Pars I Panthéon-Sorbonne
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 détail