Terminale S. Lycée Desfontaines Melle Chapitre 11 Probabilité Conditionnement et indépendance

Dimension: px
Commencer à balayer dès la page:

Download "Terminale S. Lycée Desfontaines Melle Chapitre 11 Probabilité Conditionnement et indépendance"

Transcription

1 Termiale S. Lycée Desfotaies Melle Chapitre 11 Probabilité Coditioemet et idépedace I. Probabilité coditioelle 1- Exemple Das u lycée coteat N élèves, 4% des élèves sot des filles, % des garços. Parmi les filles, 30% sot iteres et 70% exteres. Parmi les garços, 60% sot iteres et 40% exteres. O tire au hasard ue fiche das le fichier de tous les élèves du lycée, o ote le résultat obteu qui peut être "fille itere", "fille extere", "garço itere" ou "garço extere". O peut représeter cette situatio par le graphique ci-cotre, appelé arbre podéré. Remarquez que la somme des probabilités iscrites sur les braches issues d u même œud est égale à 1. Ceci est vrai quelque soit l arbre podéré. Cette loi est coue sous le om de loi des œuds. Le chemi -0.4 F 0.7 E représete l évéemet "la fiche tirée est celle d ue fille extere". O le ote l évéemet F E Calculos la probabilité de cet évéemet : Si N est la populatio totale des élèves, le ombre de filles est 0.4 N et puisque parmi elles, 70% sot exteres, le ombre de filles exteres est N. Aisi, parmi les N élèves, N sot des filles exteres doc e supposat l équiprobabilité (du fait que le tirage se fait au b de filles exteres hasard), P(F E)= = N = b total d élèves N Notos que cette probabilité est le produit des ombres iscrits sur chaque brache du chemi. Iterprétos les ombres sur chaque brache : Le ombre iscrit sur la brache -0.4 F est la probabilité que la fiche soit celle d ue fille, doc P(F)=0.4 Le ombre iscrit sur la brache F 0.7 E est la probabilité d obteir la fiche d u élève extere sachat que c est ue fille.. Cette probabilité se ote P F (E) et se lit "probabilité de E sachat F". O a doc P(F E)=P(F) P F (E) et doc P F (E)= P(F E) P(F) 2- Probabilité de B sachat A Défiitio : Soit A et B deux évéemets, A état de probabilité o ulle. La probabilité que l évéemet B se réalise sachat que l évéemet A est réalisé, est le ombre oté P A (B) et défii par P A (B)= P(A B) P(A) Coséqueces sur la probabilité d ue itersectio : Soit A et B deux évéemets de probabilités o ulles : Illustratio sur des arbres podérés : Le chemi e trait plei représete l évéemet A B. La probabilité de ce chemi cad de cet évéemet est le produit de ses braches : P(A B)=P A (B)P(A) P(A B)=P A (B)P(A)=P B (A)P(B) Le chemi e trait plei représete aussi l évéemet A B. La probabilité de ce chemi cad de cet évéemet est le produit de ses braches : P(A B)=P B (A)P(B) 1/6

2 Remarques : Soit A et B deux évéemets. A de probabilité o ulle. Alors ÒB =1 P (B). ÒA P A ( ÒB ) =1 P A (B) et P ÒA ( ) P A (A)=1 Si A et B sot icompatibles alors P A (B)=0 3- Formule de probabilités totales (a) Cas particulier Soit A u évéemet de probabilité o ulle. Alors, pour tout évéemet B, B état l uio des évéemets icompatibles A B et ÒA B o a : P(B)=P(A B)+P( ÒA B ) =P A (B)P(A)+P ÒA (B)P( ÒA ) P(A B) P( ÒA B ) (b) Gééralisatio Défiitio : Dire que les évéemets A 1, A 2,, A formet u système complet de Ω ou ue partitio de Ω sigifie que les évéemets A i sot o vides, icompatibles deux à deux ( i, j, A i A j =Ø) et que leur réuio est Ω ( A 1 A 2 A =Ω ). Théorème : Formule des probabilités totales Soit A 1, A 2,, A ue partitio de Ω. Alors pour tout évéemet B, B état la réuio des évéemets icompatibles B A 1, B A 2,, B A, P(B)=P( B A 1 ) +P( B A 2 ) + P( B A ) =P A1 (B)P( A 1 ) +P A2 (B)P( A 2 ) + +P A (B)P( A ) II. Idépedace 1. Idépedace de deux évéemets. Défiitio : O dit que deux évéemet A et B sot idépedats lorsque P(A B)=P(A) P(B). Cela reviet à dire, si P(A)ý0, que P A (B)=P(B) et si P(B)ý0 que P B (A)=P(A)) Remarque : La secode formulatio red plus aturelle la défiitio : il parait ormal de cosidérer comme "idépedats", au ses ituitif du terme, deux évéemets A et B dès lors que la réalisatio de B e déped pas de celle de A (et iversemet). Propriété : Si deux évéemets A et B sot idépedats alors ÒA et B le sot aussi, aisi que A et ÒB et que ÒA et ÒB. 2. Idépedace de deux variables aléatoires Défiitio : Soit Ω u uivers et P ue loi de probabilité sur Ω. Deux variables aléatoires sur Ω, X et Y sot dites idépedates lorsque pour toute valeur x prise par X et pour toute valeur y prise par Y : P(X=x et Y=y)=P(X=x) P(Y=y) III. Modélisatio d expérieces idépedates 1- Expérieces idépedates. Il est fréquet qu ue expériece aléatoire E cosiste à echaier plusieurs expérieces E 1, E 2,, E. Si chacue d elles se déroule das des coditios qui e dépedet pas des résultats des autres épreuves, o dit e lagage courat que ces épreuves E k sot idépedates. Das ce cas, u résultat de E est la doée d ue liste ordoée doat les résultats obteus aux épreuves E 1, E 2,, E. E accord avec les règles de foctioemet des arbres podérés, o modélise l expériece aléatoire E e défiissat la probabilité d ue liste de résultats comme le produit des probabilités de chacu de ces résultats. 2/6

3 U exemple : O cosidère l expériece aléatoire E qui cosiste à echaier les trois expérieces suivates : E 1 : O lace ue pièce de moaie équilibrée; les issues de l expériece sot otés P et F. E 2 : O tire au hasard u jeto das ue ure qui cotiet jetos dot 3 umérotés "1" et 2 umérotés "4"; les issues de l expériece serot otés J 1 et J 4 E 3 : O tire au hasard ue boule das ue ure qui cotiet 2 boules rouges et 1 boule verte; les issues de l expériece serot otés R et V. Lorsque l o effectue successivemet les trois expérieces E 1, E 2, E 3, l issue de l ue quelcoque des trois expérieces e déped pas de l issue des autres expérieces; ces expérieces sot doc idépedates. L arbre ci-cotre idique toutes les listes de résultats possibles pour E : (o "podère" les braches de l arbre e adoptat pour chaque expériece E 1, E 2, E 3, le modèle de la loi équirépartie et e appliquat l idépedace des expérieces (aisi par exemple P F( J 1 ) =P( J 1 ) = 3 ). La probabilité d obteir la liste ( P,J 1,V) est le produit des probabilités des évéemets P, J 1 et V cad Cas particuliers où les expérieces répétées sot idetiques et idépedates. Il s agit du cas particulier où les expérieces E 1, E 2,, E sot les répétitios d ue même épreuve. U exemple : tirages successifs avec remise. Ue ure cotiet 4 boules rouges, 3 boules vertes et 2 boules oires. O tire au hasard ue boule de l ure, o ote sa couleur et o la remet das l ure puis o tire à ouveau ue boule de l ure. Le fait que la première boule tirée soit remise etre les deux tirages red ces tirages idetiques et idépedats. L arbre cicotre idique les listes de résultats possibles : O cosidère l évéemet S :"obteir ue boule rouge exactemet". S est réalisé par les listes (evts élémetaires) (R,V), (R,N), (V,R) et (N,R) doc la probabilité d u évéemet état la somme des probabilités des évéemets élémetaires qui le costituet, P(S)=P((R,V))+P((R,N))+P((V,R))+P((N,R)). Or la probabilité d ue liste de résultats est le produit des probabilités de chacu des résultats doc P((R,V))= 4 3 ; P((R,N))= 4 2 ; P((V,R))= 3 4 ; P((N,R))= 2 4. D où P(S)= = O effectue maiteat tirages successifs avec remise (Ã2). Ces tirages sot doc idetiques et idépedats. Calculos la probabilité p pour qu au mois ue des boules soit rouges : Notos A l évéemet :"au mois ue des boules est rouge". L évéemet cotraire est A : "aucue des boules est rouge" cad que A est composé que de l évéemet élémetaire ( ÒR,ÒR,,ÒR ). Les tirages état idetiques et idépedats, P ( A ) Détermios le plus petit etier tel que p Ã0. : p Ã0.ñ1 Ã0.ñ ñ l l0.01 Âl0.01 ñ Ã l d où p =P( ) = Ã-0.01ñ Â0.01ñl (car l l0.01 <0). Or l A =1 P ( ) A =1 Âl0.01 (car la fct l est strictemet croissate sur IR +* ) ó7.8 doc le plus petit etier tel que p Ã0. est 8. (cad que le ombre miimum de tirages à faire pour que la proba de tirer au mois ue boule rouge soit supérieure à % est de 8).. 3/6

4 IV. Exercices Exercice 1 A l aide de l arbre ci-cotre, préciser : P( ÒA ), P A ( ÒB ) et P ÒA ( ÒB ). E déduire P(A B), P( ) P( ÒA B ) et P( ÒA ÒB ). A ÒB, Exercice 2 O doe P(A)= 1 2, P(B)= 1 4 et P(A B)= Calculer P A(B) et P B (A). Exercice 3 O doe P(A)= 1 2, P(B)= 1 3 et P(A B)= 2 3. Calculer P(A B), P A(B) et P B (A). Exercice 4 O doe P(A)= 1 3, P A(B)= 1 4 et P ÒA (B)= 1. Calculer P(B) 2 Exercice O doe P(A)= 1 2, P(B)= 3 4 et P(A B)= 2. Calculer P A(B), P B (A), P( ÒA ÒB ), P ÒA ( ÒB ). Exercice 6 Das ue populatio, 20% des idividus ot les yeux bleus. parmi ceux-ci, 70% ot les cheveux clairs et parmi les autres, 40% ot les cheveux clairs. U idividu arrive. 1. Quelle est la probabilité pour qu il ait les cheveux clairs. 2. L idividu a les cheveux clairs; calculer la probabilité pour qu il ait les yeux bleus. Exercice 7 (BAC ES jui 2001, Amérique du Nord) Das cet exercice, les probabilités demadées serot doées sous forme décimale, évetuellemet arrodies à 10-3 près. Lors d ue equête réalisée par l ifirmière auprès d élèves de classes de termiale, o appred que 60% des élèves sot des filles. De plus 40% des filles et 30% des garços fumet. 1. O choisit u élève au hasard. O ote A l évéemet : "l élève choisi fume" et F l évéemet : "l élève choisi est ue fille". Quelle est la probabilité que : (a) cet élève soit ue fille qui fume? (b) Cet élève soit u garço qui e fume pas? (c) Cet élève fume? 2. L equête permet de savoir que : - parmi les élèves fumeurs, la moitié ot des parets qui fumet ; - parmi les élèves o fumeurs, 6% ot des parets o fumeurs. O ote B l évéemet : "l élève choisi a des parets fumeurs". (a) Calculer P(B). (b) Calculer la probabilité qu u élève fume sachat qu il a des parets fumeurs. (c) Calculer la probabilité qu u élève fume sachat qu il a des parets o fumeurs. Exercice 8 (Atilles-Guyae, jui 2001) Das cet exercice, les probabilités demadées serot doées sous forme de fractios irréductibles. U joueur achète 10 u billet permettat de participer à u jeu costitué d u grattage suivi d ue loterie. Il gratte ue case sur le billet. Il peut alors gager 100 avec ue probabilité de 1 ou bie e rie gager. 0 G désige l évéemet : "le joueur gage au grattage". Il participe esuite à ue loterie avec le même billet. A cette loterie, il peut gager 100, ou 200, ou bie e rie gager. L 1 désige l évéemet : "le joueur gage 100 à la loterie". L 2 désige l évéemet : "le joueur gage 200 à la loterie". P désige l évéemet : "le joueur e gage rie à la loterie". Si u joueur a rie gagé au grattage, la probabilité qu il gage 100 à la loterie est 1, et la probabilité qu il gage 200 à la loterie est /6

5 1. (a) Faire u arbre sur lequel o idiquera les reseigemets qui précèdet. (b) Calculer la probabilité pour que le joueur e gage rie à la loterie, sachat qu il a rie gagé au grattage. Compléter l arbre avec cette valeur. (c) Au bout de chaque brache, idiquer le gai algébrique total du joueur, après grattage et loterie, déductio faite du prix du billet. 2. O ote X la variable aléatoire qui représete le gai algébrique total du joueur, après grattage et loterie, déductio faite du prix du billet. 2 La probabilité de l évéemet "X=0" est 12. (a) Motrer que la probabilité que le joueur gage 100 à la loterie, sachat qu il a gagé 100 au grattage, est égale à (b) Calculer la probabilité que le joueur gage rie à la loterie, sachat qu il a gagé100 au grattage. (c) Détermier la loi de probabilité de X. Calculer l espérace de X. Exercice Ue machie M 1 est costituée de deux élémets A et B. U défaut d u seul élémet suffit à mettre la machie hors service et o exclut toute autre évetualité de pae. Les défauts évetuels des élémets A et B sot deux évéemets idépedats qui se produiset avec les probabilités respectives a=0.1 et b= Calculer la probabilité pour que A et B soiet hors service e même temps. 2. Calculer la probabilité pour que la machie M 1 soit hors service. 3. Calculer la probabilité pour que la machie M 1 foctioe. 4. Calculer la probabilité de l évéemet V : "u seul élémet est e pae".. O suppose que la machie M 1 est hors service. Quelle est la probabilité d avoir u seul élémet e pae? Exercice 10 Ue ure cotiet quatre boules : deux rouges portat les uméros 1 et 2, ue verte umérotée 1 et ue jaue umérotée 2. O extrait au hasard ue boule de l ure. O cosidère les variables aléatoires X, Y et Z associat respectivemet à chaque tirage : - le uméro porté par la boule; - le ombre de boules rouges obteues (0 ou 1) - le ombre de boules jaues obteues (0 ou 1). 1. Détermier la loi de probabilité de chaque variable aléatoire. 2. (a) Etudier l idépedace des variables aléatoires X et Y. (b) Etudier l idépedace des variables aléatoires X et Z. Exercice 11 O sait que 3% des idividus d ue populatio lycéee pratiquet le cyclisme (sport A), que 2% pratique le teis (sport B) et que 1% pratiquet les sports A et B. 1. O iterroge au hasard ue persoe de la populatio cosidérée. (a) Quelle est la probabilité pour que cette persoe pratique au mois u des sports cosidérés? (b) Quelle est la probabilité pour que cette persoe e pratique aucu des sports cosidérés? (c) Quelle est la probabilité pour que cette persoe pratique le sport A et e pratique pas le sport B? (d) Quelle est la probabilité pour que cette persoe pratique u et u seul des sports cosidérés? 2. O iterroge au hasard ue persoe de la populatio cosidérée pratiquat le sport A. Quelle est la probabilité pour que cette persoe pratique le sport B? (o doera le résultat sous forme de fractio irréductible) 3. O désige par u etier supérieur ou égal à 2. O choisit, au hasard et de faço idépedate, persoes de la populatio cosidérée (o assimilera ces choix à tirages avec remise). (a) Quelle est la probabilité p pour qu au mois ue des persoes choisies pratique le sport A? (b) Détermier le plus petit etier tel que p Ã0.. Exercice 12 (Réuio-jui 2002) Das u lot de 100 pièces de moaie toutes de même apparece, ot été mélagées 60 pièces équilibrées et 40 pièces truquées. La probabilité d apparitio de "PILE" lors d u jet d ue pièce truquée est 3 4. La probabilité d apparitio de "PILE" lors d u jet d ue pièce équilibrée est 1 2. O suppose que les différets lacers dot il sera questio das la suite sot idépedats les us des autres. Les résultats serot doés sous forme de fractios irréductibles. 1. O pred ue pièce au hasard et o la lace : Soit T l évéemet : "la pièce est truquée". /6

6 Soit P l évéemet : "o obtiet PILE". (a) Calculer la probabilité d obteir "PILE". (o pourra s aider d u arbre) (b) Quelle est la probabilité que la pièce soit truquée sachat que l o a obteue "PILE"? 2. O pred ue pièce au hasard et o la lace 4 fois. - si au cours des quatre lacers o obtiet 4 fois "PILE", o décide d élimier la pièce, - das le cas cotraire, o décide de coserver la pièce. - O ote E l évéemet : "la pièce est élimiée" (a) Quelle est la probabilité que la pièce soit élimiée sachat qu elle est équilibrée? (b) Quelle est la probabilité que la pièce soit coservée sachat qu elle est truquée? (c) Quelle est la probabilité d avoir pris ue pièce équilibrée et de l avoir élimiée ou d avoir ue pièce truquée et de l avoir coservée? Exercice 13 (Réuio-jui 200) O cosidère trois ures U 1, U 2 et U 3. L ure U 1 cotiet deux boules oires et trois boules rouges; l ure U 2 cotiet ue boule oire et quatre boules rouges; l ure U 3 cotiet trois boules oires et quatre boules rouges. Ue expériece cosiste à tirer au hasard ue boule de U 1 et ue boule de U 2, à les mettre das U 3, puis à tirer au hasard ue boule de U 3. Pour i preat les valeurs 1,2 et 3, o désige par N i (respectivemet R i ) l évéemet "o tire ue boule oire de l ure U i " (respectivemet "o tire ue boule rouge de l ure U i ") 1. Reproduire et compléter l arbre de probabilités ci-cotre : 2. (a) Calculer la probabilité des évéemets N 1 N 2 N 3 et N 1 R 2 N 3. (b) E déduire la probabilité de l évéemet N 1 N 3. (c) Calculer de faço aalogue la probabilité de l évéemet R 1 N Déduire de la questio précédete la probabilité de l évéemet N Les évéemets N 1 et N 3 sot ils idépedats?. Sachat que la boule tirée das U 3 est oire, quelle est la probabilité que la boule tirée de U 1 soit rouge? Exercice 14 (Polyésie jui 2006) O a posé à 1000 persoes la questio suivate : "Combie de fois êtes-vous arrivé e retard au travail au cours de deux deriers mois?". Les réposes ot été regroupées das le tableau ci-cotre : 1. O choisit au hasard u idividu de cette populatio. (a) Détermier la probabilité que l idividu ait eu au mois u retard le premier mois. (b) Détermier la probabilité que l idividu ait eu au mois u retard le deuxième mois sachat qu il e a pas eu le premier mois. 2. O souhaite faire ue étude de l évolutio du ombre de retards sur u grad ombre de mois ( u etier aturel o ul). O fait les hypothèses suivates : - si l idividu a pas eu de retard le mois, la probabilité de e pas e avoir le mois +1 est si l idividu a eu exactemet u retard le mois, la probabilité de e pas e avoir le mois +1 est si l idividu a eu deux retards ou plus le mois, la probabilité de e pas e avoir le mois +1 est ecore O ote A l évéemet "l idividu a eu aucu retard le mois " B l évéemet "l idividu a eu exactemet u retard le mois " C l évéemet "l idividu a eu deux retards ou plus le mois " Les probabilités des évéemets A, B, C sot otées respectivemet p, q et r. (a) Pour le premier mois (=1), les probabilités p 1, q 1 et r 1 sot obteues à l aide du tableau précédet. Détermier les probabilités p 1, q 1 et r 1. (b) Exprimer p +1 e foctio de p, q et r. O pourra s aider d u arbre. (c) Motrer que, pour tout etier aturel o ul, p +1 =-0.2p (d) Soit la suite ( u ) défiie pour tout aturel o ul par u =p -0.. Démotrer que ( u ) est ue suite géométrique dot o doera la raiso. (e) Détermier lim +õ u. E déduire lim +õ p. 6/6

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

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

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

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

Terminale S. Terminale S 1 F. Laroche

Terminale S. Terminale S 1 F. Laroche Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM

Plus en 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

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes

Plus en 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

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en 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

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

. (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

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

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

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

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9 Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios

Plus en 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

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

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

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

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

* 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

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

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

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

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

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

Plus en 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

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

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

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

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

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en 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

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

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

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

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

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

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

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

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

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

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

Plus en 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

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

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

Solutions particulières d une équation différentielle...

Solutions particulières d une équation différentielle... Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod

Plus en 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

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

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

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 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

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

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

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en 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

Des résultats d irrationalité pour deux fonctions particulières

Des résultats d irrationalité pour deux fonctions particulières Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received

Plus en détail

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier

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

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres

Plus en détail

Échantillonnage et estimation

Échantillonnage et estimation Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos

Plus en 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

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

Initiation à l analyse factorielle des correspondances

Initiation à l analyse factorielle des correspondances Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique

Plus en 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

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers. Reseigemets et moitorig. Reseigemets commerciaux et de solvabilité sur les etreprises et les particuliers. ENSEMBLE CONTRE LES PERTES. Reseigemets Creditreform. Pour plus de trasparece. Etreteir des rapports

Plus en 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

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

Mécanique non linéaire

Mécanique non linéaire M MN9 Mécaique o liéaire Zhi-Qiag FENG UFR Sciece et Techologies Uiversité d Evry Val d Essoe TABLES DES MATIERES INTRODUCTION Chapitre : CONCEPTS ELEMENTAIRES. Pricipales propriétés des matériaux. Coaissace

Plus en détail

Compte Sélect Banque Manuvie Guide du débutant

Compte Sélect Banque Manuvie Guide du débutant GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de

Plus en détail

Introduction : Mesures et espaces de probabilités

Introduction : Mesures et espaces de probabilités Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,

Plus en détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

Chaînes de Markov. Arthur Charpentier

Chaînes de Markov. Arthur Charpentier Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.

Plus en détail

RECHERCHE DE CLIENTS simplifiée

RECHERCHE DE CLIENTS simplifiée RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées

Plus en détail

DETERMINANTS. a b et a'

DETERMINANTS. a b et a' 2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio

Plus en détail

Neolane Message Center. Neolane v6.0

Neolane Message Center. Neolane v6.0 Neolae Message Ceter Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord.

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

Options Services policiers à Moncton Rapport de discussion

Options Services policiers à Moncton Rapport de discussion Optios Services policiers à Mocto Rapport de discussio Le 22 ovembre 2010 Also available i Eglish TABLE DES MATIÈRES Chapitre 1.0 Sommaire 3 Chapitre 2.0 Problématique 4 Chapitre 3.0 Cotexte 5 Chapitre

Plus en détail

Calculs de probabilités conditionelles

Calculs de probabilités conditionelles Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

S-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui.

S-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui. S-PENSION Costituez-vous u capital retraite complémetaire pour demai tout e bééficiat d avatages fiscaux dès aujourd hui. Sommaire 1. Il est temps de predre l iitiative 4 2. Profitez dès aujourd hui des

Plus en détail

Probabilités conditionnelles Loi binomiale

Probabilités conditionnelles Loi binomiale Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard

Plus en détail

Règlement Général des opérations

Règlement Général des opérations Deutsche Bak Règlemet Gééral des opératios AVRIL 2015 Deutsche Bak AG est u établissemet de crédit de droit allemad, dot le siège social est établi 12, Tauusalage, 60325 Fracfort-sur-le-Mai, Allemage.

Plus en détail

Les algorithmes de tri

Les algorithmes de tri CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....

Plus en détail

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés

Plus en détail

MESURE DE L'INFORMATION

MESURE DE L'INFORMATION MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE

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

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &

Plus en détail

Mécanismes de protection contre les vers

Mécanismes de protection contre les vers Mécaismes de protectio cotre les vers Itroductio Au cours de so évolutio, l Iteret a grademet progressé. Il est passé du réseau reliat quelques cetres de recherche aux États-Uis au réseau actuel reliat

Plus en détail

La maladie rénale chronique

La maladie rénale chronique La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières

Plus en détail

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

Plus en détail

2. Commerce international et emploi informel en zone CEMAC

2. Commerce international et emploi informel en zone CEMAC 2. Commerce iteratioal et emploi iformel e zoe CEMAC Mathuri Tchakoute Njoda 1 et Alai Remy Zolo Eyea 2 Résumé Cet article eamie durat ue courte période la relatio etre le commerce iteratioal et l emploi

Plus en détail

Processus géométrique généralisé et applications en fiabilité

Processus géométrique généralisé et applications en fiabilité Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR

Plus en détail

La tarification hospitalière : de l enveloppe globale à la concurrence par comparaison

La tarification hospitalière : de l enveloppe globale à la concurrence par comparaison ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 58 2000 La tarificatio hospitalière : de l eveloppe globale à la cocurrece par comparaiso Michel MOUGEOT * RÉSUMÉ. Cet article cosidère différetes politiques de

Plus en 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

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012 Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre

Plus en détail

Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles

Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles Chapitre 3 Événements indépendants et Probabilités conditionnelles Indépendance Indépendance Probabilité conditionnelle Definition Deux événements A et B sont dits indépendants si P(A B) = P(A).P(B) Attention

Plus en détail