Philippe BIENAIME Actuaire I.S.F.A., GPA Laboratoire de Sciences Actuarielle et Financière, I.S.F.A., Université Claude Bernard Lyon 1

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Philippe BIENAIME Actuaire I.S.F.A., GPA Laboratoire de Sciences Actuarielle et Financière, I.S.F.A., Université Claude Bernard Lyon 1"

Transcription

1 SYSTEMES BOUS-MALUS Phlppe BIEAIME Acuare I.S.F.A., GPA Laboraore de Scences Acuarelle e Fnancère, I.S.F.A., Unversé Claude Bernard Lyon ahale RICHARD GPA Laboraore de Scences Acuarelle e Fnancère, I.S.F.A., Unversé Claude Bernard Lyon Résumé : Après avor rappelé les ravaux BESSO J.L. e PARTRAT C. (99 sur les sysèmes Bonus-Malus, une exenson es proposée. Elle perme, pour des produs mulgaranes, de enr compe des snsralés propres à chacune des garanes. La modélsaon proposée pour les fréquences de snsres repose sur les los Posson-mélange mulvarées. En oure, ce sysème perme d négrer les évenuelles varaons de snsralés moyennes au cours du emps. Mos clés : Sysèmes Bonus-Malus ; Los Posson-mélange mulvarées ; Lo Posson- Gamma Mulvarée ; Lo Posson-Inverse Gaussenne mulvarée Deux méhodes de arfcaon son courammen ulsées par les assureurs : la arfcaon a pror : l assureur essae de prévor, dès l enrée d un nouvel assuré, sa snsralé fuure, la arfcaon a poseror : le arf nal de l assuré es adapé, au cours de la ve de son conra, à sa snsralé ndvduelle. Généralemen, une arfcaon a pror repose sur une segmenaon du porefeulle : on cherche à classer les assurés en foncon de leur rsque poenel. Pour cela, l s ag de séleconner des crères de arfcaon qu soen pernens e commercalemen ulsables. A l ssue de la segmenaon, l assureur dspose de classes homogènes d assurés (homogènes au sens où les varables aléaores du nombre e du monan des snsres de ous les assurés d une même classe son équdsrbuées. Dans la sue de ce arcle, nous supposerons que nous nous suons dans une elle classe, C. Cependan, pusque seuls les crères de arfcaon commercaux peuven êre prs en compe, au sen de chaque classe, l demeure une héérogénéé résduelle. C es à ce nveau qu nerven la arfcaon a poseror : afn de enr compe de l héérogénéé résduelle au sen de la classe C, on peu nrodure une arfcaon basée sur l hsorque du nombre de snsres de chaque assuré. Cee arfcaon peu prendre la forme d un sysème Bonus-Malus. Dans un premer emps, nous allons exposer les résulas des ravaux de BESSO J.L. e PARTRAT C. : en effe, ls on raé le cas d un sysème Bonus-Malus pour un produ à une garane. Ils prennen en compe la varaon endancelle de la fréquence BULLETI FRAÇAIS D ACTUARIAT, Vol.,, pp. -9

2 Ph. BIEAIME &. RICHARD moyenne annuelle de snsres au cours du emps. Ils ulsen, pour modélser cee fréquence, les los Posson-Gamma e Posson-Inverse Gaussenne. PARTRAT C., quan à lu, rae le cas d un produ à deux garanes sans prendre en compe, cependan, les varaons endancelles des snsralés. La lo ulsée es la lo Posson-Gamma bvarée. Dans un second emps, nous proposons une exenson des sysèmes cés cdessus : nous allons supposer que le produ que nous devons arfer es mulgaranes. ous ulserons donc les los Posson-Gamma mulvarée e Posson-Inverse Gaussenne mulvarée. ous endrons égalemen compe des varaons endancelles des fréquences moyennes annuelles de snsres assocées à chacune des garanes. I. LES TRAVAUX DE BESSO J.L. ET PARTRAT C. (99 A. SYSTEME BOUS-MALUS UIVARIE Le sysème Bonus-Malus présené dans cee premère pare concerne les produs à une garane. Il perme de enr compe de la snsralé passée de chaque assuré dans le calcul de sa prme : l repose sur la fréquence de snsres. Dans un premer emps, nous allons présener les los de probablé reenues pour modélser les fréquences de snsres. Pus, nous décrrons le sysème Bonus-Malus, c esà-dre le modèle mahémaque dans lequel l s nscr e les résulas qu l perme d obenr.. Les los de fréquence de snsres On suppose que quel que so l assuré chos dans la classe C, sa fréquence de snsres su une lo de Posson de paramère λ. Ce derner es l espérance du nombre de snsres e mesure donc le rsque poenel de chaque assuré. Ans fare l hypohèse d une lo de Posson, c es fare l hypohèse d une classe homogène au sens du rsque poenel des assurés. Cec es en conradcon avec l exsence d une héérogénéé résduelle au sen de la classe C. La lo de Posson ne conven donc pas. L ulsaon des los Posson-mélange perme, grâce à l nroducon d une varable de srucure, de reméder à ce problème de modélsaon : on suppose que la varable su une lo de Posson don le paramère λ es une réalsaon d une varable aléaore posve Λ qu on appelle varable de srucure. On suppose, en oure, que cee dernère adme une densé h. De manère plus formelle : - noaon : / Λ λ ~ > P( λ - lo de probablé : P( n P( n / Λ λ h( λ e λ n λ h( λdλ n! dλ

3 - momens : E ( E( Λ e Var( E( Λ + Var( Λ on remarque que E ( < Var( de la classe C. SYSTEMES BOUS-MALUS 3 ce qu révèle ben un phénomène d héérogénéé au sen Deux los on éé ulsées : les los Posson-Gamma e Posson-Inverse Gaussenne. - h( λ - E ( a. La lo Posson-Gamma On noe ~ > PG( r, β / Λ λ ~ > P( λ avec Λ ~ > γ( r, β r β λ Γ r β r βλ e ( r ~ > PG r, β ~ > B r, Remarque : ( + β - ( λ b. La lo Posson-Inverse Gaussenne On noe ~ > PIG( µ, β / Λ λ ~ > P( λ e Λ ~ > IG( µ, β µ πβλ ( λ µ e h βλ 3 - E ( µ Remarque : la lo Inverse Gaussenne Généralsée ( ν, µ β X ~ > IGG,, µ >, β > x ν β f - densé : ( x, x exp µ x + β x ν µ µ Kν β où Kν es la foncon de Bessel de 3 ème espèce modfée - E( X µ µ Kν+ β µ Kν β

4 4 Ph. BIEAIME &. RICHARD. Le modèle On noe S le monan cumulé des snsres, alors S X avec varable aléaore du nombre de snsres e X varable aléaore du coû du ème snsre. On suppose que : - e X son ndépendanes, * - {, *} La prme pure es alors E ( S E( m. On consdère (,...,, X es un..d. de moyenne m. + le veceur représenan les fréquences de snsres des (+ dernères années. On suppose que : - les v.a.r.,...,, + son, condonnellemen en Λ, ndépendanes. -,..., +, / Λ λ > ( ν λ pour P. ~ Ans, condonnellemen à la connassance du rsque poenel de l'assuré, les fréquences de snsres suven une lo de Posson don le paramère dépend de l'année de survenance des snsres. Cela perme de prendre en compe l'évoluon de la fréquence de snsres au cours du emps. L'nroducon du paramère ν es donc la formalsaon mahémaque de ce que nous avons appelé varaon endancelle de la fréquence moyenne de snsres au cours du emps. ous appellerons aux de varaon de la fréquence moyenne de snsres au cours du emps, ce paramère ν. a ν. On noe : ( ν 3. Les coeffcens de réducon-maoraon On consdère une polce de la classe C : le veceur aléaore (,..., fréquences de snsres des dernères années a pour réalsaon ( n,,n l événemen (,...,. n n de ses L. On noera V Le prncpe du sysème Bonus-Malus es de enr compe de cee nformaon pour «corrger» la prme pure a pror de la (+ ème année. A cee fn, nous calculons un coeffcen de réducon-maoraon de la prme pure, C+ ( n, L,n, qu n es aure que le rappor enre la prme pure a poseror E( S+ / V e la prme pure a pror E( S+, exprmé en pourcenage. E ( ( S+ / V C+ n,...,n E( S + Les hypohèses du modèle permeen de monrer que :

5 Pour calculer E( / SYSTEMES BOUS-MALUS 5 C + ( n,...,n E ( Λ / V E( Λ Λ V, l fau connaîre la lo de la varable Λ V, or : h Λ /V ( λ ( λ P( V / Λ λ ( y P( / Λ y h h V dy / Pusque ( / Λ λ λa ( ν P V e n λ ν n! ( n, on oben : Remarque : la lo de / V h h( λ λa ( ν n e λ Λ ( /v λ. ( ( ν n h y ya e y dy Λ ne dépend de la snsralé passée, ( n,...,n, que par le nombre oal de snsres n, l en donc de même du coeffcen de réducon-maoraon. L applcaon aux los Posson-Gamma e Posson-Inverse Gaussenne donne les résulas suvans. d où : E( / V a. La lo Posson-Gamma Grâce au derner résula du paragraphe précéden, on monre que : r + n β + a Λ ( ν on en dédu donc : C+ ( n,...,n Λ V ~ > γ r + n, β + a ( ν / n + r a + β ( ν b. La lo Posson-Inverse Gaussenne De même que précédemmen, on monre que :

6 6 Ph. BIEAIME &. RICHARD Λ / V ~ > IGG n, µ ( + βa ( ν, β( + βa ( ν µ K n + + β ( ν / a µ β d où : E( Λ / V + βa ν µ ( K / + βa ( ν n β on en dédu donc : µ K ( n + + β ν / a ( β C+ n,...,n + βa ( ν µ K / + βa ( ν n β B. SYSTEME BOUS-MALUS BIVARIE PARTRAT C. a abordé, en 99, le cas des produs à deux garanes don chacune a une fréquence de snsres qu lu es propre. Il s ag donc de consrure un sysème Bonus-Malus bvaré. L archecure de cee pare sera la même que celle de la pare A, c es-à-dre : présenaon des los reenues pour la modélsaon les fréquences de snsres, pus mse en place du sysème Bonus-Malus e enfn calcul effecf des coeffcens de réduconmaoraon.. Les los de fréquence de snsres Le modèle chos es le modèle Posson-mélange à ndépendance condonnelle de Greenwood e Hull. C es la ransposon au cas bvaré du modèle Posson-mélange ulsé ( dans le cas unvaré. Il nécesse une hypohèse supplémenare : s e ( son les fréquences de snsres des deux garanes consdérées, alors, condonnellemen à la ( connassance du rsque poenel, les varables e ( son ndépendanes. On suppose que la varable de srucure, Λ, adme une densé h. De manère plus formelle : - noaon : ( / Λ λ ~> P ( λ e ( / Λ λ ~> P ( aλ avec a > e ( condonnellemen à Λ, e ( son ndépendanes. - lo de probablé : P ( d ( ( ( ( ( n, n P n, n / Λ λ h( λ λ n aλ n e λ (aλ e n! n! h( λdλ λ

7 SYSTEMES BOUS-MALUS 7 - momens : E( ( E( Λ E( ( ae( Λ Var ( E Λ + Var Λ Var ( ae Λ + a Var Λ avec : ( ( ( ( (, ( avar( Λ Cov. Le modèle On noe S le monan cumulé des snsres, alors : X ( (,,X ( ( On suppose que : S S + S ( ( X + ( ( X ( ( ( : varables aléaores du nombre de snsres des deux garanes : varables aléaores du coû du ème snsre des deux garanes La prme pure es alors : ( S E ( On consdère ( (, (,...,( (, ( -, ( e X ( * son ndépendanes, -, ( X ( es un..d. de moyenne m ( - X ( e X ( k son ndépendanes, e k ( (.m + E( (.m ( E + + le veceur aléaore représenan les fréquences de snsres des (+ dernères années. On suppose que : - les veceurs ( (, (,..., + son, condonnellemen en Λ, ndépendans. - pour,...,q, ( / Λ λ ~ > P( λ ( / Λ λ ~ > P ( aλ On remarque que ce modèle ne perme pas, à l nsar du modèle unvaré, de enr compe de l évoluon des fréquences de snsres au cours du emps. 3. Les coeffcens de réducon-maoraon On consdère une polce de la classe C : le veceur aléaore ( (, (,...,( (, ( réalsaon ( ( (,...,( ( ( n,n n,n C des fréquences de snsres des dernères années a pour. On noera A l événemen ( ( ( ( n, ( n, K, ( ( n (, ( n ( Comme précédemmen, le coeffcen de réducon-maoraon ( ( ( ( ( (n,n,...,(n,n + es le rappor enre la prme pure a poseror E( S / A prme pure a pror ( E S+, exprmé en pourcenage, donc : + e la

8 8 C Ph. BIEAIME &. RICHARD ( ( ( ( ( E ( S+ / A (n,n,...,(n,n + ( De la même manère que dans le cas unvaré, les hypohèses du modèle permeen de monrer que : ( ( ( ( ( E ( Λ / A C+ (n,n,...,(n,n E Λ or P A Il fau donc déermner la lo de h Λ / Λ ( λ ( / Λ λ d'où : h Λ /A ( λ ( A / Λ λ h( λ ( / Λ y h( y P A P dy Λ / A : n ( + a ( + ( (n n a λ ( n!n λ e h ( λ λ ( + a e h( y e y ( ( a (n y + + ( ( (n + n λ ( n dy Remarque : la lo de Λ / A ne dépend de la snsralé passée ( ( n,n,, K n,n que ( ( par le nombre oal de snsres ( + n n, l en es donc de même pour les coeffcens. ( (! E S + ( ( ( ( ( de réducon-maoraon. Dans le cas bvaré PARTRAT C. ne s es néressé qu à la lo Posson-Gamma bvarée. En ulsan les résulas précédens, on monre que : Λ / A ce qu enraîne : E( / A ( ( ( ~ > γ r + + n n, β + ( + a r + ( ( ( n n + Λ, β + ( + a, e nous perme d obenr le coeffcen de réducon-maoraon suvan : C + ( ( ( n + n + ( ( (,...,( ( n,n n,n ( r. ( + a + β

9 II. SYSTEMES BOUS-MALUS 9 LE SYSTEME BOUS-MALUS MULTIVARIE ore bu, c, es de proposer une généralsaon des deux modèles précédens en consrusan un sysème Bonus-Malus adapé à un produ mul-garanes. Il en compe de la fréquence de snsres propre à chaque garane, e pour chacune de ces fréquences, l nègre son évenuelle évoluon au cours du emps en nrodusan des aux de varaon des fréquences moyennes de snsres. A. LES LOIS DE FREQUECE DE SIISTRES ous avons généralsé le modèle Posson-mélange à ndépendance condonnelle ulsé dans le cas bvaré. On consdère (,, L, q, les varables aléaores des fréquences de snsres des dfférenes garanes consdérées. On fa l hypohèse suvane : condonnellemen à la connassance du rsque poenel, les varables (,, L, q, son ndépendanes. On suppose que la varable aléaore de srucure des rsques poenels au sen de la classe C, Λ, adme une densé h. De manère plus formelle : - noaon : / Λ λ ~ > P( λ avec {, L,q} P ( a a > e la convenon a ( d ( (q ( ( (q n, L, nq P n, L, nq / Λ λ h( λ - momens : pour,...,q, E( ( a E( Λ Var ( a E Λ + a Cov q a λ a n e h( λ ( ( Var( Λ ( (, ( a a Var( Λ B. LE MODELE n n! q q λ On noe S le monan cumulé des snsres, alors : la varable aléaore du nombre de snsres de la ème garane e du coû du ème snsre de la ème garane. Les hypohèses son les suvanes : - ( e X ( son ndépendanes,k dλ q q ( S ( ( S X avec,...,q e, l λ ( X ( la varable aléaore

10 - - Ph. BIEAIME &. RICHARD ( es un..d. de moyenne m ( ( X ( e X ( k X son ndépendanes l q [ ( (.m ] La prme pure es alors : E( S E ( [( ( ( ( ] On consdère ( ( q,...,,..., q +,..., + le veceur aléaore représenan les fréquences de snsres des + dernères années. On suppose que : - les veceurs ( (,, (q -, ( Λ λ > ( / ~ P a ν λ L,..., + son, condonnellemen en Λ, ndépendans. ν es le aux de varaon, d une année à l aure, de la fréquence moyenne de snsres de la ème garane C. LES COEFFICIETS DE REDUCTIO-MAJORATIO On consdère une polce de la classe C : le veceur aléaore ( (,, (q,...,( (,, ( q L réalsaon ( (, (q,...,( ( n,n n, ( q L,n ( ( (, ( q n, ( q n, K, ( ( n (, L, ( q n ( q L des nombres de snsres des dernères années a pour L. On noera R l événemen L. Le coeffcen de réducon-maoraon es ouours défn par : C ( ( E ( ( S / R, (q,..., ( n,n n, ( q + L L,n + ( e les hypohèses du modèle nous permeen, là encore, de monrer que : hλ / R or P R ( λ C + E S + ( ( E ( Λ / R (n, L (q (,n,...,(n, ( q L,n Il fau donc déermner la lo de ( R / Λ λ h( λ ( / Λ y h( y P R P ( / Λ λ, dy Λ / R : ( ( ( q n q q a a e n ( d'où : ν λ ν λ n! E ( Λ

11 h q q ( ( λ h λ a ν λ n e Λ /R ( λ ( (. q q y a ν h y n e y dy SYSTEMES BOUS-MALUS Remarque : la lo de Λ / R ne dépend de la snsralé passée q ( ( n, L ( q,n, K, ( n (,,n ( q ( que par le nombre oal de snsres n, l en es donc de L même pour le coeffcen de réducon-maoraon. L applcaon aux los Posson-Gamma mulvarée ( (, ( q L, ~ > PGm( a, L,aq,r,β e Posson-Inverse Gaussenne mulvarée (, L ( q, ~ > PIGm a, L,a, µ, β donne les résulas suvans. ( ( que : Λ C La formule q. La lo Posson-Gamma muvarée q q > γ ( + R ~ r n, β + a ν ( λ q q λ ( h a ν λ n e hλ /R ( λ ( ( nous perme de monrer q q y a ν h y n e y dy / d où E( Λ / R On en dédu donc que : ( n + ( ( ( q ( ( ( q n, L,n,..., n, L,n r q a ν + β + q r + ( n q β + a ν q. La lo Posson-Inverse Gaussenne mulvarée De même que précédemmen, on peu monrer que : Λ / R q ~ > IGG ( n, µ q + β a ν q, β + β a ν

12 Ph. BIEAIME &. RICHARD d où : E ( Λ / R on en dédu donc que : ( ( ( q ( ( q C n, L,n, K, n, L,n + [ ( ] q ( µ K n + µ β q ( µ + q β a ν K n β q ( µ K n + β q ( µ + q β a ν K n β q + β a ν q + β a ν q + β a ν q + β a ν., III. APPLICATIOS UMERIQUES oaons : es le nombre d années d observaon e Σn es le nombre oal de snsres observés duran ces années. ν es le aux de varaon de la fréquence moyenne de snsres d une année sur l aure. Les ableaux e c-dessous conennen les coeffcens C + en foncon de e de Σn, pour ν égal à,9394 e une varable de srucure don la moyenne es,56877 e la varance, Tableau : Coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma. \ Σn

13 SYSTEMES BOUS-MALUS 3 Graphque : C + en foncon de e de Σn pour une modélsaon de la fréquence de snsres par une lo Posson-Gamma (ableau. C Σn Tableau : Coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Inverse Gaussenne. \ Σn

14 4 Ph. BIEAIME &. RICHARD Graphque : C + en foncon de e de Σn pour une modélsaon de la fréquence de snsres par un lo Posson-Inverse Gaussenne (ableau. C Σn On peu remarquer une grande smlaré enre les coeffcens obenus par chacune des deux modélsaons proposées. Cependan l exse des dfférences que le ableau 3 e le graphque 3 permeen de meux cerner. Le ableau 3 c-dessous conen les dfférences relaves observées enre les ableaux e 3. Tableau 3 : Dfférences relaves enre les coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma e une lo Posson-Inverse Gaussenne. \ Σn

15 SYSTEMES BOUS-MALUS C Coeffcen obenu avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma. C Coeffcen obenu avec une modélsaon de la fréquence de snsres par une lo Posson-Inverse Gaussenne. Dfférence relave (C - C / C Graphque 3 : Dfférences relaves enre les coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma e une lo Posson-Inverse Gaussenne en foncon de e de Σn (ableau 3. C Σn A propos des ableaux e, on remarque que : pour une durée d observaon donnée ( fxé, les coeffcens augmenen avec le nombre de snsres ( n. Cee suaon es évdene : plus un assuré a eu de snsres au cours de la durée d observaon consdérée, plus sa probablé d en avor d aures es mporane e par conséquen plus sa prme es élevée ; pour un nombre de snsres donné ( n fxé, les coeffcens dmnuen quand la durée d observaon augmene. Cee suaon es ou auss évdene que la précédene. Quan au ableau 3, on remarque que pour un nombre de snsres ( n fable, les dfférences relaves enre les coeffcens obenus à parr de chacune des los son rès fables. Lorsque le nombre de snsres augmene ces dfférences s accenuen. D aure par, pour un nombre de snsres fxé, les dfférences relaves augmenen quand la durée

16 6 Ph. BIEAIME &. RICHARD d observaon dmnue. En fa, la dfférence relave augmene avec le nombre de snsres par uné de emps ( n /. Les ableaux 4 e 5 c-dessous conennen les coeffcens C + en foncon de ν e de Σn, pour une durée d observaon,, égale à 5 e une varable de srucure don la moyenne es,56877 e la varance, Tableau 4 : Coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma. ν \ Σn Graphque 4 : C + en foncon de ν e de Σn pour une modélsaon de la fréquence de snsres par un lo Posson-Gamma (ableau 4.

17 SYSTEMES BOUS-MALUS 7 C ν Tableau 5 : Coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Inverse Gaussenne. ν \ Σn Graphque 5 : C + en foncon de ν e de Σn pour une modélsaon de la fréquence de snsres par un lo Posson-Inverse Gaussenne (ableau 5. Σn

18 8 Ph. BIEAIME &. RICHARD C Σn ν Comme lors de la premère analyse des coeffcens de réducon-maoraon en foncon de e de Σn, on peu remarquer une grande smlaré enre les coeffcens obenus par chacune des deux modélsaons proposées. Cependan, l exse des dfférences que le ableau 6 e le graphque 6 permeen de meux cerner. Le ableau 6 c-dessous conen les dfférences relaves observées enre les ableaux 4 e 5. Tableau 6 : Dfférences relaves enre les coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma e une lo Posson-Inverse Gaussenne ν \ Σn

19 SYSTEMES BOUS-MALUS 9 Graphque 6 : Dfférences relaves enre les coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma e une lo Posson-Inverse Gaussenne en foncon de ν e de Σn (ableau 6. C ν Σn A propos des ableaux 4 e 5, on remarque que : comme nous l avons déà consaé auparavan, les coeffcens augmenen avec le nombre de snsres (pour une valeur de ν fxée. pour un nombre de snsres fxé, les coeffcens augmenen quand le aux de varaon, ν, dmnue. En effe, un aux de varaon fable (< sgnfe une dmnuon de la fréquence moyenne de snsres au cours du emps. Ans pour un nombre de snsres donné, le malus augmene quand ν dmnue car la endance de l ensemble des assurés es d avor mons de snsres. De la même façon, le bonus des assurés non snsrés dmnue (c es à dre : le coeffcen de réducon-maoraon des assurés non snsrés augmene. De même, un aux de varaon élevé (> sgnfe une augmenaon de la fréquence moyenne de snsres. Ans, pour un nombre fxé de snsres, le malus dmnue quand ν augmene pusque la endance de l ensemble des assurés es d avor plus de snsres. De la même façon, le bonus des assurés non snsrés augmene. Quan au ableau 6, on remarque, comme pour le ableau 3, que pour un nombre de snsres fable, les dfférences relaves enre les coeffcens obenus à parr de chacune des los son rès fables (pour une valeur de ν fxée. D aure par pour un nombre de snsres fxé, lorsque le aux de varaon dmnue, la dfférence relave augmene.

20 Ph. BIEAIME &. RICHARD oaons : Esp e Var son, respecvemen, l espérance e la varance de la varable de srucure de la lo Posson-mélange qu modélse la fréquence de snsres. Les ableaux 7 e 8 c-dessous conennen les coeffcens C + en foncon de Esp e de (Var/Esp², pour ν égal à,9394, égal à 5 e Σn égal à. Tableau 7 : Coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma. (Coeffcens de BOUS Var/Esp² Esp % % % % % % % % % % Graphque 7 : C + en foncon de Esp e de Var/Esp² pour une modélsaon de la fréquence de snsres par un lo Posson-Gamma (ableau 7. (Coeffcens de Bonus

21 SYSTEMES BOUS-MALUS C % 8.% 6.5% 5.% 3.5%.%.5% 9.% 7.5% Esp 6.% 4.5% 3.% Var/Esp² Tableau 8 : Coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Inverse Gaussenne. (Coeffcens de Bonus Var/Esp² Esp % % % % % % % % % % Graphque 8 : C + en foncon de Esp e de Var/Esp² pour une modélsaon de la fréquence de snsres par un lo Posson-Inverse Gaussenne (ableau 8. (Coeffcens de Bonus

22 Ph. BIEAIME &. RICHARD C %.% 6.5% 5.% 9.5% 8.% % 4.5% 6.% 7.5% 9.%.5% Esp Var/Esp² Une nouvelle fos on peu remarquer une grande smlaré enre les coeffcens obenus par chacune des deux modélsaons proposées. Cependan l exse des dfférences que le ableau e le graphque permeen de meux cerner. Tableau 9 : Coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma. (Coeffcens de Malus Var/Esp² Esp % % % % % % % % % % Graphque 9 : C + en foncon de Esp e de Var/Esp² pour une modélsaon de la fréquence de snsres par une lo Posson-Gamma (ableau 9. (Coeffcens de Malus

23 SYSTEMES BOUS-MALUS 3 C + Var/Esp² Esp % 4.% 5.% 6.% 7.% 8.% 9.%.%.%.% 3.% 4.% 5.% 6.% 7.% 8.% 9.%.%.5. Les ableaux 7 e 8 concernen les coeffcens à applquer aux assurés non snsrés e qu bénéfcen donc d un bonus. On remarque que :

24 4 Ph. BIEAIME &. RICHARD les coeffcens de réducon-maoraon dmnuen (c es-à-dre que le bonus augmene lorsque la fréquence moyenne de snsres augmene (pour Var/Esp² fxé. Cela sgnfe, ou à fa logquemen, que, dans une classe d assurés don la fréquence moyenne de snsres es mporane, l assuré non snsré bénéfce d une dmnuon de prme plus mporane que s l fa pare d une classe d assurés don la fréquence moyenne de snsres es plus fable. le rappor Var/Esp² mesure l héérogénéé résduelle de la classe d assurés consdérée. Les coeffcens de réducon-maoraon dmnuen quand l héérogénéé augmene (pour une fréquence moyenne de snsres donnée. Cela sgnfe que plus la classe es héérogène plus les assurés non snsrés auron une dmnuon de prme mporane (bonus. Ce phénomène s accenue lorsque, en plus d êre héérogène, la classe d assurés a une fréquence moyenne de snsres mporane. Le ableau 9 concerne les coeffcens à applquer aux assurés ayan eu un snsre e qu on donc un malus. Il es consru avec les coeffcens obenus en ulsan la lo Posson-Gamma pour la modélsaon. S on remplaça cee dernère par la lo Posson- Inverse Gaussenne ou encore s on consdéra des assurés ayan eu pluseurs snsres, l analyse qu su sera la même. On remarque que : les coeffcens de réducon-maoraon dmnuen (c es-à-dre que le malus dmnue lorsque la fréquence moyenne de snsres augmene (pour Var/Esp² fxé. Cela sgnfe que dans une classe d assurés don la fréquence moyenne de snsres es élevée, l assuré, qu a eu un snsre, a une augmenaon de prme mons mporane que s l fa pare d une classe d assurés don la fréquence moyenne de snsres es plus fable. d aure par, à l nverse des coeffcens de bonus, les coeffcens de malus augmenen avec l héérogénéé (pour une fréquence moyenne de snsres donnée. Ce phénomène s accenue lorsque la fréquence moyenne de snsres es fable. Le ableau c-dessous conen les dfférences observées enre les ableaux 7 e 8. C Coeffcen obenu avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma (Tableau 7. C Coeffcen obenu avec une modélsaon de la fréquence de snsres par une lo Posson-Inverse Gaussenne (Tableau 8. Dfférence C - C Tableau : Dfférences enre les coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma e une lo Posson-Inverse Gaussenne. (Coeffcens de Bonus unquemen (Σn.

25 SYSTEMES BOUS-MALUS 5 Var/Esp² Esp % % % % % % % % % % Graphque : Dfférences enre les coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma e une lo Posson-Inverse Gaussenne en foncon de Esp e de Var/Esp² (ableau. C % 8.% 6.5% 5.% 3.5%.%.5% Var/Esp².8. 3.% 9.% 7.5% 6.% 4.5% Esp Le ableau c-dessous conen les dfférences observées enre les ableaux 9 e le même ableau obenu avec une modélsaon par une lo Posson-Inverse Gaussenne.

26 6 Ph. BIEAIME &. RICHARD Tableau : Dfférences enre les coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma e une lo Posson-Inverse Gaussenne. (Coeffcens de Malus unquemen (Σn. Var/Esp² Esp % % % % % % % % % % Graphque : Dfférences enre les coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma e une lo Posson-Inverse Gaussenne en foncon de Esp e de Var/Esp² (ableau. C % 4.% 5.% 6.% 7.% 8.% 9.%.%.%.% 3.% 4.% 5.% 6.% 7.% 8.% 9.%.% Var/Esp² Esp Le ableau c-dessous conen les dfférences observées enre les coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma e une lo Posson-Inverse Gaussenne. Ces dfférences son exprmées en foncon de Esp e de Var/Esp², pour un nombre de snsre, Σn.

27 SYSTEMES BOUS-MALUS 7 Tableau : Dfférences enre les coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma e une lo Posson-Inverse Gaussenne. (Coeffcens de Malus unquemen (Σn. Var/Esp² Esp % % % % % % % % % % Graphque : Dfférences enre les coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma e une lo Posson-Inverse Gaussenne en foncon de Esp e de Var/Esp² (ableau. C Var/Esp² % 8.% 6.5% 5.% 3.5%.%.5% 9.% 7.5% Esp 6.% 4.5% 3.% Le ableau 3 c-dessous conen les dfférences observées enre les coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma e une lo Posson-Inverse Gaussenne. Ces dfférences son exprmées en foncon de Esp e de Var/Esp², pour un nombre de snsre, Σn 5.

28 8 Ph. BIEAIME &. RICHARD Tableau 3 : Dfférences enre les coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma e une lo Posson-Inverse Gaussenne. (Coeffcens de Malus unquemen (Σn 5. Var/Esp² Esp % % % % % % % % % % Graphque 3 : Dfférences enre les coeffcens obenus avec une modélsaon de la fréquence de snsres par une lo Posson-Gamma e une lo Posson-Inverse Gaussenne en foncon de Esp e de Var/Esp² (ableau 3. C Esp Var/Esp² Le ableau concerne les coeffcens à applquer aux assurés non snsrés e qu bénéfcen donc d un bonus. On remarque que :

29 SYSTEMES BOUS-MALUS 9 oues les dfférences son négaves, ce qu sgnfe que les coeffcens obenus en ulsan la lo Posson-Gamma son nféreurs à ceux obenus à parr de la lo Posson-Inverse Gaussenne. Un assuré non snsré aura donc un bonus plus avanageux s la lo de fréquence de snsres es modélsée à parr d une lo Posson-Gamma. d aure par, les dfférences enre les deux modélsaons augmenen avec l héérogénéé résduelle de la classe consdérée (la fréquence moyenne de snsres éan fxée. Ce phénomène es d auan plus mporan que la fréquence moyenne de snsres es grande. Le ableau concerne les coeffcens à applquer aux assurés ayan eu un snsre e qu on donc un malus. On remarque que : à l nverse de la suaon où l assuré n es pas snsré, oues les dfférences son posves. En effe s la lo Posson-Gamma perme d accorder un bonus plus néressan aux assurés non snsrés que la lo Posson-Inverse Gaussenne, elle es en revanche plus sévère en ce qu concerne les malus. d aure par, comme pour le ableau, les dfférences enre les deux modélsaons augmenen avec l héérogénéé résduelle de la classe d assurés. Le ableau concerne les coeffcens à applquer aux assurés ayan eu snsres. On remarque que : cee fos les dfférences son posves ou négaves. Lorsque la fréquence moyenne de snsres es mporane, c es la lo Posson-Gamma qu donne les coeffcens de malus les plus désavanageux, alors que pour une fréquence moyenne de snsres fable, c es la lo Posson-Inverse Gaussenne qu es la plus sévère. d aure par, les dfférences augmenen, cee fos encore, avec l héérogénéé résduelle de la classe d assurés. Le ableau 3 concerne ouours les coeffcens à applquer en cas de malus, pour un nombre de snsres plus mporan ( n 5. On remarque que : Concluson les coeffcens obenus à parr de la lo Posson-Inverse Gaussenne son plus mporans que ceux obenus à parr de la lo Posson-Gamma. La lo Posson-Inverse Gaussenne es une modélsaon qu pénalse plus les assurés ayan un nombre mporan de snsres. Cee remarque va dans le même sens que ce qu ava éé observé dans le cas précéden. on consae ouours l augmenaon des dfférences lorsque l héérogénéé croî. L éape suvane, dans la mse en place de ce sysème Bonus-Malus, es l applcaon à des données. En effe, l va fallor calculer les esmaeurs des los

30 3 Ph. BIEAIME &. RICHARD mulvarées afn de pouvor, ensue, procéder à l adéquaon des los ulsées aux données. D aure par, l sera ceranemen néressan d ulser des los à plus de deux paramères pour la varable de srucure du rsque : par exemple, la lo Inverse Gaussenne Généralsée. REFERECES BESSO J.L. e PARTRAT C., Trend e sysème de Bonus-Malus, 99, ASTI Bullen, Vol., BIEAIME P. e RICHARD., Fréquence de snsres e Bonus-Malus, 998, Mémore d acuara, Insu des Scences Fnancère e d Assurances KOCHERLAKOTA S. e KOCHERLAKOTA K., Bvarae dscree dsrbuons, 99, Marcel Dekker PARTRAT C., Rsque e Sasque, 99, Bullen de l'i.a.f. spécal cenenare ère pare Sep-Déc 9 n 356 e 357 Phlppe BIEAIME ahale RICHARD G.P.A. Servce Acuara Drecon fonconnelle IRD 8, place des Cnq Maryrs du Lycée Buffon Pars Cedex 4 Tél : ( (ahale RICHARD ( (Phlppe BIEAIME Fax : ( Laboraore de Scences Acuarelle e Fnancère, I.S.F.A Unversé Claude Bernard Lyon 43, boulevard du ovembre Vlleurbanne Cedex.

La régression logistique PLS : Application à la détection de défaillance d entreprises

La régression logistique PLS : Application à la détection de défaillance d entreprises Busness Scool W O R K I N G P A P E R S E R I E S Workng Paper 04-38 La régresson logsque PLS : Applcaon à la déecon de défallance d enreprses BEN JABEUR Sam p://.pag.fr/fr/accuel/la-recerce/publcaons-wp.ml

Plus en détail

Modèles d analyse des biographies en temps discret Exemple d utilisation

Modèles d analyse des biographies en temps discret Exemple d utilisation Modèles d analyse des bographes en emps dscre Exemple d ulsaon Jean-Mare Le Goff Cenre Lnes Pôle Naonal de recherche Lves Unversé de Lausanne Plan Deux ypes de données dscrèes Modèles à emps dscre Modèle

Plus en détail

Gestion de production court terme en contexte incertain. Gestion de production à court terme. EDF R&D École Centrale Paris

Gestion de production court terme en contexte incertain. Gestion de production à court terme. EDF R&D École Centrale Paris Geson de producon cour erme en conee nceran EDF R&D École enrale Pars Geson de producon à cour erme Encadrans ndusrels : Gérald Vgnal - Jérôme Quenu Encadran académque : Yves Dallery-Mchel Mnou Snda Ben

Plus en détail

Modélisation et simulation de l hydroformage de liners métalliques pour le stockage d hydrogène sous haute pression

Modélisation et simulation de l hydroformage de liners métalliques pour le stockage d hydrogène sous haute pression Modélsaon e smulaon de l hydroformage de lners méallques pour le sockage d hydrogène sous haue presson J.C. Geln, C. Labergère,. Boudeau, S. Thbaud Insu FEMTO-ST, Déparemen Laboraore de Mécanque Applquée

Plus en détail

BILAN EN ELECTRICITE : RC, RL ET RLC

BILAN EN ELECTRICITE : RC, RL ET RLC IN N TIIT :, T I. INTNSIT : = dq d en couran varable I = Q en couran connu Méhode générale d éablssemen des équaons dfférenelles : lo d addvé des ensons pus relaons dq caracérsques :, lo d Ohm u = aux

Plus en détail

«Modèle Bayésien de tarification de l assurance des flottes de véhicules»

«Modèle Bayésien de tarification de l assurance des flottes de véhicules» Arcle «Modèle Baésen de arcaon de l assurance des loes de véhcules» Jean-Franços Angers, Dense Desardns e Georges Donne L'Acualé économque, vol. 80, n -3, 004, p. 53-303. Pour cer ce arcle, ulser l'normaon

Plus en détail

VALORISATION D OPTIONS DIGITALES EN SITUATION DE MARCHE INCOMPLET

VALORISATION D OPTIONS DIGITALES EN SITUATION DE MARCHE INCOMPLET VALORIAION D OPION DIGIALE EN IUAION DE MARCHE INCOMPLE Parck NAVAE Chrsophe VILLA CREREG, Insu de Geson de Rennes REUME L objecf prncpal poursuv dans ce arcle, es d éuder quelques applcaons e exensons

Plus en détail

But... 2. I. Généralités sur la quantification des risques dans le SST... 2. I.1 Modèle analytique... 3. I.1.1 Version intégrale...

But... 2. I. Généralités sur la quantification des risques dans le SST... 2. I.1 Modèle analytique... 3. I.1.1 Version intégrale... GUIDE PRATIQUE sur le modèle sandard SST pour les rsques de marché Edon du 23 décembre 204 Table des maères Bu... 2 I. Généralés sur la quanfcaon des rsques dans le SST... 2 I. Modèle analyque... 3 I..

Plus en détail

EVALUATION DE L IMPACT DU CREDIT D IMPÔT RECHERCHE

EVALUATION DE L IMPACT DU CREDIT D IMPÔT RECHERCHE EVALUATION DE L IMPACT DU CREDIT D IMPÔT RECHERCHE Benoî Mulkay e Jacques Maresse 2 Rappor pour le Mnsère l Ensegnemen supéreur e de la Recherche Novembre 20 Unversé de Monpeller Faculé d'econome beno.mulkay@unv-monp.fr

Plus en détail

La méthodologie d étude d évenement : Une méthode et des outils à s approprier en finance

La méthodologie d étude d évenement : Une méthode et des outils à s approprier en finance evue des Scences Humanes Unversé Mohamed Khder Bskra No :9 La méhodologe d éude d évenemen : Une méhode e des ouls à s approprer en fnance Unversé de Skkda ésumé: Les éudes d événemens son largemen applquées,

Plus en détail

Bureaux d études en traitement des images

Bureaux d études en traitement des images Bureau d éudes en raemen des mages ESERB Fère Téécommuncaons 3 ème année Opon SC ESERB Fère Eecronque 3 ème année Opon TS AEE 4-5 M. DOAS Bureau d éudes en raemen des mages PARTE REDRESSEMET Dans cee pare

Plus en détail

Combiner des apprenants: le boosting

Combiner des apprenants: le boosting Types d expers Combner des apprenans: le boosng A. Cornuéjols IAA (basé sur Rob Schapre s IJCAI 99 alk)! Un seul exper sur l ensemble de X! Un exper par sous-régons de X (e.g. arbres de décsons)! Pluseurs

Plus en détail

UNE POLITIQUE DE MAINTENANCE PREVENTIVE ASSOCIEE A UNE DEGRADATION ACCUMULATIVE BIVARIEE OBSERVEE CONTINUMENT

UNE POLITIQUE DE MAINTENANCE PREVENTIVE ASSOCIEE A UNE DEGRADATION ACCUMULATIVE BIVARIEE OBSERVEE CONTINUMENT UNE POITIQUE DE AINTENANE PREVENTIVE ASSOIEE A UNE DEGRADATION AUUATIVE BIVARIEE OBSERVEE ONTINUENT A PREVENTIVE AINTENANE POIY ASSOIATED WITH A ONTINUOUSY OBSERVED UUATIVE BIVARIATE DETERIORATION Ha Ha

Plus en détail

PRODUCTIVITE MULTIFACTORIELLE

PRODUCTIVITE MULTIFACTORIELLE Déparemen fédéral de l néreur DFI Offce fédéral de la Sasque OFS Économe, Éa e socéé Documen de raval Neuchâel, ocobre 2006 PRODUCTIVITE MULTIFACTORIELLE RAPPORT METHODOLOGIQUE Gregory Ras, OFS, secon

Plus en détail

UNE ÉVALUATION EMPIRIQUE DE LA NOUVELLE TARIFICATION DE L'ASSURANCE AUTOMOBILE (1992) AU QUÉBEC * par. Georges Dionne 1,2 Charles Vanasse 2

UNE ÉVALUATION EMPIRIQUE DE LA NOUVELLE TARIFICATION DE L'ASSURANCE AUTOMOBILE (1992) AU QUÉBEC * par. Georges Dionne 1,2 Charles Vanasse 2 UNE ÉVALUATION EMPIRIQUE DE LA NOUVELLE TARIFICATION DE L'ASSURANCE AUTOMOBILE (992) AU QUÉBEC * par Georges Donne,2 Charles Vanasse 2 * Cee recherche a éé rendu possble grâce en pare au Fonds pour la

Plus en détail

Régimes transitoires

Régimes transitoires ÉLECTOCINÉTIQUE chapre 3 égmes ransores En régme connu, les composanes capacves e nducves d un crcu son analogues respecvemen à un crcu ouver e à un cour-crcu. Elles n on donc aucun nérê. Cependan, s un

Plus en détail

L'INFLUENCE DU COUT D USAGE DU CAPITAL SUR LA DECISION D INVESTIR ET SUR L INVESTISSEMENT CORPOREL DES ENTREPRISES DE SERVICES FRANCAISES

L'INFLUENCE DU COUT D USAGE DU CAPITAL SUR LA DECISION D INVESTIR ET SUR L INVESTISSEMENT CORPOREL DES ENTREPRISES DE SERVICES FRANCAISES Cenre de Recherche pour l Eude e l Observaon des Condons de Ve L'NFLUENCE DU COUT D USAGE DU CAPTAL SUR LA DECSON D NVESTR ET SUR L NVESTSSEMENT CORPOREL DES ENTREPRSES DE SERVCES FRANCASES LE RECOURS

Plus en détail

Optimisation du plan de gestion du stock d une entreprise de distribution des produits pharmaceutiques

Optimisation du plan de gestion du stock d une entreprise de distribution des produits pharmaceutiques Revue es Scences e e la Technologe - RST- Volume 3 1 / janver 2012 Opmsaon u plan e geson u sock une enreprse e srbuon es prous pharmaceuques D. Bellala, M.S. oune, A. Abessme Laboraore 'Auomaque e e Proucque

Plus en détail

Notice d information contractuelle Entreprise article 83. Generali.fr

Notice d information contractuelle Entreprise article 83. Generali.fr parculers professonnels ENTREPRISES Noce d nformaon conracuelle Enreprse arcle 83 General.fr Noce d nformaon conracuelle Sommare Préambule... 3 Arcle 1 - Défnons... 3 Arcle 2 - bje... 4 Arcle 3 - Garanes...

Plus en détail

Plan. Définition, Historique, Régression Linéaire Multiple. Interprétation géométrique de la solution, Lien avec l analyse de Corrélation Canonique,

Plan. Définition, Historique, Régression Linéaire Multiple. Interprétation géométrique de la solution, Lien avec l analyse de Corrélation Canonique, Plan Défnon, Régresson Lnéare Mulple Massh-Réza Amn Technques d Analyse de Données e Théore de l Informaon Maser M IAD Parcours Recherche amn@polea.lp6.fr Hsorque, Inerpréaon géomérque de la soluon, Len

Plus en détail

Reconnaissance du Geste Humain par Vision Artificielle: Application à la Langue des Signes

Reconnaissance du Geste Humain par Vision Artificielle: Application à la Langue des Signes Reconnassance du Gese Human par Vson Arfcelle: Applcaon à la Langue des Sgnes Présené par: Arnaud Deslandes Arnaud.Deslandes@n-evry.fr Rappor de sage dans le cadre du : Inellgence Arfcelle Reconnassance

Plus en détail

particuliers PROFESSIONNELS entreprises Notice d information contractuelle Loi Madelin Generali.fr

particuliers PROFESSIONNELS entreprises Notice d information contractuelle Loi Madelin Generali.fr parculers PRFESSINNELS enreprses Noce d nformaon conracuelle Lo Madeln General.fr Noce d nformaon conracuelle Le présen documen es rems à re de proposon e de proje de conra. Naure de la Convenon : LA RETRAITE

Plus en détail

Notice d information contractuelle Loi Madelin. Generali.fr

Notice d information contractuelle Loi Madelin. Generali.fr parculers PRFESSINNELS enreprses Noce d nformaon conracuelle Lo Madeln General.fr Noce d nformaon conracuelle Le présen documen es rems à re de proposon e de proje de conra. Naure de la Convenon : LA RETRAITE

Plus en détail

PLAN D EVALUATION MAURDOR SECONDE CAMPAGNE

PLAN D EVALUATION MAURDOR SECONDE CAMPAGNE PLAN D EVALUATION MAURDOR ECONDE CAMPAGNE 1 INTRODUCTION Coordonnée par le Laboraore Naonal de mérologe e d Essas (LNE) e CAIDIAN, fnancée par la DGA, la présene campagne d évaluaon propose un cadre commun

Plus en détail

Modèles de Risques et Solvabilité en assurance Vie. Kaltwasser Perrine Le Moine Pierre. Autorité de Contrôle des Assurances et des Mutuelles (ACAM)

Modèles de Risques et Solvabilité en assurance Vie. Kaltwasser Perrine Le Moine Pierre. Autorité de Contrôle des Assurances et des Mutuelles (ACAM) Modèles de Rsques e Solvablé en assurance Ve Kalwasser errne Le Mone erre Auoré de Conrôle des Assurances e des Muuelles (ACAM 6, rue abou 75436 ARIS CEDEX 9 él. : + 33 55 5 43 5 fax : + 33 55 5 4 5 perrne.kalwasser@acam-france.fr

Plus en détail

Etude économétrique de l efficience informationnelle face aux anomalies sur les marchés boursiers

Etude économétrique de l efficience informationnelle face aux anomalies sur les marchés boursiers Eude économérque de l effcence nformaonnelle P P: 0-5 Eude économérque de l effcence nformaonnelle face aux anomales sur les marchés boursers Mohamed CHIKHI - Unversé de Ouargla- Membre assocé LAMETA -

Plus en détail

ÉCOLE DES HAUTES ÉTUDES COMMERCIALES AFFILIÉE À L'UNIVERSITÉ DE MONTRÉAL

ÉCOLE DES HAUTES ÉTUDES COMMERCIALES AFFILIÉE À L'UNIVERSITÉ DE MONTRÉAL ÉCOLE DES HAUTES ÉTUDES COMMERCIALES AFFILIÉE À L'UNIVERSITÉ DE MONTRÉAL Un algorhme de mnmax dynamque sochasque our la soluon d un roblème d omsaon de orefeulle ar Érc Srnguel Scences de la geson Mémore

Plus en détail

LA MESURE DES STOCKS DE CAPITAL, DES SERVICES DU CAPITAL ET DE LA PRODUCTIVITÉ MULTIFACTORIELLE

LA MESURE DES STOCKS DE CAPITAL, DES SERVICES DU CAPITAL ET DE LA PRODUCTIVITÉ MULTIFACTORIELLE Revue économque de l OCDE, n 37, 2003/2 LA MESURE DES STOCKS DE CAPITAL, DES SERVICES DU CAPITAL ET DE LA PRODUCTIVITÉ MULTIFACTORIELLE par Paul Schreyer TABLE DES MATIÈRES Inroducon... 186 Servces du

Plus en détail

N o 12-001-XIF au catalogue. Techniques d'enquête

N o 12-001-XIF au catalogue. Techniques d'enquête N o -00-XIF au caalogue echnques d'enquêe 005 Commen obenr d aures rensegnemens oue demande de rensegnemens au suje du présen produ ou au suje de sasques ou de serces connexes do êre adressée à : Dson

Plus en détail

Règlement d exploitation du Stade de glace Patinage public

Règlement d exploitation du Stade de glace Patinage public Règlemen d exploaon du Sade de glace Panage publc 1. Bu Le Sade de glace de Benne es un leu de renconre régonal. Son bu es de répondre aux besons du spor (spor de compéon e de losr), du délassemen acf

Plus en détail

LES DESEQUILIBRES DES PAIEMENTS INTERNATIONAUX (1967-2002) : CROISSANCE, POLARISATION ET FINANCIARISATION. Jean-Baptiste Gossé 1 et Julio Raffo 2

LES DESEQUILIBRES DES PAIEMENTS INTERNATIONAUX (1967-2002) : CROISSANCE, POLARISATION ET FINANCIARISATION. Jean-Baptiste Gossé 1 et Julio Raffo 2 LES DESEQUILIBRES DES PAIEMENTS INTERNATIONAUX (967-2002) : CROISSANCE, POLARISATION ET FINANCIARISATION Jean-Bapse Gossé e Julo Raffo 2 RÉSUMÉ Ce arcle rerace l émergence des déséqulbres mondaux de compe

Plus en détail

PREVISION DES VENTES ET EFFICACITE DES CHAINES LOGISTIQUES - ESSAI DE MODELISATION -

PREVISION DES VENTES ET EFFICACITE DES CHAINES LOGISTIQUES - ESSAI DE MODELISATION - Les Cahers du CREAD n 9 /00 5 PREVISION DES VENTES ET EFFICACITE DES CHAINES LOGISTIQUES - ESSAI DE MODELISATION - Mosefa BELMOKADDEM * Omar BENATEK ** RESUME Le bu de ce raval es un essa d analyse du

Plus en détail

INTRAROUGE THERMIQUE METEOSAT (SENEGAL), 1986

INTRAROUGE THERMIQUE METEOSAT (SENEGAL), 1986 EVALUATIN DE LA PLUVIMETRIE PAR CUMUL DES IMAGES INTRARUGE THERMIQUE METESAT (SENEGAL), 1986 IMBERNN J.' ASSAD E.* GUILLT B.** DAGRNE D.** Inroducon Des recherches on éé menées ces dernères années sur

Plus en détail

Notice d information contractuelle Loi Madelin. Generali.fr

Notice d information contractuelle Loi Madelin. Generali.fr parculers PRFESSINNELS enreprses Noce d nformaon conracuelle Lo Madeln General.fr Noce d nformaon conracuelle Le présen documen es rems à re de proposon e de proje de conra. Naure de la Convenon : LA RETRAITE

Plus en détail

ANNEXE I TRANSFORMEE DE LAPLACE

ANNEXE I TRANSFORMEE DE LAPLACE ANNEE I TRANSFORMEE DE LAPLACE Perre-Smon Lalace, mahémacen franças 749-87. Lalace enra à l unversé de Caen a 6 ans. Très ve l s néressa aux mahémaques e fu remarqué ar d Alember. En analyse, l nrodus

Plus en détail

Sous-Evaluation Des Introductions En Bourse: Application D une Frontiere Stochastique Sur Le Nouveau Marche

Sous-Evaluation Des Introductions En Bourse: Application D une Frontiere Stochastique Sur Le Nouveau Marche Sous-Evaluaon Des Inroducons En Bourse: Applcaon D une Fronere Sochasque Sur Le Nouveau Marche Samy Ben Naceur e Mohamed Goaïed Workng Paper 039 SOUS-EVALUATION DES INTRODUCTIONS EN BOURSE: APPLICATION

Plus en détail

Propriétés des mesures de la dépense énergétique quotidienne habituelle

Propriétés des mesures de la dépense énergétique quotidienne habituelle Recuel u Symposum 014 e Sasque anaa Au-elà es méhoes raonnelles enquêes : l aapaon à un mone en évoluon Propréés es mesures e la épense énergéque quoenne habuelle Wayne A. Fuller 1 e Dave Oshus Résumé

Plus en détail

Real and nominal convergence amongst MENA countries

Real and nominal convergence amongst MENA countries MRA Munch ersonal ReEc Archve Real and nomnal convergence amongs MENA counres REY, Serge CATT, Unversy of au e ays de l Adour Sepember 2005 Onlne a hp://mpra.ub.un-muenchen.de/30206/ MRA aper No. 30206,

Plus en détail

Présentation de la plateforme

Présentation de la plateforme e o N n o a n n e o s é r a s P l u d e c Présenaon de la plaeforme Mad Doc es un espace vruel de consulaon e de mse à dsposon de suppors e nformaons produs / servces ITGA. L objecf es de connuer à s nscrre

Plus en détail

Émissions d obligations rachetables :

Émissions d obligations rachetables : Émssons d oblgaons racheables : movaons e rendemens oblgaares mplqués Maxme DEBON Franck MORAUX Parck NAVATTE Unversé d Evry Unversé de Rennes Unversé de Rennes & LAREM & CREM & CREM Ocobre 2 Absrac Après

Plus en détail

par Yazid Dissou** et Véronique Robichaud*** Document de travail 2003-18

par Yazid Dissou** et Véronique Robichaud*** Document de travail 2003-18 Deparmen of Fnance Mnsère des Fnances Workng Paper Documen de raval Conrôle des émssons de GES à l ade d un sysème de perms échangeables avec allocaon basée sur la producon Une analyse en équlbre général

Plus en détail

Chapitre 1.1a Les oscillations

Chapitre 1.1a Les oscillations Chapre 1.1a Les oscllaons La cnémaque La cnémaque es l éue u mouvemen un obje en foncon u emps. Pour ce fare, nous avons recours au conceps e poson, vesse e accéléraon : Poson : ( uné : m Vesse : v ( uné

Plus en détail

q A q B B augmente dans le temps, ce qui signifie que A dt Quand le courant circule en sens inverse du sens choisi, l intensité est négative, les

q A q B B augmente dans le temps, ce qui signifie que A dt Quand le courant circule en sens inverse du sens choisi, l intensité est négative, les L essenel du cours proposé par Mahmoud Gazzah Le condensaeur, le dpôle Descrpon sommare d un condensaeur Défnon e symbole : Un condensaeur es consué de deux armaures méallques séparées par un solan appelé

Plus en détail

Modélisations du risque en assurance automobile. Michel Grun-Rehomme Université Paris 2 et Ensae Email: grun@ensae.fr

Modélisations du risque en assurance automobile. Michel Grun-Rehomme Université Paris 2 et Ensae Email: grun@ensae.fr Modélsatons du rsque en assurance automoble Mchel Grun-Rehomme Unversté Pars 2 et Ensae Emal: grun@ensae.fr 1 Modélsatons du rsque en assurance automoble La snstralté est mesurée en terme de fréquence

Plus en détail

Politique éducative et marché du travail en Afrique du Sud. Une analyse en équilibre général calculable dynamique

Politique éducative et marché du travail en Afrique du Sud. Une analyse en équilibre général calculable dynamique Caher de recherche/workng Paper 09-37 Polque éducave e marché du raval en Afrque du Sud. Une analyse en équlbre général calculable dynamque Hélène Masonnave Bernard Decaluwé Aoû/Augus 2009 Masonnave: Pos

Plus en détail

Valeur économique de dettes subordonnées pour des sociétés non-vie

Valeur économique de dettes subordonnées pour des sociétés non-vie Valeur économque de dees subordonnées our des socéés non-ve - Franços Bonnn (Hram Fnance) - Frédérc Planche (Unversé Lyon, Laboraore SAF) - Monassar Tammar (Prm Ac) - Amédée de Clermon-Tonnerre (Cohen

Plus en détail

TH R. 220V 50Hz. i a. chronogrammes : V GK. φ+2π

TH R. 220V 50Hz. i a. chronogrammes : V GK. φ+2π edressemen monophasé commandé C.P.G.E-SI-SAFI edressemen monophasé commandé Inroducon : Un monage redresseur commandé perme d obenr une enson connue réglable à parr d une enson alernave snusoïdale. L ulsaon

Plus en détail

COMPRENDRE LA METHODE X11

COMPRENDRE LA METHODE X11 COMPRENDRE LA METHODE X Domnque LADIRAY, Benoî QUENNEVILLE Julle 999 Domnque Ladray es Admnsraeur de l Insu Naonal de la Sasque e des Éudes Économques, 8 Boulevard Adolphe Pnard, 754 Pars, France. Ce raval

Plus en détail

Energie et puissance électrique

Energie et puissance électrique - 1 - Energe e pussance élecrque 1 Tes de saor : Valeur effcace a) So un sgnal () pérodque de pérode T. Défnr sa aleur effcace en radusan «R.M.S». Pus défnr sa aleur effcace sous forme d une négrale. b)

Plus en détail

Mécanisme international de la transmission des cycles économiques entre les États-Unis et les pays Asiatiques

Mécanisme international de la transmission des cycles économiques entre les États-Unis et les pays Asiatiques Mécansme nernaonal de la ransmsson des cycles économques enre les Éas-Uns e les pays Asaques Amra MAJOUL majoul_amra@homal.com Appled Quanave Analyss Un (UAQUAP) - ISG and GATE (UMR 5824- CNRS), Hgher

Plus en détail

INF135 Travail Pratique #1 Remise le 16 octobre 2012

INF135 Travail Pratique #1 Remise le 16 octobre 2012 École de Technologe Supéeue Pa : Fancs Boudeau, ÉcThé Révson : Aïda Ouangaoua INF35 Taval Paque # Remse le 6 ocobe 0 Inaon à la pogammaon en géne mécanque Taval ndvduel. Objecfs - Mee en applcaon des noons

Plus en détail

Modélisation semi-analytique et choix optimal des procédés CRTM

Modélisation semi-analytique et choix optimal des procédés CRTM 9 ème Congrès Franças de Mécanque Marselle, 4-8 aoû 9 Modélsaon sem-analyque e chox opmal des procédés CRTM A. MAMONE a, A. SAOAB a, C. H. PARK a,t. OAHBI a a. Laboraore d Ondes e Mleux Complexes, FRE

Plus en détail

CIFA 2004 Synthèse mixte H 2 /H par retour d état statique

CIFA 2004 Synthèse mixte H 2 /H par retour d état statique 4 Snhèse mxe H /H par reor d éa saqe SLH SLH, ENS RZELER Laboraore d nalse e commandes des ssèmes, LS-EN amps nversare, P 37 Le belvédère ns - nse Laboraore d nalse e rchecre des Ssèmes, LS-NRS 7 vene

Plus en détail

NOTES TECHNIQUES SUR LA CONSTRUCTION DU PROFIL DE PAUVRETE 2001 ET L ANALYSE DE LA DYNAMIQUE DE LA PAUVRETE ENTRE 1999 2001

NOTES TECHNIQUES SUR LA CONSTRUCTION DU PROFIL DE PAUVRETE 2001 ET L ANALYSE DE LA DYNAMIQUE DE LA PAUVRETE ENTRE 1999 2001 REPOBLIKAN I MADAKASIKARA anndrazana Fahafahana- Fandrosoana MINISERE DE L ECONOMIE E DE LA PLANIFICAION SECREARIA GENERAL INSIU World Bank CORNELL NAIONAL DE LA U N I V E R S I Y SAISIQUE Drecon Des Sasques

Plus en détail

Titre : Développement d outils statistiques pour la mise en place de boucles de régulation en microélectronique

Titre : Développement d outils statistiques pour la mise en place de boucles de régulation en microélectronique THESE En vue de l obenon du DOCTORAT DE L'UNIVERSITE DE TOULOUSE III Délvré par l unversé Toulouse III - Paul Sabaer Dscplne : Mahémaques Applquées Opon : Sasque Présenée e souenue par : Carolne PACCARD

Plus en détail

Décomposition d une fraction rationnelle en éléments simples

Décomposition d une fraction rationnelle en éléments simples Décomposon d une fracon raonnelle en élémens smples I Premère éape Dvson eucldenne de polynômes On rappelle que procéder à la dvson eucldenne d un polynôme A par un polynôme B non nul, c es écrre A BQ

Plus en détail

Numéro 2007/04 - Juillet 2007 Guide pratique des comptes chaînés

Numéro 2007/04 - Juillet 2007 Guide pratique des comptes chaînés uméro 27/4 - Julle 27 Gude praque des compes chaînés Luc EYRAUD Gude praque des compes chaînés Luc Eyraud Ce documen de raval n engage que ses aueurs. L obje de sa dffuson es de smuler le déba e d appeler

Plus en détail

UNIVERSITE DE PARIS X Année universitaire

UNIVERSITE DE PARIS X Année universitaire UNIVERSITE DE PARIS X Année unversare 008-009 UFR SEGMI L Econome & Geson Travau drgés Sasques Economques Fasccule 3 N. CHEZE e D. ABECASSIS Eercces reprs ou adapés de G. NEUBERG RÉGRESSION Eercce Graphque

Plus en détail

Intégration financière en Asie de l Est : l apport des tests de stationnarité et de cointégration en panel

Intégration financière en Asie de l Est : l apport des tests de stationnarité et de cointégration en panel Inégraon fnancère en Ase de l Es : l appor des ess de saonnaré e de conégraon en panel Cyrac GUILLAUMIN 1 Documen de raval CEPN 19/2008 Résumé : L objecf de ce paper es de mesurer le degré d négraon fnancère

Plus en détail

Allocation stratégique d actifs et ALM pour les régimes de retraite

Allocation stratégique d actifs et ALM pour les régimes de retraite N d ordre : 00-0 Année 0 THÈSE présenée devan l UNIVERSITÉ CLAUDE BERNARD - LYON ISFA pour l obenon du DIPLÔME DE DOCTORAT Spécalé scences acuarelle e fnancère présenée e souenue publquemen le 00/00/0

Plus en détail

Commande sans modèle (?)

Commande sans modèle (?) Commande sans modèle? Jacques Lon Unversé de Savoe jacques.lon@unv-savoe.fr Cours Ecole de Bucares 2012 1 Plan Présenaon du conexe Inroducon à la commande avec/sans modèle Approches classques Commande

Plus en détail

«Modèles économétriques de remboursement de prêts étudiants au Canada»

«Modèles économétriques de remboursement de prêts étudiants au Canada» Arcle «Modèles économérques de remboursemen de rês éudans au Canada» Mare Connolly, Claude Monmarquee e Al Béjaou 'Acualé économque, vol. 80, n -3, 004,. 305-339. Pour cer ce arcle, ulser l'nformaon suvane

Plus en détail

Annuités. I Définition : II Capitalisation : ( Valeur acquise par une suite d annuités constantes ) V n = a t

Annuités. I Définition : II Capitalisation : ( Valeur acquise par une suite d annuités constantes ) V n = a t Annuiés I Définiion : On appelle annuiés des sommes payables à inervalles de emps déerminés e fixes. Les annuiés peuven servir à : - consiuer un capial ( annuiés de placemen ) - rembourser une dee ( annuiés

Plus en détail

Calculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.

Calculer 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 détail

LIMITES DU MARCHÉ : MONOPOLE NATUREL

LIMITES DU MARCHÉ : MONOPOLE NATUREL LIMITES DU MARCHÉ : MONOPOLE NATUREL Le monopole naurel CM décroî avec l échelle de producon = Cm rès fable / CF L Éa do réglemener Soluon 1 : arfcaon au coû margnal Effcace au sens de Pareo mas peres

Plus en détail

Chapitre III- 2- RÉGIME SINUSOÏDAL GÉNÉRALITÉS. 2π T II- GRANDEURS RELATIVES AU RÉGIME SINUSOÏDAL OBJECTIFS I- POURQUOI ÉTUDIER LE RÉGIME SINUSOÏDAL?

Chapitre III- 2- RÉGIME SINUSOÏDAL GÉNÉRALITÉS. 2π T II- GRANDEURS RELATIVES AU RÉGIME SINUSOÏDAL OBJECTIFS I- POURQUOI ÉTUDIER LE RÉGIME SINUSOÏDAL? OBJECTFS Chapre - - RÉGME SNSOÏDAL GÉNÉRALTÉS - Monrer l'mporance d régme snsoïdal en élecronqe e dans d'ares domanes. - Défnr les granders relaves à n sgnal snsoïdal. - Savor représener ne grander snsoïdale

Plus en détail

) = n. ) = 2n. D - Inférence Statistique - Estimation et Tests d hypothèses 5. Tests du Khi-deux (non paramétrique) Loi du Chi-deux (χ 2 n

) = n. ) = 2n. D - Inférence Statistique - Estimation et Tests d hypothèses 5. Tests du Khi-deux (non paramétrique) Loi du Chi-deux (χ 2 n 5. Tests du Kh-deux (non paramétrque) Lo du Ch-deux (χ n ) à n degrés de lberté (ddl) S X 1, X,..., X n, sont n varables ndépendantes, suvant toutes une lo normale N (0,1), la varable χ n = X 1 + X + +

Plus en détail

Cours Thème VIII.3 CONVERSION STATIQUE D'ÉNERGIE

Cours Thème VIII.3 CONVERSION STATIQUE D'ÉNERGIE ours hème VIII.3 ONVSION SAIQU D'ÉNGI 3- Famlles de conversseurs saques Suvan le ype de machne à commander e suvan la naure de la source de pussance, on dsngue pluseurs famlles de conversseurs saques (schéma

Plus en détail

THÈSE. Présentée par. Bassem JIDA. Pour obtenir le grade de DOCTEUR DE L UNIVERSITÉ DU LITTORAL CÔTE D OPALE

THÈSE. Présentée par. Bassem JIDA. Pour obtenir le grade de DOCTEUR DE L UNIVERSITÉ DU LITTORAL CÔTE D OPALE N d ordre : ULCO 008.35 Annee 008 THÈSE Présenée par Bassem JIDA Pour obenr le grade de DOCTEUR DE L UNIVERSITÉ DU LITTORAL CÔTE D OPALE Spécalé : Géne Informaque, Auomaque e Traemen du Sgnal e des Images

Plus en détail

Regional Wind Speed Evolution Identification and Longterm Correlation Application

Regional Wind Speed Evolution Identification and Longterm Correlation Application Regonal Wnd Speed Evoluon Idenfcaon and Longerm Correlaon Applcaon Idenfcaon de l évoluon régonale de la vesse du ven e applcaon à la corrélaon long erme B. Buffard, Theola France, Monpeller Exernal Arcle

Plus en détail

Intégrateur. v e. 20log T 0

Intégrateur. v e. 20log T 0 G. Pnson - Physque Applquée Foncons négraon e dérvaon - A22 / A22 - Foncons négraon e dérvaon τ = = τ ( )d éponse à un échelon (réponse ndcelle) Inégraeur : = E < : = = E τ E -a. éponse en fréquence =

Plus en détail

Chapitre 1.14 L intégrale en cinématique

Chapitre 1.14 L intégrale en cinématique Chapre.4 L négrale en cnémaque L négrale En mahémaque, on éfn l négrale une foncon f ( el que F( f ( e '( ( F F où F ( es la foncon qu onne la valeur e l are sous la courbe e la foncon f ( ans l nervalle

Plus en détail

Réponse indicielle et impulsionnelle d un système linéaire

Réponse indicielle et impulsionnelle d un système linéaire PSI Brizeux Ch. E2: Réponse indicielle e impulsionnelle d un sysème linéaire 18 CHAPITRE E2 Réponse indicielle e impulsionnelle d un sysème linéaire Nous connaissons ou l inérê de l éude de la réponse

Plus en détail

THÈSE DOCTEUR DE L UNIVERSITÉ JOSEPH FOURIER

THÈSE DOCTEUR DE L UNIVERSITÉ JOSEPH FOURIER UNIVERSITÉ JOSEPH FOURIER GRENOBLE 1 N THÈSE pour obenr le grade de DOCTEUR DE L UNIVERSITÉ JOSEPH FOURIER en MÉCANIQUE ÉNERGÉTIQUE présenée e souenue publquemen par Maha AHMAD Le 23 Novembre 2004 NOUVEAUX

Plus en détail

Condensateur. Relation entre la charge et la tension aux bornes d un condensateur :

Condensateur. Relation entre la charge et la tension aux bornes d un condensateur : Formulare d élecrcé Pons de cours Condensaeur Explcaons ou ulsaons Un condensaeur es composé de deux armaures méallques séparé par un solan appelé délecrque. S une armaure se charge posvemen, l aure es

Plus en détail

LA VALEUR ACTIONNARIALE : NOTE TECHNIQUE

LA VALEUR ACTIONNARIALE : NOTE TECHNIQUE LA VALEUR ACTIONNARIALE : NOTE TECHNIQUE Rober COBBAUT e Séphane NASSAUT Unversé Caholque de Louvan INTROUCTION La vogue de la «valeur aconnarale» (shareholder value) peu êre arbuée pour une par mporane

Plus en détail

e s ABONNEZ-VOUS! #famillest 2015-2016

e s ABONNEZ-VOUS! #famillest 2015-2016 e d a : f C n d e n g ABONNEZVOUS! 20152016 #famllest La aon 20142015 a éé rche en rebondemen, en upen e en émoon Nou ouhaon vou remercer d avor oujour éé à no côé e de nou avor poué juqu en demfnale.ce

Plus en détail

Corrélation et régression linéaire

Corrélation et régression linéaire Corrélaton et régresson lnéare 1. Concept de corrélaton. Analyse de régresson lnéare 3. Dfférences entre valeurs prédtes et observées d une varable 1. Concept de corrélaton L objectf est d analyser un

Plus en détail

0707 70 70 Lot-sizing Résumé :

0707 70 70 Lot-sizing Résumé : 77 7 7 2 Lo-szng Résumé : L améloraon de la qualé des servces logsques es la garane essenelle pour la réalsaon de l avanage de ces servces, l augmenaon du nveau de sasfacon des clens e l améloraon de la

Plus en détail

Le mode de fonctionnement des régimes en annuités. Secrétariat général du Conseil d orientation des retraites

Le mode de fonctionnement des régimes en annuités. Secrétariat général du Conseil d orientation des retraites CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 28 janvier 2009 9 h 30 «Les différens modes d acquisiion des drois à la reraie en répariion : descripion e analyse comparaive des echniques uilisées»

Plus en détail

Taxation optimale et réformes fiscales dans les PED Une revue de littérature tropicalisée.

Taxation optimale et réformes fiscales dans les PED Une revue de littérature tropicalisée. DOCUMENT DE TRAAIL DT/2001/02 Taaon opmale e réformes fscales dans les PED Une revue de léraure ropcalsée. Jean-Franços GAUTIER RESUME Les pays en développemen son acculés depus le débu des années 80 à

Plus en détail

Pourcentages MATHEMATIQUES 1ES. à débourser 1 700. CORRIGES EXERCICES. Prix de l article : 1 700 = 85% du prix donc 1 700 100 Exercice 1.

Pourcentages MATHEMATIQUES 1ES. à débourser 1 700. CORRIGES EXERCICES. Prix de l article : 1 700 = 85% du prix donc 1 700 100 Exercice 1. Pourcenages MATHEMATQUES 1ES 5. Lors de l acha d un aure aricle, je dois verser un acompe de 15%, e il me resera alors POURCENTAGES à débourser 1 700. CORRGES EXERCCES Prix de l aricle : 1 700 = 85% du

Plus en détail

Intégration réelle et hétérogénéités macroéconomiques en union monétaire : une évaluation en équilibre général intertemporel

Intégration réelle et hétérogénéités macroéconomiques en union monétaire : une évaluation en équilibre général intertemporel Inégraon réelle e éérogénéés macroéconomques en unon monéare : une évaluaon en équlbre général neremporel Aurélen Eyquem Jean-Crsope Pouneau 2 CREM - UMR CNRS 62 - Unversé de Rennes Mars 2007 Unversé de

Plus en détail

Note méthodologique. Traitements hebdomadaires Quiestlemoinscher.com. Quelle méthode de collecte de prix? Qui a collecté les prix?

Note méthodologique. Traitements hebdomadaires Quiestlemoinscher.com. Quelle méthode de collecte de prix? Qui a collecté les prix? Note méthodologque Tratements hebdomadares Questlemonscher.com Quelle méthode de collecte de prx? Les éléments méthodologques ont été défns par le cabnet FaE onsel, socété d études et d analyses statstques

Plus en détail

MATHEMATIQUES FINANCIERES

MATHEMATIQUES FINANCIERES MATHEMATIQUES FINANCIERES LES ANNUITES INTRODUCTION : Exemple 1 : Une personne veu acquérir une maison pour 60000000 DH, pour cela, elle place annuellemen au CIH une de 5000000 DH. Bu : Consiuer un capial

Plus en détail

Panorama des méthodes de coûtenance

Panorama des méthodes de coûtenance Recherche en Managemen de Proje Panorama des méhodes de coûenance Pour réduire les coûs de vos projes e augmener vos marges, quelle méhode choisir? François GAGNÉ, FGF Consulan Les Renconres 2005 du Managemen

Plus en détail

Feuilles de style CSS

Feuilles de style CSS Feulles de style CSS 71 Feulles de style CSS Les standards du web Les langages du web : le HTML et les CSS Depus la verson 4 de l'html (décembre 1999), le W3C propose les feulles de style en cascade, les

Plus en détail

Amplification Linéaire à Transistor Bipolaire

Amplification Linéaire à Transistor Bipolaire UFM Préparaon APT Géne lerque Amplfaon néare à Transsor polare Sruure énérale d un ru d amplfaon : Snal à amplfer (as neau) X X Amplfaeur are (Hau neau) Soure de pussane (Fourne par ) X amplfaon ne onerne

Plus en détail

Courant continu et courants alternatifs

Courant continu et courants alternatifs Classe : 2ME BEP Méers de l élecroechnque Couran connu e couran alernaf Leu : Salle de cours & salle de mesures Objecf Dfférencer les caracérsques d un couran connu e d un couran alernaf,. Savors : S.2

Plus en détail

BTS Mécanique et Automatismes Industriels. Fiabilité

BTS Mécanique et Automatismes Industriels. Fiabilité BTS Mécanique e Auomaismes Indusriels Fiabilié Lcée Louis Armand, Poiiers, Année scolaire 23 24 . Premières noions de fiabilié Fiabilié Dans ou ce paragraphe, nous nous inéressons à un disposiif choisi

Plus en détail

Notice d information contractuelle Loi Madelin

Notice d information contractuelle Loi Madelin Noce d nformaon conracuelle Lo Madeln 1. LA RETRAITE es une convenon d assurance collecve sur la ve à adhéson ndvduelle e faculave. Les dros e oblgaons de l Adhéren peuven êre modfés par des avenans au

Plus en détail

Etude et Conception Assistée par Ordinateur d un Système de Réfrigération par Voie Solaire

Etude et Conception Assistée par Ordinateur d un Système de Réfrigération par Voie Solaire Rev. Energ. Ren. : Journées de hermue (200) 25-30 Eude e Concepon sssée pr Ordneur d un Sysème de Réfrgéron pr Voe Solre M. Belrb, F. Benyrou e B. Benyoucef Lborore des Méru e Energes Renouvelbles, Fculé

Plus en détail

Modèle dynamique de transport basé sur les activités

Modèle dynamique de transport basé sur les activités Moèle ynamque e ranspor basé sur les acvés Ta-Yu Ma To ce hs verson: Ta-Yu Ma. Moèle ynamque e ranspor basé sur les acvés. Humanes an Socal Scences. Ecole es Pons ParsTech, 27. French. HAL

Plus en détail

F 2 = - T p K 0. ... F T = - T p K 0 - K 0

F 2 = - T p K 0. ... F T = - T p K 0 - K 0 Correcion de l exercice 2 de l assisana pré-quiz final du cours Gesion financière : «chéancier e aux de renabilié inerne d empruns à long erme» Quesion : rappeler la formule donnan les flux à chaque échéance

Plus en détail

PROPORTIONNALITES ET POURCENTAGES I-La proportionnalité

PROPORTIONNALITES ET POURCENTAGES I-La proportionnalité PROPORTIONNALITES ET POURCENTAGES I-La proporionnalié -Acivié préparaoire n : Suies de nombres proporionnelles -l indicaion «0,88 /L» perme de calculer les pri manquans dans le ableau ci-dessous. Indiquer

Plus en détail

- Equilibre simultané IS/LM : Pour déterminer le couple d équilibre général, il convient de résoudre l équation IS = LM.

- Equilibre simultané IS/LM : Pour déterminer le couple d équilibre général, il convient de résoudre l équation IS = LM. Exercce n 1 Cet exercce propose de détermner l équlbre IS/LM sur la base d une économe dépourvue de présence étatque. Pour ce fare l convent, dans un premer temps de détermner la relaton (IS) marquant

Plus en détail

Estimation économétrique des fonctions d importation de produits agricoles de l Afrique de L Ouest

Estimation économétrique des fonctions d importation de produits agricoles de l Afrique de L Ouest Esmaon économérque des foncons d mporaon de produs agrcoles de l Afrque de L Oues Par Mourad Ayouz CIRAD ECOPOL CNRS CIRED UMR 8568 Ths repor was prepared by Mourad Ayouz as a background paper o he Susanably

Plus en détail

Un modèle de programmation stochastique pour l allocation stratégique d actifs d un régime de retraite partiellement provisionné 1

Un modèle de programmation stochastique pour l allocation stratégique d actifs d un régime de retraite partiellement provisionné 1 Un modèe de programmaon ochaque pour aocaon raégque d acf d un régme de rerae pareemen provonné Aaeddne FALEH ISFA- Unveré Lyon I 3 Cae de Dépô e Congnaon 4 ha-0056965 veron - Feb 0 RÉSUMÉ Dan ce arce

Plus en détail

Bouna FALL. To cite this version: HAL Id: tel-00973788 https://tel.archives-ouvertes.fr/tel-00973788

Bouna FALL. To cite this version: HAL Id: tel-00973788 https://tel.archives-ouvertes.fr/tel-00973788 Evaluaon des performances d un sysème de localsaon de véhcules de ranspors gudés fondé sur l assocaon d une echnque rado ULB e d une echnque de reournemen emporel. Bouna FALL To ce hs verson: Bouna FALL.

Plus en détail

Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amiens.fr/pedagogie/maths/new/ue2007/synthese_atelier_annette_alain.

Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amiens.fr/pedagogie/maths/new/ue2007/synthese_atelier_annette_alain. Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amens.fr/pedagoge/maths/new/ue2007/synthese_ateler_annette_alan.pdf 1 La règle du jeu Un drecteur de casno se propose d nstaller le

Plus en détail