Livraison de colis pour des clients du e-commerce : modèles de Wardrop, et Logit simple ou imbriqué
|
|
- Marie-Josèphe Labranche
- il y a 8 ans
- Total affichages :
Transcription
1 Séminaire du LGI Centrale Paris Livraison de colis pour des clients du e-commerce : modèles de Wardrop, et Logit simple ou imbriqué Y. Hayel 1, D. Quadri 2, T. Jimenez 1, L. Brotcorne 3, B. Tousni 3 LGI, le 14/03/ LIA, Université d Avignon 2 LRI, Université Paris Sud 3 DOLPHIN, INRIA Lille Nord Europe travail financé par l ANR RESPET D. Quadri () LGI, le 14/03/ / 43
2 Plan 1 Introduction 2 Modèle 3 Analyses et résultats 4 Exemples numériques 5 Extension du modèle (Logit) 6 Analyse des données de DHL 7 Conclusions et perspective D. Quadri () LGI, le 14/03/ / 43
3 Plan 1 Introduction 2 Modèle 3 Analyses et résultats 4 Exemples numériques 5 Extension du modèle (Logit) 6 Analyse des données de DHL 7 Conclusions et perspective D. Quadri () LGI, le 14/03/ / 43
4 Contexte de l étude Alliance de 2 domaines (Théorie des Jeux et Programmation Mathématique) Application : e-commerce Approche utilisateur final Etude du comportement des utilisateurs (phase stationnaire) D. Quadri () LGI, le 14/03/ / 43
5 Le problème traité Problématique de livraison de colis achetés sur Internet choix du mode de livraison en fonction de plusieurs paramètres (prix, délai, fiabilité,... ) émergence de nouveaux moyens de livraison de type relais (moins cher mais contrainte de capacité / disponibilité de service!) DHL: Un pourcentage non-négligeable de colis sont refusés par les points relais pour faute de capacité de stockage disponible dans ces centres. impact négatif sur les clients et sur le système logistique en général! D. Quadri () LGI, le 14/03/ / 43
6 Le problème traité 2 services: Relais Colis (RSS) ou Livraison à Domicile (DAH). RSS: avantageux car généralement gratuit, mais stockage limité (rejet de colis) et déplacement du client. LD: avantageux car colis livré en peu de temps et à domicile, mais service onéreux. Comportement du e-client: chaque individu choisit son service de livraison dans le but de minimiser sa fonction d utilité (coût). Etude du compromis à faire (dans ce système) entre coût et bien-être/satisfaction. D. Quadri () LGI, le 14/03/ / 43
7 Méthodologies utilisées RSS: modélisé à l aide d une file d attente dite de Erlang-B (capacité finie et services multiples en parallèle). DAH: modélisé à l aide d une file d attente M/D/1-PS (capacité infinie et un serveur avec processeurs partagés). Chaque client choisit son service de livraison pour optimiser sa propre fonction d utilité. La décision de chaque client impacte indirectement la décision des autres clients (la fonction d utlité dépend de la demande). Le comportement des clients est modélisé à l aide des outils de la théorie des jeux. Problème de congestion étudié via des concepts d équilibre adaptés : Wardrop et Logit. D. Quadri () LGI, le 14/03/ / 43
8 Livraison à un point relais... Livraison à domicile Figure: Le modèle simplifié pour RSS et DAH D. Quadri () LGI, le 14/03/ / 43
9 RSS K p 1 p q 1/D DAH Figure: Le modèle de file d attentes pour RSS et DAH D. Quadri () LGI, le 14/03/ / 43
10 Plan 1 Introduction 2 Modèle 3 Analyses et résultats 4 Exemples numériques 5 Extension du modèle (Logit) 6 Analyse des données de DHL 7 Conclusions et perspective D. Quadri () LGI, le 14/03/ / 43
11 Modèle La demande des clients par unité de temps (jour ou semaine) suit un processus de Poisson de taux λ. Si le client choisit DAH alors il paie un prix fixe q. Chaque individu choisit d utiliser RC avec une probablité p. Hypothèse : la population est homogène et potentiellement infinie. D. Quadri () LGI, le 14/03/ / 43
12 RSS Le Relais Colis (RC) est modélisé par une file M/M/K/K où K est la capacité du relais, i.e. le nombre de colis qui peuvent être stockés en attente d être récupérés par le client. Hypothèse : le client récupère son colis selon un processus aléatoire, où µ représente le temps moyen qu un colis reste au relais. π() est la proba. de blockage d un paquet (si relais plein) selon la formule de Erlang-B. Si le paquet est rejeté, le coût de ce rejet est de C pour l utilisateur. D. Quadri () LGI, le 14/03/ / 43
13 RSS DAH Le Relais Colis (RC) est modélisé par une file M/M/K/K où K est la capacité du relais, i.e. le nombre de colis qui peuvent être stockés en attente d être récupérés par le client. Hypothèse : le client récupère son colis selon un processus aléatoire, où µ représente le temps moyen qu un colis reste au relais. π() est la proba. de blockage d un paquet (si relais plein) selon la formule de Erlang-B. Si le paquet est rejeté, le coût de ce rejet est de C pour l utilisateur. La compagnie de transport peut traiter au maximum 1/D colis par unité de temps. La (LD) est modélisée par une file M/D/1 avec une gestion des colis First-In-First-Out (FIFO). D. Quadri () LGI, le 14/03/ / 43
14 Fonctions de coût Coût moyen C r pour utilisateur final choisissant RC: où Π(λ, p, K, µ) = (ρp) K K! K (ρp) i i=0 i! C RC (p) = Π(λ, p, K, µ)c, comme formule de Erlang-B et ρ = λ µ. est la probabilité de blockage, aussi connue Coût moyen C LD pour utilisateur final choisissant LD: ( λ(1 p)d C 2 ) LD (p) = q + A D +. 2(1 λ(1 p)d) Finalement, coût moyen pour un client qui choisit RC avec une probabilité de p: C(p) = p C RC (p) + (1 p) C LD (p), = p C ( λp µ )K K! K i=0 ( λp µ )i i! ( ( λ(1 p)d 2 )) + (1 p) q + A D +. 2(1 λ(1 p)d) D. Quadri () LGI, le 14/03/ / 43
15 Fonction de coût pour le système centralisé? D un point de vue centralisé, i.e. le système ne donne pas le choix à chaque utilisateur,, il est possible de contrôler le système de telle sorte que la proportion p que chaque individu choisisse RSS. La valeur de p est définie par: p : optimale repartition. p = arg min p [0,1] C(p) Degré de liberté des clients Introduction de ce degré. Oberservation de l impact sur la performance du système en terme de coût moyen de chaque utilisateur. D. Quadri () LGI, le 14/03/ / 43
16 Plan 1 Introduction 2 Modèle 3 Analyses et résultats 4 Exemples numériques 5 Extension du modèle (Logit) 6 Analyse des données de DHL 7 Conclusions et perspective D. Quadri () LGI, le 14/03/ / 43
17 Jeux de routage non coopératifs Si le nombre de joueurs tend à être très grand le concept classique de l équilibre de Nash devient difficile à expliciter. On parle de Non-atomic Games. Depuis les années 70, il existe, dans la communauté des transports, un concept d équilibre qui prend en compte ce tr`s grand nombre de joueurs: L équilibre de Wardrop. Un très grand nombre de véhicules choisissent leur route chaque jour. Chaque véhicule à une source et une destination. Objectif classique: minimiser le temps de trajet. D. Quadri () LGI, le 14/03/ / 43
18 Equilibre de Wardrop En se basant sur le 1er principe de Wardrop, la décision d un utilisateur n a pas d influence sur une population de joueurs le coût moyen pour un individu qui choisit RC avec une probablité de p par rapport à une population de joueurs p est donné par: C(p, p ) = p C RC (p ) + (1 p) C LD (p ). Une stratégie p w est un équilibre de Wardrop (dans notre contexte) C RC (p w ) = C LD (p w ). Remarque 1 Dernière égalité en accord avec le 2nd principe de l équilibre de Wradrop i.e. les coûts de chaque lien utilisé par un client sont égaux à l équilibre. D. Quadri () LGI, le 14/03/ / 43
19 Existence et unicité de l équilbre de Wardrop Pour tout K, C, A, D, λ et µ, l équilbre de Wardrop p w existe et est unique. Il est donné par: si q > C ρ K K! K ρ i i=0 i! AD p w = 1 ( tous les clients choisissent RC), sinon p w est solution unique de l équation suivante: avec ρ = λ µ. C (ρp)k K! K (ρp) i i=0 i! ( λ(1 p)d 2 ) = q + A D +, 2(1 λ(1 p)d) D. Quadri () LGI, le 14/03/ / 43
20 Remarque 2 Selon les paramètres du système (si le prix q est trop grand), il est possible d obtenir un équilibre trivial (p w = 1) : tous les clients choisissent RSS. Remarque 3 Si p w (équilibre non trivial) existe (i.e. p w ]0, 1[) alors p w peut être déterminé en résolvant un polynôme de degré K + 1. D. Quadri () LGI, le 14/03/ / 43
21 Existence et unicité de l équilbre de Wardrop Hypothèse forte: les clients sont totalement rationnels (i.e. chaque client joue l équilibre avec une connaissance totale du problème). Hypothèse plus réaliste: la décision de chaque client ne peut pas être totalement rationnelle i.e. chaque individu peut faire des erreurs de perception, de décision, etc... Solution: notion de rationnalité bornée ( Discrete Choice Models). D. Quadri () LGI, le 14/03/ / 43
22 Discrete Choice Models (DCM) Logit: si l erreur suit une loi de distribution de Gumbel le DCM est appelé modèle de Logit. Dans ce cas, la stratégie mixte d un individu choisissant RC est explicitement donnée par: e γ C RC (p) e γ C RC (p) + e γ C LD (p). Le paramètre γ représente le niveau de rationnalité d un client. L équilibre du Logit p l est une stratégie mixte solution de l équation de point fixe: p l = e γ C r (p l ) e γ C r (p l ) + e γ C l (p l ). D. Quadri () LGI, le 14/03/ / 43
23 Existence et unicité de l équilibre du Logit Pour tout K, C, A, D, q, λ, γ and µ, l équilibre du Logit p l existe et est unique. Comparaison avec l équilibre de Wardrop En considérant notre système de livraison, nous avons la relation suivante entre la proportion de clients qui choisissent LD quand les clients sont totalement rationnels en comparaison avec les clients qui ne sont pas totalement rationnels: if p w 1/2 then p w p l 1/2, else p l < p w. D. Quadri () LGI, le 14/03/ / 43
24 Existence et unicité de l équilibre du Logit Pour tout K, C, A, D, q, λ, γ and µ, l équilibre du Logit p l existe et est unique. Comparaison avec l équilibre de Wardrop En considérant notre système de livraison, nous avons la relation suivante entre la proportion de clients qui choisissent LD quand les clients sont totalement rationnels en comparaison avec les clients qui ne sont pas totalement rationnels: if p w 1/2 then p w p l 1/2, else p l < p w. Comparaison des coûts moyens à l équilibre? D. Quadri () LGI, le 14/03/ / 43
25 Prix de la rationnalité Le prix de la rationnalité est défini par: PoR = max p L C(p) max p W C(p). Résultats Voici des bornes du prix de la rationnalité : si p w < 1/2 PoR ] C l (p l ) C l (p w ), [, si p w > 1/2 PoR [0, C l (p l ) C l (p w ) [, si p w = 1/2 PoR = 1. D. Quadri () LGI, le 14/03/ / 43
26 Plan 1 Introduction 2 Modèle 3 Analyses et résultats 4 Exemples numériques 5 Extension du modèle (Logit) 6 Analyse des données de DHL 7 Conclusions et perspective D. Quadri () LGI, le 14/03/ / 43
27 Génération des exemples Paramètres fixés : C = 8, q = 5, A = 5, λ = 40. Paramètres de contrôle du système : K et 1/D. Pour chaque illustration 3 valeurs de γ : γ = 1, γ = 10 et γ = 50. Utilisation de MATLAB. D. Quadri () LGI, le 14/03/ / 43
28 K varie: Equilibres de Wardrop, de Logit et la répartition optimale par rapport à K 1 Equilibrium p w p l with γ=1 p l with γ=10 p l with γ=50 p * K D. Quadri () LGI, le 14/03/ / 43
29 K varie: Prix de la rationnalité selon K Price of Rationality γ=1 γ=10 γ= K D. Quadri () LGI, le 14/03/ / 43
30 1/D varie (K = 6): Equilibres de Wardrop, de Logit et la répartition optimale par rapport à 1/D Equlibrium p w p l with γ=1 p l with γ=10 p l with γ=50 p * /D D. Quadri () LGI, le 14/03/ / 43
31 1/D varie (K = 6) : Prix de la rationnalité selon 1/D γ=1 γ=10 γ=50 Price of Rationality /D D. Quadri () LGI, le 14/03/ / 43
32 Plan 1 Introduction 2 Modèle 3 Analyses et résultats 4 Exemples numériques 5 Extension du modèle (Logit) 6 Analyse des données de DHL 7 Conclusions et perspective D. Quadri () LGI, le 14/03/ / 43
33 Extension Plusieurs alternatives agissent de façon similaires (ne sont pas indépendantes ou corrélées), alors: Modèle de Logit imbriqué Objectif Etudier un modèle de comportement stratégique dans un système avec files d attente et un modèle de choix de type Logit imbriqué. D. Quadri () LGI, le 14/03/ / 43
34 Zone Urbaine Livraison à un point relais Zone Industrielle... Livraison à domicile Figure: Le modèle simplifié pour RSS (2 choix) et DAH D. Quadri () LGI, le 14/03/ / 43
35 Extension Zone urbaine: capacité petite mais trajet limité Zone industriel: grande capacité mais trajet important Modèle de Logit imbriqué avec ces deux alternatives corrélées. Equilibre de Logit est un cas particulier du Quantal Response Equilibrium (QRE). Il est obtenu par résolution d une équation de point fixe de type: p=q(p), avec Q(.) est la fonction de réponse quantale (BR, Logit,...). D. Quadri () LGI, le 14/03/ / 43
36 Etude de l équilibre Dans notre cas du Logit imbriqué, la fonction de réponse quantale implique un système non-linéaire à résoudre. Plusieurs solutions envisagées: Linéarisations, Approximation, Etude numérique. D. Quadri () LGI, le 14/03/ / 43
37 Plan 1 Introduction 2 Modèle 3 Analyses et résultats 4 Exemples numériques 5 Extension du modèle (Logit) 6 Analyse des données de DHL 7 Conclusions et perspective D. Quadri () LGI, le 14/03/ / 43
38 Analyse des données fournies par DHL Données issues des commandes de livraison d un site de e-commerce. Etudes de l évolution des commandes sur un intervalle de 3 mois (Janvier, Février, Mars) Format initial des données sous EXCEL Calcul et traitement des données sous EXCEL et MATLAB. Test du Khi-2 pour valider les demandes de type Poisson. D. Quadri () LGI, le 14/03/ / 43
39 Analyse de l étape out D. Quadri () LGI, le 14/03/ / 43
40 Analyse des données L étape du processus qui nous intéresse est l étape out, plus précisément la partie préparation. Nombre de commandes total par jour toutes catégories confondues. Les commandes regroupées le Lundi sont réparties sur tout le week-end et compris le Lundi. Pour une meilleure représentation, on regroupe les données dans des classes par pas de 50. D. Quadri () LGI, le 14/03/ / 43
41 0,14 0,12 0,1 0,08 0,06 0,04 0, Comparaison des histogrammes: nombre de commandes / Poisson Nombre de jours Histogramme des données Proba d'apparition Histogramme de Poisson D. Quadri () LGI, le 14/03/ / 43
42 Test du Khi-2 Test du Khi-2: Tester l adéquation d une série de données aléatoires à une famille de lois de probabilités. Etapes: Rassembler les données aléatoire X Définir la loi X de probabitilité à rapprocher Hypothèse nulle, H0: X X. Définir un risque α (1 5%) Déterminer un degré de liberté ( dll = nb classes). Calcul de la statistique Dn. Vérification et comparaison des résultats avec le tableau de Khi-2 D. Quadri () LGI, le 14/03/ / 43
43 Validation de l utilisation du processus de Poisson dans notre système 0,18 0,16 Pourcentage / Probabilités 0,14 0,12 0,1 0,08 0,06 0,04 0,02 Pourcentage d'apparition Probabilités de Poisson 0 31/12/ /01/ /01/1900 Classes de données Notre test valide la demande journalière suivant un processus de Poisson. (Dn=15,43 et seuil à 5% est 34,8) D. Quadri () LGI, le 14/03/ / 43
44 Plan 1 Introduction 2 Modèle 3 Analyses et résultats 4 Exemples numériques 5 Extension du modèle (Logit) 6 Analyse des données de DHL 7 Conclusions et perspective D. Quadri () LGI, le 14/03/ / 43
45 Conclusions Contributions de notre travail: Un 1er modèle simple pour 2 services de livraison basé sur la théorie des files d attente et la théorie des jeux. Une étude théorique des équilibres de Wardrop et Logit Equilibrium. Une comparaison des 2 équilibres. L utilisation du prix de la rationnalité pour mesurer l écart de performance du système. Extension : Logit imrbiqué (Etude en cours). Perspective Optimisation du revenu du fournisseur en fonction de l équilibre sous-jacent des usagers (MPEC). D. Quadri () LGI, le 14/03/ / 43
Introduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détail14. Introduction aux files d attente
14. Introduction aux files d attente MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: Files d attente 1/24 Plan 1. Introduction 2. Modèle M/M/1 3. Modèle M/M/1/K MTH2302D: Files
Plus en détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détail!-.!#- $'( 1&) &) (,' &*- %,!
0 $'( 1&) +&&/ ( &+&& &+&))&( -.#- 2& -.#- &) (,' %&,))& &)+&&) &- $ 3.#( %, (&&/ 0 ' Il existe plusieurs types de simulation de flux Statique ou dynamique Stochastique ou déterministe A événements discrets
Plus en détailProjet SINF2275 «Data mining and decision making» Projet classification et credit scoring
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailIFT3245. Simulation et modèles
IFT 3245 Simulation et modèles DIRO Université de Montréal Automne 2012 Tests statistiques L étude des propriétés théoriques d un générateur ne suffit; il estindispensable de recourir à des tests statistiques
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailCommunications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes
Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailSimulation centrée individus
Simulation centrée individus Théorie des jeux Bruno BEAUFILS Université de Lille Année 4/5 Ce document est mis à disposition selon les termes de la Licence Creative Commons Attribution - Partage dans les
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailLes équations différentielles
Les équations différentielles Equations différentielles du premier ordre avec second membre Ce cours porte exclusivement sur la résolution des équations différentielles du premier ordre avec second membre
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16
ACTUARIAT 1, ACT 2121, AUTOMNE 201 #16 ARTHUR CHARPENTIER 1 Dans une petite compagnie d assurance le nombre N de réclamations durant une année suit une loi de Poisson de moyenne λ = 100. On estime que
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailAlgorithmes de Transmission et de Recherche de l Information dans les Réseaux de Communication. Philippe Robert INRIA Paris-Rocquencourt
Algorithmes de Transmission et de Recherche de l Information dans les Réseaux de Communication Philippe Robert INRIA Paris-Rocquencourt Le 2 juin 2010 Présentation Directeur de recherche à l INRIA Institut
Plus en détailDébouchés professionnels
Master Domaine Droit, Economie, Gestion Mention : Monnaie, Banque, Finance, Assurance Spécialité : Risque, Assurance, Décision Année universitaire 2014/2015 DIRECTEUR de la spécialité : Monsieur Kouroche
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailChapitre 2/ La fonction de consommation et la fonction d épargne
hapitre 2/ La fonction de consommation et la fonction d épargne I : La fonction de consommation keynésienne II : Validations et limites de la fonction de consommation keynésienne III : Le choix de consommation
Plus en détailL'intelligence d'affaires: la statistique dans nos vies de consommateurs
L'intelligence d'affaires: la statistique dans nos vies de consommateurs Jean-François Plante, HEC Montréal Marc Fredette, HEC Montréal Congrès de l ACFAS, Université Laval, 6 mai 2013 Intelligence d affaires
Plus en détailThéorie des Jeux Et ses Applications
Théorie des Jeux Et ses Applications De la Guerre Froide au Poker Clément Sire Laboratoire de Physique Théorique CNRS & Université Paul Sabatier www.lpt.ups-tlse.fr Quelques Définitions de la Théorie des
Plus en détailApprentissage par renforcement (1a/3)
Apprentissage par renforcement (1a/3) Bruno Bouzy 23 septembre 2014 Ce document est le chapitre «Apprentissage par renforcement» du cours d apprentissage automatique donné aux étudiants de Master MI, parcours
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailL apprentissage automatique
L apprentissage automatique L apprentissage automatique L'apprentissage automatique fait référence au développement, à l analyse et à l implémentation de méthodes qui permettent à une machine d évoluer
Plus en détailRecherche et Diffusion de l Information dans les Réseaux. Philippe Robert. Le 8 avril 2014
Recherche et Diffusion de l Information dans les Réseaux Philippe Robert Le 8 avril 2014 Présentation Présentation Directeur de recherche à l INRIA Responsable de l équipe de recherche Réseaux, Algorithmes
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détaild. Tendances du marché...22 e. Une vision européenne...22 III. La distribution en France... 23
Table des matières: 8 PARTIE 1 SYNTHESE... 3 I. Combien d acteurs sur ce marché?... 3 II. Une offre large... 4 III. Facteur de croissance du marché... 4 IV. Impact du cloud computing... 4 V. Homogénéité
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailOPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailCOORDINATION NON COOPÉRATIVE: MÉTHODES D ENCHÈRES
COORDINATION NON COOPÉRATIVE: MÉTHODES D ENCHÈRES Cours 6c Principe Protocole centralisé, un commissaire-priseur/vendeur (auctioneer) et plusieurs enchérisseurs/acheteurs (bidders) Le commissaire-priseur
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailMémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains.
Mémoire d actuariat - promotion 2010 La modélisation des avantages au personnel: complexité et limites du modèle actuariel, le rôle majeur des comportements humains. 14 décembre 2010 Stéphane MARQUETTY
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailCNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité
1 CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité Une situation fréquente en pratique est de disposer non pas d un résultat mais de plusieurs. Le cas se présente en assurance, par exemple :
Plus en détail4.2 Unités d enseignement du M1
88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter
Plus en détailIntroduction à la méthodologie de la recherche
MASTER DE RECHERCHE Relations Économiques Internationales 2006-2007 Introduction à la méthodologie de la recherche geraldine.kutas@sciences-po.org Les Etapes de la Recherche Les étapes de la démarche Etape
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailI La théorie de l arbitrage fiscal de la dette (8 points)
E : «Théories de la finance d entreprise» Master M1 Université Paris-Dauphine Thierry Granger Année Universitaire 2013/2014 Session 1 Aucun document, calculette autorisée Durée 1h30 Respecter la numérotation
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailLISTE D EXERCICES 2 (à la maison)
Université de Lorraine Faculté des Sciences et Technologies MASTER 2 IMOI, parcours AD et MF Année 2013/2014 Ecole des Mines de Nancy LISTE D EXERCICES 2 (à la maison) 2.1 Un particulier place 500 euros
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailThéorie des sondages : cours 5
Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailLagrange, où λ 1 est pour la contrainte sur µ p ).
Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i
Plus en détailThéorie Financière 8 P. rod i u t its dé dérivés
Théorie Financière 8P 8. Produits dit dérivés déié Objectifsdelasession session 1. Définir les produits dérivés (forward, futures et options (calls et puts) 2. Analyser les flux financiers terminaux 3.
Plus en détailCHAPITRE 5. Stratégies Mixtes
CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détail3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes
PLAN CYCLE DE VIE D'UN LOGICIEL EXPRESSION DES BESOINS SPÉCIFICATIONS DU LOGICIEL CONCEPTION DU LOGICIEL LA PROGRAMMATION TESTS ET MISE AU POINT DOCUMENTATION CONCLUSION C.Crochepeyre Génie Logiciel Diapason
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab
ÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab notre compétence d'éditeur à votre service créée en juin 2010, Scilab enterprises propose services et support autour
Plus en détailLOGTIMUM. 5 e ÉDITION. XMS express Management System. Pour vos appels d offre. SupplyChainMagazine.fr 19, rue Saint-Georges - 94700 Maisons-Alfort
Pour vos appels d offre Juillet-Août 2011 TMS 5 e ÉDITION LOGTIMUM XMS express Management System SupplyChainMagazine.fr 19, rue Saint-Georges - 94700 Maisons-Alfort 1. NOM de l'éditeur LOGTIMUM 2. Appartenance
Plus en détailEconomie de l Incertain et des Incitations
Economie de l Incertain et des Incitations CHAPITRE 2 Eléments de théorie des jeux en information symétrique et asymétrique Equilibres Bayesiens - Université de Tours - M1 AGE - Arnold Chassagnon - Automne
Plus en détailIN 102 - Cours 1. 1 Informatique, calculateurs. 2 Un premier programme en C
IN 102 - Cours 1 Qu on le veuille ou non, les systèmes informatisés sont désormais omniprésents. Même si ne vous destinez pas à l informatique, vous avez de très grandes chances d y être confrontés en
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
Plus en détailCorrection du baccalauréat STMG Polynésie 17 juin 2014
Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé
Plus en détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
Plus en détailL oligopole ESCP 2012 2103
Structures de marché L oligopole Anne Yvrande Billon ESCP 2012 2103 1 Plan du cours (1/2) 1. Introduction : qu est ce qu un oligopole? 2. L oligopole de Cournot 3. Le «paradoxe de Bertrand» 2 1. Introduction
Plus en détailLe théorème des deux fonds et la gestion indicielle
Le théorème des deux fonds et la gestion indicielle Philippe Bernard Ingénierie Economique& Financière Université Paris-Dauphine mars 2013 Les premiers fonds indiciels futent lancés aux Etats-Unis par
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailIntroduction à la Théorie des Jeux p.1/77
Introduction à la Théorie des Jeux Sébastien Konieczny konieczny@cril.univ-artois.fr CRIL-CNRS Université d Artois - Lens Introduction à la Théorie des Jeux p.1/77 Théorie des Jeux Définition La théorie
Plus en détailSituation actuelle : Sommaire d une recommandation Page 1 de 5
Le but de l entreprise est d offrir la meilleure qualité de service dans la vente de pièces automobiles. Les clients de Pintendre on besoin de se procurer les pièces automobiles rapidement afin de changer
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailCours 9. Régimes du transistor MOS
Cours 9. Régimes du transistor MOS Par Dimitri galayko Unité d enseignement Élec-info pour master ACSI à l UPMC Octobre-décembre 005 Dans ce document le transistor MOS est traité comme un composant électronique.
Plus en détail