1 Lois des grands nombres. 2 Théorème central-limite. 3 Estimation ponctuelle à partir d échantillons. 4 Biais dans les estimations
|
|
- Marie-Rose St-Jean
- il y a 7 ans
- Total affichages :
Transcription
1 Pla du cours 2 RFIDEC cours 2 : Échatillos, estimatios poctuelles Christophe Gozales LIP6 Uiversité Paris 6, Frace 1 Lois des grads ombres 2 Théorème cetral-limite 3 Estimatio poctuelle à partir d échatillos 4 Biais das les estimatios Covergece e probabilité RFIDEC cours 2 : Échatillos, estimatios poctuelles 2/37 Loi faible des grads ombres Loi faible Défiitio (X ) N : suite de variables a : costate (X ) coverge e probabilité vers a si, pour tout ɛ > 0 la probabilité que l écart absolu etre X et a dépasse ɛ ted vers 0 quad : lim P( X a ɛ) = a ɛ a a + ɛ (X ) N est ue suite de variables aléatoires : de même loi d espérace m possédat ue variace σ 2 deux à deux idépedates k=1 alors la suite des variables X = X k coverge e probabilité vers m X est appelée moyee empirique Aire hachurée ted vers 0 quad RFIDEC cours 2 : Échatillos, estimatios poctuelles 3/37 E(X ) = m V (X ) = σ2 coséquece : échatillos de grades tailles = boe chace d estimer m RFIDEC cours 2 : Échatillos, estimatios poctuelles 4/37
2 Covergece presque sûre Loi forte des grads ombres Défiitio (X ) N : suite de variables a : costate (X ) coverge presque sûremet vers a s il y a ue proba 1 que la suite des réalisatios des X tede vers a : ( ) P lim X = a = 1 Loi forte (X ) N : suite de variables aléatoires de même loi d espérace m possédat ue variace σ 2 mutuellemet idépedates k=1 alors la suite des variables X = X k presque sûremet vers m coverge Défiitio plus exigeate que la covergece e probabilité Iterprétatio : échatillo de grade taille = boe estimatio de m RFIDEC cours 2 : Échatillos, estimatios poctuelles 5/37 Covergece e loi RFIDEC cours 2 : Échatillos, estimatios poctuelles 6/37 Théorème cetral-limite Défiitio (X ) N : suite de variables F : foctio de répartitio de X X : variable de foctio de répartitio F La suite X coverge e loi vers X lorsque F (x) ted vers F(x) e tout poit de cotiuité de F Notatio : X loi X Théorème cetral-limite (X ) N : suite de variables de même loi d espérace µ de variace σ 2 mutuellemet idépedates alors la suite des moyees empiriques cetrées réduites X µ σ / ted e loi vers la loi ormale cetrée réduite : X µ σ / loi N (0, 1) RFIDEC cours 2 : Échatillos, estimatios poctuelles 7/37 RFIDEC cours 2 : Échatillos, estimatios poctuelles 8/37
3 Illustratio du théorème cetral-limite (1/4) Illustratio du théorème cetral-limite (2/4) distributio de X pour 2 jets de dés Lacés de dés à 6 faces = { Xi = résultat du jet du ième dé X = somme des résultats des dés 1 6 distributio de X pour 1 jet de dé RFIDEC cours 2 : Échatillos, estimatios poctuelles 9/37 Illustratio du théorème cetral-limite (3/4) distributio de X pour 3 jets de dés y RFIDEC cours 2 : Échatillos, estimatios poctuelles 10/37 Illustratio du théorème cetral-limite (4/4) distributio de X pour 4 jets de dés y RFIDEC cours 2 : Échatillos, estimatios poctuelles 11/37 y y 4 RFIDEC cours 2 : Échatillos, estimatios poctuelles 12/37
4 Statistique iféretielle Statistique iféretielle Statistique iféretielle Hypothèses : les doées = les observatios observatios (x 1,..., x ) = réalisatio d ue variable aléatoire multidimesioelle X = (X 1,..., X ) observatios = échatillo empirique l échatillo est tiré suivat ue loi X 0 Exemples : sodages électoraux, études de marché tests de fiabilité/qualité bases de doées = diagostic But : chaque variable X i suit la même loi que X 0 déduire des iformatios sur X 0 RFIDEC cours 2 : Échatillos, estimatios poctuelles 13/37 Estimatio poctuelle RFIDEC cours 2 : Échatillos, estimatios poctuelles 14/37 Échatilloage (1/2) Idée force Das moult études statistiques : populatio de grade taille = impossible de la coaître précisémet possibilité de prélever des échatillos caractéristique de la populatio = échatillo = problème : commet prélever l échatillo? = étudier l échatillo et e déduire les caractéristiques de la populatio caractéristiques : moyee µ, variace σ 2, proportio de succès p Défiitio d u échatillo Échatillo d ue populatio = sous-esemble représetatif de la populatio = compositio de l échatillo due au hasard RFIDEC cours 2 : Échatillos, estimatios poctuelles 15/37 RFIDEC cours 2 : Échatillos, estimatios poctuelles 16/37
5 Échatilloage (2/2) Prélèvemet d u échatillo 2 maières de prélever u échatillo aléatoiremet : 1 Échatilloage avec remise : choisir u idividu au hasard oter la valeur de la variable d itérêt pour celui-ci remettre l idividu das la populatio réitérer le processus 2 Échatilloage sas remise : même procédé mais sas remettre das la populatio les idividus sélectioés échatilloage avec remise = u idividu peut apparaître plusieurs fois das l échatillo populatio de grade taille = avec remise sas remise RFIDEC cours 2 : Échatillos, estimatios poctuelles 17/37 Estimatio de la moyee d ue populatio (2/4) Estimatio de la moyee d ue populatio (1/4) résultats suivat valables uiquemet pour des échatillos avec remise = o va travailler avec des échatillos i.i.d : Échatillo i.i.d échatillo de idividus X i = variable aléatoire valeur du ième idividu tiré les X i sot mutuellemet idépedats les X i ot tous la même distributio = les X i sot idépedats et idetiquemet distribués (i.i.d) échatillos i.i.d = boes propriétés mathématiques RFIDEC cours 2 : Échatillos, estimatios poctuelles 18/37 Estimatio de la moyee d ue populatio (3/4) X variable aléatoire sur l esemble de la populatio espérace : µ, variace : σ 2 échatillo de idividus = observatio de valeurs de X X i : variable aléatoire correspodat au ième idividu échatillo i.i.d = espérace de X i : µ, variace de X i : σ 2 X = X 1 + X X Problèmes : que valet E(X) et V (X)? = moyee de l échatillo RFIDEC cours 2 : Échatillos, estimatios poctuelles 19/37 E(X) = 1 E(X 1 + X X ) = 1 (E(X 1) + E(X 2 ) + + E(X )) = 1 (µ + µ + + µ) = µ variables X i mutuellemet idépedates = ( ) X1 + X X V (X) = V = 1 2 V (X 1 + X X ) = 1 2 (V (X 1) + V (X 2 ) + + V (X )) = 1 2 (σ2 + σ σ 2 ) = σ2 RFIDEC cours 2 : Échatillos, estimatios poctuelles 20/37
6 Estimatio de la moyee d ue populatio (4/4) Exemple : calcul du hadicap au bowlig Théorème 1 X : variable aléatoire espérace de X : µ, variace de X : σ 2 échatillo de taille avec remise sur X X : variable aléatoire moyee de l échatillo Alors : E(X) = µ et V (X) = σ2 Compétitio e 2 phases : 1ère phase : 6 parties calcul du hadicap : Hadicap H = (215 moyee des 6 parties) 60% 2ème phase : 6 parties (score + le hadicap H) Corollaire X : variable aléatoire suivat ue loi ormale N (µ; σ 2 ) échatillo de taille avec remise sur X X : variable aléatoire moyee de l échatillo Calcul du hadicap = estimatio de votre iveau 6 parties de la 1ère phase = échatillo de taille 6 X i = variable aléatoire score de la ième partie Alors : X N (µ; σ2 ) idée : scores de l échatillo = score moye de la populatio RFIDEC cours 2 : Échatillos, estimatios poctuelles 21/37 Retour sur l estimatio de la moyee RFIDEC cours 2 : Échatillos, estimatios poctuelles 22/37 Exemple 1 : la plache de Galto (1/2) Problème : que faire si X e suit pas ue loi ormale? = sauvé grâce au théorème cetral-limite : Théorème 2 X : variable aléatoire espérace de X : µ, variace de X : σ 2 échatillo de taille avec remise sur X suffisammet grad ( 30 si la distributio de X est pas trop dissymétrique, 50 sio) X : variable aléatoire moyee de l échatillo Alors : X E(X) V (X) = X µ σ N (0; 1) RFIDEC cours 2 : Échatillos, estimatios poctuelles 23/37 RFIDEC cours 2 : Échatillos, estimatios poctuelles 24/37
7 Exemple 1 : la plache de Galto (2/2) Exemple 2 : aalyse des déchets chaque iveau = expériece de Beroulli = X loi biomiale = X loi ormale théorème 2 = X E(X) V (X) = X µ σ N (0; 1) Greelle de l eviroemet = réductio des déchets = aalyse des déchets impossible à réaliser sur toute la populatio = échatillo de taille 100 : moyee de l échatillo = 390 kg/a/habitat X : variable aléatoire moyee de l échatillo σ = 20 supposé cou X N (µ, σ2 ) = écart-type de X = 20/10 = 2 RFIDEC cours 2 : Échatillos, estimatios poctuelles 25/37 Estimatio de proportios de succès (1/3) RFIDEC cours 2 : Échatillos, estimatios poctuelles 26/37 Estimatio de proportios de succès (2/3) Problème : v.s. Questio : peut-o déduire p e observat les p i? p = proportio de succès das la populatio (p pas trop petit) échatillo i.i.d de taille assez grad P i = variable aléatoire succès du ième idividu lacemet de la Wii = étude de marché échatillo de taille = succès = Wii, échec = PS3 p = proportio de succès das toute la populatio P i : variable aléatoire succès du ième idividu Questio : peut-o déduire p e observat les p i? RFIDEC cours 2 : Échatillos, estimatios poctuelles 27/37 P i loi biomiale B(1, p) P = moyee de l échatillo Théorème cetral-limite = P E(P) V (P) Or P 1 B(; p) = E(P) = p N (0; 1) et V (P) = p(1 p) RFIDEC cours 2 : Échatillos, estimatios poctuelles 28/37
8 Estimatio de proportios de succès (3/3) Applicatio du théorème précédet Théorème 3 échatillo i.i.d de taille assez grad p = proportio de succès das la populatio (p pas trop petit) P = moyee de l échatillo Alors : P E(P) V (P) = P p p(1 p) N (0; 1) = o peut estimer p e observat la valeur de P RFIDEC cours 2 : Échatillos, estimatios poctuelles 29/37 Applicatio au réchauffemet climatique Avril 2007 : étude tms-sofres / CNRS : opiio des ges sur le réchauffemet climatique 1000 persoes de 15 as et + iterrogées = échatillo i.i.d 790 peset qu il y a u chagemet climatique 210 e le peset pas P : proportio de succès moyee de l échatillo p : proportio de persoes pesat qu il y a dérèglemet climatique das la populatio fraçaise P p N (0; 1) p(1 p) 0.25 = estimatio de p = 79%, écart-type de P , 015 RFIDEC cours 2 : Échatillos, estimatios poctuelles 31/37 Expert : 80% v.s. 20% échatillo de 100 persoes = 70 Wii et 30 PS3 Doit-o croire l expert? si p = 80% alors Théorème 3 = P 0, 8 0,8 0,2 100 Prob(P 0.7) = Prob(25(P 0.8) 25 ( )) = Prob(25(P 0.8) 2, 5) 0, 62% = 25(P 0, 8) N (0; 1) RFIDEC cours 2 : Échatillos, estimatios poctuelles 30/37 Caractéristiques des estimateurs Trasparets précédets = si échatillo de grade taille alors X µ = estimer µ par X Estimateur o biaisé Estimateur T d u paramètre θ = valeur estimée ˆθ T o biaisé si E(T ) = θ estimateur biaisé = o surévalue ou sous-évalue θ Estimateur coverget Estimateur T d u paramètre θ T coverget si E[(T θ) 2 ] 0 lorsque la taille de l échatillo moyee X et proportio de succès P : estimateurs o biaisés et covergets RFIDEC cours 2 : Échatillos, estimatios poctuelles 32/37
9 Biais : estimatio poctuelle d ue variace (1/5) populatio = 4 ombres {1, 2, 3, 4} µ = 5 2 et σ2 = 5 4 échatillo de taille 2 avec remise : échat. espérace variace échat. espérace variace 1 1 E(X) = 1 V (X) = E(X) = E(X) = 2 V (X) = E(X) = 5 2 V (X) = E(X) = E(X) = 2 V (X) = E(X) = E(X) = 3 V (X) = E(X) = 2 V (X) = E(X) = E(X) = 3 V (X) = E(X) = E(X) = 5 2 V (X) = E(X) = 3 V (X) = E(X) = E(X) = 4 V (X) = 0 { des moyees des échatillos = µ espérace des variaces des échatillos = = biais! RFIDEC cours 2 : Échatillos, estimatios poctuelles 33/37 Biais : estimatio poctuelle d ue variace (3/5) S 2 = 1 ( (X i X) 2 = 1 X 2 i ) X 2 s 2 est ue réalisatio de S 2 ( ( ) ) ( ) E(S) 2 1 = E Xi 2 X 2 = 1 E(Xi 2 ) Or échatillo i.i.d = i, E(X 2 i ) = E(X 2 ) = E(S 2 ) = E(X 2 ) E(X 2 ) E (X 2) Or V (X) = E(X 2 ) E(X) 2 et V (X) = E(X 2 ) E(X) 2 = E(X 2 ) E(X) 2 = E(S 2 ) = V (X) + E(X) 2 V (X) E(X) 2 = V (X) V (X) Or échatillo i.i.d = V (X) = σ 2 et V (X) = σ2 = E(S) 2 = σ 2 σ2 = 1 RFIDEC cours 2 : Échatillos, estimatios poctuelles 35/37 σ2 Biais : estimatio poctuelle d ue variace (2/5) X : variable aléatoire sur l esemble de la populatio σ 2 : variace de X échatillo i.i.d.de taille X i : variable aléatoire correspodat au ième idividu x i : valeur observée de X i X : variable aléatoire moyee sur l échatillo x : valeur observée de X ( s 2 = 1 (x i x) 2 = 1 s 2 = variace de l échatillo x 2 i ) x 2 Problème : pourquoi s 2 est-il pas u bo estimateur de σ 2? RFIDEC cours 2 : Échatillos, estimatios poctuelles 34/37 Biais : estimatio poctuelle d ue variace (4/5) courbe verte : la populatio courbes rouges : échatillos pts bleus : valeurs observées variace S 2 sous-estimée : mesurée par rapport à la moyee de l échatillo au lieu de la moyee de la populatio RFIDEC cours 2 : Échatillos, estimatios poctuelles /37
10 Biais : estimatio poctuelle d ue variace (5/5) Variace corrigée X : variable aléatoire sur la populatio σ 2 : variace de X sur cette populatio échatillo de taille avec remise X i : variable aléatoire correspodat au ième idividu X : moyee des X i ( alors : E 1 ) (X i X) 2 = σ 2 Variace corrigée : 1 fois la variace de l échatillo S2 RFIDEC cours 2 : Échatillos, estimatios poctuelles 37/37
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 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 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 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 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 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 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 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 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 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 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 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 détailProcessus géométrique généralisé et applications en fiabilité
Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
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 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 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 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 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 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 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 détailComment les Canadiens classent-ils leur système de soins de santé?
Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté
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 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 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 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 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 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 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 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 détailConvergences 2/2 - le théorème du point fixe - Page 1 sur 9
Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios
Plus en détail4 Approximation des fonctions
4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour
Plus en 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 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 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 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 MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE
LES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE Qu est-ce que l Écoomie sociale et solidaire? Coopératives Etreprises sociales Scop Fiaceurs sociaux Scic CAE Mutuelles Coopératives d etreprises
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 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 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 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 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 détailLa maladie rénale chronique
La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie
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 détailTélé OPTIK. Plus spectaculaire que jamais.
Télé OPTIK Plus spectaculaire que jamais. Vivez toute la puissace de la télévisio sur IP grâce au réseau OPTIK 1 de TELUS et découvrez-e l extraordiaire potetiel. Télé OPTIK MC vous doe la parfaite maîtrise
Plus en 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 détailMUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB
MUTUELLE D&O MUTUELLE D&O Copilote de votre saté AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyace CRC CRIS CRPB-AFB DOMISSIMO-Assuraces DOMISSIMO-Services FONGECFA-Trasport IPRIAC MUTUELLE D&O OREPA-Prévoyace
Plus en détailLogiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd
easylab Le logiciel de gestio de fichiers pour baladeurs et tablettes Visualisatio simplifiée de la flotte Gestio des baladeurs par idividus / classes / groupes / activités Activatio des foctios par simple
Plus en détailCréation et développement d une fonction audit interne*
Créatio et développemet d ue foctio audit itere* Ue démarche e 10 étapes [ Sommaire] Dix étapes pour réussir... 7 Étapes 1 à 4 Défiitio du cadre d itervetio... 9 1 Idetifier les attetes des parties preates...
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 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 détailDares Analyses. Plus d un tiers des CDI sont rompus avant un an
Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée
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 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 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 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 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 détailLa gestion commerciale dans QuadraENTREPRISE. > Edition personnalisée des pièces
QuadraFACT La gestio commerciale das QuadraENTREPRISE Simplicité et souplesse > Echaiemet de la saisie du devis à la facture > Evoi d'u clic, de toutes les pièces, (devis, commade, bl, facture) par email
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 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 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 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 détailLorsque la sécurisation des paiements par carte bancaire sur Internet conduit à une concurrence entre les banques et les opérateurs de réseau
Lorsque la sécurisatio des paiemets par carte bacaire sur Iteret coduit à ue cocurrece etre les baques et les opérateurs de réseau David Bouie Das cet article, ous ous iterrogeos sur l issue de la cocurrece
Plus en détailTests non paramétriques de spécification pour densité conditionnelle : application à des modèles de choix discret
Tests o paramétriques de spécificatio pour desité coditioelle : applicatio à des modèles de choix discret Mémoire Koami Dzigbodi AMEGBLE Maîtrise e écoomique Maître ès arts (M.A.) Québec, Caada Koami Dzigbodi
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 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 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 détailOpérations bancaires avec l étranger *
Opératios bacaires avec l étrager * Coditios bacaires au 1 er juillet 2011 Etreprises et orgaismes d itérêt gééral Opératios à destiatio de l étrager Viremets émis vers l étrager : viremet e euros iférieur
Plus en détailRÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION
RÈGLES ORDIALES : UE GÉÉRALISATIO DES RÈGLES D'ASSOCIATIO SYLVIE GUILLAUME ALI KHECHAF 2 RÉSUMÉ: La plupart des mesures des règles cocere les variables biaires et écessite pour les autres types de variables
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 détailNous imprimons ce que vous aimez!
Nous imprimos ce que vous aimez! Persoalisé simple différet Catalogue de produits Tapis stadard tapis logo tapis publicitaire Nous imprimos ce que vous aimez! 2 I JOBET JOBET Vous et vos cliets serez coquis...
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 détailO, i, ) ln x. (ln x)2
EXERCICE 5 points Commun à tous les candidats Le plan complee est muni d un repère orthonormal O, i, j Étude d une fonction f On considère la fonction f définie sur l intervalle ]0; + [ par : f = ln On
Plus en détailCOMMENT ÇA MARCHE GUIDE DE L ENSEIGNANT 9 E ANNÉE
GUIDE DE L ENSEIGNANT 9 E ANNÉE TROUSSE PÉDAGOGIQUE 9 E ANNÉE Le préset Guide de l eseigat, qui accompage la trousse pédagogique COMMENT ÇA MARCHE : PRODUCTION D ÉLECTRICITÉ 9 e aée a été coçu à l itetio
Plus en détailTempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation
Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail
Plus en détailUn accès direct à vos comptes 24h/24 VOTRE NUMÉRO CLIENT. www.bnpparibas.net. Centre de Relations Clients 0 820 820 001 (0,12 /min)
* selo coditios cotractuelles e vigueur. U accès direct à vos comptes 24h/24 VOTRE NUMÉRO CLIENT + VOTRE CODE SECRET * : www.bpparibas.et Cetre de Relatios Cliets 0 820 820 001 (0,12 /mi) Appli Mes Comptes
Plus en détailDivorce et séparation
Coup d oeil sur Divorce et séparatio Être attetif aux besois de votre efat Divorce et séparatio «Les premiers mois suivat u divorce ou ue séparatio sot très stressats. Votre patiece, votre cohérece et
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 détailSTRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO
Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est
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 détail