Le consommateur. David Bounie
|
|
- Constance Métivier
- il y a 6 ans
- Total affichages :
Transcription
1 Le consommateur David Bounie 1
2 Le comportement du consommateur La demande individuelle ou globale décrit les comportements de dépense d un ou des consommateurs pour chaque prix Mais comment le consommateur prend-il la décision de consommer? Ces décisions résultent de choix Il arbitre et maximise son utilité en conciliant ce qu il souhaite s offrir (préférences) avec ce qu il peut s offrir (contrainte budgétaire) 2
3 Le comportement du consommateur L ensemble budgétaire : ce qu il peut s offrir Les préférences : ce qu il souhaite s offrir Le choix optimal : ce qu il s offre 3
4 Le consommateur / La contrainte budgétaire 4
5 La contrainte budgétaire Qu est ce qui contraint les choix de consommation? Budget, temps, etc. 5
6 La contrainte budgétaire Un ensemble de consommation contenant unités de biens 1, unités de biens 2 et ainsi de suite jusqu à x n unités de biens n est noté par le vecteur (,,, x n ). Les prix des biens sont p 1, p 2,, p n. 6
7 La contrainte budgétaire Question: Quand l ensemble de consommation (,, x n ) est-il accessible aux prix p 1,, p n? 7
8 La contrainte budgétaire Question: Quand l ensemble de consommation (,, x n ) est-il accessible aux prix p 1,, p n? Réponse: Lorsque p p n x n m Où m est le revenu disponible du consommateur. 8
9 La contrainte budgétaire m /p 2 Soit deux biens X 1 et X 2 : La contrainte de budget est p 1 + p 2 = m. m /p 1 9
10 La contrainte budgétaire m /p 2 La contrainte de budget p 1 + p 2 = m. m /p 1 10
11 La contrainte budgétaire m /p 2 La contrainte de budget est : p 1 + p 2 = m. Panier possible m /p 1 11
12 La contrainte budgétaire m /p 2 La contrainte de budget est : p 1 + p 2 = m. Panier impossible Juste accessible m /p 1 12
13 La contrainte budgétaire m /p 2 La contrainte de budget est : p 1 + p 2 = m. Panier impossible Panier juste accessible Panier possible m /p 1 13
14 La contrainte budgétaire m /p 2 La contrainte de budget est : p 1 + p 2 = m. ensemble des paniers possibles. Ensemble de consommation m /p 1 14
15 La contrainte budgétaire m /p 2 p 1 + p 2 = m = -(p 1 /p 2 ) + m/p 2 donc la pente est -p 1 /p 2. Ensemble de consommation m /p 1 15
16 La contrainte budgétaire Que signifie la pente -p 1 /p 2? Cela signifie que si X 1 augmente de 1 unité, il faudra réduire X 2 de p 1 /p 2 pour rester dans l ensemble de consommation 16
17 La contrainte budgétaire Pente = -p 1 /p 2 -p 1 /p
18 Evolution de l ensemble de conso. La contrainte budgétaire et l ensemble de consommation dépendent des prix des biens et du revenu des consommateurs. Que se passe t-il lorsque le revenu et les prix changent? 18
19 Effet d un changement de revenu Comment change l ensemble de consommation quand le revenu augmente? Ensemble de consommation 19
20 Effet d un changement de revenu Nouveaux paniers possibles Droites parallèles Ensemble de consommation 20
21 Effet d un changement des prix m/p 2 Comment change l ensemble de consommation quand les prix changent? -p 1 /p 2 Ensemble de consommation P1 diminue: (P1 >P1 ) m/p 1 m/p 1 21
22 Effet d un changement des prix m/p 2 Nouveaux paniers possibles -p 1 /p 2 Ensemble de consommation m/p 1 m/p 1 22
23 Effet d un changement des prix m/p 2 Nouveaux paniers possibles -p 1 /p 2 Ensemble de consommation La pente passe de -p 1 /p 2 à -p 1 /p 2 -p 1 /p 2 m/p 1 m/p 1 23
24 La contrainte budgétaire La réduction du prix d un bien déplace la contrainte budgétaire. Elle accroît l ensemble de consommation. Les consommateurs ont un pouvoir d achat plus important. 24
25 Effet d une taxe sur les prix Soit une taxe uniforme de t % La contrainte de budget passe de p 1 + p 2 = m à (1+t)p 1 + (1+t)p 2 = m i.e. p 1 + p 2 = m/(1+t). 25
26 Effet d une taxe sur les prix m p 2 p 1 + p 2 = m m p 1 26
27 Effet d une taxe sur les prix m p 2 m ( t) p 1 2 p 1 + p 2 = m p 1 + p 2 = m/(1+t) m ( t) p 1 1 m p 1 27
28 Effet d une taxe sur les prix m p 2 m ( t) p 1 2 Une taxe uniforme sur tous le biens est équivalente à une taxe sur le revenu de m m t 1 t 1 t m m ( t) p 1 1 m p 1 28
29 Effet d une réduction du prix sur les quantités achetées Supposons que p 2 est constant (1 ) mais que p 1 = 2 pour 0 20 et p 1 =1 pour >20. Alors la pente est : -p 1 /p 2 = { et la contrainte est - 2, pour , pour > 20 29
30 La contrainte budgétaire 100 pente = - 2 / 1 = - 2 (p 1 =2, p 2 =1) m = 100 pente = - 1/ 1 = - 1 (p 1 =1, p 2 =1)
31 La contrainte budgétaire 100 pente = - 2 / 1 = - 2 (p 1 =2, p 2 =1) m = 100 pente = - 1/ 1 = - 1 (p 1 =1, p 2 =1)
32 La contrainte budgétaire 100 m = 100 Contrainte de budget Ensemble de consommation
33 Le consommateur / Les préférences 33
34 Les préférences Nous avons étudié les contraintes de la consommation (budget) Compte tenu de cette contrainte, comment le consommateur prend-il sa décision? 34
35 La rationalité en économie Postulat de comportement : Un décideur choisit toujours son alternative préférée parmi un ensemble d alternatives. Nous devons donc modéliser les préférences des consommateurs. 35
36 Relations de préférence On souhaite comparer deux paniers de biens, x et y. préférence stricte : x est préféré à y. préférence faible : x est au moins préféré à y. indifférence : x est autant préféré à y.
37 Relations de préférence Les préférences strictes, faibles et l indifférence sont toutes des relations de préférence. Ce sont des relations ordinales, i.e. elles établissent seulement un ordre dans lequel les paniers sont préférés.
38 Relations de préférence désigne la préférence stricte; p x y signifie que le panier x est préféré strictement à y. p
39 Relations de préférence désigne la préférence stricte; p x y signifie que le panier x est préféré strictement à y. p ~ désigne l indifférence; x ~ y signifie que x et y sont également préférés.
40 Relations de préférence désigne la préférence stricte; x y signifie que le panier x est préféré strictement à y. ~ désigne l indifférence; x ~ y signifie que x et y sont également préférés. f p p ~ désigne la préférence faible. f x ~ y signifie que x est préféré au moins autant qu à y.
41 Relations de préférence x f y et y f x implique x ~ y. ~ ~
42 Relations de préférence x f y et y f x implique x ~ y. ~ ~ x f y mais y f x n est pas vérifié : x y. ~ ~ p
43 Hypothèses à propos des relations de préférence Complétude : pour tous paniers x et y il est toujours possible que : x f y ~ ou y x. f ~ On peut toujours comparer deux biens (au moins une des 2 propositions est vraie).
44 Hypothèses à propos des relations de préférence Réflexivité : tout panier x est au moins préféré à lui-même; i.e. x f ~ x.
45 Hypothèses à propos des relations de préférence Transitivité : si x est au moins préféré à y, et y est au moins préféré à z, alors x est au moins préféré à z; i.e. x f y and y f z x f z. ~ ~ ~
46 Courbes d indifférence Prenons un panier de référence x. L ensemble de tous les paniers également préférés à x est la courbe d indifférence contenant x. i.e., l ensemble de tous les paniers y ~ x. courbe : abus de langage (ensemble) 46
47 Courbes d indifférence x x ~ x ~ x Relation d indifférence x x 47
48 Courbes d indifférence x z x y z p p y 48
49 Courbes d indifférence x I 1 Tous les paniers appartenant à I 1 sont strictement préférés à ceux appartenant à I 2 I 2 z y I 3 Tous les paniers appartenant à I 2 sont préférés à I 3 49
50 Courbes d indifférence x PF(x), l ensemble des paniers faiblement préférés à x. PF(x) inclus I(x). I(x) I(x ) 50
51 Courbes d indifférence x PS(x), l ensemble des paniers strictement préférés à x. N inclut pas l(x) I(x) 51
52 Courbes d indifférence I 1 I 2 Selon I 1, x ~ y. Selon I 2, x ~ z. Donc y ~ z. x z y 52
53 Courbes d indifférence I 1 I 2 Selon I 1, x ~ y. Selon I 2, x ~ z. Donc y ~ z. x z Impossible y 53
54 Pente des courbes d indifférence Quand la quantité consommée d un bien est toujours préférable alors, Les courbes d indifférence ont une pente négative.
55 Pente des courbes d indifférence Bien 2 Deux biens une pente négative. Bien 1
56 Pente des courbes d indifférence Quand la quantité consommée des biens d un panier est toujours préférable alors, Les courbes d indifférence ont une pente négative. Quand la quantité consommée d un des biens n est pas toujours préférable alors, Les courbes d indifférence ont une pente positive.
57 Pente des courbes d indifférence Bien 2 Un bien et un mal une pente positive. Bien 1
58 Préférences normales Une relation de préférence est dite normale si elle est monotone et convexe. Monotone : plus d unités de biens est toujours préférable.
59 Préférences normales Convexité : les mélanges de biens sont (au moins faiblement) préférés aux biens euxmêmes. Ex., le mélange de biens x et y est z = (0,5)x + (0,5)y. z est au moins préféré à x ou y.
60 Préférences normales: convexité +y 2 2 y 2 x z = x+y 2 y z est préféré à x et y +y 1 y
61 Préférences normales : convexité x z =(t +(1-t)y 1, t +(1-t)y 2 ) est préféré à x et y pour tout 0 < t < 1. y y 2 y 1 61
62 Cas extrêmes de courbes d indifférence : substitut parfaits Si un consommateur voit toujours les unités des biens 1 et 2 comme équivalentes, alors les biens sont des substituts parfaits; Seul le montant total des deux biens consommés influence le classement des préférences.
63 Cas extrêmes de courbes d indifférence : substitut parfaits 15 8 I 2 Pentes constantes = - 1. Les paniers dans I 2 (=15) sont strictement préférés à ceux de I 1 (=8). I
64 Cas extrêmes de courbes d indiff. : compléments parfaits Si un consommateur consomme toujours en proportion identique les biens 1 et 2 : ex. un pour un ; Les biens sont des compléments parfaits; Seul le nombre de paires d unités des deux biens modifie les préférences entre les paniers.
65 Cas extrêmes de courbes d indiff. : compléments parfaits o I 1 (5,5), (5,9) et (9,5) contiennent 5 paires chacun et sont également préférés. 5 9
66 Cas extrêmes de courbes d indiff. : compléments parfaits o I 1 I 2 (5,5), (5,9) et (9,5) contiennent 5 paires chacun et sont préférés à (9,9) qui contient 9 paires. 5 9
67 Pente d une courbe d indifférence La pente d une courbe d indifférence est le Taux Marginal de Substitution (TMS) le TMS est le montant de bien 2 auquel le consommateur est prêt à renoncer pour obtenir une unité supplémentaire de bien 1. 67
68 Taux marginal de substitution x Le TMS en x est la pente de la tangente en x de la courbe d indifférence 68
69 Taux marginal de substitution D x Le TMS en x est lim {D /D } D 0 = d /d D 69
70 Taux marginal de substitution d d x Le TMS est le montant de bien 2 auquel le consommateur est prêt à renoncer pour obtenir une unité supplémentaire de bien 1. 70
71 Le consommateur / L utilité 71
72 Fonction d utilité Une relation de préférence qui est complète, réflexive, transitive et continue peut être représentée par une fonction d utilité. La continuité signifie que de petits changements dans la consommation de biens causent de petits changements dans le niveau des préférences. 72
73 Fonction d utilité Une fonction d utilité U(x) représente une relation de préférence ssi : x x U(x ) > U(x ) p f ~ x x U(x ) < U(x ) p x ~ x U(x ) = U(x ). 73
74 Fonction d utilité L utilité est un concept ordinal. Exemple : si U(x) = 6 et U(y) = 2 alors x est strictement préféré à y. Cela ne signifie pas que x est 3 fois plus préféré à y. 74
75 Fonction d utilité et courbes d indifférence Exemple : Considérons les paniers suivants : (4,1), (2,3) et (2,2) Supposons que (2,3) (4,1) ~ (2,2) Nous pouvons attribuer à ces paniers toutes les valeurs qui préservent l ordre des préférences : Exemple : U(2,3) = 6 > U(4,1) = U(2,2) = 4. p 75
76 Fonction d utilité et courbes d indifférence Courbe d indifférence même niveau d utilité. Tous les paniers d une même courbe d indifférence procure le même niveau d utilité. 76
77 Fonction d utilité et courbes Dans notre exemple : d indifférence (2,3) (2,2) ~ (4,1) p U 6 U 4 77
78 Fonction d utilité et courbes d indifférence Une autre façon de le visualiser est de représenter cette situation en 3 dimensions avec le niveau d utilité sur l axe vertical 78
79 Fonction d utilité et courbes d indifférence Représentation en trois dimensions : Utilité U U Les courbes d indiff. les plus élevées sont préférées. 79
80 Fonction d utilité et courbes d indifférence Extension du graphique à plus de paniers : Utilité U 6 U 5 U 4 U 3 U 2 U 1 80
81 Fonction d utilité et courbes d indifférence Représentation dynamique pour saisir le lien entre les courbes d indifférence et la fonction d utilité : 81
82 Fonction d utilité et courbes d indifférence 82
83 Fonction d utilité et courbes d indifférence 83
84 Fonction d utilité et courbes d indifférence 84
85 Fonction d utilité et courbes d indifférence 85
86 Fonction d utilité et courbes d indifférence 86
87 Fonction d utilité et courbes d indifférence 87
88 Fonction d utilité et courbes d indifférence 88
89 Fonction d utilité et courbes d indifférence 89
90 Fonction d utilité et courbes d indifférence 90
91 Fonction d utilité et courbes d indifférence 91
92 Fonction d utilité et courbes d indifférence 92
93 Fonction d utilité et courbes d indifférence 93
94 Fonction d utilité et courbes d indifférence 94
95 Fonction d utilité et courbes d indifférence 95
96 Fonction d utilité et courbes d indifférence 96
97 Fonction d utilité et courbes d indifférence Une représentation complète des relations de préférence entre les biens nous permet d avoir la fonction d utilité. 97
98 Fonction d utilité utilité Unités appréciées d eau Fonction d utilité Unités d eau dépréciées x eau Il existe un point de satiété en x 98
99 Autre fonction d utilité et courbes d indifférence Au lieu de U(, ) = considérons : V(, ) = +. Quelle est la représentation graphique des courbes d utilité (substituts parfaits)?
100 Courbes d indifférence : substituts parfaits = 5 + = 9 + = 13 V(, ) = Toutes sont linéaires et parallèles
101 Autre fonction d utilité et courbes d indifférence Au lieu de U(, ) = ou V(, ) = +, considérons : W(, ) = min{, }. Quelle est la représentation graphique des courbes d utilité (compléments parfaits)?
102 Courbes d indifférence : compléments parfaits 45 o W(, ) = min{, } min{, } = 8 min{, } = 5 min{, } =
103 Utilité marginale L utilité marginale d un bien i, c est le supplément d utilité que procure la consommation d une unité supplémentaire de ce bien : U Umi x i 103
104 Utilité marginale Exemple : si U(, ) = 1/2 2 alors Um Um U 1 1/ x1 x2 x1 2 U 1/ 2 2 2x1 x2 x2 104
105 Utilité marginale et TMS L équation générale d une courbe d indifférence est U(, ) k, une cste. Considérons une variation (d,d ) qui maintient l utilité constante. On désire que la différentielle de cette identité donne : U U du dx dx 1 2 x x
106 Utilité marginale et TMS Où : U x dx 1 1 U x dx 2 2 U x dx U x dx 1 1 d x 2 U / x 1. d x 1 U / x 2 C est le TMS 106
107 Utilité marginale et TMS Exemple : U(, ) =, alors : U x U x 1 2 ( 1)( x ) ( x )( 1) x 2 2 x 1 1 Donc TMS = d x d x 2 1 U U / x / x 1 2 x x
108 Utilité marginale et TMS 8 6 U(, ) = ; TMS x x TMS(1,8) = - 8/1 = -8 TMS(6,6) = - 6/6 = U = 36 U = 8 108
109 Le consommateur / Le programme du consommateur 109
110 Le choix rationnel du consommateur Représentation graphique (dynamique) du choix du consommateur : 110
111 Le choix rationnel du consommateur Utilité 111
112 Le choix rationnel du consommateur Utilité 112
113 Le choix rationnel du consommateur Utilité 113
114 Le choix rationnel du consommateur Utilité 114
115 Le choix rationnel du consommateur Utilité 115
116 Le choix rationnel du consommateur Utilité 116
117 Le choix rationnel du consommateur Utilité 117
118 Le choix rationnel du consommateur Utilité Panier disponible mais pas le meilleur choix pour le consommateur 118
119 Le choix rationnel du consommateur Utilité Panier préféré du consommateur Panier disponible mais pas le meilleur choix pour le consommateur 119
120 Le choix rationnel du consommateur Utilité 120
121 Le choix rationnel du consommateur Utilité 121
122 Le choix rationnel du consommateur Utilité 122
123 Le choix rationnel du consommateur Utilité 123
124 Le choix rationnel du consommateur 124
125 Le choix rationnel du consommateur Paniers disponibles 125
126 Le choix rationnel du consommateur Paniers disponibles 126
127 Le choix rationnel du consommateur Paniers préférés Paniers disponibles 127
128 Le choix rationnel du consommateur Paniers préférés Paniers disponibles 128
129 Le choix rationnel du consommateur * * 129
130 Le choix rationnel du consommateur ( *, *) est le panier disponible préféré * * 130
131 Le choix rationnel du consommateur * ( *, *) est le panier tel que la pente de la droite de budget soit égal à la pente de la tangente de la courbe d indifférence * 131
132 Le choix rationnel du consommateur Exemple : Soit une fonction d utilité : U(x,x ) x x
133 Le choix rationnel du consommateur Um U (1) x 1 2 x1 U Um x 2 1 x TMS dx dx 2 Donc : U/ x U/ x (1) x x
134 Le choix rationnel du consommateur Au point ( *, *), TMS = -p 1 /p 2 donc * p p 1 x * 1 x *. 2 1 x p p * ( *, *) satisfont la contrainte de budget donc : p x * p x * m
135 Le choix rationnel du consommateur Deux équations à deux inconnues : p * 1 x * 2 1 p2 x * * (A) p1x1 p2x2 m. (B) x * 1 m p 1. m et x *. 2 p 2 135
136 Le choix rationnel du consommateur U(x,x ) x x * 2 x m p 2 * 1 x m p 1 136
137 Conclusion 137
138 Ce qu il faut retenir Un consommateur maximise son utilité en conciliant ce qu il souhaite s offrir (préférences) avec ce qu il peut s offrir (contrainte budgétaire). L ensemble budgétaire comprend l ensemble des paniers de consommation accessibles au conso. pour des prix et un revenu donnés. Une augmentation du revenu déplace la droite de budget vers le haut. 138
139 Ce qu il faut retenir Une modification du prix modifie la pente de la contrainte budgétaire. Les taxes et réductions modifient la pente de la droite de budget en changeant les prix. Les économistes supposent qu un consommateur peut classer les différents paniers de consommation. Le classement traduit ses préférences. 139
140 Ce qu il faut retenir Les courbes d indifférence sont utilisées pour représenter les préférences. Les préférences «normales» sont monotones et convexes. Le taux marginal de substitution mesure la pente de la courbe d indifférence. La fonction d utilité représente un ordre de préférences. La fonction d utilité est croissante à taux décroissant (satiété). 140
JOHANNA ETNER, MEGLENA JELEVA
OPENBOOK LICENCE / BACHELOR Micro économie JOHANNA ETNER, MEGLENA JELEVA Sommaire Remerciements... Introduction... V VII Chapitre 1 Demande et offre sur le marché... 1 Chapitre 2 Technologie de production...
Plus en détailMéthode : On raisonnera tjs graphiquement avec 2 biens.
Chapiittrre 1 : L uttiilliitté ((lles ménages)) Définitions > Utilité : Mesure le plaisir / la satisfaction d un individu compte tenu de ses goûts. (On s intéresse uniquement à un consommateur rationnel
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailLa demande Du consommateur. Contrainte budgétaire Préférences Choix optimal
La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailCONSOMMATION INTERTEMPORELLE & MARCHE FINANCIER. Epargne et emprunt Calcul actuariel
CONSOMMATION INTERTEMPORELLE & MARCHE FINANCIER Epargne et emprunt Calcul actuariel Plan du cours Préambule : la contrainte budgétaire intertemporelle et le calcul actuariel I II III Demandes d épargne
Plus en détailChapitre 2/ La fonction de consommation et la fonction d épargne
hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailEtude de fonctions: procédure et exemple
Etude de fonctions: procédure et exemple Yves Delhaye 8 juillet 2007 Résumé Dans ce court travail, nous présentons les différentes étapes d une étude de fonction à travers un exemple. Nous nous limitons
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 détailEXERCICES - ANALYSE GÉNÉRALE
EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par
Plus en détailPolitiques monétaire et fiscale Cours de M2R Printemps 2006
Politiques monétaire et fiscale Cours de M2R Printemps 2006 Ekkehard Ernst OCDE Ekkehard Ernst 1 Introduction et résumé du cours Objectifs Connaître et apprendre les concepts modernes d analyse monétaire
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailCHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal
III CHOIX OPTIMAL DU CONSOMMATEUR A - Propriétés et détermination du choix optimal La demande du consommateur sur la droite de budget Résolution graphique Règle (d or) pour déterminer la demande quand
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailChapitre 1: Introduction à la théorie de l équilibre à prix fixes
Chapitre 1: Introduction à la théorie de l équilibre à prix fixes L3 Eco-Gestion/ Faculté de Droit, Sciences Economiques et de Gestion Plan 1 Rappels sur l utilité espérée La représentation des événements
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailCOURS 2 : LA DEMANDE DU CONSOMMATEUR
Université Pierre et Marie Curie Licence Informatique 2014-2015 Cours LI 352 - Industrie Informatique et son Environnement Économique Responsable : Jean-Daniel Kant (Jean-Daniel.Kant@lip6.fr) COURS 2 :
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailExercices Alternatifs. Une fonction continue mais dérivable nulle part
Eercices Alternatifs Une fonction continue mais dérivable nulle part c 22 Frédéric Le Rou (copyleft LDL : Licence pour Documents Libres). Sources et figures: applications-continues-non-derivables/. Version
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailSujet 4: Programmation stochastique propriétés de fonction de recours
Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailANALYSE GÉNÉRALE - PROPOSITION DE CORRIGÉ. Exercice 1
ANALYSE GÉNÉRALE - PROPOSITION DE CORRIGÉ OLIVIER COLLIER Exercice 1 Le calcul de la banque. 1 Au bout de deux ans, la banque aurait pu, en prêtant la somme S 1 au taux d intérêt r pendant un an, obtenir
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en 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 détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détail6 Equations du première ordre
6 Equations u première orre 6.1 Equations linéaires Consiérons l équation a k (x) k u = b(x), (6.1) où a 1,...,a n,b sont es fonctions continûment ifférentiables sur R. Soit D un ouvert e R et u : D R
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailChapitre 5. Équilibre concurrentiel et bien-être
Chapitre 5 Équilibre concurrentiel et bien-être Microéconomie III 5 1 5.1 Qu est-ce qu un équilibre souhaitable socialement? E cacité versus équité Que nous permet de dire la science économique sur l e
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
Plus en détailAlgèbre binaire et Circuits logiques (2007-2008)
Université Mohammed V Faculté des Sciences Département de Mathématiques et Informatique Filière : SMI Algèbre binaire et Circuits logiques (27-28) Prof. Abdelhakim El Imrani Plan. Algèbre de Boole 2. Circuits
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en 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 détailConcurrence imparfaite
Concurrence imparfaite 1. Le monopole 2. Concurrence monopolistique 3. Hotelling et Salop 4. Concurrence à la Cournot 5. Concurrence à la Bertrand 6. Concurrence à la Stackelberg Monopole Un monopole,
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailL Equilibre Macroéconomique en Economie Ouverte
L Equilibre Macroéconomique en Economie Ouverte Partie 3: L Equilibre Macroéconomique en Economie Ouverte On abandonne l hypothèse d économie fermée Les échanges économiques entre pays: importants, en
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailCHAPITRE 1 : DE LA FONCTION DE DEMANDE DU CONSOMMATEUR À LA DEMANDE DE MARCHÉ
CHAPITRE : DE LA FONCTION DE DEMANDE DU CONSOMMATEUR À LA DEMANDE DE MARCHÉ..Introduction.2. Le point de départ de l analyse micro-économique du consommateur.3. La fonction de demande individuelle.4. Effets
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailVoici la plus récente édition de notre bulletin fiscal. Nous vous proposerons des idées de planification et un suivi de l actualité fiscale.
Voici la plus récente édition de notre bulletin fiscal. Nous vous proposerons des idées de planification et un suivi de l actualité fiscale. 1) Nouveau régime d imposition des dividendes Désignation tardive
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
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 détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
Plus en détailFONCTION DE DEMANDE : REVENU ET PRIX
FONCTION DE DEMANDE : REVENU ET PRIX 1. L effet d une variation du revenu. Les lois d Engel a. Conditions du raisonnement : prix et goûts inchangés, variation du revenu (statique comparative) b. Partie
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailCours Marché du travail et politiques d emploi
Cours Marché du travail et politiques d emploi L offre de travail Pierre Cahuc/Sébastien Roux ENSAE-Cours MTPE Pierre Cahuc/Sébastien Roux (ENSAE) L offre de travail 1 / 48 Introduction Introduction Examen
Plus en détailMesures gaussiennes et espaces de Fock
Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première
Plus en détailLogique. Plan du chapitre
Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels
Plus en détailTP Blender n 2 : Importation d un modèle SketchUp et animation
TP Blender n 2 : Importation d un modèle SketchUp et animation Service de Conception Géométrique Université de Liège Aérospatiale et Mécanique Conçu avec Blender 2.66 et SketchUp 8 De SketchUp à Blender
Plus en détailDérivation : cours. Dérivation dans R
TS Dérivation dans R Dans tout le capitre, f désigne une fonction définie sur un intervalle I de R (non vide et non réduit à un élément) et à valeurs dans R. Petits rappels de première Téorème-définition
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailANNEXE J POTEAUX TESTÉS SELON UN CHARGEMENT STATIQUE ET TESTÉS SELON UN CHARGEMENT CYCLIQUE ET STATIQUE
562 ANNEXE J POTEAUX TESTÉS SELON UN CHARGEMENT STATIQUE ET TESTÉS SELON UN CHARGEMENT CYCLIQUE ET STATIQUE 563 TABLE DES MATIÈRES ANNEXE J... 562 POTEAUX TESTÉS SELON UN CHARGEMENT STATIQUE ET TESTÉS
Plus en détailDérivation : Résumé de cours et méthodes
Dérivation : Résumé de cours et métodes Nombre dérivé - Fonction dérivée : DÉFINITION (a + ) (a) Etant donné est une onction déinie sur un intervalle I contenant le réel a, est dérivable en a si tend vers
Plus en détailCours 9. Régimes du transistor MOS
Cours 9. Régimes du transistor MOS Par Dimitri galayko Unité d enseignement Élec-info pour master ACSI à l UPMC Octobre-décembre 005 Dans ce document le transistor MOS est traité comme un composant électronique.
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailLe management des risques de l entreprise Cadre de Référence. Synthèse
Le management des risques de l entreprise Cadre de Référence Synthèse SYNTHESE L incertitude est une donnée intrinsèque à la vie de toute organisation. Aussi l un des principaux défis pour la direction
Plus en détailBaccalauréat ES Amérique du Nord 4 juin 2008
Baccalauréat ES Amérique du Nord 4 juin 2008 EXERCICE 1 Commun à tous les candidats f est une fonction définie sur ] 2 ; + [ par : 4 points f (x)=3+ 1 x+ 2. On note f sa fonction dérivée et (C ) la représentation
Plus en 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 détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailApprentissage par renforcement (1a/3)
Apprentissage par renforcement (1a/3) Bruno Bouzy 23 septembre 2014 Ce document est le chapitre «Apprentissage par renforcement» du cours d apprentissage automatique donné aux étudiants de Master MI, parcours
Plus en détailÉpargne et investissement. L épargne...
Épargne et investissement Les marchés financiers en économie fermée Basé sur les notes de Germain Belzile L épargne... Une personne désire se lancer en affaires (bureau de services comptables) Elle fait
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 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailGrandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test
Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite
Plus en détailChafa Azzedine - Faculté de Physique U.S.T.H.B 1
Chafa Azzedine - Faculté de Physique U.S.T.H.B 1 Définition: La cinématique est une branche de la mécanique qui étudie les mouements des corps dans l espace en fonction du temps indépendamment des causes
Plus en détailce n est pas un livre auto-suffisant (il est loin d être exhaustif )!
L MASS 1/13 Aide-mémoire et exercices corrigés. USTV MS41 Optimisation I Table des matières 1 Fonctions de plusieurs variables 3 Limites et continuité 13 3 Dérivabilité et différentiabilité, fonctions
Plus en détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailMarchés oligopolistiques avec vente d un bien non homogène
Marchés oligopolistiques avec vente d un bien non homogène Partons de quelques observations : 1. La plupart des industries produisent un grand nombre de produits similaires mais non identiques; 2. Parmi
Plus en détailModélisation du virus informatique Conficker
Mini Projet Calcul Scientifique Modélisation du virus informatique Conficker Worm Defender Engineering Bellot Guillaume Cornil Yoann Courty Arnaud Goldenbaum David Pascal Louis ESILV S4 Introduction :
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détail