Variables à densité.
|
|
- Jeanne St-Denis
- il y a 7 ans
- Total affichages :
Transcription
1 Variables à densité. Préreuis : Théorème : intégrale fonction de la borne supérieure Soit F (x) = R f (t) dt: x Si R f (t) dt converge alors F est continue sur ] ; ; a] et F est dérivable là où f est continue a avec F (x) = f (x) : Convergence : Comment prouver la convergence? cas des fonctions positives. Calcul : Pour primitiver, il faut d abord savoir dériver. Fonction continue par morceaux : Comment calcule-t-on l intégrale? 2 De la densité à la probabiltié. Dé nition de la densité : f est une densité de probabilité si - f est dé nie et continue et positive ou nulle, sauf en un nombre ni de points de R, - et si R +.f (t) dt converge et vaut si x < Exercice : Montrer ue f dé nie par f (x) = est une densité. si x > x 2 px si < x < Exercice 2 : Déterminer 2 R pour ue f dé nie par f (x) = soit une densité. sinon Dé nition d une variable à densité : Soit f une densité. X est une variable aléatoire de densité f R si la fonction de répartition F de X est donnée par : pour tout x réel F (x) = P (X x) = x f (t) dt Théorème : calcul de probabilités Si X a pour densité f et pour fonction de répartition F alors - pour tout x 2 R : P (X = x) = - pour tout x 2 R : P (X x) = P (X < x) = F (x) = R f (t) dt x - pour tout x 2 R : P (X > x) = P (X x) = F (x) = R + f (t) dt x - si a b alors P (a X b) = F (b) F (a) = R b f (t) dt et P (a X b) = si a > b (idem a pour des inégalités strictes ou mixtes) Méthode : Comment calculer ces intégrales uand f est données par di érentes formules suivant l intervalle? Exercice 3 : Soit X ayant pour densité celle de l exercice, déterminer P ( X 2) ; P ( X 2) ; la fonction de répartition de X: Exercice 4 : dans les mêmes conditions, calculer, suivant la valeur de x; P (x X x + ) ; P (x X x 2 ) Cours Variables á densité Page / 8
2 3 De la probabilité à la densité. 3. Si F est une fonction dé nie sur R Théorème : F est la fonction de répartition d une variable à densité () - F est continue sur R et de classe C sauf en un nombre ni de points (là où la densité est continue), - F est croissante sur R (comment le prouver?) - lim F = et lim + F = Une densité est alors f = F là où F est C : Exercice 5 : Soit F (x) = e t si t et F (t) = si t : Montrer ue F est la fonction de répartition d une variable à densité et en déterminer une densité. Soit X une telle variable. Déterminer P ( X < 2) : Remarue : Si X est une variable aléatoire discrète, sa fonction de répartition est alors en escalier. X peut-elle alors être à densité? 3.2 Si F est la fonction de répartition d une variable aléatoire Théorème : si F est la fonction de répartition d une variable aléatoire X, alors X est à densité () F est continue sur R et de classe C sauf en un nombre ni de points (là où la densité est continue). Une densité de X est alors f = F là où F est de classe C : Méthode : Comment montrer u une fonction est continue? N.B. Que peut-on dire de la fonction de répartition de X si X est à densité? Exercice 6 type : Soit f dé nie par f (t) = e t si t et sinon. Montrer ue f est une densité de probabilité. Soit X de densité f: Montrer ue P (X ) = et en déduire ue Y = p X est dé nie presue sûrement. Déterminer la fonction de répartition G de Y en fonction de celle F de X: En déduire ue Y est une variable à densité et en déterminer une densité. Méthode : Quand une V.A. Y est dé nie à partir d une autre Y = f (X) ; - On détermine la fonction de répartition G de Y en fonction de celle F de X (comment?) - La fonction de répartition de X véri e les critères de fonction de répartition de variable à densité.(ui sont?) - On en déduit ue les 2 critères des variable à densité (ui sont?) sont véri és. - On en déduit alors ue Y est à densité et u une densité est G là où G est de classe C : N.B. On reste formel aussi longtemps ue possible. On n a généralement pas besoin de calculer la fonction de répartition de X. N.B. Quand on calcule P (a X b) ; il faut d abord véri er l ordre des bornes. Cours Variables á densité Page 2/ 8
3 4 Espérance 4. Dé nitions Dé nition : Pour une variable X de densité f, X a une espérance si R +.tf (t) dt converge. On a alors E (X) = R +.tf (t) dt (la convergence simple éuivaut ici à l absolue convergence) Exercice 7 : Soit > et f dé nie par f (x) = si x et sinon. Montrer ue f est une x densité. Soit X de densité f: Pour uelle valeurs de ; X a-t-elle une espérance? Théorème : moment d ordre 2 X 2 a une espérance si et seulement si R +.t2 f (t) dt converge. On a alors E (X 2 ) = R +.t2 f (t) dt (appelé moment d ordre 2) Exercice 8 : Soit f dé nie par f (t) = 2 e 2t si t et f (t) = sinon. Montrer ue f est une densité. Soit X de densité f: Montrer ue X et X 2 ont une espérance et calculer les. En déduire la variance de X: Théorème : Variance X a une variance si et seulement si X et X 2 ont une espérance. On a alors V (X) = E [X E (X)] 2 = E (X 2 ) E (X) Opérations Théorème de transfert : Pour une variable X de densité f, et g une fonction continue sauf en un nombre nis de points. Y = g (X) : a une espérance si R +.g (t) f (t) dt est absolument convergente. On a alors E (g (X)) = R +.g (t) f (t) dt Linéarité : Si X a une espérance et a et b réels alors alors E (ax + b) = ae (x) + b Si X a une variance alors V (ax + b) = a 2 V (X) Exercice 8 : Pour le démontrer dans le cas où a < et ue la densité de X:est continue sur R: comment déterminer la densité g de Y? Par un changement de variable, montrer R + t g (t) dt converge et vaut ae (x) + b Linéarité : Si X et Y à densité ont une espérance alors E (X + Y ) = E (X)+E (Y ) (indémontrable) Linéarité : Si X et Y à densité ont une variance et sont indépendantes alors V (X + Y ) = V (X) + V (Y ) Centrée réduite : X est centrée si E (X) = ; elle est réduite si V (X) = : Soit X ayant une espérance et une variance non nulle alors X = X p E (X) est centrée-réduite. V (X) Cours Variables á densité Page 3/ 8
4 5 Lois usuelles 5. Loi uniforme Modèle : toutes les valeurs de l intervalle réel [a; b] sont éuiprobables. Traduction : la densité est constante f (t) = k sur tout l intervalle et f (t) = nulle en dehors. Comment déterminer k? Dé nition : Pour a < b : X suit une loi uniforme sur [a; b] notée U [a;b] si sa densité est si t 2 [a; b] f (t) = b a sinon. Simulation : randomize; (une seule fois au début)... x:=random(b-a)+a; Théorème : Si X,! U [a;b] alors X a une espérance et E (X) = a + b 2 : (Hors programme : V (X) = (b a)2 2 ) Exercice 9 : Soit X n de loi uniforme sur X () = i = i 2 [[; n ]] n Déterminer la loi de X et sa fonction de répartition F n sur X () : Soit x 2 [; [ : En notant [] la partie entière, encadrer nx entre deux entiers successifs et en déduire un encadrement de x entre deux éléments de X n () En déduire la valeur de F n (x) puis sa limite uand n tend vers +: On dit ue X n converge en loi vers une loi uniforme sur [; ] 5.2 Loi exponentielle Durée de vie : Soit X la durée de vie d un appareil. Comment traduire avec X - il tombe en panne à l instant t? - il est en panne à l instant t: - il fonctionne à l instant t? Modèle : On dit ue la durée de vie est sans mémoire si le fait d avoir déjà fonctionné un certain temps n in ue pas sur le temps de (bon) fonctionnement ultérieur Formalisation : X est sans mémoire si pour tout t et h : : P X>t (X > t + h) = P (X > h) Dé nition : Soit > : X suit une loi exponentielle de paramètre notée " () si sa densité est e t si t f (t) = si t < A remaruer : Si X,! " () alors pour tout x : P (X > x) = exp ( P (X x) = e x (comment calculer cette probabilité?) x) et Théorème : Si X,! " () alors X a une espérance et une variance et E (X) = = et V (X) = = 2 Exercice : Soit I n = R + t n e t dt: Montrer ue pour tout n 2 N : t n e t=2! et en déduire ue I n converge. Exprimer I n+ en fonction de I n et en déduire la valeur de I n en fonction de n: Retrouver alors l espérance puis la variance d une loi exponentielle. Cours Variables á densité Page 4/ 8
5 Simulation : On montre ue si X,! U [;] alors Y = ln (X),! " () (comment le faire?) writeln( paramètre? );readln(alpha); randomize; (une seule fois au début)... x:=random;y:=-ln(x)/alpha; Théorème (Modèle) : Soit X variable à densité; alors X suit une loi exponentielle () X est sans mémoire et P (X ) = Exercice : Démontrer la partie directe. Réciproue : On montre ue P (X > h + t) = P (X > h) P (X > t) : On considère g (t) = P (X > t) : Pouruoi g est-elle continue sur R? Quel est son sens de variation? Que vaut g (t + h)? ) g () > : Que vaut g () si X,! " ()? Pour poser = ln [g ()] ; on montre d abord ue g () 6= : On montre d abord (par récurrence) ue g (n x) = g (x) n donc avec x = : g () = g n Et par l absurde : si g () = alors g n =! uand n! +: et par continuité g n! g () = : Soit alors = ln (g ()) : 2) g p avec p et entiers. Quelle devrait être alors la fonction ' (t) = g (t) exp (t) sur R +? a) pour les sommes : on a ' (+h) = ' (x) ' (h) pour tout x et h : b) Pour les produits par un entier p : par récurrence, 8p 2 N : ' (px) = ' (x) p c) Pour les uotients par un entier : avec x = y on a ' (y) = ' d) Pour les rationnels p on a alors ' p = ' () p= = y et ' y n n = ' (y) = 3) Pour les réels On approche les réels x par des rationnels u n : [nx] nx < [nx] + donc u n = [nx] x < u n n + et jx u n nj < n ' est continue sur R. Et comme u n! x alors = ' (u n )! ' (x) donc ' (x) = pour tout x 4) On revient à la fonction de répartition et à la densité : a) Pour tout x : g (x) = e x donc F (x) = P (X x) = e x pour x et comme la fonction de répartition est croissante, elle est nulle sur R : b) F est dérivable sur R donc une densité est F (x) = si x < et F (x) = e x si x c) Où l on reconnaît une loi exponentielle de paramètre : 5.3 Loi normale (de Laplace-Gauss) 5.3. Loi normale centrée réduite Modèle, théorème de la limite centrée (admis) : Quelue soit la loi L (discrète ou de densité) ayant une espérance et une variance ; si les variables aléatoires X i sont de même loi L et sont indépendantes alors la somme S n = P n i= X P i ou la moyenne M n = n n i= X i centrée réduite Sn (ui vaut?) converge en loi vers une loi normale centrée réduite (i.e. sa fonction de répartition tend vers ) Exercice 2 : Montrer ue S n = M n Exercice 3 : Montrer ue pour tout t : t t 2 et en déduire ue R + e t2dt converge. En déduire ue R e t2dt converge également Cours Variables á densité Page 5/ 8
6 Théorème (admis) : R + e t2 dt = p : Dé nition : X suit une loi normale centrée réduite N (; ) si sa densité est ' (t) = p 2 e t2 =2 : Densité paire et in exion en et en : Sa fonction de répartition est usuellement notée Exercice 4 : Montrer ue R + e t2 =2 dt = p 2: Exercice 5 : Montrer ue R x e t2 =2 dt = R x e t2 =2 dt et en déduire ue R ' (t) dt = 2 : Théorème : fonction de répartition La fonction de répartition d une loi normale centrée réduite véri e : - () = 2 - ( x) = (x) (symétrie de la courbe représentative par rapport au point de coordonnés ; 2 Exercice 6 : Soit X,! N (; ) : Calculer grâce à la table de la loi, P (X ) ; P (X ) ; P (X 2) ; P ( 2 X ) Théorème : Si X,! N (; ) alors X est centrée et réduite. (traduction?) Preuve : te t2 =2 = o (e t ) (le prouver) donc R + t' (t) dt converge (on peut aussi primitiver te t2 =2 ) Et par imparité R t' (t) dt = R + t' (t) dt (comment le prouver?) donc R + t' (t) dt = et Conclusion : X a une espérance E (X) =. On intègre par parties R M du contenu) et on trouve ue p 2 t 2 e t2 =2 dt avec u (t) = te t2 =2 (le t étant nécessaire comme dérivée R + t 2 ' (t) dt = R + ' (t) dt et par parité R t2 ' (t) dt = R + Donc X 2 a une espérance et E (X 2 ) = R + Conclusion : X a une variance V (X) = ' (t) dt = t 2 ' (t) dt: Simulation : On peut utiliser la limite centrée. Si X i,! U [;] on a E (X i ) = et V (X 2 i) = on a 2 S n = P n ui converge en loi vers N (; ) La valeurs de n pour avoir une bonne précision est discutable. Ici, avec n = : randomize; (une seule fois au début) n:=;... S:=; for i:= to n do S:=S+random; X:=(S-n/2)/srt(n/2); i= X i n 2 = p n 2 centrée réduite Loi normale Dé ntion : v = 2 et m 2 R: X suit une loi normale de paramètres v et m notée N (m; v) si X = X m suit une loi normale centrée réduite. h La densité de X est alors f (t) = p exp i t m 2 2 =2. La courbe représentative de la densité a un maximum en m et des points d in exion en m Théorème : X,! N (m; v) alors X a une espérance et une variance et E (X) = m et V (X) = v Cours Variables á densité Page 6/ 8
7 6 Interprétation. Pour les lois de min (ou inf) et max (ou sup) on procède par : (min > t) = ( tous > t) ui se formalise par? (max t) = ( tous 6 t) ui se formalise par? Pour une durées de fonctionnement X il faut interpréter : (ECRICOME 2) X t signi e ue la machine fonctionne (encore) à l instant t: X < t signi e u elle est en panne à l instant t: Le nombre de machine en panne à un instant donné suivra souvent une loi binomiale (revoir les conditions, l espérance et la variance) Pour la partie entière comme elle ne prend ue des valeurs entières, elle n est pas à densité. On n étudie plus la fonction de répartition mais directement la loi. On a [X] X < [X] + et ou encore ([X] = n) = (n X < n + ) 7 Approximation 7. Bienaymé & Tchebichev Théorème : si X (à densité) a une espérance m et une v variance alors P (jx mj ") v " 2 Preuve : on part de V (X) = E (X E (X)) 2 ue l on calcule par le théorème de transfert : V (X) = R + (t m)2 f (t) dt ue l on découpe suivant ue jt mj " ou pas (résolution?) V (X) = (t m) 2 f (t) dt + (t m) 2 f (t) dt + Z m+" m " Z + m+" (t m) 2 f (t) dt + (t m) 2 f (t) dt Z + m+" (t m) 2 f (t) dt Là où(t m) 2 " 2 on a : (t m) 2 f (t) dt " 2 f (t) dt = " 2 f (t) dt et on reconnaît dans cette dernière intégrale P (X m ") et de même R + (t m+" m)2 f (t) dt " 2 P (X m + ") Et en remettant tout bout à bout V (X) " 2 [P (X m + ") + P (X m ")]) " 2 P (jx mj ") Cours Variables á densité Page 7/ 8
8 Utilisation : Ce théorème resservira dans l estimation par intervalle de con ance sous la forme P (jx mj ") v " Valeur approchée Loi normale : Si les X i sont indépendantes et de même loi ayant une espérance et une variance alors une valeur approchée de la fonction de répartition de la somme (ou de la moyenne) centrée réduite est donnée par : Cas particulier : Une loi binomiale B (n; p) est somme de lois de Bernouilli B (p) indépendantes. Donc une valeur approchée de B (n; p) est donnée par N (np; np) avec = p Loi de Poisson : Une valeur approchée de B (n; p) est donnée par P (np) Loi binomiale : Une valeur approchée de H (N; n; p) est donnée par B (n; p) Morale : H (N; n; p) ' B (n; p) ' N (np; np) Cours Variables á densité Page 8/ 8
Chapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailExercice 3 (5 points) A(x) = 1-e -0039' -0 156e- 0,039x A '() -'-,..--,-,--,------:-- X = (l_e-0,039x)2
Les parties A et B sont indépendantes. Partie A Exercice 3 (5 points) Commun à tous les candidats On considère la fonction A définie sur l'intervalle [1 ; + 00 [ par A(x) = 1-e -0039' ' x 1. Calculer la
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
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 détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailCorrigé des TD 1 à 5
Corrigé des TD 1 à 5 1 Premier Contact 1.1 Somme des n premiers entiers 1 (* Somme des n premiers entiers *) 2 program somme_entiers; n, i, somme: integer; 8 (* saisie du nombre n *) write( Saisissez un
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détail1.1.1 Signaux à variation temporelle continue-discrète
Chapitre Base des Signaux. Classi cation des signaux.. Signaux à variation temporelle continue-discrète Les signaux à variation temporelle continue sont des fonctions d une ou plusieurs variables continues
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailExo7. Limites de fonctions. 1 Théorie. 2 Calculs
Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
Plus en détailChap 4. La fonction exponentielle Terminale S. Lemme : Si est une fonction dérivable sur R telle que : = et 0! = 1 alors ne s annule pas sur R.
Lemme : Si est une fonction dérivable sur R telle que : = et 0! = 1 alors ne s annule pas sur R. Démonstration : Soit la fonction %:& %&!= &!, elle est dérivable sur R et & R, %. &!= &! = &! = %&! gaelle.buffet@ac-montpellier.fr
Plus en détailModélisation des risques
2 Modélisation des risques 2. Introduction L objectif de ce chapitre est de présenter les modèles de base utilisés pour décrire le comportement aléatoire d un risque en actuariat pour une période xe. Les
Plus en détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailBTS 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 détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailCouples de variables aléatoires discrètes
Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
Plus en détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailBACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
Plus en détailÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE
ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers
Plus en détailLes mathématiques de la finance Université d été de Sourdun Olivier Bardou olivier.bardou@gdfsuez.com 28 août 2012 De quoi allons nous parler? des principales hypothèses de modélisation des marchés, des
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailDérivation : Résumé de cours et méthodes
Dérivation : Résumé de cours et métodes Nombre dérivé - Fonction dérivée : DÉFINITION (a + ) (a) Etant donné est une onction déinie sur un intervalle I contenant le réel a, est dérivable en a si tend vers
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
Plus en détailNombre dérivé et tangente
Nombre dérivé et tangente I) Interprétation graphique 1) Taux de variation d une fonction en un point. Soit une fonction définie sur un intervalle I contenant le nombre réel a, soit (C) sa courbe représentative
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
Plus en détailCondition de stabilité d'un réseau de les d'attente à deux stations et N classes de clients 1
General Mathematics Vol. 18, No. 4 (2010), 85108 Condition de stabilité d'un réseau de les d'attente à deux stations et N classes de clients 1 Faiza Belarbi, Amina Angelika Bouchentouf Résumé Nous étudions
Plus en détailCorrigé du baccalauréat S Pondichéry 13 avril 2011
Corrigé du baccalauréat S Pondichéry avril EXERCICE Commun à tous ls candidats Parti I points. L ax ds ordonnés st asymptot à C au voisinag d ; la fonction étant décroissant sur ] ; + [, la limit quand
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détail