Chaînes de Markov jeudi 7 novembre 2013
|
|
- Victor Rochette
- il y a 6 ans
- Total affichages :
Transcription
1 Chaîes de Markov jeudi 7 ovembre 203. Opératios sur les chaîes de Markov. Soit (X ) N et (Y N ) deux chaîes de Markov d espaces d états respectifs X et Y, et de matrices de trasitios respectives P et Q. Détermier das chacu des cas suivats si le processus cosidéré est ue chaîe de Markov, et doer le cas échéat la matrice de trasitio de la chaîe :. (X k ) N avec k u etier plus grad que ( f (X )) N avec f : X Y foctio arbitraire. 3. ( f (X )) N avec f : X Y foctio ijective. 4. (X + Y ) N si X = Y = N. 5. (X, X +,..., X +k ) N avec k fixé. 6. (X, Y ) N (doer ue coditio suffisate simple pour qu il s agisse d ue chaîe de Markov). 2. Chaîes de Markov à 2 états. O cosidère ue chaîe de Markov à deux états, et dot la matrice de trasitio s écrit doc ( β α α β ). À quelle coditio la chaîe est-elle récurrete irréductible? apériodique? Calculer e foctio de la loi iitiale π 0 les lois margiales π de la chaîe (X ) N. À quelle vitesse a-t-o covergece vers la loi limite π, et quelle est cette loi? 3. Le cube. O cosidère la chaîe de Markov d espace d états doé par les sommets d u cube, et tel qu à chaque étape o a probabilité /4 de rester au même edroit, et probabilité /4 de sauter à l u des 3 sommets voisis. Soiet x et y deux sommets diamétralemet opposés. Calculer E x [R x], E x [R y], et fialemet E x R x k= X =y qui est le ombre de visites moye de y avat le retour e x. 4. Marches aléatoires sur u graphe. Soit G = (V, E) u graphe fii o orieté, coexe, sas boucle i arête multiple. O cosidère la marche aléatoire (X ) N d espace d états V et de matrice de trasitio p(x, y) = { deg x, 0 sio. si (x, y) E Motrer que la chaîe de Markov est récurrete irréductible, et discuter de l apériodicité. Trouver ue mesure réversible pour cette chaîe, et éocer u théorème limite pour la loi de (X ) N.
2 5. L arbre. Étudier la marche aléatoire sur l arbre biaire ifii, avec les règles de trasitio de l exercice précédet. 6. Ures d Ehrefest. O cosidère la chaîe de Markov d espace d états [[0, ]] et de matrice de trasitio p(k, k ) = k p(k, k + ) = k Détermier la mesure ivariate de cette chaîe de Markov. p(i, j) = 0 sio. 7. Ures de Beroulli-Laplace. O cosidère deux ures U et U 2 coteat chacue k et l boules. O suppose que r boules sot de couleur rouge, et k + l r boules sot de couleur blache, et l o ote X le ombre de boules das U au temps qui sot de couleur rouge. À chaque étape, o choisit aléatoiremet ue boule das chaque ure et o échage leurs places. Motrer que X est ue chaîe de Markov sur l espace d états [[0, r]], dot o doera la matrice de trasitio. Détermier la loi limite de (X ) N. 8. Polygoes aléatoires. Soit P u polygoe covexe, auquel o applique l opératio suivate : o choisit au hasard deux côtés de P, o joit les milieux de ces côtés et l o garde l u des deux ouveaux polygoes covexes plus petits aisi obteus. Motrer que si X + 3 est le ombre de côtés de P au bout de étapes, alors (X ) N est ue chaîe de Markov. Calculer E[X ] e foctio de X 0, et trouver la loi limite de cette chaîe. 9. Chaîes réversibles. Soit P la matrice de trasitio d ue chaîe de Markov (X ) N, telle qu existe ue mesure de probabilité π qui est P-ivariate. O suppose X 0 distribué suivat π. Rappeler pourquoi toutes les variables X sot distribuées suivat π. O fixe N et o ote (Y ) N = (X N ) N. Motrer que (Y ) N est ue chaîe de Markov de matrice de trasitio P(x, y) = π(y) P(y, x) π(x) Ue mesure de probabilité π sur l espace d états X est dite réversible si pour tout couple (x, y), π(x) P(x, y) = π(y) P(y, x). Motrer que si la mesure π est réversible, alors elle est aussi P-ivariate, et que (Y ) N est das ce cas ue chaîe de Markov de même loi que (X ) N. 0. Moyees de coefficiets de matrices stochastiques. Soit P ue matrice stochastique irréductible admettat ue mesure de probabilité ivariate π. Motrer que pour tous idices x, y, lim P k (x, y) = π(y). k=
3 . Le processus (X k ) N est bie ue chaîe de Markov, puisque P[X k(+) = x + X 0 = x 0, X k = x, X 2k = x 2,..., X k = x ] = P[X k(+) = x + X k = x ] = P x [X k = x + ] = P k (x, x + ) sa matrice de trasitio est P k. Ue foctio d ue chaîe de Markov est pas e gééral ue chaîe de Markov : par exemple, si (X ) N est la marche aléatoire simple issue de 0 et f (X ) = X 0, alors (Y ) N = ( f (X )) N est pas ue chaîe de Markov, car P[Y = Y 0 = ] = 2 P[Y 2 = Y = ] =. E revache, ue foctio ijective d ue chaîe de Markov est ue chaîe de Markov, de matrice de trasitio Q(y, y 2 ) = P( f (y ), f (y 2 )). La somme de deux chaîes de Markov à valeurs etières est pas e gééral ue chaîe de Markov. Par exemple, cosidéros ue marche aléatoire simple (X ) N issue de 0, et posos Y = X + (Y ) N est aussi ue chaîe de Markov. Si X 0 + Y 0 =, alors X 0 = 0 et X =, doc X 2 = 0 ou 2 avec probabilité /2 et la loi coditioelle de X + Y sachat X 0 + Y 0 = est 2 (δ + δ 3 ). Maiteat, si X + Y =, alors écessairemet X = et X 2 = 0, doc X 3 = ou avec probabilité /2 et la loi coditioelle de X 2 + Y 2 sachat X + Y = est 2 (δ + δ ). La somme (X + Y ) N est doc pas ue chaîe de Markov. Si (X ) N est ue chaîe de Markov, alors il e va de même de tout k + -uplet (X,..., X +k ), car : P[(X,..., X +k ) = (y,..., y +k ) X 0 = x 0,..., X +k = x +k ] ( ) k = δ x+j,y +j P(x +k, y +k ) j=0 e utilisat la propriété de Markov pour (X ) N. O obtiet ue foctio de (x,..., x +k ) et (y,..., y +k ), ce qu il fallait démotrer. Efi, le couple (X, Y ) N formé par deux chaîes de Markov est pas e gééral ue chaîe de Markov à valeurs das X Y, mais c e est ue si les deux suites de variables aléatoires sot idépedates. Das ce cas, la matrice de trasitio du couple est le produit tesoriel P Q des matrices de trasitio de (X ) N et de (Y ) N, c est-à-dire que P[(X +, Y + ) = (x +, y + ) (X 0, Y 0 ) = (x 0, y 0 ),..., (X, Y ) = (x, y )] = P(x, x + ) Q(y, y + ).
4 2. La chaîe est récurrete irréductible si et seulemet si α < et β <, ce qui garatit P(a, b) > 0 et P(b, a) > 0 si a et b sot les deux états de la chaîe. Elle est de plus apériodique si α > 0 ou β > 0 sio P = ( 0 0 ) est de période 2. Les deux valeurs propres de P sot et α + β, associées aux vecteurs propres β π = ( 2 α β, α 2 α β ) et (, ). La décompositio d ue mesure de probabilité π 0 sur cette base s écrit ( π 0 = π + π 0 (a) β ) (, ). 2 α β Par coséquet, les lois margiales de la chaîe de Markov de mesure iitiale π 0 = (π 0 (a), π 0 (b)) s écrivet π (a) = β ( 2 α β + π 0 (a) β ) (α + β ) 2 α β π (b) = α ( 2 α β + π 0 (b) α ) (α + β ). 2 α β La covergece est expoetiellemet rapide, de vitesse α + β. 3. O cosidère la marche aléatoire sur le graphe suivat : 7 8=y x = 2 Cette chaîe de Markov est clairemet irréductible, et récurrete positive puisque l espace d états est fii. La mesure uiforme π est ivariate pour la chaîe de Markov : e effet, o a bie (πp)() = π() + π(2) + π(3) + π(4) 4 = 8 = π(), et de même pour les autres sommets par symétrie. La théorie des chaîes de Markov récurretes positives assure alors que E x [R x] = π(x) = 8. De même, ν(y) = E x [ombre de visites de y avat le retour e x] est ue mesure ivariate sur le cube, doc c est u multiple de la mesure ivariate π(y), qui est la mesure uiforme. Comme ν(x) =, o a aussi ν(y) =, doc il y a
5 e moyee visite de y (et e fait de tous les états du cube) lors d ue excursio à partir de x. Fialemet, pour calculer E x [R y], o peut utiliser l argumet suivat. Découpos le cube e traches a = {}, b = {2, 3, 4}, c = {5, 6, 7}, et d = {8} alors la suite (Y ) N des traches visitées par la marche (X ) N est elle-même ue chaîe de Markov, de trasitios : p(a, a) = 4 p(a, b) = 3 4 p(b, a) = 4 p(b, b) = 4 p(b, c) = 2 p(c, b) = 2 p(c, c) = 4 p(c, d) = 4 p(d, c) = 3 4 p(d, d) = 4. E utilisat la propriété de Markov forte, o calcule récursivemet E a [T b ], E b [T c ] et E c [T d ] : E a [T b ] = 4 ( + E a[t b ]) E a [T b ] = 4 3 E b [T c ] = 4 ( + E a[t b ] + E b [T c ]) + 4 ( + E b[t c ]) + 2 E c [T d ] = 2 ( + E b[t c ] + E c [T d ]) + 4 ( + E c[t d ]) + 4 E b [T c ] = 8 3 E c [T d ] = O coclut que E x [R y] = E a [T d ] = E a [T b ] + E b [T c ] + E c [T d ] = La marche aléatoire sur u graphe coexe est irréductible (o peut passer de x à y pour importe quel couple (x, y)), et elle est doc récurrete irréductible si le graphe est fii. Elle est apériodique si et seulemet s il existe das le graphe des cycles de logueur impair (x 0, x,..., x 2+ = x 0 ) avec. E effet, la période de la chaîe de Markov divise alors 2 +, et d autre part, (x 0, x, x 0 ) est u autre cycle du graphe, doc la période divise égalemet 2 elle est doc égale à. Réciproquemet, si le graphe e cotiet pas de cycle de logueur impair, alors P (x, y) > 0 si et seulemet si est pair, de sorte que la période de la chaîe est égalemet u ombre pair doc la chaîe est pas apériodique. Ue mesure réversible pour la chaîe de Markov est x y π(x) = deg x y V deg y = deg x 2 card E, car π(x) p(x, y) = 2 card E = π(y) p(y, x). Par le théorème ergodique pour les chaîes de Markov fiies, si le graphe cotiet des cycles de logueur impair, alors x V, lim P[X = x] = deg x 2 card E.
6 5. O cosidère la marche aléatoire sur l arbre : Elle est clairemet irréductible. Soit (L ) N la suite des iveaux des sommets visités par la marche (X ) N. C est ue chaîe de Markov de matrice de trasitio P(0, ) = P(k = 0, k ) = 3 P(k = 0, k + ) = 2 3. Sauf au iveau de la racie, il y a deux fois plus de chaces de moter das l arbre que de descedre, doc o peut s attedre à ce que L + presque sûremet. Pour démotrer ceci rigoureusemet, o peut utiliser la représetatio suivate de la chaîe (L ) N. Soit (ζ k ) k N ue suite de variables de Beroulli idépedates avec P[ζ k = ] = 2 3. Alors, (L ) N a même loi que ( L 0 + ( ) ) ζ k + L0 + k j= k= ζ j=0 ( ζ k). N E particulier, L L 0 + k= ζ k, doc L + p.s. par la loi des grads ombres. Par coséquet, la marche aléatoire sur l arbre biaire ifii est irréductible trasiete. 6. La chaîe de Markov est irréductible, puisqu o peut se déplacer de voisi e voisi sur tout l itervalle [[0, ]] comme l espace d états est fii, elle est égalemet récurrete. Pour trouver la loi ivariate, o peut rechercher ue mesure réversible, qui vérifie les équatios de récurrece : Alors, si π(0) = λ, o a π() = ( k ) λ pour tout k. Comme p(k, k + ) π(k + ) = π(k) p(k +, k) = k k + π(k). λ, π(2) = ( ) 2 λ, et par récurrece π(k) = ( ) = 2, k λ = 2, et la mesure ivariate est π(k) = B(, /2). 2 ( k ), c est-à-dire 9 la loi biomiale
7 7. Les trasitios de (X ) N sot détermiées par le raisoemet suivat. Si l o tire ue boule rouge das l ure U et ue boule blache das l ure U 2, alors le ombre de boules rouges das l ure U dimiue d ue uité, doc P(i, i ) = max(i, 0) k max(l r + i, 0) l pour i [[0, k]]. Si l o tire ue boule blache das l ure U et ue boule rouge das l ure U 2, alors le ombre de boules rouges das l ure U augmete d ue uité, doc max(k i, 0) max(r i, 0) P(i, i + ) =. k l Das les autres cas, le ombre de boules rouges das l ure U reste ivariat, doc P(i, i) = max(i, 0) max(r i, 0) + max(k i, 0) max(l r + i, 0). kl O peut passer de voisi e voisi sur tout l itervalle [[max(0, r l), mi(k, r)]], doc la chaîe de Markov est récurrete irréductible sur cet itervalle. Elle est égalemet apériodique dès que cet itervalle est de logueur supérieure à 2, puisque P(i, i) > 0 pour les idices i strictemet das l itervalle. Par le théorème ergodique pour les chaîes de Markov fiies apériodiques, la loi π de X coverge vers l uique mesure ivariate par la matrice de trasitio. O peut rechercher ue mesure réversible, et elle vérifie π(i + ) = π(i) P(i, i + ) P(i +, i) = (k i)(r i) (i + )(l r + i + ) π(i) pour i et i + das l espace d états de la chaîe. E supposat pour simplifier k r k(k ) r(r ) r < l et r < k, si π(0) = λ, o obtiet π() = λ, π(2) = (l r+) 2 (l r+)(l r+2) λ, et par récurrece, π(k) = ( ) k i r (l r)! (r i)! (l r + i)! λ = ( ) ( ) k l λ. i r i Comme mi(k,r) i=max(0,r l) (k i )( l r i ) = (k+l r ), o e déduit la valeur de λ, et π(i) = (k i )( l r i ) ( k+l r ) est la loi hypergéométrique de paramètres (k, k + l, r). C est la limite de π lorsque ted vers l ifii.
8 8. Notos C = X + 3. État doés deux côtés F et G d u polygoe covexe à c côtés, il y a respectivemet k et c 2 k côtés etre F et G selo qu o parcourt le bord du polygoe das u ses ou das l autre. Si les deux côtés sot choisis au hasard, alors k a ue loi uiforme sur [[0, c 2]]. L opératio décrite fourit alors deux polygôes avec respectivemet 3 + k et c + k côtés, ces deux quatités suivat toutes les deux des lois uiformes sur [[3, c + ]]. Par coséquet, la loi de C + sachat C est la loi uiforme sur [[3, C + ]]. La loi de X + sachat X est doc la loi uiforme sur [[0, X + ]], et (X ) N est ue chaîe de Markov de matrice de trasitio { P(i, j) = i+2 si j [[0, i + ]], 0 sio. La chaîe est clairemet irréductible sur N. La moyee de X + sachat X est X + 2. La suite α = E[X ] est doc ue suite arithmético-géométrique d équatio α + = α + α 0 = X 0. 2 O coclut que E[X ] = X E particulier, E[X ] ted vers, doc la probabilité P[X k] reste borée par C/k pour tout k. Il s esuit que la chaîe e peut pas être trasiete, elle est doc récurrete irréductible. Pour trouver ue mesure statioaire, o peut raisoer comme suit. Supposos qu il existe ue mesure de probabilité ivariate π, de foctio géératrice G(s) = π(s X ) = π(k) sk. Ce qui précède motre que π(s X ) doit être égal à π(e[s U(X+) ]), c est-à-dire + s + s s k+ p k k + 2 O e déduit les équatios foctioelles : (s ) G(s) = = p k k + 2 p k s k+2 k + 2 s k+2 s. p k k + 2 (s ) G (s) + G(s) = s G(s) par dérivatio. Autremet dit, G (s) = G(s), et G(s) = e s est la foctio géératrice de la loi de Poisso de paramètre. O vérifie qu effectivemet, (π P)(k) = π(j) j + 2 = j=k = e j=k j=k e j!(j + 2) j + (j + 2)! = e j=k (j + )! (j + 2)! = e k! = π(k). La chaîe est doc récurrete positive, et elle est apériodique puisque P(i, i) = pour tout i. Aisi, (X ) N coverge vers la loi de Poisso P().
9 9. O peut calculer P[Y + = x + Y 0 = x 0, Y = x,, Y = x ] = P[Y 0 = x 0, Y = x,, Y = x, Y + = x + ] P[Y 0 = x 0, Y = x,, Y = x ] = P[X N = x 0, X N = x,, X N = x, X N = x + ] P[X N = x 0, X N = x,, X N = x ] = π(x +)P(x +, x ) P(x, x 0 ) π(x )P(x, x ) P(x, x 0 ) = π(x +)P(x +, x ) π(x ) ce qui prouve la propriété de Markov de la chaîe reversée, et doe la matrice de trasitio P(x, x + ). Pour les autres assertios, voir le cours. 0. Par le théorème ergodique, les variables aléatoires k= δ X k =y coverget p.s. vers π(y). Comme ces variables sot uiformémet borées par, par covergece domiée, o a aussi qui coverge vers π(y). E x [ ] δ Xk =y = k= P k (x, y) k=
[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 détailLimites 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* 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 détailIntégration 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 détailCHAPITRE 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* 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 détailEtude 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 détailExo7. 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 détailSuites 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 détailChapitre 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 détailLes 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 détailSéquence 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 détailProcessus 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 détailx +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. (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 détailFEUILLE 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 détailExercice 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 détail1 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 détailComportement 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 détailChaînes 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 détailSéries 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 détail14 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 détailPROMENADE 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 détailEXERCICES : 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 détailConvergences 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 détailII 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 détailBaccalauréat 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 détailGroupe 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 détailProbabilités 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 détail4 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 détailSÉRIES 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 détailCours 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 détailTRANSFERT 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 détail20. 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 détailDeuxième 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 détailDénombrement. 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 détailProcessus 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 détailTerminale 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 détailStatistique 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 détailIntroduction : 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 détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailPolynésie 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 détailSolutions 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 détail16.1 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 détailSTATISTIQUE 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 détail2 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 détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailSTATISTIQUE : 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 détailLES 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 détailDes 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 détailDénombrement. 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 détailUniversité 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 détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en détailConsolidation. 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 détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en 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 détailContribution 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 détailUNIVERSITÉ DE SFAX École Supérieure de Commerce
UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première
Plus en détailExercices 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 détailLes algorithmes de tri
CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....
Plus en détailUV 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 détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailModule 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 détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailMESURE DE L'INFORMATION
MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détailCours 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 détailStatistique 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 détailChapitre 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 détailUniversité Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014
Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,
Plus en détailDETERMINANTS. a b et a'
2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio
Plus en détailÉchantillonnage et estimation
Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos
Plus en détailInitiation à l analyse factorielle des correspondances
Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailRESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)
RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &
Plus en détail3.1 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 détailSéries 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 détailDares Analyses. Plus d un tiers des CDI sont rompus avant un an
Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée
Plus en détailPOLITIQUE ECONOMIQUE ET DEVELOPPEMENT
POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier
Plus en détailTests non paramétriques de spécification pour densité conditionnelle : application à des modèles de choix discret
Tests o paramétriques de spécificatio pour desité coditioelle : applicatio à des modèles de choix discret Mémoire Koami Dzigbodi AMEGBLE Maîtrise e écoomique Maître ès arts (M.A.) Québec, Caada Koami Dzigbodi
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détailSTRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO
Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est
Plus en détailLa 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 détailGérer les applications
Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces
Plus en détailINTRODUCTION 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 détailRenseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.
Reseigemets et moitorig. Reseigemets commerciaux et de solvabilité sur les etreprises et les particuliers. ENSEMBLE CONTRE LES PERTES. Reseigemets Creditreform. Pour plus de trasparece. Etreteir des rapports
Plus en détailTempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation
Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail
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 détailS-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui.
S-PENSION Costituez-vous u capital retraite complémetaire pour demai tout e bééficiat d avatages fiscaux dès aujourd hui. Sommaire 1. Il est temps de predre l iitiative 4 2. Profitez dès aujourd hui des
Plus en détailRésolution numérique des équations aux dérivées partielles (PDE)
Résolutio umérique des équatios au dérivées partielles (PDE Sébastie Charoz & Adria Daerr iversité Paris 7 Deis Diderot CEA Saclay Référeces : Numerical Recipes i Fortra, Press. Et al. Cambridge iversity
Plus en détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en détailPROBLEMES 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 détailLa maladie rénale chronique
La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie
Plus en détailUn 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 détailLES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE
LES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE Qu est-ce que l Écoomie sociale et solidaire? Coopératives Etreprises sociales Scop Fiaceurs sociaux Scic CAE Mutuelles Coopératives d etreprises
Plus en détailLa tarification hospitalière : de l enveloppe globale à la concurrence par comparaison
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 58 2000 La tarificatio hospitalière : de l eveloppe globale à la cocurrece par comparaiso Michel MOUGEOT * RÉSUMÉ. Cet article cosidère différetes politiques de
Plus en détailChapitre 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 détailSemestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR
Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets
Plus en détail