Espaces probabilisés.

Dimension: px
Commencer à balayer dès la page:

Download "Espaces probabilisés."

Transcription

1 Espaces probabilisés Chapitre 6 : otes de cours Esembles déombrables Esemble fii, (hors programme) esemble ifii Esemble déombrable Eumératio des élémets d u esemble fii ou déombrable Produit cartésie d esembles déombrables (hors programme) Parties de (hors programme) Caractérisatio des esembles fiis ou déombrables (hors programme) Réuio déombrable d esembles au plus déombrables Espaces probabilisés Tribu, propriétés élémetaires d ue tribu Probabilité sur (Ω,), espace probabilisé Coséqueces de la défiitio d ue probabilité, probabilité d ue partie fiie Cotiuité croissate et décroissate d ue probabilité Probabilité d ue réuio d évèemets Probabilités coditioelles Probabilité coditioelle Formule des probabilités composées et gééralisatio de la formule des probabilités composées Idépedace d évèemets et idépedace mutuelle et caractérisatio de l idépedace de deux évèemets Lies etre les otios d idépedace Système complet déombrable d évèemets Evéemet presque sûr, évéemet égligeable Formule des probabilités totales et gééralisatio avec u système quasi complet d évéemets Formule de Bayes Chapitre 6 : Espaces probabilisés Notes de cours - -

2 Espaces probabilisés Chapitre 6 : otes de cours Esembles déombrables Défiitio : esemble fii Soit E u esemble O dit que E est fii si et seulemet si il existe u etier :, tel que E soit e bijectio avec : {,, } Si :,, et cet esemble caractérise l esemble vide Exemples : {,3} est fii car e bijectio avec {,} L esemble : E {z, z 5 }, est fii et cotiet 5 élémets Remarques : O admet que l etier précédet est uique (o motre que s il existe ue ijectio de N das N p, alors : p, et doc s il existe ue bijectio de N das p (par l itermédiaire d u esemble fii E), alors : p) est évidemmet le cardial de E Ue défiitio équivalete est de dire qu il existe :, tel que E soit e bijectio avec {,, } E effet, l applicatio f de das {,, }, qui à k fait correspodre k, est bijective Défiitio 3 : esemble déombrable Soit E u esemble O dit que E est déombrable s il existe ue bijectio de E das Exemples : * est déombrable, avec la bijectio ϕ de * das, défiie par : *, ϕ ( ) L esemble : E, des etiers pairs est déombrable car e bijectio avec par : a E, est déombrable O cosidère pour cela l applicatio ϕ de das défiie par : +, ϕ, ( ) - *, ϕ ( ) a f ( a) ϕ est bie ue applicatio de das ϕ est ijective car si : ϕ() ϕ(p), alors et p sot de même sige puisque ϕ() et ϕ(p) ot même parité et o déduit (das les deux cas) que : p ϕ est surjective car pour : m, si m est pair, o a : si m est impair, o a : m m ϕ, et : m + m ϕ ϕ est doc ue bijectio de das et est déombrable Remarques : O dit qu u esemble est au plus déombrable lorsqu il est fii ou déombrable Si o admet que est pas déombrable (voir exercices), u esemble E tel qu il existe ue ijectio de das E ou qui cotiet u esemble o déombrable est o déombrable L esemble 3 est pas déombrable car l applicatio : x a (x,,), est ijective de das 3 Théorème : éumératio des élémets d u esemble fii ou déombrable Soit E u esemble Chapitre 6 : Espaces probabilisés Notes de cours - -

3 Si E est fii, alors :, E {x,, x }, où les x i sot disticts deux à deux Si E est ifii, alors : E {x k, k }, où les x k sot disticts deux à deux Remarques : Toute partie d u esemble fii est fiie Si E et F sot fiis, alors (E F), (E F), (E \ F) et E F sot fiis Théorème : produit cartésie d esembles déombrables Soiet E et F deux esembles déombrables lors E F, esemble des couples formés d u élémet de E et d u élémet de F, est déombrable Exemples :, et : *, sot déombrables Le deuxième poit s obtiet bie sûr par récurrece sur est déombrable Tout d abord * est déombrable comme produit cartésie d esembles déombrables et il existe ue bijectio ψ de das * Cosidéros esuite l applicatio ϕ de * das défiie par : a b (a,b) *, ϕ ( a, b) ϕ est alors clairemet surjective (puisque tout élémet de admet au mois ue décompositio sous forme de fractio irréductible) L applicatio ϕoψ de das est alors surjective et est déombrable (théorème 3) puisque coteat e peut être fii Espaces probabilisés Défiitio 5 : tribu Soit Ω u esemble Ue famille de parties de Ω (soit u sous-esemble de Ω)) est appelée tribu sur Ω si et seulemet si elle vérifie les propriétés suivates : Ω,,, ( ), U N Théorème 5 : propriétés élémetaires d ue tribu Si est ue tribu sur Ω, alors :, ( i ) i, U, i i N ( i ) i, I ( ), I,, (,, B Remarques : La otio de tribu permet d étedre le cadre Ω) utilisé pour défiir des probabilités sur les esembles fiis L esemble Ω est toujours cesé servir de cadre à la modélisatio d ue expériece aléatoire et représete l esemble des évéemets evisagés pour le résultat de cette expériece Si o lace deux dés idiscerables et équilibrés, o peut choisir u uivers où les dés sot redus artificiellemet discerables, u résultat de l expériece état alors u élémet de : Ω {,,3,,5,6} {,,3,,5,6}, et la probabilité d obteir u résultat est la probabilité uiforme sur Ω Pourtat les évéemets élémetaires décrits au-dessus e sot pas de réels évéemets de otre expériece, Chapitre 6 : Espaces probabilisés Notes de cours - 3 -

4 puisque (,) est pas u évéemet, alors que {(,), (,)} l est (l évéemet «obteir u et u») D où l idée de développer la otio de tribu Défiitio 5 : probabilité sur (Ω,), espace probabilisé Soit Ω u esemble et ue tribu sur Ω O appelle probabilité sur (Ω,) ue applicatio P de das [,] telle que : Ω), pour toute suite ( ) d élémets de disjoits deux à deux (évéemets deux à deux icompatibles), la série P ( ) est covergete et : U ) ) N Cette derière propriété est appelée σ-additivité de P U tel triplet (Ω,,P) est alors appelé espace probabilisé Les élémets de sot alors appelés évéemets Théorème 5 : coséqueces de la défiitio d ue probabilité Soit (Ω,,P) u espace probabilisé ), Soit : ( i ) i, tel que les élémets ( i ) sot deux à deux disjoits lors : P U i i ) i i, ) ) (,, ( ( ) ) (,, ) + e particulier : (,, P ( ) + (,, ( B ) ( P ( ) + ) (,, (B ) ( \ ) ) calcul de probabilité das u esemble ifii P ( ) O admet que :, { }, permet de défiir ue probabilité sur (voir fi du paragraphe) Calculer la probabilité des évéemets : {, divise et 3 e divise pas }, B {, ou 3 e divise pas } Pour, o remarque que :, ( ) ( est pair o divisible par 3) ( est pair, o divisible par 6) Doc : ) \ 6) ) 6) Or : k, k) U{ k } ) { k } Doc : N 6 ) 63 P ( 6 Pour B, o a : B {, et 3 diviset } 6 Doc : ( 6 P k k k k ) ( ) k Théorème 53 : probabilité d ue partie fiie Soit (Ω, Ω), P) u espace probabilisé Si : Ω), et est ue partie fiie de Ω, alors : ) ω) ω rappel d u calcul de probabilité das le cas d u uivers fii et utilisatio du déombremet O cosidère le lacer de trois dés idiscerables et équilibrés et o cherche la probabilité que deux au mois des trois dés présetet des résultats égaux O utilise l uivers : Ω {,,3,,5,6} 3, (e redat les trois dés discerables) et la probabilité uiforme sur Ω Il est plus facile de chercher la probabilité que les trois dés doet des résultats différets Chapitre 6 : Espaces probabilisés Notes de cours - -

5 Il y a : 65 cas où cela arrive et ue probabilité égale à : Doc la probabilité cherchée est : 5 ' 9 9 p p O utilise ici le même pricipe que celui doé das le théorème 3 avec le résultat vu e sup pour les uivers Ω fiis (et pour ue probabilité uiforme) doat : Ω), card( ) ) card( ) ω) card( Ω) card( Ω) Rappel : correspodace de vocabulaire : ω probabiliste esembliste résultat possible de l expériece ω, élémet de Ω évèemet est réalisé ω implique B B ou B B et B B cotraire de ( e se produit pas) (complémetaire de das Ω) évèemet impossible évèemet certai Ω et B sot icompatibles B Théorème 5 : probabilité d ue réuio d évèemets Soit (Ω,,P) u espace probabilisé Si ( ) i est ue famille fiie de d élémets de, alors : P ) ) + + ) ( Si de plus : ( ), et si la série P ( ) coverge, alors : U ) ) Théorème 55 : cotiuité croissate et décroissate d ue probabilité Soit (Ω,,P) u espace probabilisé et soit : ( ) Si :, +, alors la suite ( )) coverge et : lim ) ) Si :, +, alors la suite ( )) coverge et : lim ) ) probabilité sur Motrer que l applicatio P défiie par :, { } N U N I N P ( ), permet de défiir ue probabilité sur Il faut d abord compredre ce que sigifie cette phrase Tout d abord, toutes les valeurs proposées sot positives Esuite, o sous-eted que la tribu autorisée est la tribu ) De plus, si P doit défiir ue probabilité sur, alors pour tout etier, le théorème motre qu o doit poser : ) k k Plus gééralemet, si est ue partie de fiie, sa probabilité est la somme des probabilités élémetaires, et si est ifiie (déombrable doc) o calcule ) à l aide d ue éumératio {x, } des élémets de E effet, si o suppose que les x doet les élémets de sous forme croissate, alors :, x, la série x coverge Si alors o ote :, {x k, k }, la suite ( ) est croissate, et : O peut aisi obteir ) comme limite des probabilités de ) U N Chapitre 6 : Espaces probabilisés Notes de cours - 5 -

6 U k E particulier : ) N ) lim N ) N k Efi, si (B ) est ue suite d élémets de (doc de parties de ) deux à deux disjoits, la série coverge Ce derier poit est le plus délicat à démotrer et se traite (assez bie) à l aide d ue otio hors programme que sot les familles sommables de réels Remarque : E pratique, pour vérifier qu e posat :, { } cotetera de vérifier que :, a, la série Probabilités coditioelles a coverge, et : a P ( P ( ) a, o défiit ue probabilité sur, o se Théorème 6 et défiitio 6 : probabilité coditioelle Soit (Ω,,P) u espace probabilisé Si B est u évèemet tel que : >, alors l applicatio P B défiie par :, P B ( ), est ue probabilité sur (Ω,), appelée probabilité coditioelle sachat B O otera égalemet : P B ( ), et o lira «probabilité de sachat B» covetio : Si (Ω,,P) est u espace probabilisé et si : B, avec :, alors o coviet de oter :, P B ( ) à ouveau das le cas fii Das u chapeau il y a tickets umérotés de à O tire successivemet trois tickets du chapeau Quelle est la probabilité de e tirer que des uméros pairs? Notos i l évéemet : «le i ème ticket tiré est pair» L évéemet dot o cherche la probabilité est doc : 3 lors : De même : Efi : 5 ( ) P ( ) 9 3 P ( ) 3 8 P Fialemet, la probabilité cherchée est :, qui correspod à tirer u deuxième ticket pair sachat que le premier est pair, qui correspod à tirer u troisième ticket pair sachat que les deux premiers sot pairs 3 ) P ( 3 ) ) P ( 3 ) P ( ) ) Théorème 6 : formule des probabilités composées et gééralisatio Soit (Ω,,P) u espace probabilisé Soiet et B deux évèemets de lors : P ( ) P ( ) B Plus gééralemet, pour :, et,, des évéemets de tels que : I P i, alors : i B ) Chapitre 6 : Espaces probabilisés Notes de cours - 6 -

7 j, I j P i, et : i P I i ) P ( ) ( ) ( ) P 3 P i Paul ivite Virgiie à dîer Sachat qu il y a ue chace sur deux qu elle accepte l ivitatio au restaurat (évéemet R), qu il y a ue chace sur trois qu elle accepte u derier verre chez lui (évéemet V) si elle accepte l ivitatio au restaurat et qu alors il y a ue chace sur ciq qu elle reste passer la uit chez lui (évéemet N) si doc elle a accepté le restaurat et le derier verre, quelle est la probabilité que Paul coclue ce soir (e égligeat les autres facteurs tels que tchatche, charme aturel, musique)? Notos : O a alors : ( R) P R ( V ), et : P R V ( N) 3 5 R V N) R) P ( V ) PR V ( N) P, R Ca est doc pas gagé pour Paul Das l histoire origielle de Berardi de Sait-Pierre, Paul ivite fialemet Virgiie à aller faire du bateau, avec la fi tragique que l o sait Défiitio 6 : idépedace d évèemets et idépedace mutuelle Soit (Ω,,P), u espace probabilisé Deux évèemets et B de sot dits idépedats si et seulemet si : ) Les évèemets d ue famille ( j ) j J quelcoque de sot dits idépedats das leur esemble ou mutuellemet idépedats si et seulemet si, pour toute partie fiie : J I, o a : P ) ) (I i i E particulier, si ( i ) i est ue famille fiie d évèemets, ils sot idépedats si et seulemet si : j < < j k, o a : P ) ) ) ( j jk j jk O repred l exemple précédet des chapeaux (u chapeau et tickets umérotés de à ) Si o tire deux tickets successivemet avec remise, obteir u ticket uméroté pair au ème tirage e déped pas de ce qu o a obteu au premier tirage E effet, e otat i l évéemet «le i ème ticket tiré porte u uméro pair», alors : 5 55 P ( ) ), et : P ( ) ) ) La deuxième probabilité est obteue avec ue probabilité uiforme sur l esemble des couples de ombres de à, modélisat aisi les deux tirages successifs (avec remise) Il y a bie idépedace «mathématique» des évéemets, cofirmat l idépedace «ituitive» qu o peut imagier Théorème 6 : caractérisatio de l idépedace de deux évèemets Soit (Ω,,P) u espace probabilisé et soit : (, Si : >, et B sot idépedats si et seulemet si : P B ( ) ) Remarque : La lecture «aïve» de cette propriété traduit l idée «ituitive» qu o se fait de l idépedace : si et B sot idépedats, la probabilité de voir se produire est la même que celle de voir se produire coaissat la réalisatio ou pas de B, autremet dit B iflue pas sur la probabilité de voir se produire Théorème 65 : lies etre les otios d idépedace Soit (Ω,,P) u espace probabilisé si :, das la défiitio précédete, o retrouve la première défiitio la coditio d idépedace pour ue famille fiie d évèemets correspod à égalités Chapitre 6 : Espaces probabilisés Notes de cours i J i J

8 si des évèemets sot mutuellemet idépedats, ils sot idépedats deux à deux, mais la réciproque est fausse Remarque : O motre (voir exercices) que si et B sot idépedats alors et B le sot aussi, aisi que et B Exemples : si o cosidère u esemble : Ω {a,b,c,d}, mui de la probabilité uiforme et les évéemets : {a,d}, B {b,d}, et : C {c,d}, alors : ( ) C) P ( d ) ) B ( B C) d ) P, avec le théorème Puis : { } ) P, alors que : Mais : { }, de même pour C) et B C) ( ) C) 8 P Ils sot doc idépedats deux à deux sas être mutuellemet idépedats Les coditios précédetes correspodet bie à l idée «ituitive» qu o peut se faire de l idépedace Cosidéros e effet u lacer simultaé de deux dés à six faces, et les évéemets : : «le premier dé doe u résultat pair», B : «le secod dé doe u résultat pair», C : «la somme des deux dés est paire» lors : ( ) P Par exemple, pour il y a 3 cas favorables (,, 6) sur 6 cas au total (,,3,,5,6) De même e examiat tous les cas (36 possibilités e tout) : ( C) P, ( C) B C) P Pour C) par exemple, cela correspod aux 8 sommes favorables : ( couple : (,)), (3 couples : (,3), (,), (3,)), 6 (5 couples : (,5), (,), (3,3), (,), (5,)), 8 (5 couples : (,6), (3,5), (,), (5,3), (6,)), (3 couples : (,6), (5,5), (6,)) et ( couple : (6,6)) sur 36 cas au total possibles utremet dit les évéemets,b et C sot deux à deux idépedats Mais, toujours avec l exame de tous les cas : P ( B C) ) C) C est assez cohéret avec l approche «ituitive» qu o a des choses E effet, si et B sot réalisés (les deux dés doet chacu u résultat pair), la somme a de très fortes chaces (!) d être paire égalemet Défiitio 63 : système complet déombrable d évèemets Soit (Ω,,P) u espace probabilisé O dit que ( ) est u système complet déombrable d évèemets si et seulemet si : (i,j), (i j) ( i j ), (icompatibles deux à deux), Ω U N Cela correspod à ue partitio de l esemble Ω Remarques : Cela viet e complémet des systèmes complets fiis d évéemets das le cas d u uivers fii Das le cas d u système complet déombrable d évéemets, o peut oter :, Doc : U i B i, et la suite (B ) est croissate N lim B ) U ) Ω) lim ), i puisque les i sot disjoits deux à deux utremet dit la série P ( ) coverge et sa somme vaut i 8 Chapitre 6 : Espaces probabilisés Notes de cours - 8 -

9 Théorème 66 : formule des probabilités totales Soit (Ω,,P) u espace probabilisé et ( ) u système complet d évèemets telle que :, ) > lors pour tout : B, la série P ( B ) coverge et : B ) P ( ), qu o écrit parfois ecore : P ( B ) ) Exemples : toujours das le cas fii Das u chapeau se trouvet tickets umérotés de à, et o tire deux tickets de suite sas remise Quelle est la probabilité qu au deuxième tirage, le uméro tiré soit pair? O cosidère les évéemets : P k «le uméro obteu au k ème tirage est pair», pour : k, I k «le uméro obteu au k ème tirage est impair», pour : k {P, I } costitue alors u système complet d évéemets O cherche la probabilité P ), qui s obtiet doc avec : 5 P ) P ( P ) P ) + P ( P ) I) + I 9 9 P Etat doé deux ures idiscerables, das la première ure u se trouvet 3 boules Rouges et boules Noires et das la secode u se trouvet 3 boules Rouges et 5 boules Noires O choisit au hasard ue ure, puis o tire ue boule de cette ure Quelle est la probabilité que la boule tirée soit Noire? O suppose tout d abord que l ure choisie l est de faço équiprobable puis que les boules das les deux ures sot idiscerables et doc que la probabilité modélisat l extractio d ue boule est uiforme O utilise alors le système complet d évéemets : U i «l ure choisie pour le tirage est l ure uméro i», pour : i lors l évéemet : N «la boule tirée est Noire», a pour probabilité : 5 N) P ( N) U) + P ( N) U) + U U Défiitio 6 : évéemet presque sûr, évéemet égligeable Soit (Ω,,P) u espace probabilisé O dit qu u évéemet de est presque sûr lorsque : ) O dit à l iverse qu u évéemet de est égligeable lorsque : ) Le complémetaire d u évéemet presque sûr est doc u évéemet égligeable Théorème 67 : gééralisatio (système quasi complet d évéemets) Soit (Ω,,P) u espace probabilisé et ( ), ue famille d évèemets deux à deux icompatibles, telle que : P ( ) lors le résultat précédet reste valable, autremet dit pour : B, la série P ( B ) coverge et : B ) P ( ) B ) Cosidéros ue successio de lacers d ue pièce équilibrée pour laquelle o va se coteter d éocer des résultats ituitifs (le théorème garatissat l existece d ue probabilité correspodat à cette «ituitio» sera éocé et admis das le chapitre «Variables aléatoires») Les évéemets défiis par : «obteir u premier Pile au lacer», costituet, pour variat de à l ifii u système quasi complet d évéemets E effet, deux tels évéemets sot bie icompatibles deux à deux (o e peut obteir u premier Pile à la fois au lacer et au lacer p, avec : p) La probabilité «ituitive» de est (e utilisat par exemple ue variable de Beroulli) :, ) ), soit obteir ( ) Face puis Pile, Chapitre 6 : Espaces probabilisés Notes de cours - 9 -

10 et : P ( ) Ça e costitue pas u système complet d évéemets car u évéemet de l uivers «échappe» à la réuio, celui où l o obtiet que des Face Remarque : La situatio précédete correspod au cas où U est u évéemet certai, so complémetaire état u évéemet égligeable Théorème 68 : formule de Bayes Soit (Ω,,P) u espace probabilisé ) P ( Si et B sot des évéemets de probabilité o ulle, alors : PB ( ) Si de plus ( ) u système complet (ou quasi complet) d évèemets tel que :, ) >, alors : ) P ( B, tel que : >, o a :, PB ( ) ) P ( Cosidéros deux ures idiscerables au toucher telles que U cotiet 97 boules Blaches et 3 boules Noires, et U cotiet 98 boules Noires et boules Blaches O tire les yeux fermés ue boule das ue ure choisie au hasard et o costate qu elle est Noire Quelle est la probabilité que l ure das laquelle la boule a été tirée soit l ure U? La répose ituitive est que cette probabilité est importate puisque si o a tiré la boule de l ure U, il y a peu de «chaces» qu o ait tiré ue boule Noire Là ecore la formule de Bayes doe la répose : ( U ) U ) P, et : P U, d où o déduit qu o a effectivemet : P N 97 + i 3 98 ( N) P U ( N), ( U ) i i Chapitre 6 : Espaces probabilisés Notes de cours - -

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

Plus en détail

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes

Plus en détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

Plus en détail

Les Nombres Parfaits.

Les Nombres Parfaits. Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie

Plus en détail

Processus et martingales en temps continu

Processus et martingales en temps continu Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice

Plus en détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 5. La fonction logarithme népérien. Sommaire Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa

Plus en détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9 Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios

Plus en détail

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1 UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau

Plus en détail

Suites et séries de fonctions

Suites et séries de fonctions [http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de

Plus en détail

Exercices de mathématiques

Exercices de mathématiques MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris

Plus en détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3 1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que

Plus en détail

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

Plus en détail

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3... Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes. Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

Chaînes de Markov. Arthur Charpentier

Chaînes de Markov. Arthur Charpentier Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat S Asie 19 juin 2014 Corrigé Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps

Plus en détail

Introduction : Mesures et espaces de probabilités

Introduction : Mesures et espaces de probabilités Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,

Plus en détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude

Plus en détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe 1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios

Plus en détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. Calcul pour une évolution d une proportion entre deux années non consécutives Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages

Plus en détail

Initiation à l analyse factorielle des correspondances

Initiation à l analyse factorielle des correspondances Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières

Plus en détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

DETERMINANTS. a b et a'

DETERMINANTS. a b et a' 2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE AVANCÉE : MÉTHODES STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation 1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus

Plus en détail

MESURE DE L'INFORMATION

MESURE DE L'INFORMATION MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires

Plus en détail

Terminale S. Terminale S 1 F. Laroche

Terminale S. Terminale S 1 F. Laroche Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

20. Algorithmique & Mathématiques

20. Algorithmique & Mathématiques L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus

Plus en détail

Des résultats d irrationalité pour deux fonctions particulières

Des résultats d irrationalité pour deux fonctions particulières Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received

Plus en détail

Gérer les applications

Gérer les applications Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 3 : Transistor bipolaire à jonction Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions. 3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios

Plus en détail

Processus géométrique généralisé et applications en fiabilité

Processus géométrique généralisé et applications en fiabilité Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR

Plus en détail

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C. 16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe

Plus en détail

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier

Plus en détail

Mécanique non linéaire

Mécanique non linéaire M MN9 Mécaique o liéaire Zhi-Qiag FENG UFR Sciece et Techologies Uiversité d Evry Val d Essoe TABLES DES MATIERES INTRODUCTION Chapitre : CONCEPTS ELEMENTAIRES. Pricipales propriétés des matériaux. Coaissace

Plus en détail

Principes et Méthodes Statistiques

Principes et Méthodes Statistiques Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............

Plus en détail

Solutions particulières d une équation différentielle...

Solutions particulières d une équation différentielle... Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod

Plus en détail

La fibre optique arrive chez vous Devenez acteur de la révolution numérique

La fibre optique arrive chez vous Devenez acteur de la révolution numérique 2 e éditio Edité par l Autorité de régulatio des commuicatios électroiques et des postes RÉPUBLIQUE FRANÇAISE DÉCEMBRE 2010 La fibre optique arrive chez vous Deveez acteur de la révolutio umérique Petit

Plus en détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par

Plus en détail

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés

Plus en détail

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012 Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre

Plus en détail

Les algorithmes de tri

Les algorithmes de tri CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....

Plus en détail

Formation d un ester à partir d un acide et d un alcool

Formation d un ester à partir d un acide et d un alcool CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester

Plus en détail

La spirale de Théodore bis, et la suite «somme=produit».

La spirale de Théodore bis, et la suite «somme=produit». Etde d e vrite de l spirle de Théodore, dot issce à e site dot les sommes prtielles sot égles x prodits prtiels. Mots clés : spirle de Théodore, théorème de Pythgore, site, série, polyôme. L spirle de

Plus en détail

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble. II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café

Plus en détail

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &

Plus en détail

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

Plus en détail

Le chef d entreprise développe les services funéraires de l entreprise, en

Le chef d entreprise développe les services funéraires de l entreprise, en Le chef d etreprise développe les services fuéraires de l etreprise, e assurat lui-même tout ou partie des activités de vete et e ecadrat directemet le persoel techique et commercial et d exploitatio.

Plus en détail

Séries numériques. Chap. 02 : cours complet.

Séries numériques. Chap. 02 : cours complet. Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm

Plus en détail

Intégrales généralisées

Intégrales généralisées 3 Iégrles géérlisées Pour ce chpire, les focios cosidérées so priori défiies sur u iervlle réel I o rédui à u poi, à vleurs réelles ou complees e coiues pr morceu. L défiiio e les propriéés de l iégrle

Plus en détail

Les études. Recommandations applicables aux appareils de levage "anciens" dans les ports. Guide Technique

Les études. Recommandations applicables aux appareils de levage anciens dans les ports. Guide Technique es Cetre d Etudes Techiques Maritimes et Fluviales Les études Recommadatios applicables aux appareils de levage "acies" das les ports Guide Techique PM 03.01 Cetre d Etudes Techiques Maritimes et Fluviales

Plus en détail

Compte Sélect Banque Manuvie Guide du débutant

Compte Sélect Banque Manuvie Guide du débutant GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de

Plus en détail

Comment les Canadiens classent-ils leur système de soins de santé?

Comment les Canadiens classent-ils leur système de soins de santé? Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté

Plus en détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en détail

Échantillonnage et estimation

Échantillonnage et estimation Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos

Plus en détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï INTRODUCTION AUX MATRICES ALÉATOIRES par Djalil Chafaï Résumé. E cocevat les mathématiques comme u graphe, où chaque sommet est u domaie, la théorie des probabilités et l algèbre liéaire figuret parmi

Plus en détail

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est

Plus en détail

MUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB

MUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB MUTUELLE D&O MUTUELLE D&O Copilote de votre saté AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyace CRC CRIS CRPB-AFB DOMISSIMO-Assuraces DOMISSIMO-Services FONGECFA-Trasport IPRIAC MUTUELLE D&O OREPA-Prévoyace

Plus en détail

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail

Plus en détail

Neolane Message Center. Neolane v6.0

Neolane Message Center. Neolane v6.0 Neolae Message Ceter Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord.

Plus en détail