GIND5439 Systèmes Intelligents. Chapitre 3: Incertitude dans les systèmes à base de règles
|
|
- André Lamontagne
- il y a 6 ans
- Total affichages :
Transcription
1 GIND5439 Systèmes Intelligents Chaitre 3: Incertitude dans les systèmes à base de règles
2 Contenu du chaitre Sources d incertitude Statistiques Théorème de Bayes Facteurs d incertitude 2
3 Incertitude Pourquoi y a-t il de l incertitude dans les systèmes à base de règles? Raisonnement aroximatif Raisonnement inexacte Information disonible de l exert humain Incomlète Incertaine Inconsistante De l information comme celle-ci n est tyiquement as utilisable our résoudre des roblèmes. 3
4 Sources d incertitudes dans des SE Imlications faibles Associations vagues entre la artie IF et la artie THEN d une règle On doit être en mesure d inclure des facteurs de certitude our indiquer un degré de corrélation Langage imrécis Le langage naturel est arfois ambiguë et imrécis; ex: arfois, souvent, jamais Difficile alors d exrimer ceci comme des règles IF THEN La quantification de ces termes rend les systèmes exerts caables de comarer les antécédents aux faits dans la base de données. 4
5 Sources d incertitudes dans des SE Données inconnues Si certaines données ne sont as disonibles, on doit acceter la valeur «inconnue» et continuer le raisonnement. Oinions de différents exerts Les exerts n ont as toujours les mêmes conclusions Des conclusions contradictoires roduiront des règles contradictoires Il n y a as de méthode systématique our obtenir des oids aux décisions. 5
6 Incertitude dans les systèmes exerts Un système exert doit être caable de fonctionner avec de l incertitude, uisque les systèmes réels contiennent toujours des données incomlètes. Plusieurs méthodes existent our travailler avec des incertitudes. On considère ici les deux méthodes les lus oulaires: le raisonnement Bayésien et les facteurs de certitude. 6
7 Statistiques L utilisation de la théorie de robabilité ermet de déterminer la robabilité qu un évènement se roduise. Probabilité La chance qu un évènement se roduise Proortion de cas où un évènement se roduit Situations où la robabilité est aroriée Domaine aléatoire; ex: cartes Monde réel; imossible de mesurer toutes les causes et effets Excetions aux règles Bases de l arentissage 7
8 Théorie de robabilité On eut l exrimer mathématiquement comme un intervalle: Zéro: imossibilité absolue Un: certitude absolue La luart des évènement ont un indice de robabilité entre 1 et 0 Chaque évènement a au moins deux résultats : Succès ou échec 8
9 Théorie de robabilité succès = Nombre de succès Nombre total de résultats échec = Nombre d'échecs Nombre total de résultats s = = s s + f f = q = s f + f + q = 1 9
10 Théorie de robabilité: évènements déendants Soit A et B deux évènements A & B se roduisent conditionnellement à l occurrence de l autre La robabilité que A se roduise si B se roduit est aelée la robabilité conditionnelle AB : robabilité que A se roduise étant donné que B s est roduit A B = Nombre de fois que A et B se roduisent Nombre de fois que B se roduit 10
11 11 Théorie de robabilité: évènements déendants La robabilité que A et B se roduisent est aelée la robabilité conjointe, A B B B A B A I = A A B A B I = A A B A B = I A A B B A = I B A A B B A =
12 12 Théorie de robabilité: évènements déendants Règle de Bayes B A A B B A = B B A B A I = = = = n i i i n i i B B A B A 1 1 I 1 A B A n i i = = I
13 13 Théorie de robabilités Si la robabilité qu un événement A se roduise déend seulement de deux événements exclusifs B et B le symbole veut dire not, alors on eut écrire: B B A B B A A + = On utilise l équation récédente dans la règle de Bayes: A A B A A B A A B B A + =
14 Raisonnement Bayésien Selon un échantillon aléatoire d évènements, la théorie de Bayes suorte le calcul d évènements lus comlexes à artir de résultats connus. Exemle: dans une artie de cartes à 4 ersonnes, où les cartes sont réarties également, si je n ai as la Dame de Cœur, chaque ersonne a 1/3 chance de l avoir, et aussi 1/9 chance d avoir la dame et l as de cœur, si les deux évènements sont indéendants. Probabilité A & B = robabilité A x robabilité B, si A et B sont indéendants. 14
15 Raisonnement Bayésien Probabilité antérieure Ou robabilité inconditionnée d un évènement est la robabilité associée à un évènement en l absence de données suortant son occurrence ou absence. C est la robabilité d un évènement dans l absence d évidence: évènement. Probabilité ostérieure Ou robabilité conditionnelle d un évènement est la robabilité d un évènement étant donné quelque reuve: évènementreuve La robabilité antérieure d une ersonne ayant une maladie est le nombre de ersonnes ayant la maladie divisée ar le nombre total de ersonnes dans le domaine de calcul. 15
16 Raisonnement Bayésien La robabilité ostérieure d une ersonne ayant une maladie avec des symtômes s est: d s = d I s où indique le nombre d éléments dans le domaine; i.e., le nombre de ersonnes ayant la maladie d et des symtômes s divisé ar le nombre total de ersonnes ayant des symtômes. Selon Bayes, on calcule ds selon: s d s = d s s d 16
17 17 Raisonnement Bayésien Les chiffres à droite de l équation sont lus faciles à obtenir: Il est lus facile de déterminer le nombre de atients qui ont la méningite ayant des maux de têtes que de calculer le nombre de ersonnes ayant des maux de têtes qui ont aussi la méningite. Aussi, eu de chiffres sont nécessaires. On commence à avoir des roblèmes lorsqu il faut considérer des maladies multiles avec des symtômes multiles. Plusieurs robabilités sont requises. & & & & & & & & & n n n s s s d s s s d s s s d K K K =
18 Raisonnement Bayésien Dans lusieurs situations il faut aussi travailler avec des informations négatives; ex: lorsqu un atient n a as un symtôme. On a: as s = 1 s as d s = 1 d s 18
19 Raisonnement Bayésien On suose que toutes les règles dans une base de connaissances sont exrimées comme suit: Si E est VRAI alors H est VRAI {avec robabilité } Qu arrive-t il si l évènement E s est roduit mais on ne sait as si H s est roduit? Peut-on calculer une robabilité de H quand même? 19
20 20 Raisonnement Bayésien Au lieu d utiliser des évènements A et B, on utilise une hyothèse H et une reuve E: où HE est la robabilité que H est vrai étant donné E H est la robabilité globale que H est vrai EH est la robabilité d observer E quand H est vrai H est la robabilité globale que H est faux E H est la robabilité d observer E quand H est faux H H E H H E H H E E H + =
21 21 Théorème de Bayes H H E H H E H H E E H + = H est la robabilité antérieure que l hyothèse H soit vraie EH est la robabilité que l hyothèse H soit vraie résulte en des reuves E H est la robabilité antérieure que l hyothèse H soit fausse E H est la robabilité d obtenir des reuves E quand l hyothèse H est fausse
22 Exemle 1 Suosez les robabilités suivantes our le bris d un roduit selon le niveau de contamination: échec Niveau de contamination 0.1 Élevé 0.01 Moyen Faible Dans une asse, 20% des uces ont un niveau élevé de contamination, 30% un niveau moyen et 50% un niveau faible. Si une uce semiconducteur a un bris, quelle est la robabilité que la uce fut exosée à un niveau élevé de contamination? 22
23 Exemle 1 2 HF = FHH/F = /F F = FHH + FMM + FLL = = HF = / =
24 Exemle 2 Une rocédure médicale est très efficace quand à la détection de maladies. La robabilité qu un test identifie correctement la maladie est La robabilité qu un test identifie correctement quelqu un sans la maladie est Le taux d incidence de cette maladie dans la oulation est Tu rends le test et le résultat est ositif. Quelle est la robabilité que tu aies la maladie? 24
25 Exemle 2 2 Soit d l évènement d avoir la maladie Soit s l évènement que le test soit ositif. On cherche alors ds. La robabilité que le test détecte correctement que quelqu un n a as la maladie est 0.95; donc la robabilité d avoir un test ositif sans avoir la maladie est s d = 0.05 Du théorème de Bayes: ds = sdd/[sdd + s d d] = /[ =
26 Exemle 2 3 Est-ce que ce résultat fait du sens? On rerend le roblème sous une autre forme. Soit ersonnes; de ce groue, 100 ersonnes ont la maladie et ne l ont as. Du groue de 100 ersonnes qui ont la maladie, 99 ont eu un test ositif. Du groue de qui n ont as la maladie, ersonnes 5% auront un test ositif. Il y a donc 4 groues distincts ici: Personnes ayant la maladie ayant un test ositif Personnes ayant la maladie ayant un test négatif Personnes n ayant as la maladie ayant un test ositif Personnes n ayant as la maladie ayant un test négatif 26
27 Exemle 2 4 Poulation: 1 million Ayant la maladie 100 N ayant as la maladie Avant le test Test ositif 99 Test négatif 1 Test ositif Test négatif Arès le test 27
28 Exemle 2 5 Ce qui nous intéresse, c est le nombre total de ersonnes ayant un test ositif. Il y a = ayant un test ositif. De ce nombre, 99 ont la maladie. Alors, = ce qui est la même solution. 28
29 Hyothèse multiles Qu arrive-t il si un exert, ayant une seule reuve E, ne eut as choisir entre les hyothèses H 1 H n? Ou, si l exert a lusieurs reuves E 1 E n qui euvent roduire lusieurs hyothèses? 29
30 Théorème de Bayes Le théorème de Bayes ermet de calculer la robabilité d une hyothèse H i, étant donné une reuve articulière, étant donné seulement les robabilités dont cette reuve rovient de causes actuelles. E Hi Hi Hi E = n E H H k = 1 H i E est la robabilité que l hyothèse H soit vraie étant donné E H i est la robabilité globale que l hyothèse H soit vraie EH i est la robabilité d observer E quand l hyothèse H est vraie n est le nombre d hyothèses k k 30
31 31 Hyothèse multiles k n k i k i i i i n i H H E H E H H E H E E E E H = = L L K On suose une indéendance conditionnelle entre les différentes reuves.
32 Hyothèses multiles Comment un exert eut-il calculer et classifier toutes les hyothèses ossiblement vraies? Étant donnée les robabilités récédentes Déterminer les robabilités conditionnelles Calculer les robabilités ostérieures Classifier les robabilités ostérieures 32
33 Raisonnement Bayésien Il y a deux conditions majeures our le théorème de Bayes: Toutes les robabilités des relations entre les différentes reuves et hyothèses doivent être connues, ainsi que les relations robabilistes entres les différentes reuves. Toutes les relations entre les différentes hyothèses et reuves, EH k, doivent être indéendantes. Cette suosition d indéendance doit être justifiée, ce qui est arfois difficile à faire. La luart des systèmes exerts utilisent des heuristiques our augmenter le théorème de Bayes. 33
34 Méthode Bayésienne Nécessite des valeurs de robabilités comme entrée rimaire. Ces valeurs ont tyiquement une comosante humaine jugement d une ersonne. Les humains ne euvent as exliciter des robabilités de façon consistante avec les règles Bayésiennes. Parfois, les humains sont très mauvais à exliciter des robabilités. Les exerts dans des domaines ont du mal à exrimer des robabilités conditionnelles. Parfois, les exerts nient l existence de robabilités imlicites cachées. 34
35 Raisonnement Bayésien s 1 s 2 s 3 s 4 s 5 s n cause 1 cause 2 cause m Vue des symtômes et causes d un non-exert. 35
36 Raisonnement Bayésien s 1 s 2 s 3 s 4 s 5 s n I 1 I 2 I 3 cause 1 cause 2 cause m Vue d un exert. Les symtômes sont groués ensemble en états intermédiaires; rend l inférence lus facile. 36
37 Préjugés dans le raisonnement Bayésien L utilisation du raisonnement Bayésien nécessite des robabilités comme entrées rimaires. Le calcul de ces robabilité nécessite souvent un jugement humain. Ceendant, des recherches sychologiques ont démontré que les humains ne euvent as exliciter des robabilités de façon consistante ou le font très mal. Ceci veut dire que les robabilités conditionnelles calculées euvent être inconsistantes avec les robabilités données ar un exert. 37
38 Préjugés dans le raisonnement Bayésien Exemle: On considère une voiture qui ne démarre as et qui fait des bruits étranges quand on essaie de la démarrer. Notre exert nous dit que la robabilité que la cause est le démarreur comme suit: IF «symtôme est un bruit étrange» THEN «démarreur est fautif» {r 0.7} Donc, la robabilité que le démarreur n est as fautif si la voiture fait des bruits étranges est: démarreur as fautifbruits étranges = démarreur est bonbruits étranges = =
39 Préjugés dans le raisonnement Bayésien On eut donc écrire une nouvelle règle: IF «symtôme est un bruit étrange» THEN «démarreur est bon» {r 0.3} Les exerts ont souvent de la difficulté avec les robabilités cachées imlicites le 0.3 dans notre cas. Dans notre cas, on utilise des données statistiques our obtenir les règles. 39
40 Préjugés dans le raisonnement Bayésien Si les statistiques démontrent que: IF «démarreur est fautif» THEN «symtôme est bruits étranges» {r 0.85} IF «démarreur est fautif» THEN «symtôme n est as bruits étranges» {r 0.15} Pour utiliser le raisonnement Bayésien, il faut la robabilité antérieure, soit la robabilité que le démarreur est fautif si la voiture ne démarre as. On a besoin ici du jugement d un exert. Suosons que l exert fournit une valeur de 5%. 40
41 Préjugés dans le raisonnement Bayésien Calculons maintenant: démarreur fautif bruits étranges = = ce qui est significativement lus faible que ce que l exert avait donné au début. D où vient la différence? La raison la lus logique est que l exert a fait différentes suositions quand il a évalué les robabilités conditionnelles et antérieures
42 Préjugés dans le raisonnement Bayésien On eut essayer de trouver l erreur de l exert en faisant un raisonnement inverse. On commence de la robabilité ostérieur démarreur fautifbruits étranges jusqu à la robabilité antérieure, démarreur fautif. On eut dire démarreur ok = 1 démarreur fautif. 42
43 43 Préjugés dans le raisonnement Bayésien On eut réarranger our obtenir: Où H = démarreur fautif HE = démarreur fautif bruits étranges EH = bruits étranges démarreur fautif E H = bruits étranges démarreur ok 1 E H H E H E E H H E E H H + =
44 Préjugés dans le raisonnement Bayésien Avec les valeurs données, on trouve que H = 0.2, ce qui est 4 fois lus élevé que ce que l exert avait donné au début. Il faut donc faire attention quand on obtient des robabilités des exerts; il faut utiliser des données statistiques autant que ossible si elles sont disonibles. 44
45 Facteurs de certitude
46 Facteurs de certitude C est une alternative au raisonnement Bayésien. Ces facteurs furent introduits dans MYCIN Les exerts n exriment as toujours leurs connaissances en termes mathématiquement consistants ou logiques. Aucune donnée statistique n était disonible. C est une mesure de la certitude d un exert. Facteur de certitude cf. 46
47 Arguments contre les robabilités Nécessite beaucou de données Nécessite l énumération de toutes les ossibilités Cache certains détails de l incertitude Les humains estiment mal les robabilités Difficiles à utiliser 47
48 Facteur de certitude Les facteurs de certitude exriment une croyance à un évènement. Fait ou hyothèse Basé sur des reuves Évaluation d un exert C est un chiffre qui eut être utilisé our: Guider un raisonnement Rendre un but inatrayant et enlevé de l esace de recherche Classifier les hyothèses arès que toutes les reuves soient considérées. 48
49 Facteur de certitude La valeur maximale de certitude est +1.0 Définitivement vrai La valeur minimale de certitude est -1.0 Définitivement faux Une valeur ositive rerésente un degré de conviction. Une valeur négative rerésente un degré d incrédulité. Un cf de 0 indique une croyance neutre. 49
50 Facteur de certitude Terme Terme anglais Facteur de certitude Définitivement as Definately not -1.0 Presque jamais Almost certainly not -0.8 Probablement as Probably not -0.6 Peut-être as Maybe not -0.4 Inconnu Unknown -0.2 à +0.2 Peut-être Maybe +0.4 Probablement Probably +0.6 Presque certainement Almost certainly +0.8 Certainement Definitely
51 Facteur de certitude La base de connaissances est constituée de règles ayant la syntaxe suivante: IF «reuve» THEN «hyothèse» {cf} Où cf rerésente le niveau de croyance en l hyothèse H étant donné que la reuve E s est roduite. 51
52 Facteur de certitude La théorie des facteurs de certitude est basée sur deux fonctions: Mesure de croyance MBH,E Mesure d incrédulité MDH,E MB H, E = 1 max[ H E, H ] 1 H H si H = 1 autrement MD H, E = min[ H 1 E, H ] H H si H = 1 autrement 52
53 Facteur de certitude Les facteurs de certitude combinent la croyance et l incrédulité en un seul chiffre basé sur une reuve quelconque. L amlitude de la croyance ou incrédulité en H déend du tye de reuve E observée: cf = 1 MB H, E MD H, E min[ MB H, E, MD H, E] 53
54 Croyance Un cf ositif imlique que les reuves suortent l hyothèse uisque MB > MD. Un cf de 1 veut dire que les reuves suortent définitivement l hyothèse. Un cf de 0 indique qu il n y a soit aucune reuve de disonible ou qu on ne eut orter aucune conclusion. Un cf négatif imlique que les reuves favorisent la négation de l hyothèse uisque MB < MD. 54
55 Facteur de certitude On considère une règle simle: IF A est X THEN B est Y Un exert n est as toujours absolument certain qu une règle sera vraie. Suosons qu on a observé que dans certains cas, même si l antécédent est vrai, A rend la valeur de X, la conséquence est fausse et B rend une différente valeur Z: IF A est X THEN B est Y {cf 0.7} B est Z {cf 0.2} La somme ne doit as nécessairement être égale à 1; dans ce cas-ci, le 10% qui reste eut indiquer une valeur future qu on ne connaît as encore. 55
56 Facteur de certitude Un facteur assigné ar cette règle se roage à travers la chaîne de raisonnement. Ceci ermet d établir la certitude globale de la conséquence quand les reuves our l antécédent sont incertaines. 56
57 Facteur de certitude Il existe lusieurs règles our combiner les cf de lusieurs faits: cfx1 AND cfx2 = min[cfx1, cfx2] cfx1 OR cfx2 = max[cfx1, cfx2] Une règle eut aussi avoir un facteur de certitude, cfrègle: cfaction = cfcondition*cfrègle 57
58 Facteurs de certitude Si une règle a lusieurs antécédents conjonctifs: IF «évidence1» AND «évidence 2» AND «évidence n» THEN «hyothèse H» {cf} cf H, E I E2 ILI En = min[ cf E1, cf E2, K, cf E 1 n ] 58
59 Facteur de certitude Exemle: IF le ciel est clair AND révision est ensoleillé THEN orter des lunettes à soleil cf{0.8} cfciel est clair = 0.9 cfrévision est ensoleillé = 0.7 Le cf total est: cfaction = cfcondition*cfrègle = min[0.9,0.7]*0.8 = 0.56 On exlique le résultat en disant : «Il faudrait robablement orter des lunettes à soleil.» Un cf de 0.6 veut dire robablement 59
60 Facteurs de certitude Si une règle a lusieurs antécédents disjonctifs: IF «évidence1» OR «évidence 2» OR «évidence n» THEN «hyothèse H» {cf} cf H, E U E2 ULU En = max[ cf E1, cf E2, K, cf E 1 n ] 60
61 Facteur de certitude Exemle: IF le ciel est ennuagé OR révision est luie THEN emorter un araluie cf{0.9} cfciel est ennuagé = 0.6 cfrévision est luie = 0.8 Le cf total est: cfaction = cfcondition*cfrègle = max[0.6,0.8]*0.9 = 0.72 On exlique le résultat en disant : «Il faudrait resque certainement emorter un araluie.» Un cf de 0.8 veut dire resque certainement 61
62 Conséquence de règles multiles Suosons qu on a les règles suivantes: IF A est X THEN C est Z {cf 0.8} IF B est Y THEN C est Z {cf 0.6} Quelle certitude doit-on donner à C si les deux règles sont déclenchées? cf cf 1, cf 2 1 cf cf1 + cf2 cf1 + cf2 = 1 min[ cf1, cf cf1 + cf2 1 2 ] 1+ cf 1 si si si cf cf cf > < < et ou cf et cf cf > < <
63 Conséquence de règles multiles Exemle IF A est X THEN C est Z {cf 0.8} IF B est Y THEN C est Z {cf 0.6} cfe1 = cfe2 = 1.0 Quelle est la certitude de C si les 2 règles sont déclenchées? cf1h,e1 = cfe1*cf = 1.0*0.8 = 0.8 cf2h,e2 = cfe2*cf = 1.0*0.8 = 0.8 cfcf1,cf2 = cf1h,e1 + cf2h,e2*1 cf1h,e1 = *1 0.8 =
64 Facteurs de certitude C est une alternative ratique au raisonnement Bayésien La méthode heuristique de combiner des facteurs de certitude diffère de la façon dont elles seraient combinées si elles étaient des robabilités. Sans reuve mathématique Permet d imiter le rocessus mental humain 64
65 Facteurs de certitude: roblèmes Dans certains cas, les résultats déendent de l ordre dans lequel les reuves sont considérées. Peut nécessiter un raisonnement intensif Ne ermet as de cater la crédibilité dans certains cas Qu est-ce que ça veut dire en fait? Parfois interrété de façon robabiliste. 65
66 Comaraison Raisonnement Bayésien Suorté ar la théorie des robabilités Fonctionne bien dans les domaines tels que la révision et lanification Fonctionne bien lorsque des données statistiques sont disonibles Plusieurs systèmes exerts n ont as des données statistiques fiables La suosition d indéendance conditionnelle ne eut as être faite Donc, un certain mécontentement avec la méthode 66
67 Comaraison Facteurs de certitude N ont as de fondation mathématique solide Fonctionnent mieux que le raisonnement Bayésien dans des domaines de diagnostique, surtout en médecine Utilisé dans des cas où les robabilités ne sont as connues ou tro difficiles / coûteuses à obtenir Raisonnement basé sur les reuves Peut fonctionner avec des reuves acquises ar étaes Conjonction et disjonction d hyothèses Preuves avec différents degrés de croyance Donne une meilleure exlication du contrôle 67
dénombrement, loi binomiale
dénombrement, loi binomiale Table des matières I) Introduction au dénombrement 1 1. Problème ouvert....................................... 2 2. Jeux et dénombrements...................................
Plus en détailDes familles de deux enfants
Des familles de deux enfants Claudine Schwartz, IREM de Grenoble Professeur, Université Joseh Fourier Les questions et sont osées dans le dernier numéro de «Pour la Science» (n 336, octobre 2005, article
Plus en détailUn modèle de composition automatique et distribuée de services web par planification
Un modèle de comosition automatique et distribuée de services web ar lanification Damien Pellier * Humbert Fiorino ** * Centre de Recherche en Informatique de Paris 5 Université Paris Descartes 45, rue
Plus en détailprix par consommateur identiques différents prix par identiques classique 3 unité différents 2 1
3- LE MONOOLE DISCRIMINANT Le monoole eut vendre ertaines unités de roduit à des rix différents. On arle de disrimination ar les rix. Selon une terminologie due à igou (The Eonomis of Welfare, 1920), on
Plus en détailSous le feu des questions
ARTICLE PRINCIPAL Assureurs Protection juridique Sous le feu des questions Comment les assureurs Protection juridique vont-ils désormais romouvoir leurs roduits? Seraient-ils artisans d une assurance Protection
Plus en détailModule : réponse d un système linéaire
BSEL - Physique aliquée Module : réonse d un système linéaire Diaoramas () : diagrammes de Bode, réonse Résumé de cours - Caractérisation d un système hysique - Calcul de la réonse our une entrée donnée
Plus en détailSanté et hygiène bucco-dentaire des salariés de la RATP
Santé et hygiène bucco-dentaire des salariés de la RATP Percetion des salariés et examen clinique du raticien Période 2006-2009 14 juin 2012 Dominique MANE-VALETTE, Docteur en Chirurgie dentaire dominique.mane-valette@rat.fr
Plus en détailS2I 1. quartz circuit de commande. Figure 1. Engrenage
TSI 4 heures Calculatrices autorisées 214 S2I 1 L essor de l électronique nomade s accomagne d un besoin accru de sources d énergies miniaturisées. Les contraintes imosées à ces objets nomades sont multiles
Plus en détailL information sera transmise selon des signaux de nature et de fréquences différentes (sons, ultrasons, électromagnétiques, électriques).
CHAINE DE TRANSMISSION Nous avons une information que nous voulons transmettre (signal, images, sons ). Nous avons besoin d une chaîne de transmission comosée de trois éléments rinciaux : 1. L émetteur
Plus en détailAccès optiques : la nouvelle montée en débit
Internet FTR&D Dossier du mois d'octobre 2005 Accès otiques : la nouvelle montée en débit Dans le domaine du haut débit, les accès en France sont our le moment très majoritairement basés sur les technologies
Plus en détailDIVERSIFICATION DES ACTIVITES ET PRIVATISATION DES ENTREPRISES DE CHEMIN DE FER : ENSEIGNEMENTS DES EXEMPLES JAPONAIS
Ecole Nationale des Ponts et Chaussées Laboratoire Paris-Jourdan Sciences Economiques DIVERSIFICATION DES ACTIVITES ET PRIVATISATION DES ENTREPRISES DE CHEMIN DE FER : ENSEIGNEMENTS DES EXEMPLES JAPONAIS
Plus en détailDécouvrez les bâtiments* modulaires démontables
Découvrez les bâtiments* modulaires démontables w Industrie w Distribution * le terme «bâtiment» est utilisé our la bonne comréhension de l activité de Locabri. Il s agit de structures modulaires démontables
Plus en détailIntérêts. Administration Économique et Sociale. Mathématiques XA100M
Intérêts Administration Économique et Sociale Mathématiques XA100M 1. LA NOTION D INTÉRÊT 1.1. Définition. Définition 1. L intérêt est la rémunération d un prêt d argent effectué par un agent économique
Plus en détailVOIP. Pr MOUGHIT Mohamed m.moughit@gmail.com. Cours VOIP Pr MOUGHIT Mohamed 1
VOIP Pr MOUGHIT Mohamed m.moughit@gmail.com Cours VOIP Pr MOUGHIT Mohamed 1 Connexion fixe, rédictible Connexion établie avant la numérotation user Centre de commutation La Radio est le suort imrédictible
Plus en détailTP : Outils de simulation. March 13, 2015
TP : Outils de simulation March 13, 2015 Chater 1 Initialisation Scilab Calculatrice matricielle Exercice 1. Système Unix Créer sous Unix un réertoire de travail outil_simulation dans votre home réertoire.
Plus en détailVous êtes un prestataire touristique dans les Monts de Guéret? L Office de Tourisme du Grand Guéret peut vous accompagner!
Le guide 2015 e u q i t s i r u o t e r i du artena Vous êtes un restataire touristique dans les Monts de Guéret? L Office de Tourisme du Grand Guéret eut vous accomagner! Qui sommes nous? 2 Edito Nouveau
Plus en détailBois. P.21 Bois-béton à Paris. Carrefour du Bois. Saturateurs. Usinage fenêtres. Bardages P.25 P.34 P.31 P.37. La revue de l activité Bois en France
CMP Bois n 19-12 avril - mai 2010 P.25 Carrefour du Bois P.34 cm La revue de l activité Bois en France Bois Saturateurs P.31 Usinage fenêtres P.37 Bardages Tout our l usinage du bois massif. Tout d un
Plus en détailLes marchés du crédit dans les PVD
Les marchés du crédit dans les PVD 1. Introduction Partout, les marchés du crédit sont au centre de la caacité des économies à croître, uisqu ils financent l investissement. Le Taleau 1 montre ar exemle
Plus en détailManuel de l'utilisateur
0 Manuel de l'utilisateur Mise en route... 4 Votre Rider 0... 4 Réinitialiser le Rider 0... 5 Accessoires... 5 Icônes d'état... 5 Connexion, synchro et chargement... 6 Allumer/éteindre le Rider 0... 6
Plus en détailRaisonnement probabiliste
Plan Raisonnement probabiliste IFT-17587 Concepts avancés pour systèmes intelligents Luc Lamontagne Réseaux bayésiens Inférence dans les réseaux bayésiens Inférence exacte Inférence approximative 1 2 Contexte
Plus en détailLes emprunts indivis. Administration Économique et Sociale. Mathématiques XA100M
Les emprunts indivis Administration Économique et Sociale Mathématiques XA100M Les emprunts indivis sont les emprunts faits auprès d un seul prêteur. On va étudier le cas où le prêteur met à disposition
Plus en détailNFE107 Urbanisation et architecture des systèmes d information. Juin 2009. «La virtualisation» CNAM Lille. Auditeur BAULE.L 1
Juin 2009 NFE107 Urbanisation et architecture des systèmes d information CNAM Lille «La virtualisation» Auditeur BAULE.L 1 Plan INTRODUCTION I. PRINCIPES DE LA VIRTUALISATION II. DIFFÉRENTES TECHNIQUES
Plus en détailChambre Régionale de Métiers et de l Artisanat. Région Auvergne. Région Auvergne
Chambre Régionale de Métiers et de l Artisanat L Artisanat en Auvergne, l Energie du Déveloement Région Auvergne Région Auvergne Edito Edito Valoriser la formation des jeunes et des actifs : un enjeu
Plus en détail.NET remoting. Plan. Principes de.net Remoting
Plan.NET remoting Clémentine Nebut LIRMM / Université de Montellier 2 de.net Remoting côté serveur côté client.net Remoting en ratique Les canaux de communication L'activation L'invocation Les aramètres
Plus en détailProcès - Verbal du Conseil Municipal Du lundi 15 décembre 2014
Procès - Verbal du Conseil Municial Du lundi 15 décembre 2014 Nombre de membres comosant le Conseil Municial : 15 Nombre de membres en exercice : 15 Nombre de Conseillers résents : 14 Nombre de Conseillers
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 détailMécanique du point : forces Newtoniennes (PCSI)
écanique du oint : foces Newtoniennes (PCSI Question de cous On admet que, losqu'il est soumis à une foce Newtonienne F K u, la tajectoie d'un cos est lane et décite a mc K +e cosθ où C θ est une constante
Plus en détailCatalogue 3 Chaine sur Mesure
Catalogue 3 Chaine sur Mesure SUBAKI Les Chaines 2009 CAALGUE 3 Classification chaine sur mesure sériés de chaîne ye de chaîne subaki Caractéristiques RUNNER BS Performance suérieure Général Chaînes à
Plus en détailLA CERTIFICATION DES ARMATURES
LA CERTIFICATION DES ARMATURES NF - Aciers our béton armé NF - Armatures AFCAB - Disositifs de raboutage ou d ancrage des armatures du béton AFCAB - Pose des armatures du béton LE CYCLE DES ARMATURES :
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 détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
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 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 détailEn vue de l'obtention du. Présentée et soutenue par Philippe NERISSON Le 5 février 2009
THÈSE En vue de l'obtention du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE Délivré ar l Institut National Polytechnique de Toulouse Disciline ou sécialité : Dynamique des Fluides Présentée et soutenue ar Philie
Plus en détailConseils pour l évaluation et l attribution de la note
Entreprise formatrice Candidat/-e Téléphone: Téléphone: Ce document ne doit en aucun cas être montré au candidat après l attribution des points. Conseils pour l évaluation et l attribution de la note Documentation
Plus en détailCATALOGUE 2. Chaine avec attachements
CAALGUE 2 Chaine avec attachements SUBAKI LES CAIES 2010 CAALGUE 2 CAIE AVEC AACEMES Anti-corrosion Classification Sériés de ye de SUBAKI Caractéristiques RUER BS Performance suérieure Général Chaînes
Plus en détail«INVESTIR SUR LE MARCHE INERNATIONAL DES ACTIONS A-T-IL PLUS D EFFET SUR LA PERSISTANCE DE LA PERFORMANCE DES FONDS? ILLUSTRATION BRITANNIQUE»
Manuscrit auteur, ublié dans "«COMPTABILITE ET ENVIRONNEMENT», France (007)" «INVESTIR SUR LE MARCHE INERNATIONAL DES ACTIONS A-T-IL PLUS D EFFET SUR LA PERSISTANCE DE LA PERFORMANCE DES FONDS? ILLUSTRATION
Plus en détailCHAPITRE 1. Suites arithmetiques et géometriques. Rappel 1. On appelle suite réelle une application de
HAPITRE 1 Suites arithmetiques et géometriques Rappel 1 On appelle suite réelle une application de dans, soit est-à-dire pour une valeur de la variable appartenant à la suite prend la valeur, ie : On notera
Plus en détailBien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction
Antécédents d un nombre par une fonction 1) Par lecture graphique Méthode / Explications : Pour déterminer le ou les antécédents d un nombre a donné, on trace la droite (d) d équation. On lit les abscisses
Plus en détailGuide d utilisation (Version canadienne) Téléphone sans fil DECT 6.0/ avec répondeur et afficheur/ afficheur de l appel en attente CL83101/CL83201/
Guide d utilisation (Version canadienne) Téléhone sans fil DECT 6.0/ avec réondeur et afficheur/ afficheur de l ael en attente CL83101/CL83201/ CL83301/CL83351/ CL83401/CL83451 Félicitations our votre
Plus en détailCommande prédictive des systèmes non linéaires dynamiques
Rébliqe Algérienne Démocratiqe et olaire Ministère de l Enseignement Sérier et de la Recherche Scientifiqe Université Molod Mammeri de Tizi-Ozo Faclté de Génie Electriqe et Informatiqe Déartement Atomatiqe
Plus en détailCrédit : Comment vous êtes coté
Crédit : Comment vous êtes coté Comprendre et gérer votre situation à l égard du crédit à titre de consommateur et d entreprise D-IN0440F-0201 Introduction Nous vivons dans un monde en évolution constante
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailManuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2
éducalgo Manuel d utilisation 26 juin 2011 Table des matières 1 Tâche à effectuer : écrire un algorithme 2 2 Comment écrire un algorithme? 3 2.1 Avec quoi écrit-on? Avec les boutons d écriture........
Plus en détailLE PROCESSUS ( la machine) la fonction f. ( On lit : «fonction f qui à x associe f (x)» )
SYNTHESE ( THEME ) FONCTIONS () : NOTIONS de FONCTIONS FONCTION LINEAIRE () : REPRESENTATIONS GRAPHIQUES * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailChristophe CANDILLIER Cours de DataMining mars 2004 Page 1
Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe
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 détailCORRIGE LES NOMBRES DECIMAUX RELATIFS. «Réfléchir avant d agir!»
Corrigé Cours de Mr JULES v3.3 Classe de Quatrième Contrat 1 Page 1 sur 13 CORRIGE LES NOMBRES DECIMAUX RELATIFS. «Réfléchir avant d agir!» «Correction en rouge et italique.» I. Les nombres décimaux relatifs.
Plus en détailChapitre 1 Qu est-ce qu une expression régulière?
Chapitre 1 Qu est-ce qu une expression régulière? Les ordinateurs n ont pas du tout la même conception des textes que nous : pour nous, un texte est un ensemble d idées couchées sur papier. Nous nous en
Plus en détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en détail2.0 Interprétation des cotes d évaluation des risques relatifs aux produits
2.0 Interprétation des cotes d évaluation des risques relatifs aux produits L interprétation des cotes attribuées dans le cadre des évaluations des risques relatifs aux produits décrite plus loin repose
Plus en détailLes nombres entiers. Durée suggérée: 3 semaines
Les nombres entiers Durée suggérée: 3 semaines Aperçu du module Orientation et contexte Pourquoi est-ce important? Dans le présent module, les élèves multiplieront et diviseront des nombres entiers concrètement,
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailCompression scalable d'images vidéo par ondelettes 2D+t
Comression scalable d'images vidéo ar ondelettes 2D+t Madji Samia, Serir Amina et Ouanane Abdelhak Université des Sciences et de la Technologie Houari Boumediene, Laboratoire de traitement d images et
Plus en détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en détailCHAPITRE VIII : Les circuits avec résistances ohmiques
CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On
Plus en détailCHAPITRE 5. Stratégies Mixtes
CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailFonctions homographiques
Seconde-Fonctions homographiques-cours Mai 0 Fonctions homographiques Introduction Voir le TP Géogébra. La fonction inverse. Définition Considérons la fonction f définie par f() =. Alors :. f est définie
Plus en détailTP1 - Prise en main de l environnement Unix.
Mise à niveau UNIX Licence Bio-informatique TP1 - Prise en main de l environnement Unix. Les sujets de TP sont disponibles à l adresse http://www.pps.jussieu.fr/~tasson/enseignement/bioinfo/ Les documents
Plus en détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
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 détailSTAGE IREM 0- Premiers pas en Python
Université de Bordeaux 16-18 Février 2014/2015 STAGE IREM 0- Premiers pas en Python IREM de Bordeaux Affectation et expressions Le langage python permet tout d abord de faire des calculs. On peut évaluer
Plus en détailJeux sous forme extensive (Jeux dynamiques)
(Jeux dynamiques) Plan du chapitre ( juillet 008) / éfinitions, exemples et équivalences Arbres de jeux, information et mémoire tratégies et réduction en forme normale Équilibre de Nash parfait en sous-jeux
Plus en détailLes 6 sous-stades. La période sensori-motrice. Le stade réflexe. Coordination main/bouche. Du réflexe au schème: exemple du réflexe de succion
Les 6 sous-stades La période sensori-motrice La construction de l intelligence à partir des sens, de l action et des déplacements I. Stade réflexe du premier mois II. Stade des réactions circulaires primaires
Plus en détailTP 1. Prise en main du langage Python
TP. Prise en main du langage Python Cette année nous travaillerons avec le langage Python version 3. ; nous utiliserons l environnement de développement IDLE. Étape 0. Dans votre espace personnel, créer
Plus en détailInitiation à la programmation en Python
I-Conventions Initiation à la programmation en Python Nom : Prénom : Une commande Python sera écrite en caractère gras. Exemples : print 'Bonjour' max=input("nombre maximum autorisé :") Le résultat de
Plus en détailProbabilités stationnaires d une chaîne de Markov sur TI-nspire Louis Parent, ing., MBA École de technologie supérieure, Montréal, Québec 1
Introduction Probabilités stationnaires d une chaîne de Markov sur TI-nspire Louis Parent, ing., MBA École de technologie supérieure, Montréal, Québec 1 L auteur remercie Mme Sylvie Gervais, Ph.D., maître
Plus en détailValeur cible et solveur. Les calculs effectués habituellement avec Excel utilisent des valeurs numériques qui constituent les données d'un problème.
Valeur cible et solveur Atteindre une valeur cible Les calculs effectués habituellement avec Excel utilisent des valeurs numériques qui constituent les données d'un problème. A l'aide d'un certain nombre
Plus en détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détailLangage SQL : créer et interroger une base
Langage SQL : créer et interroger une base Dans ce chapitre, nous revenons sur les principales requêtes de création de table et d accès aux données. Nous verrons aussi quelques fonctions d agrégation (MAX,
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
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 détailEconomie de l Incertain et des Incitations
Economie de l Incertain et des Incitations CHAPITRE 2 Eléments de théorie des jeux en information symétrique et asymétrique Equilibres Bayesiens - Université de Tours - M1 AGE - Arnold Chassagnon - Automne
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailARBRE DE PERFORMANCE GOUVERNANCE INTEGREE ET FEDERATRICE DE LA PERFORMANCE (Version 10)
MANAGEMENT & ERFORMANCE ARBRE DE ERFORMANCE GOUVERNANCE INTEGREE ET FEDERATRICE DE LA ERFORMANCE (Version 10) Ancrer l Architecture d Entreprise dans un modèle métier stable de génération de valeur HILOSOHIE
Plus en détailTP : Shell Scripts. 1 Remarque générale. 2 Mise en jambe. 3 Avec des si. Systèmes et scripts
E3FI ESIEE Paris Systèmes et scripts B. Perret TP : Shell Scripts 1 Remarque générale Lorsque vous cherchez des informations sur Internet, n'oubliez pas que langage de shell script que nous avons vu correspond
Plus en détailF7n COUP DE BOURSE, NOMBRE DÉRIVÉ
Auteur : S.& S. Etienne F7n COUP DE BOURSE, NOMBRE DÉRIVÉ TI-Nspire CAS Mots-clés : représentation graphique, fonction dérivée, nombre dérivé, pente, tableau de valeurs, maximum, minimum. Fichiers associés
Plus en détailCours No 3 : Identificateurs, Fonctions, Premières Structures de contrôle.
Université Montpellier-II UFR des Sciences - Département Informatique - Licence Informatique UE GLIN302 - Programmation Applicative et Récursive Cours No 3 : Identificateurs, Fonctions, Premières Structures
Plus en détailLogiciel Libre Cours 3 Fondements: Génie Logiciel
Logiciel Libre Cours 3 Fondements: Génie Logiciel Stefano Zacchiroli zack@pps.univ-paris-diderot.fr Laboratoire PPS, Université Paris Diderot 2013 2014 URL http://upsilon.cc/zack/teaching/1314/freesoftware/
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailCHAPITRE 1 : Distribution statistique à une dimension
Chatre1 : Dstrbuton Statstque à une dmenson I.H.E.T de Sd Dhr CHAPITRE 1 : Dstrbuton statstque à une dmenson Secton 1 : Vocabulare élémentare de la statstque descrtve 1. Poulaton et ndvdu Dénton On aelle
Plus en détailmodélisation solide et dessin technique
CHAPITRE 1 modélisation solide et dessin technique Les sciences graphiques regroupent un ensemble de techniques graphiques utilisées quotidiennement par les ingénieurs pour exprimer des idées, concevoir
Plus en détailEnseignement secondaire technique
Enseignement secondaire technique Régime technique Division technique générale Cycle moyen Informatique 11TG Nombre de leçons: 2.0 Nombre minimal de devoirs: - Langue véhiculaire: / Remarque générale:
Plus en détailInitiation à la Programmation en Logique avec SISCtus Prolog
Initiation à la Programmation en Logique avec SISCtus Prolog Identificateurs Ils sont représentés par une suite de caractères alphanumériques commençant par une lettre minuscule (les lettres accentuées
Plus en détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détailGroupe symétrique. Chapitre II. 1 Définitions et généralités
Chapitre II Groupe symétrique 1 Définitions et généralités Définition. Soient n et X l ensemble 1,..., n. On appelle permutation de X toute application bijective f : X X. On note S n l ensemble des permutations
Plus en détailObjectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)
Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter
Plus en détailMinistère des Affaires étrangères et européennes. Direction de la politique culturelle et du français. Regards VII
Ministère des Affaires étrangères et européennes Direction de la politique culturelle et du français Regards VII 8. Les voitures électriques Réalisation Thomas Sorin, CAVILAM Rédaction Frédérique Gella,
Plus en détailUtilisation des tabelles de dimensionnement
ponctuelle Tabelle A - Sans tuyaux de chauffage sol Tabelle B - Avec tuyaux de chauffage sol répartie Tabelle C - Résistance à la compression de l'isolation thermique par m 2 Utilisation des tabelles de
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailPartie 1 Automatique 1 et 2 (Asservissements Linéaires Continus)
Réublique Algériee Démocratique et Poulaire Miistère de l'eseigemet Suérieur et de la Recherche Scietifique Uiversité Djillali Liabès Sidi Bel-Abbès Faculté de Techologie Déartemet d'electrotechique Partie
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détailCorrigé du baccalauréat S Pondichéry 12 avril 2007
Corrigé du baccalauréat S Pondichéry 1 avril 7 EXERCICE 1 Commun à tous les candidats 4 points 1 a Les vecteurs AB et AC ont pour coordonnées AB ; ; ) et AC 1 ; 4 ; 1) Ils ne sont manifestement pas colinéaires
Plus en détailFaut-il tout démontrer?
Faut-il tout démontrer? Introduction et énoncé du problème L acte de démontrer consiste à mettre en ordre logique, à disposer de façon rationnelle et déductive des propositions afin d assurer que la conclusion
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailLE PRODUIT SCALAIRE ( En première S )
LE PRODUIT SCALAIRE ( En première S ) Dernière mise à jour : Jeudi 4 Janvier 007 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble ( Année 006-007 ) 1 Table des matières 1 Grille d autoévaluation
Plus en détailConventions d écriture et outils de mise au point
Logiciel de base Première année par alternance Responsable : Christophe Rippert Christophe.Rippert@Grenoble-INP.fr Introduction Conventions d écriture et outils de mise au point On va utiliser dans cette
Plus en détail