Améliorer la productivité

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Améliorer la productivité"

Transcription

1 Maurce Pllet Amélorer la productvté Déploemet dustrel du toléracemet ertel, 00 SBN :

2 Commet calculer ue tolérace ertelle 75 Nous avos doc u toléracemet par tervalle sur les exgeces foctoelles et u toléracemet ertel sur les caractérstques foctoelles élémetares. Cepedat, das des mécasmes complexes, l arrve parfos que l exgece foctoelle sot elle-même ue caractérstque élémetare foctoelle d ue exgece foctoelle d u veau supéreur. l y a doc ue combaso statstque de cette exgece foctoelle élémetare, et o peut décder de mettre ue tolérace ertelle sur cette exgece. Dès lors, l objectf e sera plus de respecter u Ppk sur ue exgece foctoelle toléracée par tervalle, mas u Pp sur ue exgece foctoelle toléracée e ertel. 3.. Combaso des ertes Nous predros l hypothèse que l exgece foctoelle peut s écrre e focto de caractérstques foctoelles élémetares (X) sous la forme d ue relato léare telle que : a X Sous l hypothèse d ue répartto uforme des toléraces et d dépedace sur les composats, o peut calculer la moyee et l écarttype sur e focto des moyees et des écarts-types sur chaque caractérstque X. O trouve : s X a s et d a d L erte de la caractérstque résultate est défe par la relato : s d S l o développe la relato précédete, o trouve la relato qu rele l erte sur e focto des ertes de chaque composat et de leurs décalages : a X j a a d d j j

3 76 Amélorer la productvté La premère parte de l équato correspod à l addto du carré des dfféretes ertes. Le double produt des décalages correspod au cas où tous les décalages se trouvet du côté défavorable. S les productos sot cetrées, ce double produt est évdemmet ul. l est égalemet ul s les décalages sot aléatoremet réparts. l y a doc dfféretes hypothèses que l o peut fare pour trater cette stuato. Nous avos magé quatre hypothèses de calcul : Hypothèse : la dstrbuto des moyees est aléatore, e moyee les décetrages sot uls. Hypothèse : tous les décetrages sot au pre des cas, ce qu maxmse le décetrage sur l exgece foctoelle. Hypothèse 3 : les décetrages sot défavorables, mas d ue valeur lmtée kσ. Hypothèse 4 : le décetrage défavorable est à cradre sur m caractérstques parm les de la relato léare. Suvat ces hypothèses, le calcul de l erte des caractérstques foctoelles élémetares dffère. Le Tableau 8 récaptule les dfféretes hypothèses. Tableau 8 Récaptulatf des dfférets calculs Hypothèse Formulato Remarque Décetrage moye ul Décetrage maxmal Décetrage défavorable d ue valeur k. de tous les composats X b MAX ab X b MAX X a b MAX Ê k ˆ Ë Á k La répartto sur sera cetrée. Décetrages das le ses et la posto les plus défavorables. La formule est valable que pour les cas où les α = ± et β =. Décetrage défavorable d ue valeur k.σ de m caractérstques sur (-m caractérstques cetrées) X MAX k ( ) mk( m-) k

4 Commet calculer ue tolérace ertelle Hypothèse : dstrbuto aléatore des moyees, décetrage moye ul Cette hypothèse est proche de la cosdérato fate pour le cas du toléracemet statstque tradtoel. Das ce cas, le double produt aajdd j est ul. L erte sur l exgece foctoelle s écrt : j La répartto des toléraces se fat das la posto cetrée. Das le cas gééral de répartto o uforme où o cosdère X bs, o obtet : D où la relato : a Das le cas où les α = ± et les β =, la relato précédete se smplfe et o obtet alors : X MAX 3.3. Hypothèse : Pre des cas, décetrage maxmal Cette hypothèse de composats au pre des cas est fate e cosdérat que l erte des composats est seulemet due au décalage de la moyee par rapport à la cble, d d, l erte s écrt alors : X abs X b MAX ab X X X ad X j aadd j j S o trodut u coeffcet de proportoalté β etre les ertes X o obtet : abd d aabb j j j

5 78 Amélorer la productvté D où la relato : d ab aabb j j j l vet la relato permettat de calculer les : Das le cas où les α = ± et les β =, la relato précédete se smplfe et o obtet alors : 3.4. Hypothèse 3 : décetrage d ue valeur kσ de tous les composats Cette hypothèse cosdère que tous les composats ot u décalage systématque lmté à d =k. s. Das ce cas, l erte d u composat vaut : Sot : X b MAX X MAX s k s a b X X X XMAX s X X k et d X X - k L erte sur l exgece foctoelle s écrt alors : X Ê j - ˆ a a a X X Ë Á k j j Das le cas où les a, avec ue répartto uforme des toléraces ertelles, o obtet alors au pre des cas : - Ê -.( ) Ë Á k ˆ X X

6 Commet calculer ue tolérace ertelle 79 Sot : X MAX Ê k ˆ Ë Á k 3.5. Hypothèse 4 : décetrage de m caractérstques sur Das cette hypothèse, le cocepteur déterme le ombre de caractérstques susceptbles d avor u décalage systématque. Sous ces codtos, le double produt est rédut. Das le cas où a, avec ue répartto uforme des toléraces ertelle, o obtet alors : m m - Ê -.( ) Ë Á k ˆ X X Sot : X MAX k ( ) mk( m-) k 4. EXEMPLE DE CALCUL DE RÉPARTTON DE TOLÉRANCES NERTELLES L exemple ddactque c-dessous servra d applcato pour comparer les dfférets types de toléracemet. l comporte deux exgeces foctoelles J et J qu sot tradutes par des toléraces sur chacue de ces exgeces, et d ue relato léare qu rele les exgeces foctoelles aux codtos foctoelles élémetares X X 6. Fgure 3 Exemple d applcato

7 80 Amélorer la productvté 4.. Calcul des cbles La premère tâche à effectuer cosste à calculer les cbles pour satsfare les deux exgeces foctoelles J et J. Ue fté de solutos exstet. Nous chosssos : Caractérstques X X X3 X4 X5 X6 Cbles 5, , O vérfe que l o a be : J X - X - X3 - X4 - X5 03, J X - X6 0, 4.. Détermato des podératos de fasablté Les pèces, 3, 4, 5 et 6 sot décolletées. La pèce est plée, o souhate lu doer des toléraces deux fos plus larges que les pèces usées. O chost doc : Caractérstques X X X3 X4 X5 X6 Podératos β 4.3. Calcul e toléracemet tradtoel das l hypothèse pre des cas Lorsqu l y a pluseurs chaîes de cotes, o dot utlser ue approche tératve. O commece par rechercher la chaîe de cote la plus restrctve pour les cotes. À cet effet, o calcule la valeur R T / b. O a doc pour la chaîe : R 0, 5/ 6 0, 083 et R 0, 3/ 3 0,. R état plus fable que R, o commece par calculer les toléraces sur l esemble des cotes de la premère relato léare avec l équato : T b T a. b

8 Commet calculer ue tolérace ertelle 8 Exgece foctoelle J = 0,30 ± 0,5 Caractérstques X X X3 X4 X5 X6 Toléraces fgées Coeffcets α Podératos β Toléraces calculées 0,7 0,08 0,08 0,08 0,08 Ce pas de calcul état fat, o calcule les cotes restates e fgeat les r toléraces déjà calculées avec la relato : T b T r - a r a. b. T Exgece foctoelle J = 0,0 ± 0,5 Caractérstques X X X3 X4 X5 X6 Toléraces fgées 0,7 0,08 0,08 0,08 0,08 Coeffcets α Podératos β Toléraces calculées 0,3 L applcato umérque état : 03, - 07, T 6 03, 4.4. Calcul e toléracemet tradtoel das l hypothèse statstque quadratque Comme précédemmet, o dot utlser ue approche tératve. Pour cela, o calcule la valeur R T / b. O a doc pour la chaîe : R 0, 5 / 8 0, 03 et R 0, 3 / 5 0, 08. R état plus fable que R, o commece par calculer les toléraces sur l esemble des cotes de la secode relato léare avec l équato :

9 8 Amélorer la productvté T b T a xb Comme o peut le vor, e toléracemet statstque, les plus fortes cotrates e sot pas forcémet sur les mêmes caractérstques que das la stuato au pre des cas. Exgece foctoelle J = 0,0±0,5 Caractérstques X X X3 X4 X5 X6 Toléraces fgées Coeffcets α Podératos β Toléraces calculées 0,7 0,3 L applcato umérque est : T 03, ( x ( -) x) 0, 68 Ce pas de calcul état fat, o calcule les cotes restates e fgeat les r toléraces déjà calculées avec la relato : T b T r - T a. axb r Exgece foctoelle J = 0,30 ± 0,5 Caractérstques X X X3 X4 X5 X6 Toléraces fgées 0,7 0,3 Coeffcets α Podératos β Toléraces calculées 0, 0, 0, 0, L applcato umérque est : T 05, - 068, 4x( x) 0,

10 Commet calculer ue tolérace ertelle Calcul e toléracemet ertel Comme précédemmet, o dot utlser ue approche tératve. Pour cela, o calcule la valeur R T / b. O a doc pour la chaîe : R 0, 5 / 8 0, 03 et R 0, 3 / 5 0, 08. R état plus fable que R, o commece par calculer les toléraces sur l esemble des cotes de la secode relato léare avec l équato : Max b T 6 ax b Exgece foctoelle J = 0,0 ± 0,5 Caractérstques X X X3 X4 X5 X6 ertes fgées Coeffcets α Podératos β ertes calculées 0,045 0,0 L applcato umérque est : Max 03, 6 ( x ( -) x) 0, 045 Ce pas de calcul état fat, o calcule les cotes restates e fgeat les r toléraces déjà calculées avec la relato : Max b T r - ( 6a. Max) 6 ax r b Exgece foctoelle J = 0,30 ± 0,5 Caractérstques X X X3 X4 X5 X6 ertes fgées 0,045 0,0 Coeffcets α Podératos β ertes calculées 0,035 0,035 0,035 0,035

11 84 Amélorer la productvté L applcato umérque est : T 6 05, - ( 6x0045, ) 4x( x) 0, Calcul e toléracemet ertel pour garatr u Ppk O souhate, das tous les cas de fgure, garatr u Ppk mmal de sur les exgeces foctoelles, e exgeat ue Pp de sur les caractérstques foctoelles élémetares. Das ce cas, o calcule les coeffcets correcteurs par la relato : C Pp Ppk 9 Pour la relato, o a = 5, ce qu doe : C , Pour la relato, o a =, ce qu doe : C , Caractérstques X X X3 X4 X5 X6 ertes stadards S 0,045 0,035 0,035 0,035 0,035 0,0 Coeffcet C le plus sévère 0,8 0,8 0,8 0,8 0,8 0,9 ertes corrgées C = S x C 0,036 0,08 0,08 0,08 0,08 0,00 E réalté, comme o a utlsé u coeffcet C sur X plus serré das la secode relato, o pourrat relâcher u peu de cotrate sur les toléraces de X6. Mas cette optmsato sort du cadre de cet ouvrage.

12 Commet calculer ue tolérace ertelle Récaptulatf des dfférets calculs Caractérstques X X X3 X4 X5 X6 Toléraces «méthode arthmétque» 0,7 0,08 0,08 0,08 0,08 0,3 Toléraces «statstque quadratque» 0,7 0, 0, 0, 0, 0,3 ertes stadards S 0,045 0,035 0,035 0,035 0,035 0,0 ertes corrgées 0,036 0,08 0,08 0,08 0,08 0,00 Das ce tableau, les seules lges qu garatsset ue proporto de o-coformtés maxmale sur les exgeces foctoelles sot les lges et 4. Comparos, pour ue populato cetrée, la plage de varato permse e méthode arthmétque et e ertel corrgé. Tableau 9 Comparaso des approches arthmétque et ertel Caractérstques X X X3 X4 X5 X6 Toléraces «méthode arthmétque» 0,7 0,08 0,08 0,08 0,08 0,3 Augmetato relatve 30 % 0 % 0 % 0 % 0 % % Dsperso e ertel corrgé (6x) 0,6 0,68 0,68 0,68 0,68 0,9 ertes corrgées 0,04 0,03 0,03 0,03 0,03 0,0 Comme o le costate, l approche ertelle, tout e garatssat u Ppk mmal de sur l exgece foctoelle, codut à ue augmetato de la plage de varato qu peut dépasser les 00 %. Elle dut ue réducto de cette plage de % sur la caractérstque 6 qu avat été partculèremet prvlégée das le calcul par la méthode arthmétque.

Comment représenter les variables aléatoires (données)? Paramètres descriptifs. Quels sont les paramètres descriptifs de la position?

Comment représenter les variables aléatoires (données)? Paramètres descriptifs. Quels sont les paramètres descriptifs de la position? Paramètres descrptfs Cours VETE043- Aée académque 06-07 Commet représeter les varables aléatores (doées)? Représetato sythétque Tables de fréqueces Représetato graphque Dagrammes de fréqueces Paramètres

Plus en détail

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an BTS BLANC Ma 0 Epreuve : Mathématques Géérales et Applquées Flère : DA / ARLE Durée: heures NB : Chaque parte dot être tratée sur des copes dfféretes I- MATHEMATIQUES GENERALES Exercce a b Sot le Sot la

Plus en détail

Méthode du simplexe: préliminaires. 2. Programmation linéaire. Solution de base. Méthode du simplexe: préliminaires. b. Méthode du simplexe

Méthode du simplexe: préliminaires. 2. Programmation linéaire. Solution de base. Méthode du simplexe: préliminaires. b. Méthode du simplexe Méthode du smplee: prélmares Modèles de recherche opératoelle (RO). Programmato léare b. Méthode du smplee Das le cas où l y a ue fté de solutos, la méthode d élmato de Gauss-Jorda permet d detfer tros

Plus en détail

Serie statistique double

Serie statistique double Sere statstque double Dstrbutos margales Actvté U relevé statstque des talles (e cm) et des pods Y (e kg) d u échatllo de 00 élèves a perms de costrure le tableau suvat : Y [0, 5[ [5, 50[ [50, 55[ [55,

Plus en détail

Améliorer la productivité

Améliorer la productivité Maurce Pllet Amélorer la productvté Déploemet dustrel du toléracemet ertel, 010 SBN : 978--1-54754- Sommare Remercemets... troducto De l terchageablté à Sx Sgma... 1 V CHAPTRE 1 Du toléracemet tradtoel

Plus en détail

RADIOPROTECTION CIRKUS. Sommaire

RADIOPROTECTION CIRKUS. Sommaire RADIOPROTECTION CIRKUS Documet techque Radoprotecto Crkus 89 D boulevard du Fer 74000 Aecy www.rpcrkus.org - cotact@rpcrkus.org Assocato lo 1901 créée le 9 mars 010 W91300355 - Eregstrée à la préfecture

Plus en détail

I. Qu est-ce qu une variable aléatoire?

I. Qu est-ce qu une variable aléatoire? I. Qu est-ce qu ue varable aléatore?. Défto : Sot ue expérece aléatore dot l esemble des résultats possbles (l uvers est oté Ω. Ue varable aléatore est ue focto X allat de Ω sur R, c est-à-dre que c est

Plus en détail

NOMBRES COMPLEXES EXERCICES CORRIGES

NOMBRES COMPLEXES EXERCICES CORRIGES Cours et exercces de mathématques NOMRES COMPLEXES EXERCICES CORRIGES Exercce. O doe = + et = + Ecrre sous forme algébrque les complexes suvats : = ; Exercce. Calculer, et = ; = ; = ; 5 006 009 E dédure

Plus en détail

L2 Mention Informatique. UE Probabilités. Chapitre 4 : Simulation - Régression

L2 Mention Informatique. UE Probabilités. Chapitre 4 : Simulation - Régression L Meto Iformatque UE Probabltés Chaptre 4 : Smulato - Régresso Notes de cours rédgées par Rége Adré-Obrecht, Jule Pquer I- Smulato de varables aléatores. Itroducto Das certaes expéreces «réelles», où le

Plus en détail

NOMBRES COMPLEXES - EXERCICES CORRIGES Exercice n 1.

NOMBRES COMPLEXES - EXERCICES CORRIGES Exercice n 1. NOMBRES COMPLEXES - EXERCICES CORRIGES Exercce. O doe = + et = + Ecrre sous forme algébrque les complexes suvats : = ; = ; = ; = ; 5 = Exercce. Calculer, et E dédure la valeur de 006 et de 009, pus les

Plus en détail

Variables j.. p. Xij

Variables j.. p. Xij L alyse e Composates Prcpales (CP) O possède u tableau rectaulare de mesure dot les coloes sot des varables quattatves (mesuratos, taux, statos clmatques) et dot les les représetet des dvdus statstques

Plus en détail

Polynésie Juin 2010 Série S Exercice. Le plan complexe est rapporté à un repère orthonormal direct ( O; uv, )

Polynésie Juin 2010 Série S Exercice. Le plan complexe est rapporté à un repère orthonormal direct ( O; uv, ) Polyése Ju 00 Sére S xercce Le pla complexe est rapporté à u repère orthoormal drect ( O; uv, ) Prérequs Parte A Resttuto orgasée de coassaces Sot u ombre complexe tel que = a+ b où a et b sot deux ombres

Plus en détail

Exercice 1 : Analogie entre équilibres acido-basiques et équilibres de complexation (Application du Principe de Le Châtelier).

Exercice 1 : Analogie entre équilibres acido-basiques et équilibres de complexation (Application du Principe de Le Châtelier). Bla UE 1C G. EXERCICES BILAN Exercce 1 : Aaloge etre équlbres acdo-basques et équlbres de complexato (Applcato du Prcpe de Le Châteler). Objectfs de l'exercce - Coassaces/Compéteces testées das cet exercce

Plus en détail

LOI NORMALE ET LOIS DERIVEES

LOI NORMALE ET LOIS DERIVEES Prcpes et Méthodes de la Bostatstque Chaptre 5 LOI NORMALE ET LOIS DERIVEES A-LA LOI NORMALE Présetato La dstrbuto ormale, dte ecore de Laplace-Gauss, est pour des rasos qu apparaîtrot plus lo, la plus

Plus en détail

Bac blanc de mathématiques

Bac blanc de mathématiques Termale st2s le mercred 09/03/2016 Durée : 2 heures Bac blac de mathématques Exercce 1 : 6 pots Le tableau c-dessous doe le ombre d aboemets au servce de téléphoe moble e Frace etre f 2001 et f 2009, exprmé

Plus en détail

I. Moyenne, variance et écart-type d une série statistique

I. Moyenne, variance et écart-type d une série statistique I Moyee, varace et écart-type d ue sére statstque Sére statstque dscrète : Eemple d ue sére statstque dscrète : Preos le cas d ue classe de élèves qu réalset u devor oté sur 5 La sére statstque dscrète

Plus en détail

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen Aexe. Estmato d u quatle o-paramétrque par la méthode de Haze La probablté cumulée emprque d ue doée au se d u échatllo est pas u cocept parfatemet déf : pluseurs estmatos sot possbles ; l e est de même

Plus en détail

MPSI du lycée Rabelais semaine du 11 septembre 2015 CALCULS ALGÉBRIQUES. Montrez que u k = u m +u n

MPSI du lycée Rabelais  semaine du 11 septembre 2015 CALCULS ALGÉBRIQUES. Montrez que u k = u m +u n MPSI du lycée Rabelas http://mps.satbreuc.free.fr semae du septembre 5 CALCULS ALGÉBRIQUES Sommes et produts fs Exercce : Parm les formules suvates, lesquelles sot vraes?.. 3. α+a α+ a +b αa α a + a a

Plus en détail

Terminales S Exercices sur les nombres complexes Page 1 sur 6

Terminales S Exercices sur les nombres complexes Page 1 sur 6 Termales S Exercces sur les ombres complexes Page sur 6 Exercce : ) Calculer, et 5 6 7 ) E dédure, et ) Détermer les eters pour lesquels est a) u réel, b) est u magare pur, c) égal à Exercce : Ecrre sous

Plus en détail

CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4

CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4 page1/6 CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4 Dosser "Défcece" 1) = 30 pour les groupes. Les classes sot d'ampltudes dfféretes doc...utlser la desté (rappel : desté = effectf/ampltude). Durée

Plus en détail

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

2.1 Variable aléatoire Fonction de répartition Fonction de masse et de densité...2 - 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...5.4. Dstrbuto

Plus en détail

Analyse de régression

Analyse de régression Itroducto à la régresso Aalyse de régresso La régresso est utlsée pour estmer ue focto f( ) décrvat ue relato etre ue varable explquée cotue,, et ue ou pluseurs varables explcatves,. = f(,, 3,, )+ε Remarque

Plus en détail

a. Le symbole se lit «sigma» ; l écriture Ex : 2 Fréquences en % ( f i x 100) 11,1 % 29,6 % 59,3 % 100 %!!!!

a. Le symbole se lit «sigma» ; l écriture Ex : 2 Fréquences en % ( f i x 100) 11,1 % 29,6 % 59,3 % 100 %!!!! Cours : Statstques I. Itroducto Classe de ère S O a vu que our caractérser ue sére statstque, o utlse des : - aramètres de tedace cetrale : - la moyee ; - la médae. Ils ermettet d dquer la «osto» de la

Plus en détail

TD Techniques de prévision pour la Gestion de production

TD Techniques de prévision pour la Gestion de production Orgasato et gesto dustrelle Page / 6 TD Techques de prévso pour la Gesto de producto er Exercce Vetes d u rayo de jouraux das u supermarché Javer Févrer Mars Avrl Ma Ju Jullet Août Septembre Octobre Novembre

Plus en détail

Divisibilité et congruences. Corrigés d exercices

Divisibilité et congruences. Corrigés d exercices Dvsblté et cogrueces Corrgés d exercces Les exercces du lvre corrgés das ce docuet sot les suvats : Page 445 : N 1, 5 Page 459 : N 45 Page 449 : N 10 Page 460 : N 51, 5, 55, 57 Page 451 : N 16 Page 461

Plus en détail

L2 Mention Informatique. UE Probabilités. Chapitre 3 : Variables aléatoires réelles

L2 Mention Informatique. UE Probabilités. Chapitre 3 : Variables aléatoires réelles L Meto Iformatque UE Probabltés Chaptre 3 : Varables aléatores réelles Notes de cours rédgées par Rége Adré-Obrecht, Jule Pquer, Serge Solovev Sot (, A, P) Ω et X : Ω R ue varable aléatore. I. Varable

Plus en détail

sont distincts 2 à 2.

sont distincts 2 à 2. Lycée Thers CORRIGÉ TP PYTHON - 09 L algorthme des k-meas pour partager u uage de pots e u ombre doé de classes peu dspersées 1 - La méthode de Forgy [Qu. 1] 1) Cette double somme comporte termes pusque

Plus en détail

Chapitre 4 Fonction de transfert

Chapitre 4 Fonction de transfert Chatre 4 Focto de trasfert Chatre 4 Focto de trasfert 4.. Exresso de la focto de trasfert Pour u système léare cotu et varat, ous avos vu que la relato etre la sorte s( et l etrée e( est doée ar ue équato

Plus en détail

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

Exercice n 1 1) Par associativité de l intersection des événements, et à l aide de la formule des probabilités conditionnelles,

Exercice n 1 1) Par associativité de l intersection des événements, et à l aide de la formule des probabilités conditionnelles, CONCOURS EMIA Sceces CONCOURS 0 EPREUVE DE MATHEMATIQUES Corrgé o offcel rédgé par Jea-Gullaume CUAZ, esegat au Lycée Mltare de Sat-Cyr, jgcuaz@hotmalcom Eercce ) Par assocatvté de l tersecto des évéemets,

Plus en détail

Pondichéry Avril 2014 Série S Exercice.

Pondichéry Avril 2014 Série S Exercice. Podchéry Avrl 04 Sére S Exercce Le pla complexe est mu d u repère orthoormé ( O; uv, ) Pour tout eter aturel, o ote A le pot d affxe z déf par : O déft la sute ( ) z z 0 = et + = + z 4 4 r par r = z pour

Plus en détail

Module 4 - Leçon 01 - Budget des ventes 1. Introduction - Recherche de la tendance générale

Module 4 - Leçon 01 - Budget des ventes 1. Introduction - Recherche de la tendance générale Cotrôle de gesto Budget des vetes Module 4 - Leço - Budget des vetes Itroducto - Recherche de la tedace géérale - Itroducto Le budget des vetes est le premer budget opératoel à établr. Il est cosdéré comme

Plus en détail

arlesrcomplexesraurbacr2014r==corriges=z

arlesrcomplexesraurbacr2014r==corriges=z arlesrcomplexesraurbacr0r==corriges= Nouvelle-Calédoe ovembre 0 5 pots Proposto : Pour tout eter aturel : ( + ) = () VRAI! ( ) doc d où ( ) ( ) ( ) ( ) Sot (E) l équato ( )( + 8) = 0 où désge u ombre complexe

Plus en détail

STATISTIQUES A UNE VARIABLE

STATISTIQUES A UNE VARIABLE Cours et exercces de mathématques ) Itroducto et vocabulare STATISTIQUES A UNE VARIABLE La statstque est la scece qu cosste à réur des doées chffrées, à les aalyser, à les commeter et à les crtquer Ue

Plus en détail

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20.

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20. BTS CG 996 Eercce : (0 pots) Ue agece mmoblère evsage de commercalser u programme de costructo d'appartemets Deu projets lu sot soums: Projet P : Le coût de producto de appartemets ( eter et 0 )est doé

Plus en détail

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant :

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant : STATISTIQUES Cours Termale ES O observe que, das certas cas, l semble ester u le etre deu caractères statstques quattatfs (deu varables) sur ue populato ; par eemple, etre le pods et la talle d u ouveau-é,

Plus en détail

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES ANALYSE DES DONNÉES TEST DU KHI-DEUX ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES Perre-Lous Gozalez Mesure de la laso etre deux varables qualtatves Kh deux Equête : Êtes-vous «pas du tout d accord»

Plus en détail

Nombre de Clients [0 ; 50[ 72. x i. n i [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200 ; 250 [ 18

Nombre de Clients [0 ; 50[ 72. x i. n i [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200 ; 250 [ 18 1 U commerçat a relevé le motat des dépeses e euros de chaque clet au cours d ue semae. Motat des dépeses Clets [0 ; 50[ 72 x x - x ) - x )² -x ) ² [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200

Plus en détail

Résumé de statistique I

Résumé de statistique I Résumé de statstque I Etude de doées statstques : Ce qu ous téresse lorsqu o a des doées statstque ou ue dstrbuto de celles-c : Le cetre : o o Moyee : mesures o robustes Médae : mesures robustes La dsperso

Plus en détail

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont interdites. * * *

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 1. Durée : 4 heures. Les calculatrices sont interdites. * * * SESSION 003 EPREUVE SPECIFIQUE FILIERE MP MAHEMAIQUES 1 Durée : 4 heures Les calculatrces sot terdtes * * * NB : Le caddat attachera la plus grade mportace à la clarté, à la précso et à la cocso de la

Plus en détail

2. On présente ensuite une proposition : l'équiprobabilité à chaque étape entraîne l'équiprobabilité sur l'ensemble des résultats.

2. On présente ensuite une proposition : l'équiprobabilité à chaque étape entraîne l'équiprobabilité sur l'ensemble des résultats. rbre de déombremet et arbre de probablté Pla du documet. O présete tout d'abord la règle du produt pour les arbres de déombremet avec, e cas partculer, le cardal d'u produt cartése d'esembles fs.. O présete

Plus en détail

(respectivement M n,1 ( )) l espace vectoriel réel

(respectivement M n,1 ( )) l espace vectoriel réel Les calculatrces sot autorsées **** NB : Le caddat attachera la lus grade mortace à la clarté, à la récso et à la cocso de la rédacto S u caddat est ameé à reérer ce qu eut lu sembler être ue erreur d'éocé,

Plus en détail

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 2. Durée : 4 heures. Les calculatrices sont interdites. * * *

EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES 2. Durée : 4 heures. Les calculatrices sont interdites. * * * SESSION 005 EPREUVE SPECIFIQUE FILIERE MP MATHEMATIQUES Durée : 4 heures Les calculatrces sot terdtes * * * NB : Le caddat attachera la lus grade mortace à la clarté, à la récso et à la cocso de la rédacto

Plus en détail

Loi de Fisher. Test de Fisher. Exemple. Solution. ANOVA à un facteur. df = (29, 28) df = (19, 6) df = (6, 6)

Loi de Fisher. Test de Fisher. Exemple. Solution. ANOVA à un facteur. df = (29, 28) df = (19, 6) df = (6, 6) ! amlle de dtrbuto. Lo de her! Chaque membre de la famlle et détermé par deux paramètre: le ombre de degré de lberté du umérateur et le ombre de degré de lberté du déomateur.! et cotue et potve.! et potvemet

Plus en détail

il s'agit de saisir une estimation optimale d'une grandeur à laquelle on suppose une existence objective.

il s'agit de saisir une estimation optimale d'une grandeur à laquelle on suppose une existence objective. Tratemet des certtudes de mesure I. PROBLEMATIQUE. Quad o veut détermer ue gradeur et que l'o effectue pluseurs mesures (smultaées avec des apparellages équvalets, ou répétées das des codtos semblables

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

On applique le théorème de Pythagore au triangle AIE est rectangle en I AI 2 IE 2 AE 2 IE IE 1 2

On applique le théorème de Pythagore au triangle AIE est rectangle en I AI 2 IE 2 AE 2 IE IE 1 2 Exercce Lba 6 4 pots O cosdère u solde ADECBF costtué de deux pyramdes detques ayat pour base commue le carré ABCD de cetre I. Ue représetato e perspectve de ce solde est doée e aexe (à redre avec la cope).

Plus en détail

Le cours Interprétation physique de la dérivée

Le cours Interprétation physique de la dérivée Il est égalemet possble de procéder à la «dérvato umérque» d ue sute de valeurs {(t ; f )}. La sute dérvée est elle-même costtuée de couples {(t ; f )} ; la valeur f de correspodat au tau de varato mesuré

Plus en détail

Les nombres complexes

Les nombres complexes haptre 6 termale S Les ombres complexes 1 hstorque et créato : N Z ID Q R es esembles ot été costruts au fl de l hstore grâce à u même problème : certaes équatos ot des solutos das u esemble doé mas d

Plus en détail

Interprétation des variables d écart

Interprétation des variables d écart Iterprétato des varables d écart IFT575 Modèles de recherche opératoelle (RO). Programmato léare b. Méthode du smplexe c. Dualté d. Aalyse de sesblté Das la soluto optmale du problème Wydor Glass, o a

Plus en détail

6GEI300 - Électronique I. Examen Partiel #1

6GEI300 - Électronique I. Examen Partiel #1 6GEI3 Électroque I Autome 27 Modalté: Aucue documetato est permse. Vous avez drot à ue calculatrce o programmable. La durée de l exame est de 3h Cet exame compte pour 2% de la ote fale. Questo 1. Questos

Plus en détail

M ( ) n,p. Chapitre 15 Matrices et systèmes linéaires. I Généralités. Dans tout le chapitre K désigne le corps R ou C.

M ( ) n,p. Chapitre 15 Matrices et systèmes linéaires. I Généralités. Dans tout le chapitre K désigne le corps R ou C. PSI 1 hatre 15 Matrces et systèmes léares Das tout le chatre K désge le cors R ou I Gééraltés 1 Défto Défto : Ue matrce est u tableau d élémets de K coteat lges et coloes Notatos : U matrce A est otée

Plus en détail

La valeur acquise par un capital au bout d'une année est donc obtenue en multipliant ce capital par (1 + i). Par suite, le capital C1

La valeur acquise par un capital au bout d'une année est donc obtenue en multipliant ce capital par (1 + i). Par suite, le capital C1 LGL Cours de Mathématques 26 Exemples de sutes das le domae des faces 1) Itérêts composés O place 1. à térêts composés au taux de 4,5 % par a. Détermer le captal dspoble à la f de chaque aée et ce pedat

Plus en détail

PROGRAMMATION LINEAIRE

PROGRAMMATION LINEAIRE Recherche Opératoelle PROGRAMMATION LINEAIRE I. INTRODUCTION P. TOLLA U grad ombre de problèmes de Recherche Opératoelle peuvet être modélsés sous forme de programmes léares : par eemple certas problèmes

Plus en détail

XVII. Les nombres complexes.

XVII. Les nombres complexes. XVII. Les ombres complexes.. Itroducto Progressvemet, ous avos agrad les esembles de ombres e passat de N à Z pus à Q et ef à R. Ces agradssemets ot doé la possblté de résoudre de plus e plus d'équatos.

Plus en détail

EXERCICES DE. Serveur d'exercices 1/25

EXERCICES DE. Serveur d'exercices 1/25 Sceces.ch lgèbre Léare EXERCICES DE LGÈBRE LINÉIRE Serveur d'exercces /5 Sceces.ch lgèbre Léare EXERCICE. Nveau : Deuxème Cycle uteur : Rube Rcchuto (3..4) Mots Clés : Matrces à coeffcets das u aeau Éocé

Plus en détail

Thermodynamique Applications aux systèmes physicochimiques

Thermodynamique Applications aux systèmes physicochimiques Thermodyamque Applcatos aux systèmes physcochmques Jea-Noël Foussard Edmod Jule Stéphae Mathé Hubert Debellefotae Thermodyamque Applcatos aux systèmes physcochmques Illustrato de couverture : Sakkmesterke

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

Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires

Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires UE 4 Evaluato des méthodes d aalyse applquées au sceces de la ve et de la saté Statstque Varables aléatores Frédérc Mauy - 27 septembre et 3 octobre 2013 1 Pla du cours 1. Varable aléatore 1. Défto 2.

Plus en détail

Limites de fonctions (1) Approche intuitive ; limites des fonctions de référence. 1 ère S. II. La fonction carrée. 1 ) Tableau de variation

Limites de fonctions (1) Approche intuitive ; limites des fonctions de référence. 1 ère S. II. La fonction carrée. 1 ) Tableau de variation ère S Lmtes de foctos () Approche tutve ; tes des foctos de référece II. La focto carrée ) Tableau de varato Das ce chaptre, o lasse provsoremet de côté les dérvées. I. Itroducto ) Rappel Déà vu : oto

Plus en détail

( (p, q) IN 2 ) A p A q = A p+q ( (p, q) IN 2 ) (A p ) q = A pq ( k IN) (A ) k = (A k ) ( k IN) Dét (A k ) = (Dét A) k

( (p, q) IN 2 ) A p A q = A p+q ( (p, q) IN 2 ) (A p ) q = A pq ( k IN) (A ) k = (A k ) ( k IN) Dét (A k ) = (Dét A) k Algèbre Chaptre 6 Les matrces carrées Hypothèses : est u eter strctemet postf I est la -matrce uté I La trace d ue matrce carrée La trace d ue -matrce est la somme de ses termes dagoaux O ote la trace

Plus en détail

Calculs en chromatographie

Calculs en chromatographie Calculs e chroatographe éthode de la oralsato tere... 1 Coeffcet de répose assque relatf... 1 Calcul des pourcetages assques... 2 Calcul des pourcetages olares... 3 xeple d aalyse CG d ue substtuto copéttve

Plus en détail

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet.

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet. ère S Cotrôle du mard 7 javer 05 ( heures) D C N Le barème est doé sur 0 O répodra drectemet sur la cope foure avec le sujet U certa ombre de questos écesste ue recherche préalable au broullo O e rédgera

Plus en détail

Alain MORINEAU

Alain MORINEAU www.deeov.com Ala MORINEAU Cet artcle est ue reprse et u extrat de l artcle «Note sur la Caractérsato Statstque d'ue Classe et les Valeurs-tests», publé das la revue Bullet Techque du Cetre de Statstque

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

Leçon 08 : Statistiques Terminale. Altitude (x i ) Températures ( y i )

Leçon 08 : Statistiques Terminale. Altitude (x i ) Températures ( y i ) Leço 08 : Statstques Termale E premer leu, l te faut relre les cours de premère sur les statstques à ue varable, l a tout u lagage à se remémorer : étude d u échatllo d ue populato, mode, moee et médae

Plus en détail

BACCALAURÉAT GÉNÉRAL BLANC MATHÉMATIQUES

BACCALAURÉAT GÉNÉRAL BLANC MATHÉMATIQUES BACCALAURÉAT GÉNÉRAL BLANC SESSION 06 MATHÉMATIQUES Sére STL Durée de l épreuve : 4 heures Coeffcet : 4 ENSEIGNEMENT OBLIGATOIRE Les calculatrces électroques de poche sot autorsées, coformémet à la réglemetato

Plus en détail

AVRIL 2007 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie B Option Économie. MATHÉMATIQUES (Durée de l épreuve : 4 heures)

AVRIL 2007 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES. ITS Voie B Option Économie. MATHÉMATIQUES (Durée de l épreuve : 4 heures) ÉCOLE NATIONALE SUPÉRIEURE DE STATISTIQUE ET D ÉCONOMIE APPLIQUÉE ENSEA ABIDJAN AVRIL 007 CONCOURS INGÉNIEURS DES TRAVAUX STATISTIQUES ITS Voe B Opto Écoome MATHÉMATIQUES (Durée de l épreuve : 4 heures)

Plus en détail

VI. Statistique descriptive.

VI. Statistique descriptive. VI. Statstque descrptve. 1. Avat - propos : le sge sommatore. Soet x 1, x,...x : réels x 1 + x +...+ x = x Remarquos : Proprétés. 1 x = x j j1 1. x = x + x 1 p 1. kx = k x 1 1 p1 3. ( x y ) = x + y 1 Exercces.

Plus en détail

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE UE4 : Bostatstques Chaptre 8 Corrélato et régresso léare smple José LABARERE Aée uverstare 20/202 Uversté Joseph Fourer de Greoble - Tous drots réservés. Pla I. Corrélato et régresso léare II. Coeffcet

Plus en détail

PROBABILITÉS - VARIABLES ALÉATOIRES

PROBABILITÉS - VARIABLES ALÉATOIRES PROBABILITÉS - VARIABLES ALÉATOIRES Itroducto Das le cours sur les probabltés ous avos trodut la oto d uvers U et lu avos attacé ue focto probablté P. Das beaucoup d applcatos pratques la oto d uvers,

Plus en détail

PHYSIQUE DES SEMICONDUCTEURS

PHYSIQUE DES SEMICONDUCTEURS MIISTERE DE L'ESEIGEMET SUPERIEURE ET DE LA REHERHE SIETIFIQUE UIERSITE DE BEHAR Départemet es Sceces Laboratore e Pysque es spostfs à semcoucteurs (L.P.D.S ttp://www.uv-becar.z/lps/ PHYSIQUE DES SEMIODUTEURS

Plus en détail

LE PARAMETRAGE DU MRP SOUS INCERTITUDES DE DELAIS D APPROVISIONNEMENTS ET DEMANDE : LE CAS DE SYSTEME D ASSEMBLAGE A UN NIVEAU

LE PARAMETRAGE DU MRP SOUS INCERTITUDES DE DELAIS D APPROVISIONNEMENTS ET DEMANDE : LE CAS DE SYSTEME D ASSEMBLAGE A UN NIVEAU 8 e Coférece Iteratoale de MOdélsato et SIMulato - MOSIM 0-0 au 2 ma 200 - Hammamet - Tuse «Evaluato et optmsato des systèmes ovats de producto de bes et de servces» LE PARAMETRAE U MRP SOUS INCERTITUES

Plus en détail

Chapitre 2. Calcul matriciel Espaces vectoriels Applications linéaires

Chapitre 2. Calcul matriciel Espaces vectoriels Applications linéaires Chatre Calcul matrcel Esaces vectorels Alcatos léares Deuxème aée Voe scetfque Cocours 6 Fche de cours Tout ce qu l faut absolumet coaître sur le bout des dogts I L esemble ( ) I Déftos A Calcul matrcel

Plus en détail

PROBABILITÉS ET STATISTIQUE POUR L ENSEIGNEMENT SECONDAIRE

PROBABILITÉS ET STATISTIQUE POUR L ENSEIGNEMENT SECONDAIRE PROILITÉS ET STTISTIQUE POUR L ENSEIGNEMENT SECONDIRE Ce documet a été rédgé à l occaso d u stage de formato cotue de professeurs de mathématques de trosème et secode e décembre 009 à Toulouse, sute à

Plus en détail

Hamid Belghazi, Mohammed El Ganaoui, Jean-Claude Labbé. To cite this version: HAL Id: hal https://hal.archives-ouvertes.

Hamid Belghazi, Mohammed El Ganaoui, Jean-Claude Labbé. To cite this version: HAL Id: hal https://hal.archives-ouvertes. Soluto aalytque du trasfert de chaleur statoare das u matérau hétérogèe e cotact mparfat soums à ue source de chaleur e mouvemet Hamd Belghaz, Mohammed El Gaaou, Jea-Claude Labbé To cte ths verso: Hamd

Plus en détail

DEFLECTEUR DE VOLET HYPERSUSTENTATEUR DEBORD DE FUITE

DEFLECTEUR DE VOLET HYPERSUSTENTATEUR DEBORD DE FUITE DIMENSIONNEMENT DES STUCTUES EECICE DE PEFECTIONNEMENT EN STTIQUE ET SU LES BSES DU COMPOTEMENT ELSTIQUE e-deflecteur-volet.doc/verso du 07/0/998 9:37 /J DEFLECTEU DE VOLET HPESUSTENTTEU DEBOD DE FUITE.

Plus en détail

1 ère partie : STATISTIQUE DESCRIPTIVE

1 ère partie : STATISTIQUE DESCRIPTIVE ère parte : STATISTIQUE DESCRIPTIVE CHAPITRE : COLLECTE DE L INFORMATION, TABLEAUX ET GRAPHIQUES. I. Défto et vocabulare Défto : la statstque est ue méthode scetfque qu cosste à réur des doées chffrées

Plus en détail

Décomposition en Série de Karhunen-Loève d un Processus Aléatoire par le Biais d un Code Eléments Finis

Décomposition en Série de Karhunen-Loève d un Processus Aléatoire par le Biais d un Code Eléments Finis Décomposto e Sére de Karhue-Loève d u Processus Aléatore par le Bas d u ode Elémets Fs Sébaste Rece* Maurce Lemare** Ala Mllard * * ommssarat à l Eerge Atomque DMS / SEMT / LMS EA / SALAY F-99 G-sur-Yvette

Plus en détail

Quelques éléments de statistiques

Quelques éléments de statistiques Quelques élémets de statstques Avat-propos Ces quelques élémets coceret essetellemet les statstques au programme das l esegemet secodare. Ils preet appu sur les documets utlsés par M. ARTIGUES, IA-IPR

Plus en détail

COURS : THEORIE DES POUTRES CARACTERISTIQUES GEOMETRIQUES DES SECTIONS

COURS : THEORIE DES POUTRES CARACTERISTIQUES GEOMETRIQUES DES SECTIONS UT Béthue ée Cvl ée Spécale RDM CURS : THERE DES PUTRES CRCTERSTQUES EMETRQUES DES SECTNS ) ééraltés :.) But de l étude : La stablté des structures est focto de la «soldté» des sectos qu la composet. E

Plus en détail

Méthodes stochastiques de calcul de stabilité des pentes

Méthodes stochastiques de calcul de stabilité des pentes Républque Algéree Démocratque et Populare Mstère de l Esegemet Supéreur et de la Recherche Scetfque UNIVERSITE MOULOUD MAMMERI - TIZI OUZOU - Faculté du Gée de la costructo Départemet de Gée Cvl MÉMOIRE

Plus en détail

Apport de la technique de décomposition de domaine en réduction modale de branche

Apport de la technique de décomposition de domaine en réduction modale de branche Apport de la techque de décomposto de domae e réducto modale de brache Perre-Olver LAFFAY, Olver QUEMENER *, Etee VIDECOQ, Ala NEVEU Laboratore de Mécaque et d Eergétque d Evry (LMEE) 40, Rue du Pelvoux

Plus en détail

Arithmétique. Divisibilité. PGCD et PPCM. Division euclidienne. [http://mp.cpgedupuydelome.fr] édité le 24 septembre 2016 Enoncés 1

Arithmétique. Divisibilité. PGCD et PPCM. Division euclidienne. [http://mp.cpgedupuydelome.fr] édité le 24 septembre 2016 Enoncés 1 [http://mp.cpgedupuydelome.fr] édté le 24 septembre 206 Eocés Arthmétque Exercce 7 [ 025 ] [Correcto] O cosdère la sute (ϕ ) N défe par Dvsblté Exercce [ 087 ] [Correcto] Résoudre das Z les équatos suvates

Plus en détail

EXERCICES DE. Serveur d'exercices 1/22

EXERCICES DE. Serveur d'exercices 1/22 Sceces.ch EXERCICES DE TOPOLOGIE Serveur d'exercces /22 Sceces.ch EXERCICE.. Auteur : Rube Rcchuto (09.08.04, rube@sceces.ch) Mots Clés :Théorème de Bare et cardal de Éocé : Doer ue preuve topologque du

Plus en détail

CHAPITRE VI. THÉORÈME DU CHANGEMENT DE VARIABLE. pour tout borélien B U. En particulier, on a λ (A) = µ ( φ 1 (A)) pour tout borélien A V, soit V U

CHAPITRE VI. THÉORÈME DU CHANGEMENT DE VARIABLE. pour tout borélien B U. En particulier, on a λ (A) = µ ( φ 1 (A)) pour tout borélien A V, soit V U CHAPITE I. THÉOÈME D CHANGEMENT DE AIABLE.. Itégrato par chagemet de varable... Itroducto. Soet, deux ouverts de et φ : u homéomorphsme de sur. Notos x (resp. y ) la varable de (resp. de ) et λ = dy la

Plus en détail

INCERTITUDES. Lucyna Firlej. Groupe de Dynamique des Phases Condensees Université Montpellier 2

INCERTITUDES. Lucyna Firlej. Groupe de Dynamique des Phases Condensees Université Montpellier 2 Départemet Mesures Physques 005-006 INCERTITUDES Lucya Frlej Groupe de Dyamque des Phases Codesees Uversté Motpeller COURS ACCESSIBLES SUR LE SITE WEB: http://www.gdpc.uv-motp.r:708/~rlej ESTIMATION de

Plus en détail

AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION

AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION. INTRODUCTION Il est fréquet de s'terroger sur la relato qu peut exster etre deux gradeurs e partculer das les problèmes de prévso et d estmato. Tros types

Plus en détail

Sup Galilée - Maths pour l Ingénieur Corrigé du Partiel du 19 Novembre 2008

Sup Galilée - Maths pour l Ingénieur Corrigé du Partiel du 19 Novembre 2008 Sup Galilée - Maths pour l Igéieur Corrigé du Partiel du 9 Novembre 008 Étude d ue suite récurrete Soit u 0 ]0, [ O cosidère la suite (u ) défiie par u + u 3 u ) Justifier que la suite u est borée O motre

Plus en détail

Corrigé Fiche 6 Septembre 2016

Corrigé Fiche 6 Septembre 2016 Corrigé Fiche 6 Septembre 2016 1. Estimatio de la moyee, variace coue, cas gaussie O dispose d u -échatillo X 1,..., X i.i.d. tel que X i suit ue loi ormale N µ, σ 2 ). L objectif est d estimer µ. Supposos

Plus en détail

SOMMAIRE. Généralités :...2

SOMMAIRE. Généralités :...2 SOMMAIRE Gééraltés :... I. Déftos :... II. Apport de la statstque au écoomstes :... III. Les lmtes de la méthode statstque :... IV. Le vocabulare utlsé e statstque :...3 V. Quelques symboles mathématques

Plus en détail

Statistiques à deux variables

Statistiques à deux variables Statistiques à deux variables. Approche des séries statistiques à deux variables.. Nuage de poits Sur ue classe de BTSA, le professeur a relevé les moyees de élèves e mathématiques et e agroomie. Les otes

Plus en détail

1. Les notions de base

1. Les notions de base Statstques et formatque LSceces Ecoomques - Patrca Vorett. Les otos e base types e tratemet e base e l'formato cffrée : sytétser et comparer > Outl e base permettat e résumer l'fo : calcul e moyees objet

Plus en détail

RÉUSSIR L ÉPREUVE DE MATHÉMATIQUES. Baccalauréat 2015

RÉUSSIR L ÉPREUVE DE MATHÉMATIQUES. Baccalauréat 2015 RÉSSIR L ÉPREVE DE MATHÉMATIQES Baccalauréat Fare retrer l école das l ère du umérque Le mot caddat fat référece au deu sees Mascul et Fém Réussr l épreuve de mathématques au baccalauréat. - Durée et coeffcet

Plus en détail

Analyse en composantes principales d un ux de données d espérance variable dans le temps.

Analyse en composantes principales d un ux de données d espérance variable dans le temps. Mauscrt auteur, publé das "REVUE DES NOUVELLES TECHNOLOGIES DE L'INFORMATION, C- (008) 43-56" Aalyse e composates prcpales d u ux de doées d espérace varable das le temps. Jea-Mare Moez Isttut Ele Carta

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

I- SUITES RÉCURRENTES LINÉAIRES D'ORDRE 2 II- RÉVISIONS DE PCSI-MPSI

I- SUITES RÉCURRENTES LINÉAIRES D'ORDRE 2 II- RÉVISIONS DE PCSI-MPSI CH MATRICES Lycée Sat-Lous-PSI1 I- SUITES RÉCURRENTES LINÉAIRES D'ORDRE Sot (a, b) IK IK*, s la sute (u ) vérfe IN, u + = a u +1 + b u, commet obtet-o la valeur de u? O forme l'éuato caractérstue P(x)

Plus en détail

ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES

ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES SOMMAIRE. Normes sur u espace vectorel E 2.. Défto d'ue orme. Cter l'égalté tragulare reversée. 2.2. Normes usuelles

Plus en détail

Texte Analyse en composantes principales

Texte Analyse en composantes principales Uverstés Rees I Épreuve de modélsato - Agrégato Extere de Mathématques 2007 Page Texte Aalyse e composates prcpales Itroducto E archéologe, l aalyse de la composto de matéraux est deveue u outl essetel

Plus en détail

Fiche technique : diagonalisation, trigonalisation.

Fiche technique : diagonalisation, trigonalisation. Fche technque 4 : dagonalsaton trgonalsaton - - Fche technque : dagonalsaton trgonalsaton Dagonalsaton de matrces le prncpe pour dagonalser en pratque une matrce est smple : calculer les espaces propres

Plus en détail