Cours sur les lois usuelles
|
|
- Lucile Bruneau
- il y a 7 ans
- Total affichages :
Transcription
1 Cours sur les lois usuelles. Lois de probabilités discrètes Loi de Berouilli Cotexte d applicatio : ue expériece dot le résultat est succès ou échec, u idividu qui possède ou pas ue caractéristique Défiitio : loi d ue var X preat les valeurs 0 et avec les probabilités : P(X=) = p et P(X=0) = -p = q Notatio : X Be(p) Caractéristiques : E(X) = p et V(X) = pq Illustratios : Le jeu de dé : l expériece cosiste à jeter u dé, le résultat du lacer est u chiffre compris etre et 6. La variable aléatoire X= «le résultat du lacé de dé est le chiffre 6» est défiie par : X : W ={Vrai,Faux} 3 {0,} ω X(ω) = 0 si ω = Faux si ω = Vrai O affecte toujours la valeur au résultat de l expériece qui ous itéresse, das cet exemple le chiffre 6. Si le dé est pas faussé, la loi de X est P(X=)=p=/6 et P(X=0)=q=5/6. La var X suit ue loi de Berouilli de paramètre p = /6, ce qui s écrit mathématiquemet : X Be(p=/6). Das le cas des pois de Medel, chaque pois suit ue loi de Berouilli de paramètre p=/4 : X= «la taille d ue plate» X : W ={G,N} 3 {0,} ω X(ω) = 0 si ω = G si ω = N O affecte toujours la valeur à la caractéristique qui ous itéresse, das cet exemple ue taille aie. D après les résultats de Medel, la loi de X est P(X=)=p=/4 et P(X=0)=q=3/4. Loi Biomiale Cotexte d applicatio : o répète fois ue même expériece, les expérieces sot idépedates les ues des autres (ie le résultat de l ue iflue pas l autre expériece). Das ue populatio de idividus, o compte ou déombre le ombre d idividus ayat ue caractéristique. Défiitio : loi d ue var X qui compte le ombre de réalisatios d u évèemet das ue suite de expérieces idépedates où l évèemet à la probabilité p de se produire. X est aussi défii comme la somme de variables aléatoires de Berouilli idépedates et de même probabilité p. D X = {0,,2,,} et pour k D X, P(X=k) = C k p k q -k Notatio : X B(, p) Caractéristiques : E(X) = p et V(X) = p q
2 Illustratios: L exemple classique est le tirage d ue boule das ue ure coteat deux couleurs, avec remise de la boule. E effet, si o e remet pas la boule, la compositio de l ure chage modifiat les proportios de chaque couleur et doc la probabilité d avoir ue boule d ue couleur spécifique. Preos l exemple d ue ure de 2 boules dot 5 blaches. Calculos la probabilité d avoir ue boule blache et ue boule grise quad o tire deux boules à la suite avec remise : D après la règle d équiprobabilité, o sait que P(blache) = 7/2 et P(grise) = 5/2. Que vaut la probabilité d avoir ue boule blache et ue boule grise? O doit teir compte de toutes les possibilités, soit : P([ er tirage = blac et 2 d tirage = gris] ou [ er tirage = blac et 2 d tirage = gris]) =(7/2) (5/2) + (5/2) (7/2) = 0,486 car les deux possibilités sot icompatibles et les tirages sot idépedats. Plus simplemet, o peut recoaître le cotexte d applicatio de la loi biomiale : o répète deux fois la même expériece. A chaque expériece, o a la même probabilité p=5/2 d avoir ue boule grise. Soit X= «ombre de boules grises parmi les deux boules tirées», X respecte bie la défiitio d ue loi biomiale et X B(=2, p=5/2). P(X=) = C2 (5/2) (7/2) 2- = 2 (5/2) (7/2) = 0,486. Remarque : si o tire sas remise, la probabilité est différete : Au er tirage o a ue boule blache, la compositio de l ure chage et les proportios de blaches et de grises devieet respectivemet 6/ et 5/. Iversemet, au er tirage o a ue boule grise, la compositio de l ure chage et les proportios de blaches et de grises devieet respectivemet 7/ et 4/. La probabilité d avoir ue boule blache et ue boule grise deviet : P([ er tirage = blac et 2 d tirage = gris] ou [ er tirage = blac et 2 d tirage = gris]) =(7/2) (5/) + (5/2) (7/) = 0,530 O est plus das u cotexte de loi biomiale car la probabilité chage d ue expériece à l autre. Autre exemple : les pois de Medel. O ote Y= «ombre de plates aies parmi u lot de trois graies». Pour chaque graie o défiit ue variable aléatoire X qui suit ue loi de Berouilli de paramètre p=/4. Par défiitio, Y= Xgraie + Xgraie 2 + Xgraie 3 est la somme des résultats de chaque graie. Aisi, si Y =3, o a 3 plates aies et les var X pour chaque graie valet, Y=++.Si Y= 2, o a 2 plates aies et ue var X vaut 0, les deux autres, Y=++0 ou Y=+0+ ou Y=0++. Y : {G,N} 3 {0,,2,3} ω Y(ω) = Xgraie + Xgraie 2 + Xgraie 3 = 0 si aucue plate aie si ue plate aie 2 si deux plates aies 3 si trois plates aies k Y B(=3,p=/4) et P(Y=k) = C3 (/4) k (3/4) 3-k. La structure géérale de la probabilité pour 3 graies compred deux termes : - (/4) k (3/4) 3-k la probabilité d observer k plates aies et 3-k plates grades. k - C3 le ombre de combiaisos possibles pour k plates aies parmi 3. 2
3 2. Loi de probabilités cotius : cas de la loi Normale Loi Normale ou de Gauss ou de Laplace Gauss Cotexte d applicatio : la loi Normale joue u rôle importat e statistique, elle correspod à de ombreux cas cocret comme coséquece du théorème cetral limite, que ous préseteros au paragraphe 3, ou comme approximatio pour la loi Biomiale. Défiitio : X est ue variable aléatoire absolumet cotiue, défiie sur D X =]-, + [, dot la foctio de desité,, est uimodale et symétrique par rapport à so espérace (ou moyee) otée m : = e σ 2π x m 2 σ 2 σ désige l écart-type de X. Observos so impact sur la desité : N(m=, σ = 2,4) N(m=, σ = 0,4) Plus l écart-type est élevé, plus la courbe de desité est évasée et plus la plage des valeurs probables pour X est large. La foctio de desité e s itègre pas aalytiquemet, aussi, o a recours à des tables pour calculer la foctio de répartitio F(x) : x F(x) = σ t m 2 σ 2π X e 2 dt Notatio : O ote idifféremmet X N(m, σ 2 ), ou X N(m, σ ). Selo les persoes, le deuxième terme désige la variace ou l écart-type. Caractéristiques : E(X) = m et le mode et la médiae sot cofodues avec l espérace et valet elles aussi m. V(X) = σ 2 X 3
4 Propriétés : Soit X N(m, σ 2 ) et X 2 N(m 2, σ 2 2 ) deux variables aléatoires idépedates, alors : X + X 2 N(m + m 2, σ 2 + σ 2 2 ) X - X 2 N(m - m 2, σ 2 + σ 2 2 ) les variaces se sommet toujours Illustratio très importate : la loi Normale cetrée réduite N(0,) Foctio de desité F(X 2 ) F(x) F(X ) Foctio de répartitio x X X 2 X X 2 Le calcul de la probabilité e cotiu se raisoe e aire sous la courbe de desité : P(X X 2 ) = F(X 2 ) = aire sous la courbe de la foctio de desité jusqu à X 2. P(X < X X 2 ) = F(X 2 ) F(X ) = aire hachurée sur le graphique de la foctio de desité. La loi Normale N(0,) est cetrée sur 0, elle est doc symétrique par rapport à 0. Cette propriété implique que : F(-u) = F(u) F(u) = F(-u) x u x u L aire de - jusqu à u est égale par symétrie à l aire à partir de u jusqu à +. Or l aire au delà de u correspod à P(X u) = P(X u) = F(u). Rappel : par défiitio l aire totale sous la courbe vaut. Rappel 2 : e cotiue P(X< X 2 ) = P(X X 2 ) car la probabilité e u poit est ulle. 4
5 Utilisatio de la table de loi Normale cetrée réduite. Toute variable aléatoire X N(m,σ) se ramèe par chagemet de variable (X-m)/σ à ue loi cetrée réduite. O otera par la suite U = (X-m)/σ la variable trasformée telle que U N(0,). E soustrayat m à X, o cetre toutes les valeurs sur 0 et esuite o réduit la variabilité e divisat toutes les valeurs par l écart-type pour rameer la variace à. Illustratio : passage de X N(m=,5 ; σ=2,4) à U = (X-,5)/2,4 où U N(0,) f(u) ,5 2, O costate que la courbe de desité est cetrée et symétrique par rapport à,5 et qu elle est plus évasée. E soustrayat,5, o décale toutes les valeurs de,5 vers la gauche, et f(u) est cetrée et symétrique par rapport à 0. Comme o a divisé les valeurs (x-,5) par 2,4, o costate que la courbe est d autat plus resserrée autour de 0. O semble atteidre l asymptote horizotale pour X=8 avec la foctio soit u écart à la moyee de 8-,5=6,5. Si o traspose pour U, alors la distace pour atteidre l asymptote e sera plus que de 6,5/2,4 = 2,7. Remarquez que l échelle des ordoées a chagé, e réduisat (=e divisat par σ), o cocetre la surface (= aire) de sur ue plus petite plage de valeurs. Seule la loi Normale cetrée réduite N(0,) est tabulée. Par la suite, U désigera ue var qui suit la loi N(0,) et F(u) sa foctio de répartitio. Pour calculer les probabilités d ue loi Normale N(m,σ), o pratique le chagemet de variable U = (X-m)/σ et comme l aire e chage pas, les probabilités sot idetiques : P(X X 2 ) = P(U (X 2 m) /σ ) =Φ((X 2 m) /σ) P(X < X X 2 ) =. P((X m) /σ < U (X 2 m) /σ) = =Φ((X 2 m) /σ) - Φ((X m) /σ) Présetatio et lecture de la table : X La première coloe de la table idique la valeur de u jusqu à la première décimale. Pour plus de précisio, la secode décimale de u est idiquée sur la première lige. Aisi, u=2,45 correspod à la lige 25 de la première coloe où o lit 2,4 et, sur la première lige, à la coloe 6 où o lit 0,05. O a bie aisi formé la valeur 2,45. Le cœur de la table idique les probabilités associées à u. Aisi, la valeur de P(U 2,45) = Φ(2,45) se lit à l itersectio de la lige 25 et de la coloe 6, où o lit 0,993. U 5
6 Remarquez bie que la table e cocere que les valeurs positives de u. Pour les valeurs égatives, o utilise la propriété de symétrie P(U -2,45) = Φ(-2,45)= - Φ(2,45) = 0,0069. E résumé, pour ue valeur égative -u, o lit das la table la probabilité associée à u et o calcule mois cette probabilité pour avoir le résultat fial. O peut aussi lire la table e ses iverse, par exemple, o cherche la valeur de u associée à la probabilité 0,975, soit P(U u) = Φ(u) = 0,975. O cherche das le cœur de la table la valeur 0,975, elle est située à l itersectio de la lige 20 et de la coloe 7. Doc u pred la valeur,96, formée à partir de la valeur,9 située au début de la lige 20 (das la coloe u) et de la valeur 0,06 située e début de coloe 7 (das la lige u). Remarquez à ouveau que les probabilités vot de 0,5 à 0, E dessous de 0,5, les valeurs de u sot toutes égatives. Aussi, pour les probabilités iférieures à 0,5 o utilise la propriété de symétrie. Exemple : pour ue probabilité de 0,025, o cherche ue valeur égative que l o ote u tel que P(U -u) = Φ(-u) = 0,025. O lit das la table la valeur de u associée à la probabilité complémetaire Φ(u)= - Φ(-u) = -0,025 = 0,975. Das ce cas, u=,96, la valeur recherchée est doc,96. Remarque : Si vous cherchez u tel que P(U u) = Φ(u) = 0,95. Vous e trouverez pas la valeur exacte mais lige 7 vous trouverez deux valeurs très proches 0,9495 (u =,64) et 0,9505 (u =,65) qui ecadret la valeur 0,95. Quad vous avez pas de valeurs exactes vous pouvez soit choisir la valeur la plus proche soit réaliser ue iterpolatio liéaire de u. Exemple, 0,95 est situé à la moitié etre 0,9495 et 0,9505, doc u sera situé à la moitié de,64 et de,65 soit u =,645. La formule géérale pour l iterpolatio de u etre deux valeurs u et u 2 telles que Φ(u ) et Φ(u 2 ) ecadret au plus près Φ(u) : φ( u) φ( u) u= u + ( u2 u ) φ( u ) φ( u ) 2 idique la positio de Φ(u) par rapport à Φ(u ) et Φ(u 2 ). Das otre exemple, ce terme valait /2 et doc u d après la formule d iterpolatio est bie aussi à la moitié etre u et u 2. O raisoe proportioellemet. Le terme ( φ( u) φ( u ))/( φ( u2) φ( u )) Utilisatios de la table. X N(m,σ), où m et σ sot cous. O coaît la valeur de x et o veut calculer la probabilité associée à x : P(X x). Alors o calcule u = (x-m)/ σ et o cherche la probabilité das la table. 2. X N(m,σ), où m et σ sot cous. O coaît la valeur de la probabilité P(X x) et o cherche la valeur de x. Comme P(X x) = P(U (x-m)/σ), o ote u = (x-m)/ σ et o lit das la table la valeur de u la plus proche de la probabilité coue, ou pour plus de précisio o calcule la valeur de u par iterpolatio liéaire. O déduit esuite la valeur de x = u σ + m Illustratios : X N(m = 2,σ = 2). Calculos P(8,5 < X 2) : P(8,5 < X 2) = P((8,5-2)/2 < U (2-2)/2) = P(-,75< U 0) = Φ(0) - Φ(-,75) = 0,5 (- Φ(,75)) = 0,5 (-0,9599) = 0,4599 Détermios x tel que P(X x) = 0,83. P(X x) = P(U (x-2)/2) = Φ((x-2)/2) = 0,83. O ote u = (x-2)/2. Lige 0, o trouve coloe 6 et 7 les probabilités et qui ecadret Par iterpolatio liéaire u = 0,95 + (0,00/0,0026) (0,96-0,95) = 0,95 + 0,004=0,954 et x = = u 2+ 2 = 3,9. 6
7 Cherchos l itervalle cetré sur m, [m-x,m+x] tel que P(m-x X m+x) = 0,95 : P(m-x X m+x) = P(-x/σ U x/σ) = Φ( x/σ) - Φ(- x/σ) = Φ( x/σ) (-Φ(x/σ)) = 2 Φ( x/σ) Doc 2 Φ( x/σ) = P(m-x X m+x) = 0,95 d où Φ( x/σ) = (+0,95)/2 =0,975. O lit das la table,96 et doc tout le terme x/σ etre les parethèses de Φ est égal à,96. D où x =,96 σ =,96 2= 3,92. Reteez bie le calcul de l itervalle cetré, c est u calcul classique à savoir faire rapidemet et qui sera réutilisé par la suite das les cours sur l estimatio et les tests.. 3. Covergeces e loi Le théorème cetral limite (TCL) Théorème : Soit X, X 2,, X ue suite de var idépedates et idetiquemet distribuées (iid) de moyee m et de variace σ 2 fiie. Alors ( = X ) i i m N(0,) Coverge e distributio quad + Applicatios : Moyee de var iid : Soit X la moyee arithmétique des X i, X = i = X i, d après le TCL, X ted asymptotiquemet (= quad deviet grad) vers la loi Normale N(m, σ / ). X + X X m 2 Somme de var iid : ted asymptotiquemet d après le TCL σ vers la loi Normale N(0,). O cosidérera que est suffisammet grad pour l utilisatio de la loi Normale das les applicatios et 2 quad 30. Das le cas 2, si les X i sot des var discrètes, o peut appliquer ue correctio de cotiuité qui cosiste à rajouter ue correctio de 0,5 : a+ 0,5 m P( X a) = P( X < a+ ) = i= i i= i φ σ O lit das la table N(0,) la valeur de la probabilité pour a+0,5 (cetré e elevat m et réduit e divisat par σ / ), e positio itermédiaire etre a et a+. La probabilité avec ue loi discrète est la même pour a jusqu à a+ (exclu), alors qu e cotiue la probabilité varie cotiuellemet etre a et a+, pour e pas commettre trop d erreur d approximatio avec la loi Normale o pred la valeur itermédiaire de a+ 0,5. Attetio si vous calculez la probabilité pour la somme des X i strictemet iférieur à a, la positio itermédiaire deviet a-0,5 au lieu de a+0,5 : a 0,5 m P( X < a) = P( X a ) = i= i i= i φ σ Illustratio : O lace 00 fois u dé à 6 faces o pipé. O ote X= «somme des poits obteus». Défiissos la var X puis calculos P(320 X 380). Les lacés du dé sot idépedats et idetiquemet distribués, soit Xi = «résultat du dé au lacé i» alors : Xi : Ω {,2,3,4,5,6} 7
8 ω Xi(ω) = si la face du dé affiche etc. jusqu à 6. P(Xi =a) = /6, la probabilité d obteir ue face est la même quelque soit le uméro k dessié sur la face. E(Xi) = ( )/6 = 3,5 et V(Xi) = ( )/6 3,5 2 = 2,9 Comme X = i Xi, et que = 00, o peut utiliser l applicatio 2 du TCL : P(320 X 380) = P(X 380) P(X 320) Das otre cas : m = 00 3,5 = 350 et σ = 2, 9 0 = 7 D où : P(320 X 380) = P(X 380) P(X 320) = P(U (380+0,5-350)/7) P(U ( ,5 350)/7) = Φ(30,5/7)- Φ(-30,5/7) = Φ(,79)- Φ(-,79) = Φ(,79)- (-Φ(,79)) = 2 Φ(,79)- o lit das la table à,79 la probabilité 0,9633, d où P(320 X 380) = 2 0,9633- = 0,9266. O a 92,66% de chace que la somme des poits soit comprises etre 320 et 380. Applicatio à la loi Biomiale La loi Biomiale est défiie comme ue somme de var X i iid où X i Be(p). O peut doc utiliser l applicatio 2 du TCL quad les effectifs sot suffisammet grads. Si Y B(,p), alors Y p ted asymptotiquemet vers ue loi Normale N(0,) pq Das la pratique, o peut utiliser les critères suivats : si 30 et si p 5 et si q 5, o peut remplacer les calculs cocerat la loi biomiale B(,p) par des calculs utilisat la loi Normale. Illustratio : Das u lot de 300 graies de Pois, qui peuvet être soit aies avec ue probabilité p = ¼ soit grades avec ue probabilité q=3/4, das quelles limites peut varier le ombre de plates aies? O cosidérera u itervalle cetré sur le ombre moye de plates aies valable das 95% des cas. O ote Y= «ombre de plates aies parmi u lot de trois cets graies». Pour chaque graie i o défiit ue variable aléatoire Xi qui suit ue loi de Berouilli de paramètre p=/4. Par défiitio, Y est la somme des 300 var Xi idépedates et de même loi, doc Y B(=300,p=/4) de moyee (ou espérace) = p = 300 /4 = 75 et de variace p q = 75 3/4 = 56,25 et d écart-type 56, 25 =7,5. O cherche l itervalle [75-a,75+a] tel que P(75-a Y 75+a) = 0,95. D après le TCL, (Y 75)/7,5 suit approximativemet ue loi Normale N(0,) si =300 30, p =75 5 et q = D où o cetre et o réduit Y comme das le cadre d ue loi Normale et P(75-a Y 75+a) = P(-a/ 7,5 U a/ 7,5) = Φ( a/7,5) - Φ(- a/7,5) = Φ( a/7,5) (-Φ(a/7,5)) = 2 Φ(a/7,5), d où Φ( a/7,5) = (+0,95)/2 =0,975. O lit das la table,96 et doc tout le terme a/7,5 etre les parethèses de Φ est égal à,96. D où a =,96 7,5 = 4,625 et l itervalle vaut [60.375, 89,625]. Remarque : das ce calcul, o a égligé les correctios de cotiuité. Pour les puristes, P(75-a Y 75+a) = P(Y 75+a) - P(Y< 75-a) = P(U (75+a+0,5-75)/7,5) P(U (75 a - 0,5 75)/7,5) =Φ( (a+0,5)/7,5) - Φ((- a-0,5)/7,5) d où e appliquat le même raisoemet que précédemmet, Φ( a+0,5/7,5) = (+0,95)/2 =0,975 et a = 0,5 +,96 7,5 = 5,25 et l itervalle vaut [59.875, 90,25]. Ce qui doe u itervalle u peu plus large. Par la suite, das le cas de la loi Biomiale, o simplifiera toujours les calculs e égligeat les correctios de cotiuité et e appliquat uiquemet le résultat Y p N(0,) si 30 et si p 5 et si q 5. pq 8
9 COURS SUR LES LOIS USUELLES.... Lois de probabilités discrètes... Loi de Berouilli... Loi Biomiale Loi de probabilités cotius : cas de la loi Normale...3 Loi Normale ou de Gauss ou de Laplace Gauss...3 Utilisatio de la table de loi Normale cetrée réduite Covergeces e loi...7 Le théorème cetral limite (TCL)...7 Applicatio à la loi Biomiale...8 9
Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détailCours de Statistiques inférentielles
Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios
Plus en détailSTATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en détailLimites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détailCours 5 : ESTIMATION PONCTUELLE
Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détailEtude de la fonction ζ de Riemann
Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailCHAPITRE 2 SÉRIES ENTIÈRES
CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailChapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.
Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailPrincipes et Méthodes Statistiques
Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............
Plus en détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
Plus en détailUNIVERSITÉ DE SFAX École Supérieure de Commerce
UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détailStatistique Numérique et Analyse des Données
Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détailProcessus géométrique généralisé et applications en fiabilité
Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailConvergences 2/2 - le théorème du point fixe - Page 1 sur 9
Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios
Plus en détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en détailUV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1
UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau
Plus en détailTerminale S. Terminale S 1 F. Laroche
Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailSuites et séries de fonctions
[http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de
Plus en détailx +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.
EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite
Plus en détailChaînes de Markov. Arthur Charpentier
Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.
Plus en détailExercices de mathématiques
MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris
Plus en détailProbabilités et statistique pour le CAPES
Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes
Plus en détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
Plus en détail4 Approximation des fonctions
4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour
Plus en détailPROMENADE ALÉATOIRE : Chaînes de Markov et martingales
PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières
Plus en détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détailÉchantillonnage et estimation
Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détail3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.
3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios
Plus en détailRésolution numérique des équations aux dérivées partielles (PDE)
Résolutio umérique des équatios au dérivées partielles (PDE Sébastie Charoz & Adria Daerr iversité Paris 7 Deis Diderot CEA Saclay Référeces : Numerical Recipes i Fortra, Press. Et al. Cambridge iversity
Plus en détailINTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï
INTRODUCTION AUX MATRICES ALÉATOIRES par Djalil Chafaï Résumé. E cocevat les mathématiques comme u graphe, où chaque sommet est u domaie, la théorie des probabilités et l algèbre liéaire figuret parmi
Plus en détailDares Analyses. Plus d un tiers des CDI sont rompus avant un an
Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détailRESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)
RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &
Plus en détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
Plus en détailRenseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.
Reseigemets et moitorig. Reseigemets commerciaux et de solvabilité sur les etreprises et les particuliers. ENSEMBLE CONTRE LES PERTES. Reseigemets Creditreform. Pour plus de trasparece. Etreteir des rapports
Plus en détailUn nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction
A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés
Plus en détailGuide des logiciels de l ordinateur HP Media Center
Guide des logiciels de l ordiateur HP Media Ceter Les garaties des produits et services HP sot exclusivemet présetées das les déclaratios expresses de garatie accompagat ces produits et services. Aucu
Plus en détailTempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation
Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail
Plus en détailUniversité Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014
Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,
Plus en détailTélé OPTIK. Plus spectaculaire que jamais.
Télé OPTIK Plus spectaculaire que jamais. Vivez toute la puissace de la télévisio sur IP grâce au réseau OPTIK 1 de TELUS et découvrez-e l extraordiaire potetiel. Télé OPTIK MC vous doe la parfaite maîtrise
Plus en détailDETERMINANTS. a b et a'
2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détailMécanismes de protection contre les vers
Mécaismes de protectio cotre les vers Itroductio Au cours de so évolutio, l Iteret a grademet progressé. Il est passé du réseau reliat quelques cetres de recherche aux États-Uis au réseau actuel reliat
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailRéseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus
Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio
Plus en détailExamen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot
Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars
Plus en détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en détailInitiation à l analyse factorielle des correspondances
Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique
Plus en détailNeolane Message Center. Neolane v6.0
Neolae Message Ceter Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord.
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailLa maladie rénale chronique
La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie
Plus en détailNous imprimons ce que vous aimez!
Nous imprimos ce que vous aimez! Persoalisé simple différet Catalogue de produits Tapis stadard tapis logo tapis publicitaire Nous imprimos ce que vous aimez! 2 I JOBET JOBET Vous et vos cliets serez coquis...
Plus en détailOpérations bancaires avec l étranger *
Opératios bacaires avec l étrager * Coditios bacaires au 1 er juillet 2011 Etreprises et orgaismes d itérêt gééral Opératios à destiatio de l étrager Viremets émis vers l étrager : viremet e euros iférieur
Plus en détailLes algorithmes de tri
CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....
Plus en détailRisque de longévité et détermination du besoin en capital : travaux en cours
Risque de logévité et détermiatio du besoi e capital : travaux e cours Frédéric PLANCHET ISFA Laboratoire SAF Versio.6 / Septembre 2008 Sommaire La prise e compte de l expériece propre au groupe das l
Plus en détailGérer les applications
Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces
Plus en détailII - 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 détailTests non paramétriques de spécification pour densité conditionnelle : application à des modèles de choix discret
Tests o paramétriques de spécificatio pour desité coditioelle : applicatio à des modèles de choix discret Mémoire Koami Dzigbodi AMEGBLE Maîtrise e écoomique Maître ès arts (M.A.) Québec, Caada Koami Dzigbodi
Plus en détailSTRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO
Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est
Plus en détailRÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION
RÈGLES ORDIALES : UE GÉÉRALISATIO DES RÈGLES D'ASSOCIATIO SYLVIE GUILLAUME ALI KHECHAF 2 RÉSUMÉ: La plupart des mesures des règles cocere les variables biaires et écessite pour les autres types de variables
Plus en détail