Marches aléatoires. Les applications des chaînes de Markov sont très nombreuses :
|
|
- Pierre-Yves Audet
- il y a 6 ans
- Total affichages :
Transcription
1 Leçon n o 9 Marches aléatoires 9 Niveau Terminale S Prérequis aucun Références [], [3], [4], [5], [6], [7] 9.1 Chaînes de Markov Définition 9.1 Chaîne de Markov I. Une chaîne de Markov est une suite de variables aléatoires (X n, n N) qui permet de modéliser l évolution dynamique d un système aléatoire : X n représente l état du système à l instant n. Propriété 9. Propriété de Markov. L évolution future du système ne dépend du passé qu à travers de sa valeur actuelle. Autrement dit, conditionnement à X n, (X 0,..., X n ) et (X n+k, k N) sont indépendantes. Les applications des chaînes de Markov sont très nombreuses : réseaux, génétique des populations, mathématiques financières, gestion de stock, alogirthmes stochastiques d optimisation, simulation. On se place maintenant sur E un espace discret, c est-à-dire un espace au plus dénombrable muni de la topologie discrète où tous les points de E sont isolés. On considère la tribu E = P(E). Définition 9.3 Matrices stochastiques. Une matrice P = (P (x, y)) x,y E est dite matrice stochastique si ses coefficients sont positifs et la somme sur une ligne des coefficients est égale à 1 : 1. P (x, y) 0 ;. z E P (x, z) = 1 ; pour tous x, y E. On donne une nouvelle définition des chaînes de Markov basée sur les probabilités. Définition 9.4 Chaîne de Markov II. Soit P une matrice stochastique sur E. Une suite de variables aléatoires (X n, n N) à valeurs dans E est appelée chaîne de Markov de matrice de transition P si pour tous n N, x E, on a : P (X n+1 X n,..., X 0 ) = P (X n+1 = x X n ) = P (X n, x). On dit que la chaîne de Markov est issue de µ 0 si la loi de X 0 est µ 0. R Comme l espace d état est discret, l équation de la définition précédente est équivalente à : pour tous x 0,..., x n E, tels que P (X n = x n,..., X 0 = x 0 ) > 0 : P (X n+1 = x X n = x n,..., X 0 = x 0 ) = P (X n+1 = x X n = x n ) = P (X n, x).. Si P (X 0 = x) = 1, autrement dit µ 0 est la masse de Dirac en x on dira plus simplement que la chaîne de Markov.
2 10 Leçon n o 9 Marches aléatoires Proposition 9.6 La loi d une chaîne de Markov (X n, n N) est entièrement caractérisée par sa matrice de transition, P et la loi de X 0, µ 0. De plus, on a, pour tous n N, x 0,..., x n E, P (X 0 = x 0,..., X n = x n ) = µ 0 (x 0 ) n P (x k 1, x k ). k=1 Preuve Soit n N et x 0,..., x n E. Si P (X 0 = x 0,..., X n 1 = x n 1 ) > 0, une utilisation successive de la formule des probabilités conditionnelles donne : P (X 0 = x 0,..., X n = x n ) = P (X 0 = x 0 )P (X 1 = x 1 X 0 = x 0 ) P (X n = x n X 0 = x 0,..., X n 1 = x n 1 ) n = µ 0 (x 0 ) P (x k 1, x k ). k=1 Si P (X 0 = x 0,..., X n 1 = x n 1 ) = 0, soit P (X 0 = x 0 ) = 0, c est-à-dire µ 0 (x 0 ) = 0 et donc l égalité de la proposition reste vraie ; soit il existe m {1,..., n 1} tel que P (X 0 = x 0,..., X m 1 = x m 1 ) > 0 et P (X 0 = x 0,..., X m = x m ) = 0. Dans ce dernier cas, on peut utiliser l égalité de la proposition avec n = m et obtenir que : 0 = P (X 0 = x 0,..., X m = x m ) = µ 0 (x 0 ) m P (x k 1, x k ). On en déduit que l égalité de la proposition reste vraie avec les deux membres nuls. En conclusion, l égalité de la proposition est toujours vérifiée. On donne un exemple de chaînes de Markov qui sera le but de l exposé. Exemple 9.7 La marche aléatoire symétrique simple sur Z, S = (S n, n 0), est définie par : n S n = S 0 + Z k k=1 où Z = (Z n, n 1) est une suite de variables aléatoires indépendantes et de même loi, P (Z n = 1) = P (Z n = 1) = 1/, et S 0 est une variable aléatoire à valeurs dans Z indépendante de Z. On vérifie facilement que la marche aléatoire simple est une chaîne de Markov à valeurs dans Z de matrice de transition : { 0 si x y 1 P (x, y) = pour x, y Z. 1/ si x y = 1 k=1 9. Chaînes de Markov au lycée D après un article de Louis-Marise Bonneval paru dans le bulletin APMEP n o 503. L expression «chaîne de Markov»ne figure dans aucun libellé de programme de lycée. Mais on peut lire dans le programme de la spécialité mathématiques de Terminale S, sous le titre «Matrices et suites» :
3 9. Chaînes de Markov au lycée 11 Il s agit d étudier des exemples de processus, déterministes ou stochastiques, à l aide de suites ou de matrices. Exemples de problèmes Matrice aléatoire simple sur un graphe à deux ou trois sommets. Matrice aléatoire sur un tétraèdre ou un graphe à N sommets (étude asymptotique d une marche aléatoire). et dans le programme de la spécialité mathématiques de Terminale ES : Les graphes probabilistes permettent d étudier des phénomènes d évolution simples, et de faire le lien avec les suites. Contenus : Graphe probabiliste à deux ou trois sommets : matrice de transition, état stable d un graphe probabiliste. L article suggère cinq problèmes permettant de mieux cerner la notion de marches aléatoires Bonus et malus en assurance automobile Un contrat d assurance automobile comporte trois tarifs de cotisation annuelle : bas, intermédiaire, haut. La première année, l assuré paye le tarif intermédiaire. S il n a été responsable d aucun accident pendant une année, il passe au tarif inférieur l année suivante (s il est déjà au tarif bas, il y reste). S il a été responsable d au moins un accident au cours d une année, il passe au tarif supérieur l année suivante (s il est déjà au tarif haut, il y reste). La compagnie d assurance estime à 10% la probabilité qu un assuré pris au hasard soit responsable d au moins un accident au cours d une année. Quelle sera à long terme la répartition des assurés entre les trois catégories de tarif? 9.. Une ronde sur un triangle Nous sommes au XIV e siècle, dans le château de Poitiers. Il est triangulaire, flanqué d une tour à chaque sommet : Est, Nord, Sud. Partant de la tour Est, la sentinelle fait sa ronde sur le rempart. À chaque sommet du triangle, pour tromper l ennemi (et l ennui), il jette une pièce : pile, il continue dans le même sens ; face, il repart en sens inverse. Pourra-t-il assurer une surveillance comparable dans les trois directions? 9..3 La collection d autocollants Chaque semaine, Anna achète une tablette de chocolat Cébon. Chaque tablette contient un autocollant représentant soit une étoile, soit un cœ ur, soit un trèfle à quatre feuilles. Anna les collectionne pour décorer son journal intime. En supposant les trois motifs équirépartis entre les tablettes, combien de tablettes suffit-il d acheter pour être sûr à plus de 95% d avoir les trois types de dessin? 9..4 Pertinence d une page web Le réseau Internet peut être représenté comme un gigantesque graphe (non probabilisite), dont les N sommets sont les pages, et les flèches les liens qui pointent d une page à une autre. Un moteur de recherche, pour être utile, doit classer les pages par ordre de pertinence. Comment mesurer la pertinence d une page?
4 1 Leçon n o 9 Marches aléatoires 9..5 Les urnes d Ehrenfest On dispose de deux urnes A et B, et de N boules numérotées de 1 à N. Au début, toutes les boules sont dans l urne A. De temps à autre, on tire au hasard un numéro entre 1 et N, et on change d urne la boule correspondante. Au bout de combien d étapes peut-on espérer que toutes les boules soient à nouveau dans l urne A? 9..6 Bonus : Un exercice de 1 re S Une fourmi parcourt les côtés d un carré ABCD en partant du sommet A et met 1 minute à parcourir un côté. Arrivé à l un des sommets, elle choisit au hasard l un ou l autre des deux côtés issus de ce sommet pour poursuivre sa marche. On dit que la fourmi a traversé le carré lorsqu elle atteint pour la première fois le sommet C. On observe la fourmi pendant au plus 4 minutes et on note X le temps de la traversée. On pose X = 0 si la fourmi n a pas atteint le point C pendant l observation. 1. Faire un schéma du carré et les déplacements possibles de la fourmi.. Représenter cette expérience aléatoire à l aide d un arbre. 3. Déterminer la loi de probabilité de la variable aléatoire X. 4. Quelle est la probabilité que la fourmi ait traversé le carré pendant les 4 minutes. 9.3 Un cas particulier de chaîne de Markov : marches aléatoires sur Z Une activité d introduction sur Algobox Activité 9.8 Sur un axe horizontal, un pion placé à l origine O du repère se déplace de la manière suivante : Si le lancer d une pièce équilibrée donne Pile, on déplace le pion d une unité vers la droite. Si le lancer d une pièce équilibrée donne Face, on déplace le pion d une unité vers la gauche. Quelle est la probabilité que le pion ne revienne jamais à sa position initiale? On va simuler la situation de la manière suivante : on effectue un certain nombre de déplacements, fixé par l utilisateur, et on teste si le pion est revenu à sa position initiale au cours de ces déplacements (on peut compter le nombre de fois où il est revenu à sa position initiale). VARIABLES alea EST_DU_TYPE NOMBRE X EST_DU_TYPE NOMRBE C EST_DU_TYPE NOMBRE I EST_DU_TYPE NOMRBE N EST_DU_TYPE NOMBRE DEBUT_ALGORITHME AFFICHER "Entrer le nombre de déplacements souhaités" LIRE N X PREND_LA_VALEUR 0
5 9.3 Un cas particulier de chaîne de Markov : marches aléatoires sur Z 13 TRACER_POINT (0,0) POUR I ALLANT_DE 1 A N DEBUT_POUR alea PREND_LA_VALEUR floor(*random()) SI (alea==0) ALORS DEBUT_SI X PREND_LA_VALEUR X-1 FIN_SI SINON DEBUT_SINON X PREND_LA_VALEUR X+1 FIN_SINON TRACER_POINT (I,X) SI (X==0) ALORS DEBUT_SI AFFICHER "Le pion est revenu à sa position initiale après " AFFICHER I AFFICHER " deplacements." C PREND_LA_VALEUR C+1 FIN_SI FIN_POUR AFFICHER "Le pion est revenu " AFFICHER C AFFICHER " fois à sa position initiale." FIN_ALGORITHME En exercice, vous expliquerez le fonctionnement de l algorithme Nombre de chemins et probabilités On appellera chemin de (m, a) et (n, b) une ligne brisée, c est-à-dire une suite de segments joignant les points successifs (m 0, a 0 ), (m 1, a 1 ),..., (m r, a r ) qui commence au point (m 0, a 0 ) = (m, a) et se termine au point (m r, a r ) = (m, b) et tel que, pour tout 0 i < r, on ait m i+1 = m i + 1 et a i+1 = a i + 1 ou a i 1. Propriété 9.9 Soient (m, a) et (n, b) deux couples d entiers. Si b a n m et si n m et b a ont même parité, alors le nombre de chemins de (m, a) et (n, b) est exactement C n = ( n m n m + b a ) Preuve Étant donné un chemin joignant les points (m 0, a 0 ), (m 1, a 1 ),..., (m r, a r ), il est clair que la parité de m i+1 est l inverse de la parité de m i, tout comme la parité de a i+1 est l inverse de celle de a i. Si la suite m 0, m 1,..., m r change un nombre pair de fois de parité, il en va de même pour la suite a 0, a 1,..., a r (idem dans le cas impair), et donc les extrémités (m, a) et (n, b) vérifient la propriété «n m et b a ont même parité». De même, si b a > n m, alors pour joindre (m, a) et (n, b), il faudrait au moins b a montées (ou descentes), en seulement n m étapes.
6 14 Leçon n o 9 Marches aléatoires Enfin, si b a n m et n m et b a n ont pas même parité, alors tout chemin joignant (m, a) et (n, b) est obtenu en «montant» n m + b a fois et en «descendant» n m b a. En effet, si p désigne le nombre de montées, c est-à-dire le nombre d indices i tels que a i+1 = a i + 1, et d le nombre de descentes, c est-à-dire le nombre d indices i tels que a i+1 = a i 1 alors on a n m = p + d (les n m pas du chemin étant soit des montées, soit des descentes), et b a = p d (la progression totale est égale au nombre de fois où l on a monté, p, multiplié par la valeur de la montée, 1, plus le nomber de fois où l on a descendu, d, multiplié par la valeur de la progression dans ce cas, 1). En additionnant membre à membre ces deux égalités, on obtient bien p = n m + b a. Un chemin joignant (m, a) à (n, b) est alors caractérisé par l ordre dans lequel on monte et on descend, c est-à-dire par les indices i où l on monte. Il s agit donc de choisir n m + b a indices parmi n m, soit un nombre de chemins de ( n m ). n m + b a Théorème 9.10 Principe de réflexion. Soient a et b deux entiers strictement positifs, et m < n deux entiers. Alors le nombre de chemins joignant (m, a) à (n, b) et touchant l axe des abscisses est exactement le nombre de chemins joignant (m, a) à (n, b). Preuve La preuve de ce principe est assez simple : elle repose sur l idée qu un chemin joignant (m, a) à (n, b) passe nécessairement par la valeur 0. On peut alors établir une correspondance bijective entre les chemins de ces deux types par symétrie d une partie de ces chemins (à partir du moment où l on touche l axe des abscisses) par rapport à ce même axe. S n (m, a) (n, b) n (n, b) Application sur des exemples Exemple 9.11 Au cours d un scrutin opposant deux candidats A et B, le candidat A obtient 600 voix et le candidat B en obtient 400. Quelle est la probabilité pour que A ait été majoritaire (au sens large) tout au long du dépouillement?
7 9.3 Un cas particulier de chaîne de Markov : marches aléatoires sur Z 15 Nous allons modéliser le dépouillement par un chemin dans le plan. Lors du processus de dépouillement, on ouvre les enveloppes une à une, chacune contenant un bulletin «A» ou un bulletin «B». Si l on affecte la valeur 1 aux bulletins «A»et la valeur 1 aux bulletins «B», alors on peut représenter le déroulement du dépouillement par un chemin qui part du point (0, 0), va monter 600 fois et descendre 400 fois, donc qui arrive au point (1000, 00). On considère que tous les ordres possibles d apparition, au cours du dépouillement, des bulletins «A» et «B» sont équiprobables. Le nombre total de dépouillements possibles est ( ). On cherche le nombre de chemins de (0, 1) à (1000, 01) qui ne touchent pas l axe des abscisses. C est le nombre total de chemins de (0, 1) à (1000, 01) (à savoir ( ) ) moins le nombre de chemins de (0, 1) à (1000, 01) qui touchent l axe, c est-à-dire le nombre de chemins de (0, 1) à (1000, 01), soit ( ). La probabilité cherchée, sous l hypothèse que tous les dépouillements possibles sont équiprobables, est donc : ( ( ) ( 1000 ) 399 ) = ! 399!601! 1000! 400!600! = = ,334 La probabilité que le candidat ait été majoritaire (au sens large) tout au long du dépouillement est d environ 0,334. Exemple personnes font la queue à un guichet de cinéma. La place coûte 5 e. 60 personnes ont un billet de 5 e, tandis que les 50 autres ont des billets de 10 e. Combien faut-il prévoir de billets de 5 e en caisse pour qu avec une probabilité d au moins 95%, tous les spectateurs soient servis, dans l ordre dans leuel ils se présentent à la caisse. Si l on appelle S 0 le nombre de billets de 5 e dans la caisse au moment initial, et ue l on trace la courbe représentative du nombre de billets de 5 e dans la caisse en fonction du nombre de spectateur qui ont déjà acheté leur billet, on obtient exactement un graphe du type voulu. À chaque fois qu un spectateur passe à la caisse, soit il a un billet de 5 e et paye avec, auquel cas le nombre de billets de 5 e dans la caisse augmente d un, soit il n a qu un billet de 10 e, auquel cas le nombre de billets de 5 e dans la caisse diminue d un, qui correspond à la monnaie qu on lui rend. Au total, sur les 100 spectateurs, 60 donnent un billet de 5 e et 40 en reçoivent un, et donc on a à la fin S billets de 5 e. La courbe tracée est donc un chemin de (0, S 0 ) et (100, S 0 + 0). Pour que tous les spectateurs soient servis, dans l ordre dans lequel ils se présentent à la caisse, il faut que le chemin ne traverse pas l axe des abscisses. Il s agit donc de trouver le plus petit S 0 pour lequel la probabilité de traverser l axe des abscisses soit inférieur à 5%. Là aussi, étant donné S 0, la probabilité p S0 pour que le chemin traverse l axe des abscisses est la probabilité pour qu un chemin de (0, S 0 + 1) à (100, S 0 + 1) touche l axe des abscisses. C est donc le rapport du nombre de chemins de (0, S 0 +1) à (100, (S 0 +1)) au nombre de chemins de (0, S 0 + 1) à (100, S 0 + 1). On trouve : p S0 = ( 100 ) 50 (S 0 +11) ( 100 ) = 60 60!40! 40 (39 S 0 )!(61 + S 0 )! = k=40 S 0 k 61+S0 k=61 k.
8 16 Leçon n o 9 Marches aléatoires On calcule les valeurs successives de p S0 lorsque S 0 varie. On trouve les valeurs approchées suivantes : S p S0 0, 656 0, 41 0, 49 0, 144 0, 080 0, 04 Il faut donc 5 billets au départ dans la caisse pour qu avec une probabilité d au moins 95%, tous les spectateurs soient servis Premier retour en 0 Lemme 9.13 La probabilité pour que S n soit nul est P (S n = 0) = (n n ) n. Preuve En effet, le nombre de chemins de (0, 0) à (n, 0) est exactement ( ) n n puisqu il correspond au nombre de façon de choisir les n montées (et donc les n descentes). Comme il y a par ailleurs n trajectoires possibles de longueur n ( choix possibles à chaque étape), et que toutes les trajectoires sont équiprobables, on a bien : ( n ) n Si E := {n 1, S n = 0}, notons : P (S n = 0) = n. T 0 = { inf E si card(e) < + + sinon. T 0 correspond à l instant de premier retour en 0. S il est fini, il est nécessairement pair. Théorème 9.14 La probabilité pour que le premier retour en 0 ait lieu à l instant n est : P (T 0 = n) = 1 ( ) n n 1 ( n 1 ( ) n ) = n (n )! n 1 n!(n 1)!. Preuve On distingue deux cas selon que l on a S 1 = 1 ou S 1 = 1. Si S 1 = 1, alors il s agit de calculer le nombre de chemins de (1, 1) à (n, 0) qui ne touchent pas l axe des abscisses avant l étape n. Mais le dernier pas est alors imposé : on a nécessairement S n 1 = 1, puisque l on cherche des chemins qui aboutissent à la valeur 0 sans avoir jamais touché l axe des abscisses. Il s agit donc de dénombrer le nombre de chemins de (1, 1) à (n 1, 1) ne touchant pas l axe des abscisses, c est-à-dire le nombre total de chemins moins le nombre de chemins qui touchent l axe. D après le principe de réflexion, ce dernier est égal au nombre de chemins de (1, 1) à (n 1, 1). Au total on trouve : ( ) ( ) n n. n 1 n Conditionnellement à l hypothèse S 1 = 1, on trouve donc une probabilité pour que T 0 = n de ( n n 1 ) ( n n ) 1 n. Le premier terme du produit est la probabilité pour que la marche aléatoire passe de la valeur S 1 = 1 à la valeur S n 1 = 1 sans toucher l axe (rapport du nombre de trajectoires favorables sur le nombre total de possibilités), et le facteur 1/ correspond à la probabilité pour que S n soit nul lorsque
9 9.4 Marches aléatoires sur Z d 17 l on a S n 1 = 1 (il faut que le dernier pas soit de 1). Lorsque S 1 = 1, la situation est totalement symétrique, donc on trouve exactement la même probabilité. Au total, on a trouvé : P (T 0 = n) = ( n n 1 ) ( n ) n n 1. En revenant aux expressions définissant les nombres ( n k) on obtient : P (T 0 = n) = 1 ( ) (n )! (n )! n 1 (n 1)!(n 1)! n!(n )! (n )! = n 1 (n (n 1)) n!(n 1)! (n )! = n 1 n!(n 1)! On remarque, enfin, que cette dernière expression nous permet d obtenir la relation P (T 0 = n) = P (S n = 0) P (S n = 0). En effet, on a : ( n n 1 ) ( n ) n P (S n = 0) P (S n = 0) = n = 1 ( (n )! n 4 (n 1)!(n 1)! (n)! ) n!n! (n )! = n n!n! (4n n(n 1)) = (n )! n 1 n!(n 1)!. Ainsi : P (T 0 = n) = P (S n = 0) P (S n = 0) Modèle du joueur En exercice. Exemple 9.15 Une personne dispose d un capital de départ c (c entier). Elle joue à pile ou face de manière répété une somme de 1, jusqu à atteindre un but b qu elle s est fixée au départ, ou bien jusqu à ce qu elle ne puisse plus jouer (lorsque sa fortune atteint la valeur 0). Quelle est la probabilité pour qu elle atteigne son objectif b? 9.4 Marches aléatoires sur Z d En deux dimensions On considère une marche aléatoire sur le réseau plan Z. Il y a ici quatre mouvements possibles à chaque site : en avant, en arrière, à droite, à gauche. Pour de longues marches, la distribution de la position finale du marcheur se comporte asymptotiquement comme une distribution gaussienne.
10 18 Leçon n o 9 Marches aléatoires FIGURE 9.1 Trois marches aléatoires (indépendantes) isotropes sur le réseau Z 9.4. En trois dimensions On considère une marche aléatoire sur le réseau cubique Z 3. Il y a ici six mouvements possibles à chaque site : en avant, en arrière, à droite, à gauche, en haut et en bas. FIGURE 9. Trois marches aléatoires (indépendantes) isotropes sur le réseau Z Récurrence et dimensionnalité Récurrence Considérons une marche aléatoire isotrope (c est-à-dire tels que chaque mouvement, à un instant fixé, ait la même probabilité d être choisi) sur le réseau Z d à d dimensions spatiales. On peut toujours choisir de prendre le point de départ de cette marche comme origine O du système de coordonnées cartésiennes. La question de la récurrence consiste à se demander si on peut trouver au moins un instant t positif fini pour lequel la particule repasse par l origine O. Définition 9.16 Marche aléatoire récurrente. La marche aléatoire sera dite récurrente si et seulement si la probabilité que la particule repasse à l origine O pour un certain instant t ultérieur fini vaut 1. Théorème de Pólya Le théorème de Pólya permet de relier récurrence et dimensionnalité de l espace.
11 9.5 Marches aléatoires sur un groupe 19 Théorème 9.17 Théorème de Pólya. Pour d = 1 et d =, la marche aléatoire isotrope est récurrente. Pour d 3, la marche aléatoire n est pas récurrente ; on dit alors qu elle est transitoire ou transient. On sait calculer la probabilité que le marcheur, parti initialement de l origine, revienne à l origine, et ce pour toutes les dimensions d >. Cette probabilité p(d) admet l expression suivante : où u(d) est une intégrale à d dimensions : u(d) = p(d) = 1 1 u(d) d π π dx 1 dx d (π) d. π π d cos x 1 cos x d Pour d = 3, on obtient l expression analytique suivante : 6 u(3) = 3π 3 Γ( 1 4 )Γ( 5 4 )Γ( )Γ( 4 ) 1, où Γ(x) est la fonction Gamma d Euler. On obtient donc en trois dimensions une probabilité de retour à l origine : p(3) 0, Des valeurs numériques pour u(d) (avec 4 d 8) ont été trouvés : d u(d) 0, 193 0, 135 0, 105 0, , Marches aléatoires sur un groupe On considère un groupe (G, ), qu on suppose multiplicatif. On se donne une suite Y = (Y n ) n 1 de variables aléatoires indépendantes et de même loi (qu on appelle ν), variables aléatoires toutes à valeurs dans (G, ). On se donne aussi une variable aléatoire X 0 à valeurs dans (G, ), de loi quelconque, et indépendante de Y = (Y n ) n 0. On pose alors, pour n 1 : X n = X n 1 Y n. Définition 9.18 Marche aléatoire sur G. La suite X = (X n ) n 0 est alors une chaîne de Markov, et est dite marche aléatoire sur G de pas ν. On accepte aussi comme marche aléatoire, une suite définie par la relation de récurrence : X n = Y n X n 1.
12 0 Leçon n o 9 Marches aléatoires Pour distinguer les deux types de chaînes de Markov ainsi définies, on parle parfois de marche aléatoire droite et de marche aléatoire gauche. Le terme général p g,h de la matrice de transition de chaîne de Markov est défini, pour (g, h) G, par : p g,h = ν(g 1 h) ou bien p g,h = ν(h g 1 ), suivant que la marche aléatoire est droite ou gauche. On peut vérifier que : g G p g,h = g G ν(g 1 h) = g G ν(g 1 ) = g G ν(g) = 1, car g g h et g g 1 sont des bijections de G dans G. Ainsi, une mesure uniforme sur G est une mesure stationnaire. 9.6 Marches aléatoires grandeur nature Une expérience scientifique originale s est déroulée le 16 octobre 005 dans les rues de Toulouse. Environ 300 lycéens, partis de la place du Capitole, ont parcouru les rues de la ville, en lançant à chaque carrefour le dé pour décider de leur trajectoire (mode d emploi distribué aux participants). Le but était de modéliser le célèbre mouvement brownien, à l occasion du centième anniversaire de l article d Albert Einstein qui en établissait la théorie. Chaque participant devait relever sa position après 10, 0, 30, 40, 50, et enfin 60 carrefours. Les cartes ci-contre figurent ces différents moments de l évolution du «nuage de participants». L expérience avait bien entendu des enjeux mathématiques et physiques, disciplines où la théorie des marches aléatoires est très présente et bien connue. Mais un résultat frappant fut l apparition de phénomènes liés à la géographie particulière de la ville. Les résultats théoriques classiques peuvent s établir facilement dans le cas de la marche aléatoire sur un «réseau régulier à maille carrée» (certains plans de villes américaines s approchent bien de ce modèle). On peut les résumer ainsi : le nuage de participants reste approximativement centré sur le point de départ il s étale de façon isotrope (identique dans toutes les directions : le nuage est «rond»), suivant une loi en racine carrée du nombre de carrefours parcourus. Sur les cartes cicontre, on a ainsi tracé des cercles englobant 90% des participants à une phase donnée de l expérience.
13 9.6 Marches aléatoires grandeur nature 1 Ces résultats s étendent aux «réseaux irréguliers homogènes», c est-à-dire dans lesquels les quantités remarquables (la densité de carrefours, les nombres de rues par carrefours) sont globalement équivalentes aux différents endroits du réseau. Pour l expérience de Toulouse, la théorie est bien respectée, à deux perturbations près : une zone de très faible densité de carrefours, au nord-est de la place du Capitole, a donné lieu à une faible concentration de particules, mais aussi à quelques trajectoires très longues ; plus marquée, une sorte de «barrière» a été très peu franchie par les participants. Il s agit d une ligne, prolongeant la Garonne, qui contient très peu de points de franchissement. Le nuage de participants a en quelque sorte «rebondi» sur cette barrière.
14 Leçon n o 9 Marches aléatoires
15 Bibliographie [1] Problème des sept ponts de Königsberg, Wikipédia, l encyclopédie libre. [] C. LE BOT, Théorie des graphes, 006, wp-content/uploads/007/03/theorie_graphes.pdf. [3] Coloration des graphes, Apprendre-en-ligne, net/graphes-ancien/coloration/sommets.html [4] O. GARET, Exemples de problèmes de graphes, fr/~olivier.garet/cours/graphes/graphes-documents_d_ accompagnement.pdf. [5] E. SIGWARD & al., Odyssée Mathématiques Terminale ES/L, Hatier, 01. [6] Graphes probabilistes, Terminale ES spécialité. graphe/f4_graphe.pdf [7] G. COSTANTINI, Probabilités (discrètes), Cours de Première S, URL : bacamaths.net. [8] P. RIBEREAU, Cours 5 Probabilités : Notion, probas conditionnelles et indépendance, URL : [9] P. DUVAL, Probabilités, TS. URL : ~duvalp [10] G. COSTANTINI, Probabilités : Généralités, conditionnement, indépendance, Cours de Première S. URL : [11] M. LENZEN, Leçon n o 3 : Coefficients binomiaux, dénombrement des combinaisons, formule du binôme. Applications., 011, URL : php?page=leconsnew [1] G. CONNAN, Une année de mathématiques en Terminale S, Ch. 14, , URL : http: //tehessin.tuxfamily.org [13] G. COSTANTINI, Loi binomiale, URL : [14] C. SUQUET, Intégration et Probabilités Elémentaires, URL : univ-lille1.fr/~ipeis/ [15] L. LUBRANO & al., Mathématiques, BTS Industriels - Groupement B et C, Dunod, 011. [16] G. COSTANTINI, Lois de probabilités continues. URL : [17] J.-P. GOULARD, Lois de probabilités continues, TS, TS cours-loiscontinues.pdf. [18] Probabilités 3 : Loi uniforme sur [a; b], Lycée de Font Romeu. lewebpedagogique.com/cerdagne/files/013/0/0-loi-uniforme. pdf [19] Loi uniforme sur [a; b], IREM de Toulouse. URL : spip/img/pdf_loi_uniforme.pdf [0] P. TAQUET & al., Mathématiques, BTS Groupement A, Hachette Technique, 010.
16 4 BIBLIOGRAPHIE [1] C. SUQUET, Initiation à la Statistique, ~suquet/polys/is.pdf. [] J.-F. DELMAS, Modélisation stochastique, Cours de M, 009. URL : enpc.fr/~delmas/enseig/mod-stoch.pdf [3] L.-M. BONNEVAL, Chaînes de Markov au lycée, APMEP n o 503, 013. URL : publimath.irem.univ-mrs.fr/biblio/aaa13018.htm [4] Marche aléatoire, IREM de Franche-Comte. URL : univ-fcomte.fr/download/irem/document/ressources/lycee/marche/ marche-aleatoire.pdf. [5] Marches sur Z, culturemath.ens.fr, URL : pdf/proba/marchesz.pdf [6] Contributeurs à Wikipedia, Marche aléatoire, Wikipédia, l encyclopédie libre, 014. [7] Marche au hasard dans les rues de Toulouse, URL : actualites/m_toulouse.html
L E Ç O N. Marches aléatoires. Niveau : Terminale S Prérequis : aucun
9 L E Ç O N Marches aléatoires Niveau : Terminale S Prérequis : aucun 1 Chaînes de Markov Définition 9.1 Chaîne de Markov I Une chaîne de Markov est une suite de variables aléatoires (X n, n N) qui permet
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détailProbabilités Loi binomiale Exercices corrigés
Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre
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 détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en 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 détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
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 détailIntroduction à la théorie des graphes. Solutions des exercices
CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti
Plus en détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailCours de Probabilités et de Statistique
Cours de Probabilités et de Statistique Licence 1ère année 2007/2008 Nicolas Prioux Université Paris-Est Cours de Proba-Stat 2 L1.2 Science-Éco Chapitre Notions de théorie des ensembles 1 1.1 Ensembles
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailExercices de dénombrement
Exercices de dénombrement Exercice En turbo Pascal, un entier relatif (type integer) est codé sur 6 bits. Cela signifie que l'on réserve 6 cases mémoires contenant des "0" ou des "" pour écrire un entier.
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en 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 détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailProbabilités. 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 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 détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailDistribution 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 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 détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en 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 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 détailBACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE
BACCALAURÉAT GÉNÉRAL SESSION 2012 MATHÉMATIQUES Série S Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE Les calculatrices électroniques de poche sont autorisées, conformément à la
Plus en 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 détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailI. Cas de l équiprobabilité
I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus
Plus en 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 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 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 détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailProbabilités. C. Charignon. I Cours 3
Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3
Plus en 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 détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en 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 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 détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
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 détailBaccalauréat ES Amérique du Nord 4 juin 2008
Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation
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 détailCours IV Mise en orbite
Introduction au vol spatial Cours IV Mise en orbite If you don t know where you re going, you ll probably end up somewhere else. Yogi Berra, NY Yankees catcher v1.2.8 by-sa Olivier Cleynen Introduction
Plus en détailPRIME D UNE OPTION D ACHAT OU DE VENTE
Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailAC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailNotice d Utilisation du logiciel Finite Element Method Magnetics version 3.4 auteur: David Meeker
Notice d Utilisation du logiciel Finite Element Method Magnetics version 3.4 auteur: David Meeker DeCarvalho Adelino adelino.decarvalho@iutc.u-cergy.fr septembre 2005 Table des matières 1 Introduction
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 détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
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 détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailPeut-on imiter le hasard?
168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailLes mathématiques du XXe siècle
Itinéraire de visite Les mathématiques du XXe siècle Tous publics de culture scientifique et technique à partir des classes de 1ères Temps de visite : 1 heure 30 Cet itinéraire de visite dans l exposition
Plus en détailIntroduction au Calcul des Probabilités
Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées Bât. M2, F-59655 Villeneuve d Ascq Cedex Introduction au Calcul des Probabilités Probabilités à Bac+2 et plus
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
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 détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailProbabilités. 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 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 détailCaractéristiques des ondes
Caractéristiques des ondes Chapitre Activités 1 Ondes progressives à une dimension (p 38) A Analyse qualitative d une onde b Fin de la Début de la 1 L onde est progressive puisque la perturbation se déplace
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
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 détailRaisonnement 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 détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailBACCALAUREAT GENERAL MATHÉMATIQUES
BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
Plus en détailProbabilités. Une urne contient 3 billes vertes et 5 billes rouges toutes indiscernables au toucher.
Lycée Jean Bart PCSI Année 2013-2014 17 février 2014 Probabilités Probabilités basiques Exercice 1. Vous savez bien qu un octet est une suite de huit chiffres pris dans l ensemble {0; 1}. Par exemple 01001110
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailLa persistance des nombres
regards logique & calcul La persistance des nombres Quand on multiplie les chiffres d un nombre entier, on trouve un autre nombre entier, et l on peut recommencer. Combien de fois? Onze fois au plus...
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailPROBABILITÉS CONDITIONNELLES
PROBABILITÉS CONDITIONNELLES A.FORMONS DES COUPLES Pour la fête de l école, les élèves de CE 2 ont préparé une danse qui s exécute par couples : un garçon, une fille. La maîtresse doit faire des essais
Plus en détailchapitre 4 Nombres de Catalan
chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C
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 détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailLes correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.
Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. 1 Ce sujet aborde le phénomène d instabilité dans des systèmes dynamiques
Plus en détailTests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision
Page n 1. Tests du χ 2 une des fonctions des statistiques est de proposer, à partir d observations d un phénomène aléatoire (ou modélisé comme tel) une estimation de la loi de ce phénomène. C est que nous
Plus en détailELEC2753 Electrotechnique examen du 11/06/2012
ELEC2753 Electrotechnique examen du 11/06/2012 Pour faciliter la correction et la surveillance, merci de répondre aux 3 questions sur des feuilles différentes et d'écrire immédiatement votre nom sur toutes
Plus en détail