Épreuve de MATHEMATIQUES 2
|
|
- Marie-Claude Cardinal
- il y a 7 ans
- Total affichages :
Transcription
1 C31122 Ecole Normale Supérieure de Cachan 61 avenue du président Wilson CACHAN Concours d admission en 3 ème année Mathématiques Session 2011 Épreuve de MATHEMATIQUES 2 Durée : 5 heures Aucun document n'est autorisé L'usage de toute calculatrice est interdit Si, au cours de l épreuve, un candidat repère ce qui lui semble être une erreur d énoncé, il le signale sur sa copie et poursuit sa composition en expliquant les raisons des initiatives qu il est amené à prendre. Sujet 1- Probabilités et statistiques Sujet 2- Analyse numérique Le candidat traitera au choix le sujet 1 ou le sujet 2 et rappellera sur sa copie le sujet qu il a choisi de traiter.
2 Projet de sujet de Probabilités 2011 Concours d entrée à l ÉNS Cachan 3 e année Les différentes parties du problème ne sont pas indépendantes Notations On note N (0, 1) la loi normale de moyenne 0 et de variance 1. Si X est une variable aléatoire, on note E(X) son espérance et Var(X) sa variance. On rappelle que X est une variable aléatoire de Poisson de paramètre λ lorsque λ λn P(X = n) = e n! pour tout n N. On dit que X suit la loi de Bernoulli de paramètre p [0, 1] lorsque p = P(X = 1) = 1 P(X = 0). Toutes les variables aléatoires sont définies sur un espace de probabilité commun (Ω, A, P). Si µ est une loi de probabilité sur N, alors pour tout k N, on note µ(k) la probabilité affectée par µ au singleton {k}. On note enfin E(X Y ) l espérance conditionnelle de X sachant Y. Si E est un ensemble fini, on note E son cardinal. Pour tout n N, on note B n l ensemble des partitions de {1,..., n}. Pour tout B B n et tout b {1,..., n} non vide, on note b B lorsque b fait partie de la partition B, et on dit que b est un bloc de B. La partition B est constituée de B blocs. Pour tous b, b B avec b b, on a b b =. On a également b > 0 pour tout b B et {1,..., n} = b. On note enfin B b+ l élément de B n+1 obtenu à partir de B en remplaçant le bloc b B par b {n + 1}. Notons que B b+ = B. b B Un modèle de croissance Le but de ce sujet est d étudier l évolution au cours du temps d une population répartie en groupes. À l instant n N, la population comporte n individus, numérotés de 1 à n, et les groupes qu ils constituent sont modélisés par une variable aléatoire B n à valeurs dans B n. Chaque bloc correspond à un groupe. On pose B 1 = {{1}}. À l instant n+1, un nouvel individu rejoint la population et décide soit de rejoindre l un des B n groupes déjà constitués avec une probabilité 1
3 proportionnelle au nombre de membres du groupe (grégarisme), soit de créer un nouveau groupe (individualisme). On modélise par θ/(n+θ) la probabilité qu a l individu n+1 de créer un nouveau groupe, où θ > 0 est un paramètre réel fixé et inconnu (identique pour tous). La population ne fait que croître, et comporte n individus au temps n. Le numéro d un individu correspond exactement à son temps d arrivée dans la population. Les individus ne meurent pas et ne quittent pas leur groupe. La suite (B k+1 ) k N est une chaîne de Markov d espace d états n=1b n. Rappels On dit qu un suite de variables aléatoires (X k ) k N à valeurs dans un ensemble au plus dénombrable E est une chaîne de Markov lorsque pour tout k N et tous x 0,..., x k, x k+1 dans E, on a P(X k+1 = x k+1 X 0 = x 0,..., X k = x k ) = P(X k+1 = x k+1 X k = x k ). La loi de X 0 est appelée loi initiale et l ensemble E espace d états. On dit que la chaîne est homogène lorsque pour tout k N et tous x, y dans E, la quantité P(X k+1 = y X k = x) ne dépend pas de k. Partie I Cette partie est consacrée à une première étude de la chaîne de Markov (B k+1 ) k N. 1. Montrer que pour tout n N et tout B B n, b = n b B 2. Montrer que pour tout n N et tout B B n et B B n+1, b θ + n P(B n+1 = B B n = B) = θ θ + n si B = B {{n + 1}} 0 sinon si B = B b+ pour un b B 3. La chaîne de Markov (B k+1 ) k N est-elle homogène? Préciser sa loi initiale 4. Préciser l évolution de la population dans le cas extrême où θ = 0 5. Préciser l évolution de la population dans le cas extrême où θ = + 2
4 Partie II Cette partie est consacrée à la loi de la partition aléatoire B n ainsi qu à ses blocs. 1. Établir par récurrence que pour tout n 1 et tout B B n, P(B n = B) = θ B (θ + 0)(θ + 1) (θ + n 1) ( b 1)! b B 2. Soit B une partition de {1,..., n} en blocs b 1,..., b B. Pour tout 1 i n, soit a i le nombre de blocs de taille i de B. Montrer que a 1 + 2a na n = n 3. Avec les notations de la question précédente, établir que le nombre de partitions B B n à nombres a 1,..., a n prescrits vaut n! ni=1 (i!) a i ai! 4. Pour tout n 1 et tout 1 i n, soit C n,i le nombre de blocs de taille i de B n, de sorte que n = C n,1 + 2C n,2 + + nc n,n. Déduire des questions précédentes que pour tous entiers 0 a 1,..., a n n tels que a 1 + 2a na n = n, P(C n,1 = a 1,..., C n,n = a n ) = n! (θ + 0)(θ + 1) (θ + n 1) 5. Pour tout n 1, on pose C n = (C n,1,..., C n,n ) où C n,i est comme précédemment. Montrer que la suite de vecteurs aléatoires (C k+1 ) k N est une chaîne de Markov non homogène dont on précisera l espace d états. Partie III Cette partie est consacrée à l étude du nombre de blocs B n de B n. 1. Montrer que la suite ( B k+1 ) k N est une chaîne de Markov non homogène 2. Montrer que pour tout n 1, B n = ξ 1 + +ξ n où ξ 1,..., ξ n sont des variables aléatoires indépendantes de lois de Bernoulli vérifiant pour tout 1 k n P(ξ k = 1) = 1 P(ξ k = 0) = 3. Montrer que pour tout n 1, on a E( B n ) = n 1 k=0 θ θ + k et Var( B n ) = θ θ + k 1 n 1 k=1 n i=1 θk (θ + k) 2 La suite ( B k+1 ) k N constitue-t-elle une martingale? 4. Montrer que E( B n ) θ ln(n) et Var( B n ) θ ln(n) quand n + 5. Établir que où B n ln(n) P n θ P désigne la convergence en probabilité. 3 1 a i! ( θ i ) ai ( )
5 Partie IV On étudie dans cette partie le nombre de blocs de taille n de B n, noté C n,n. 1. Montrer que C n,n vaut 0 ou 1 et que C n,n = 1 si et seulement si B n = 1 2. Établir que P(C n,n = 1) = 3. En déduire que lim n P(C n,n = 1) = 0 n 1 k=1 k θ + k 4. En déduire que presque-sûrement, C n,n = 0 à partir d un certain rang sur n. Partie V Dans cette partie, on étudie le nombre de blocs de taille 1 de B n, noté C n,1. 1. Montrer que (C k+1,1 ) k N est une chaîne de Markov d espace d état N et que pour tout n 1, tout 0 a n et tout 0 a n + 1, on a θ θ + n si a = a + 1 a θ + n P(C n+1,1 = a C n,1 = a) = 1 θ θ + n a θ + n si a = a 1 si a = a 0 sinon 2. En déduire que pour tout n 1, E(C n+1,1 C n,1 = a) = a(θ + n 1) + θ θ + n 3. En déduire que pour tout n 1, E(C n,1 ) = nθ n + θ 1 4. Si X et Y sont des variables aléatoires à valeurs dans N avec X de carré intégrable, on définit Var(X Y ) = E(X 2 Y ) E(X Y ) 2. Montrer que Var(X Y ) 0 et que Var(X) = E(Var(X Y )) + Var(E(X Y )) 5. En déduire que pour tout n 1, Var(C n,1 ) = n(n 1)(n 2 + 2θ)θ (n + θ 2)(n + θ 1) 2 4
6 Partie VI Cette partie est consacrée à l étude d une distance sur l ensemble des lois de probabilités sur N. Si µ et ν sont des lois de probabilité sur N, on définit d V (µ, ν) = sup µ(a) ν(a). A N Si X et Y sont des variables aléatoires sur N de lois respectives µ et ν, on pose par commodité d V (X, Y ) = d V (µ, ν). 1. Montrer que d V est une distance sur l ensemble des lois de probabilité sur N 2. Établir que si µ et ν sont des lois de probabilité sur N alors 2d V (µ, ν) = µ(k) ν(k) k N 3. Établir que si µ et ν sont des lois de probabilité sur N alors 2d V (µ, ν) = sup f F f dµ f dν où F désigne l ensemble des fonctions définies sur N et à valeurs dans [ 1, 1] 4. Soit (X n ) n N une suite de variables aléatoires sur N et µ une loi de probabilité sur N. Pour tout n N, on note µ n la loi de X n. Montrer que les propriétés suivantes sont équivalentes : (a) X n converge en loi vers µ (b) lim n µ n (k) = µ(k) pour tout k N (c) lim n d V (µ n, µ) = 0 5. Montrer que si ξ est une variable aléatoire de Bernoulli de paramètre p [0, 1] et P une variable aléatoire de Poisson de même moyenne alors d V (ξ, P ) p 2 6. Montrer que si (X k ) 1 k n et (Y k ) 1 k n sont des suites de variables aléatoires indépendantes à valeurs dans N alors n d V (X X n, Y Y n ) d V (X k, Y k ) k=1 7. En déduire que si ξ 1,..., ξ n sont des variables aléatoires indépendantes de loi de Bernoulli de paramètres respectifs p 1,..., p n et si P n est une variable aléatoire de Poisson de moyenne p p n alors n d V (ξ ξ n, P n ) p 2 k k=1 ( ) 5
7 Partie VII Cette partie est consacrée à l étude des fluctuations asymptotiques pour la convergence en probabilité de B n / ln(n) vers θ obtenue en ( ). Elle met en œuvre la distance d V étudiée précédemment. On admettra qu on peut remplacer, dans le membre de droite de ( ), la quantité n k=1 p 2 k par la quantité plus petite (1 exp( p 1 p n )) p p 2 n p p n. D autre part, afin d alléger les notations, on pose λ n = E( B n ) et σ 2 n = Var( B n ) et on note P n une variable aléatoire de Poisson de paramètre λ n. 1. Établir que lim d V ( B n, P n ) = 0 n 2. Établir que pour toute fonction f : R R continue et bornée, ( ( )) ( ( )) E Bn λ n Pn λ n f E f σ n σ n 2 (sup f ) d V ( B n, P n ) 3. En utilisant lim n λ n /σ 2 n = 1, établir que 4. Établir que P n λ n σ n B n λ n σ n loi N (0, 1) n loi N (0, 1) n 5. Établir que si (X n ) n N est une suite de variables aléatoires convergeant en loi vers une loi de probabilité µ et si (a n ) n N et (b n ) n N sont deux suites de réels convergeant vers a et b respectivement alors (a n X n + b n ) n N converge en loi vers la loi de ax + b où X suit la loi µ 6. En déduire que B n θ ln(n) θ ln(n) loi N (0, 1) n 7. Soit α ]0, 1[. Déduire de la question précédente un intervalle de confiance asymptotique pour θ au niveau de confiance 1 α, en fonction d un quantile de la loi N (0, 1). Fin de l épreuve 6
8 Sujet Analyse Numérique Durée 5H On considère M n (K) l espace vectoriel des matrices carrées de taille n à éléments dans K = R ou C, muni de la norme., que l on suppose multiplicative, c est-à-dire telle (A,B) M n (K) M n (K), AB A B. On rappelle que si pour z C, f(z) = n 0 a nz n et g(z) = n 0 b nz n sont deux séries entières de rayons de convergence respectifs R a > 0 et R b > 0, alors la somme f +g et le produit fg sont des séries entières de rayon de convergence R min(r a,r b ). Le produit (de Cauchy) des deux séries se calcule alors par la formule ( + ) ( + ) ( + n a n z n b n z n = a k b n k )z n. n=0 n=0 La substitution de n 0 a nz n dans n 0 b nz n est possible si le coefficient a 0 = f(0) est nul. La série obtenue par substitution est de rayon R strictement positif. Sur un disque de rayon 0 < R R, la somme de la série obtenue est la composée g f. Pour toute matrice A de norme A < min(r a,r b ), les séries n 0 a na n et n 0 b na n sont absolument convergentes et donc bien définies, et les opérations somme, produit et substitution, restent licites sous les mêmes conditions que pour les séries entières. On définit donc l exponentielle exp(a) d une matrice A M n (K) par la série convergente exp(a) = k=0 n=0 1 k! Ak. Pour Ω M n (K) fixée, on définit l opérateur ad Ω comme l application linéaire suivante : ad Ω : M n (K) M n (K) k=0 A ad Ω (A) = ΩA AΩ et on note ad i Ω l opérateur composé ad Ω... ad }{{ Ω. La norme considérée sur l espace vectoriel } i fois L(M n (K)) est la norme subordonnée, qu on notera encore. : en particulier, on a ad Ω = ad Ω (A) sup A M n(k), A 0 A LorsqueAetB sontdeuxmatricesdem n (K)quicommutent,alorsexp(A+B) = exp(a)exp(b) = exp(b) exp(a). L objectif des trois premières parties de ce sujet est d établir une formule, dite formule de Baker-Campbell-Hausdorff (BCH en abrégé), dans le cas où A et B ne commutent pas. 1
9 La quatrième partie concerne l approximation de exp(t(a + B)) par des produits de matrices de la forme exp(taa) et exp(tbb). Les parties sont indépendantes les unes des autres sauf mention explicite dans certaines questions. Première Partie On rappelle que l application Π k : M n (K) M n (K) Ω Ω k est différentiable et que sa différentielle DΠ k (Ω) au point Ω est une application linéaire de M n (K) dans M n (K) qui vérifie H M n (K), DΠ k (Ω) H = lim t 0 (Ω+tH) k Ω k t Question 1 : Pour H M n (K), calculer DΠ k (Ω) H pour k = 1,2,3. Question 2 : Etablir les relations suivantes : DΠ k (Ω) H = 2HΩ+ad Ω (H) DΠ k (Ω) H = 3HΩ 2 +3ad Ω (H)Ω+ad 2 Ω (H) Question 3 : A partir de la définition de la différentielle DΠ k (Ω), justifier que pour tout k 1 ( ) ( ) DΠ k+1 (Ω) H = DΠ 1 (Ω) H Ω k +Ω DΠ k (Ω) H Question 4 : En déduire que pour tout k 1, on a : k 1 ( k DΠ k (Ω) H = i+1 i=0 ) ad i Ω(H)Ω k 1 i Question 5 : Etablir que l opérateur ad i Ω est borné par 2i Ω i. Question 6 : Soit dexp Ω l application linéaire de M n (K) dans M n (K) définie par H M n (K), dexp Ω H = k 0 1 (k +1)! adk Ω (H) (On ne confondra pas la notation dexp Ω avec la différentielle Dexp(Ω) de exp(ω) utilisée ci-après). Justifier que la série converge pour tout H et donner une borne de l opérateur dexp Ω. Question 7 : Montrer que l application Ω exp(ω) est différentiable en tout Ω M n (K). Soit Dexp(Ω) sa différentielle de Ω exp(ω) au point Ω. Montrer que On justifiera les calculs. H M n (K), Dexp(Ω) H = (dexp Ω (H))exp(Ω) 2
10 Deuxième Partie Dans cette partie, on suppose que K = C. Soit Ω M n (C) une matrice fixée non nulle. Question 1 : Montrer que 0 est valeur propre de ad Ω. Déterminer son noyau dans le cas où n = 2 et ( ) 0 1 Ω = 1 0 Question 2 : On rappelle que ad Ω et dexp Ω sont des endormorphismes de M n (C). Montrer que pour toute valeur propre non nulle λ de ad Ω, eλ 1 λ est valeur propre de dexp Ω. Question 3 : En s appuyant sur le fait que M n (C) est un espace vectoriel de dimension finie n 2, donnerunecondition nécessaire et suffisante surlespectredead Ω pourquedexp Ω soit inversible. Question 4 : Soit B 0 = 1. On suppose que les nombres B k, k N satisfont la relation suivante pour tout n N : n ( ) n+1 B k = 0 k k=0 Montrer que la suite (B k ) k N est entièrement déterminée. Calculer B 1, B 2, B 3 et B 4. Question 5 : On considère la série entière S(z) = convergence de S(z) est 2π et que l on a la relation k=0 z,0 < z < 2π, S(z) = z e z 1 Question 6 : En déduire que B 2k+1 est nul pour tout k 1. B k k! zk pour z C. Montrer que le rayon de Question 7 : On suppose que Ω < π. Déterminer l expression de l inverse dexp 1 Ω de l opérateur dexp Ω. Troisième Partie Soient A et B deux matrices de M n (C) qui ne commutent pas. L objectif de cette partie est de trouver une fonction matricielle t C(t) de R dans M n (C) telle que, pour tout t suffisamment petit, on ait : exp(ta) exp(tb) = exp(c(t)) puis d établir que C(t) satisfait une équation différentielle dont on déterminera l expression. Question 1 : Etablir que exp(ta)exp(tb) = I +t(a+b)+ t2 2 (A2 +2AB +B 2 )+O(t 3 ). Question 2 : On pose X(t) = exp(ta)exp(tb) I = t(a + B) + t2 2 (A2 + 2AB + B 2 ) + O(t 3 ). Montrer qu il existe ǫ > 0 tel que pour tout t ǫ, la série C(t) := ( 1) k+1 X(t) k k k=1 3
11 converge et que C(t) vérifie exp(ta) exp(tb) = exp(c(t)). Question 3 : Montrer qu il existe C 1 et C 2 and M n (C), telles que C(t) = tc 1 + t 2 C 2 + O(t 3 ) et les expliciter. Question 4 : Montrer de la même manière que pour s ǫ et t ǫ, il existe une fonction (s,t) Z(s,t) à valeurs dans M n (C), de classe C 1 par rapport à (s,t), et telle que exp(sa) exp(tb) = exp(z(s, t)) Question 5 : En utilisant la question 7 de la première partie et la question 7 de la seconde, montrer l égalité suivante : ( ( )) Z A exp(sa) exp(tb) = dexp Z(s,t) s (s,t) exp(z(s, t)) et en déduire que Z (s,t) = dexp 1 s Z(s,t) (A) = A 1 2 ad Z(s,t)(A)+ B k k! adk Z(s,t) (A) k 2 Question 6 : Montrer de la même manière que Z (s,t) = dexp 1 t Z(s,t) (B) = B ad Z(s,t)(B)+ B k k! adk Z(s,t) (B) k 2 On utilisera le résultat de la question 6 de la seconde partie. Question 7 : En identifiant Z(t,t) à C(t), établir que C(t) est solution du problème de Cauchy suivant : { Ċ(t) = A+B 1 2 ad C(t)(A B)+ B k k 2 k! adk C(t) (A+B) C(0) = 0 Question 8 : En s appuyant sur l identité (que l on justifiera) de Jacobi : (D 1,D 2,D 3 ) M n (C), ad D1 (ad D2 (D 3 ))+ad D3 (ad D1 (D 2 ))+ad D2 (ad D3 (D 1 )) = 0, montrer que l on a C(t) = tc 1 +t 2 C 2 +t 3 C 3 +O(t 4 ) avec C 1 = A+B, C 2 = 1 2 ad A(B), C 3 = 1 ( ad 2 12 A (B)+ad 2 B(A) ). On admettra que t C(t) est de classe C 4 dans un voisinage ouvert de t = 0. 4
12 Quatrième Partie Soient A et B deux matrices de M n (C) qui ne commutent pas. On cherche maintenant à approcher exp(t(a + B)) par un produit d exponentielles de la forme ψ s (t) = exp(ta 1 A)exp(tb 1 B)...exp(ta s A)exp(tb s B), pour s un entier non nul et (a 1,...,a s ) et (b 1,...,b s ) des s-uplets de réels. On dit alors que ψ s (t) est d ordre p, si p est le plus grand entier non nul tel que ψ s (t) = exp(t(a+b))+o(t p+1 ). Question 1 : Montrer que exp(ta)exp(tb) est d ordre 1 et que exp( 1 2 ta)exp(tb)exp(1 2tA) est d ordre au moins 2. Question 2 : On suppose que pour j = 1,...,s, ψ j (t) = exp(te j (t)) avec E j (t) = α j A+β j B + t 2 γ jad A (B)+O(t 2 ) Vérifier que α 1 = a 1, β 1 = b 1 et γ 1 = a 1 b 1. Question 3 : Montrer que pour 2 j s, on a les relations de récurrence suivantes : (i) α j = α j 1 +a j (ii) β j = β j 1 +b j (iii) γ j = γ j 1 +a j b j +α j 1 b j β j 1 a j Question 4 : En déduire qu on a les propositions suivantes : ψ s est d ordre au moins 1 si et seulement si s j=1 a j = 1 et s j=1 b j = 1 ψ s est d ordre au moins 2 si et seulement si elle est d ordre au moins 1 et s j=1 b j j i=1 a i = 1 2 Question 5 : On suppose ici que pour un entier s non nul donné, l approximation ψ s (t) est d ordre p, et qu on peut donc écrire : ψ s (t) = exp(t C(t)) avec C(t) = A + B + t p C p+1 + O(t p+1 ), où C p+1 est une matrice non nulle de M n (C) formée de puissances de A et B, que l on n explicitera pas. On considère alors l approximation suivante : φ(t) = ψ s (µ 1 t)ψ s (µ 2 t)ψ s (µ 3 t), pour tout triplet (µ 1,µ 2,µ 3 ) de réels de somme 1 (µ 1 +µ 2 +µ 3 = 1). Montrer qu on a alors φ(t) = exp(t D(t)) avec D(t) = A+B +t p (µ p+1 1 +µ p+1 2 +µ p+1 3 )C p+1 +O(t p+1 ). Question 6 : Donner une condition suffisante pour que φ(t) soit d ordre au moins p+1. Question 7 : Montrer que si p est impair, alors la condition précédente ne peut être satisfaite. Montrer que si p est pair, il existe une solution avec µ 1 = µ 3. 5
13 Question 8 : On suppose en outre que ψ s (t) satisfait la relation suivante pour tout t suffisamment petit : (ψ s (t)) 1 = ψ s ( t). Montrer qu alors p est pair et que pour la solution (µ 1,µ 2,µ 1 ) exhibée à la question précédente, on a également : (φ(t)) 1 = φ( t). Que peut-on dire de l ordre de φ(t)? Question 9 : Expliciter une procédure permettant de construire une approximation de exp(t(a+b)) de la forme de ψ s (t) d ordre pair aussi grand que souhaité. 6
Texte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailBACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailC algèbre d un certain groupe de Lie nilpotent.
Université Paul Verlaine - METZ LMAM 6 décembre 2011 1 2 3 4 Les transformations de Fourier. Le C algèbre de G/ Z. Le C algèbre du sous-groupe G 5 / vect{u,v }. Conclusion. G un groupe de Lie, Ĝ l ensemble
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailProbabilités 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 détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailProbabilités. C. Charignon. I Cours 3
Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailINTRODUCTION. 1 k 2. k=1
Capes externe de mathématiques : session 7 Première composition INTRODUCTION L objet du problème est l étude de la suite (s n n définie par : n, s n = Dans une première partie, nous nous attacherons à
Plus en détailNOTATIONS PRÉLIMINAIRES
Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel
Plus en détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailI. Cas de l équiprobabilité
I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailP1 : Corrigés des exercices
P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailFonctions Analytiques
5 Chapitre Fonctions Analytiques. Le plan complexe.. Rappels Soit z C, alors!(x,y) IR 2 tel que z = x + iy. On définit le module de z comme z = x 2 + y 2. On peut aussi repérer z par des coordonnées polaires,
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
Plus en détailChapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en détailIntégrale de Lebesgue
Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................
Plus en détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détailContents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes
Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailCours de mathématiques
DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................
Plus en détailÉquation de Langevin avec petites perturbations browniennes ou
Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE
ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
Plus en détailModule 7: Chaînes de Markov à temps continu
Module 7: Chaînes de Markov à temps continu Patrick Thiran 1 Introduction aux chaînes de Markov à temps continu 1.1 (Première) définition Ce module est consacré aux processus à temps continu {X(t), t R
Plus en détailCorrigé du baccalauréat S Pondichéry 12 avril 2007
Corrigé du baccalauréat S Pondichéry 1 avril 7 EXERCICE 1 Commun à tous les candidats 4 points 1 a Les vecteurs AB et AC ont pour coordonnées AB ; ; ) et AC 1 ; 4 ; 1) Ils ne sont manifestement pas colinéaires
Plus en détailArbre de probabilité(afrique) Univers - Evénement
Arbre de probabilité(afrique) Univers - Evénement Exercice 1 Donner l univers Ω de l expérience aléatoire consistant à tirer deux boules simultanément d une urne qui en contient 10 numérotés puis à lancer
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailLes mathématiques de la finance Université d été de Sourdun Olivier Bardou olivier.bardou@gdfsuez.com 28 août 2012 De quoi allons nous parler? des principales hypothèses de modélisation des marchés, des
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailCours de Probabilités et de Statistique
Cours de Probabilités et de Statistique Licence 1ère année 2007/2008 Nicolas Prioux Université Paris-Est Cours de Proba-Stat 2 L1.2 Science-Éco Chapitre Notions de théorie des ensembles 1 1.1 Ensembles
Plus en détailPRIME D UNE OPTION D ACHAT OU DE VENTE
Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,
Plus en détail