est la fréquence empirique des succès lors des 10 premières expériences.
|
|
- Pierre-Antoine Larocque
- il y a 7 ans
- Total affichages :
Transcription
1 Pierre Veuillez Statistiques iféretielle Sources, et pour e savoir plus : 1 Problématique : Exemple ue ure cotiet des boules rouges et blaches dot o e coaît pas la compositio. E 100 tirages o a obteu 30 Rouges et 70 Blaches. A combie peut-o estimer la proportio de boules rouges das l ure? Formalisatio X ue variable aléatoire liée à ue expériece aléatoire dot o e coaît que partiellemet la loi. (Ici, loi de Berouilli valat 1 si l o a R et 0 sio Typiquemet o coaît le type de la loi L mais pas so paramètre θ. O sait seulemet que ce paramètre pred ses valeurs das u esemble Θ R. (ici, le paramètre p qui est la proportio de boules Rouges La valeur x prise par X das ue expériece est appelée réalisatio de X. O cherche, via des réalisatios de X à estimer (trouver ue valeur approchée la valeur du paramètre θ de la loi de X -estimatio poctuelle- ou u itervalle das lequel il a ue certaie probabilité de se trouver -estimatio par itervalle de cofiace-. O pourra aussi faire ce travail pour d autres gradeurs (espérace, variace... liées à X Par exemple Pour u lacer de pièce truquée, das ue suite de lacers Pile/Face o a obteu Pile 8 Face, o peut estimer que la probabilité de Pile est la fréquece empirique /10 Fréquece empirique La fréquece empirique des succès est le ombre de succès sur le ombre d expérieces. O peut la défiir à partir de variables de Berouilli X i valat 1 pour succès et au ième lacer et 0 sio. i=1 F = X i 10 est la fréquece empirique des succès lors des 10 premières expérieces. Modélisatio Pour modéliser la répétitio de l expériece, o se doe ue liste (X 1,..., X de variables aléatoires idépedates et de même loi que X appelé -échatillo de variables aléatoires. Ue liste de valeurs (x 1,..., x prises par ces variables est appelé -échatillo de doées. Estimatio poctuelle U estimateur est ue variable aléatoire T foctio du du -échatillo de variables T = f (X 1,..., X ou plus exactemet ue suite de telles variables(t N La valeur f (x 1,..., x souvet otée ˆθ prise par l estimateur sur u -échatillo de doées est appelé estimatio de θ. (ou d autre gradeur.1 Qualités Biais Le biais de T comme estimateur de θ est b = E (T θ = E (T θ. C est l écart moye etre la valeur prise par T et la valeur à estimer θ. Quad le biais est ul, o dit l estimateur sas biais; il doe alors e moyee la boe valeur. Mais rie e l empêche de s e éloiger car les écarts par excès et par défaut peuvet se compeser.
2 Exemple Pour u lacer de pièce : X = 1 si Pile et = 0 si Face.X suit ue loi de Berouilli de paramètre p = P (Pile Et o se doe u -échatillo de variables de même loi que X : (X 1... X Soit T = X 1, o a E (T = E (X 1 = p l estimateur est sas biais mais les valeurs prises par T (0 ou 1 e s approcherot jamais de la valeur à estimer p. Risque quadratique. Le risque quadratique de T comme estimateur de θ est E ((T θ Ici, les écarts e plus et e mois se cumulet. (le carré est positif De plus, l écart de T avec θ état élevé au carré, les grad écarts pèserot ecore d avatage que das E ( T θ par exemple. C est lui que l o utilisera pour comparer deux estimateur. Plus le risque quadratique est petit, meilleur sera l estimateur. Théorème ( Le risque quadratique est : E (T θ = V (T + b avec b le biais de T comme estimateur de θ. Doc pour améliorer u estimateur,o peut dimiuer sot biais, ou sa variace. Exemple Das la suite de lacers Pile/Face, Soit T = X 1, a pour risque quadratique V (T + b = pq : quelque soit la taille de l échatillo, le risque quadratique restera le même. Soit T = i=1 X i Alors so biais est b = E la fréquece empirique. ( i=1 X i p = 1 p p = 0 doc T est sas biais égalemet. Pour calculer so risque quadratique, o cherche la variace de T : V ( T 1 ( = V Xi = 1 p q = p q Doc le risque quadratique de T est fois plus petit que celui de T. De plus, il dimiue avec la taille de l échatillo. Plus l échatillo est importat, plus petit sera le risque quadratique.. Estimatio de l espérace Pour ue variable X ayat ue espérace m et (X 1,..., X u -échatillo de variables, l espérace de X peut être estimée par la moyee empirique : X = Exercice : 1. Motrer que X est u estimateur sas biais de m.. O suppose de plus que X a ue variace Exemple i=1 X i Motrer qu alors le risque quadratique de X ted vers 0 quad ted vers + Pour estimer le paramètre d ue loi biomiale, d ue loi de Poisso ou d ue loi Normale N (m, ν : le paramètre est la moyee. O peut doc estimer ce paramètre par la moyee empirique avec u risque quadratique qui ted vers 0 quad ted vers l ifii.
3 .3 Règles de calculs E ( i=1 X i = i=1 E (X i et E (αx = αe (X si α est ue costate. E (X Y = E (X E (Y si X et Y sot idépedates. V ( i=1 X i = i=1 V (X i si les (X i ssot idépedates. V (αx + β = α V (X si α et β sot ue costate 3 Itervalle de cofiace. 3.1 Défiitio Soit X ue variable aléatoire de loi L (θ et (X 1... X u -échatillo de variables. Soiet U et V foctios de cet échatillo [U, V ] est u itervalle de cofiace de θ de au iveau de cofiace 1 α (ou de iveau de risque α si P (U θ V 1 α Très souvet, o predra u itervalle cetré autour d u estimateur de θ 3. Iégalité de Bieaymé-Tchebichev P ( X m ε V (X ε doc P ( X m < ε 1 V (X ε et P (X ε m X + ε 1 V (X ε 3.3 Covergece : théorème de la limite cetrée. Si (X 1... X est u -échatillo de variables idépedates idépedats et de même loi que X ayat ue espérace et ue variace alors la loi de la moyee empirique cetrée réduite, ou de la somme cetrée réduite coverge e loi vers N (0, 1 (peut être approchée par cette loi Ce qui se ramèe à dire que la loi de X peut être approchée par N ( m, ν (cf exercice Ou qu ue loi B (, p peut être approchée par N ( p, p q (coditio : 30 et p 15 et p q 5 das la littérature Exercice Détermier ue valeur approchée de la loi de la moyee empirique : E ( X = E (X, V ( X = 1 V (X doc X N ( E (X, 1 V (X 3.4 Loi Normale N.B. Si X N (0, 1 alors P ( t X t = Φ (t Φ ( t = Φ (t 1 Si X N (m, ν alors P (X t m X + t = P ( t X m t = Φ ( t 1 Doc P (X t m X + t 1 α Φ ( t 1 1 α Φ ( t 1 α/ Cas particulier : approximatio de Biomiales cetrée réduite : cf 4.4 Exemple : pour α = 0, 05 (risque de 5% o trouve Φ (1, 96 = 0, 975 = 1 0, 05/ doc pour t = 1, 96 o a le risque voulu et P (X 1, 96 m X + 1, 96 0, utilisable si o a la valeur de l écart type (sio, pratiquemet, o e pred ue estimatio.
4 4 Exercices 4.1 Variace Soit X ayat ue espérace m et ue variace v, sa variace empirique est W = 1 X i X avec X la moyee empirique de X et 1 X i la moyee empirique de X. 1. Soit Y ayat ue espérace et ue variace. Calculer E ( Y e foctio E (Y et V (Y. Calculer E ( ( ( X et V X et e déduire E X 3. Motrer efi que E (W = 1 V (X et e déduire u estimateur sas biais de la variace. 4. Questio cofidetielle. Certais sujets abordés das les equêtes d opiio sot parfois assez itimes, et o court le risque que les persoes iterrogées se refuset à répodre frachemet à l equêteur, faussat aisi le résultat. O peut alors avoir recours à ue astuce cosistat à iverser aléatoiremet les réposes. Cosidéros ue questio cofidetielle pour laquelle o veut estimer la probabilité p de réposes positives. L equêteur demade à chaque persoe iterrogée de lacer u dé. Si le dé tombe sur 6, la persoe doit doer sa répose sas metir, sio elle doit doer l opiio cotraire à la siee. Si l equêteur igore le résultat du dé, il e pourra pas savoir si la répose est frache ou o, et o peut espérer que la persoe sodée acceptera de jouer le jeu. Gééralisos légèremet la situatio e tirat pour chaque persoe ue variable de Beroulli de paramètre α. (α = 1 6 das l exemple itroductif Si le résultat de cette variable est 1, la répose est frache, sio, elle est iversée. Soit le ombre de persoes iterrogées. L equêteur e recueille que la fréquece empirique F des oui. 1. Motrer que la probabilité de oui à l issue de la procédure est q = α p + (1 α (1 p. Motrer que F, la fréquece observée par l equêteur, est u estimateur sas biais de q et de risque quadratique tedat vers 0 quad ted vers + 3. Pour α 1/ exprimer p e e foctio de q. 4. E déduire que T = F 1+α α 1 est u estimateur sas biais de p dot le risque quadratique ted vers 0 quad ted vers Pour fixé, quelle valeur attribuer à α pour que le risque quadratique soit miimum? Est-ce acceptable? Pour quelle valeur de α ce risque est-il maximum? Quel sera le risque quadratique avec le dé (α = 1/6
5 4.3 Loi uiforme Soit X de loi U [0, a] et (X 1,... X ue -échatillo de variables. Estimatio de a : X a ue espérace de a/. Soit X la moyee empirique. 1. Soit T = X. Motrer que T est sas biais et détermier so risque quadratique. Soit T = max (X 1,..., X Détermier la foctio de répartitio de X puis celle de T E déduire sa desité puis so biais et so risque quadratique. 3. Soit T = +1 T détermier so biais et so risque quadratique. 4. Quel est le meilleur estimateur de a pour de grades valeurs de? 4.4 Itervalle de cofiace pour le paramètre d ue variable de Beroulli. Lors d u sodage sur 100 persoes iterrogée, 60 peset voter pour A O modélise le choix par u échatillo (X 1,..., X 100 de variable idépedates de même loi de Berouilli de paramètre p. O cherche à détermier u itervalle de cofiace pour p au iveau de cofiace 99% (1% de risque 1. Détermier l espérace et la variace de la fréquece empirique F = i=1 X i?. O ote F la fréquece empirique cetrée réduite. Par quelle loi peut o approcher celle de F? O suppose désormais que F suit N (0, 1 ( 3. Détermier t tel que P ( t F p(1 p t 0, 99 et e déduire que P F t 10 p F + t 0, 99 p(1 p Motrer que pour tout p [0, 1], p (1 p 1 4 de cofiace de p au iveau de cofiace 99% et e déduire que [F t/0 ; F + t/0] est u itervalle 4.5 Itervalle de cofiace par Bieaymé-Tchebichev Soit a [ 0; 3 ], X U [0,a] et (X 1... X u -échatillo de variables de même loi que X et idépedates. O cherche u itervalle de cofiace de a au iveau de cofiace 99% (iveau de risque 1%. O ote X la moyee empirique 1. Rappeler la moyee m de X et motrer que V (X = a 1. E déduire la moyee et l espérace de X.. E déduire que P ( X a > 0, Détermier efi pour que [ X 0, 1 ; X + 0, 1 ] soit u itervalle de cofiace de a au iveau de cofiace 99% 4. Ecrire u programme PASCAL qui choisit u ombre a au hasard das [ 0; 3 ] effectue tirages das [0, a] calcule et affiche la moyee des résultats obteus. Le programme a affiché 0,534. Pesez vous que a = 0, 534? Pesez vous que a > 0, 7?
6 Pesez vous que a [0, 43 ; 0, 64]? 5. das la sutie, = Par quelle loi peut-o approcher celle de X (cetrée réduite? ( 6. Détermier t pour que P t 1 a 100 ( X a < t 0, 99 et e déduire u autre itervalle de cofiace de a au iveau α 4.6 Comptage par capture et recapture O cherche à évaluer le ombre N de poissos das u étag. Pour cela, o prélève das l étag m poissos que l o bague avat les remettre das l étag. O propose deux méthodes différetes d estimatio de N. Méthode 1 Soit N, m. O prélève des poissos das l étag, au hasard et avec remise. O ote X la variable aléatoire égale au ombre de poissos qu il a été écessaire de pêcher pour obteir poissos marqués. Pour tout i [, ], o pose D i = X i X i 1. O pose D 1 = X 1 et o suppose que les D i sot des variables idépedates. 1. a Pour tout i [, ], quelle est la sigificatio de D i? b Détermier, pour i [, ], la loi de D i, so espérace et sa variace. E déduire l espérace et la variace de X. c O pose A = m X. Motrer que A est u estimateur sas biais de N et détermier so risque quadratique.. a Pour assez grad, par quelle loi peut-o approcher la loi de la variable aléatoire X (cetrée réduite? b O a marqué 00 poissos puis effectué 450 prélèvemets pour obteir 50 poissos marqués. O pose = (A. O a pu prouver par ailleurs que 100. Détermier e foctio de, u itervalle de cofiace pour N au seuil 0.9 (O doe Φ(1, 64 0, 95. Méthode O prélève successivemet et avec remise poissos. Soit Y le ombre de poissos marqués parmi eux. 1. Motrer que 1 m Y est u estimateur sas biais de 1 N.. Pour quelle raiso évidete e peut-o pas predre m Y comme estimateur de N? O pose alors B = m(+1 Y +1 1 a Calculer l espérace de B (o motrera que ( k+1( k = k+1 b Est-il u estimateur sas biais de N?
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 détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détailLimites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détailSTATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détailx +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.
EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite
Plus en détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détailEtude de la fonction ζ de Riemann
Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détailChapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.
Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détailCours 5 : ESTIMATION PONCTUELLE
Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailCHAPITRE 2 SÉRIES ENTIÈRES
CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.
Plus en détailProbabilités et statistique pour le CAPES
Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes
Plus en détailPrincipes et Méthodes Statistiques
Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............
Plus en détailTerminale S. Terminale S 1 F. Laroche
Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailStatistique Numérique et Analyse des Données
Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques
Plus en détailSuites et séries de fonctions
[http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détailConvergences 2/2 - le théorème du point fixe - Page 1 sur 9
Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios
Plus en détailUV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1
UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailÉchantillonnage et estimation
Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos
Plus en détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en détailRECHERCHE DE CLIENTS simplifiée
RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées
Plus en détailComment les Canadiens classent-ils leur système de soins de santé?
Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté
Plus en détailLe chef d entreprise développe les services funéraires de l entreprise, en
Le chef d etreprise développe les services fuéraires de l etreprise, e assurat lui-même tout ou partie des activités de vete et e ecadrat directemet le persoel techique et commercial et d exploitatio.
Plus en détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailPROMENADE ALÉATOIRE : Chaînes de Markov et martingales
PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en 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 détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détail4 Approximation des fonctions
4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailProcessus géométrique généralisé et applications en fiabilité
Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR
Plus en détailLES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE
LES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE Qu est-ce que l Écoomie sociale et solidaire? Coopératives Etreprises sociales Scop Fiaceurs sociaux Scic CAE Mutuelles Coopératives d etreprises
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détailRenseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.
Reseigemets et moitorig. Reseigemets commerciaux et de solvabilité sur les etreprises et les particuliers. ENSEMBLE CONTRE LES PERTES. Reseigemets Creditreform. Pour plus de trasparece. Etreteir des rapports
Plus en détailInitiation à l analyse factorielle des correspondances
Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique
Plus en détailExercices de mathématiques
MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris
Plus en détailSéries numériques. Chap. 02 : cours complet.
Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm
Plus en détailLa maladie rénale chronique
La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie
Plus en détailNous imprimons ce que vous aimez!
Nous imprimos ce que vous aimez! Persoalisé simple différet Catalogue de produits Tapis stadard tapis logo tapis publicitaire Nous imprimos ce que vous aimez! 2 I JOBET JOBET Vous et vos cliets serez coquis...
Plus en détailChaînes de Markov. Arthur Charpentier
Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.
Plus en détailRESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)
RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &
Plus en détailDes résultats d irrationalité pour deux fonctions particulières
Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received
Plus en détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en détail3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.
3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios
Plus en détailTempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation
Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail
Plus en détailIntroduction : Mesures et espaces de probabilités
Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,
Plus en détailTélé OPTIK. Plus spectaculaire que jamais.
Télé OPTIK Plus spectaculaire que jamais. Vivez toute la puissace de la télévisio sur IP grâce au réseau OPTIK 1 de TELUS et découvrez-e l extraordiaire potetiel. Télé OPTIK MC vous doe la parfaite maîtrise
Plus en détailDares Analyses. Plus d un tiers des CDI sont rompus avant un an
Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée
Plus en détailUNIVERSITÉ DE SFAX École Supérieure de Commerce
UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première
Plus en détailLe Sphinx. Enquêtes, Sondages. Analyse de données. Internet : http://www.lesphinxdeveloppement.fr/club/index.html
Equêtes, Sodages Aalyse de doées Le Sphix! Iteret : http://www.lesphixdeveloppemet.fr/club/idex.html Lagarde J. Aalyse statistique de doées, Duod. Réaliser vos equêtes Questioaire Traitemets et aalyses
Plus en détailRisque de longévité et détermination du besoin en capital : travaux en cours
Risque de logévité et détermiatio du besoi e capital : travaux e cours Frédéric PLANCHET ISFA Laboratoire SAF Versio.6 / Septembre 2008 Sommaire La prise e compte de l expériece propre au groupe das l
Plus en détailLes 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 détailAugmentation de la demande du produit «P» Prévision d accroître la capacité de production (nécessité d investir) Investissement
Augmetatio de la demade du produit «P» Prévisio d accroître la capacité de productio (écessité d ivestir) Ivestissemet Etude de retabilité du produit «P» Jugemet de l opportuité et de la retabilité du
Plus en détailLa tarification hospitalière : de l enveloppe globale à la concurrence par comparaison
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 58 2000 La tarificatio hospitalière : de l eveloppe globale à la cocurrece par comparaiso Michel MOUGEOT * RÉSUMÉ. Cet article cosidère différetes politiques de
Plus en détailn tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...
Nom:... Préom :... Chaque répose peut valoir : c) 2 poits si le choix est totalemet exact + poit si le choix est partiellemet exact + 0 poit si le choix est erroé + -i poit si le choix est u coeses Ue
Plus en détailUniversité Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014
Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,
Plus en détailCompte Sélect Banque Manuvie Guide du débutant
GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de
Plus en détailLE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE
LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe
Plus en détailCréation et développement d une fonction audit interne*
Créatio et développemet d ue foctio audit itere* Ue démarche e 10 étapes [ Sommaire] Dix étapes pour réussir... 7 Étapes 1 à 4 Défiitio du cadre d itervetio... 9 1 Idetifier les attetes des parties preates...
Plus en détail