Le théorème de Moivre-Laplace.

Dimension: px
Commencer à balayer dès la page:

Download "Le théorème de Moivre-Laplace."

Transcription

1 Le théorème de Moivre-Lplce. Ue démostrtio complète ds le cs p = 1/ Eocé du théorème. 2 - Démostrtio du théorème de Moivre-Lplce lorsque p = 1/2. - Les étpes de l démostrtio. b - Covergece de f (t vers e t2 / Clcul de l itégrle de Guss. 5 - Démostrtio du théorème de Moivre-Lplce lorsque p 1/ L loi des erreurs. 1 Eocé du théorème. Théorème 1. O suppose que pour tout, X suit l loi biomile B(, p vec p ], 1[. O pose Z = X p pq vec q = 1 p. Alors pour tous réels et b tels que < b, lim P( Z b = b dt Nous commeços pr le cs p = 1/2. Le résultt suivt se démotre vec des outils ccessibles u iveu termile (rppelos que cette démostrtio est hors progrmme. Théorème 2. O suppose que pour tout, X suit l loi biomile B(, 1/2. O pose Z = X /2 /2. Alors pour tous réels et b vérifit < b, il existe u réel K > idépedt de tel que P( Z b b dt K (1,86,85,84,83,82,81,8,79, Figure 1 L suite ( P( Z b coverge vers b dt ( = 1, b = 2. 1

2 Remrquos que X pred des vleurs etières comprises etre et, et doc Z pred les vleurs t = /2 /2. L vitesse de covergece e 1/ est optimle puisque si et b sot ds le même itervlle [t, t +1 ] vec > et b 1/ (possible cr t +1 t = 2/, lors P ( Z b = et doc P( Z b b dt b = dt /2 e b2 2 Démostrtio du théorème de Moivre-Lplce lorsque p = 1/2. Les étpes de l démostrtio. Nous llos costruire ue foctio e esclier f telle que P( Z b = b f (tdt, où est proche de et b est proche de b (P( Z b est l ire du domie représeté /2 sur l figure 1 lorsque = 1, b = 2 et = 192, et telle que f (t est proche de e t2.,5,3,1 K3 K2 K Figure 2 Représettio grphique de f et de l foctio t e t2 /2. Défiissos tout d bord l foctio e esclier f : pour tout tel que, f est costte égle à P(X 2 = sur J = [t 1, t + 1 [, et f est ulle e dehors de l uio de ces itervlles. Propositio 3. Si t = /2, = mi{; t [, b]} et = mx{; t [, b]}, /2 = t 1 et b = t + 1, lors P( Z b = Preuve. Pr l formule de l ire d u rectgle, O doc : P( Z b = P(t Z t = t +1/ t 1/ = P(Z = t = b f (tdt. f (tdt =P(X ==P(Z =t. = t +1/ t 1/ f (tdt = b f (tdt. 2

3 Propositio 4. Si A = sup{, b } et > A 2, lors I = b e t2/2 b dt dt 1,5,3,1 K3 K2 K Figure 3 L ire de l réuio des deux domies représetés est égl à I ( = 1, b = 2, = 192. Preuve. E effet, b e t2/2 b dt dt dt + e t2/2 b b dt = I 1 + I 2 Comme > A 2, lors t = < et t = > b, doc 1 1, d où t 1 = t 2 < t, et comme = t 1, o 1. De plus, /2 e t2 1/2, pr coséquet I De même, b b 1 et I Le résultt suivt motre que f est proche de e t2 / et est démotré e sectio 3. Propositio 5. Il existe C > tel que si t [, b ] et >4A 2, lors f (t e t2 /2 C. Le théorème de Moivre-Lplce découle fcilemet de ces propositios. E effet, d près l propositio 3 et l iéglité trigulire, P( Z b b b dt b f (tdt dt b + dt b dt D près l propositio 4, le deuxième terme de droite est mjoré pr 1/, et d utre prt, d près l propositio 5, b f (tdt b dt b f (t e t2/2 dt b 3 C dt C(b + 2

4 b Covergece de f (t vers e t2 /2. Nous llos motrer l propositio 5 : il existe C > tel que si > 4A 2, lors pour tout t [, b ], f (t e t2 C. Ceci résulte des deux propositios suivtes lorsque est pir. Le cs impir est trité e fi de sectio.,5,3,1 K3 K2 K Figure 4 Compriso des grphes de f et de l foctio x exp ( x 2 /2 /. Propositio 6. Si 2 est pir, lors 1 1 f ( 1. Ceci implique, d près le théorème des gedrmes, que lim f ( = 1. +, pir Propositio 7. Si 2 est pir, lors f (t f (. Si de plus 4A 2 et t A, il existe u réel L > tel que f (t f ( e t2 /2 L Preuve de l propositio 5 pour pir. Si 4A 2 et t [, b ], il existe tel que et t J cr l uio des J pour est égle à [, b ]. Pr coséquet, f (t = f (t et e t 2 /2 e t2 /2 t t 1 1. Comme, o t A, et doc, d près l propositio 6 et l propositio 7, f (t e t2 /2 f (t f ( f ( 1 + f (t f ( e t2 /2 + e t2/2 e t2 /2 1 + L + 1 L + 2 Nous démotros mitet les propositios 6 et 7. Les vleurs de l foctio f fot iterveir les coefficiets p, = P(X = où X suit l loi biomile B(, 1/2. Le lemme suivt doe ue propriété des p, (propriété évidete si o sit que (! =!(!. 1. voir exercice e prtie III 4

5 Lemme 8. p,+1 = + 1 p,. Démotrtio pr récurrece sur. Comme p, = (P pour tout 1, ( /2, il suffit d étblir : ( +1 = + 1 L propriété (P 1 est vérifiée puisque p 1,1 = p 1, = 1. Si (P est vérifié et si, ( +1 ( ( o lors, e utilist l reltio de Pscl = + et l reltio (P : ( + 1 ( ( ( = ( ( + 1 = ( +1 ( ( = ( = ( + 1 ( +1 = ( + 1 ( ( ( ( + ( ( ( 1 Lemme 9. Soit p m = p 2m,m l probbilité d obteir m piles près voir lcé ue pièce 1 2m fois. Alors mπp 2 m 1. 2m Notos m! le produit des etiers de 1 à m. E ppliqut le lemme 8, o obtiet Posos I m = p m =p 2m,m = m+1 m p 2m,m 1 = = 1 (m+1(m+2 2m p = m(m 1 1 (1 t 2 m 2 dt. L suite (Im est décroisste. (2m! 2 2m (m! 2 E effet, si t [, 1], lors (1 t 2 m+1 2 (1 t 2 m 2. E itégrt, I m+1 I m. ( 1 1,,8,6,6,8 1, Figure 5 grphe des foctios t (1 t 2 m/2. O I = 1, I 1 = π/4 (ire du qurt du disque uité, et l reltio de récurrece I m = m m + 1 I m 2. 5

6 E effet, si f(t = t(1 t 2 m 2, il suffit de clculer f (t et d itégrer l reltio obteue etre et 1. E itért l reltio de récurrece, I 2m = de même, 2m 2m + 1 I 2m 1 = I 2m 1 = 2m 1 2m 3 2m 2m I 1 = 2m 2m 2 2m + 1 2m I = 22m (m! 2 (2m + 1! = 1 (2 (2m + 1p m (2m! [ 2m(2m 2( 2 ] 2 π 2 = (2m! 2 2m (m! 2 π 2 = π 2 p m et doc I 2m 1 I 2m = ( m mπp2 m. Comme (I m est décroisste, I 2m I 2m 1 I 2m 2, et e divist pr I 2m, o 1 ( m mπp2 m I 2m 2 = 1 + 1, d où le résultt. I 2m 2m Preuve de l propositio 6. Si = 2m, lors ( π 2 p2 m 1. Ceci résulte du lemme 9. Or, f ( = p 2 m. O coclut e pret l rcie crrée. Nous utiliseros ds l démostrtio de l propositio 7 les résultts suivts : Lemme 1. 1 x 1 + x = exp{ 2x + ε(x}, vec ε(x x3 si x 1/2. U clcul doe ε(u = l(1 u l(1 + u + 2u et ε (u = 2u2 1 u 2. Si u 1/2, o 3u 2 ε (u 3u 2. E itégrt etre et x, o x 3 ε(x x 3. Lemme 11. Si l 1, lors l 1 i = l(l 1 2 et l 1 i 3 l 4 /4 (pr récurrece. Il résulte de ces deux lemmes que si l, m N et si 1 l m/2 et si v l = v l = exp ( l 2 m + l l 1 m + ε(i/m, vec l 1 ε(i/m l 1 ε(i/m l 1 (1 i m l 1 1 l 1 i 3 m 3 (1+ i m, lors l4 4m 3. Preuve de l propositio 7. Si = 2m, lors f (t f ( = p,. Comme ( ( p = m, o peut supposer que > /2. Le produit des reltios p 2m,i+1 = 2m i i+1 p 2m,i pour i vrit de m à 1, doe : f (t f ( = p, p m = p, p 2m,m = (2m + 1(2m + 2( m (m + 1(m + 2( 6

7 1,,9,8,7,6,5,3, Figure 6 L suite (v l (ici m = 96. E divist chque terme du umérteur et du déomiteur pr m, f (t f ( = m v m. Ceci implique f (t f (, ce qui est églemet vérifié si t est ds ucu J cr ds ce cs f (t =. Supposos de plus que t A et 4A 2. Comme m = t /2, ( m/m = t / 1/2 et ( m 2 /m = t 2 /2, o : et f (t f ( v m = m v m = exp { t2 } { t } exp + δ 2 v m m m vec δ = t A ( m4 4m 3 = t4 8 t4 8 Pr coséquet, v m e t2 /2 exp { (t + t 4 /8/ } 1 exp { C/ } 1, vec C = A + A 4 /8. D près l iéglité de covexité e x 1 xe x pour x >, v m e t2 /2 K/ vec K = Ce C D où, f (t f ( e t2 /2 f (t f ( v m + v m e t2 /2 A + K = L 1,,8, Figure 7 L foctio t et l suite de poits ( t, f (t /f ( (ici = 192. Preuve de l propositio 5 pour impir. O v se rmeer u cs pir de l fço suivte. Rppelos que t = /2 /2 et otos τ = ( 1/2 1/2 l subdivisio ssociée u 7

8 rg 1 ( 1 est pir. Pour tout 1 1, o τ 1 t τ. Si t J, lors t τ t t + t τ 3/ et t τ 1 3/. D près l reltio de Pscl, f (t = 2 p ( 1, = p 1, + p 1, 1 = 4 2 ( f 1 (τ + f 1 (τ 1 1 1/ 1 Or 1 1/, et d près l propositio 6, f 1 (τ 1 et f 1 (τ 1 1, 1 1/ doc ( 2f (t f 1 (τ f 1 (τ 1 2/. Pr coséquet 2 f (t 2 + f 1 (τ e τ 2 /2 + f 1 (τ 1 e τ 2 1 /2 + e τ 2 /2 + e τ 2 1 /2 D près le cs pir, f 1 (τ e τ 2/2 C/ et f 1 (τ 1 e τ 2/2 C/. De plus, e τ 2/2 e t2 /2 τ t 3/ et e τ 1 2 /2 e t2 /2 τ 1 t 3/. Il existe doc ue costte C telle que f (t e t2 C. 4 Clcul de l itégrle de Guss. Théorème 12. Si G(x = x x x lim x + x dt =. dt, il suffit de motrer que si = (x l prtie etière de x 2 /2, lors 1+1/2 G(x E effet, comme lim (x = +, le théorème des gedrmes permet de coclure que x + lim G(x existe et est égl à. Mjortio. Pour tout, P( x Z x 1, doc, d près le théorème de Moivre- Lplce : G(x = lim P( x Z x Miortio. Notos que 2 x. Pr illeurs, pour < v < 1, o (1 v e v (pour le voir, psser u logrithme et utiliser le cocvité de l foctio logrithme. Pr coséquet, vec le chgemet de vrible u = t/ 2, x dt 2 dt = 2 1 Pr coséquet, d près (2 et le lemme 9, G(x 2 2I 2 = e u2 du (2 + 1p (1 u 2 du = 2I 2

9 5 Démostrtio du théorème de Moivre-Lplce lorsque p 1/2. Notre but est de démotrer le théorème 1. Supposos que X suit l loi biomile B(, p et posos Z = X p vec q = 1 p. Si X =, lors Z = t = h ( p vec pq h = 1, et P(Z = t = P(X = = p, = ( pq p q. Soit f l foctio défiie pr f (t = 1 p, 1I [t h h /2,,t +h /2[(t. Le grphique suivt représete f pour = = 192 et p =, 2. L covergece est plus lete que pour p =, 5 (rectgles plus gros et f est plus pire.,5,3,1 K3 K2 K Figure 8 Représettio grphique de f et de l foctio t e t2 /2. De mière logue u cs p = 1/2, o motre que P( Z b = b f (tdt vec h /2 et b b h /2. Le résultt suivt géérlise l propositio 5. S démostrtio est d u iveu plus élevé et ous e l détilleros ps complètemet. Propositio 13. Il existe ue costte C > tel que pour tout t [ A, A], f (t e t2 C Preuve de l propositio 13. Rppelos l formule de Stirlig :! = ( (1+ε e vec lim ε =. Plus précisémet, pour tout, ε 1/. Pour et t fixés, il existe tel que t [t, t +1 [, d où, e ppliqut l formule de Stirlig trois fois, f (t = p, h vec M = ( = ( p q pq = p q ( 1, R =!!(! p q pq = M R (1 + ε, pq ( et 1 + ε, = (1 + ε (1 + ε (1 + ε Il existe ue costte S telle que pour tout, ε, S/. E effet, ε 1/, et, si est ssez grd, pour tout t [ A, A], /4 3/4 et doc ε 4/ et ε 4/. 9

10 Etude de M. Notos que = p + t h = p ( ( 1 + u et = q 1 + v, vec u = q t p et v = p t q, et doc M = exp { pϕ(u qϕ(v } où ϕ(u = (1+u l(1+u. O peut motrer que ϕ(u = u+u 2 /2+β(u vec β(u u 3 /3 si u [ 1/2, 1/2]. Pr coséquet, pϕ(u + qϕ(v = ( pu + pu 2 /2 + pβ(u + qv + qv 2 /2 + qβ(v = t 2 /2 + ( pβ(u + qβ(v Comme les t sot ds [ A, A] il existe K > tel que u, v K/ 1/2 si est ssez grd, et doc pβ(u + qβ(v K 3 / 3/2. Pr suite, M = e t2 /2 (1 + ε, et il existe ue costte M > tel que ε, M/ Etude de R. Comme R = 1 ( 1 + u ( 1 + v, o R = 1 (1 + ε, et il existe ue costte R > tel que ε, R/. E coclusio, f (t = e t2 /2 (1 + δ, et il existe C > tel que δ, C /. Comme t t h, o e déduit qu il existe ue costte C > tel que f (t e t2 /2 C. Remrque 14. Lorsque p = 1/2, il existe L > tel que f (t f ( e t2 /2 L pour tout et pour tout. Des simultios umériques idiquet qu o peut predre L =, 1 (voir figure 7. L ordre de grdeur de f (t e t2 /2 / est doc e 1/, tdis que l ordre de grdeur de f (t / est e géérl seulemet e 1/. Ceci cofirme /2 l impressio visuelle que l foctio f est très proche de l foctio e t2 ux poits t.,6,4,2 K4 K3 K2 K1 K, K,4 K,6 K,8 Figure 9 Suites (t, ( f (t e t2 /2 qud p = 1/2 pour diverses vleurs de. Pr cotre, lorsque p 1/2, l vitesse de covergece est e 1/. Plus précisémet les poits ( p(1 p ( t, f (t e t2 /2 pour ssez grd se trouvet tous proches d ue p 1/2 même courbe comme idiquée sur l figure 8. 1

11 ,15,1,5 K4 K3 K2 K1 K, K,1 K,15 Figure 1 Suites ( t, 6 L loi des erreurs. p(1 p p 1/2 ( f (t e t2 /2 qud p 1/2 pour diverses vleurs de et p. Ue vrible X de loi biomile représete le ombre de succès lors d ue suite de épreuves idépedtes vec probbilité de succès p à chque épreuve. Pour 1, o ote Y l vrible létoire égle à 1 si o u succès à l -ème épreuve et sio. O doc X = Y. D utre prt, l espérce commue ux Y est m = p, l vrice de =1 Y est E(Y 2 E(Y 2 = m m 2 = p(1 p et l écrt-type de Y est doc σ = p(1 p. Rppelos le théorème de Moivre-Lplce ( lim P Y m =1 σ b = b dt (3 Le théorème limite cetrl éoce que (3 reste vri si o suppose que les vribles Y sot idépedtes, de même loi, d espérce m et d écrt-type σ fii (o e défiir ps l idépedce de vribles létoires et o s ppuier sur l ituitio. O peut doc supposer que les Y suivet ue loi uiforme sur [, 1], ou qu elles suivet ue loi expoetielle. Ds ce cs bie etedu, X = Y e suit plus ue loi biomile, mis d près =1 l reltio (3, les itervlles de fluctutio symptotiques restet les mêmes. L figure Y m =1 suivte représete les desités f des vribles Z = σ lorsque les vribles Y suivet ue loi expoetielle et que = 4, 16, 35, 64 et 1.,3,1 K3 K2 K Figure 11 Compriso des grphes de f et de l foctio x exp ( x 2 /2 /. 11

12 Le théorème limite cetrl exprime le fit qu ue somme X d u grd ombre de vribles idépedtes, de même loi, et de vrice fiie ue distributio à peu près gussiee. L loi des erreurs géérlise ce fit là à ue somme de petites vribles idépedtes dot ucue est prépodérte. C est e riso de cette uiverslité que les vribles létoires itervet e modélistio sot souvet supposées suivre des lois ormles. Nous llos illustrer ce fit pr l exemple du tireur à l crbie K2 K1 1 2 K1 K2 K1 1 2 K1 K2 K2 Figure 12 1 rélistios de (X, Y où X, Y sot des gussiees cetrées d écrt-type 1, puis d écrt-type, 4. Observez pr exemple l figure ci-dessus. Elle est obteue e effectut rélistios de couples (X, Y (1 de vribles gussiees idépedtes cetrées. Elle correspod bie ux résultts obteus à u tir à l crbie sur ue cible. Expliquos pourquoi. Si (X, Y sot les coordoés du -ième tir, X et Y sot des sommes de petites vribles idépedtes (erreur de visée, tremblemet, défut de cocetrtio, recul, perturbtio pr u élémet extérieur comme u cotrejour ou u cri,... D près l loi des erreurs, il est doc risoble de supposer que (X, Y est u couple de vribles gussiees. De plus, l idépedce des tirs est exprimée pr le fit que les couples (X, Y sot idépedts etre eux. Efi, l écrt-type de ces gussiee mesure l dresse du tireur : plus il est petit, et plus le tireur est droit. 12

Baccalauréat S Asie 19 juin 2014 Corrigé

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

Plus en détail

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C. 16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme

Plus en détail

1 Mesure et intégrale

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

Plus en détail

La spirale de Théodore bis, et la suite «somme=produit».

La spirale de Théodore bis, et la suite «somme=produit». Etde d e vrite de l spirle de Théodore, dot issce à e site dot les sommes prtielles sot égles x prodits prtiels. Mots clés : spirle de Théodore, théorème de Pythgore, site, série, polyôme. L spirle de

Plus en détail

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

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

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

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

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

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

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

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

Plus en détail

Limites des Suites numériques

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Intégrales généralisées

Intégrales généralisées 3 Iégrles géérlisées Pour ce chpire, les focios cosidérées so priori défiies sur u iervlle réel I o rédui à u poi, à vleurs réelles ou complees e coiues pr morceu. L défiiio e les propriéés de l iégrle

Plus en détail

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

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

Plus en détail

Déroulement de l épreuve de mathématiques

Déroulement de l épreuve de mathématiques Dérouleet de l épreuve de thétiques MATHÉMATIQUES Extrit de l ote de service 2012-029 du 24 février 2012 (BOEN 13 du 29-3-2012) Durée de l épreuve : 2 heures Nture de l épreuve : écrite pr le socle cou

Plus en détail

Séries réelles ou complexes

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

Plus en détail

INTENTION LES PROCESSUS MATHÉMATIQUES

INTENTION LES PROCESSUS MATHÉMATIQUES INTENTION Adpttios u Cdre commu des progrmmes d études de mthémtiques M-9 telles que reflétées ds le documet Mthémtiques M-9 : Progrmme d études de l Albert (2007) Le coteu du documet Mthémtiques M-9 :

Plus en détail

Processus et martingales en temps continu

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

Plus en détail

Suites et séries de fonctions

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

Plus en détail

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

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

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

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

Plus en détail

Etude de la fonction ζ de Riemann

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

Plus en détail

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

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

Plus en détail

Correction de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (

Correction de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) ( Correction de l épreuve CCP PSI Mths PREMIÈRE PARTIE I- Soit t u voisinge de, t Alors ϕt t s = ϕt ρt s ρs Pr hypothèse, l fonction ϕt ϕt est lorsque t, il en est donc de même de ρt s ρt s ρs cr ρ s est

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

14 Chapitre 14. Théorème du point fixe

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

Plus en détail

a g c d n d e s e s m b

a g c d n d e s e s m b PPrrooppoossiittiioo 22001111JJPP 22770055 000011 uu 0088 fféévvrriirr 22001111 VVlliiiittéé jjuussqquu uu 3300//0044//22001111 tim c ir tv é p g c h u i rè s G A Z iv lu s IC.G R é c lo y m ip s 9 r7

Plus en détail

Les Nombres Parfaits.

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

Plus en détail

Tout ce qu il faut savoir en math

Tout ce qu il faut savoir en math Tout ce qu il fut svoir en mth 1 Pourcentge Prendre un pourcentge t % d un quntité : t Clculer le pourcentge d une quntité pr rpport à une quntité b : Le coefficient multiplicteur CM pour une ugmenttion

Plus en détail

Comportement d'une suite

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

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

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

Plus en détail

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

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

Plus en détail

A11 : La représentation chaînée (1ère partie)

A11 : La représentation chaînée (1ère partie) A11 : L représettio chîée (1ère prtie) - Défiitio et schéms de cosulttio - Schéms de mise à jour (isertio, suppressio) - Exemples J-P. Peyri - L représettio chîée (première prtie) 0 Pricipe de l représettio

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

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

Plus en détail

Cours de Statistiques inférentielles

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

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mthémtiques nnée 2009-2010 Chpitre 2 Le prolème de l unicité des solutions 1 Le prolème et quelques réponses : 1.1 Un exemple Montrer que l éqution différentielle :

Plus en détail

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

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

Plus en détail

Statistique descriptive bidimensionnelle

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

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

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

Plus en détail

COURS D ANALYSE. Licence d Informatique, première. Laurent Michel

COURS D ANALYSE. Licence d Informatique, première. Laurent Michel COURS D ANALYSE Licence d Informtique, première nnée Lurent Michel Printemps 2010 2 Tble des mtières 1 Éléments de logique 5 1.1 Fbriquer des énoncés........................ 5 1.1.1 Enoncés élémentires.....................

Plus en détail

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

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

Plus en détail

Introduction : Mesures et espaces de probabilités

Introduction : Mesures et espaces de probabilités Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,

Plus en détail

Synthèse de cours (Terminale S) Calcul intégral

Synthèse de cours (Terminale S) Calcul intégral Synthèse de cours (Terminle S) Clcul intégrl Intégrle d une onction continue positive sur un intervlle [;] Dns cette première prtie, on considère une onction continue positive sur un intervlle [ ; ] (

Plus en détail

ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE

ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE Jen-Pierre Dedieu, Jen-Pierre Rymond ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE Institut de Mthémtiques Université Pul Sbtier 31062 Toulouse cedex 09 jen-pierre.dedieu@mth.univ-toulouse.fr jen-pierre.rymond@mth.univ-toulouse.fr

Plus en détail

LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER

LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE Unité d enseignement LCMA 4U ANALYSE 3 Frnçoise GEANDIER Université Henri Poincré Nncy I Déprtement de Mthémtiques . Tble des mtières I Séries numériques. Séries

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

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

Plus en détail

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie

Plus en détail

Chapitre 7 : Intégration sur un intervalle quelconque

Chapitre 7 : Intégration sur un intervalle quelconque Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction

Plus en détail

Correction du Baccalauréat S Amérique du Nord mai 2007

Correction 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 détail

Influence du milieu d étude sur l activité (suite) Inhibition et activation

Influence du milieu d étude sur l activité (suite) Inhibition et activation Influence du milieu d étude sur l ctivité (suite) Inhibition et ctivtion Influence de l tempérture Influence du ph 1 Influence de l tempérture Si on chuffe une préprtion enzymtique, l ctivité ugmente jusqu

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières

Plus en détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

semestre 3 des Licences MISM annnée universitaire 2004-2005

semestre 3 des Licences MISM annnée universitaire 2004-2005 MATHÉMATIQUES 3 semestre 3 des Licences MISM nnnée universitire 24-25 Driss BOULARAS 2 Tble des mtières Rppels 5. Ensembles et opértions sur les ensembles.................. 5.. Prties d un ensemble.........................

Plus en détail

Commun à tous les candidats

Commun 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 détail

20. Algorithmique & Mathématiques

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

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

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

Plus en détail

Statistique Numérique et Analyse des Données

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

Plus en détail

Séquence 8. Probabilité : lois à densité. Sommaire

Séquence 8. Probabilité : lois à densité. Sommaire Séquence 8 Proilité : lois à densité Sommire. Prérequis 2. Lois de proilité à densité sur un intervlle 3. Lois uniformes 4. Lois exponentielles 5. Synthèse de l séquence Dns cette séquence, on introduit

Plus en détail

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

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

Plus en détail

RESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY

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

Plus en détail

ANALYSE NUMERIQUE NON-LINEAIRE

ANALYSE NUMERIQUE NON-LINEAIRE Université de Metz Licence de Mthémtiques - 3ème nnée 1er semestre ANALYSE NUMERIQUE NON-LINEAIRE pr Rlph Chill Lbortoire de Mthémtiques et Applictions de Metz Année 010/11 1 Tble des mtières Chpitre

Plus en détail

Chaînes de Markov. Arthur Charpentier

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

Plus en détail

Amphi 3: Espaces complets - Applications linéaires continues

Amphi 3: Espaces complets - Applications linéaires continues Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

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

Plus en détail

Calculer comment se constituer un capitale ; Calculer comment rembourser une dette en effectuant des versements réguliers.

Calculer comment se constituer un capitale ; Calculer comment rembourser une dette en effectuant des versements réguliers. CHAP: 8 Objecifs de ce chpire : Clculer comme se cosiuer u cpile ; Clculer comme rembourser ue dee e effecu des versemes réguliers. RAPPELS : Qu'es-ce qu'ue vleur cquise? Qu'es-ce qu'ue vleur cuelle? Le

Plus en détail

Probabilités et statistique pour le CAPES

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

Plus en détail

Théorème de Poincaré - Formule de Green-Riemann

Théorème de Poincaré - Formule de Green-Riemann Chpitre 11 Théorème de Poincré - Formule de Green-Riemnn Ce chpitre s inscrit dns l continuité du précédent. On vu à l proposition 1.16 que les formes différentielles sont bien plus grébles à mnipuler

Plus en détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions. 3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios

Plus en détail

Exercices de mathématiques

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

Plus en détail

Terminale S. Terminale S 1 F. Laroche

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

Plus en détail

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

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

Plus en détail

Sciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot

Sciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot Scence Indutrelle Précon de ytème erv Pncol Robert Lycée Jcque Amyot I - PRECISION DES SYSTEMES ASSERVIS A. Poton du roblème 1. Préentton On vu que le rôle d un ytème erv et de fre uvre à l orte (t) une

Plus en détail

Chapitre 11 : L inductance

Chapitre 11 : L inductance Chpitre : inductnce Exercices E. On donne A πr 4π 4 metn N 8 spires/m. () Selon l exemple., µ n A 4π 7 (8) 4π 4 (,5) 5 µh (b) À prtir de l éqution.4, on trouve ξ ξ 4 3 5 6 6,3 A/s E. On donne A πr,5π 4

Plus en détail

Module 3 : Inversion de matrices

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

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

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

Plus en détail

Des résultats d irrationalité pour deux fonctions particulières

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

Plus en détail

Solutions particulières d une équation différentielle...

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

Plus en détail

Intégrales dépendant d un paramètre

Intégrales dépendant d un paramètre [hp://mp.cpgedupuydelome.fr] édié le 3 avril 5 Eocés Iégrales dépeda d u paramère Covergece domiée Exercice [ 9 ] [correcio] Calculer les limies des suies do les ermes gééraux so les suivas : a) u = π/4

Plus en détail

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

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

Plus en détail

Processus géométrique généralisé et applications en fiabilité

Processus géométrique généralisé et applications en fiabilité Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR

Plus en détail

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

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

Plus en détail

Séries numériques. Chap. 02 : cours complet.

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

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

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

Plus en détail

Université Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO

Université Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO Université Pris-Duphine DUMI2E UFR Mthémtiques de l décision Notes de cours Anlyse 2 Filippo SANTAMBROGIO Année 2008 2 Tble des mtières 1 Optimistion de fonctions continues et dérivbles 5 1.1 Continuité........................................

Plus en détail

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

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

Plus en détail

SYSTEME FERME EN REACTION CHIMIQUE

SYSTEME FERME EN REACTION CHIMIQUE SYSTEME FERME EN REACTION CHIMIQUE I. DESCRIPTION D UN SYSTEME. Les dfférets types de système (ouvert, fermé, solé U système S est formé d u esemble de corps séparés du reste de l uvers (appelé mleu extéreur

Plus en détail

- Phénoméne aérospatial non identifié ( 0.V.N.I )

- Phénoméne aérospatial non identifié ( 0.V.N.I ) ENQUETE PRELIMINAIRE ANALYSE ET REFEREWCES : Phénoméne érosptil non identifié ( 0VNI ) B8E 25400 DEF/GEND/OE/DOlRENS du 28/9/1992 Nous soussigné : M D L chef J S, OPJ djoint u commndnt de l brigde en résidence

Plus en détail

Principes et Méthodes Statistiques

Principes et Méthodes Statistiques Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............

Plus en détail

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï INTRODUCTION AUX MATRICES ALÉATOIRES par Djalil Chafaï Résumé. E cocevat les mathématiques comme u graphe, où chaque sommet est u domaie, la théorie des probabilités et l algèbre liéaire figuret parmi

Plus en détail

Planche n o 22. Fonctions de plusieurs variables. Corrigé

Planche n o 22. Fonctions de plusieurs variables. Corrigé Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette

Plus en détail

Contribution à la théorie des entiers friables

Contribution à la théorie des entiers friables UFR STMIA École Doctorale IAE + M Uiversité Heri Poicaré - Nacy I DFD Mathématiques THÈSE présetée pour l obtetio du titre de Docteur de l Uiversité Heri Poicaré, Nacy-I e Mathématiques par Bruo MARTIN

Plus en détail

Chap 4. La fonction exponentielle Terminale S. Lemme : Si est une fonction dérivable sur R telle que : = et 0! = 1 alors ne s annule pas sur R.

Chap 4. La fonction exponentielle Terminale S. Lemme : Si est une fonction dérivable sur R telle que : = et 0! = 1 alors ne s annule pas sur R. Lemme : Si est une fonction dérivable sur R telle que : = et 0! = 1 alors ne s annule pas sur R. Démonstration : Soit la fonction %:& %&!= &!, elle est dérivable sur R et & R, %. &!= &! = &! = %&! gaelle.buffet@ac-montpellier.fr

Plus en détail

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

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

Plus en détail

EXERCICES : DÉNOMBREMENT

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

Plus en détail

Chapitre VI Contraintes holonomiques

Chapitre VI Contraintes holonomiques 55 Chpitre VI Contrintes holonomiques Les contrintes isopérimétriques vues u chpitre précéent ne sont qu un eemple prticulier e contrintes sur les fonctions y e notre espce e fonctions missibles. Dns ce

Plus en détail

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48 Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation

Plus en détail

Estimation des incertitudes sur les erreurs de mesure.

Estimation des incertitudes sur les erreurs de mesure. Estmto des certtdes sr les errers de mesre. I. Itrodcto : E sceces epérmetles, l este ps de mesres ectes. Celle-c e pevet être q etchées d errers pls o mos mporttes selo le protocole chos, l qlté des strmets

Plus en détail

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés

Plus en détail