13. Introduction à la fiabilité
|
|
- Arthur Dubois
- il y a 7 ans
- Total affichages :
Transcription
1 13. Introduction à la fiabilité MTH2302D S. Le Digabel, École Polytechnique de Montréal A2016 (v1) MTH2302D: fiabilité 1/30
2 Plan 1. Introduction 2. Taux de panne 3. Distributions usuelles 4. Fiabilité des systèmes MTH2302D: fiabilité 2/30
3 1. Introduction 2. Taux de panne 3. Distributions usuelles 4. Fiabilité des systèmes MTH2302D: fiabilité 3/30
4 La théorie de la fiabilité sert à étudier l aptitude de systèmes à fonctionner correctement durant une période donnée. Un dispositif peut se trouver dans l un des deux états suivants : Apte à fonctionner correctement, c est-à-dire en état de service. Inapte à fonctionner correctement, c est-à-dire en panne ou hors-service. Nous posons les hypothèses suivantes : Au départ, chaque dispositif est en état de service. Les défaillances se produisent généralement de façon aléatoire. Nous définissons la fiabilité d un dispositif pour une durée donnée comme étant la probabilité qu aucune défaillance ne se produise pendant cette durée. MTH2302D: fiabilité 4/30
5 Étant donné que les défaillances se produisent de façon aléatoire, et afin de pouvoir traiter le concept de fiabilité, nous associons à chaque dispositif une v.a. non négative T représentant la durée de vie (ou temps jusqu à une panne) du dispositif. La fiabilité du dispositif à l instant t 0 est la probabilité qu il fonctionne encore à l instant t : R(t) = P (T > t) = 1 F T (t) [0; 1]. Comme F T est une fonction croissante, la fiabilité R(T ) est une fonction décroissante. R(0) = 1 et lim R(t) = 0. t + P (t 1 < T t 2 ) = R(t 1 ) R(t 2 ). MTH2302D: fiabilité 5/30
6 La v.a. T est généralement continue, mais elle peut parfois être discrète, par exemple si elle représente le nombres de cycles d opération. Si T est continue, on note f sa densité, et si elle est discrète, on note p sa fonction de masse : P (T = t) = p(t) [0; 1]. f(t) = F T (t) = R (t) 0. La durée de vie moyenne, ou Mean Time To Failure (MTTF), est donnée par τ = E(T ). Si le système peut être réparé, on note : Mean Time Between Failures (MTBF) : temps moyen entre deux pannes. Mean Time To Repair (MTTR) : temps moyen de réparation. On a MT BF = MT T F + MT T R. MTH2302D: fiabilité 6/30
7 Cas discret : R(t) = P (T > t) = τ = E(T ) = Cas continu : i=0 R(t) = P (T > t) = τ = E(T ) = 0 i=t+1 ip(i) = nouveau t tf(t)dt = nouveau p(i) = 1 F T (t) = 1 t p(i). R(i). i=0 Exemple 1 : Prouver que τ = R(i). t f(s)ds = 1 F T (t) = 1 i=0 R(t)dt. Exemple 2 : Exprimer R(t) et τ si T Exp(λ). 0 i=0 0 f(s)ds. MTH2302D: fiabilité 7/30
8 1. Introduction 2. Taux de panne 3. Distributions usuelles 4. Fiabilité des systèmes MTH2302D: fiabilité 8/30
9 Taux de panne (ou taux de défaillance) Le taux de panne r(t) est défini pour que la quantité r(t)dt représente la probabilité qu une machine fonctionnant encore après t unités de temps tombe en panne durant les dt unités de temps supplémentaires. On considère que dt est petit. r(t)dt = P (t < T t + dt T > t). Le taux de panne est un bon indicateur de la valeur de la distribution comme modèle de fiabilité tenant compte de l usure. Lorsque t est assez grand, r devrait être strictement croissante. Si T est discrète, 0 r(k) 1 et r(k) = p(k) j=k p(j) = p(k) R(k 1) pour k {0, 1,...}. MTH2302D: fiabilité 9/30
10 Taux de panne : cas continu r(t)dt f(t)dt R(t) et comme f(t) = R (t), on a r(t) = R (t) R(t) 0. ( On peut en déduire que R(t) = exp t 0 ) r(x)dx. Exemple 3 : Exprimer le taux de panne r(t) si T Exp(λ) et si T Geom(p). Exemple 4 : Trouver R(t), τ et r(t) si T Unif(a, b) avec a 0. ( t ) Exemple 5 : Prouver que R(t) = exp r(x)dx. MTH2302D: fiabilité 10/30 0
11 Taux de panne dans un intervalle Le taux de panne d un système dans un intervalle ]t 1 ; t 2 ] est défini par F R(t 1, t 2 ) = P (t 1 < T t 2 T > t 1 ) t = 1 R(t 1 ) R(t 2 ) t R(t 1 ) avec t = t 2 t 1 et 0 t 1 < t 2. Si t devient très petit : lim t 0 F R(t 1, t 2 ) = r(t 1 ). Exemple 6 : Exprimer F R(t 1, t 2 ) si T Exp(λ). MTH2302D: fiabilité 11/30
12 Taux moyen de panne Le taux moyen de panne d un système dans un intervalle ]t 1 ; t 2 ] est défini par t 2 AF R(t 1, t 2 ) = 1 r(t)dt = t t 1 1 t [ln(r(t 1)) ln(r(t 2 ))]. si T Exp(λ), AF R(t 1, t 2 ) = λ. MTH2302D: fiabilité 12/30
13 1. Introduction 2. Taux de panne 3. Distributions usuelles 4. Fiabilité des systèmes MTH2302D: fiabilité 13/30
14 Distributions usuelles : loi normale tronquée T N + (µ, σ). ) 1 (t µ)2 f T (t) = exp ( 2πσc 2σ 2 pour t 0 et c = (1 Φ( µ/σ)) 1. On peut montrer que r est strictement croissante. MTH2302D: fiabilité 14/30
15 Distributions usuelles : loi exponentielle Très utilisée mais peu réaliste à cause de son taux de panne constant. Elle est cependant souvent acceptable à condition de la considérer dans un intervalle de temps [t 1 ; t 2 ] fini. T Exp(λ) avec λ > 0. f(t) = λe λt. R(t) = e λt. r(t) = λ (constante). E(T ) = τ = 1/λ. F R(t 1, t 2 ) = 1 e λ(t 2 t 1 ) t 2 t 1. AF R(t 1, t 2 ) = λ. MTH2302D: fiabilité 15/30
16 Distributions usuelles : loi de Weibull T W(λ, β) avec λ > 0 et β > 0. f(t) = λβt β 1 exp( λt β ) pour t > 0. W(λ, β = 1) = Exp(λ). R(t) = exp( λt β ). r(t) = λβt β 1. r est croissante (IFR Increasing Failure Rate) si β > 1 et décroissante (DFR Decreasing Failure Rate) si β < 1. Si β = 1, r est constante (distribution exponentielle). F R(t 1, t 2 ) = 1 ( 1 exp( λ(t β 2 t 2 t tβ 1 ). )) 1 AF R(t 1, t 2 ) = λ(tβ 2 tβ 1 ) t 2 t 1. MTH2302D: fiabilité 16/30
17 Distribution de Weibull mixte Motivation : dans de nombreuses situations réelles, le taux de panne devrait d abord décroître, puis stagner un certain temps, et enfin augmenter. Ces trois phases correspondent aux pannes précoces, aux pannes aléatoires, puis à l usure : r adopte une forme de baignoire. On adopte la combinaison linéaire suivante : T = c 1 T 1 + c 2 T 2 + c 3 T 3 avec T i W(λ, β i ) et c i > 0 pour i {1, 2, 3}, et c 1 + c 2 + c 3 = 1. Pour obtenir une baignoire, on prend β 1 < 1, β 2 = 1 (et donc T 2 Exp(λ)), et β 3 > 1. MTH2302D: fiabilité 17/30
18 1. Introduction 2. Taux de panne 3. Distributions usuelles 4. Fiabilité des systèmes MTH2302D: fiabilité 18/30
19 Fiabilité des systèmes On s intéresse à un ensemble de n composants ou sous-systèmes, montés en série ou en parallèle. On considère que les composants fonctionnent et tombent en panne de façon indépendante. On considère qu un système ne peut être réparé. On s intéresse donc au temps écoulé avant la première panne. Soient T k la durée de vie du composant k, R k sa fiabilité, et r k son taux de panne. MTH2302D: fiabilité 19/30
20 Montages en série La durée de vie T du système est telle que T > t T k > t pour tout k {1, 2,..., n}. Donc R(t) = P (T > t) = P (T 1 > t T 2 > t... T n > t) n = P (T k > t) = n ( n t ) R k (t) = exp r k (x)dx ind cas cont. k=1 et donc k=1 R(t) = exp t 0 k=1 [ n ] r k (x) dx. k=1 On note T = min { T 1, T 2,..., T n }. 0 MTH2302D: fiabilité 20/30
21 Montages en série (suite) Si T k Exp(λ k ) pour tout k {1, 2,..., n}, alors : T = min { } T 1, T 2,..., T n Exp(λ) avec λ = n k=1 λ k. R(t) = e λt. r(t) = λ. E(T ) = 1/λ. Exemple 7 : Prouver le cas n = 2. MTH2302D: fiabilité 21/30
22 Exemple 8 Soit un montage en série de trois dispositifs qui fonctionnent et tombent en panne indépendamment. La distribution du temps de fonctionnement avant défaillance de chaque dispositif est exponentielle avec les taux de pannes r 1 = , r 2 = , et r 3 = Trouver R(60) pour ce système. 2. Calculer le temps moyen de bon fonctionnement du système. MTH2302D: fiabilité 22/30
23 Montages en parallèle On considère deux modes différents : Redondance active : tous les composants fonctionnent dès le temps t = 0. Il suffit qu au moins un composant fonctionne pour que le système au complet fonctionne. Redondance passive : Seul le premier composant est mis en marche à t = 0. Une fois en panne, le deuxième composant prend le relai et ainsi de suite. Le système au complet tombe en panne quand le n-ième composant tombe en panne. MTH2302D: fiabilité 23/30
24 Montages en parallèle : redondance active La durée de vie T du système est telle que T t T k t pour tout k {1, 2,..., n}. Donc F T (t) = P (T t) = P (T 1 t T 2 t... T n t) n P (T k t) = n ( 1 Rk (t) ). = ind k=1 Ainsi k=1 R(t) = 1 n (1 R k (t)). k=1 On note T = max { T 1, T 2,..., T n }. Exemple 9 : Exprimer R(t), f(t), et τ = E(T ) si n = 2, T 1 Exp(λ 1 ), et T 2 Exp(λ 2 ). Si λ 1 = λ 2, comparer τ avec le montage en série. MTH2302D: fiabilité 24/30
25 Montages en parallèle : redondance passive La durée de vie T du système est T = T 1 + T T n. τ = E(T ) = n E(T k ). V(T ) = ind k=1 n V(T k ). k=1 MTH2302D: fiabilité 25/30
26 Redondance passive avec des lois exponentielles Si T k Exp(λ) pour tout k {1, 2,..., n} : T Γ(α = n, λ) (loi Gamma). R(t) = F Y (n 1) avec Y Poi(c = λt), et donc n 1 R(t) = e λt k=0 (λt) k k!. MTH2302D: fiabilité 26/30
27 Système k parmi n Le système au complet fonctionne si au moins k composants fonctionnent. Si k = n, c est le montage en série, et si k = 1, c est le montage parallèle avec redondance active. Si les composants sont indépendants et s ils ont tous la même fiabilité R 1, alors R(t) = P (N k) avec N B(n, p = R 1 (t)), ou encore k 1 ( n R(t) = 1 i i=0 ) R 1 (t) i (1 R 1 (t)) n i. MTH2302D: fiabilité 27/30
28 Exemple 10 Soit p(k) = 1/N pour k = 1, 2,..., N la fonction de masse pour la durée de vie en cycles d un système particulier. Calculer le taux de panne r(k) pour k = 1, 2,..., N. MTH2302D: fiabilité 28/30
29 Exemple 11 Un système comporte deux composants qui fonctionnent indépendamment l un de l autre, à partir de l instant initial. On suppose que les durées de vie en cycles X 1 et X 2 des deux composants présentent une distribution géométrique de paramètre 1/2. Trouver la probabilité que les deux composants tombent en panne durant le même cycle. MTH2302D: fiabilité 29/30
30 Exemple 12 On considère quatre composants indépendants ayant une durée de vie présentant une distribution exponentielle, l espérance de la durée de vie du k-ième composant étant égale à 1/k. Les composants sont utilisés pour construire le système ci-dessous : Quelle est l espérance de la durée de vie du système? MTH2302D: fiabilité 30/30
MODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détail14. Introduction aux files d attente
14. Introduction aux files d attente MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: Files d attente 1/24 Plan 1. Introduction 2. Modèle M/M/1 3. Modèle M/M/1/K MTH2302D: Files
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailFiabilité des Systèmes et des Logiciels
Ensimag - 3ème année Fiabilité des Systèmes et des Logiciels Notes de cours Olivier Gaudoin 2 Table des matières 1 Problématique de la sûreté de fonctionnement des systèmes informatiques 5 1.1 Contexte.....................................
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailSommaire CHAPITRE 1 : INTRODUCTION GENERALE... 3 CHAPITRE 2 : LES CONCEPTS DE FIABILITE ET DE MAINTENANCE... 5
Dr. K.Bourouni Sommaire CHAPITRE 1 : INTRODUCTION GENERALE... 3 CHAPITRE 2 : LES CONCEPTS DE FIABILITE ET DE MAINTENANCE... 5 1 INTRODUCTION... 5 2 LA NOTION DE FIABILITE D UN SYSTEME... 5 3 LA MAINTENABILITE
Plus en détailModule de sûreté de fonctionnement
Module de sûreté de fonctionnement Claire Pagetti - ENSEEIHT 3ème TR - option SE 10 décembre 2012 Table des matières 1 Principaux concepts 3 1.1 Qu est-ce que la sûreté de fonctionnement......................
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailHealth Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation
Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Laurent Denis STATXPERT Journée technologique "Solutions de maintenance prévisionnelle adaptées à la production" FIGEAC,
Plus en détail«Extension du logiciel GMAO (Gestion de Maintenance industrielle Assistée par Ordinateur) de la Société FABRICS MADAGASCAR»
UNIVERSITE D ANTANANARIVO ECOLE SUPERIEURE POLYTECHNIQUE Départements: Génie Mécanique Productique et Génie Electrique Filière : Génie Industriel Mémoire de fin d études pour l obtention du diplôme d ingénieur
Plus en détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailCOURS DE MAINTENANCE. Frédéric TOMALA
COURS DE MAINTENANCE Frédéric TOMALA 1 ENSEIGNANT Frederic Tomala Enseignant - Chercheur en gestion des risques Département Management des Systèmes HEI Hautes Études d'ingénieur Bureau : A607 2 OBJECTIFS
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailProbabilités avancées. Florin Avram
Probabilités avancées Florin Avram 24 janvier 2014 Table des matières 1 Mise en scène discrète 3 1.1 Espace des épreuves/résultats possibles, événements, espace probabilisé, mesure de probabilités, variables
Plus en détailLagrange, où λ 1 est pour la contrainte sur µ p ).
Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailL exclusion mutuelle distribuée
L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailLA MAINTENANCE DISTRIBUÉE : CONCEPT, ÉVALUATION ET MISE EN ŒUVRE
HÉDI KAFFEL LA MAINTENANCE DISTRIBUÉE : CONCEPT, ÉVALUATION ET MISE EN ŒUVRE Thèse Présentée À la Faculté des études supérieures de l Université Laval pour l obtention du grade de Philosophiæ Doctor (Ph.D.)
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailLes mathématiques de la finance Université d été de Sourdun Olivier Bardou olivier.bardou@gdfsuez.com 28 août 2012 De quoi allons nous parler? des principales hypothèses de modélisation des marchés, des
Plus en détailCours de gestion des risques d assurances et de théorie de la ruine. Stéphane Loisel
Cours de gestion des risques d assurances et de théorie de la ruine Stéphane Loisel ISFA, 2005-2006 Table des matières I Modélisation de la charge sinistre : du modèle individuel au modèle collectif 5
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #12 ARTHUR CHARPENTIER 1 Une compagnie d assurance modélise le montant de la perte lors d un accident par la variable aléatoire continue X uniforme sur l intervalle
Plus en détailÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailIntroduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
Plus en détailDEFINITION D UNE METHODOLOGIE DE CONCEPTION DES SYSTEMES MECATRONIQUES SURS DE FONCTIONNEMENT
DEFINITION D UNE METHODOLOGIE DE CONCEPTION DES SYSTEMES MECATRONIQUES SURS DE FONCTIONNEMENT Raphaël Schoenig To cite this version: Raphaël Schoenig. DEFINITION D UNE METHODOLOGIE DE CONCEPTION DES SYS-
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailIntroduction à l analyse numérique : exemple du cloud computing
Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation
Plus en détailLA MAINTENANCE. We are working on the English version. Chapitre 12. 12.1 Introduction et position du problème
We are working on the English version. Chapitre 12 LA MAINTENANCE 12.1 Introduction et position du problème Chacun peut intuitivement comprendre que la maintenance est importante parce que si un équipement
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailChapitre 1. L intérêt. 2. Concept d intérêt. 1. Mise en situation. Au terme de ce chapitre, vous serez en mesure de :
Chapitre 1 L intérêt Au terme de ce chapitre, vous serez en mesure de : 1. Comprendre la notion générale d intérêt. 2. Distinguer la capitalisation à intérêt simple et à intérêt composé. 3. Calculer la
Plus en détailDisponibilité et fiabilité des services et des systèmes
Disponibilité et fiabilité des services et des systèmes Anthony Busson Introduction Un site Web commercial perd de l argent lorsque leur site n est plus disponible L activité d une entreprise peut être
Plus en détailUNIVERSITE DE SFAX ECOLE NATIONALE D INGENIEURS DE SFAX THESE. Présentée devant L ECOLE NATIONALE D INGENIEURS DE SFAX.
UNIVERSITE DE SFAX ECOLE NATIONALE D INGENIEURS DE SFAX THESE Présentée devant L ECOLE NATIONALE D INGENIEURS DE SFAX pour obtenir LE GRADE DE DOCTEUR Spécialité : Electronique Par Faiza KAMOUN CHARFI
Plus en détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailContents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes
Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire
Plus en détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailDérivation : cours. Dérivation dans R
TS Dérivation dans R Dans tout le capitre, f désigne une fonction définie sur un intervalle I de R (non vide et non réduit à un élément) et à valeurs dans R. Petits rappels de première Téorème-définition
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailREPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE
N Ordre../ Faculté/ UMBB/ 2013 REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE M HAMED BOUGARA-BOUMERDES Faculté des Sciences
Plus en détailETUDE QUANTITATIVE ET QUALITATIVE DE LA MAINTENANCE (Application aux turbines à gaz THM de la station SP5)
ETUDE QUANTITATIVE ET QUALITATIVE DE LA MAINTENANCE (Application aux turbines à gaz THM de la station SP5) Auteur : Ali Sinaceur Ingénieur en Génie Industriel / SONATRACH SONATRACH BP 96 Haoud EL Hamra,
Plus en détailLISTE D EXERCICES 2 (à la maison)
Université de Lorraine Faculté des Sciences et Technologies MASTER 2 IMOI, parcours AD et MF Année 2013/2014 Ecole des Mines de Nancy LISTE D EXERCICES 2 (à la maison) 2.1 Un particulier place 500 euros
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailMÉTHODE DE MONTE CARLO.
MÉTHODE DE MONTE CARLO. Alexandre Popier Université du Maine, Le Mans A. Popier (Le Mans) Méthode de Monte Carlo. 1 / 95 PLAN DU COURS 1 MÉTHODE DE MONTE CARLO 2 PROBLÈME DE SIMULATION Théorème fondamental
Plus en détailSUIVI CINETIQUE PAR SPECTROPHOTOMETRIE (CORRECTION)
Terminale S CHIMIE TP n 2b (correction) 1 SUIVI CINETIQUE PAR SPECTROPHOTOMETRIE (CORRECTION) Objectifs : Déterminer l évolution de la vitesse de réaction par une méthode physique. Relier l absorbance
Plus en détailPRÉCIS DE SIMULATION
PRÉCIS DE SIMULATION P. Del Moral Centre INRIA Bordeaux Sud-Ouest & Institut de Mathématiques de Bordeaux Université Bordeaux I, 351, cours de la Libération 33405 Talence, France Table des matières 1
Plus en détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
Plus en détailModèles pour des durées de survie.
Survie 1 Modèles pour des durées de survie. Catherine Huber Partie I Introduction 1 Quelques exemples Le terme de durée de survie est employé de manière générale pour désigner le temps qui s écoule jusqu
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #6
ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #6 ARTHUR CHARPENTIER 1 Supposons que le nombre X de coups de téléphone durant une heure suive une loi de Poisson avec moyenne λ. Sachant que P (X = 1 X 1) = 0.8, trouver
Plus en détailIFT3245. Simulation et modèles
IFT 3245 Simulation et modèles DIRO Université de Montréal Automne 2012 Tests statistiques L étude des propriétés théoriques d un générateur ne suffit; il estindispensable de recourir à des tests statistiques
Plus en détailIntégrale de Lebesgue
Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailModule d Electricité. 2 ème partie : Electrostatique. Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere
Module d Electricité 2 ème partie : Electrostatique Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere 1 Introduction Principaux constituants de la matière : - protons : charge
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailTP 3 diffusion à travers une membrane
TP 3 diffusion à travers une membrane CONSIGNES DE SÉCURITÉ Ce TP nécessite la manipulation de liquides pouvant tacher les vêtements. Le port de la blouse est fortement conseillé. Les essuie tout en papier
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mthémtiques nnée 2009-2010 Chpitre 2 Le prolème de l unicité des solutions 1 Le prolème et quelques réponses : 1.1 Un exemple Montrer que l éqution différentielle :
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailMA6.06 : Mesure et Probabilités
Année universitaire 2002-2003 UNIVERSITÉ D ORLÉANS Olivier GARET MA6.06 : Mesure et Probabilités 2 Table des matières Table des matières i 1 Un peu de théorie de la mesure 1 1.1 Tribus...............................
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailDécomposition de Föllmer-Schweizer. explicite d un passif d assurance vie. au moyen du calcul de Malliavin
Décomposition de Föllmer-Schweizer explicite d un passif d assurance vie au moyen du calcul de Malliavin Mémoire présenté par Sébastien de Valeriola en vue de l obtention du master en sciences actuarielles
Plus en détailDM n o 8 TS1 2012 Physique 10 (satellites) + Chimie 12 (catalyse) Exercice 1 Lancement d un satellite météorologique
DM n o 8 TS1 2012 Physique 10 (satellites) + Chimie 12 (catalyse) Exercice 1 Lancement d un satellite météorologique Le centre spatial de Kourou a lancé le 21 décembre 200, avec une fusée Ariane, un satellite
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
Plus en détailTEPZZ 568448A_T EP 2 568 448 A1 (19) (11) EP 2 568 448 A1 (12) DEMANDE DE BREVET EUROPEEN. (51) Int Cl.: G07F 7/08 (2006.01) G06K 19/077 (2006.
(19) TEPZZ 68448A_T (11) EP 2 68 448 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 13.03.2013 Bulletin 2013/11 (1) Int Cl.: G07F 7/08 (2006.01) G06K 19/077 (2006.01) (21) Numéro de dépôt:
Plus en détail