choisir H 1 quand H 0 est vraie - fausse alarme

Dimension: px
Commencer à balayer dès la page:

Download "choisir H 1 quand H 0 est vraie - fausse alarme"

Transcription

1 étection et Estimation GEL Hiver 5 Tests Neyman-Pearson Règles de Bayes: coûts connus min π R ( ) + ( π ) R ( ) { } Règles Minimax: coûts connus min max R ( ), R ( ) Règles Neyman Pearson: coûts pas connus On utilise les règles Neyman-Pearson pour les problèmes où les coûts ne sont pas connus. À cause de l'histoire du développement du test Neyman-Pearson, il y a un vocabulaire un peu diffèrent que le vocabulaire qu'on a vu jusqu à maintenant. On voit la différence dans les noms des erreurs. Erreur Type : Erreur Type : choisir H quand H est vraie - fausse alarme P F la probabilité d'une fausse alarme choisir H quand H est vrai un raté P M la probabilité d'un raté onc, H : pas de cible présente H : présence d'une cible La probabilité de détection, P, est la probabilité qu'on décide qu'il y a une cible, quand elle est vraiment présente. P la probabilité de détection - P M La taille d'une règle P F la probabilité d'une fausse alarme. La puissance d'une règle P la probabilité de détection. On peut toujours trouver une règle de décision pour rendre la probabilité d'une des erreurs très petites, en laissant la probabilité de l'autre erreur grandir. Les règles de décision Neyman-Pearson minimisent la probabilité d'une erreur, en garantissant que l'autre ne devient pas trop grande. On a un maximum pour la probabilité de fausse alarme, et on essaie de maximiser la probabilité de détection sujet à cette restriction sur la probabilité de fausse alarme. La règle Neyman-Pearson sujet à NP arg max P ( ) P F ( ) Alpha s'appelle le niveau du test ou le niveau d'importance (significance level). P F s'appelle la puissance, donc NP est la règle la plus puissante au niveau, où >, et fixée. Par exemple, on peut écrire le problème comme le suivant: 9 févr. 5 Règle Neyman-Pearson page

2 étection et Estimation GEL Hiver 5 Je ne peux pas supporter un taux de fausse alarme plus grand que.%. Quelle est la plus grande probabilité de détection possible? Avec quelle règle de décision? règle randomisée Une règle randomisée est une correspondance de à [,] avec l'interprétation que pour chaque y, (y) est la probabilité avec laquelle on accepte l'hypothèse H quand l'observation est y. Exemples: ) règle ordinaire (fonction indicateur) ( y) ( y) I ( y) onc, quand L(y) τ, on accepte l'hypothèse H avec probabilité un, ça veut dire, toujours. Quand L(y)<τ, on l'accepte avec probabilité éro, i.e., jamais. ) règle minimax Ly ( ) > τ π ( y) q L( y) τ L Ly ( ) < τ onc, quand L(y)>τ, on accepte l'hypothèse H avec probabilité un, ça veut dire, toujours. Quand L(y)τ on l'accepte avec probabilité q. Quand L(y)<τ, on l'accepte avec probabilité éro, i.e., jamais. Pour le problème Neyman-Pearson, on fait l'hypothèse que la règle est une règle randomisée pour simplifier la mathématique. P F probabilité que quand H est vrai choisit H P( choisit H ) E Y { ( )} où la notation E lqest l'espérance conditionnée à la vérité d'hypothèse H. onc, la probabilité de fausse alarme est la probabilité qu'il n'y a pas de cible, mais on décide qu'une cible est présente. Pour voir cette relation rappele-vous que P( choisir H H ) P( choisir H Y y, H ) p( y H ) dy P F P( choisir H Y y) p( y) dy { } ( y ) p ( y ) dy E ( y ) indépendant de H e la même manière on arrive à P E Y { ( ) } ( y ) p ( y ) dy 9 févr. 5 Règle Neyman-Pearson page

3 étection et Estimation GEL Hiver 5 Le lemme de Neyman-Pearson a trois parties. On commence avec une hypothèse sur la forme de la solution. Cette forme est une comparaison du rapport de vraisemblance avec un seuil avec une randomisation, et la règle Neyman-Pearson atteint exactement la probabilité de fausse alarme permet (P F ). ) On verra au début que cette forme a une probabilité de détection plus grande que toutes les règles qui sont acceptables, i.e., avec P F. ) On verra qu'une règle de cette forme existe toujours. 3) On verra que c'est la seule forme que la règle Neyman-Pearson peut prendre. Lemme de Neyman-Pearson Pour un système avec H : YP et H : YP, les points suivants sont vrais: ) [optimisation] Suppose que est n'importe quelle règle de décision avec P F ( ) et soit n'importe quelle règle de décision de la forme où, γ y R S T bg sont tels que P F ( ) Ly ( ) > p( y) > p( y) γ( y) L( y) p( y) p( y) Ly ( ) < p( y) < p( y). ans ce cas, P ( ) P ( ). ) [existence] Pour chaque (,), il existe une règle de décision, NP, de la forme * sauf avec γ(y)γ (une constante) pour laquelle P F ( NP ). 3) [unicité] Suppose que est n'importe quelle règle de décision Neyman-Pearson de taille. ans ce cas, il faut que ait la forme * sauf sur un ensemble de y avec probabilité éro sous les deux hypothèses. Preuve de l optimisation Considére les trois possibilités pour la relation entre le rapport de vraisemblance et le seuil eta: le rapport est plus grand, le rapport est égal, le rapport est plus petit. On va examiner les trois possibilités, et voir l effet sur le produit suivant y y p y p y p y > p y pbyg pbyg > bg y y y bg bg e j p p e bg bgjc bg bgh pbyg pbyg pb yg pbyg bg y γ( y) bg y bg y? * p y < p y pbyg pbyg < bg y y y bg e j p p bg e j p p 9 févr. 5 Règle Neyman-Pearson page 3

4 étection et Estimation GEL Hiver 5 onc on peut écrire que pour toutes les valeurs de y e bg bgjc bg bgh y y p y p y Comme c est vrai pour toutes les valeurs de y, je peux prendre l intégral de cette expression sur tout l espace des observations, et cette intégrale sera aussi plus grande ou égale à éro. e byg byg jc p b y g p b y g dy h Je vais séparer les quatre termes dans le produit yp ydy yp ydy+ yp ydy yp ydy ou onc on a la relation bgbg bgbg bg bg bg bg L N M yp ydy yp ydy yp ydy yp ydy P e j P ej P F ej P F ej e j e j e j e j P P P P F F On sait que la taille de la règle proposée est exactement, donc P P P ( ) ( ) [ ( )] La taille de la règle arbitraire n est jamais plus grande que, donc l expression du côté droit est jamais négative, donc Pe j Pej Q.E.. P P ej ej F O Q P Preuve de partie deux, l'existence: Cette partie de la preuve est très importante. C'est une preuve constructive, donc on va trouver les valeurs de γ et qui donnent une probabilité de fausse alarme juste égale à alpha. ) Considére la probabilité sous hypothèse éro que L(y)> comme une fonction du seuil. Appele le numéro, pas négatif, le plus petit tel que P (L(y)>). P (L(y)>) 9 févr. 5 Règle Neyman-Pearson page 4

5 étection et Estimation GEL Hiver 5 Ça veut dire que est le seuil le plus petit qui donne une probabilité de fausse alarme pas plus grande qu'alpha. ans le graphique la probabilité de fausse alarme est continue, mais il peut arriver que la fonction soit discontinue. En tout cas, la fonction est toujours monotone, décroissante, et continue du côté gauche. Qu arrive-t-il aux points de discontinuités? P (L(y)>) ans le deuxième graphique on peut voir une courbe avec deux points de discontinuités. Supposons que la première discontinuité arrive a un point qu on appelle, et la deuxième au point. On appelle P (L(y) ) la probabilité P (L(y)> ), et P (L(y)> ). La hauteur de la discontinuité est juste la probabilité que le rapport de vraisemblance est exactement égale au P (L(y) ) seuil à ce point. onc à un point de continuité on a P (L(y)), mais à un point de discontinuité, P (L(y))>. Si on considère une contrainte arbitraire sur la probabilité de fausse alarme, il est possible que tombe dans un endroit où la courbe est continue, ou dans un endroit où elle est discontinue. On va considérer les deux possibilités séparément. est dans une partie continue P (L(y) ) γ peut être arbitraire est dans une partie discontinue P (L(y) )> il faut choisir γ avec attention La règle de décision aura la forme NP R S T γ Ly ( ) > Ly ( ) Ly ( ) < 9 févr. 5 Règle Neyman-Pearson page 5

6 étection et Estimation GEL Hiver 5 On peut calculer la probabilité de fausse alarme avec cette règle de décision: Fe NPj NP NP { } bg bg P E Y y p y dy p y dy + γ P L y + p y dy Ly bg> Ly bg< P L y > + γ P L y Si tombe dans une région continue, la valeur de γ n est pas importante parce que Fe NPj bg bg P P L y > + γ P L y + γ Si tombe dans une région discontinue, la valeur de γ nous permettra d arriver à la valeur exacte de : onc on définit γ Fe NPj bg bg P P L y > + γ P L y P L y > P L y la partie qui manque la hauteur de discontinuité La hauteur de la discontinuité est la probabilité que le rapport de vraisemblance est juste égal au seuil, donc le dénominateur. La distance entre la probabilité de fausse alarme P (L(y) ) désirée,, et la probabilité actuelle pour le -P seuil est le numérateur. Si on forme le (L(y)> ) rapport entre ces deux hauteurs, on arrivera à la valeur de γ qui donne une probabilité de fausse alarme exactement égale à. Voila la preuve de la partie deux. Q.E.. 3) Supposons que ' est une règle Neyman- Pearson de niveau de la forme désirée, et " est une autre règle Neyman-Pearson avec n'importe quelle forme. Les deux sont règles Neyman-Pearson, donc les deux ont une probabilité de détection maximum, donc les probabilités de détection sont égales. Encore on utilise le résultat que ej ej ej ej P P et P, P F F e bg bgjc bg bgh y y p y p y 9 févr. 5 Règle Neyman-Pearson page 6

7 étection et Estimation GEL Hiver 5 ou Pour les règles de décision ici, ( ) ( ) ( ) ( ) P P PF P F. ( ) ( ) ( ) PF PF PF onc il faut que P F e j. On peut montrer que e bg y bg yjcpbg y pbg yhdy P P P + P e j e j e j e j F F Comme l argument de l intégration n est jamais négatif, il faut que l argument soit éro, sauf peut-être dans les deux ensembles: un ensemble avec probabilité éro sous hypothèse éro et sous hypothèse un l ensemble avec p (y) p (y) ans l ensemble avec p (y) p (y), la règle de décision peut prendre une valeur qui est une fonction de l observation y, mais cette forme sera la forme désirée, la forme dans l équation *. Q.E.. En conclusion, on a vu encore que la règle de décision optimale prend la forme d'un test sur le rapport de vraisemblance, la comparaison du rapport vers un seuil. Le seuil est une fonction du rapport de vraisemblance et. Il faut considérer la probabilité que le rapport est plus grand qu'un seuil, comme fonction du seuil.. On cherche la valeur la plus petite avec P (L(y)>). Si P (L(y)>), on a fini. 3. Sinon, il faut randomiser. Exemple: Test de position avec un bruit Gaussien H : Y N (, ) H : Y N (, ) Le rapport de vraisemblance: p y p y by g by g by g b gf e + e e by g e + y On calcule la probabilité sous hypothèse éro que le rapport de vraisemblance est plus grand qu un seuil. 9 févr. 5 Règle Neyman-Pearson page 7

8 étection et Estimation GEL Hiver 5 ( ) ( ) + y ( ) + P L( y) > P e > P y > ln + + P y > P y> + P y> ln ln ( y ) e dy Φ π onc, il faut trouver ' tel que Φ nécessaire de randomiser. F onc, Φ, ou Φ + Pearson comme NP R S T F ( ). La fonction est continue, donc il n'est pas La fonction Φ(x) est bien connue, comme les fonctions x, cos(x), etc. Elle est une fonction continue, monotone et donc, l'inverse existe toujours et il y a un seul inverse. On cherche le seuil de Neyman-Pearson, donc le ' le plus petit qui a PF P ( L( y) > ) Φ.. On peut écrire la règle Neyman- y + y < Φ Quelle est la probabilité de détection? P PLy ( ) > + γ PLy ( ) PLy ( ) > P y> ** Φ ' ( y ) F I K J e dy Φ π F b g+ I F KJ Φ Φ Φ Φ ΦΦ d d b g ' i où dsnrrapport de signal à bruit. onc on a une expression pour la probabilité de détection pour le niveau d'alarme fausse. Si le niveau est fixé, ** est une expression pour la probabilité de détection comme fonction du rapport de signal à bruit. Cette expression s'appelle fonction de puissance (power function). F 9 févr. 5 Règle Neyman-Pearson page 8

9 étection et Estimation GEL Hiver 5 On peut aussi imaginer le SNR fixé, et P est une fonction du niveau. Cette fonction s'appelle caractéristiques opérateurs du récepteur (ROCs, receiver operating characteristics). d d.5 P P d SNR (d) fonction de puissance P F ROCs Exemple: Le canal binaire -λ -λ λ λ Le rapport de vraisemblance pour le canal binaire était ( ) L y λ λ λ y λ si y λ λ L( y) λ si λ si y si y On va trouver NP pour un canal avec λ et λ tel que λ + λ <. 9 févr. 5 Règle Neyman-Pearson page 9

La problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites

La problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur

Plus en détail

Master 1 Informatique Éléments de statistique inférentielle

Master 1 Informatique Éléments de statistique inférentielle Master 1 Informatique Éléments de statistique inférentielle Faicel Chamroukhi Maître de Conférences UTLN, LSIS UMR CNRS 7296 email: chamroukhi@univ-tln.fr web: chamroukhi.univ-tln.fr 2014/2015 Faicel Chamroukhi

Plus en détail

Cours d introduction à la théorie de la détection

Cours d introduction à la théorie de la détection Olivier J.J. MICHEL Département EEA, UNSA v1.mars 06 olivier.michel@unice.fr Laboratoire LUAN UMR6525-CNRS Cours d introduction à la théorie de la détection L ensemble du document s appuie très largement

Plus en détail

TESTS D'HYPOTHESES Etude d'un exemple

TESTS D'HYPOTHESES Etude d'un exemple TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses

Plus en détail

A propos du calcul des rentabilités des actions et des rentabilités moyennes

A propos du calcul des rentabilités des actions et des rentabilités moyennes A propos du calcul des rentabilités des actions et des rentabilités moyennes On peut calculer les rentabilités de différentes façons, sous différentes hypothèses. Cette note n a d autre prétention que

Plus en détail

BACCALAUREAT GENERAL

BACCALAUREAT GENERAL ACCALAUREAT GENERAL Session 2009 MATHÉMATIQUES - Série ES - Enseignement de Spécialité Liban EXERCICE 1 1) 2) C 3) C 4) A Explication 1. Chacun des logarithmes existe si et seulement si x > 4 et x > 2

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 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 détail

Annexe 3 : La lecture d'une table statistique

Annexe 3 : La lecture d'une table statistique Annexe 3 : La lecture d'une table statistique 0.0. Survol de ce document L'objectif de ce document est d'indiquer comment lire les valeurs tabulées dans les Tables 1 à 5 du cours. Chacune de ces tables

Plus en détail

Probabilités sur un univers fini

Probabilités 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 détail

ADMISSION AU COLLEGE UNIVERSITAIRE Samedi 1 mars 2014 MATHEMATIQUES durée de l épreuve : 3h coefficient 2

ADMISSION AU COLLEGE UNIVERSITAIRE Samedi 1 mars 2014 MATHEMATIQUES durée de l épreuve : 3h coefficient 2 ADMISSION AU COLLEGE UNIVERSITAIRE Samedi 1 mars 2014 MATHEMATIQUES durée de l épreuve : 3h coefficient 2 Le sujet est numéroté de 1 à 5. L annexe 1 est à rendre avec la copie. L exercice Vrai-Faux est

Plus en détail

CH1 : Langages de la continuité Limites

CH1 : Langages de la continuité Limites CH : Langages de la continuité Limites I. Continuité- Théorème des valeurs intermédiaires. Définition : Soit f une fonction définie sur un intervalle I de R. Lorsque la courbe représentative de f ne présente

Plus en détail

Rédigé par un élève de Terminale S à l'aide de ses livres de maths (Indice, Bordas), ses cours, toute sa peine, et son stress pour le bac! J.

Rédigé par un élève de Terminale S à l'aide de ses livres de maths (Indice, Bordas), ses cours, toute sa peine, et son stress pour le bac! J. Rédigé par un élève de Terminale S à l'aide de ses livres de maths (Indice, Bordas), ses cours, toute sa peine, et son stress pour le bac! J. FAIVRE s de cours exigibles au bac S en mathématiques Enseignement

Plus en détail

Terminale S Spécialité Cours : DIVISIBILITE ET CONGRUENCES DANS.

Terminale S Spécialité Cours : DIVISIBILITE ET CONGRUENCES DANS. A la fin de ce chapitre vous devez être capable de : connaître différents procédés pour établir une divisibilité : utilisation de la définition, utilisation d identités remarquables, disjonction des cas,

Plus en détail

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques

Plus en détail

SOMMES ET PRODUITS. 1 Techniques de calcul. 1.1 Le symbole. 1.2 Règles de calcul. Laurent Garcin MPSI Lycée Jean-Baptiste Corot

SOMMES ET PRODUITS. 1 Techniques de calcul. 1.1 Le symbole. 1.2 Règles de calcul. Laurent Garcin MPSI Lycée Jean-Baptiste Corot SOMMES ET PRODUITS 1 Techniques de calcul 1.1 Le symbole Notation 1.1 Soient m et n deux entiers naturels. Alors { a m + a m+1 + + a + a n si m n, a = 0 sinon. On peut aussi noter m n =m a ou encore m,n

Plus en détail

ORDRE DE RÉACTION : MÉTHODES DE

ORDRE DE RÉACTION : MÉTHODES DE ORDRE DE RÉACTION : MÉTHODES DE RÉSOLUTION Table des matières 1 Méthodes expérimentales 2 1.1 Position du problème..................................... 2 1.2 Dégénérescence de l ordre...................................

Plus en détail

Détection, Estimation, Information.

Détection, Estimation, Information. Christian JUTTEN Détection, Estimation, Information. Notions de base et exercices Université Joseph Fourier - Polytech Grenoble Cours de troisième année du département 3i Options Images et Signaux et Automatique

Plus en détail

Mathématiques pour l informatique. - Soutien - 1 Nombres complexes. 2 Suites. Exercice 1. (Nombres complexes) Soit le nombre complexe z = (2 + 2i) 7.

Mathématiques pour l informatique. - Soutien - 1 Nombres complexes. 2 Suites. Exercice 1. (Nombres complexes) Soit le nombre complexe z = (2 + 2i) 7. Mathématiques pour l informatique IMAC première année - Soutien - Nombres complexes Rappels. Un nombre complexe z admet plusieurs représentations : représentation vectorielle z = (a, b) où a, b R représentation

Plus en détail

CHAPITRE VIII : Les circuits avec résistances ohmiques

CHAPITRE VIII : Les circuits avec résistances ohmiques CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On

Plus en détail

Raisonnement par récurrence Suites numériques

Raisonnement par récurrence Suites numériques Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.

Plus en détail

Tutorat 3 de Mathématiques (2ème année)

Tutorat 3 de Mathématiques (2ème année) Tutorat 3 de Mathématiques (2ème année) Marches aléatoires et marchés financiers Groupe 4 tuteur : J. Bouttier 8 février 2010 Résumé Depuis la thèse de Bachelier, les marchés nanciers ont constitué un

Plus en détail

Exercices corrigés de probabilités et statistique

Exercices corrigés de probabilités et statistique Exercices corrigés de probabilités et statistique Université Paris 1 Panthéon-Sorbonne Cours de deuxième année de licence de sciences économiques Fabrice Rossi Cette œuvre est mise à disposition selon

Plus en détail

Métropole - Juin 2012 BAC S Correction

Métropole - Juin 2012 BAC S Correction Métropole - Juin 0 BAC S Correction / 7 Eercice. La courbe C est sous l ae des abscisses pour [-3 ;-]. Affirmation vraie. Sur [- ;], f () 0. Donc f est croissante sur cet intervalle. Affirmation vraie

Plus en détail

Théorie de l estimation et de la décision statistique

Théorie de l estimation et de la décision statistique Théorie de l estimation et de la décision statistique Paul Honeine en collaboration avec Régis Lengellé Université de technologie de Troyes 2013-2014 Quelques références Decision and estimation theory

Plus en détail

PRIME D UNE OPTION D ACHAT OU DE VENTE

PRIME D UNE OPTION D ACHAT OU DE VENTE Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,

Plus en détail

Leçon 1: les entiers

Leçon 1: les entiers Leçon 1: les entiers L ensemble N des entiers naturels Compter, dresser des listes, classer et comparer des objets interviennent dans de multiples activités humaines. Les nombres entiers naturels sont

Plus en détail

Université de Cergy-Pontoise Département de Mathématiques L1 MPI - S1. Cours de Mathématiques 1

Université de Cergy-Pontoise Département de Mathématiques L1 MPI - S1. Cours de Mathématiques 1 Université de Cergy-Pontoise Département de Mathématiques L1 MPI - S1 Cours de Mathématiques 1 Table des matières 1 Un peu de formalisme mathématique 7 1.1 Rudiments de logique........................................

Plus en détail

Fonction exponentielle

Fonction exponentielle Fonction exponentielle Une fonction est dite exponentielle s il y a la présence d un facteur multiplicatif dans l expression. Ex.: 4x5x5x5x5x5x5x5 : le facteur multiplicatif est 5 La fonction de base d

Plus en détail

Exercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument

Exercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour

Plus en détail

FACULTE DE MEDECINE D ANGERS. Polycopié de cours pour les 1 e et 2 e cycles des études médicales Préparation à l examen national classant

FACULTE DE MEDECINE D ANGERS. Polycopié de cours pour les 1 e et 2 e cycles des études médicales Préparation à l examen national classant FACULTE DE MEDECINE D ANGERS Polycopié de cours pour les 1 e et 2 e cycles des études médicales Préparation à l examen national classant Année scolaire 2007-2008 SANTE PUBLIQUE ET MEDECINE SOCIALE Responsable

Plus en détail

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au

Plus en détail

Cours de Mathématiques Seconde. Généralités sur les fonctions

Cours de Mathématiques Seconde. Généralités sur les fonctions Cours de Mathématiques Seconde Frédéric Demoulin 1 Dernière révision : 16 avril 007 Document diffusé via le site www.bacamaths.net de Gilles Costantini 1 frederic.demoulin (chez) voila.fr gilles.costantini

Plus en détail

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

Plus en détail

La théorie des mouvements dans les formules Jean-François Nicaud Version initiale de Février 2013 jeanfrancois.nicaud@laposte.net

La théorie des mouvements dans les formules Jean-François Nicaud Version initiale de Février 2013 jeanfrancois.nicaud@laposte.net La théorie des mouvements dans les formules Jean-François Nicaud Version initiale de Février 2013 jeanfrancois.nicaud@laposte.net Article rédigé avec epsilonwriter puis copié dans Word La théorie des mouvements

Plus en détail

Agrégation interne de Mathématiques. Session 2009. Deuxième épreuve écrite. (et CAERPA)

Agrégation interne de Mathématiques. Session 2009. Deuxième épreuve écrite. (et CAERPA) Agrégation interne de Mathématiques (et CAEPA Session 2009 Deuxième épreuve écrite 2 NOTATIONS ET PÉLIMINAIES On désigne par le corps des nombres réels et par C le corps des nombres complexes. Si f est

Plus en détail

Détection en environnement non-gaussien Cas du fouillis de mer et extension aux milieux

Détection en environnement non-gaussien Cas du fouillis de mer et extension aux milieux Détection en environnement non-gaussien Cas du fouillis de mer et extension aux milieux hétérogènes Laurent Déjean Thales Airborne Systems/ENST-Bretagne Le 20 novembre 2006 Laurent Déjean Détection en

Plus en détail

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2

Cours (8) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012. Test du Khi 2 Test du Khi 2 Le test du Khi 2 (khi deux ou khi carré) fournit une méthode pour déterminer la nature d'une répartition, qui peut être continue ou discrète. Domaine d application du test : Données qualitatives

Plus en détail

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation.

Travaux Dirigés de Probabilités - Statistiques, TD 4. Lois limites ; estimation. Travaux Dirigés de Probabilités - Statistiques, TD 4 Lois limites ; estimation. Exercice 1. Trois machines, A, B, C fournissent respectivement 50%, 30%, 20% de la production d une usine. Les pourcentages

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. 1 Généralités sur les tests statistiques 2 UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 Master d économie Cours de M. Desgraupes MATHS/STATS Document 4 : Les tests statistiques 1 Généralités sur les tests

Plus en détail

Cours d Analyse. Fonctions de plusieurs variables

Cours 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 détail

avec des nombres entiers

avec des nombres entiers Calculer avec des nombres entiers Effectuez les calculs suivants.. + 9 + 9. Calculez. 9 9 Calculez le quotient et le rest. : : : : 0 :. : : 9 : : 9 0 : 0. 9 9 0 9. Calculez. 9 0 9. : : 0 : 9 : :. : : 0

Plus en détail

CNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2

CNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2 CNAM UE MVA 210 Ph. Duran Algèbre et analyse tensorielle Cours 4: Calcul ierentiel 2 Jeui 26 octobre 2006 1 Formes iérentielles e egrés 1 Dès l'introuction es bases u calcul iérentiel, nous avons mis en

Plus en détail

11. Tests d hypothèses (partie 1/2)

11. Tests d hypothèses (partie 1/2) 11. Tests d hypothèses (partie 1/2) MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v1) MTH2302D: tests d hypothèses 1/30 Plan 1. Introduction 2. Hypothèses et erreurs 3. Tests d hypothèses

Plus en détail

3.8 Introduction aux files d attente

3.8 Introduction aux files d attente 3.8 Introduction aux files d attente 70 3.8 Introduction aux files d attente On va étudier un modèle très général de problème de gestion : stocks, temps de service, travail partagé...pour cela on considère

Plus en détail

UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010. N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES

UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010. N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010 N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES 1 Les énoncés La plupart des phrases que l on rencontre dans un livre

Plus en détail

NOTES DE COURS (SUPPLÉMENTAIRES) POUR LE COURS MATHÉMATIQUES DISCRÈTES MAT1500. References

NOTES DE COURS (SUPPLÉMENTAIRES) POUR LE COURS MATHÉMATIQUES DISCRÈTES MAT1500. References NOTES DE COURS (SUPPLÉMENTAIRES) POUR LE COURS MATHÉMATIQUES DISCRÈTES MAT1500 ABRAHAM BROER References [R] Kenneth H. Rosen, Mathématiques discrètes, Édition révisée Chenelière McGraw-Hill, 2002. 1. But

Plus en détail

Ch.12 : Loi binomiale

Ch.12 : Loi binomiale 4 e - programme 2007 - mathématiques ch.12 - cours Page 1 sur 5 1 RÉPÉTITION D'EXPÉRIENCES INDÉPENDANTES Lancer plusieurs fois un dé et noter les résultats successifs. Ch.12 : Loi binomiale Prélever des

Plus en détail

Systèmes de transmission

Systèmes de transmission Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un

Plus en détail

Calculs de probabilités avec la loi normale

Calculs de probabilités avec la loi normale Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce

Plus en détail

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013 Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de

Plus en détail

Baccalauréat ES Centres étrangers 12 juin 2014 - Corrigé

Baccalauréat ES Centres étrangers 12 juin 2014 - Corrigé Baccalauréat ES Centres étrangers 1 juin 14 - Corrigé A. P. M. E. P. Exercice 1 5 points Commun à tous les candidats 1. On prend un candidat au hasard et on note : l évènement «le candidat a un dossier

Plus en détail

Partie I Le consommateur et la demande

Partie I Le consommateur et la demande Partie I Le consommateur et la demande Chapitre 1 La fonction d utilité 1 Plan du cours 1. Le consommateur. 2. La notion d utilité. 3. Les courbes d indifférence. 4. L optimum du consommateur. 5. Exercices.

Plus en détail

Exercices à savoir faire

Exercices à savoir faire Licence 1 Mathématiques 2014 2015 Algèbre et Arithmétique 1 Feuille n o 2 Théorie des ensembles, applications Exercices à savoir faire Théorie des ensembles Exercice 1 Soit F l ensemble des femmes. Qu

Plus en détail

Probabilités sur un univers fini

Probabilités 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

Probabilité des données vs. probabilité du modèle

Probabilité des données vs. probabilité du modèle Avantages de la décision bayésienne en psychologie Université de Rennes 2 Markstein, 28-30 Juin 2011 Sommaire 1 2 La théorie de Fisher (1925, 1935) L'approche de Neyman et Pearson (1928, 1933) Limites

Plus en détail

La fonction exponentielle

La 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 détail

2 Probabilités conditionnelles. Événements indépendants

2 Probabilités conditionnelles. Événements indépendants 2 Probabilités conditionnelles. Événements indépendants 2.1 Probabilité conditionnelle Soient A et B deux événements tels que P(B) > 0. Soit alors P(A B), la probabilité que A se réalise, B étant réalisé.

Plus en détail

Sur l algorithme RSA

Sur l algorithme RSA Sur l algorithme RSA Le RSA a été inventé par Rivest, Shamir et Adleman en 1978. C est l exemple le plus courant de cryptographie asymétrique, toujours considéré comme sûr, avec la technologie actuelle,

Plus en détail

Chapitre 4. Fondements économiques de la demande d'assurance

Chapitre 4. Fondements économiques de la demande d'assurance Chapitre 4. Fondements économiques de la demande d'assurance Laurent Denant Boemont octobre 2008 Chapitre 4. Fondements économiques de la demande d'assurance 2 J. Hamburg (2005) Along came Polly 1 Introduction

Plus en détail

Arithmétique modulaire et applications à la cryptographie

Arithmétique modulaire et applications à la cryptographie Arithmétique modulaire et applications à la cryptographie Etant donné un entier n, l arithmétique modulo n consiste à faire des calculs sur les restes dans la division euclidienne des entiers par n. Exemples

Plus en détail

Séance 4: Consommation, utilité, cardinalité et bonheur

Séance 4: Consommation, utilité, cardinalité et bonheur Séance 4: Consommation, utilité, cardinalité et bonheur Sandra Nevoux Sciences Po Jeudi 24 Septembre 2015 1 / 49 L'essentiel à retenir 1 Revenu et consommation 2 3 4 5 2 / 49 Courbe d'expansion d'engel

Plus en détail

BACCALAURÉAT BLANC 2013

BACCALAURÉAT BLANC 2013 BACCALAURÉAT BLANC 203 Série S Corrigé Exercice. a) On traduit les données de l énoncé et on représente la situation par un arbre pondéré. PF ) = 2, PF 2) = 3, P F ) = 5 00 = 20, P F 2 ) =,5 00 = 3 3,5,

Plus en détail

Continuité en un point

Continuité en un point DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à

Plus en détail

Cours de Mathématiques

Cours de Mathématiques Cours de Mathématiques Lycee Gustave Eiffel PTSI 02/03 Chapitre 3 Fonctions usuelles 3.1 Théorème de la bijection Une fonction dérivable sur un intervalle I, strictement monotone déþnit une bijection.

Plus en détail

Evaluation d un test diagnostique - Concordance

Evaluation d un test diagnostique - Concordance Evaluation d un test diagnostique - Concordance Michaël Genin Université de Lille 2 EA 2694 - Santé Publique : Epidémiologie et Qualité des soins michaelgenin@univ-lille2fr Plan 1 Introduction 2 Evaluation

Plus en détail

Arbres binaires. Hélène Milhem. Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012

Arbres binaires. Hélène Milhem. Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012 Arbres binaires Hélène Milhem Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012 H. Milhem (IMT, INSA Toulouse) Arbres binaires IUP SID 2011-2012 1 / 35 PLAN Introduction Construction

Plus en détail

Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq»

Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq» Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq» Guy Perrière Pôle Rhône-Alpes de Bioinformatique 14 novembre 2012 Guy Perrière (PRABI) Tests statistiques 14 novembre 2012 1 / 40 Plan

Plus en détail

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal

Plus en détail

Cahier de vacances - Préparation à la Première S

Cahier de vacances - Préparation à la Première S Cahier de vacances - Préparation à la Première S Ce cahier est destiné à vous permettre d aborder le plus sereinement possible la classe de Première S. Je vous conseille de le travailler pendant les 0

Plus en détail

La fonction exponentielle

La fonction exponentielle La fonction exponentielle L expression «croissance exponentielle» est passée dans le langage courant et désigne sans distinction toute variation «hyper rapide» d un phénomène. Ce vocabulaire est cependant

Plus en détail

Combien de fois faut-il battre un jeu de cartes?

Combien de fois faut-il battre un jeu de cartes? Combien de fois faut-il battre un jeu de cartes? Ce texte est tiré d un article de D. Bayer et P. Diaconis Trailing the dovetail shuffle to its lair Ann. Appl. Prob. 992, vol 2, No 2, 294-33. Introduction

Plus en détail

Parcours d un arbre Arbres de recherche CHAPITRE 6. Arbres binaires. Karelle JULLIAN. MPSI, Option Info 2014/2015. Karelle JULLIAN

Parcours d un arbre Arbres de recherche CHAPITRE 6. Arbres binaires. Karelle JULLIAN. MPSI, Option Info 2014/2015. Karelle JULLIAN CHAPITRE 6 Arbres binaires Lycée Kléber MPSI, Option Info 2014/2015 1 Définitions 2 Parcours en largeur Parcours en profondeur Parcours préfixe, infixe, postfixe Reconstitution 3 Recherche Complexité Insertion

Plus en détail

Formules d inclusion-exclusion

Formules d inclusion-exclusion Université de Rouen L1 M.I.EEA 2011 2012 Mathématiques discrètes Formules d inclusion-exclusion Je présente ici une correction détaillée de l Exercice 5 de la Feuille d exercices 1, en reprenant le problème

Plus en détail

OPTIMISATION À UNE VARIABLE

OPTIMISATION À UNE VARIABLE OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum

Plus en détail

Choix de Portefeuille

Choix de Portefeuille Année 2007-2008 Choix de Portefeuille Christophe Boucher Chapitre 1. Théorie de la décision en avenir incertain Critère d espérance d utilité L attitude vis-à-vis du risque Chapitre 2. Rendements et critères

Plus en détail

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini.

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. 1 Introduction Des actions comme lancer un dé, tirer une carte d un jeu, observer la durée de vie d une ampoule électrique, etc...sont

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités 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 détail

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES

Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,

Plus en détail

Stratégies et construction

Stratégies et construction Stratégies et construction Sébastien MARTINEAU Été 2008 Exercice 1 (Niveau 2). Sur une règle d 1 mètre de long se trouvent 2008 fourmis. Chacune part initialement, soit vers la gauche, soit vers la droite,

Plus en détail

Arithmétique. Préambule. 1. Division euclidienne et pgcd. Exo7. 1.1. Divisibilité et division euclidienne

Arithmétique. Préambule. 1. Division euclidienne et pgcd. Exo7. 1.1. Divisibilité et division euclidienne Exo7 Arithmétique Vidéo partie 1. Division euclidienne et pgcd Vidéo partie 2. Théorème de Bézout Vidéo partie 3. Nombres premiers Vidéo partie 4. Congruences Exercices Arithmétique dans Z Préambule Une

Plus en détail

L ANALYSE TECHNIQUE. TradingCity.biz

L ANALYSE TECHNIQUE. TradingCity.biz L ANALYSE TECHNIQUE Initiation TradingCity.biz 1 Analyse Technique " L analyse technique est l étude de l évolution d un marché principalement sur base de graphique, dans le but de prévoir les futures

Plus en détail

Moments des variables aléatoires réelles

Moments 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 détail

TP1 : PREMIERS PAS EN MAPLE

TP1 : PREMIERS PAS EN MAPLE Université Paris 7 CF2 - Calcul Formel TP1 : PREMIERS PAS EN MAPLE Qu'est-ce que Maple? Maple est un logiciel de calcul formel : il est capable de manipuler des nombres, ou des objets mathématiques plus

Plus en détail

Limites finies en un point

Limites finies en un point 8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,

Plus en détail

2. Probabilité. 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance. http://statwww.epfl.ch

2. Probabilité. 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance. http://statwww.epfl.ch 2. Probabilité 2.1: Espaces de probabilité 2.2: Probabilité conditionelle 2.3: Indépendance Probabilité et Statistiques I Chapître 2 1 2.1 Espaces de Probabilité Contenu Exemples élémentaires de probabilité,

Plus en détail

TS. 2012/2013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 20/11/12

TS. 2012/2013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 20/11/12 TS. 01/013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 0/11/1 Exercice 1 : ( 6,5 pts) Première partie : Démonstration à rédiger { Démontrer que si ( ) et (v n ) sont deux suites telles

Plus en détail

Problème : débordement de la représentation ou dépassement

Problème : débordement de la représentation ou dépassement Arithmétique entière des ordinateurs (représentation) Écriture décimale : écriture positionnelle. Ex : 128 = 1 10 2 + 2 10 1 + 8 10 0 Circuit en logique binaire Écriture binaire (base 2) Ex : (101) 2 =

Plus en détail

Mathématiques appliquées à l informatique

Mathématiques appliquées à l informatique Mathématiques appliquées à l informatique Jean-Etienne Poirrier 15 décembre 2005 Table des matières 1 Matrices 3 1.1 Définition......................................... 3 1.2 Les différents types de matrices.............................

Plus en détail

Corrigé de l examen partiel du 19 novembre 2011

Corrigé de l examen partiel du 19 novembre 2011 Université Paris Diderot Langage Mathématique (LM1) Département Sciences Exactes 2011-2012 Corrigé de l examen partiel du 19 novembre 2011 Durée : 3 heures Exercice 1 Dans les expressions suivantes, les

Plus en détail

Introduction au cours STA 102 Analyse des données : Méthodes explicatives

Introduction au cours STA 102 Analyse des données : Méthodes explicatives Analyse des données - Méthodes explicatives (STA102) Introduction au cours STA 102 Analyse des données : Méthodes explicatives Giorgio Russolillo giorgio.russolillo@cnam.fr Infos et support du cours Slide

Plus en détail

Cours de terminale S Suites numériques

Cours de terminale S Suites numériques Cours de terminale S Suites numériques V. B. et S. B. Lycée des EK 13 septembre 2014 Introduction Principe de récurrence Exemple En Mathématiques, un certain nombre de propriétés dépendent d un entier

Plus en détail

1 Une simple histoire de production, et déjà des calculs

1 Une simple histoire de production, et déjà des calculs Université François Rabelais - L AES Cours d Economie Générale Enoncé du TD n 7 Automne 202 Une simple histoire de production, et déjà des calculs Vous considérez dans cet exercice une firme qui a la possibilité

Plus en détail

Suites réelles. 4 Relations de comparaison des suites 9 4.1 Encore du vocabulaire... 9. 5.2 Quelques propriétés... 13

Suites réelles. 4 Relations de comparaison des suites 9 4.1 Encore du vocabulaire... 9. 5.2 Quelques propriétés... 13 Maths PCSI Cours Table des matières Suites réelles 1 Généralités 2 2 Limite d une suite 2 2.1 Convergence d une suite....................... 2 2.2 Deux premiers résultats....................... 3 2.3 Opérations

Plus en détail

Mth2302B - Intra Été 2011

Mth2302B - Intra Été 2011 École Polytechnique de Montréal page 1 Contrôle périodique Été 2011--------------------------------Corrigé--------------------------------------T.Hammouche Question 1 (12 points) Mth2302B - Intra Été 2011

Plus en détail

Calculs de probabilités

Calculs de probabilités Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile

Plus en détail

Probabilités CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES

Probabilités CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Chapitre Ce que dit le programme : Probabilités CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Objectifs visés par l enseignement des statistiques et probabilités à l occasion de résolutions de problèmes dans

Plus en détail

Economie de l incertain

Economie de l incertain Economie de l incertain séance du 5 novembre 2005 Exercice Soient deux individus, et 2, avec le même niveau de richesse initiale W 0 = 00, mais avec des fonctions d utilité différentes, respectivement

Plus en détail

1998.02 Composition d un portefeuille optimal. Dinh Cung Dang

1998.02 Composition d un portefeuille optimal. Dinh Cung Dang 199802 Composition d un portefeuille optimal Dinh Cung Dang Docteur en gestion de l IAE de Paris Ingénieur Conseil Résumé : Dans ce travail, le risque est défini comme étant la probabilité de réaliser

Plus en détail

Entropie et Information

Entropie et Information Entropie et Information F. Didier-IREM Campus Luminy didier@irem.univ-mrs.fr Juin 2011 1 1 L entropie, mesure du degré d incertitude L étude des évènements aléatoires a pour propriété principale l absence

Plus en détail