III - Fonctions de densité de probabilité fondamentales. 30/10/2007 PHYS-F-301 G. Wilquet 1
|
|
- Xavier St-Arnaud
- il y a 7 ans
- Total affichages :
Transcription
1 III - Fonctons de densté de probablté fondamentales 30/0/007 PHYS-F-30 G. Wlquet
2 Un grand nombre de varables aléatores décrvant des processus relatfs à tous les domanes de l observaton expérmentale sont dstrbuées exactement ou approxmatvement suvant des fonctons de densté de probablté (ou des convolutons de fdp) aux proprétés mathématques smples assocées à tros types de processus défns par des règles très générales: les processus de Bernoull : dstrbutons bnomale et multnomale,... les processus de Posson : dstrbutons de Posson, exponentelle,... les processus de Gauss: dstrbuton gaussenne ou normale. Jakob Bernoull Sméon Dens Posson Carl Fredrch Gauss Chaptre III
3 Processus de Bernoull pour des varables aléatores dscrètes à valeurs entères postves ou nulles Dstrbuton multnomale Un processus a k résultats possbles A,A,,A k. Chaque résultat A a une probablté p de se réalser. Les A représentent l ensemble des résultats possbles Probablté d'observer r = r,r,...r résultats de type A, A..A. k k = k, k p = ( r p, n) sur un ensemble de n = r essas étant donné p : f = = = nombre de combnasons réalsant la confguraton k = n! r! k p r r n! rj Moyenne μ = E r = p = np [ ] n k k r = 0 j= r! j j= ( r μ ) np ( p) Var = = ance σ E Varables corrélées; correlaton négatve: r n r n p p probablté de réalser la confguraton k j k= σ j = j ρj = = j Chaptre III 3 p p ( p )( p )
4 Dstrbuton bnomale Cas partculer où k= : r = r p = p succès r = n-r p = -p échec Probablté d'observer r succès et n r échecs sur n essas f ( r ) = n! ( ) ( ) r p,n p p r! n r! n r f(r) n=0 p=0. p=0.5 p=0.8 [ ] Moyenne μ = E r = np ( r μ ) Varance σ = E = np( p) ( ) Relaton lnéare entre les varables: r + n r = n ρ =- σ = n p( p ) r Chaptre III 4
5 Dstrbuton bnomale négatve Probablté d un r eme succès précsément au n eme essas ( ) ( ) ( ) ( n )! ( ) ( ) ( ) r P n r,p = P r n,p P,p = p p p r! n r! n r n! r P(n r, p ) = p p r! ( )!( n r) E[ n] r / p Moyenne μ = = ( ) ( μ) ( ) Varance σ = E n = r p n r Dstrbuton géométrque Cas partculer où r= n ( p) E[ n ] P(n p) = p Moyenne μ = = / p ( n μ) ( ) Varance σ = E = p / p / p Chaptre III 5
6 Exemples de dstrbutons bnomales et multnomales L effcacté quantque (QE) de la photocathode d un photo-senseur exposé à un flux de photons est la probablté d émsson d un électron par effet photoélectrque par photon ncdent. A λ = 500 nm (E γ =hc/λ), QE = 0%. Probablté d émsson de 5 photo-électrons pour un sgnal ncdent de 50 photons? 50! f(., )... 5! 35! = 0 08 = 003 Le méson K + a 6 modes de désntégraton prncpaux: La probablté d observer r, r 6 événements dans chacun des 6 modes pour un total de n événements a la forme multnomale f (r p,n) La probablté d observer r événements du type pour un total de n événements a la forme bnomale f (r p,n) + + K μν p = K μνπ μ p = K e νπ e p 3 = K π π p 4 = K π π π p 5 = K π π π p 6 =. Chaptre III 6 μ
7 Processus de Posson pour des varables aléatores dscrètes à valeurs entères postves ou nulles Un processus est dt Possonen s: le nombre de succès sur un ntervalle (de temps, d'espace,...) Δ x pett est 0 ou [ x,x Δ x] ([ + Δ ]) = Δ [ + Δ ] = Δ la probablté de succès sur l'ntervalle + est - proportonnelle à - ndépendante de x Δ x : P x,x x x ( ) P x,x x x 0 La constante de proportonnalté est l'ntervalle moyen entre deux succès et est la densté de succès par unté d'ntervalle. Chaptre III 7
8 Δ x P ( ) ( ) Démonstraton de la fdp de la dstrbuton de Posson 0 Δx = P Δx = P0 ( x+ Δx) = P0 ( x) P0 ( Δx est l'ntervalle moyen entre deux succès ) est le nombre moyen de succès par unté d'ntervalle Δ x P0 ( x) P0 ( x) x est un ntervalle exprmé dans les untés de x P0 ( x+ Δ x) P0 ( x) μ = est un nombre réel sans dmenson, c'est le nombre = P0 ( x) Δx moyen de succès sur l'ntervalle x dp0 ( x) = P ( x) x 0 dx P0 ( x) = e P( 0 0) = P x x P x P x P x P x ( + Δ ) = ( ) ( Δ ) + ( ) ( Δ ) r r r 0 Δx Δx = Pr ( x) + Pr ( x) Pr ( x+ Δ x) Pr ( x) = ( Pr ( x) Pr ( x) ) Δx dpr ( x) r = ( Pr ( x) Pr ( x) ) dx x Pr ( x) = e x r! P0 ( x) = e r μ x P(x) r = f(r μ) = μ e avec μ = r! x Chaptre III 8
9 Dstrbuton de Posson comme cas lmte de la dstrbuton bnomale Cas lmte de la bnomale quand : n grand nombre d'essas p 0 pette probablté de succès np μ nombre moyen de succès fn Probablté d'avor r (enter) succès étant donné le nombre moyen μ (réel) de succès f ( r μ ) r! r μ = μ e s'obtent à partr de la fdp bnomale et de la relaton lm Moyenne μ f(r) Varance σ = lm np p = np = μ p 0 ( ) Bnomale: 0 r n Posson: 0 r ( lm n ) f ( r μ ) mas 0 n n π n n! = n n e Posson μ = 4.8 Bnomale n = 40 p = 0. np = 4.8 Chaptre III 9 r
10 Exemples de dstrbutons de Posson -Emsson de photons par onsaton d un plastque scntllant C est n phénomène possonnen : la probablté qu un photon sot éms sur une dstance Δl est proportonnelle à Δl et ndépendante de la dstance l parcourue par la partcule onsante depus l émsson précédente d un photon. -La secton effcace d'émsson de photons de scntllaton par une partcule au mnmum 0 d'onsaton est d'envron 7 0 cm ( p 0 ) La densté de centre dffuseurs (électrons) est de 3 N Aρ Z cm A ( n ) - Le nombre moyen de photons éms est 7 0 cm 3 0 cm cm (np μ fn ) Probablté d'emsson de 5 photons par une couche de 0 μm de polyvnyltoluène: μ = / 000 = 0 P( ) = e. 5! Chaptre III 0
11 -Désntégraton de noyaux radoactfs C est n phénomène possonnen : la probablté qu à un noyau radoactf de se désntégrer pendant un laps de temps Δt est proportonnel à Δt et ndépendant du temps écoulé depus sa créaton -Ve moyenne de U est de ans taux de désntégraton 0 Hz ( p 0 ) 5 - Nombre de noyaux dans une source de μ g 0 (n ) - Taux moyen de désntégarton dans la source: 0 0 (np μ fn ) s 5-4 Hz 0Hz - Probablté d'observer 5 désntégratons en s : 5 0 P( 5 0 ) = 0 e ! Chaptre III
12 3-Contenu d un hstogramme n(x) Sot: - n événements reparts dans k classes - n événements dans la classe défne par X x < X - n= + k = n - p probablté pour que X x < X + S le nombre de classes k est grand de sorte que p =,k x x + x Chaptre III n ( μ ) La fdp bnomale de n peut être approxmée par une fdp de Posson f n avec μ = np Le contenu n de chaque bote fluctue ndépendamment : n n k = = μ = np ( ) ( ) ( p ) Les varatons sur n sont surestmée par l'approxmaton : σ Posson = σ bnomale ( ) = σ ( ) p 0 σ ( ) La fdp des n est une multnomale f n n, p avec μ = np =,k Lm Posson bnomale ( p ) = np La forme multnomale assure la conservaton du nombre total d'événements: tout événement appartent à une et une seule classe. σ ( ) Pour une classe partculère, la fdp de n est une bnomale f n n, p de même μ et σ σ
13 Dstrbuton exponentelle [ x,x dx] Probablté d'un premer succès sur l'ntervalle + lors d'un processus possonen. Sot la dstance moyenne entre deux succès. x x dx x P 0( [ 0,x] ) P( [ x,x+ dx] ) = e = e dx 0! 0 Moyenne μ = Varance σ = x f ( x ) = e Lo de décrossance exponentelle de toute populaton par processus possonnen Probablté pour que la valeur de x où a leu le premer succès sot : y x x0 e dy = e x 0 x 0 x 0 f(x) e x x < x0 = e Dstrbuton du nombre d'événements r parm un total de n tels que x x 0 : x0 fdp bnomale f r n,p = e Chaptre III 3 x
14 Relaton entre dstrbutons exponentelle et de Posson Longueur d nteracton d une partcule dans un mleu de longueur moyenne d nteracton λ Fasceau de protons de très haute énerge l l l l l l l l l m Fe n n n3 n4 n5 σ λ elast pfe el cm pour E 50GeV AFe = 0.9 m: moyenne de la dstrbuton exponentelle des elast σ N ρ pfe A Fe m μel =.:moyenne de la dstrbuton posonnènne des n 0.9m l Chaptre III 4
15 μ =. par el m λ = el 0.9m nel par m lel ( m) f el n. ( n μ. ). e el el = = ( ) 09 n! el f l λ = 09. m = e el el 09. l el. Chaptre III 5
16 Dstrbuton d Erlang Généralsaton de la dstrbuton exponentelle [ + ] eme Probablté d'un succès sur l'ntervalle lors d'un processus possonen. k x,x dx Sot la dstance moyenne entre deux succès f ( x k, ) = x! ( k ) k e x μ = k σ = k Dstrbuton gamma Généralsaton de la dstrbuton d'erlang. k enter α réel ( k- )! Γ ( α) Chaptre III 6
17 Convoluton de dstrbutons bnomales et possonennes Somme de varables dstrbuées suvant des fdp possonennes Sot r et r deux varables dstrbuées suvant des fdp de Posson de moyenne μ et μ.. La varable r + r est dstrbuée suvant une fdp de Posson de moyenne μ + μ Produt de varables dstrbuées suvant des fdp possonenne et bnomale Sot r une varable dstrbuée suvant une bnomale de moyenne np (n essas, probablté p de succès). Sot n, le nombre d essas, dstrbué suvant une dstrbuton de Posson de moyenne μ. Le nombre de succès r est dstrbué suvant une fdp de Posson de moyenne pμ. Chaptre III 7
18 Exemple de convoluton: effcacté d un compteur à détecter une partcule onsante Le nombre moyen de photons éms par une couche de 0. mm de plastque scntllant traversé par une partcule chargée au mnmum d'onsaton est de μ = 00. γ Le sgnal photonque dot traverser m de scntllateur de longueur d'absorpton λ=0.5 m pour attendre la photocathode d'un photo-senseur. x 05 p e. 05 La fracton de photons attegnant le photo-senseur est donc dx e. λ = = = et leur nombre est dstrbué suvant une fdp de Posson de moyenne p μ = = 8 λ γ L'effcacté quantque (nombre d'électron éms par photon ncdent) de la photocathode du photo-senseur est p = 0. QE Le nombre d'électrons éms par la photocathode est dstrbué suvant une fdp de Posson de moyenne p p μ = = 56.. QE λ γ L'effcacté ε du détecteur à détecter des partcules onsantes est la probablté qu'un sgnal d'au mons un photo-électron sot ems par la photocathode: 56. ε = -P( ) = e = = Chaptre III 8
19 Processus de Gauss pour des varables aléatores contnues La dstrbuton normale ou gaussenne fondamentale en statstque comme cas lmte des grands échantllons ben que pratquement aucun processus naturel ne sot strctement gaussen. Bonne approxmaton des dstrbutons symétrques «en cloche». La dstrbuton de Posson (et donc la dstrbuton bnomale) tend vers une dstrbuton normale à la lmte des grands échantllons. Théorème central lmte: La moyenne d un échantllon est dstrbuée normalement à la lmte des grands échantllons. De même pour la somme de varables aléatores ndépendantes: erreur statstque sur des mesures complexes résultant de mesures élémentares ndépendantes. Les statstques (moyenne, varance) des échantllons suvent des dstrbutons (ch-carré, Student, Fsher) construtes à partr de la dstrbuton normale. Ces dstrbutons tendent vers la dstrbuton normale à la lmte des grands échantllons. Chaptre III 9
20 Dstrbuton normale ou gaussenne f (y) Foncton de densté de probablté ( x μ ) f(x μσ, ) = e σ = N( μσ, ) πσ Varable standardsée: centrée sur μ et normalsée à σ x μ y = μy = 0 et σ y = σ x = σ y+ μ 0 y f(y, ) = e = N( 0, ) π μ+ nσ ( μ σ μ σ) ( μ σ ) P n x + n = f x, dx μ nσ ( μ σ μ σ ) ( μ σ μ σ ) = F + n, = F n, n P(μ n σ < x < μ+ n σ) F( y) P= P= Chaptre III 0 y = y = x μ σ x μ σ
21 Dstrbuton normale comme cas lmte de la dstrbuton de Posson r μ lmμ μ e = e r! πμ ( r μ ) μ f Posson (μ=0) N(μ=0,σ =0) Exemple: contenu d un hstogramme S le nombre d événements n est grand et toutes les probabltés p par classe sont pettes (le nombre de botes est grand) : La dstrbuton bnomale f(n n,p ) du contenu de chaque classe peut être approxmé par une dstrbuton de Posson f(n np ) r S le nombre d événements n dans chaque bote est grand: La dstrbuton de Posson f(n np ) du contenu de chaque bote peut être approxmé par une dstrbuton normale N(n np, np ) Chaptre III
22 Dstrbuton bnormale et multnormale de varables ndépendantes f ( x,x) = e π σ σ ( ) Dstrbutons bnormale et multnormale ( π) ( x μ ) ( x μ ) + σ σ ( x μ ) n = σ f x e x x,..., x = = n n σ = ( ) n Dstrbuton bnormale de varables corrélées f ( x,x) = e ρ π σ σ ( x μ ) ( x μ ) ( x μ )( x μ ) + ρ ( ρ ) σ σ σ σ Chaptre III
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 détailII - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1
II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d
Plus en détailChapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique
Spécale PSI - Cours "Electromagnétsme" 1 Inducton électromagnétque Chaptre IV : Inductance propre, nductance mutuelle. Energe électromagnétque Objectfs: Coecents d nductance propre L et mutuelle M Blan
Plus en détailGénéralités sur les fonctions 1ES
Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :
Plus en détailGENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)
GENESS - Generalzed System for mputaton Smulatons (Système généralsé pour smuler l mputaton) GENESS est un système qu permet d exécuter des smulatons en présence d mputaton. L utlsateur fournt un ensemble
Plus en détailÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.
ÉLÉMETS DE THÉORIE DE L IFORMATIO POUR LES COMMUICATIOS. L a théore de l nformaton est une dscplne qu s appue non seulement sur les (télé-) communcatons, mas auss sur l nformatque, la statstque, la physque
Plus en détailTransformations nucléaires
Transformations nucléaires Stabilité et instabilité des noyaux : Le noyau d un atome associé à un élément est représenté par le symbole A : nombre de masse = nombre de nucléons (protons + neutrons) Z :
Plus en détailExercices d Électrocinétique
ercces d Électrocnétque Intensté et densté de courant -1.1 Vtesse des porteurs de charges : On dssout une masse m = 20g de chlorure de sodum NaCl dans un bac électrolytque de longueur l = 20cm et de secton
Plus en détailÉconométrie. Annexes : exercices et corrigés. 5 e édition. William Greene New York University
Économétre 5 e édton Annexes : exercces et corrgés Wllam Greene New York Unversty Édton françase drgée par Dder Schlacther, IEP Pars, unversté Pars II Traducton : Stéphane Monjon, unversté Pars I Panthéon-Sorbonne
Plus en détailSTATISTIQUE AVEC EXCEL
STATISTIQUE AVEC EXCEL Excel offre d nnombrables possbltés de recuellr des données statstques, de les classer, de les analyser et de les représenter graphquement. Ce sont prncpalement les tros éléments
Plus en détailRemboursement d un emprunt par annuités constantes
Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)
Plus en détailGrandeur physique, chiffres significatifs
Grandeur physque, chffres sgnfcatfs I) Donner le résultat d une mesure en correspondance avec l nstrument utlsé : S avec un nstrument, ren n est ndqué sur l ncerttude absolue X d une mesure X, on consdère
Plus en détailPlan. 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 détail1 Introduction. 2 Définitions des sources de tension et de courant : Cours. Date : A2 Analyser le système Conversion statique de l énergie. 2 h.
A2 Analyser le système Converson statque de l énerge Date : Nom : Cours 2 h 1 Introducton Un ConVertsseur Statque d énerge (CVS) est un montage utlsant des nterrupteurs à semconducteurs permettant par
Plus en détailDES EFFETS PERVERS DU MORCELLEMENT DES STOCKS
DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS Le cabnet Enetek nous démontre les mpacts négatfs de la multplcaton des stocks qu au leu d amélorer le taux de servce en se rapprochant du clent, le dégradent
Plus en détailTD 1. Statistiques à une variable.
Danel Abécasss. Année unverstare 2010/2011 Prépa-L1 TD de bostatstques. Exercce 1. On consdère la sére suvante : TD 1. Statstques à une varable. 1. Calculer la moyenne et l écart type. 2. Calculer la médane
Plus en détailI. Présentation générale des méthodes d estimation des projets de type «unité industrielle»
Evaluaton des projets et estmaton des coûts Le budget d un projet est un élément mportant dans l étude d un projet pusque les résultats économques auront un mpact sur la réalsaton ou non et sur la concepton
Plus en détailThermodynamique statistique Master Chimie Université d Aix-Marseille. Bogdan Kuchta
hermodynamque statstque Master Chme Unversté d Ax-Marselle Bogdan Kuchta Plan: Rappel: thermodynamque phénoménologque (dscuter l entrope, l évoluton de gaz parfat,) Premer prncpe Deuxème prncpe (transformaton
Plus en détailChapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3.
Chaptre 3 : Incerttudes CHAPITRE 3 INCERTITUDES Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.1 Volume 1 : Orentatons générales et établssement des rapports Auteurs
Plus en détailCOMPARAISON DE MÉTHODES POUR LA CORRECTION
COMPARAISON DE MÉTHODES POUR LA CORRECTION DE LA NON-RÉPONSE TOTALE : MÉTHODE DES SCORES ET SEGMENTATION Émle Dequdt, Benoît Busson 2 & Ncolas Sgler 3 Insee, Drecton régonale des Pays de la Lore, Servce
Plus en détailPage 5 TABLE DES MATIÈRES
Page 5 TABLE DES MATIÈRES CHAPITRE I LES POURCENTAGES 1. LES OBJECTIFS 12 2. LES DÉFINITIONS 14 1. La varaton absolue d'une grandeur 2. La varaton moyenne d'une grandeur (par unté de temps) 3. Le coeffcent
Plus en détailUNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS
BRUSSELS ECONOMIC REVIEW - CAHIERS ECONOMIQUES DE BRUXELLES VOL. 49 - N 2 SUMMER 2006 UNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS DANS LE SECTEUR DE L ASSURANCE AUTOMOBILE* MARÍA DEL CARMEN MELGAR**
Plus en détailQ x2 = 1 2. est dans l ensemble plus grand des rationnels Q. Continuons ainsi, l équation x 2 = 1 2
Exo7 Nombres complexes Vdéo parte. Les nombres complexes, défntons et opératons Vdéo parte. Racnes carrées, équaton du second degré Vdéo parte 3. Argument et trgonométre Vdéo parte 4. Nombres complexes
Plus en détailLa Quantification du Risque Opérationnel des Institutions Bancaires
HEC Montréal Afflée à l Unversté de Montréal La Quantfcaton du Rsque Opératonnel des Insttutons Bancares par Hela Dahen Département Fnance Thèse présentée à la Faculté des études supéreures en vue d obtenton
Plus en détailMÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES
MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES Émle Garca, Maron Le Cam et Therry Rocher MENESR-DEPP, bureau de l évaluaton des élèves Cet artcle porte sur les méthodes de
Plus en détailFiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage
Fche n 7 : Vérfcaton du débt et de la vtesse par la méthode de traçage 1. PRINCIPE La méthode de traçage permet de calculer le débt d un écoulement ndépendamment des mesurages de hauteur et de vtesse.
Plus en détailCHAPITRE DEUX : FORMALISME GEOMETRIQUE
CHPITRE DEUX FORMLISME GEOMETRIQUE. CHPITRE DEUX : FORMLISME GEOMETRIQUE verson.3, -8 I. GEOMETRIE DNS L ESPCE-TEMPS ) Prncpe de relatvté Le prncpe de relatvté peut s exprmer ans : toutes les los physques
Plus en détailCorrigé du problème de Mathématiques générales 2010. - Partie I - 0 0 0. 0.
Corrgé du problème de Mathématques générales 2010 - Parte I - 1(a. Sot X S A. La matrce A est un polynôme en X donc commute avec X. 1(b. On a : 0 = m A (A = m A (X n ; le polynôme m A (x n est annulateur
Plus en détailBUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES
BUREAU DAPPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES BAMSI REPRINT 04/2003 Introducton à l analyse des données Samuel AMBAPOUR BAMSSI I BAMSI B.P. 13734 Brazzavlle BAMSI REPRINT 04/2003 Introducton
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailLes jeunes économistes
Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque
Plus en détailLA SURVIE DES ENTREPRISES DÉPEND-ELLE DU TERRITOIRE D'IMPLANTATION?
LA SURVIE DES ENTREPRISES DÉPEND-ELLE DU TERRITOIRE D'IMPLANTATION? Anne PERRAUD (CRÉDOC) Phlppe MOATI (CRÉDOC Unversté Pars) Nadège COUVERT (ENSAE) INTRODUCTION Au cours des dernères années, de nombreux
Plus en détailMontage émetteur commun
tour au menu ontage émetteur commun Polarsaton d un transstor. ôle de la polarsaton La polarsaton a pour rôle de placer le pont de fonctonnement du transstor dans une zone où ses caractérstques sont lnéares.
Plus en détailCHAPITRE 14 : RAISONNEMENT DES SYSTÈMES DE COMMANDE
HAITRE 4 : RAISONNEMENT DES SYSTÈMES DE OMMANDE RAISONNEMENT DES SYSTÈMES DE OMMANDE... 2 INTRODUTION... 22 RAELS... 22 alcul de la valeur ntale de la répone à un échelon... 22 alcul du gan tatque... 22
Plus en détailAssurance 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 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 détailPREMIERS PAS en REGRESSION LINEAIRE avec SAS. Josiane Confais (UPMC-ISUP) - Monique Le Guen (CNRS-CES-MATISSE- UMR8174)
PREMIERS PAS en REGRESSION LINEAIRE avec SAS Josane Confas (UPMC-ISUP) - Monque Le Guen (CNRS-CES-MATISSE- UMR874) e-mal : confas@ccr.jusseu.fr e-mal : monque.leguen@unv-pars.fr Résumé Ce tutorel accessble
Plus en détailPratique de la statistique avec SPSS
Pratque de la statstque avec SPSS SUPPORT Transparents ultéreurement amélorés et ms à jour sur le ste du SMCS LIENS UTILES Ste du SMCS (Support en Méthodologe et Calcul Statstque) : http://www.stat.ucl.ac.be/smcs/
Plus en détailRéseau RRFR pour la surveillance dynamique : application en e-maintenance.
Réseau RRFR pour la survellance dynamue : applcaton en e-mantenance. RYAD ZEMOURI, DANIEL RACOCEANU, NOUREDDINE ZERHOUNI Laboratore Unverstare de Recherche en Producton Automatsée (LURPA) 6, avenue du
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 1 : Distribution statistique à une dimension
Chatre1 : Dstrbuton Statstque à une dmenson I.H.E.T de Sd Dhr CHAPITRE 1 : Dstrbuton statstque à une dmenson Secton 1 : Vocabulare élémentare de la statstque descrtve 1. Poulaton et ndvdu Dénton On aelle
Plus en détailTHESE. Khalid LEKOUCH
N d ordre : /2012 THESE Présentée à la FACULTE DES SCIENCES D AGADIR En vue de l obtenton du GRADE DE DOCTEUR EN PHYSIQUE (Spécalté : Energétque, Thermque et Métrologe) Par Khald LEKOUCH MODELISATION ET
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailREPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE. MEMOIRE Présentée à
REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE MEMOIRE Présentée à L Unversté de Batna Faculté des Scences Département de Physque
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 détailDynamique du point matériel
Chaptre III Dynaqe d pont atérel I Généraltés La cnéatqe a por objet l étde des oveents des corps en foncton d teps, sans tenr copte des cases q les provoqent La dynaqe est la scence q étde (o déterne)
Plus en détailCorrections adiabatiques et nonadiabatiques dans les systèmes diatomiques par calculs ab-initio
Correctons adabatques et nonadabatques dans les systèmes datomques par calculs ab-nto Compte rendu du traval réalsé dans le cadre d un stage de quatre mos au sen du Groupe de Spectroscope Moléculare et
Plus en détailSemestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR
Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets
Plus en 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 détailRAPPORT DE STAGE. Approcher la frontière d'une sous-partie de l'espace ainsi que la distance à cette frontière. Sujet : Master II : SIAD
UFR SCIENCES ET TECHNOLOGIES DEPARTEMENT DE MATHEMATIQUES ET INFORMATIQUE 63 177 AUBIERE CEDEX Année 2008-2009 Master II : SIAD RAPPORT DE STAGE Sujet : Approcher la frontère d'une sous-parte de l'espace
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 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 détail1.0 Probabilité vs statistique...1. 1.1 Expérience aléatoire et espace échantillonnal...1. 1.2 Événement...2
- robabltés - haptre : Introducton à la théore des probabltés.0 robablté vs statstque.... Expérence aléatore et espace échantllonnal.... Événement.... xomes défnton de probablté..... Quelques théorèmes
Plus en détailAVERTISSEMENT. Contact SCD INPL: mailto:scdinpl@inpl-nancy.fr LIENS
AVERTISSEMENT Ce document est le frut d un long traval approuvé par le jury de soutenance et ms à dsposton de l ensemble de la communauté unverstare élarge. Il est soums à la proprété ntellectuelle de
Plus en détailSYSTEME FERME EN REACTION CHIMIQUE
SYSTEME FERME EN REACTION CHIMIQUE I. DESCRIPTION D UN SYSTEME. Les dfférets types de système (ouvert, fermé, solé U système S est formé d u esemble de corps séparés du reste de l uvers (appelé mleu extéreur
Plus en détailCONSERVATOIRE NATIONAL DES ARTS ET METIERS
ONSEVAOIE NAIONAL DES AS E MEIES ELEONIQUE ANALOGIQUE PH / ELE 4 / DU GEII ere année ------------------------- ------------------------- Dder LE UYE / Perre POVEN Janer ABLE DES MAIEES APPELS D ELEOINEIQUE...5.
Plus en détailL enseignement virtuel dans une économie émergente : perception des étudiants et perspectives d avenir
L ensegnement vrtuel dans une économe émergente : percepton des étudants et perspectves d avenr Hatem Dellag Laboratore d Econome et de Fnances applquées Faculté des scences économques et de geston de
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailLE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régime») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF
1 LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régme») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF AVIS AUX RETRAITÉS ET AUX PARTICIPANTS AVEC DROITS ACQUIS DIFFÉRÉS Expédteurs
Plus en détailLes déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises
Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune Marc Bourreau Abel Franços Jun 2006 Département Scences Economques et
Plus en détailSurveillance temps-réel des systèmes Homme-Machine. Application à l assistance à la conduite automobile
Survellance temps-réel des systèmes Homme-Machne. Applcaton à l assstance à la condute automoble Mguel Gonzalez-Mendoza To cte ths verson: Mguel Gonzalez-Mendoza. Survellance temps-réel des systèmes Homme-Machne.
Plus en détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détailIntegral T 3 Compact. raccordé aux installations Integral 5. Notice d utilisation
Integral T 3 Compact raccordé aux nstallatons Integral 5 Notce d utlsaton Remarques mportantes Remarques mportantes A quelle nstallaton pouvez-vous connecter votre téléphone Ce téléphone est conçu unquement
Plus en détailMécanique des Milieux Continus
Mécanque des Mleux Contnus Golay Frédérc SEATECH MMC Golay MMC - - Ce cours de mécanque des mleux contnus est à la base de l ensegnement de mécanque à SEATECH. Les notons abordées c, transport de champs,
Plus en détailCalculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.
1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle
Plus en détailInteractions des rayonnements avec la matière
UE3-1 : Biophysique Chapitre 2 : Interactions des rayonnements avec la matière Professeur Jean-Philippe VUILLEZ Année universitaire 2011/2012 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailContrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations
Contrats prévoyance des TNS : Clarfer les règles pour sécurser les prestatons Résumé de notre proposton : A - Amélorer l nformaton des souscrpteurs B Prévor plus de souplesse dans l apprécaton des revenus
Plus en détailLa théorie classique de l information. 1 ère partie : le point de vue de Kolmogorov.
La théore classque de l nformaton. ère parte : le pont de vue de Kolmogorov. La sute de caractères comme outl de descrpton des systèmes. La scence peut être vue comme l art de compresser les données quelles
Plus en détailINTRODUCTION. Jean-Pierre MAGNAN Chef de la section des ouvrages en terre Département des sols et fondations Laboratoire central
Etude numérque de la consoldaton undmensonnelle en tenant compte des varatons de la perméablté et de la compressblté du sol, du fluage et de la non-saturaton Jean-Perre MAGNAN Chef de la secton des ouvrages
Plus en détailProfessionnel de santé équipé de Médiclick!
Professonnel de santé équpé de Médclck! Dosser Médcal Partagé en Aqutane Ce gude vous présente les prncpales fonctonnaltés réservées aux professonnels de santé membres du réseau AquDMP. Sommare Connexon
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 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 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 détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailCalculs des convertisseurs en l'electronique de Puissance
Calculs des conertsseurs en l'electronque de Pussance Projet : PROGRAMMAON ate : 14 arl Auteur : herry EQUEU. EQUEU 1, rue Jules Massenet 37 OURS el 47 5 93 64 herry EQUEU Jun [V37] Fcher : ESGN.OC Calculs
Plus en détailMEMOIRE. Présenté au département des sciences de la matière Faculté des sciences
REPUBLIQUE LERIEN DEMOCRTIQUE ET POPULIRE Mnstère de l ensegnement supéreur et de la recherche scentfque Unversté El-Hadj Lakhdar-BTN- MEMOIRE Présenté au département des scences de la matère Faculté des
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 détailsanté Les arrêts de travail des séniors en emploi
soldarté et DOSSIERS Les arrêts de traval des sénors en emplo N 2 2007 Les sénors en emplo se dstnguent-ls de leurs cadets en termes de recours aux arrêts de traval? Les sénors ne déclarent pas plus d
Plus en détailLes prix quotidiens de clôture des échanges de quotas EUA et de crédits CER sont fournis par ICE Futures Europe
Méthodologe CDC Clmat Recherche puble chaque mos, en collaboraton avec Clmpact Metnext, Tendances Carbone, le bulletn mensuel d nformaton sur le marché européen du carbone (EU ETS). L obectf de cette publcaton
Plus en détailMolécules et Liaison chimique
Molécules et liaison chimique Molécules et Liaison chimique La liaison dans La liaison dans Le point de vue classique: l approche l de deux atomes d hydrogd hydrogènes R -0,9-1 0 0,5 1 1,5,5 3 3,5 4 R
Plus en détailBTS GPN 2EME ANNEE-MATHEMATIQUES-MATHS FINANCIERES MATHEMATIQUES FINANCIERES
MATHEMATIQUES FINANCIERES I. Concepts généraux. Le référentel précse : Cette parte du module M4 «Acquérr des outls mathématques de base nécessares à l'analyse de données économques» est en relaton avec
Plus en détailStéganographie Adaptative par Oracle (ASO)
Stéganographe Adaptatve par Oracle ASO Sarra Kouder, Marc Chaumont, Wllam Puech To cte ths verson: Sarra Kouder, Marc Chaumont, Wllam Puech. Stéganographe Adaptatve par Oracle ASO. CORESA 12: COmpresson
Plus en détailMots-clés : Système multicapteurs, Réseau local, Réseaux de neurones, Supervision, Domotique. xigences système d'une nouvelle
Mots-clés : xgences système d'une nouvelle fonctonnalté dans l'habtat ndvduel : cas de la survellance Système multcapteurs, Réseau local, Réseaux de neurones, Supervson, Domotque. des personnes âgées et
Plus en détailLes déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises
Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune a, Marc Bourreau a,b et Abel Franços a,c a Télécom ParsTech, Département
Plus en détailComment fonctionne la FX
Que ont le rayon X? Comment fonctonne la FX Ad van Eenbergen Ingéneur Produt et Applcaton fluorecence X PANalytcal France S.A.S. mel Brévanne Radaton Electromagnétque ongueur d'onde de.1 nm à 1. nm Energe
Plus en détailCREATION DE VALEUR EN ASSURANCE NON VIE : COMMENT FRANCHIR UNE NOUVELLE ETAPE?
CREATION DE VALEUR EN ASSURANCE NON VIE : COMMENT FRANCHIR UNE NOUVELLE ETAPE? Boulanger Frédérc Avanssur, Groupe AXA 163-167, Avenue Georges Clémenceau 92742 Nanterre Cedex France Tel: +33 1 46 14 43
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailMODÈLE D ISING À UNE ET DEUX DIMENSIONS.
Chapter MODÈLE DISIG À UE ET DEUX DIMESIOS.. ITRODUCTIO. ous commençons, dans ce chaptre, létude dun problème de mécanque statstque de la matère condensée où leffet des nteractons est mportant. Le modèle
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailGEA I Mathématiques nancières Poly. de révision. Lionel Darondeau
GEA I Mathématques nancères Poly de révson Lonel Darondeau Intérêts smples et composés Voc la lste des exercces à révser, corrgés en cours : Exercce 2 Exercce 3 Exercce 5 Exercce 6 Exercce 7 Exercce 8
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailAPPROXIMATION PAR RÉSEAUX À FONCTIONS RADIALES DE BASE APPLICATION À LA DÉTERMINATION DU PRIX D ACHAT D UNE
APPROXIMATION PAR RÉSEAUX À FONCTIONS RADIALES DE BASE APPLICATION À LA DÉTERMINATION DU PRIX D ACHAT D UNE OPTION. A. Lendasse, J. Lee 2, E. de Bodt 3, V. Wertz, M. Verleysen 2 Unversté catholque de Louvan,
Plus en détailGATE Groupe d Analyse et de Théorie Économique DOCUMENTS DE TRAVAIL - WORKING PAPERS W.P. 08-24. Préférences temporelles et recherche d emploi
GATE Groupe d Analyse et de Théore Économque UMR 5824 du CNRS DOCUMENTS DE TRAVAIL - WORKING PAPERS W.P. 08-24 Préférences temporelles et recherche d emplo «Applcatons économétrques sur le panel Européen
Plus en détailIDEI Report # 18. Transport. December 2010. Elasticités de la demande de transport ferroviaire: définitions et mesures
IDEI Report # 18 Transport December 2010 Elastctés de la demande de transport ferrovare: défntons et mesures Elastctés de la demande de transport ferrovare : Défntons et mesures Marc Ivald Toulouse School
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailESTIMATION DES TITRES VIRAUX : UNE PROGRAMMATION PRATIQUE ET FIABLE SUR CALCULATRICE DE POCHE, ET ACCESSIBLE PAR l INTERNET
ESTIMATIO DES TITRES VIRAUX : UE PROGRAMMATIO PRATIQUE ET FIABLE SUR CALCULATRICE DE POCHE, ET ACCESSIBLE PAR l ITERET Jocelyne Husson van Vlet et Ph. Roussel Insttut de la Santé Publque, Brussels, Belgum,
Plus en détailUniversité de Caen. Relativité générale. C. LONGUEMARE Applications version 2.0. 4 mars 2014
Université de Caen LMNO Relativité générale C. LONGUEMARE Applications version.0 4 mars 014 Plan 1. Rappels de dynamique classique La force de Coulomb Le principe de moindre action : lagrangien, hamiltonien
Plus en détailImpôt sur la fortune et investissement dans les PME Professeur Didier MAILLARD
Conservatore atonal des Arts et Méters Chare de BAQUE Document de recherche n 9 Impôt sur la fortune et nvestssement dans les PME Professeur Dder MAILLARD Avertssement ovembre 2007 La chare de Banque du
Plus en détailProjet de fin d études
Unversté Franços Rabelas Tours Ecole Polytechnque Unverstare de Tours Département Informatque Projet de fn d études Ordonnancement Juste à Temps avec geston des stocks Chopn Antone Mrault Arnaud 3ème année
Plus en détailAfflux de capitaux, taux de change réel et développement financier : évidence empirique pour les pays du Maghreb
Global Journal of Management and Busness Research Volume Issue Verson.0 November 20 Type: Double Blnd Peer Revewed Internatonal Research Journal Publsher: Global Journals Inc. (USA) Onlne ISSN: 2249-4588
Plus en détail