Dénombrement et probabilités ( révisions de 6 ème) Combien de nombres à 5 chiffres peut-on écrire à l aide des trois chiffres 1,2,3?

Dimension: px
Commencer à balayer dès la page:

Download "Dénombrement et probabilités ( révisions de 6 ème) Combien de nombres à 5 chiffres peut-on écrire à l aide des trois chiffres 1,2,3?"

Transcription

1 I. Déombremet :. Exemles : Exemle : Déombremet et robabilités ( révisios de 6 ème) ombie de ombres à 5 chiffres eut-o écrire à l aide des trois chiffres,,? Ecrire u ombre à 5 chiffres à l aide des trois chiffres, et c est écrire ue liste de 5 chiffres, chacu de ces chiffres état égal soit à, soit à, soit à. Exemle O dit que chaque liste costitue u arragemet avec réétitios ossibles de 5 chiffres ris armi chiffres. Le ombre d arragemets avec réétitios ossibles de 5 élémets ris armi élémets est: 5 ( choix our le er chiffre,our chacu de ces choix, choix our le ème chiffre etc.soit 5 arragemets différets ossibles) Exemle : O disose de 8 cartos idetiques. Sur chacu de ces cartos figure l ue des 8 lettres B D E F G H. E disosat de ces cartos l u à la suite de l autre, o écrit u mot de lettres (ayat u ses ou o). Par exemle B, F sot des mots de lettres écrits à l aide de ces huit cartos.. ombie y a-t-il de mots de trois lettres, (ayat u ses ou o), que l o uisse écrire avec ces 8 lettres? O dit que chaque mot de trois lettres, (ayat u ses ou o), est u arragemet sas réétitio de lettres rises armi les 8 lettres de déart. Le ombre d arragemets sas réétitio de élémets ris armi 8 élémets est oté: 8 doc: ( 8 choix our la ère lettre, 7 choix our la ème et 6 choix our la ème car o e eut rééter la même lettre).a. Parmi les 8 lettres dot o disose, o e red, que les lettres:, B et. ombie y a-t-il de mots de trois lettres, (ayat u ses ou o), que l o uisse écrire avec ces lettres? B B B B B B b. Parmi les 8 lettres dot o disose, o e red que lettres. ombie y a-t-il de mots de trois lettres, (ayat u ses ou o), que l o uisse écrire avec ces lettres? O dit que chaque mot de trois lettres, (ayat u ses ou o), est ue ermutatio des lettres rises au déart.

2 Le ombre de ermutatios de élémets est oté P ou! doc:! O dit que chaque esemble de lettres, est ue combiaiso de lettres rises armi les 8 lettres de déart Le ombre de combiaisos de élémets ris armi 8 élémets (ombre de sousesembles à élémets que l o eut faire das u esemble à 8 élémets) est oté: 8 Ecrire ue égalité qui fait iterveir: 8 Doc: 8 8! ; P et 8 : 8 P 8 Exemle :. O disose d ue bade artagée e 8 cases : a. Détermier le ombre de faços différetes de colorier e oir: (utiliser l ue des otatios itroduites das l exemle récédet) cases de cette bade 8 case de cette bade 8 cases de cette bade 8 b. Déduire de a., le ombre de faços différetes de colorier e oir: 5 5 cases de cette bade cases de cette bade 8 6 cases de cette bade Remarque : hoisir objets armi c est aussi choisir les - objets restats. rragemets, ermutatios, combiaisos a. rragemets avec réétitios Défiitio : Soit E u esemble fii de élémets ( ) et u etier ( ). E { e ;e ;e ;...; e - ;e } Ue suite ordoée de élémets de E, o écessairemet disticts, est aelée u arragemet avec réétitios de élémets de E. Nombre d arragemets avec réétitios : Soit E u esemble fii de élémets ( ). Pour tout etier ( ), le ombre d arragemets avec réétitio de élémets ris armi est

3 Exemles :. Pour ouvrir la orte d u immeuble, il faut taer u code de 4 chiffres. ombie y a-t-il de codes ossibles? ( 0 4 ). Pour ouvrir la orte d u immeuble, il faut taer u code de 4 lettres ombie y a-t-il de codes ossibles? (6 4 ) Pour ouvrir la orte d u immeuble, il faut taer u code de 4 élémets, qui sot des chiffres ou des lettres. ombie y a-t-il de codes ossibles? ( 6 4 ) b. rragemets sas réétitios : Défiitio : Si l o imose à ue suite ordoée de élémets de E de e coteir que des élémets de E deux à deux disticts, la liste eut coteir au lus élémets, d où das ce cas o aura. O arlera d arragemet sas réétitio de élémets ris armi Nombre d arragemets sas réétitio : Pour tout etier ( ), le ombre d arragemets sas réétitios de élémets de E est oté et (-)...(-+) ( facteurs) Exemles :. Pour ouvrir la orte d u immeuble, il faut taer u code de 4 chiffres tous différets. ombie y a-t-il de codes ossibles? ( ). Pour ouvrir la orte d u immeuble, il faut taer u code de 4 lettres toutes différetes. ombie y a-t-il de codes ossibles? (6 5 4 ). Pour ouvrir la orte d u immeuble, il faut taer u code de 4 élémets, qui sot des chiffres ou des lettres tous différets. ombie y a-t-il de codes ossibles? (6 5 4 ) c. Permutatios : Défiitio : O aelle ermutatio d u esemble E de élémets u arragemet sas réétitio des élémets de E.( c est-à-dire de élémets ris armi ) Exemle : Les ermutatios de l esemble E{,,} sot : Nombre de ermutatios d u esemble à élémets : Le ombre de ermutatios d u esemble à élémets ( ) est le ombre oté! (factorielle ) défii ar :! x(-)x(-)x...xx. ovetio : 0! Exemles :. Pour ouvrir la orte d u immeuble, il faut taer u code de 0 chiffres tous différets. ombie y a-t-il de codes ossibles? 0!

4 . Pour ouvrir la orte d u immeuble, il faut taer u code de 6 lettres qui sot des voyelles toutes différetes. ombie y a-t-il de codes ossibles? 6! d. Permutatios de élémets dot sot idetiques, sot idetiques,..., k sot idetiques: a. Distiguos mometaémet les élémets idetiques, e les umérotat ar exemle. Le ombre de ermutatios de ces élémets (artificiellemet tous disticts our l istat) est:! b. Si l o surime la distictio que l o a faite sur les élémets au déart, alors il y a! lus que ermutatios distictes des élémets.! Si l o surime maiteat la distictio que l o a faite sur les élémets au déart,! alors il y a lus que ermutatios distictes des élémets!! Le ombre de ermutatios de élémets dot sot idetiques, sot idetiques,...,! k sot idetiques est:!!... k! O l aelle le ombre de ermutatios de élémets avec réétitios Exemle : O aelle aagramme d u mot, tout mot (ayat u ses ou o) obteu e effectuat ue ermutatio des lettres du mot de déart 8!.Quel est le ombre d aagrammes du mot: RNVL?! 8!. Quel est le ombre d aagrammes du mot: RREFIER?!! e. ombiaisos sas réétitios : Défiitio : Soit E u esemble fii de élémets et u etier tel que 0, o aelle combiaiso de élémets de E toute artie de E ayat élémets. Le ombre de combiaisos de élémets d u esemble à élémets est oté ou ( ) 0 Nombre de combiaisos à élémets d u esemble à élémets : Pour et etiers tels que 0, o a :! (-)...(-+) (-)...x!!(-)!. 4

5 O cosidère le ombre de sous esembles à élémets das u esemble ayat élémets : hacu de ces sous esembles doe! arragemets de élémets ris armi. Le ombre total d arragemets de élémets ris armi, est doc: soit!! Exemle : u loto combie y a-t-il de tirages de 6 uméros armi 49? 6 49 f. ombiaisos avec réétitios : Défiitio : O aelle combiaiso avec réétitios de élémets d u esemble à élémets, u sous- esemble de E ayat élémets qui e sot as forcémet disticts Exemle: E { a;b;c}, écrire toutes les combiaisos avec réétitios de élémets de E aa ab ac bb bc cc Nombre de combiaisos avec réétitio: (admis) Le ombre de combiaisos avec réétitios de élémets ris à est oté K +. K + Exemle : Détermier le ombre de domios das u jeu comlet de domios K 8! 8 7!6! Proriétés des a. Proriétés des. Formule du biôme. 0 et ; et choisir élémets armi c est aussi choisir les - élémets restats

6 b. Triagle de Pascal : O aelle triagle de Pascal, le triagle ci-dessous (qui commece à la lige 0 et à la coloe 0) O y trouve, à l itersectio de la lige et de la coloe c. Formule du biôme : Soit a et b des ombres réels ou comlexes et u etier ( ). O a : (a+b) a b - 0 Exemles : (x+) 6 x 6 +6 x 5 +5 x 4 + 0x + 5x + 6x + (x-) 5 x 5 +5x 4 (-) + 0 x (-) +0x (-) +5x(-) 4 +(-) 5 x 5-0x 4 +40x - 80x +80 x - d. Nombre de sous-esembles d u esemble ayat élémets : O additioe le ombre de sous-esemble ayat 0 élémet: 0 avec le ombre de sous-esembles ayat élémet: avec le ombre de sous-esembles ayat élémets:. Soit:. avec le ombre de sous-esembles ayat i élémets:. avec le ombre de sous-esembles ayat - élémets: avec le ombre de sous-esembles ayat élémets: i i + (+) Le ombre de sous-esembles d u esemble ayat élémets est. 6

7 II. Probabilités :gééralités. Exériece aléatoire, évetualité, uivers : U exemle: ( cet exemle sera utilisé tout au log du chaitre) O lace u dé o truqué à six faces umérotées de à 6 et o ote le ombre figurat sur la face suérieure du dé. Lacer ce dé et oter le ombre figurat sur ue des faces est ue exériece dot o e eut as révoir le résultat (,,, 6? ). O dit qu il s agit d ue exériece aléatoire, c'est à dire ue exériece liée au hasard ouvat coduire à lusieurs issues, aelées évetualités. Ex : les évetualités sot,,, 4, 5, 6 L esemble de toutes les évetualités d ue exériece aléatoire est aelé uivers. E gééral, o le ote Ω. Ex : Ω {,,, 4, 5,6}. Evéemet : O aelle évéemet toute artie de l uivers Ex : Par exemle, o eut cosidérer l évéemet : «obteir u ombre air». O a {,4,6}, B et rerésetet des évéemets d u uivers Ω lié à ue exériece aléatoire. VOBULIRE ET NOTTION ardial de : card ( ) Evéemet élémetaire SIGNIFITION ombre d évetualités qui comoset évéemet réduit à ue seule évetualité EXEMPLE L évéemet : «obteir u ombre air» est comosé de évetualités. card ( ) L évéemet B : «obteir le ombre» ; B { } Evéemet imossible : Evéemet certai : Ω évéemet qui e se réalise jamais évéemet qui se réalise toujours L évéemet : «obteir le ombre 7» L évéemet D : «obteir u ombre iférieur ou égal à 6» 7

8 est la réuio de et de B : B ( o dit ou B ) est l itersectio de et de B : B ( o dit et B ) est l esemble des évetualités réalisat ou B Ω B est l esemble des évetualités réalisat et B e même tems. B Ω B B Soit l évéemet E : «obteir u ombre au mois égal à» ; E { ; 4 ; 5 ; 6 } Soit l évéemet F : «obteir u ombre imair» ; F { ; ; 5 } L évéemet E F est «obteir u ombre au mois égal à ou u ombre imair» E F { ; ; 4 ; 5 ; 6 } L évéemet E F est «obteir u ombre au mois égal à et u ombre imair» c'est à dire «obteir u ombre imair au mois égal à» E F { ; 5 } et B sot disjoits ou icomatibles et B e euvet as se réaliser e même tems ; B Ω B Les évéemets E et B sot icomatibles. E B et B sot cotraires ou comlémetaires. Ω B Les évéemets et F sot cotraires. B B et B Ω est l évéemet costitué ar les évetualités de l uivers qui e réaliset as. F 8

9 . Loi de robabilité sur u esemble fii a. Défiitio : O ote Ω { ω, ω ω }l esemble des évetualités d ue exériece aléatoire. Défiir ue loi de robabilité sur Ω, c est associer à chaque résultat ω i u ombre i ( aelé robabilité de l issue ω i ) ositif ou ul de telle faço que : i i La robabilité d u évéemet, otée P ( ), est la somme des robabilités i des évetualités qui costituet. Modéliser ue exériece aléatoire, c est associer à cette exériece ue loi de robabilité sur l esemble Ω des résultats ossibles. Les coditios de l exériece coduiset le lus souvet au choix du modèle. Rem : Pour toute évetualité ω i o a : 0 i. b. Proriétés : Soit et B deux évéemets de Ω, alors : - La robabilité de l évéemet certai est ; P ( Ω ) - La robabilité de l évéemet imossible est 0 ; P ( ) 0 - Si B, alors P ( ) P ( B ) - P ( B ) P ( ) + P ( B ) P ( B ) - Si et B sot icomatibles, P ( B ) P ( ) + P ( B ) - P ( ) P ( ) Ω c. as articulier : l équirobabilité : B B Lorsque tous les évéemets élémetaires d u uivers ot la même robabilité, o dit qu il y a équirobabilité. Das ce cas, si l uivers Ω est comosé de évetualités ω i, o a : i P ( { ω i } ) card (Ω) O a alors, our tout évéemet : P ( ) card ( ) card ( Ω ) P ( ) ombre de cas favorables ombre de cas ossibles 9

10 Exemle : Le dé est o truqué : chacue des faces à la même chace d être obteue. Il s agit d ue situatio d équirobabilité. Das ce cas, la loi de robabilité est : face robabilité La robabilité de l évéemet : «obteir u ombre air» est : P () card ( ) card ( Ω ) 6 III. Probabilités coditioelles :. Défiitio et coséquece : La robabilité coditioelle d'u évéemet ar raort à u évéemet B est la robabilité que se réalise lorsque B est réalisé. O la ote P ( / B) Exemle P ( B) PB ( / ) PB ( ) O lace deux dés, u blac et u oir. Quelle est la robabilité que le dé blac doe si la somme des oits obteus sur les deux dés est strictemet iférieure à 6? Soit l'évéemet «le du dé blac aaraît» et B l'évéemet «la somme des oits des deux dés est strictemet iférieure à 6» 6 0 P ( ), P( B), P( B) oséquece de la défiitio : 4 P( B) 6 4 P ( / B) P( B) P( B) P( ). P( B / ) P( B). P( / B) 0

11 Exemle O tire successivemet et sas remise deux cartes das u jeu de 5 cartes. Quelle est la robabilité de tirer ) u as au remier tirage? ) u deuxième as au deuxième tirage sachat qu u as est déjà sorti? ) deux as? Soiet l évéemet «tirer u as au remier tirage», B l évéemet «tirer u as au deuxième tirage» et l évéemet «tirer deux as». 4 ) P(). 5 ) P(B/). 5 7 ) P() P( B) P().P(B/). rbres odérés Exemle: Das ue école 0% des garços et % des filles mesuret lus de,70 m. O sait que 70% des élèves sot des filles.. Si l o red u élève au hasard quelle est la robabilité qu il mesure lus de,70m?. Si l o red u élève au hasard et que celui-ci mesure lus de,70 m, quelle est la robabilité que ce soit ue fille? % 70% 0% F G 98% 0% 90% Soiet l évéemet «mesurer lus de,70 m», F l évéemet «être ue fille» et G l évéemet «être u garço». P(F) 0,7 P(/F) 0,0 P(G) 0, P(/G)0,0 haque brache a ue robabilité. La somme des robabilités des braches issues d u même oeud est égale à. La robabilité d u évéemet corresodat à u chemi est égale au roduit des robabilités iscrites sur chaque brache de ce chemi.. P() P( F ) + P( G) P(/F).P(F) + P(/G).P(G) P() 0,0 0,7 + 0, 0,0,044. La robabilité cherchée est P(F/)

12 P(F/) P(F ) P() 0,7 0,0 0, ,. Formule des robabilités totales : Soit B,B,...B évéemets tels que : -chaque B k a ue robabilité o ulle O dit alors que les B,B,.B -deux quelcoques d etre eux sot icomatibles réaliset ue artitio de Ω -leur réuio est l uivers des ossibles Ω Quel que soit l évéemet E, o a : P(E) P(E B )+P(E B ) +...P(E B )(E/B ).(B )+(E/B ).(B )+...(E/B ).(B ). 4. Evéemets idéedats Deux évéemets sot idéedats si la réalisatio de l'u 'a aucue ifluece sur la réalisatio de l'autre et réciroquemet. et B sot idéedats PB ( / ) P ( ) ou PB ( / ) PB ( ) et B sot idéedats P( B) P().P(B) Exemles : O tire ue carte d u jeu de cartes. Les évéemets R :«tirer u roi» et : «tirer u cœur» sot idéedats. E effet : ( R ) 4 8 ( ) 8 4 ( R ) P(R ) (R ). ( ) O tire ue carte d u jeu de cartes. Les évéemets R :«tirer u roi» et H : «tirer u valet, ue dame ou u roi» e sot as idéedats. E effet : ( R ) 4 8 (H ) 8 ( R H) 4 8 P(R H) (R ). (H ) IV. Modélisatio d exérieces idéedates : Il est fréquet qu ue exériece aléatoire cosiste à echaîer lusieurs exérieces E,E,...E. Si chacue d elles se déroule das des coditios qui e déedet as des résultats des exérieces récédetes, o dit que les exérieces E,E,...E sot idéedates.

13 Modélisatio : Soit E ue exériece aléatoire cosistat à réaliser successivemet éreuves idéedates E,E,...E. O modélise E ar la loi de robabilité P qui à chaque résultat (a,a,...a ) associe le roduit P ({a })P ({a })...P ({a }). Exemle : Ue ure cotiet 5 boules blaches et boules oires. O tire au hasard ue boule de l ure uis o jette u dé équilibré. Quelle est la robabilité de l évéemet : «la boule tirée est oire uis o obtiet le : ( N) 7 () 6 La robabilité cherchée est 7 6 V. Esérace, variace et écart-tye : Soit ue loi de robabilité : x x x Si les issues de l exériece aléatoire sot des ombres réels, o eut défiir les ombres ci-cotre : L esérace mathématique de la loi de robabilité est le ombre µ défii ar : µ i x i i La variace de la loi de robabilité est le ombre V défii ar : V i (x i µ ) ² i L écart tye de la loi de robabilité est le ombre σ défii ar : σ V Exemle: Ue ure cotiet 0 boules idetiques, oires, 5 rouges et vertes.le joueur tire ue boule au hasard. Si la boule est rouge il gage euro, si elle est verte il gage 5 euros, si elle est oire il erd euros. O s itéresse aux gais ossibles. chaque gai o associe la robabilité de l obteir. Doer la loi de robabilité. alculer l esérace mathématique, la variace et l écart-tye.

14 gai robabilité µ ,9 V(x) (-0,9) + 5 (5-0,9) + 0 (--0,9) 5,89 σ V 5,89,4 4

15 . 5

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

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

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

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

c. Calcul pour une évolution d une proportion entre deux années non consécutives Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages

Plus en détail

Probabilités et statistique pour le CAPES

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

Plus en détail

dénombrement, loi binomiale

dénombrement, loi binomiale dénombrement, loi binomiale Table des matières I) Introduction au dénombrement 1 1. Problème ouvert....................................... 2 2. Jeux et dénombrements...................................

Plus en détail

1 Mesure et intégrale

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

Plus en détail

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

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

Limites des Suites numériques

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

Plus en détail

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

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes. Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités

Plus en détail

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

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

Plus en détail

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

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1 UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau

Plus en détail

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

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

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

Plus en détail

Terminale S. Terminale S 1 F. Laroche

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

Plus en détail

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

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

Plus en détail

Des familles de deux enfants

Des familles de deux enfants Des familles de deux enfants Claudine Schwartz, IREM de Grenoble Professeur, Université Joseh Fourier Les questions et sont osées dans le dernier numéro de «Pour la Science» (n 336, octobre 2005, article

Plus en détail

Comportement d'une suite

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

Plus en détail

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

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

Plus en détail

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

Solutions particulières d une équation différentielle...

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Séries réelles ou complexes

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

14 Chapitre 14. Théorème du point fixe

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

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat S Asie 19 juin 2014 Corrigé Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps

Plus en détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

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

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

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

Plus en détail

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

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

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

Plus en détail

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

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

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

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

Plus en détail

Cours de Statistiques inférentielles

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

Plus en détail

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

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe 1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios

Plus en détail

20. Algorithmique & Mathématiques

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

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

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

Plus en détail

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

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

Plus en détail

Processus et martingales en temps continu

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

Plus en détail

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

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

Plus en détail

Accès optiques : la nouvelle montée en débit

Accès optiques : la nouvelle montée en débit Internet FTR&D Dossier du mois d'octobre 2005 Accès otiques : la nouvelle montée en débit Dans le domaine du haut débit, les accès en France sont our le moment très majoritairement basés sur les technologies

Plus en détail

Probabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...

Probabilité. 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 détail

Séries numériques. Chap. 02 : cours complet.

Séries numériques. Chap. 02 : cours complet. Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm

Plus en détail

Partie 1 Automatique 1 et 2 (Asservissements Linéaires Continus)

Partie 1 Automatique 1 et 2 (Asservissements Linéaires Continus) Réublique Algériee Démocratique et Poulaire Miistère de l'eseigemet Suérieur et de la Recherche Scietifique Uiversité Djillali Liabès Sidi Bel-Abbès Faculté de Techologie Déartemet d'electrotechique Partie

Plus en détail

Exercices de mathématiques

Exercices de mathématiques MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris

Plus en détail

CALCUL DES PROBABILITES

CALCUL DES PROBABILITES CALCUL DES PROBABILITES Exemple On lance une pièce de monnaie une fois. Ensemble des événements élémentaires: E = pile, face. La chance pour obtenir pile vaut 50 %, pour obtenir face vaut aussi 50 %. Les

Plus en détail

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

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation 1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus

Plus en détail

Les Nombres Parfaits.

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

Plus en détail

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

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

Plus en détail

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

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires

Plus en détail

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

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par

Plus en détail

Des résultats d irrationalité pour deux fonctions particulières

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

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

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

Plus en détail

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

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

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Etude de la fonction ζ de Riemann

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

Plus en détail

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2 Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

Probabilités conditionnelles Loi binomiale

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

Plus en détail

Qu est-ce qu une probabilité?

Qu est-ce qu une probabilité? Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont

Plus en détail

Exo7. Probabilité conditionnelle. Exercices : Martine Quinio

Exo7. Probabilité conditionnelle. Exercices : Martine Quinio Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle

Plus en détail

Santé et hygiène bucco-dentaire des salariés de la RATP

Santé et hygiène bucco-dentaire des salariés de la RATP Santé et hygiène bucco-dentaire des salariés de la RATP Percetion des salariés et examen clinique du raticien Période 2006-2009 14 juin 2012 Dominique MANE-VALETTE, Docteur en Chirurgie dentaire dominique.mane-valette@rat.fr

Plus en détail

.NET remoting. Plan. Principes de.net Remoting

.NET remoting. Plan. Principes de.net Remoting Plan.NET remoting Clémentine Nebut LIRMM / Université de Montellier 2 de.net Remoting côté serveur côté client.net Remoting en ratique Les canaux de communication L'activation L'invocation Les aramètres

Plus en détail

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

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

Plus en détail

RESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY

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

Plus en détail

Suites et séries de fonctions

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

Plus en détail

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 3 : Transistor bipolaire à jonction Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats

Plus en détail

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3... Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1

Plus en détail

Le chef d entreprise développe les services funéraires de l entreprise, en

Le chef d entreprise développe les services funéraires de l entreprise, en Le chef d etreprise développe les services fuéraires de l etreprise, e assurat lui-même tout ou partie des activités de vete et e ecadrat directemet le persoel techique et commercial et d exploitatio.

Plus en détail

Module : réponse d un système linéaire

Module : réponse d un système linéaire BSEL - Physique aliquée Module : réonse d un système linéaire Diaoramas () : diagrammes de Bode, réonse Résumé de cours - Caractérisation d un système hysique - Calcul de la réonse our une entrée donnée

Plus en détail

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

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

Initiation à l analyse factorielle des correspondances

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

Plus en détail

Régulation analogique industrielle ESTF- G.Thermique

Régulation 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 détail

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

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

Plus en détail

Les algorithmes de tri

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

Plus en détail

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12 Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont

Plus en détail

DIVERSIFICATION DES ACTIVITES ET PRIVATISATION DES ENTREPRISES DE CHEMIN DE FER : ENSEIGNEMENTS DES EXEMPLES JAPONAIS

DIVERSIFICATION DES ACTIVITES ET PRIVATISATION DES ENTREPRISES DE CHEMIN DE FER : ENSEIGNEMENTS DES EXEMPLES JAPONAIS Ecole Nationale des Ponts et Chaussées Laboratoire Paris-Jourdan Sciences Economiques DIVERSIFICATION DES ACTIVITES ET PRIVATISATION DES ENTREPRISES DE CHEMIN DE FER : ENSEIGNEMENTS DES EXEMPLES JAPONAIS

Plus en détail

S2I 1. quartz circuit de commande. Figure 1. Engrenage

S2I 1. quartz circuit de commande. Figure 1. Engrenage TSI 4 heures Calculatrices autorisées 214 S2I 1 L essor de l électronique nomade s accomagne d un besoin accru de sources d énergies miniaturisées. Les contraintes imosées à ces objets nomades sont multiles

Plus en détail

NFE107 Urbanisation et architecture des systèmes d information. Juin 2009. «La virtualisation» CNAM Lille. Auditeur BAULE.L 1

NFE107 Urbanisation et architecture des systèmes d information. Juin 2009. «La virtualisation» CNAM Lille. Auditeur BAULE.L 1 Juin 2009 NFE107 Urbanisation et architecture des systèmes d information CNAM Lille «La virtualisation» Auditeur BAULE.L 1 Plan INTRODUCTION I. PRINCIPES DE LA VIRTUALISATION II. DIFFÉRENTES TECHNIQUES

Plus en détail

Fluctuation d une fréquence selon les échantillons - Probabilités

Fluctuation d une fréquence selon les échantillons - Probabilités Fluctuation d une fréquence selon les échantillons - Probabilités C H A P I T R E 3 JE DOIS SAVOIR Calculer une fréquence JE VAIS ÊTRE C APABLE DE Expérimenter la prise d échantillons aléatoires de taille

Plus en détail

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

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

Plus en détail

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

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble. II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café

Plus en détail

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

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude

Plus en détail

DETERMINANTS. a b et a'

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

Plus en détail

Chaînes de Markov. Arthur Charpentier

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

Plus en détail

Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010

Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices supplémentaires sur l introduction générale à la notion de probabilité 2009-2010 Exercices fortement conseillés : 6, 10 et 14 1) Un groupe d étudiants est formé de 20 étudiants de première année

Plus en détail

Statistique Numérique et Analyse des Données

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

Plus en détail

Neolane Message Center. Neolane v6.0

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

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE AVANCÉE : MÉTHODES STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................

Plus en détail

Procès - Verbal du Conseil Municipal Du lundi 15 décembre 2014

Procès - Verbal du Conseil Municipal Du lundi 15 décembre 2014 Procès - Verbal du Conseil Municial Du lundi 15 décembre 2014 Nombre de membres comosant le Conseil Municial : 15 Nombre de membres en exercice : 15 Nombre de Conseillers résents : 14 Nombre de Conseillers

Plus en détail

Faites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes

Faites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes Faites prospérer vos affaires grâce aux solutios d éparge et de gestio des dettes Quelques excelletes raisos d offrir des produits bacaires et de fiducie à vos cliets Vous avez la compétece écessaire pour

Plus en détail

Exercices de révision

Exercices de révision Exercices de révisio Exercice U ivesisseur souscri à l émissio d u bille de résorerie do les caracérisiques so les suivaes : - Nomial : 5 M - Taux facial : 3,2% - Durée de vie : 9 mois L ivesisseur doi

Plus en détail

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

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

Plus en détail

I. Cas de l équiprobabilité

I. 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 détail