E(ϕ(Z, Y )) = ϕ(r(x + f(y)), y)dxdm(y). ϕ(ξ)dξ.

Dimension: px
Commencer à balayer dès la page:

Download "E(ϕ(Z, Y )) = ϕ(r(x + f(y)), y)dxdm(y). ϕ(ξ)dξ."

Transcription

1 Corrigé 191 (Les pièges de l indépendnce) Soit (Ω,, P ) un espce probbilisé et X, Y deux v..r. indépendntes. n suppose que X pour loi l loi uniforme sur [, 1]. Pour x, on pose e(x) = mx{n Z, n x} et r(x) = x e(x). Soit f une fonction borélienne de dns. n définit l v..r. Z pr l formule Z = r(x + f(y )) (c est-à-dire Z(ω) = r(x(ω) + f(y (ω)) pour tout ω Ω). 1. Montrer que Z pour loi l loi uniforme sur [, 1]. [Soit ϕ une fonction borélienne bornée de [, 1[ dns. n note ϕ l fonction de dns obtenue en prolongent ϕ pr périodicité (de période 1), c est-à-dire ϕ(x + n) = ϕ(x) si x [, 1[ et n Z. n pourr commencer pr montrer que E(ϕ(Z)) = 1 ϕ(x + f(y)) dx dm(y), où m est l loi de Y, c est-à-dire m = P Y.] L fonction r est borélienne de dns. Pr composition de fonctions mesurbles on en déduit donc que Z est bien une v..r.. n remrque ussi que Z ne prend ses vleurs que dns l intervlle [, 1[. Soit ϕ une fonction borélienne bornée de [, 1[ dns et ϕ l fonction de dns obtenue en prolongent ϕ pr périodicité de période 1. Comme les v..r. X et Y sont inépendntes, l loi du couple (X, Y ) est le produit tensoriel des lois de X et Y, on donc 1 E(ϕ(Z)) = ϕ(r(x + f(y)))dxdm(y). Comme z = r(z) + n vec n Z, on ϕ(z) = ϕ(r(z)) pour tout z et donc 1 E(ϕ(Z)) = ϕ(x + f(y))dxdm(y). Pour tout y, on utilise mintennt le chngement de vrible ξ = x + f(y) dns l intégrle pr rpport à x. Puis, on utilise l périodicité de ϕ. n obtient insi ( f(y)+1 E(ϕ(Z)) = ϕ(ξ)dξ ) ( 1 dm(y) = ϕ(ξ)dξ ) ( 1 dm(y) = ϕ(ξ)dξ ) dm(y). f(y) Comme m est une probbilité, on donc finlement E(ϕ(Z)) = 1 ϕ(ξ)dξ. Cette dernière églité est vlble pour toutr fonction borélienne bornée de dns (on rppelle que Z prend ses vleurs dns [, 1[), elle donne bien que Z pour loi l loi uniforme sur [, 1]. 2. Montrer que Z et Y sont indépendntes. [Soit ϕ une fonction borélienne bornée de [, 1[ dns. n pourr s inspirer de l question précédente pour exprimer E(ϕ(Z, Y )).] Pour montrer l indépendnce de z et Y, il suffit de montrer que l loi du couple (Z, Y ) est le produit tensoriel des mois de Z et Y. Soit ϕ une fonction borélienne bornée de [, 1[ dns. n, grâce à l indépendnce de X et Y, 1 E(ϕ(Z, Y )) = ϕ(r(x + f(y)), y)dxdm(y). 517

2 Ici ussi, on prolonge ϕ pr périodicité (en x) de période 1, c est-à-dire que l on pose ϕ(x + n, y) = ϕ(x, y) si x [, 1[, n Z et y. n obtient E(ϕ(Z, Y )) = 1 ϕ(x + f(y), y)dxdm(y). y fixé, on utilise le chngement de vrible ξ = x + f(y). Puis on utilise l périodicité de ϕ. n lors E(ϕ(Z, Y )) = ( f(y)+1 ϕ(ξ, y)dξ ) dm(y) = f(y) ( 1 ϕ(ξ, y)dξ ) dm(y) = 1 ϕ(ξ, y)dξdm(y). Finlement, pour tout fonction borélienne bornée de 2 dns on E(ϕ(Z, Y )) = 1 ϕ(ξ, y)dξdm(y). Ceci montre bien que l loi du couple (Z, Y ) est le produit tensoriel de l loi uniforme vec l loi de Y et donc de l loi de Z vec l loi de Y. les v..r. Z et Y sont donc indépendntes. 3. Montrer, en donnnt un exemple, que Z et Y peuvent ne ps être indépendntes si on retire l hypothèse que X pour loi l loi uniforme sur [, 1]. n suppose, pr exemple, que Y pour loi l loi uniforme sur [, 1], que f(s) = s pour tout s et que X ne prend que des vleurs entières. n lors Z = r(x + f(y )) = r(y ) = Y p.s.. n en déduit que Z et Y ne sont ps indépendntes. (n, pr exemple, P (Z [, 1/2[ et Y [, 1/2]) = 1/2 1/4 = P (Z [, 1/2])P (Y [, 1/2]).) 518

3 Corrigé 175 (Chngement de vribles W 1,1 croissnt) Soit f L 1 (, B(), λ) t.q. f > p.p.. Pour x, on pose ϕ(x) = x b f(t)dt désigne 1 ],b[ fdλ.) f(t)dt. (n rppelle que, pour < b, 1. Montrer que ϕ C(, ) et que ϕ est strictement croissnte. Pour x, y, x < y, on ϕ(y) ϕ(x) = y f(t)dt. n en déduit que ϕ est continue (sur ) et même x uniformément continue en utilisnt l proposition 4.9. n en déduit ussi que ϕ est strictement croissnte cr f > p.p.. n note I m l imge de ϕ (I m est donc un intervlle dont les bornes sont et fdλ) et on note ψ : I m l fonction réciproque de ϕ. L fonction ψ est donc continue de I m dns et on ϕ(ψ(s)) = s pour tout s I m et ψ(ϕ(s)) = s pour tout s. n rppelle que si I est un intervlle de et B(I) est s tribu borélienne, on B(I) = P(I) B(). Pour, on note ϕ() = {ϕ(x), x }. Pour I m, on note ψ() = {ψ(x), x }. 2. Montrer que {ϕ(), B()} = B(I m ) et que {ψ(), B(I m )} = B(). Les fonctions ϕ et ψ sont continues, elles sont donc boréliennes (c est-à-dire que l imge réciproque, pr ϕ ou ψ, d un borélien est un borélien). Soit B(), Comme ϕ() = ψ 1 () et que ψ est borélienne, on donc ϕ() B(). Puis, comme Im(ϕ) = I m on ϕ() I m et donc ϕ() B(I m ). éciproquement, si C B(I m ), on C = ϕ(ϕ 1 (C)) et donc C = ϕ() vec = ϕ 1 (C). Comme ϕ est borélienne, on = ϕ 1 (C) B() et donc C {ϕ(), B()}. n bien montré que {ϕ(), B()} = B(I m ). De mnière semblble on montre que {ψ(), B(I m )} = B(). 3. Soit I un intervlle de. Montrer que λ(ϕ(i)) = I fdλ. Soit, b les bornes de I, vec b. L ensemble ϕ(i) est lors un intervlle dont les bornes sont ϕ() et ϕ(b). n donc, en utilisnt ussi l définition de ϕ, b λ(ϕ(i)) = ϕ(b) ϕ() = fdλ = fdλ. 4. Soit un ouvert de. Montrer que λ(ϕ()) = fdλ. En déduire que, pour tout ε > il existe δ > t.q. : ouvert, λ() δ λ(ϕ()) ε. L ouvert est une union dénombrble d intervlles ouverts disjoints 2 à 2 (lemme 2.4). Il existe donc une suite (I n ) n N d intervlles ouverts disjoints 2 à 2 t.q. = n N I n (noter que certins intervlles ouverts peuvent être vides). n lors ϕ() = n N ϕ(i n ) et les ϕ(i n ) sont ussi disjoints 2 à 2 (pr injectivité de ϕ). n donc, pr σ-dditivité de λ et pr l question précédente, λ(ϕ()) = λ(ϕ(i n )) = fdλ = fdλ = fdλ. n N n N I n n N I n I 498

4 n utilise mintennt l proposition 4.9. Soit ε >, il existe δ > t.q. B(), λ() δ fdλ ε (18.15) n en déduit, en prticulier, que si est un ouvert et que λ() δ, on lors fdλ ε et donc λ(ϕ()) ε. 5. Soit B(). Montrer que λ(ϕ()) = fdλ. [n pourr, pr exemple, utiliser l régulrité de λ et l question précédente.] n commence pr remrquer que ϕ() I m et donc λ(ϕ() λ(i m ) = fdλ < +. n ussi fdλ fdλ < +. Soit ε >. n v montrer que λ(ϕ()) fdλ 2ε. Pour cel, on utilise δ donné pr (18.15). L régulrité de λ donne l existence de ouvert contennt et F fermé inclus dns t.q. λ( \ F ) δ. n en déduit, grâce à (18.15), en remrqunt que \ F est un ouvert, λ(ϕ()) λ(ϕ()) = λ(ϕ( \ )) λ(ϕ( \ F )) = fdλ ε. n ussi, toujours, grâce à (18.15), fdλ fdλ = fdλ ε. \ Comme l question précédente donne λ(ϕ()) = fdλ, on en déduit que λ(ϕ()) fdλ 2ε. Il reste à remrquer que ε > est rbitrire pour conclure que λ(ϕ()) fdλ. 6. Soit, b t.q. < b. () Soit B B(). n pose g = 1 B. Montrer que : ϕ(b) ϕ() g(t)dt = b \F g(ϕ(s))f(s)ds. (18.16) [Prendre = ψ(b I m ) ], b[ et utiliser l question précédente.] Puisque g = 1 B, on ϕ(b) ϕ() g(t)dt = B ]ϕ(),ϕ(b)[ dλ = λ(b ]ϕ(), ϕ(b)[). Comme Im(ϕ) = I m, on B ]ϕ(), ϕ(b)[) = (B I m ) ]ϕ(), ϕ(b)[. Puis, comme ϕ ψ est l indentité sur I m on en déduit, vec = ψ(b I m ) ], b[, (B I m ) ]ϕ(), ϕ(b)[= ϕ(ψ((b I m ) ]ϕ(), ϕ(b)[)) = ϕ(ψ(b I m ) ψ(]ϕ(), ϕ(b)[)) = ϕ(). 499

5 n donc, vec l question précédente et l définition de, ϕ(b) ϕ() g(t)dt = λ(ϕ()) = fdλ = ψ(b I m) ],b[ fdλ = b 1 ψ(b Im)(s)f(s)ds. Pour conclure, il reste à remrquer que s ψ(b I m ) si et seulement si ϕ(s) B. n obtient bien insi ϕ(b) ϕ() g(t)dt = b 1 B (ϕ(s))f(s)ds = b g(ϕ(s))f(s)ds. (b) Montrer que (18.16) est encore vrie pour g E + (, B()), puis pour g M + (, B()). Si g E + (, B()), il existe n N, 1,..., n + et B 1,... B n B() t.q. Pour chque i, l question précédente donne ϕ(b) ϕ() g = g i (t)dt = n i 1 Bi. i=1 b g i (ϕ(s))f(s)ds. n multiplie les termes de cette églité pr i, on somme sur i et on obtient bien (18.16). Soit mintennt g M + (, B()). Il existe une suite (g n ) n N d éléments de E + (, B()) t.q. g n g (convergence simple en croissnt). Pr convergence monotone on peut psser à l limite qund n dns (18.16) écrit vec g n u lieu de g. n obtient bien insi (18.16). (c) Soit g : mesurble. n suppose que g1 ]ϕ(),ϕ(b)[ L 1 (, B(), λ). Montrer g ϕf1 ],b[ L 1 (, B(), λ) et que (18.16) est vrie. n pplique l question précédente à g + et g (prties positive et négtive de g), c est-à-dire qu on écrit (18.16) vec g + et g. n en déduit que les fonctions g ± 1 ]ϕ(),ϕ(b)[ f sont intégrbles et donc que leur différence est intégrble. Ceci donne que g1 ]ϕ(),ϕ(b)[ f est intégrble (pour λ). Puis en fisnt l différence de (18.16) vec g + vec (18.16) vec g, on obtient bien (18.16) vec g. NB : n peut montrer que ϕ est dérivble p.p. et que ϕ = f p.p.. L formule (18.16) est lors l formule hbituelle de chngement de vrible. Noter ussi que l fonction ϕ, restreinte à l intervlle ], b[, pprtient à un espce ppelé W 1,1 (], b[) (ce qui explique le titre de l exercice). 5

6 Corrigé 24 (Espérnce conditionnelle pour une suite décroissnte de tribus) Soit (Ω,, P ) un espce probbilisé et (B n ) n N une suite de tribus incluses dns. n suppose B n+1 B n, pour tout n N, et on pose B = n N B n (de sorte que B est ussi une tribu incluse dns ). 1. Soit X une v..r.. n suppose que pour tout n N il existe Y n v..r. B n -mesurble t.q. X = Y n p.s.. Montrer qu il existe Y v..r. B-mesurble t.q. X = Y p.s.. N.B. Cette première question montre en quel sens on peut écrire L p (Ω, B, P ) = n N L p (Ω, B n, P ) pour tout p [1, + ]. Pour tout n N, il existe n t.q. P ( n ) = et X = Y n sur c n. n pose = n N n. n donc P () = (pr σ-sous-dditivité de P ) et, pour tout n N, X = Y n sur c. n définit mintennt Ȳ de Ω dns en posnt Ȳ (ω) = lim inf n Y n (ω). Comme Y n = X sur c (pour tout n N), on donc Ȳ = X sur c et donc Ȳ = X p.s.. Soit p N. Comme Y n est B p -mesurble pour n p (cr B n B p ), l stbilité des fonctions mesurbles donne que Ȳ est B p-mesurble. Soit C un borélien de, on donc Ȳ 1 (C) B p pour p N. Pr l définition de B, on en déduit que Ȳ 1 (C) B. n donc Ȳ B-mesurble de Ω dns et Ȳ = X p.s.. Il nous reste à modifier légèrement Ȳ pour obtenir une v..r.. Pour cel, on pose E = {ω Ω, Ȳ (ω) = ± }. n E B (cr Ȳ est B-mesurble). n peut définir Y pr Y (ω) = Ȳ (ω) si ω E, Y (ω) = si ω E. L fonction Y est insi une v..r. B-mesurble et Y = X p.s. (noter que E ). 2. Soit (X n ) n N une suite de v..r.. n suppose que, pour tout n N, X n est B n -mesurble et de crré intégrble. () n suppose que X n X dns L 2 (Ω,, P ) qund n. Montrer que X est B-mesurble (u sens qu il existe Y B-mesurble t.q. X = Y p.s.). n peut supposer, près extrction éventuelle d une sous suite (encore notée (X n ) n N ), que X n X p.s.. (près cette extrction, on toujours n N B n = B.) Comme X n X p.s., il existe donc t.q. P () = et X n (ω) X(ω) (qund n ) pour tout ω c. n procède lors comme à l question précédente en posnt Ȳ (ω) = lim inf n X n (ω). L fonction Ȳ v de Ω dns et est B p-mesurble pour tout p N (cr X n est B p -mesurble pour n p). L fonction Ȳ est donc B-mesurble et Ȳ = X p.s. (cr Y = X sur c ). Enfin, on pose E = {ω Ω, Ȳ (ω) = ± }. n E B (cr Ȳ est B-mesurble) et on définit Y pr Y (ω) = Ȳ (ω) si ω E, Y (ω) = si ω E. L fonction Y est insi une v..r. B-mesurble et Y = X p.s.. (b) n suppose que X n X fiblement dns L 2 (Ω,, P ) qund n. Montrer que X est B-mesurble. n peut montrer cette question en utilisnt une petite remrque d nlyse fonctionnelle (voir l remrque 6.25). Puisque X n X fiblement dns L 2 (Ω,, P ) qund n, il existe une suite (Y n ) n N t.q. i. Y n X dns L 2 (Ω,, P ) qund n, 54

7 ii. pour tout n N, Y n est une combinison convexe de l ensemble des X p, p n. Comme X p est B n -mesurble pour p n, l v..r. Y n est ussi B n -mesurble. n est insi rmené à l question précédente et on obtient qu il existe Y v..r. B-mesurble t.q. X = Y p.s.. 3. Soit X une v..r. de crré intégrble. Montrer que E(X B n ) E(X B) dns L 2 (Ω,, P ) qund n. n pose Z n = E(X B n ) (en étnt quelque peu pointilleux, on devrit plutôt dire qu on choisit un élément de l ensemble E(X B n )). n pose ussi Z = E(X B) et on risonne pr l bsurde. Si Z n Z dns L 2 (Ω,, P ) qund n, il existe ε > et une sous suite, encore notée (Z n ) n N, t.q. Z n Z 2 ε pour tout n N. (22.4) n remrque mintennt que l suite (Z n ) n N est bornée dns L 2 (Ω,, P ) (plus précisément, on E(Z 2 n) E(X 2 ) cr E(Z 2 n) = E(Z n X) E(Z 2 n) E(X 2 )). Comme L 2 (Ω,, P ) est un espce de Hilbert, on peut donc supposer, toujours près extrction d une sous suite, qu il existe Z t.q. n montre mintennt que Z = Z p.s.. Z n Z fiblement dns L 2 (Ω,, P ) qund n. L question précédente montre que Z est B-mesurble. Puis pour tout U v..r. B-mesurble et de crré intégrble on E(Z n U) = E(XU) pour tout n N. Comme Z n Z fiblement dns L 2 (Ω,, P ), on peut psser à l limite (qund n ) dns cette églité. n obtient E( ZU) = E(XU). Ce qui prouve que Z = E(X B) p.s. et donc que Z = Z p.s.. Pour conclure, il reste à montrer que Z n Z dns L 2 (Ω,, P ) (en contrdiction vec (22.4)). Pour cel, il suffit de montrer que E(Zn) 2 E(Z 2 ) (cr E((Z n Z) 2 ) = E(Zn) 2 2E(Z n Z) + E(Z 2 ) et E(Z n Z) E(Z 2 ) gràce à l convergence fible de Z n vers Z). n utilise une nouvelle fois l convergence fible de Z n vers Z (et le fit que Z n = E(X B n ) et Z = E(X B) pour écrire que E(Z 2 n) = E(Z n X) E(ZX) = E(Z 2 ) qund n. Finlement, on obtient bien que Z n Z dns L 2 (Ω,, P ), en contrdiction vec (22.4). 541

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

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

Plus en détail

Théorème de Poincaré - Formule de Green-Riemann

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

Plus en détail

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

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

Plus en détail

Tout ce qu il faut savoir en math

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

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

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

Plus en détail

Produits d espaces mesurés

Produits d espaces mesurés Chapitre 7 Produits d espaces mesurés 7.1 Motivation Au chapitre 2, on a introduit la mesure de Lebesgue sur la tribu des boréliens de R (notée B(R)), ce qui nous a permis d exprimer la notion de longueur

Plus en détail

COURS D ANALYSE. Licence d Informatique, première. Laurent Michel

COURS D ANALYSE. Licence d Informatique, première. Laurent Michel COURS D ANALYSE Licence d Informtique, première nnée Lurent Michel Printemps 2010 2 Tble des mtières 1 Éléments de logique 5 1.1 Fbriquer des énoncés........................ 5 1.1.1 Enoncés élémentires.....................

Plus en détail

Université Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO

Université Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO Université Pris-Duphine DUMI2E UFR Mthémtiques de l décision Notes de cours Anlyse 2 Filippo SANTAMBROGIO Année 2008 2 Tble des mtières 1 Optimistion de fonctions continues et dérivbles 5 1.1 Continuité........................................

Plus en détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration 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 détail

Intégrale et primitives

Intégrale et primitives Chpitre 5 Intégrle et primitives 5. Ojetif On herhe dns e hpitre à onstruire l opérteur réiproue de l opérteur de dérivtion. Les deux uestions suivntes sont lors nturelles. Question : Soit f une pplition

Plus en détail

3. Conditionnement P (B)

3. 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 détail

Synthèse de cours (Terminale S) Calcul intégral

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

Plus en détail

Cours d Analyse IV Suites et Séries de fonctions

Cours d Analyse IV Suites et Séries de fonctions Université Clude Bernrd, Lyon I Licence Sciences, Technologies & Snté 43, boulevrd 11 novembre 1918 Spécilité Mthémtiques 69622 Villeurbnne cedex, Frnce L. Pujo-Menjouet pujo@mth.univ-lyon1.fr Cours d

Plus en détail

Licence M.A.S.S. Cours d Analyse S4

Licence M.A.S.S. Cours d Analyse S4 Université Pris I, Pnthéon - Sorbonne Licence MASS Cours d Anlyse S4 Jen-Mrc Brdet (Université Pris 1, SAMM) UFR 27 et Equipe SAMM (Sttistique, Anlyse et Modélistion Multidisiplinire) Université Pnthéon-Sorbonne,

Plus en détail

ANALYSE NUMERIQUE NON-LINEAIRE

ANALYSE NUMERIQUE NON-LINEAIRE Université de Metz Licence de Mthémtiques - 3ème nnée 1er semestre ANALYSE NUMERIQUE NON-LINEAIRE pr Rlph Chill Lbortoire de Mthémtiques et Applictions de Metz Année 010/11 1 Tble des mtières Chpitre

Plus en détail

MESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours

MESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours MSUR T INTÉGRATION N UN DIMNSION Notes de cours André Giroux Département de Mathématiques et Statistique Université de Montréal Mai 2004 Table des matières 1 INTRODUCTION 2 1.1 xercices.............................

Plus en détail

semestre 3 des Licences MISM annnée universitaire 2004-2005

semestre 3 des Licences MISM annnée universitaire 2004-2005 MATHÉMATIQUES 3 semestre 3 des Licences MISM nnnée universitire 24-25 Driss BOULARAS 2 Tble des mtières Rppels 5. Ensembles et opértions sur les ensembles.................. 5.. Prties d un ensemble.........................

Plus en détail

Intégration sur des espaces produits

Intégration sur des espaces produits Chapitre 5 Intégration sur des espaces produits 5.1 Produit de deux mesures Étant donnés deux espaces mesurés (Ω 1, F 1, µ 1 ) et (Ω 2, F 1, µ 2 ), le but de cette section est de construire une mesure

Plus en détail

Intégration et probabilités TD1 Espaces mesurés

Intégration 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 détail

Limites finies en un point

Limites 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 détail

CCP PSI - 2010 Mathématiques 1 : un corrigé

CCP 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 détail

Théorie de la Mesure et Intégration

Théorie de la Mesure et Intégration Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble

Plus en détail

Espérance conditionnelle

Espérance 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 détail

Chp. 4. Minimisation d une fonction d une variable

Chp. 4. Minimisation d une fonction d une variable Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie

Plus en détail

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Dualité 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 détail

AUTOUR D UN MÉMOIRE INÉDIT : LA CONTRIBUTION D HERMITE AU DÉVELOPPEMENT DE LA THÉORIE DES FONCTIONS ELLIPTIQUES. Bruno BELHOSTE (*)

AUTOUR D UN MÉMOIRE INÉDIT : LA CONTRIBUTION D HERMITE AU DÉVELOPPEMENT DE LA THÉORIE DES FONCTIONS ELLIPTIQUES. Bruno BELHOSTE (*) Revue d histoire des mthémtiques, 2 (1996), p. 1 66. AUTOUR D UN MÉMOIRE INÉDIT : LA CONTRIBUTION D HERMITE AU DÉVELOPPEMENT DE LA THÉORIE DES FONCTIONS ELLIPTIQUES Bruno BELHOSTE (*) RÉSUMÉ. Dns cet rticle,

Plus en détail

ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE

ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE Jen-Pierre Dedieu, Jen-Pierre Rymond ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE Institut de Mthémtiques Université Pul Sbtier 31062 Toulouse cedex 09 jen-pierre.dedieu@mth.univ-toulouse.fr jen-pierre.rymond@mth.univ-toulouse.fr

Plus en détail

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

Exercice 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 détail

Chapitre 1 : Fonctions analytiques - introduction

Chapitre 1 : Fonctions analytiques - introduction 2e semestre 2/ UE 4 U : Abrégé de cours Anlyse 3: fonctions nlytiques Les notes suivntes, disponibles à l dresse http://www.iecn.u-nncy.fr/ bertrm/, contiennent les définitions et les résultts principux

Plus en détail

Intégrale de Lebesgue

Intégrale de Lebesgue Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................

Plus en détail

Calcul fonctionnel holomorphe dans les algèbres de Banach

Calcul 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 détail

Image d un intervalle par une fonction continue

Image 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 détail

Différentiabilité ; Fonctions de plusieurs variables réelles

Différentiabilité ; Fonctions de plusieurs variables réelles Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2

Plus en détail

Probabilités sur un univers fini

Probabilités 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 détail

3- Les taux d'intérêt

3- Les taux d'intérêt 3- Les tux d'intérêt Mishkin (2007), Monnie, Bnque et mrchés finnciers, Person Eduction, ch. 4 et 6 Vernimmen (2005), Finnce d'entreprise, Dlloz, ch. 20 à 22 1- Mesurer les tux d'intérêt comprer les différents

Plus en détail

Construction de l'intégrale de Lebesgue

Construction de l'intégrale de Lebesgue Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale

Plus en détail

LANGAGES - GRAMMAIRES - AUTOMATES

LANGAGES - GRAMMAIRES - AUTOMATES LANGAGES - GRAMMAIRES - AUTOMATES Mrie-Pule Muller Version du 14 juillet 2005 Ce cours présente et met en oeuvre quelques méthodes mthémtiques pour l informtique théorique. Ces notions de bse pourront

Plus en détail

Moments des variables aléatoires réelles

Moments 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 détail

THÉORIE DE LA MESURE ET DE L INTÉGRATION.

THÉORIE DE LA MESURE ET DE L INTÉGRATION. THÉORIE DE LA MESURE ET DE L INTÉGRATION. THIERRY GALLAY Transcrit par Tancrède LEPOINT 29 UNIVERSITÉ JOSEPH FOURIER, GRENOBLE TABLE DES MATIÈRES Avant-propos Biographie sommaire...........................................

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème du point fixe - Théorème de l inversion locale Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion

Plus en détail

Techniques d analyse de circuits

Techniques d analyse de circuits Chpitre 3 Tehniques d nlyse de iruits Ce hpitre présente différentes méthodes d nlyse de iruits. Ces méthodes permettent de simplifier l nlyse de iruits ontennt plusieurs éléments. Bien qu on peut résoudre

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 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 détail

Continuité en un point

Continuité 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 détail

Mesure et Intégration (Notes de cours de L3)

Mesure et Intégration (Notes de cours de L3) Mesure et Intégration (Notes de cours de L3) Ahmed Zeriahi Version préliminaire-octobre 2011 Avertissement : Ceci est une version préliminaire des notes du cours que l auteur a dispensé en troisème année

Plus en détail

Probabilités sur un univers fini

Probabilités 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 détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy

Plus en détail

Théorèmes du Point Fixe et Applications aux Equations Diérentielles

Théorèmes du Point Fixe et Applications aux Equations Diérentielles Université de Nice-Sophia Antipolis Mémoire de Master 1 de Mathématiques Année 2006-2007 Théorèmes du Point Fixe et Applications aux Equations Diérentielles Auteurs : Clémence MINAZZO - Kelsey RIDER Responsable

Plus en détail

Séquence 8. Probabilité : lois à densité. Sommaire

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

Plus en détail

Problème 1 : applications du plan affine

Problème 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 détail

/HVV\VWqPHVFRPELQDWRLUHV

/HVV\VWqPHVFRPELQDWRLUHV /HVV\VWqPHVFRPELQDWRLUHV I. Définition On ppelle système combintoire tout système numérique dont les sorties sont exclusivement définies à prtir des vribles d entrée (Figure ). = f(x, x 2,,, x n ) x x

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* 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 détail

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Méthodes 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 détail

Problèmes de Mathématiques Filtres et ultrafiltres

Problèmes de Mathématiques Filtres et ultrafiltres Énoncé Soit E un ensemble non vide. On dit qu un sous-ensemble F de P(E) est un filtre sur E si (P 0 ) F. (P 1 ) (X, Y ) F 2, X Y F. (P 2 ) X F, Y P(E) : X Y Y F. (P 3 ) / F. Première Partie 1. Que dire

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

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

Plus en détail

La mesure de Lebesgue sur la droite réelle

La mesure de Lebesgue sur la droite réelle Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et

Plus en détail

Statuts ASF Association Suisse Feldenkrais

Statuts ASF Association Suisse Feldenkrais Sttuts ASF Assocition Suisse Feldenkris Contenu Pge I. Nom, siège, ojectif et missions 1 Nom et siège 2 2 Ojectif 2 3 Missions 2 II. Memres 4 Modes d ffilition 3 5 Droits et oligtions des memres 3 6 Adhésion

Plus en détail

Mesures gaussiennes et espaces de Fock

Mesures gaussiennes et espaces de Fock Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première

Plus en détail

MÉTHODE DE MONTE CARLO.

MÉTHODE DE MONTE CARLO. MÉTHODE DE MONTE CARLO. Alexandre Popier Université du Maine, Le Mans A. Popier (Le Mans) Méthode de Monte Carlo. 1 / 95 PLAN DU COURS 1 MÉTHODE DE MONTE CARLO 2 PROBLÈME DE SIMULATION Théorème fondamental

Plus en détail

Chapitre VI Contraintes holonomiques

Chapitre VI Contraintes holonomiques 55 Chpitre VI Contrintes holonomiques Les contrintes isopérimétriques vues u chpitre précéent ne sont qu un eemple prticulier e contrintes sur les fonctions y e notre espce e fonctions missibles. Dns ce

Plus en détail

4. Martingales à temps discret

4. 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 détail

3 Approximation de solutions d équations

3 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 détail

Mesures et Intégration

Mesures et Intégration Mesures et Intégration Marc Troyanov - EPFL - Octobre 2005 30 avril 2008 Ce document contient les notes du cours de Mesure et Intégration enseigné à l EPFL par Marc Troyanov, version 2005-2006. Table des

Plus en détail

Fonctions holomorphes

Fonctions holomorphes Université Joseph Fourier, Grenoble Maths en Ligne Fonctions holomorphes Christine Laurent-Thiébaut Ceci est le second volet de l étude des fonctions d une variable complexe, faisant suite au chapitre

Plus en détail

Probabilités conditionnelles Exercices corrigés

Probabilités conditionnelles Exercices corrigés Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.

Plus en détail

Sur certaines séries entières particulières

Sur 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 détail

Théorie de la Mesure et Intégration

Théorie de la Mesure et Intégration Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT

Plus en détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De 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 détail

Le produit semi-direct

Le produit semi-direct Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.

Plus en détail

Théorie de la mesure. S. Nicolay

Théorie de la mesure. S. Nicolay Théorie de la mesure S. Nicolay Année académique 2011 2012 ii Table des matières Introduction v 1 Mesures 1 1.1 Sigma-algèbres................................. 1 1.2 Mesures.....................................

Plus en détail

Introduction à la. Points Critiques. Otared Kavian. et Applications aux Problèmes Elliptiques. Springer-Verlag

Introduction à la. Points Critiques. Otared Kavian. et Applications aux Problèmes Elliptiques. Springer-Verlag Otared Kavian Introduction à la Théorie des Points Critiques et Applications aux Problèmes Elliptiques Springer-Verlag Berlin Heidelberg NewYork London Paris Tokyo Hong Kong Barcelona Budapest Avant propos

Plus en détail

Turbine hydraulique Girard simplifiée pour faibles et très faibles puissances

Turbine hydraulique Girard simplifiée pour faibles et très faibles puissances Turbine hydrulique Girrd simplifiée pour fibles et très fibles puissnces Prof. Ing. Zoltàn Hosszuréty, DrSc. Professeur à l'université technique de Kosice Les sites hydruliques disposnt de fibles débits

Plus en détail

Le 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 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 détail

Module 2 : Déterminant d une matrice

Module 2 : Déterminant d une matrice L Mth Stt Module les déterminnts M Module : Déterminnt d une mtrice Unité : Déterminnt d une mtrice x Soit une mtrice lignes et colonnes (,) c b d Pr définition, son déterminnt est le nombre réel noté

Plus en détail

CONCOURS 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) 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 détail

Equations aux Dérivées Partielles

Equations aux Dérivées Partielles Equations aux Dérivées Partielles Tony Lelièvre 29-2 Après avoir considéré dans le capitre précédent des équations d évolution pour des fonctions ne dépendant que du paramètre temps, nous nous intéressons

Plus en détail

Leçon 01 Exercices d'entraînement

Leçon 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 détail

Calculs de probabilités

Calculs de probabilités Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile

Plus en détail

Simulation de variables aléatoires

Simulation 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 détail

Réalisabilité et extraction de programmes

Réalisabilité et extraction de programmes Mercredi 9 mars 2005 Extraction de programme: qu'est-ce que c'est? Extraire à partir d'une preuve un entier x N tel que A(x). π x N A(x) (un témoin) (En fait, on n'extrait pas un entier, mais un programme

Plus en détail

Commun à tous les candidats

Commun 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 détail

Partie 4 : La monnaie et l'inflation

Partie 4 : La monnaie et l'inflation Prtie 4 : L monnie et l'infltion Enseignnt A. Direr Licence 2, 1er semestre 2008-9 Université Pierre Mendès Frnce Cours de mcroéconomie suite 4.1 Introduction Nous vons vu dns l prtie introductive que

Plus en détail

Les indices à surplus constant

Les indices à surplus constant Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté

Plus en détail

Équations non linéaires

Équations non linéaires Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et

Plus en détail

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

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

Plus en détail

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Fonctions 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 détail

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2 Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................

Plus en détail

PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390

PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 Université PARIS 6 2008/2009 Jean BERTOIN 1 Table des Matières ( ) ces parties peuvent ^etre omises en première lecture, et ne feront pas

Plus en détail

Cours Fonctions de deux variables

Cours 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 détail

I. Polynômes de Tchebychev

I. 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 détail

Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)

Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre

Plus en détail

Modification simultanée de plusieurs caractéristiques d un bien hédonique : une nouvelle méthode de calcul de la variation de bien-être des ménages

Modification simultanée de plusieurs caractéristiques d un bien hédonique : une nouvelle méthode de calcul de la variation de bien-être des ménages Modifiction simultnée de plusieurs crctéristiques d un bien hédonique : une nouvelle méthode de clcul de l vrition de bien-être des ménges Trvers Muriel * Version provisoire Résumé : De nombreuses situtions

Plus en détail

TIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES

TIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES Bulletin de la SOCIÉTÉ MATHÉMATIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES Bernard Host & Alejandro Maass Tome 135 Fascicule 3 2007 SOCIÉTÉ MATHÉMATIQUE DE FRANCE Publié avec le concours du

Plus en détail

Chapitre VI Fonctions de plusieurs variables

Chapitre VI Fonctions de plusieurs variables Chapitre VI Fonctions de plusieurs variables 6. 1 Fonctions différentiables de R 2 dans R. 6. 1. 1 Définition de la différentiabilité Nous introduisons la différentiabilité sous l angle des développements

Plus en détail

LITE-FLOOR. Dalles de sol et marches d escalier. Information technique

LITE-FLOOR. Dalles de sol et marches d escalier. Information technique LITE-FLOOR Dlles de sol et mrches d esclier Informtion technique Recommndtions pour le clcul et l pose de LITE-FLOOR Générlités Cette rochure reprend les règles de se à respecter pour grntir l rélistion

Plus en détail

Chapitre 11 : L inductance

Chapitre 11 : L inductance Chpitre : inductnce Exercices E. On donne A πr 4π 4 metn N 8 spires/m. () Selon l exemple., µ n A 4π 7 (8) 4π 4 (,5) 5 µh (b) À prtir de l éqution.4, on trouve ξ ξ 4 3 5 6 6,3 A/s E. On donne A πr,5π 4

Plus en détail

Couples de variables aléatoires discrètes

Couples 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 détail

Calcul Stochastique pour la finance. Romuald ELIE

Calcul Stochastique pour la finance. Romuald ELIE Calcul Stochastique pour la finance Romuald ELIE 2 Nota : Ces notes de cours sont librement inspirées de différentes manuels, polycopiés, notes de cours ou ouvrages. Citons en particulier ceux de Francis

Plus en détail

Régression multiple : principes et exemples d application. Dominique Laffly UMR 5 603 CNRS Université de Pau et des Pays de l Adour Octobre 2006

Régression multiple : principes et exemples d application. Dominique Laffly UMR 5 603 CNRS Université de Pau et des Pays de l Adour Octobre 2006 Régression multiple : principes et eemples d ppliction Dominique Lffly UMR 5 603 CNRS Université de Pu et des Pys de l Adour Octobre 006 Destiné à de futurs thémticiens, notmment géogrphes, le présent

Plus en détail

Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA

Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université

Plus en détail