2.1 Variable aléatoire Fonction de répartition Fonction de masse et de densité...2

Dimension: px
Commencer à balayer dès la page:

Download "2.1 Variable aléatoire Fonction de répartition Fonction de masse et de densité...2"

Transcription

1 - Varables aléatores et dstrbutos - Chaptre : Varables aléatores et dstrbutos. Varable aléatore.... Focto de répartto....3 Focto de masse et de desté....4 Dstrbuto cojote de varables aléatores Dstrbuto marale Dstrbuto codtoelle Idépedace de varables aléatores Foctos de varables aléatores Caractérstques de dstrbutos ue seule varable L espérace mathématque moyee Autres caractérstques courates Caractérstques de dstrbutos pluseurs varables Proprétés de l opérateur espérace mathématque....9 Formules d approxmato pour l espérace et la varace de foctos de v.a Formules d approxmato pour le cas multvarable...3. Varable aléatore Défto. Varable aléatore : focto qu assoce u ombre réel à chaque élémet de l espace échatlloal. Exemple : O prélève 3 échatllos de sol et l o ote pour chacu la ature du sol arle A, slt F, sable S, raver G. L espace échatlloal est : {AAA, AAF, AAS...SGG GGG}. S représete le ombre d échatllos de type sable, alors AAA=0, AAF=0, AAS=,...ASS=,... SSS=3. Exemple : Prélever u échatllo de sol et mesurer sa masse volumque sèche. La masse volumque est ue varable aléatore. Note : L exemple llustre ue varable aléatore dscrète, l exemple ue varable aléatore cotue. Il exste auss des v.a. mxtes,.e. dscrète pour certas élémets de l espace échatlloal et cotue pour d autres.

2 - Varables aléatores et dstrbutos -. Focto de répartto Défto : F x = P x. E mots : la focto de répartto doe la probablté que la varable aléatore pree ue valeur féreure ou éale à toute valeur partculère «x». Proprétés :. lm F x = 0 x. lm F x = x F. x est o-décrossate v. S est ue v.a. dscrète, alors F x est ue focto e escaler; s est cotue alors x est ue focto cotue. F.3 Focto de masse et de desté Défto : a cas dscret : p x = P = x est la focto de masse de la v.a. dscrète. O peut auss exprmer la focto de masse comme : p x = F x F x d b cas cotu : f x = F x est la focto de desté de la v.a. cotue. dx Proprétés : a Cas dscret : b cas cotu :. p x 0. p x. p = x. x 0 f b P a b = f x dx = F b F a f. x dx = a E ée cvl, o recotre plus souvet les v.a. cotues. Exemple 3 : Des tes d acer motret ue résstace e teso varable. La focto de desté est doée par :

3 - Varables aléatores et dstrbutos -3 f utés de «x» e MPa x x x 4 x 4 x alleurs a Quelle est la probablté qu ue te doée motre ue résstace e teso comprse etre 47 et 49? 49 f x dx = b Quelle est la probablté que la résstace sot féreure à 4? 4 f x dx = c Quelle est la probablté que la résstace sot supéreure à 4? 55 f x dx = f x x, KPa

4 - Varables aléatores et dstrbutos F x x, KPa Exemple 4 : Ue porto de placher de superfce a x a est supportée par les côtés. O dspose ue chare aléatoremet sur le placher. Quelle est la probablté que cette chare sot à ue dstace supéreure à «x» du côté le plus près du pot de chare? La probablté est proportoelle à la surface du carré tere : a x a x F x = = 0 x a a a La focto de desté est doc : a x f x = 0 x a a x a Exemple 5 : Sur u ste, l o dot costrure ue tour. O étude l hstorque de la force des vets durat pluseurs aées. O ote la force du vet maxmale durat ue aée. Supposos que possède la focto de desté suvate : f x = λe λx 0 x dstrbuto expoetelle; x doé e km/h La focto de répartto est alors : λx F x = e 0 x S λ = 0. 0 ous verros plus lo dfféretes faços d estmer les paramètres que l o retrouve das ue dstrbuto, alors quelle est la probablté que le vet excède 00km/h? 0. 0* 00 = 6 P > 00 = - F 00 e = 3. % Exemple 6 : U lot de béto dot recotrer ue résstace mmale. Même s le lot das so esemble recotre la orme, l est possble qu u échatllo prs au hasard e recotre pas la orme avec ue probablté «p». Quelle est la probablté que parm échatllos prs au hasard, l y e at «x» qu e recotret pas la orme? P P = 0 = p = = p p

5 - Varables aléatores et dstrbutos P! x! x! x x = x = p p lo bomale As, s p=0.05, la probablté qu u échatllo parm 5 prélevés e respecte pas la orme est : 5* *0.05 = Dstrbuto cojote de varables aléatores Déftos : - Sot deux v.a.,. La focto de répartto cojote est : F x, y = P x, y - Sot deux v.a. dscrètes et. La focto de masse cojote est : p x, y = P = x, y - Sot deux v.a. cotues et. La focto de desté cojote est : f, x,y = F xy, Note : Des proprétés très smlares au cas à ue seule v.a. exstet. x,y,, = Note : S est dscrète et cotue ou s ue des deux varables est mxte, o a alors ue focto de répartto cojote mxte. Note : Ces déftos se ééralset faclemet au cas de p> v.a..4. Dstrbuto marale Sot deux v.a. et dscrètes ou cotues et leur focto de répartto cojote. La focto de répartto obteue e e cosdérat qu ue des deux varables est appelée focto de répartto marale. O peut l obter drectemet de la focto de répartto cojote : F x = F x,, - S et sot des v.a. dscrètes, o obtet la focto de masse marale de par : p x = p x,y, - S et sot des v.a. cotues, o obtet la focto de desté marale de par : f x = f x, y dy,.4. Dstrbuto codtoelle Sot deux v.a. et dscrètes. La focto de masse codtoelle de sachat que =y est : p, x, y p x y = P = x = y = avec p y > 0 p y

6 - Varables aléatores et dstrbutos -6 Sot deux v.a. et cotues. La focto de desté codtoelle de sachat que =y est : f, x, y f x y = avec f y > 0 f y Les foctos de répartto codtoelles s obteet drectemet par sommato de la focto de masse codtoelle cas dscret ou par térato de la focto de desté codtoelle cas cotu : Exemple 7 : Deux rvères et almetet u réservor. La dstrbuto cojote de leurs débts quotdes e m 3 est : 7 f, x,y = x y / x 4000, 0 y 000 a Quelle est la probablté que le débt de la rvère sot le double du débt de la rvère? x P>= f x,y dydx 3000x 5x / 8 3 / , = 6000 = 0 7 b Vous observez =000 m 3. Que vaut la focto de desté codtoelle de? O calcule f y = x y / 6000 dx = 4000* 4000 y La focto de desté codtoelle évaluée à =000 est doc : 6000 x x f x y = 000 = = 0 x * Note : La probablté que sot supéreure à 000 m 3 sachat que =000 est : x dx = / Idépedace de varables aléatores Sot deux v.a. et cotues. est dépedat de ss a f x, y f x f y, = x y = f x b f c F x, y F x F y, = x y = F x d F Note : des relatos smlares exstet pour des couples de v.a. dscrètes ou mxtes. Note : ces relatos se ééralset faclemet au cas de pluseurs v.a. dépedates. Souvet das la pratque, l dépedace est ue proprété attrbuée à des v.a. que l o crot o relées. L dépedace permet de smplfer rademet les calculs mplquat pluseurs v.a.

7 - Varables aléatores et dstrbutos -7.5 Foctos de varables aléatores Parfos, o coaît la focto de répartto d ue v.a. alors que ce qu ous téresse davatae c est la dstrbuto d ue focto dot l mae est réelle de, sot =. se trouve à assocer ue valeur réelle à chaque valeur de. Par le fat même, assoce auss ue valeur réelle à chaque élémet de l espace échatlloal, c est doc ue v.a. Sot u évéemet C assocé à R. L évéemet équvalet B de R, est B={ x Rx, x C}. Exemple 8 : représete l élévato de la surface d ue rvère e u pot. représete le débt de la rvère assocé à cette élévato. Le le o-léare = etre les deux est décrt par ue courbe de tarae. Exemple 9 : représete le ombre de fractures par mètre foré das u massf rocheux. représete la dstace etre deux fractures cosécutves observées le lo du forae. Cas dscret : la focto de masse de s obtet pas smple éumérato. Pour ue valeur doée «y», o cherche l esemble des valeurs «x» doat cette valeur «y». O coaît la probablté d avor chaque «x», doc o coaît la probablté d avor chaque «y». p y j = p x, x = y j Cas cotu o suppose cotu et strctemet crossate : O a : doc, F y = P f y = P x où df x dx y = F ' y = dx dy = f y dy = f x dx f x = y dx x dy E termes smples, la probablté d observer das u pett tervalle dx autour de x est éale à la probablté d observer das u pett tervalle dy autour de y. La lareur dy s obtet e applquat la focto x aux deux lmtes de l tervalle autour de x. Note : s la focto est strctemet décrossate alors <x etraîe >y avec x=y, o aura doc : F y = P y = P x où x = y f d F x dx dx y = F ' y = = f x dx dy dy Mas comme das ce cas dx/dy est auss éatf, o peut écrre : f y = f dx x dy

8 - Varables aléatores et dstrbutos -8 Note : s x est pas strctemet crossate ou décrossate,.e. x est pas bjectve, alors l faut décomposer la focto x e tervalles e x ou elle est strctemet crossate ou décrossate et applquer les résultats séparémet sur chaque tervalle. O a esute qu à sommer les résultats sur les dfférets tervalles. Exemple 0 : Vous voulez soumssoer sur u projet de costructo. Les coûts de matéraux sot de 0K$, le coût de la ma d oeuvre est de 00$/hr. Vous estmez que le projet devrat predre H heures H est certa. Vous adoptez doc ue focto de coût de la forme suvate : C= H. 0 h 00 h 0 La focto de répartto de H est doée par : F H h = 00 h 0 0 h > 0 O a : H=C-0000/00 La focto de répartto de C est doc : F C 0 c 0000 c 0000 /00 0 c 000 c = = c > c 000 Exemple : Vous mesurez la chare hydraulque à ue erreur près dot la focto de desté est : - x /4, - x. Quelle est la focto de desté de l erreur carrée.e. =? O a : x=y 0.5 dx/dy=0.5/y Pour x 0, y f y = = 0 y < y 4 y 5 8 Pour 0 x, f y = 0 y < y 8 Doc, f y = 0 y < y 4.6 Caractérstques de dstrbutos ue seule varable Il est téressat de défr des quattés permettat de décrre les caractérstques prcpales d ue dstrbuto. Cec faclte la comparaso de dstrbutos etre elles. Quad ous travalleros au veau de l échatllo, l arrvera que l o e coasse pas écessaremet les dstrbutos mplquées, pourtat les mesures caractérstques pourrot toujours être estmées à partr de l échatllo.

9 - Varables aléatores et dstrbutos L espérace mathématque moyee Pour smplfer la présetato, seule le cas cotu sera cosdéré. L adaptato au cas dscret est mmédate e remplaçat la focto de desté par la focto de masse et les térales par des sommatos. L espérace mathématque de moyee de [ ] E = x f x dx L espérace mathématque d ue focto quelcoque de : Quelques foctos partculères : [ ] E = x f x dx Nom doé à E[] Symbole courat Utlté Moyee Mesure la tedace cetrale Varace 3 Coeffcet d asymétre γ Mesure la dsperso l étalemet autour de la moyee >0 dque ue asymétre vers la drote; <0 dque ue asymétre vers la auche Momet cetré et «ormalsé» - - d ordre expt Focto éératrce des momets M t La «ème» dérvée de M t évaluée e t=0 est éale au «ème» momet par rapport à l ore. Note : O a = E [ ] = E[ ]. Cette derère forme état souvet plus smple à évaluer. Note : O appelle écart-type la quatté =. Alors que la varace possède des utés qu sot le carré des utés de, l écart-type possède les mêmes utés que. Note : le coeffcet de varato / das le cas d ue varable postve. est souvet utlsé pour décrre l mportace relatve des varatos

10 - Varables aléatores et dstrbutos -0 Tros ormales de moyees dfféretes Tros ormales de varaces dfféretes Mêmes moyees et varaces, 3 coeff. d'asymétre dff.6. Autres caractérstques courates quatle p : Qp= x tel que F x = p F p médae : Q0.5 das l échatllo : la valeur mleu écart ter-quartle : Q0.75-Q0.5 étedue : maxmum-mmum. mmum : plus pette valeur possble ou réalsée das le cas d u échatllo. maxmum : plus rade valeur possble ou réalsée das le cas d u échatllo. mode : x tel que f x est maxmal..7 Caractérstques de dstrbutos pluseurs varables Outre les caractérstques décrtes à la secto précédete pour chaque varable cosdérée séparémet.e. obteue avec la dstrbuto marale, o peut défr les caractérstques suvates pour les couples de varables aléatores : Covarace : = E[ ]. Mesure la force du le léare ussat les varables et. Peut être postf ou éatf. Présete les utés du produt.

11 - Varables aléatores et dstrbutos - O otera que s = das cette expresso, o a : = E[ ] = bref, la covarace etre ue v.a. et elle-même est autre que sa varace. Corrélato : ρ =. C est la covarace «ormalsée» par les écarts-types des deux varables. La corrélato est comprse etre et. La valeur dque u le léare parfat avec pete éatve, dque u le léare parfat de pete postve, 0 dque absece de le léare l peut y avor toutefos des les o-léares etre et. Exemples de corrélatos : 3 r=0.5 A 3 B r= r=0.8 C 6 4 r=0.0 D La fure A dque ue corrélato moyee, celle e B ue corrélato forte mas de se éatf, celle e C ue corrélato forte causée par ue seule valeur aberrate et celle e D ue absece de corrélato be qu l exste ue relato o-léare parfate etre et. De C o coclut que la présece d ue forte corrélato peut être due à ue aomale des doées, de D o coclut que l absece de corrélato dque pas écessaremet ue absece de relato etre les varables. Cela dque smplemet ue absece de relato léare. As, s l dépedace etre v.a. mplque l absece de corrélato, l verse est faux sauf pour le cas partculer de la lo bormale.

12 - Varables aléatores et dstrbutos -.8 Proprétés de l opérateur espérace mathématque L opérateur espérace mathématque est u opérateur léare l s at d ue térale ou d ue sommato. Coséquemmet, o a : E[a]= ae[] E[c+a]=c+aE[] E[a+bh]=aE[]+bE[h] mas e ééral E[]=E[]E[]+Cov, E[]E[] sauf s et sot des v.a. o-corrélées Deux relatos utles coceret l espérace et la varace d ue somme de v.a. : E = E[ ]] Var = E = Cov, j j Cette derère expresso se smplfe lorsque les v.a. sot dépedates. Das ce cas, o a e effet : Cov, = 0 j, ce qu lasse : j Plus ééralemet, o a : Var Var = a = E a = aa jcov, j j Falemet, cosdéros les varaces de quelques foctos partculères de : Vara+b=a Var. O ote que l ajout d ue costate affecte pas la varace. Varb=0. La varace d ue costate est ulle..9 Formules d approxmato pour l espérace et la varace de foctos de v.a. Das pluseurs stuatos, l peut être suffsat de coaître l espérace et la varace d ue focto d ue v.a. sas avor à coaître la dstrbuto complète.

13 - Varables aléatores et dstrbutos -3 Sot =. O développe cette focto par ue sére de Taylor autour de la valeur x=. O obtet à l ordre : '' ' R u = Preat l espérace de part et d autre, o obtet : '' ] [ '' ] [ R E E = Note : S est léare, alors =0 et o retrouve le résultat vu précédemmet. S o lmte l expaso à l ordre, o obtet : ' R + + = E preat l opérateur Var de part et d autre et e éleat le reste, o obtet : ' Var Note: La qualté de l approxmato déped de la forme partculère de as s est léare, les deux formules précédetes sot exactes. La qualté de l approxmato dmue lorsque aumete ou lorsque dmue..9. Formules d approxmato pour le cas multvarable Sot =,,... E applquat ue sére de Taylor multvarable et e se lmtat à l ordre, o trouve e suvat u développemet smlare à celu de la secto précédete : [ ] + j j j x x Cov E,...,,,..., Pour la varace, o trouve, e lmtat l expaso à l ordre : j j j Cov x x Var,,...,,..., et, s les varables sot o-corrélées deux à deux ou s l o éle les covaraces,,..., x Ue approxmato souvet utlsée cocere le produt de v.a. =.... O a alors, s les varables sot o-corrélées deux à deux :

14 - Varables aléatores et dstrbutos -4 Var Var Var Var =>La varace relatve coeffcet de varato au carré d u produt est approxmatvemet la somme des varaces relatves des varables das le produt. Note : o retrouve la même formule d approxmato lorsqu o cosdère u mélae de produts et de... p quotets de varables o-corrélées. Sot =, alors :... p+ p+ Var Var Var Var Exemple : La force s exerçat sur u rllae mmeré das ue rvère est doée par F=RCAS où R est la desté de l eau, C est le coeffcet de traîée déped de la forme du rllae, A est la surface de l objet et S est la vtesse de l eau. Les coeffcets de varato pour R,C,A et S sot estmés être respectvemet de %, 5%, 3% et 0%. Des formules d approxmato précédetes, pour S o a approxmatvemet : E[S ] + lorsque le coeffcet de varato est pas trop élevé. De même, la S S S varace est approxmatvemet : S S S = S S, doc 0%. 4 S S. Le coeffcet de varato pour S est doc : Le coeffcet de varato sur la force est doc : [% +5% +3% +0% ] 0.5 =0.9%. Note : Lorsque le coeffcet de varato de est pas trop élevé, o peut écrre : k k k k k k E[ ] + k k Var k De sorte que le coeffcet de varato de k est approxmatvemet : V k k k k = kv Note : Ue alteratve smple aux formules d approxmato est de procéder par smulato. O smule u très rad ombre de valeurs de,,... avec la dstrbuto voulue et l o applque la focto x aux valeurs smulées. Il e reste alors qu à calculer la moyee espérace et la varace des valeurs obteues pour la focto.

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

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1 II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d

Plus en détail

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

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets

Plus en détail

SYSTEME FERME EN REACTION CHIMIQUE

SYSTEME FERME EN REACTION CHIMIQUE SYSTEME FERME EN REACTION CHIMIQUE I. DESCRIPTION D UN SYSTEME. Les dfférets types de système (ouvert, fermé, solé U système S est formé d u esemble de corps séparés du reste de l uvers (appelé mleu extéreur

Plus en détail

Coefficient de partage

Coefficient de partage Coeffcet de partage E chme aque, la sythèse d'u composé se fat e pluseurs étapes : la réacto propremet dte (utlsat par exemple u motage à reflux quad la réacto dot être actvée thermquemet), les extractos

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe

Plus en détail

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

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure. TABLE DES MATIERES Durée...2 Objectf spécfque...2 Résumé...2 I. L agrégato des préféreces...2 I. Le système de vote à la majorté...2 I.2 Vote par classemet...3 I.3 Codtos de décso socale et théorème d

Plus en détail

Incertitudes expérimentales

Incertitudes expérimentales U N I O N D E S P R O F E S S E U R S D E P H Y S I Q U E E T D E C H I M I E 995 Icerttudes érmetales par Fraços-Xaver BALLY Lcée Le Corbuser - 93300 Aubervllers et Jea-Marc BERROIR École ormale supéreure

Plus en détail

Application de la théorie des valeurs extrêmes en assurance automobile

Application de la théorie des valeurs extrêmes en assurance automobile Applcato de la théore des valeurs extrêmes e assurace automoble Nouredde Belagha & Mchel Gru-Réhomme Uversté Pars 2, ERMES-UMR78-CNRS, 92 rue d Assas, 75006 Pars, Frace E-Mal: blour2002@yahoo.fr E-Mal:

Plus en détail

" BIOSTATISTIQUE - 1 "

 BIOSTATISTIQUE - 1 ISTITUT SUPERIEUR DE L EDUCATIO ET DE LA FORMATIO COTIUE Départemet Bologe Géologe S0/ " BIOSTATISTIQUE - " Cours & Actvtés : Modher Abrougu Aée Uverstare - 008 Modher Abrougu Bostatstque «I» ISEFC - 008

Plus en détail

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

Les sinistres graves en assurance automobile : Une nouvelle approche par la théorie des valeurs extrêmes Les sstres graves e assurace automoble : Ue ouvelle approche par la théore des valeurs extrêmes Nouredde Belagha (*, Mchel Gru-Réhomme (*, Olga Vasecho (** (* Uversté Pars 2, ERMES-UMR78-CNRS, 2 place

Plus en détail

GIN FA 4 02 01 INSTRUMENTATION P Breuil

GIN FA 4 02 01 INSTRUMENTATION P Breuil GIN FA 4 0 0 INSTRUMENTATION P Breul OBJECTIFS : coatre les bases des statstques de la mesure af de pouvor d ue part compredre les spécfcatos d u composat et d autre part évaluer avec rgueur les performaces

Plus en détail

Une méthode alternative de provisionnement stochastique en Assurance Non Vie : Les Modèles Additifs Généralisés

Une méthode alternative de provisionnement stochastique en Assurance Non Vie : Les Modèles Additifs Généralisés Ue méthode alteratve de provsoemet stochastque e Assurace No Ve : Les Modèles Addtfs Gééralsés Lheureux Else B&W Delotte 85, av. Charles de Gaulle 954 Neully-sur-See cedex Frace Drect: 33(0).55.6.65.3

Plus en détail

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

OBLIGATION DU SECTEUR PRIVE : EVALUATION ET OUTIL DE GESTION DU RISQUE DE TAUX D INTERET Jea-Claude AUGROS Professeur à l Uversté Claude Berard LYON I et à l Isttut de Scece Facère et d Assuraces ISFA Mchel QUERUEL Docteur e Gesto Igéeur de Marché Socété de Bourse AUREL Résumé : Cet artcle

Plus en détail

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

COURS DE MATHEMATIQUE FINANCIERE A COURT ET LONG TERME Promotion : Première année de graduat P R O F E S REPUBLIQUE DEMOCRATIQUE DU CONGO ENSEIGNEMENT SUPEREIEUR ET UNIVERSITAIRE INSTITUT SUPERIEUR DE GESTION INFORMATIQUE DE GOMA /I.S.I.G-GOMA DEVELOPPEMENT ISIG M A T I O N COURS DE MATHEMATIQUE

Plus en détail

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

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période) A-PDF OFFICE TO PDF DEMO: Purchase from www.a-pdf.com to remove the watermark Mathématques Facères : l essetel Les formules cotourables (F de érode) htt://www.ecogesam.ac-a-marselle.fr/esed/gesto/mathf/mathf.html#e5aels

Plus en détail

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

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

Plus en détail

Ressources pour le lycée général et technologique

Ressources pour le lycée général et technologique éduscol Ressources pour le lycée gééral et techologque Ressources pour le cycle termal gééral et techologque Mesure et certtudes Ces documets peuvet être utlsés et modés lbremet das le cadre des actvtés

Plus en détail

Mesure avec une règle

Mesure avec une règle Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

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

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE 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 détail

STATISTIQUE : TESTS D HYPOTHESES

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

Plus en détail

capital 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...

capital 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 détail

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

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

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

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

Plus en détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La 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 détail

Remboursement d un emprunt par annuités constantes

Remboursement d un emprunt par annuités constantes Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)

Plus en détail

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

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

Plus en détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES 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 détail

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce SETIT 2005 3 RD INTERNATIONAL CONFERENCE: SCIENCES OF ELECTRONIC, TECHNOLOGIES OF INFORMATION AND TELECOMMUNICATIONS MARCH 27-3, 2005 TUNISIA Cocepto d u outl décsoel pour la gesto de la relato clet das

Plus en détail

1 Mesure et intégrale

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

Plus en détail

Statistique descriptive bidimensionnelle

Statistique 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 détail

L Analyse Factorielle des Correspondances

L Analyse Factorielle des Correspondances Aalyse de doées Modle 5 : L AFC M5 L Aalyse Factorelle des Corresodaces L aalyse factorelle des corresodaces, otée AFC, est e aalyse destée a tratemet des tableax de doées où les valers sot ostves et homogèes

Plus en détail

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce Cocepto d u outl décsoel pour la gesto de la relato clet das u ste de e-commerce Nazh SELMOUNE *, Sada BOUKHEDOUMA * ad Zaa ALIMAZIGHI * * Laboratore des Systèmes Iformatques(LSI )- USTHB - ALGER selmoue@wssal.dz

Plus en détail

Module 3 : Inversion de matrices

Module 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 détail

Processus et martingales en temps continu

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

Plus en détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie 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 détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université 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 détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. 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 détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

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

Plus en détail

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

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

Plus en détail

1.0 Probabilité vs statistique...1. 1.1 Expérience aléatoire et espace échantillonnal...1. 1.2 Événement...2

1.0 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 détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 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 détail

Séquence 5. La fonction logarithme népérien. Sommaire

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

Plus en détail

Chapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique

Chapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique Spécale PSI - Cours "Electromagnétsme" 1 Inducton électromagnétque Chaptre IV : Inductance propre, nductance mutuelle. Energe électromagnétque Objectfs: Coecents d nductance propre L et mutuelle M Blan

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

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

Plus en détail

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV 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 détail

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

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

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

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

Plus en détail

Comportement d'une suite

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

Plus en détail

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

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

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE 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 détail

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

* 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 détail

Séries réelles ou complexes

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

Plus en détail

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

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

Plus en détail

Cours de Statistiques inférentielles

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

Plus en détail

Montage émetteur commun

Montage 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 détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 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 détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 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 détail

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

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

Plus en détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars

Plus en détail

20. Algorithmique & Mathématiques

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

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : 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 détail

Chapitre 3 : Fonctions d une variable réelle (1)

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

Plus en détail

Principes et Méthodes Statistiques

Principes 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 détail

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

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

Plus en détail

MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES

MÉTHODES 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 détail

Limites des Suites numériques

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

Plus en détail

Suites et séries de fonctions

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

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 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 détail

Soutenue publiquement le Mardi 04/Mai/2010 MEMBRES DU JURY

Soutenue publiquement le Mardi 04/Mai/2010 MEMBRES DU JURY Répblqes Algéree Démocratqe et Poplare Mstère de l Esegemet Spérer et de la Recherche Scetfqe Uversté MENTOURI Costate Faclté des Sceces de l'igéer Départemet de Gée Mécaqe N d ordre : /MAG/ Sére : /GM/

Plus en détail

Généralités sur les fonctions 1ES

Généralités sur les fonctions 1ES Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :

Plus en détail

1 Introduction. 2 Définitions des sources de tension et de courant : Cours. Date : A2 Analyser le système Conversion statique de l énergie. 2 h.

1 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 détail

Les Nombres Parfaits.

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

Plus en détail

n tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...

n 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 détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. 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 détail

TD 1. Statistiques à une variable.

TD 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 détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. 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 détail

4 Approximation des fonctions

4 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 détail

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

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

Plus en détail

GENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)

GENESIS - 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 détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT 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 détail

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

Calculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria. 1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle

Plus en détail

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.

Le 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 détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 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 détail

Impôt sur la fortune et investissement dans les PME Professeur Didier MAILLARD

Impôt 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 détail

Dirigeant de SAS : Laisser le choix du statut social

Dirigeant de SAS : Laisser le choix du statut social Drgeant de SAS : Lasser le chox du statut socal Résumé de notre proposton : Ouvrr le chox du statut socal du drgeant de SAS avec 2 solutons possbles : apprécer la stuaton socale des drgeants de SAS comme

Plus en détail

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

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice

Plus en détail

Les jeunes économistes

Les 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 détail

One Office Voice Pack Vos appels fixes et mobiles en un seul pack

One Office Voice Pack Vos appels fixes et mobiles en un seul pack Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre

Plus en détail

ÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.

ÉLÉMENTS 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 détail

RESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY

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

Plus en détail

Etude de la fonction ζ de Riemann

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

Plus en détail

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

I. Présentation générale des méthodes d estimation des projets de type «unité industrielle»

I. 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 détail

Séries numériques. Chap. 02 : cours complet.

Séries 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 détail

Exercices de mathématiques

Exercices 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 détail

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

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

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ 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 détail

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est

Plus en détail

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

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

Plus en détail