Estimation, vraisemblance, confiance

Dimension: px
Commencer à balayer dès la page:

Download "Estimation, vraisemblance, confiance"

Transcription

1 Estmto, vrsemblce, cofce Commeços pr u eemple smple : o effectue trges successfs d ue pèce où l probblté d obter fce est p (et celle d vor ple est p). Sglos que ce problème est detque à celu-c : ds ue populto où ue proporto p des dvdus possède ue certe crctérstque ( p e l yt ps), o prélève dvdus successvemet vec remse. Ds ce cotete, o ppelle X l vrble létore u è trge, telle que X = s fce sort, et X = so. Pus o pred l X + X X vrble T =, vec. Celle-c correspod à l fréquece de sorte des fce u cours des trges. L oto d estmteur, et d estmteur coverget Notre problème est lors le suvt : o e coît ps l vleur du prmètre p, ms e rélst des epéreces de trges successfs, o v pouvor estmer quelle est l vleur de p. Que v-t-l se psser? S l o rélse ue seule epérece vec pett, le résultt obteu vec X ser plus ou mos proche de p, et e reprodust cette epérece, o e trouver ss doute ps l même vleur pour p. Toujours vec pett, s l o ft u cert ombre d epéreces e clcult à l f l moyee des T obteus, o ur ue vleur proche de p. Ef, s l o ft ue seule epérece, ms vec grd, o obtet ue vleur proche de p, e vertu de l lo des grds ombres. Résumos l stuto : e pret u échtllo de trges, l vleur de T obteue epérmetlemet costtue ue estmto du prmètre p, plus ou mos vlble certes. Comme l este ue vrble létore T pour chque vleur de, o dt plus précsémet que l sute de vrbles létores (T ) est u estmteur de ce prmètre. Cet estmteur est de boe qulté ds l mesure où pour suffsmmet grd, l est très proche de p. O dt lors que l estmteur est coverget, lorsque l rélsto d ue epérece sur u échtllo de trges ue probblté très fble de s écrter de l vleur du prmètre pour peu que sot suffsmmet grd. S l fréquece epérmetle de sorte des fces sur u échtllo de trges costtue u estmteur coverget du prmètre p, l este d utres types d epéreces où l estmteur peut être chos utremet. Preos mtet l eemple d ue lo uforme sur u tervlle [ ], le prmètre cou étt mtet ( réel >). Cel sgfe que s l o découpe cet tervlle e petts tervlles tous de même logueur, o utt de chces de tomber ds l u que ds u utre, et que l probblté de tomber lleurs est ulle. Ds ces codtos, s l o rélse u échtllo de trges X, X,, X, o peut predre comme estmteur le mmum obteu. Ce mmum est proche de, et s devet très grd, l s pproche d utt plus de. O ecore là u estmteur coverget.

2 Estmteur ss bs Cel ous mèe à précser l qulté de l estmteur. O dt que l estmteur (T ) est ss bs lorsque s vleur moyee (so espérce E(T )) est égle u prmètre, quel que sot le ombre de trges. c est-à-dre quelle que sot l tlle de l échtllo. Ds l eemple des trges à ple ou fce, o justemet E(T ) = p, et l estmteur (T ) est ss bs. Pr cotre, ds l eemple de l lo uforme sur [ ], l vleur mmle obteue e trges est toujours strctemet féreure à, et s cet estmteur est coverget, l est ps ss bs. O dspose uss d ue proprété que ous dmettros c : lorsque l estmteur est ss bs et que s vrce ted vers lorsque ted vers l f, lors l est coverget. Il sufft doc de clculer l espérce et l vrce pour svor s l estmteur est ss bs, et esute coverget. Tout ce qu précède peut être précsé pr le clcul : Cs des trges à ple ou fce, vec comme vrble létore l fréquece de X + X X sorte des fce, T =. Pour chcu des trges, l vrble X sut ue lo de Beroull, et l o E(X ) = p et V(X ) = p( p). O e dédut que : E( T ) = ( E( X) E( X )... E( X )) p p = =. T est u estmteur ss bs. E utlst le ft que les vrbles X sot dépedtes, o uss : p(_ p) V ( T ) = ( V ( X ) + V ( X ) V ( X )) = p( p) =, qu ted vers pour f. L estmteur T est coverget. Cs de l lo uforme sur [ ], vec comme desté de probblté d() = / pour ds [ ], et d() = lleurs. L focto de réprtto est lors : F() = / sur l tervlle [ ], F() = pour égtf, et F() = pour supéreur à. Pour l vrble létore X obésst à cette lo uforme, o e dédut so espérce et s vrce : + t E( X ) = td( t) dt = dt = t V ( X ) = E( X ) ( E( X )) = dt = = Preos mtet u échtllo de trges yt tous cette lo uforme de prmètre, et costrusos à prtr de là ue vrble létore T dot o v tester l qulté d estmteur. ) T = ( X + X X ). S l o pred le double de l moyee sur epéreces, c est prce que cette moyee est cesée pprocher l espérce /. O e dédut :

3 3 E( T ) = E( X ) = =. T est u estmteur ss bs. 4 4 V ( T ) = V ( X ) = = qu ted vers lorsque ted vers l f. 3 L estmteur T est coverget. ) = T m( X, X,..., X ) L focto de réprtto correspodte est : F ( ) = p( X < et X < et... et X < ) T = p( X < ) p( X < )... p( X < ) = F( ) où l o retrouve l focto de réprtto F() de l lo uforme, = sur [ ], et so pour < et pour >. O e dédut l desté d() = F T () = sur [ ] et lleurs. Alors : E( T ) = t dt =. L estmteur T est ps ss bs. + + V ( T ) = E( T ) ( E( T )) = t dt ( + ) = = ( ) + ( + ) + ( + ) = ( + ) ( + ) Lorsque ted vers l f, l vrce ted vers. + 3) T = m( X, X,..., X ) E corrget s l estmteur trouvé u, o trouve que + E( T ) = =, cet estmteur est ss bs, et + ( + ) V ( T ) = = qu ( + ) ( + ) ( + ) ted vers pour f. L estmteur ss bs est uss coverget. Ef, dès que dépsse, l vrce obteue c est féreure à celle obteue vec l estmteur ss bs coverget du (o vt ue vrce égle à / 3), o e coclut que l estmteur du 3 est melleur que celu du. O dt qu l est plus effcce. 4) = T m( X, X,..., X ) O peut prévor que l vleur moyee de T est proche de, et que l o vrmet ps u estmteur de. Vérfos-le pr le clcul.

4 4 L focto de réprtto de T est, compte teu des résultts obteus sur l vrble X de l lo uforme, et de s focto de réprtto F() : F ( ) = p( T < ) = p( T > ) = p( X > et X >... et X > ) T = p( X > ) p( X > )... p( X > ) = ( p( X > )) = ( p( X < )) = ( F( )) = ( ) sur [ ] et F T = pour <, F T = pour >. O e dédut pr dérvto l desté d( ) ( ) = sur [ ] et lleurs, pus : t E( T ) = t( ) dt = près ue tégrto pr prtes, et + comme l dsperso des résultts est l même vec le mmum des X qu vec le mmum des X, pour des rsos de symétre, o comme u V ( T ) =. ( + ) ( + ) 5) T = X X X + X X X m(,,..., ) m(,,..., ) Grâce u clculs précédets, E( T ) = E(m( X, X,..., X )) + E(m( X, X,..., X )) = + = + + O obtet be u estmteur ss bs. D utre prt, e ott Y = m( X, X,..., X ) et Z = m( X, X,..., X ), o : V ( T ) = V ( Y ) + V ( Z) + cov( Y, Z) = V ( Y ) + cov( Y, Z ) cr les vrbles Y et Z e sot ps dépedtes et que V(Y) = V(Z). Scht que cov( Y, Z) V ( Y ) V ( Z) sot c cov( Y, Z ) V ( Y ), o e dédut V ( T ) V ( Y ) + cov( Y, Z) V ( T ) V ( Y) + V ( Y) V ( T ) 4 V ( Y) 4 V ( T ) ( + ) ( + ) L estmteur T est lu uss coverget. Comme s vrce est féreure à celle obteue vec l estmteur du (sot / 3), et même fmet plus pette pour f, o e dédut que l estmteur du 5 est plus effcce que celu du. Eercce d pplcto : l lo de Preto O dt qu ue vrble létore X obét à l lo de Preto de prmètres et (tous deu > ) lorsqu elle dmet pour desté d ( t ) = pour t t + et so (t ϵ R)

5 5 A- Quelques proprétés de l lo de Preto ) Vérfer que d est be ue desté, et détermer l espérce et l vrce de X, sous certes codtos d estece que l o précser. L focto d est cotue sur R suf u pot de dscotuté où elle dmet ue lmte à guche et ue lmte à drote, elle est prtout, et l tégrle + d ( t ) dt este et vut, e effet : + d ( t ) dt + = dt + t de t, + >, cette tégrle coverget e + pusque l epost + t = = = E ( X + ) td ( t ) dt + = = dt t. Cette tégrle este que pour >. + + t = = pour >, so X ps d espérce. + Pour l vrce, o commece pr chercher E(X ) : + + E( X ) = t d( t) dt = dt, qu 'este que pour > t + + t = = + V ( X ) = E( X ) ( E( X )) = ( ) = pour >, so X 'dmet ps de vrce ( ) ( ) ) Détermer l focto de réprtto F() de X. Pr défto F( ) p( X ) d( t) dt = < =. Pour <, vec ue desté ulle, F() =. Pour, t + t F( ) = dt = = ( ) = 3) Motrer que l probblté codtoelle p(x > + y X > ) ted vers lorsque ted vers +, y étt u ombre réel postf. Pr défto de l probblté codtoelle :

6 6 ( > + et > ) ( > + ) p X y X p X y p( X > + y X > ) = = p( X > ) p( X > ) E suppost que est >, ce qu ser le cs lorsque v tedre vers l f, p X > = p X < = F =. As : o st que ( ) ( ) ( ) p( X > + y X > ) =. Lorsque ted vers +, cette qutté v + y tedre vers. Qu est-ce que cel sgfe cocrètemet? S l lo de Preto modélse l durée de ve d u phéomèe, l est turel d ppeler p(x > ) l focto de p X > + y X > pour f? Plus le surve. Que sgfe lors ( ) phéomèe ue durée de ve logue, plus l de chces de prologer cette durée de ve logtemps. Autremet dt, plus o vellt, plus o de chces de vvre ecore logtemps. Le «phéomèe» e questo est ps l être hum! B- Détermto d estmteurs de O se doe ue sute de vrbles létores (X ), toutes dépedtes, et de même lo que X, chcue obésst doc à l lo de Preto de prmètres et, vec > (l este ue espérce et ue vrce). O suppose que est cou, et l o veut estmer l vleur de. ) Premère méthode : o utlse l moyee epérmetle : X + X X Y =. Détermer l costte K telle que l vrble létore Y = K Y sot u estmteur ss bs de. Motrer que cet estmteur (Y ) est uss coverget. E( Y ) = ( X + X X ) = =. Il sufft de predre Y ' = Y pour vor E(Y ) =. Cel sgfe que Y est u estmteur ss bs de. D utre prt, V ( Y ') = V ( Y ) = V ( ( X + X X )) V ( X ) ( ) ( ) = = ( ) ( ) = ( ) Sglos que pour l lo epoetelle de prmètre k o : k( + y) e ky p ( X > + y X > ) = = e = p( X > y). Cel sgfe que quel que sot l âge que l o, k e o utt de chces de vvre ecore u cert temps.

7 7 Comme l estmteur est ss bs et que s vrce ted vers pour f, l est uss coverget. ) Deuème méthode : O pred comme vrble létore Z = m(x, X,, X ). ) Détermer s focto de réprtto pus so espérce et s vrce. Appelos G l focto de réprtto de Z. Pr défto, G() = p(z < ) = p(z > ) = p(x > et X > et et X > ) = p(x > ) p(x > ) p(x > ) = p(x > ) = ( p(x < )) où l o trodut l vrble létore X obésst à l lo de Preto de prmètres et, dot o coît l focto de réprtto F() = p(x < ) = ( ). D où G() = ( ) = ( ) O recoît ue lo de Preto de prmètres et. O e dédut : E( Z) = et V ( Z) = ( ) ( ) b) Détermer l vrble létore Z de l forme b Z telle que l sute (Z ) doe u estmteur ss bs de, vec b focto de. Motrer que cet estmteur est uss coverget. Au vu de l courbe de l desté de l lo de Preto, c est ds ue pette zoe udelà de que l o de très fortes probbltés. Il est doc turel de predre comme estmteur de le mmum des vrbles X ( de à ), à svor Z. O remrque d lleurs que pour grd, l espérce de Z ted vers, grâce à l formule précédemmet trouvée. Ms cet estmteur est bsé, ds l mesure où l doe ue vleur supéreure à. Pour vor u estmteur o bsé, l sufft de predre : Z ' = Z pusqu lors E( Z ') = E( Z) = = D utre prt V Z ( ) V ( Z ') = ( ) = ( ) ( ) = ( ) L vrce ted vers pour f. L estmteur ss bs est uss coverget. c) Motrer que l estmteur (Z ) est plus effcce que (Y ) Il s gt de comprer V ( Y ') = et V ( Z ') =. ( ) ( )

8 8 O vot usstôt que V ( Z ') V ( Y ') dès que est. L estmteur Z est plus effcce que Y, et qud ugmete, l l est de plus e plus, vec V(Z ) / V(Y ) tedt vers qud ted vers l f. Eercce : Lo de Posso et estmteur d ue epoetelle Cosdéros vrbles létores dépedtes X, X,, X obésst toutes à ue lo de Posso de prmètre λ (réel postf). L objectf est de trouver ue estmto de e λ. Pour cel o trodut les vrbles Y, Y,, Y, telles que Y = s X =, et Y = so, s que leur somme Z = Y ) Motrer que Z / est u estmteur de e λ, ss bs et coverget. Comme p(x = ) = e λ et que Z / est l proporto des vrbles X ulles prm toutes les X, l est logque que l o t là u estmteur de e λ. Vérfos-le. Les vrbles létores Y suvet ue lo de Beroull de prmètre p(y) = ) = p(x = ) = e λ. D où l espérce E(Z / ) = e λ / = e λ. D utre prt, V(Y ) = e λ ( e λ ). Comme les X, les vrbles Y sot dépedtes, et V(Z / ) = ( / ) e λ ( e λ ) = e λ ( e λ ) / qu ted vers pour f. L vrble létore Z / est be u estmteur ss bs et coverget de e λ. ) Motrer que l o p( X = X + X X = j) = pour tout j eter turel. O rppelle qu ue somme de vrbles létores vérft l même lo de Posso de prmètre λ sut ue lo de Posso de prmètre λ. p( X = X + X X = j) = p( X = et ( X + X X = j)) p( X + X X = j) p( X = et ( X X = j)) p( X = ) p( X X = j) = = p( X + X X = j) p( X + X X = j) j j λ ( ) λ ( ) λ e e j j! = = j j λ λ e j! 3) O pose S = X + X X qu pred ses vleurs ds N, et l o cosdère l ouvelle vrble létore bs et coverget de e λ. S. Motrer que celle-c est u estmteur ss j

9 9 + + S j j λ = = = j= j= λ E(( ) ) ( ) p( S j) ( ) e j! D utre prt : + j j λ ( ) λ λ ( ) λ λ = e = e e = e j! j= S + + j j j j λ λ = = = j= j=! E( ) ( ) p( S j) ( ) e j S j + ( ) λ λ ( ) λ λ λ + λ = e = e e = e j= j! λ λ+ λ λ λ V ( ) e e e ( e = = ) qu ted be vers pour f. j j 4) Motrer que quelle que sot l vleur du prmètre λ, estmteur de e - λ que Z /. S ( ) est u melleur Formos l dfférece de leurs vrces : S λ λ λ λ e e V ( ) V ( Z / ) = ( e e + ) = g( λ) O costte que l dérvée g(λ) = e λ / e λ est égtve, l focto g(λ) décroît à prtr de g() =, elle est uss égtve. D où V ( ) < V ( Z / ). S L méthode du mmum de vrsemblce, pour détermer u estmteur Repreos otre jeu de trges successfs à ple ou fce, vec ses vrbles de Beroull pret l vleur vec l probblté p qud fce (F) sort et l vleur vec l probblté p qud c est ple (P). L vleur du prmètre p ous est coue. O v lors fre ue seule epérece. Pr eemple pour =, o obtet comme résultt FPPFFPPPFP ou e bre. L probblté de cet évèemet est p 4 ( p) 6. E essyt les vleurs de p de à, o s perçot que l qutté p 4 ( p) 6 dmet u mmum u vosge de p =,4. Que coclure? Qu l est plus vrsemblble d vor ue vleur de p égle à,4 qu ue vleur égle à,7 pr eemple. As, à l ssue d ue epérece vec ses trges obteus, l est orml de predre comme estmto de p celle qu correspod à l probblté mmle pour l epérece rélsée, même s l o st qu ue deuème epérece pourrt doer ue estmto de p plus ou mos dfférete. Cel ous mèe à défr ue focto vrsemblce L(,,,, p) :

10 A prtr d u échtllo de trges dot les vrbles létores sot X, X,, X, toutes de même lo (de prmètre p) et dépedtes, l rélsto d ue epérece codut à u résultt,,, dot l probblté est : p(x = et X = et et X = ) = p(x = ) p(x = ) p(x = ), et l o pred comme focto de vrsemblce ce produt de probbltés, sot : L(,,,, p) = p(x = ) p(x = ) p(x = ). Cette défto, vlble pour des probbltés dscrètes, se géérlse u probbltés cotues, e fst terver l desté de probblté d() de l lo de probblté ssocée u vrbles létores de l échtllo, sot L(,,,, p) = d( ) d( ) d( ) O obtet lors ue estmto du prmètre p e pret comme vleur de p celle qu red mmle l vrsemblce. Il reste à chercher ce mmum e pret l dérvée pr rpport à p de l focto vrsemblce, de fço qu elle s ule e psst du postf u égtf. C est cel l méthode du mmum de vrsemblce. Plus précsémet, comme l focto L ft terver u produt, o préfère predre so logrthme, l L, de fço à obter ue somme, et de chercher le mmum de cette somme, ce qu correspod ectemet u mmum du produt ds L, pusque l focto logrthme est crosste. Repreos l eemple des trges répétés à ple ou fce, chcu obésst à l lo de Beroull de prmètre p. Or l vrble létore X de l lo de Beroull est telle que p(x = ) = p ( p), pusque cel doe p(x = ) = p et p(x = ) = p. L focto de vrsemblce s écrt : L(,,,, p) = p(x = ) p(x = ) p(x = ) = p ( ) + ( ) + + ( ) ( p) l L = ( ) l p + ( ( )) l( p) E dérvt pr rpport à p : (l L) ' = ( ) ( ( )) p p = ( ) p p( p) ( ) Cette dérvée s ule pour p = et elle psse du sge + u sge (le umérteur de (l L) étt ue focto ffe, et le déomteur restt postf). Au terme de ce clcul, o retrouve le ft que l estmteur pour p, ssu de l méthode du mmum de vrsemblce, est l fréquece de sorte des fces, sot X + X + + X Quelques eemples ) Lo géométrque

11 Rppelos qu ue vrble X sut ue lo géométrque de prmètre p lorsque p(x = k) = ( p) k - p vec k eter. Preos mtet ue sute de vrbles létores (X ) dépedtes et obésst toutes à l lo géométrque de prmètre p. L rélsto d u évèemet sur trges codut u résultt,,,. L focto vrsemblce est : L(,,,. p) = ( p) p ( p) p ( p) p = p ( p) l L = l p + (Σ ) l ( p) Dérvos pr rpport à p : ( ) p (l L)' = =. p p p( p) Elle s ule pour p = tout e psst du postf u égtf. L estmteur du mmum de vrsemblce de p est :, sot l verse de l moyee epérmetle. Cel étt prévsble pusque X l espérce de l lo géométrque est / p. ) Lo epoetelle Pr défto, ue vrble létore qu sut l lo epoetelle de prmètre k pour desté d( ) = ke k pour, et so. O e dédut otmmet so espérce E(X) = / k. Preos mtet ue sute de vrbles létores (X ) (vec ) obésst à cette même lo, et dépedtes. L focto de vrsemblce est : L(,,...,, k) = ke ke... ke = k e l L = l k k L dérvée pr rpport à k est k = létores ( k k k k k. Elle s ule pour, e psst du sge plus ou sge mos. L sute de vrbles X ), verse de l moyee epérmetle, est u estmteur du

12 prmètre, comme o pouvt s y ttedre, pusque l espérce de X est justemet / k. 3) Lo de Preto (sute) ) Détermer u estmteur du mmum de vrsemblce. L lo de Preto deu prmètres et tous deu >. O veut mtet détermer u estmteur du prmètre supposé cou. A prtr de l desté d ( t ) = pour t t + et so, o pred l focto de vrsemblce : L(,,,, ) = d( ) d( ) d( ) e suppost que tous les sot >. =... = l L = l + l ( + )(l + l + + l ) Dérvos pr rpport à : (l L)' = + l (l + l l ) L dérvée s ule pour = (l + l l ) l = l + l l, qu est u ombre postf pusque tous les sot > (>), d où l vleur de correspodte : = l Cette vleur est be u mmum pour l L, et pr sute pour L, pusque l dérvée de l L pr rpport à, de l forme / B, est décrosste, psst doc du postf u égtf. As l sute (W ), vec W =, est u estmteur du mmum de vrsemblce. X l O peut déjà prévor que pour suffsmmet grd l espérce de W v être proche de. Cel demde à être précsé. b) Détermer E(W ) pour, pus trouver u estmteur ss bs de. O rppelle u résultt vu uprvt : Lorsque X est ue vrble létore suvt ue lo de Preto de prmètres et, l vrble létore Y = l X sut ue lo epoetelle de prmètre. E procédt comme o le fer ds le prgrphe suvt vec l lo de Preto( 3 -b), o démotre que l sute de vrbles létores est u estmteur ss bs de k.

13 3 O rppelle uss qu ue somme de vrbles létores obésst toutes à l même lo epoetelle de prmètre k obét elle-même à l lo gmm de prmètres et k. X Posos Y = l. Pusque les X suvet ue lo de Preto de prmètres et, Y sut ue lo epoetelle de prmètre. Ds ces codtos X l = Y, et l o ue somme de vrbles dépedtes obésst toutes à l lo epoetelle de prmètre. O st qu lors l vrble létore t pour desté d( t) = e t pour t et so. A so tour ( )! W = = pour espérce : X l Y + + t = = E( W ) d( t) dt e t dt t ( )! Y, sous réserve que cette tégrle este. Comme, l tégrle este e, et e +, l tégrle este ecore. O costte uss que + t e t dt =. ( )! e ( )! t t e t, pour, est l desté de + t + t ( )! ( )! t ted vers et Y, d où : E( W ) = e t dt = e t dt = Pour vor u estmteur ss bs de, l sufft de predre l sute (W ) vec : W = W pusque E( W ') = E( W ) = =. 4) Lo ormle Pour ue vrble létore X suvt ue lo ormle de prmètres m et σ, l desté est : ( m) d( ) = e σ. σ π Pour le prmètre m, l focto de vrsemblce s écrt : ( m) ( m) ( m)... L(,,...,, m) = e σ σ σ σ π

14 4 l L = l( σ π ) (( m) + ( m) ( m) ) σ Cette qutté, cosdérée comme ue focto de m, est mmle lorsque l somme f(m) = ( m) + ( m) ( m) est mmle. f (m) = (m + m + + m ) pour : m = = ( m ). Cette dérvée s ule et so sge psse de à +, ce qu correspod à u mmum pour f. Preos comme vrble létore l moyee Y O vérfe que E(Y ) = m et que V(Y ) = σ / qu ted vers pour f. L sute de vrbles (Y ) costtue u estmteur ss bs et coverget de m. Pssos à l estmto du prmètre T = σ. O comme précédemmet l L = l( πt ) (( m) + ( m) ( m) ) T = l( πt ) (( m) + ( m) ( m) ) T E dérvt pr rpport à T : = ( m ) (l L) ' = ( ) = ( T ( m ) ) T T T T = ( m ) X. qu s ule pour e psst du sge + u sge. E post ( m X ) Z =, o vérfe que E(Z ) = σ V (( X m) ) et V(Z ) = qu ted vers pour f. L sute (Z ) costtue be ue sute d estmteurs ss bs et covergets de σ. L questo de cofce Jusqu à préset ous vos doé ue estmto d u prmètre, c est-à-dre ue vleur fe, ss svor le degré de précso du résultt. S l o ft lcers répétés à ple ou fce, cette seule epérece doer ue dée du prmètre p, correspodt à l fréquece de sorte des fces, ms s l o ft ue deuème epérece de lcers, o ur u résultt légèremet dfféret. Auss, à défut de chercher ue vleur poctuelle du prmètre, o v se doer u tervlle, s pett sot-l, ds lequel v se trouver le prmètre vec u veu de cofce

15 5 doé, pr eemple 95% de chces, dès que l o prtque u mos N epéreces élémetres, cette vleur de N étt à clculer. Repreos l eemple des trges répétés à ple ou fce vec le prmètre p correspodt à l probblté d vor fce, p étt celle d vor ple. O pred lors ue sute de vrbles de Beroull (X ) vec. O st que, lorsque l o ft X + X X trges, l moyee epérmetle S = costtue u estmteur de p. O st uss que plus est grd, plus S v s pprocher de p. Ms mtet, doos-ous ue mpltude d tervlle égle à / pr eemple. Il s gt de détermer u eter N tel que pour tout N, l tervlle [S /, S + /] sot u tervlle de cofce du prmètre p u veu de 95%. Autremet dt, dès que l o prtque u mos N lcers, sot lcers vec N, et que l o ue vleur epérmetle de S obteue u bout de ces lcers, o ur p comprs etre S / et S + / vec ue probblté d u mos 95%. Il s gt de trouver cette vleur de N. O veut vor p(s / p S + /),95. Commeços pr pplquer l églté de Beymé-Tchebchef : vec ε postf uss pett qu o veut, V ( S) p( S p ε ) ε p( p) p( p) pusque V ( S ) = ε V ( W ') p( W ' < p < W ' + ), p( p) p( S p < ε ) ε p( p) p( S p < ε ) ε p( p) p( ε < S p < ε ) ε p( p) p( S ε < p < S + ε ) ε p( S + ε > p > S ε ) Ds le cs préset: p( p) ε p( p) p( S < p < S + ), p( p) As, dès que,95, o ur p( S, < p < S +,),95, p( p) L cotrte,95 s écrt,

16 6 p( p) p( p), 5 sot, ou p( p),,5, Lorsque p décrt ] [, p( p) ttet so mmum pour p =,5, et ce mmum vut,5 : p( p),5. Dès que l o ur,5, o ur uss p ( p). Flemet l sufft de predre 5. Autremet dt, s l o ft N = 5 lcers, boutsst à S, o ur l vleur de p à promté de S, plus précsémet vec S, < p < S +,, vec cel vec plus de 95 chces sur. Itervlle de cofce pour l lo de Preto O veut coître le prmètre de l lo de Preto vec ue précso de ±,, vec u veu de cofce de 95%. O suppose uss que est comprs etre et. Pour cel o repred l sute (W ) qu est u estmteur ss bs de (vor cdessus). O dmettr que l vrce de W est : V ( W ') = lorsque est >. Il s gt de trouver u eter N tel que pour tout N, [W,, W +,] sot u tervlle de cofce de u veu de 95%. E pplqut l églté de Beymé-Tchebchef, et e fst le même clcul que précédemmet, o rrve à : V ( W ') p( W ' < p < W ' + ), p( W ' < p < W ' + ), ( ) E pret,95 o est ssuré que ( ) p( W ' < p < W ' + ),95. Or,95 s écrt +. Pusque l o supposé que est ( ) comprs etre et, dès que 4 +, o ur +. Flemet l covet de predre 8, et même ss vértble rsque, u vu des mjortos que ous vos ftes ds le clcul : 8. Référeces : Epreuve de mthémtque u cocours d etrée de l ESSEC, 7. Wkped, Estmteur (sttstque), vec l bblogrphe et les sources jotes.

Estimation des incertitudes sur les erreurs de mesure.

Estimation des incertitudes sur les erreurs de mesure. Estmto des certtdes sr les errers de mesre. I. Itrodcto : E sceces epérmetles, l este ps de mesres ectes. Celle-c e pevet être q etchées d errers pls o mos mporttes selo le protocole chos, l qlté des strmets

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat S Asie 19 juin 2014 Corrigé Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE 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 détail

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR

Semestre : 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 détail

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1

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 détail

SYSTEME FERME EN REACTION CHIMIQUE

SYSTEME 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 détail

e x dx = e x dx + e x dx + e x dx.

e x dx = e x dx + e x dx + e x dx. Chtr Foctos Gmm t foctos d Bssl Chtr Focto Gmm t foctos d Bssl Détrmto d l focto Gmm L focto Gmm st très sml à dédur à rtr d l tégrl d'eulr: Ctt tégrl st u focto d rmètr ; ll st rrésté r l symbol () t

Plus en détail

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période)

Mathématiques 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 détail

Coefficient de partage

Coefficient 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 détail

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

16.1 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 détail

MTH 2301 Méthodes statistiques en ingénierie. MTH 2301 Méthodes statistiques en ingénierie

MTH 2301 Méthodes statistiques en ingénierie. MTH 2301 Méthodes statistiques en ingénierie VARIABLES ALÉATOIRES déo oco de réro vrble léore dscrèe moyee - vrce - écr ye esérce mhémque vrble léore coue oco d ue vrble léore : rsormo combso lére de vrbles léores Déo E : eérece léore S : esce échllol

Plus en détail

Incertitudes expérimentales

Incertitudes 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 détail

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour

Plus en détail

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure.

CHAPITRE 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 détail

La spirale de Théodore bis, et la suite «somme=produit».

La 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

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mthémtiques nnée 2009-2010 Chpitre 2 Le prolème de l unicité des solutions 1 Le prolème et quelques réponses : 1.1 Un exemple Montrer que l éqution différentielle :

Plus en détail

Application de la théorie des valeurs extrêmes en assurance automobile

Application 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 détail

COURS DE MATHEMATIQUE FINANCIERE A COURT ET LONG TERME Promotion : Première année de graduat

COURS 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 détail

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

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

IGE G 4 E 87 M o M d o é d lisation o n de d s ba b ses de d do d n o n n é n es S ma m ine n 7

IGE G 4 E 87 M o M d o é d lisation o n de d s ba b ses de d do d n o n n é n es S ma m ine n 7 IGE48 Modélsto ds bss d doés Récupérto d l bs d doés Dogo Plo Pl d l s Récupérto Pourquo l récupérto? Typs d ps Log d trsctos Ms à jour d doés Roll bck ds trsctos Chckpot chés d récupérto Bckup t récupérto

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

!! " # $ #! %! &! ' (!& )**+

!!  # $ #! %! &! ' (!& )**+ !!"# $ #! %! &!'(!&)** Ce cous vse à ésete les dfféets élémets du clcul fce et d exlque l oto de l vleu temoelle de l get. Il ft îte clemet cq éoccutos : L dfféece ete les dfféets tyes d téêts (téêt smle,

Plus en détail

Liens entre fonction de transfert et représentations d'état d'un système (formes canoniques de la représentation d'état)

Liens entre fonction de transfert et représentations d'état d'un système (formes canoniques de la représentation d'état) oqe V oqe Cor e ere foco de rfer e repréeo dé d èe fore coqe de l repréeo dé SI Coe oqe! Irodco! e ere le dfféree decrpo d èe! Pge odèle dé " foco de rfer # C d èe oovrle # C d èe lvrle! Pge foco de rfer

Plus en détail

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

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

Plus en détail

Intégrales généralisées

Intégrales généralisées 3 Iégrles géérlisées Pour ce chpire, les focios cosidérées so priori défiies sur u iervlle réel I o rédui à u poi, à vleurs réelles ou complees e coiues pr morceu. L défiiio e les propriéés de l iégrle

Plus en détail

OBLIGATION DU SECTEUR PRIVE : EVALUATION ET OUTIL DE GESTION DU RISQUE DE TAUX D INTERET

OBLIGATION 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

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

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

A11 : La représentation chaînée (1ère partie)

A11 : La représentation chaînée (1ère partie) A11 : L représettio chîée (1ère prtie) - Défiitio et schéms de cosulttio - Schéms de mise à jour (isertio, suppressio) - Exemples J-P. Peyri - L représettio chîée (première prtie) 0 Pricipe de l représettio

Plus en détail

Synthèse de cours (Terminale S) Calcul intégral

Synthèse de cours (Terminale S) Calcul intégral Synthèse de cours (Terminle S) Clcul intégrl Intégrle d une onction continue positive sur un intervlle [;] Dns cette première prtie, on considère une onction continue positive sur un intervlle [ ; ] (

Plus en détail

Sciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot

Sciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot Scence Indutrelle Précon de ytème erv Pncol Robert Lycée Jcque Amyot I - PRECISION DES SYSTEMES ASSERVIS A. Poton du roblème 1. Préentton On vu que le rôle d un ytème erv et de fre uvre à l orte (t) une

Plus en détail

" BIOSTATISTIQUE - 1 "

 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 détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

Dérivation. 1. Nombre dérivé, tangente 2. Fonction dérivée 3. Fonction dérivée et variations 4. Fonction dérivée et extrema

Dérivation. 1. Nombre dérivé, tangente 2. Fonction dérivée 3. Fonction dérivée et variations 4. Fonction dérivée et extrema «À l utomne 97 le présdent Non nnoncé que le tu d ugmentton de l nflton dmnué C étt l premère fos qu un présdent en eercce utlst l dérvée terce pour ssurer s réélecton» Hugo Ross, mtémtcen, à propos d

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

Tout ce qu il faut savoir en math

Tout ce qu il faut savoir en math Tout ce qu il fut svoir en mth 1 Pourcentge Prendre un pourcentge t % d un quntité : t Clculer le pourcentge d une quntité pr rpport à une quntité b : Le coefficient multiplicteur CM pour une ugmenttion

Plus en détail

Les sinistres graves en assurance automobile : Une nouvelle approche par la théorie des valeurs extrêmes

Les 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 détail

Calculer comment se constituer un capitale ; Calculer comment rembourser une dette en effectuant des versements réguliers.

Calculer comment se constituer un capitale ; Calculer comment rembourser une dette en effectuant des versements réguliers. CHAP: 8 Objecifs de ce chpire : Clculer comme se cosiuer u cpile ; Clculer comme rembourser ue dee e effecu des versemes réguliers. RAPPELS : Qu'es-ce qu'ue vleur cquise? Qu'es-ce qu'ue vleur cuelle? Le

Plus en détail

20. Algorithmique & Mathématiques

20. Algorithmique & Mathématiques L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus

Plus en détail

a g c d n d e s e s m b

a g c d n d e s e s m b PPrrooppoossiittiioo 22001111JJPP 22770055 000011 uu 0088 fféévvrriirr 22001111 VVlliiiittéé jjuussqquu uu 3300//0044//22001111 tim c ir tv é p g c h u i rè s G A Z iv lu s IC.G R é c lo y m ip s 9 r7

Plus en détail

Processus et martingales en temps continu

Processus et martingales en temps continu Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

Chapitre 3: TESTS DE SPECIFICATION

Chapitre 3: TESTS DE SPECIFICATION Chapitre 3: TESTS DE SPECIFICATION Rappel d u c h api t r e pr é c é d en t : l i de n t i f i c a t i o n e t l e s t i m a t i o n de s y s t è m e s d é q u a t i o n s s i m u lt a n é e s r e p o

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

Correction de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (

Correction de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) ( Correction de l épreuve CCP PSI Mths PREMIÈRE PARTIE I- Soit t u voisinge de, t Alors ϕt t s = ϕt ρt s ρs Pr hypothèse, l fonction ϕt ϕt est lorsque t, il en est donc de même de ρt s ρt s ρs cr ρ s est

Plus en détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

Déroulement de l épreuve de mathématiques

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

Plus en détail

Mesure avec une règle

Mesure 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 détail

GEA I Mathématiques nancières Poly. de révision. Lionel Darondeau

GEA 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 détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

RESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY

RESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY LO 4 : SOLUTO P L MTHO OTO, MLLM T KLY SOLUTO P L MTHO OTO, MLLM T KLY MTHO OTO. toductio Le théoème de oto va ous pemette de éduie u cicuit complexe e gééateu de couat éel. e gééateu possède ue souce

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 5. La fonction logarithme népérien. Sommaire Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa

Plus en détail

Suites et séries de fonctions

Suites et séries de fonctions [http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de

Plus en détail

Remboursement d un emprunt par annuités constantes

Remboursement 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 détail

ILT. Interfacultair Instituut voor Levende Talen. T@@lvaardig. Actes de communication. Serge Verlinde Evelyn Goris. Katholieke Universiteit Leuven

ILT. Interfacultair Instituut voor Levende Talen. T@@lvaardig. Actes de communication. Serge Verlinde Evelyn Goris. Katholieke Universiteit Leuven IL If I L S V Ey G Khk U L 13/02/02 pé? xp qé xp pz à pz p héhq pé p à q z p à p héhq fé à p à q pz xp q 'p (è) f, '-à- p. x. ' é ff. N xp à py qq' q z b ( f) P xp pô pp L p - pé pz ': z qq', q -? Bj,

Plus en détail

LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER

LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE Unité d enseignement LCMA 4U ANALYSE 3 Frnçoise GEANDIER Université Henri Poincré Nncy I Déprtement de Mthémtiques . Tble des mtières I Séries numériques. Séries

Plus en détail

Exercices d Électrocinétique

Exercices 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 détail

S euls les flux de fonds (dépenses et recettes) définis s ent l investissement.

S euls les flux de fonds (dépenses et recettes) définis s ent l investissement. Choix d ives i s s eme e cer iude 1 Chapire 1 Choix d ivesissemes e ceriude. Défiiio L es décisios d ivesissemes fo parie des décisios sraégiques de l erepris e. Le choix ere différes projes d ivesisseme

Plus en détail

Effets de la dépendance entre différentes branches sur le calcul des provisions

Effets de la dépendance entre différentes branches sur le calcul des provisions Effets de l dépendnce entre dfférentes brnches sur le clcul des provsons Thème ASTIN : Contrôle des rsques Gllet Antonn Commsson de Contrôle des Assurnces 54, rue de Châteudun 75009 PARIS ntonn.gllet@cc.fnnces.gouv.fr

Plus en détail

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

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

Théorème de Poincaré - Formule de Green-Riemann

Théorème de Poincaré - Formule de Green-Riemann Chpitre 11 Théorème de Poincré - Formule de Green-Riemnn Ce chpitre s inscrit dns l continuité du précédent. On vu à l proposition 1.16 que les formes différentielles sont bien plus grébles à mnipuler

Plus en détail

Les nouveaux relevés de compte

Les nouveaux relevés de compte Ifo CR Les ouveaux relevés de compte Les relevés de compte actuels du Crédit Agricole de Champage-Bourgoge sot issus de la migratio iformatique sur le GIE AMT e 2001 : petit format (mais A4 pour les Professioels),

Plus en détail

Généralités sur les fonctions 1ES

Généralités 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 détail

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

* 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 détail

Calculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.

Calculer 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 détail

Séquence 8. Probabilité : lois à densité. Sommaire

Séquence 8. Probabilité : lois à densité. Sommaire Séquence 8 Proilité : lois à densité Sommire. Prérequis 2. Lois de proilité à densité sur un intervlle 3. Lois uniformes 4. Lois exponentielles 5. Synthèse de l séquence Dns cette séquence, on introduit

Plus en détail

ISAN System: 5 Œuvre à épisodes ou en plusieurs parties

ISAN System: 5 Œuvre à épisodes ou en plusieurs parties sm: 5 Œ à épsds pss ps Wb f B Rs s: E b W B bs d mdè Vs j www.sb. B ss Psfh B 7 T. +4 5 Fx +4 7 EM: f@sb. www.sb. B ss Psfh B 7 T. +4 5 Fx +4 7 EM: f@sb. wzd 5 Œ à épsds pss ps mm: TRODUTO DEMRE. OEXO.

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

INTENTION LES PROCESSUS MATHÉMATIQUES

INTENTION LES PROCESSUS MATHÉMATIQUES INTENTION Adpttios u Cdre commu des progrmmes d études de mthémtiques M-9 telles que reflétées ds le documet Mthémtiques M-9 : Progrmme d études de l Albert (2007) Le coteu du documet Mthémtiques M-9 :

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.

Plus en détail

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks Plan Geston des stocks Abdellah El Fallah Ensa de Tétouan 2011 Les opératons de gestons des stocks Les coûts assocés à la geston des stocks Le rôle des stocks Modèle de la quantté économque Geston calendare

Plus en détail

TARIFICATION, PROVISIONNEMENT ET PILOTAGE D UN PORTEFEUILLE DÉPENDANCE

TARIFICATION, PROVISIONNEMENT ET PILOTAGE D UN PORTEFEUILLE DÉPENDANCE TARIFICATION, PROVISIONNEMENT ET PILOTAGE D UN PORTEFEUILLE DÉPENDANCE Mre-Pscle Deléglse, Chrstn Hess, Sébsten Nouet To cte ths verson: Mre-Pscle Deléglse, Chrstn Hess, Sébsten Nouet. TARIFICATION, PROVISION-

Plus en détail

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

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3 1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que

Plus en détail

BTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL

BTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par

Plus en détail

LES ESCALIERS. Du niveau du rez-de-chaussée à celui de l'étage ou à celui du sous-sol.

LES ESCALIERS. Du niveau du rez-de-chaussée à celui de l'étage ou à celui du sous-sol. LES ESCALIERS I. DÉF I NIT I O N Un escalier est un ouvrage constitué d'une suite de marches et de paliers permettant de passer à pied d'un niveau à un autre. Ses caractéristiques dimensionnelles sont

Plus en détail

RECAPITULATIF PLANS Pour quelle école?

RECAPITULATIF PLANS Pour quelle école? V vz - 90 éèv, v ê céré cmm "p éc" V vz + 90 éèv, v ê céré cmm "gr éc" V ê éc prmr, z vr p : A D V ê éc cr, z vr p : F D V ê éc prmr, z vr p : B, C E V ê éc cr, z vr p : G, H I P gb, z vr p A P gb, z vr

Plus en détail

ISAN System: 3 Création d un V-ISAN

ISAN System: 3 Création d un V-ISAN sm: é d V Wb f B Rs s: E b W B bs d mdè Vs j www.sb. B ss Psfh B 7 T. +4 5 Fx +4 7 EM: f@sb. www.sb. B ss Psfh B 7 T. +4 5 Fx +4 7 EM: f@sb. wzd é d V mm: TRODUTO DEMRE. OEXO. RETO D U V 4 FORMTO UPPLEMETRE

Plus en détail

22 et 23 mars 2014, OSTENDE, Belgique Compte-rendu Team France

22 et 23 mars 2014, OSTENDE, Belgique Compte-rendu Team France et mar 0, OTENE, Belgique Compte-redu Team race 9 pilote de atioalité réparti e catégorie : pilote e pformace et pilote e productio. Le catégorie pformace et productio, couraiet chacue leur tour, toute

Plus en détail

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

Formation d un ester à partir d un acide et d un alcool CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester

Plus en détail

book a e e x a HTML5 t Q

book a e e x a HTML5 t Q book o sc pd quos v voloh u dolup s dbs cus dddu s u ss ssu d. quspu s sulp o us dl s dlds, u lo, us ps qu dolupoffcbo. Abo HTML5 oosp dovsul MyS L hoog dsg u- ph ouv cé o Pd so jquy WEB y- pogph pogo

Plus en détail

Accueil Events, l accueil personnalisé des touristes d affaires Informations, bonnes adresses, réservations et découvertes!

Accueil Events, l accueil personnalisé des touristes d affaires Informations, bonnes adresses, réservations et découvertes! Lyon City Card 1 jour 2 jours 3 jours Ta xis et M inibus - Tarifs forfaitaires Jour : 7h - 19h Nuit : 19h - 7h Lyon/ Villeurbanne - Aéroport St Exupéry 59 81 Lyon 5ème et 9ème excentrés - Aéroport St Exupéry

Plus en détail

TD1 Signaux, énergie et puissance, signaux aléatoires

TD1 Signaux, énergie et puissance, signaux aléatoires TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver

Plus en détail

Influence du milieu d étude sur l activité (suite) Inhibition et activation

Influence du milieu d étude sur l activité (suite) Inhibition et activation Influence du milieu d étude sur l ctivité (suite) Inhibition et ctivtion Influence de l tempérture Influence du ph 1 Influence de l tempérture Si on chuffe une préprtion enzymtique, l ctivité ugmente jusqu

Plus en détail

Editions ENI. Project 2010. Collection Référence Bureautique. Extrait

Editions ENI. Project 2010. Collection Référence Bureautique. Extrait Edtons ENI Project 2010 Collecton Référence Bureautque Extrat Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf

Plus en détail

Assurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire

Assurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire Assurance malade et aléa de moralté ex-ante : L ncdence de l hétérogénété de la perte santare Davd Alary 1 et Franck Ben 2 Cet artcle examne l ncdence de l hétérogénété de la perte santare sur les contrats

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

GIN FA 4 02 01 INSTRUMENTATION P Breuil

GIN 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 détail

Calcul de tableaux d amortissement

Calcul de tableaux d amortissement Calcul de tableaux d amortssement 1 Tableau d amortssement Un emprunt est caractérsé par : une somme empruntée notée ; un taux annuel, en %, noté ; une pérodcté qu correspond à la fréquence de remboursement,

Plus en détail

Les Nombres Parfaits.

Les Nombres Parfaits. Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie

Plus en détail

Chapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique

Chapitre 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 détail

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

Guide d'utilisation Easy Interactive Tools Ver. 2

Guide d'utilisation Easy Interactive Tools Ver. 2 Guide d'utilistion Esy Interctive Tools Ver. 2 Guide d'utilistion Esy Interctive Tools Ver.2 Présenttion de Esy Interctive Tools 3 Crctéristiques Fonction de dessin Vous pouvez utiliser Esy Interctive

Plus en détail

Ce document a été mis en ligne par le Canopé de l académie de Montpellier pour la Base Nationale des Sujets d Examens de l enseignement professionnel.

Ce document a été mis en ligne par le Canopé de l académie de Montpellier pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Ce document a été mis en ligne par le Canopé de l académie de Montpellier pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Ce fichier numérique ne peut être reproduit, représenté,

Plus en détail

Chapitre 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. 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 détail

Mes Objectifs. De, par, avec Sandrine le Métayer Lumières de Philippe Férat. spectacle produit par la Cie DORE

Mes Objectifs. De, par, avec Sandrine le Métayer Lumières de Philippe Férat. spectacle produit par la Cie DORE Me Objectf De, par, avec Sandrne le Métayer Lumère de Phlppe Férat pectacle produt par la Ce DORE t j Me objectf numéro prx du Jury aux Gradn du rque (Le Hvernale/ Avgnon) p l e t t a r d, p Sandrne le

Plus en détail