Régression robuste Régression non-paramétrique
|
|
- Lucille Bonin
- il y a 6 ans
- Total affichages :
Transcription
1 Régresso robuste Régresso o-paramétrque Ndèye Nag- Glbert Saporta Coservatore Natoal des Arts et Méters Pla Itroducto: rappels de régresso léare Les Modres carrés ordares Valeurs aberrates - Observatos fluetes Régresso robuste Notos de robustesse-estmateurs robustes Régresso robuste Régresso o paramétrque MA / PPV / méthode feêtre moble Noyau kerel Régresso locale /polyomale 2
2 Itroducto Etude de la laso etre varables quattatves observées sur les mêmes dvdus Y = f(x) + e Y varable dépedate varable à explquer varable edogèe X varables dépedates varable explcatves varable exogèes Hypothèses: f coue, léare, estmato des paramètres Erreurs dd et gaussees, homoscédastcté Itroducto No paramétrque paramétrque robuste 4 2
3 Itroducto Régresso léare: Aspects descrptfs Ajustemet léare : drote de régresso Coeffcet R 2 Aspects féretels Estmato des paramètres (MCO- MV) Vérfcato des hypothèses Tests sur les coeffcets Etude de la stablté des résultats Prévso. Les modres carrés Hypothèse de régresso léare: smple E(Y/x)= f(x) = β 0 +β x multple: E(Y/X)= f(x) = X β Estmato de β à partr d u échatllo Méthode des modres carrés Focto de perte: L( y; f ( x)) = ( y f ( x) ) 2 6 3
4 Estmateur des modres carrés y ˆ = Xb = Ay y - Xb W (y - Xb)'Xu = 0 u X'y = X'Xb Equatos ormales - b = (X'X) X'y - projecteur A = X(X'X) X' b estmateur de varace mmale de β parm les estmateurs léares sas bas (BLUE best lear ubased estmators) estmateur du maxmum de vrasemblace s résdus gausses d V ( b) = σ ( X'X) 2 Estmatos mprécses s multcoléarté 7 Prévsos d ue valeur ultéreure Itervalle de prévso Problèmes d mprécso, grade varace et surtout sesble aux valeurs aberrates 4
5 Démo cours de Marc Bourdeau (Motréal) sur le modèle léare adresse: Aalyse des résultats O s téresse c à la stablté des résultats Dstcto etre questos relatves à l fluece d observatos partculères et questos relatves à l fluece des varables sur les estmatos (multcoléarté) Aalyse des résdus pour vérfer les hypothèses de base du modèle : varace costate et pas autocorrélato 0 5
6 2. Aalyse des résultats Etude des résdus est fodametale: permet la détecto des valeurs aberrates et des observatos fluetes Vérfcato emprque des hypothèses: graphque des résdus e focto des X e dovet pas lasser apparaître de tedace ou de dépedace das l étude de 2 résdus successfs (Test de Durb Watso) ( so estmateurs toujours sas bas mas o perd la varace mmale) 2. Aalyse des résultats Résdu : vecteur ˆ y - y Matrce de varace des résdus: La «hat matrx» ou projecteur - A = X(X'X) X' yˆ = Ay Les termes dagoaux h h h = p + = 2 6
7 Résdu: espérace ulle, Résdu studetsé V y yˆ σ h 2 ( ) = ( ) y yˆ ˆ σ h S grad les résdus studetsés dovet être comprs etre -2 et 2 Résdu fort peut dquer ue valeur aberrate mas ue valeur peut être aberrate sas que so résdu sot mportat. Ne pas cofodre observatos aberrates et observatos fluetes (au ses de l écart au modèle) 3 Méthodes classques Etude fluece de chaque observato sur les résultats: Sur sa propre prédcto: Résdu prédt (e elevat ) y ˆ y yˆ h y( ) = Prudece avec les observatos à h grad Press: somme des carrés des résdus prédts est ue mesure du pouvor prédctf du modèle Ifluece d ue observato sur les estmatos des coeffcets: la dstace de Cook ' ( b b( ) ) X'X( b b( ) ) 2 h D 2 ( ˆ ˆ = = y y ) ( p + ) ˆ σ p + h Devrat rester < 4 7
8 Les méthode de dagostcs classques sot suffsates pour détecter toutes les valeurs aberrates e partculer multdmesoelles: effet de masque Effet de débordemet (swampg) estmatos o robustes Soluto e deux étapes: Elmer les pots aberrats après les avor détectés Refare aalyse avec estmateurs classques Soluto drecte: autres crtères que MCO Soluto e deux étapes Détecto de valeurs aberrates Nécessté d utlser des dcateurs robustes de tedace cetrale et de dsperso pour calculer ue varate robuste de la dstace de Mahalaobs Au préalable : otos de robustesse Dfférets types de pots aberrats Pot de rupture Estmateurs robustes 6 8
9 Dfférets types de pots aberrats: Valeur atypque pour la varable Y à explquer Pot lever = ue ou Pluseurs valeurs atypques sur les explcatves Bo s proche pla Régresso Mauvas so Cela peut etraer u chagemet du sge pete D après E.Cato et C.Deho 7 Noto de «pot de rupture» d u estmateur Fracto des doées qu peuvet être arbtraremet chagées sas chager arbtraremet la valeur de l estmateur. Plus exactemet : Deux cas : f, f (pt de rupture asymptotque) Ne peut être > 0.5 Asymptotquemet: Nul pour la moyee (s ue valeur devet fe la moyee auss), 0.5 pour la médae f : / pour la moyee, (-)/2 (mpar) ou /2 (par) pour la médae 8 9
10 Estmateurs robustes Estmateurs classques (moyee et varace) sot sesbles aux valeurs aberrates. Le but des estmateurs robustes est de rédure leur fluece Moyee troqué d ordre α: Moyee arth des observatos dot o élmé les αx plus grades et pettes (α =5%) (ex la médae est u cas extrême α = 50% ) «Wsorsato» Au leu de les élmer o les pred toutes égales au derères valeurs prses Autre approche: M-estmateur, MVE, MCD, S-estmateur (vor au tableau détals) 9 M-Estmateurs robustes Robustfcato des estmateurs classques Gééralsato de l approche maxmsato de la vrasemblace (Huber (964), Campbell (980), Maroa (970)) Sot x, x 2,., x, u échatllo de talle, des M estmateurs de la moyee et la matrce de varace sot obteus e maxmsat : où ρ l(det Σ) ρ(( x µ )' Σ ( x focto décrossate borée etre 0 et l f E dérvat o obtet les 2 équatos suvates ψ ( d ψ ( d ψ = ρ ' 2 )( x 2 et )( x µ ) = 0 d 2 µ )( x = ( x µ )' = Σ µ )' Σ ( x µ ) µ )) Dfférets M-estmateurs e selo la focto de podérato Maroa (976) 20 0
11 M-Estmateurs robustes Lmte de ces M-estmateurs: pot de rupture versemet proportoel à la dmeso, ls sot doc mos robustes quad la dmeso augmete d où les estmateurs suvats qu reposet sur ue utlsato d ue fracto h des doées plutôt que sur l esemble (Rousseeuw 985) MVE (maxmum volume ellpsod) avec de fables proprétés théorques MCD(mmum covarace determat) x Hˆ = h S Hˆ = h Hˆ = Hˆ Hˆ arg H x ( x m {,2,... }, x H = h Hˆ )( x det( S x H ) Hˆ )' 2 M-Estmateurs robustes Croux et al 999 ot proposée ue verso podérée de ces estmateurs das laquelle les pods dépedet de la dstace calculée à partr des estmateurs MCD x S w w = = = = w = 0 = w x w ( x s w d so 2 x = ( x, x w w )( x Hˆ, S x Hˆ w )' 2 ) χ cela revet à calculer les estmateurs classques à partr des observatos stuées das l ellpsode de tolérace à 97,5% costrutes avec les estmateurs MCD p,0.975 Rque: calculs complexes, algorthmes tératfs, mas dspobles das logcels stadards 22
12 Soluto e deux étapes: Détecto des pots aberrats avec les estmateurs classques: Sot x, x 2,., x, u échatllo de talle Calculer x et S Pour chaque observato x calculer la dstace de Mahalaobs d 2 ' = ( x x) S ( x x) Détecter celles dot les dstaces sot «trop» grades c està-dre supéreures au quatle 97,5% de la lo du ch carré à p degrés de lberté 23 Solutos e deux étapes : D après Haesbroeck problème: x et S estmatos o robustes fluecées par les pots aberrats 24 2
13 Maskg effect D après Haesbroeck 25 Soluto e deux étapes: Détecto des pots aberrats avec les Estmateurs robustes: ) ) Calculer des estmatos robustes µ et Σ de la moyee et de la matrce de covarace µ et Σ par exemple les estmateurs MCD Calculer pour chaque observato x la dstace robuste d 2 = ( x ) ) ' µ ) Σ ( x ) µ ) Détecto des observatos aberrates, celles dot les dstaces sot «trop» grades c est-à-dre supéreures au quatle 97,5% de la lo du ch carré à p degrés de lberté 26 3
14 Solutos: D après Haesbroeck 27 Outl graphque DD plot D après Haesbroeck 28 4
15 Outl dagostc e régresso D après E.Cato et C.Deho 29 Soluto drecte : Utlser d autres crtères que les modres carrés : Régresso L avec les valeurs absolues M régresso avec des M-estmateurs de Huber Régresso LST (Least trmmed squares) de Rousseuw 30 5
16 4. Régresso e orme L (LAD) Utlser les valeurs absolues L( y; f ( x)) = y f ( x) Régresso léare smple sur échatllo m y a bx Proprété: = La drote de régresso L passe par deux des pots de l échatllo mas o e peut pas savor à l avace lesquels 50 as plus ace que les modres carrés (Boscovtch 757) Régresso e orme L (LAD) Résoluto plus dffcle (surtout e régresso multple) Pas de soluto aalytque Nécessté d u algorthme spécfque Algorthme LAD smple (Brkes & Dodge, 993) Possblté de o-ucté ou de dégéérescece Régresso LAD multple Programmato léare p+ résdus sot uls 32 6
17 s/sas/lablets/7.3/7.3c/dex.html 33 Erreurs stadard asymptotques ˆ V ( β) ; ' 4 (0) ( ) ( ) X X 2 f avec f desté de ε Maxmum de vrasemblace avec desté des erreurs lo de Laplace 34 7
18 5 - M-régresso Issue des M-estmateurs de Huber Exemple: focto de perte quadratque jusqu à c, léare au-delà Pour c grad, o retrouve les mco, pour c=0 la régresso L 35 m ρ ( y xβ) ρ focto covexe pare = M-estmateur: maxmum de vrasemblace avec erreurs de desté proportoelle à exp(- ρ(u)) E dérvat: ρ ' y ˆ xβ x ' = 0 Notato usuelle ψ = ρ = ( ) Modres carrés podérés ρ ' w y xβˆ x ' = 0 avec w = ( ) ( y ˆ xβ ) xβˆ = y 36 8
19 Proprétés S σ est cou o mmse avec a>0 La matrce de covarace des estmateurs est asymptotquemet proportoelle à celle des modres carrés = y xβ ρ + a σ σ
20 Focto de pods Proc ROBUSTREG de SAS Weght Fucto Opto Default a, b, c adrews bsquare cauchy far hampel huber logstc meda talworth welsch WF=ANDREWS<(C=c)> WF=BISQUARE<(C=c)> WF=CAUCHY<(C=c)> WF=FAIR<(C=c)> WF=HAMPEL<( <A=a> <B=b> <C=c>)> WF=HUBER<(C=c)> WF=LOGISTIC<(C=c)> WF=MEDIAN<(C=c)> WF=TALWORTH<(C=c)> WF=WELSCH<(C=c)>
21 6.Régresso LTS (Least Trmmed Squares) de Rousseuw Basée sur le sous esemble de h dvdus (parm ) où les mco doet la plus pette somme des carrés des résdus. h est chos etre /2 et. La valeur h=(3+p+)/4 est recommadée. Illustrato sur u exemple avec la proc robustreg de SAS Sous R package robustbase 4 Bblographe Brkes, D., Dodge, Y. (993) Alteratve methods of regresso, Wley Rousseeuw, P.J. ad Leroy, A.M. (987), Robust Regresso ad Outler Detecto, New York: Joh Wley & Sos, Ic. Maroa R.A., Mart R.D. ad Yoha V.J. (2006) Robust Statstcs, Joh Wley & Sos Ltd., 42 2
22 Régresso o-paramétrque (uvarée) Glbert Saporta Coservatore Natoal des Arts et Méters Décembre Itroducto Forme de la courbe de régresso totalemet coue Aucue hypothèse léarté, lo des erreurs, Prcpes aces, premers travaux moderes datet des aées 50 Premères applcatos estmato de foctos de desté par des méthodes d opérateurs à oyau Roseblatt (956) et de Parze (962) Ces premers travaux ot étedus à la oto de régresso kerel (lssage par opérateur à oyau e fraças) 44 22
23 Itroducto Résultats: représetato graphque de la relato etre X et Y Pas de forme aalytque de la focto de le f(x) Le problème: estmer f(x) coue et pas seulemet ses paramètres Deux famlles de méthodes Kerel (Nadaraya Watso 964) Régresso locale polyomale(clevelad 979, Clevelad et Delv Estmato de l espérace codtoelle E(Y/x 0 )= f(x 0 ), ou focto de régresso. Approche smlare à l estmato de desté par la méthode du oyau Premères tetatves sprées des moyees mobles: les k plus proches voss: moyee de y pour les k-ppv de x 0 moyee des y sur ue feêtre de largeur fxe cetrée sur x 0 Icovéet majeur: dscotuté 46 23
24 47 Méthode de la feêtre moble Moyee des y das u vosage autour de x 0 : [x 0 -h/2; x 0 +h/2] [ x h/2; x + h/2] 0 0 ˆ( 0 ) = f x = [ 0 /2; 0 /2]( x ) x h x + h = y ( x ) O costrut autour de chaque x ue classe (comme das u hstogramme) de logueur h cetrée sur x, o compte le ombre de pots apparteat à l tervalle et o calcule la moyee des y correspodats 48 24
25 o peut l écrre Eˆ( Y / X = x ) = K(u) = s u </2 oyau uforme 0 = = x0 x K y h x0 x K h E utlsato u oyau cotu o obtet l estmateur de Nadaraya-Watso doc ue estmato cotue de f(x) Noyaux classques: Epaechkov Trcube 3 K u u u 4 2 ( ) = (- ) s, 0 so 3 ( ) 3 K( u) = u s u, 0 so
26 moothers.html
27 Bas et varace pour des x fxés w x 0 = K ( ˆ( 0 ) ( 0 ) ) ( f x ) x h E f x f x = V = 2 w ˆ( ) = σ 2 = = w ( ( ) ( )) w f x f x = w 0 53 Chox de h Arbtrage bas varace: Plus h grad et plus la courbe sera lsse. La varace est lmté mas l estmateur peut être fortemet basé Plus h fable plus la courbe est rrégulère. Les bas d estmato sot fables mas la varace est très forte Crtère MISE et GVC 54 27
28 Problèmes d estmato aux bores valeurs extrêmes de x 55 Alteratve: régresso léare locale Idée géérale: utlser u modèle de régresso léare déf uquemet das u vosage du pot d térêt x 0 O résout e chaque pot x 0 le problème de modres carrés podérés: x x K y x x x 0 m ( 0) ( 0) α ( x0 ), β ( x0 ) = h [ α β ] Nota: formules globales (pour tout x), mas chacue utlsée seulemet e x
29 Régresso léare locale Résout le problème de l asymétre du oyau troqué aux bores. 57 Les creux et les bosses La régresso léare locale est basée das les zoes de courbure forte 58 29
30 Régresso polyomale locale x x d 0 j m K y α( x0) β j ( x0) x α ( x0 ), β ( x0 ) = h j= 2 59 Estmato léare et oyau équvalet modres carrés podérés X matrce à lges et d+ coloes des x j W( x ) matrce dagoale de terme x x 0 0, K h ( ) fˆ( x ) = x X'W ( x ) X X'W ( x ) y ' = = l ( x ) y
31 6 Chox de h valdato crosée Méthode proche: LOESS ou LOWESS Exteso possble à la régresso logstque 62 3
32 SAS INSIGHT
33
34 Avatages et covéets Utle s la forme de la régresso est totalemet coue Méthode adaptatve qu s ajuste automatquemet Pas de formule explcte, prévso délcate e dehors du domae (extrapolato) 67 Bblographe Clevelad, W.S.; Devl, S.J. (988). Locally-Weghted Regresso: A Approach to Regresso Aalyss by Local Fttg. Joural of the Amerca Statstcal Assocato 83 (403): Droesbeke, J.J., Saporta G. (édteurs) (20) Approches o paramétrques e régresso, Edtos Techp Haste, T., Tbshra,R., Fredma, J.( 2009): The Elemets of Statstcal Learg, 2d edto, chaptre 6, Sprger, Lejeue, M. (985), Estmato o paramétrque par oyaux : régresso polyomale moble, Revue de Statstque Applquée, 33,
II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1
II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d
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 détailUne méthode alternative de provisionnement stochastique en Assurance Non Vie : Les Modèles Additifs Généralisés
Ue méthode alteratve de provsoemet stochastque e Assurace No Ve : Les Modèles Addtfs Gééralsés Lheureux Else B&W Delotte 85, av. Charles de Gaulle 954 Neully-sur-See cedex Frace Drect: 33(0).55.6.65.3
Plus en détailCHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure.
TABLE DES MATIERES Durée...2 Objectf spécfque...2 Résumé...2 I. L agrégato des préféreces...2 I. Le système de vote à la majorté...2 I.2 Vote par classemet...3 I.3 Codtos de décso socale et théorème d
Plus en détailSYSTEME FERME EN REACTION CHIMIQUE
SYSTEME FERME EN REACTION CHIMIQUE I. DESCRIPTION D UN SYSTEME. Les dfférets types de système (ouvert, fermé, solé U système S est formé d u esemble de corps séparés du reste de l uvers (appelé mleu extéreur
Plus en détailLes sinistres graves en assurance automobile : Une nouvelle approche par la théorie des valeurs extrêmes
Les sstres graves e assurace automoble : Ue ouvelle approche par la théore des valeurs extrêmes Nouredde Belagha (*, Mchel Gru-Réhomme (*, Olga Vasecho (** (* Uversté Pars 2, ERMES-UMR78-CNRS, 2 place
Plus en détailCoefficient de partage
Coeffcet de partage E chme aque, la sythèse d'u composé se fat e pluseurs étapes : la réacto propremet dte (utlsat par exemple u motage à reflux quad la réacto dot être actvée thermquemet), les extractos
Plus en détailApplication de la théorie des valeurs extrêmes en assurance automobile
Applcato de la théore des valeurs extrêmes e assurace automoble Nouredde Belagha & Mchel Gru-Réhomme Uversté Pars 2, ERMES-UMR78-CNRS, 92 rue d Assas, 75006 Pars, Frace E-Mal: blour2002@yahoo.fr E-Mal:
Plus en détailMathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période)
A-PDF OFFICE TO PDF DEMO: Purchase from www.a-pdf.com to remove the watermark Mathématques Facères : l essetel Les formules cotourables (F de érode) htt://www.ecogesam.ac-a-marselle.fr/esed/gesto/mathf/mathf.html#e5aels
Plus en détail" BIOSTATISTIQUE - 1 "
ISTITUT SUPERIEUR DE L EDUCATIO ET DE LA FORMATIO COTIUE Départemet Bologe Géologe S0/ " BIOSTATISTIQUE - " Cours & Actvtés : Modher Abrougu Aée Uverstare - 008 Modher Abrougu Bostatstque «I» ISEFC - 008
Plus en détailGIN FA 4 02 01 INSTRUMENTATION P Breuil
GIN FA 4 0 0 INSTRUMENTATION P Breul OBJECTIFS : coatre les bases des statstques de la mesure af de pouvor d ue part compredre les spécfcatos d u composat et d autre part évaluer avec rgueur les performaces
Plus en détailCOURS DE MATHEMATIQUE FINANCIERE A COURT ET LONG TERME Promotion : Première année de graduat
P R O F E S REPUBLIQUE DEMOCRATIQUE DU CONGO ENSEIGNEMENT SUPEREIEUR ET UNIVERSITAIRE INSTITUT SUPERIEUR DE GESTION INFORMATIQUE DE GOMA /I.S.I.G-GOMA DEVELOPPEMENT ISIG M A T I O N COURS DE MATHEMATIQUE
Plus en détailConception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce
SETIT 2005 3 RD INTERNATIONAL CONFERENCE: SCIENCES OF ELECTRONIC, TECHNOLOGIES OF INFORMATION AND TELECOMMUNICATIONS MARCH 27-3, 2005 TUNISIA Cocepto d u outl décsoel pour la gesto de la relato clet das
Plus en détailIncertitudes expérimentales
U N I O N D E S P R O F E S S E U R S D E P H Y S I Q U E E T D E C H I M I E 995 Icerttudes érmetales par Fraços-Xaver BALLY Lcée Le Corbuser - 93300 Aubervllers et Jea-Marc BERROIR École ormale supéreure
Plus en détailConception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce
Cocepto d u outl décsoel pour la gesto de la relato clet das u ste de e-commerce Nazh SELMOUNE *, Sada BOUKHEDOUMA * ad Zaa ALIMAZIGHI * * Laboratore des Systèmes Iformatques(LSI )- USTHB - ALGER selmoue@wssal.dz
Plus en détailL Analyse Factorielle des Correspondances
Aalyse de doées Modle 5 : L AFC M5 L Aalyse Factorelle des Corresodaces L aalyse factorelle des corresodaces, otée AFC, est e aalyse destée a tratemet des tableax de doées où les valers sot ostves et homogèes
Plus en détailLE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE
LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe
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 détailRessources pour le lycée général et technologique
éduscol Ressources pour le lycée gééral et techologque Ressources pour le cycle termal gééral et techologque Mesure et certtudes Ces documets peuvet être utlsés et modés lbremet das le cadre des actvtés
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 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 détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailGénéralités sur les fonctions 1ES
Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :
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 détailOBLIGATION DU SECTEUR PRIVE : EVALUATION ET OUTIL DE GESTION DU RISQUE DE TAUX D INTERET
Jea-Claude AUGROS Professeur à l Uversté Claude Berard LYON I et à l Isttut de Scece Facère et d Assuraces ISFA Mchel QUERUEL Docteur e Gesto Igéeur de Marché Socété de Bourse AUREL Résumé : Cet artcle
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 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 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 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 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 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 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 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 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 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 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 détailCalculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.
1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle
Plus en détailPratique de la statistique avec SPSS
Pratque de la statstque avec SPSS SUPPORT Transparents ultéreurement amélorés et ms à jour sur le ste du SMCS LIENS UTILES Ste du SMCS (Support en Méthodologe et Calcul Statstque) : http://www.stat.ucl.ac.be/smcs/
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 détail1. Les enjeux de la prévision du risque de défaut de paiement
Scorng sur données d entreprses : nstrument de dagnostc ndvduel et outl d analyse de portefeulle d une clentèle Mrelle Bardos Ancen chef de servce de l Observatore des entreprses de la Banque de France
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 détailMesure avec une règle
Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système
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 détailSTATISTIQUE AVEC EXCEL
STATISTIQUE AVEC EXCEL Excel offre d nnombrables possbltés de recuellr des données statstques, de les classer, de les analyser et de les représenter graphquement. Ce sont prncpalement les tros éléments
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 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 détailRemboursement d un emprunt par annuités constantes
Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)
Plus en détailMUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB
MUTUELLE D&O MUTUELLE D&O Copilote de votre saté AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyace CRC CRIS CRPB-AFB DOMISSIMO-Assuraces DOMISSIMO-Services FONGECFA-Trasport IPRIAC MUTUELLE D&O OREPA-Prévoyace
Plus en détailLes jeunes économistes
Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque
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 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 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 détailExamen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot
Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars
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 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 détailComment les Canadiens classent-ils leur système de soins de santé?
Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté
Plus en détailÉconométrie. Annexes : exercices et corrigés. 5 e édition. William Greene New York University
Économétre 5 e édton Annexes : exercces et corrgés Wllam Greene New York Unversty Édton françase drgée par Dder Schlacther, IEP Pars, unversté Pars II Traducton : Stéphane Monjon, unversté Pars I Panthéon-Sorbonne
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 détailDivorce et séparation
Coup d oeil sur Divorce et séparatio Être attetif aux besois de votre efat Divorce et séparatio «Les premiers mois suivat u divorce ou ue séparatio sot très stressats. Votre patiece, votre cohérece et
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 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 détailMontage émetteur commun
tour au menu ontage émetteur commun Polarsaton d un transstor. ôle de la polarsaton La polarsaton a pour rôle de placer le pont de fonctonnement du transstor dans une zone où ses caractérstques sont lnéares.
Plus en détailVirtualization. Panorama des solutions de virtualisation sur différentes plate-formes. Laurent Vanel Systems Architect IBM Laurent_vanel@fr.ibm.
rtalzato Paorama des soltos de vrtalsato sr dfféretes plate-formes aret ael Systems Archtect IBM aret_vael@fr.bm.com 2008 IBM Corporato Evolto de la rtalsato des frastrctres Wdows Servers Maframe & U Servers
Plus en détailContrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations
Contrats prévoyance des TNS : Clarfer les règles pour sécurser les prestatons Résumé de notre proposton : A - Amélorer l nformaton des souscrpteurs B Prévor plus de souplesse dans l apprécaton des revenus
Plus en détailEstimation des incertitudes sur les erreurs de mesure.
Estmto des certtdes sr les errers de mesre. I. Itrodcto : E sceces epérmetles, l este ps de mesres ectes. Celle-c e pevet être q etchées d errers pls o mos mporttes selo le protocole chos, l qlté des strmets
Plus en détailn tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...
Nom:... Préom :... Chaque répose peut valoir : c) 2 poits si le choix est totalemet exact + poit si le choix est partiellemet exact + 0 poit si le choix est erroé + -i poit si le choix est u coeses Ue
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 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 détailSoutenue publiquement le Mardi 04/Mai/2010 MEMBRES DU JURY
Répblqes Algéree Démocratqe et Poplare Mstère de l Esegemet Spérer et de la Recherche Scetfqe Uversté MENTOURI Costate Faclté des Sceces de l'igéer Départemet de Gée Mécaqe N d ordre : /MAG/ Sére : /GM/
Plus en détailUne action! Un message!
Ue actio! U message! Cotact Master est u service exclusif de relaces automatiques de vos actes vers vos cliets, par SMS, messages vocaux, e-mails, courrier... Il se décleche lorsque vous réalisez ue actio
Plus en détailLE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régime») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF
1 LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régme») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF AVIS AUX RETRAITÉS ET AUX PARTICIPANTS AVEC DROITS ACQUIS DIFFÉRÉS Expédteurs
Plus en détailRECHERCHE DE CLIENTS simplifiée
RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées
Plus en détailTD 1. Statistiques à une variable.
Danel Abécasss. Année unverstare 2010/2011 Prépa-L1 TD de bostatstques. Exercce 1. On consdère la sére suvante : TD 1. Statstques à une varable. 1. Calculer la moyenne et l écart type. 2. Calculer la médane
Plus en détailRESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY
LO 4 : SOLUTO P L MTHO OTO, MLLM T KLY SOLUTO P L MTHO OTO, MLLM T KLY MTHO OTO. toductio Le théoème de oto va ous pemette de éduie u cicuit complexe e gééateu de couat éel. e gééateu possède ue souce
Plus en détailPourquoi LICIEL? Avec LICIEL passez à la vitesse supérieure EPROUVE TECHNICITE CONNECTE STABILITE SUIVIE COMMUNAUTE
L og c el s de D agnos t c s I mmob l er s Cont ac t eznous 32BddeS t r as bougcs3010875468 Par scedex10tel. 0253354064Fax0278084116 ma l : s er v c e. c l ent @l c el. f r Pourquo LICIEL? Implanté sur
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 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 détailPREMIERS PAS en REGRESSION LINEAIRE avec SAS. Josiane Confais (UPMC-ISUP) - Monique Le Guen (CNRS-CES-MATISSE- UMR8174)
PREMIERS PAS en REGRESSION LINEAIRE avec SAS Josane Confas (UPMC-ISUP) - Monque Le Guen (CNRS-CES-MATISSE- UMR874) e-mal : confas@ccr.jusseu.fr e-mal : monque.leguen@unv-pars.fr Résumé Ce tutorel accessble
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 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 détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en 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 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 détailCOMPARAISON DE MÉTHODES POUR LA CORRECTION
COMPARAISON DE MÉTHODES POUR LA CORRECTION DE LA NON-RÉPONSE TOTALE : MÉTHODE DES SCORES ET SEGMENTATION Émle Dequdt, Benoît Busson 2 & Ncolas Sgler 3 Insee, Drecton régonale des Pays de la Lore, Servce
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 détailOne Office Voice Pack Vos appels fixes et mobiles en un seul pack
Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailMobile Business. Communiquez efficacement avec vos relations commerciales 09/2012
Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre
Plus en détailLes nouveaux relevés de compte
Ifo CR Les ouveaux relevés de compte Les relevés de compte actuels du Crédit Agricole de Champage-Bourgoge sot issus de la migratio iformatique sur le GIE AMT e 2001 : petit format (mais A4 pour les Professioels),
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 détailFiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage
Fche n 7 : Vérfcaton du débt et de la vtesse par la méthode de traçage 1. PRINCIPE La méthode de traçage permet de calculer le débt d un écoulement ndépendamment des mesurages de hauteur et de vtesse.
Plus en détailOpérations bancaires avec l étranger *
Opératios bacaires avec l étrager * Coditios bacaires au 1 er juillet 2011 Etreprises et orgaismes d itérêt gééral Opératios à destiatio de l étrager Viremets émis vers l étrager : viremet e euros iférieur
Plus en détaile x dx = e x dx + e x dx + e x dx.
Chtr Foctos Gmm t foctos d Bssl Chtr Focto Gmm t foctos d Bssl Détrmto d l focto Gmm L focto Gmm st très sml à dédur à rtr d l tégrl d'eulr: Ctt tégrl st u focto d rmètr ; ll st rrésté r l symbol () t
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 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 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 détailDirigeant de SAS : Laisser le choix du statut social
Drgeant de SAS : Lasser le chox du statut socal Résumé de notre proposton : Ouvrr le chox du statut socal du drgeant de SAS avec 2 solutons possbles : apprécer la stuaton socale des drgeants de SAS comme
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 détailCalcul de tableaux d amortissement
Calcul de tableaux d amortssement 1 Tableau d amortssement Un emprunt est caractérsé par : une somme empruntée notée ; un taux annuel, en %, noté ; une pérodcté qu correspond à la fréquence de remboursement,
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 détailQuand BÉBÉ VOYAGE. Guide pratique sur les précautions à prendre
Quad BÉBÉ VOYAGE Guide pratique sur les précautios à predre Vous partez bietôt pour u log voyage avec votre jeue efat. Quelques précautios sot à predre avat, pedat le déplacemet et durat votre séjour.
Plus en détail