Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce

Dimension: px
Commencer à balayer dès la page:

Download "Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce"

Transcription

1

2 Cocepto d u outl décsoel pour la gesto de la relato clet das u ste de e-commerce Nazh SELMOUNE *, Sada BOUKHEDOUMA * ad Zaa ALIMAZIGHI * * Laboratore des Systèmes Iformatques(LSI )- USTHB - ALGER Résumé Les etreprses souceuses de leur progrès tetet à satsfare cotuellemet leurs clets potetels. L utlsato du e-commerce, l essor des techologes lées à l teret fat aître de ouvelles attetes de la part des clets et des collaborateurs. Cec oblge ces etreprses à predre les décsos adéquates e vue de répodre aux exgeces de leurs clets, e examat leur comportemet sur so ste de e-commerce. L aalyse du marché pour ue etreprse doée repose sur la quatté mportate d formatos proveat de so ste web marchad. Cette aalyse peut se fare e explotat les etrepôts de doées (ED) ou data warehouse (DW) d ue part et les outls de data mg ou de foulle de doées pour ue classfcato (proflage) des clets d autre part, car l ade à la décso peut écesster de compredre plus profodémet les chffres et les fats de l etreprse. Le préset artcle décrt la cocepto, l archtecture et quelques foctoaltés d u outl d ade à la décso pour la gesto de la relato clet sur u ste de e-commerce. Mots clés E-CRM, Data warehouse, Data Mg, modèle multdmesoel, OLAP. 1. Itroducto De ombreuses etreprses ot bât e parte leurs succès grâce à ue poltque de costate ovato techologque et ot su utlser les ouvelles techologes, depus logtemps, pour acquérr de ouveaux marchés et vser de ouveaux clets. De plus e plus sesblsés au web, ls veulet accéder drectemet de faço persoalsée et sécursée, au servce de l etreprse et de ses parteares. Partat de ce fat, les etreprses ot set le beso et la écessté de predre certaes décsos pour répodre aux attetes de ce ouveau type de clets qu se mafeste va ce ouveau caal d teractos. La coassace de l evroemet décsoel est u élémet vtal das la prse de décso. Par exemple la coassace de clets et de leur comportemet d achat costtue u élémet décsoel pour le lacemet d u produt. L aayse du marché pour ue etreprse doée aura comme référece les doées qu découlet de so ste web marchad. Les etreprses possèdet doc, d mportats volumes de doées aux formats gééralemet hétérogèes, ce qu écesste l utlsato d u outl permettat l explotato effcace et performate de ces doées pour ader l etreprse à la prse de décso, d où la assace des etrepôts de doées (ED) ou data warehouse (DW) (Imo, 1996b), (Kmball & al, 2000). Cette approche vse à extrare des doées de bases de producto, à les assembler, par sujet, à les orgaser, à les trasformer et à les résumer pour l ade à la décso. L etrepôt dot pouvor mémorser l hstore de l etreprse. Pour meux coaître sa cletèle, ue etreprse peut décder d effectuer ue classfcato basée sur le comportemet des clets. Cec mplque la écessté de mettre e place des outls de data mg ou foulle de doées. Ces outls reposet e gééral sur des techques basées sur les statstques, la classfcato ou l extracto de règles assocatves (Gardar, 2000). Le traval préseté das cet artcle cosste e la cocepto et la mse e œuvre d u outl d ade à la décso basé sur les techques de DW et de data mg, susceptble d assster les etreprses de vetes sur teret, das la prse de leurs décsos. Page2

3 La sute du documet est orgasée comme sut : La secto 2 présete les cocepts de base du décsoel, à savor les etrepôts de doées (ED) et le data mg. La secto 3 présete le cocept d ade à la décso das la gesto de la relato clet. La secto 4 décrt la cocepto de l outl réalsé pour l ade à la décso. E effet, elle présete les vues statque et dyamque du système e utlsat quelques dagrammes d UML, le modèle multdmesoel selo deux axes vetes et vstes. Ue descrpto d u algorthme de groupage est auss doée das cette secto. Ef, quelques fgures motrat les prcpales foctoaltés de l outl sot doées das la secto Cocepts de base des systèmes d ade à la décso : Nous présetos das ce qu sut quelques cocepts de base, cocerat les systèmes d ade à la décso et otammet, les etrepôts de doées : 2.1 Etrepôt de doées (data warehouwse) : U etrepôt de doées (ED) ou data warehouse (DW) se déft selo W. INMON comme état u esemble de doées tégrées, oretées sujet, o volatles, gérées das u evroemet de stockage partculer, hstorsées, résumées, dspobles pour l terrogato et l aalyse et orgasées pour le support d u processus d ade à la décso (Bret & al, 2001). Les doées d u ED possèdet les caractérstques suvates (Teste, 2000), (Raval & al, 2001) : Itégrées Les doées de l etrepôt proveet de dfféretes sources évetuellemet hétérogèes. L tégrato cosste à résoudre les problèmes d hétérogéété des systèmes de stockage, des modèles de doées, de sématque de doées. Oretées sujet Après leur tégrato das ue sorte de source globale, les doées sot réorgasées autour de thèmes tels que : clet, vedeur, produt etc. Chaque décdeur d ue etreprse dot dsposer d ue vue sur les formatos qu lu sot pertetes, et qu peuvet fluer das ses décsos pour ue melleure explotato de ces doées. Fgure 1.1 : Archtecture d u etrepôt de doées No volatles Tout se coserve, re e se perd : cette caractérstque est prmordale das les ED. E effet, et cotraremet aux bases de doées classques, u ED est accessble e ajout ou e cosultato uquemet. Les modfcatos e sot autorsées que pour des cas partculers (correcto d erreurs etc.). Page3

4 Hstorsées La coservato de l évoluto des doées das le temps, costtue ue caractérstque majeure des ED. Elle cosste à s appuyer sur les résultats passés pour la prse de décso et fare des prédctos ; autremet dt, la coservato des doées af de meux appréheder le préset et d atcper le futur. Résumées Les formatos ssues des sources de doées dovet être agrégées et réorgasées af de faclter le processus de prse de décso. Dspobles pour l terrogato et l aalyse Les utlsateurs dovet pouvor cosulter les doées e focto de leurs drots d accès. L ED dot comporter u module de tratemet des requêtes, exprmées das u lagage, doté d opérateurs pussats, pour l explotato de la rchesse du modèle. 2.2 Archtecture d u etrepôt de doées : L archtecture d u ED, représetée das la fgure 1, s artcule autour de tros phases : l tégrato, la restructurato, et l explotato (Imo, 1996b). Itégrato : Cette premère étape, est assez délcate, car elle cosste à extrare et regrouper les doées, proveat de sources multples, et hétérogèes. U certa ombre de problèmes est à résoudre à ce veau : les doées dovet être fltrées, trées, homogéésées et ettoyées. Structurato : Cette étape cosste à réorgaser les doées, das des magass af de supporter effcacemet les processus d aalyse et d terrogato, et d offrr aux dfférets utlsateurs, des vues approprées à leurs besos. Iterrogato et Aalyse : L explotato de l etrepôt, pour l ade à la décso peut se fare de dfféretes faços, dot : l terrogato à travers u lagage de requêtes, La coexo à des composats de report, pour des représetatos graphques et tabulares, L utlsato des techques OLAP (OLe Aalytcal Process ), L utlsato des techques de foulle de doées (Data Mg). 2.3 Modèle Multdmesoel (Bret & al, 2001): Les modèles basés sur le cocept multdmesoel, sot les plus approprés, à capturer les caractérstques des DW. Ils permettet e effet, de doer ue vso smple, et faclemet terprétable par des o formatces, et de vsualser les doées selo dfféretes dmesos. Le modèle multdmesoel cotet deux types d attrbuts : les dmesos et les mesures. Les dmesos sot les valeurs umérques que l o compare, les dmesos sot les pots de vue depus lesquels les mesures peuvet être observées. La modélsato multdmesoelle est llustrée par des cubes de doées ou des hypercubes. Page4

5 mesure Fgure 2.1 : Exemple d u cube de doées Les doées représetées sur l hypercube peuvet être sujettes à ue aalyse OLAP. Le terme OLAP (OLe Aalytcal Process) désge commuémet, u esemble de foctoaltés qu servet à faclter l aalyse multdmesoelle, opératos réalsables sur l hypercube, parm lesquelles ous ctos : la rotato, la coupe, le plage et le déplage (Codd, 1993 ), (Chaudru,1997). 2.4 La foulle de doées (Data mg) Le data mg fat référece à u esemble de techques d explorato et d aalyse, par des moyes automatques ou sem-automatques, d ue masse mportate de doées das le but de découvrr des tedaces cachées ou des règles sgfcatves (o trvales, mplctes et potetellemet utles) (Gardar, 2000), (Imo, 1996a). Les outls de data mg reposet e gééral, sur des techques basées sur les statstques, la classfcato ou l extracto de règles assocatves. Objectfs du data mg Les objectfs du Data Mg peuvet être regroupés das tros axes mportats : Prédcto (What-f) : cosste à prédre les coséqueces d u évéemet (ou d ue décso), se basat sur le passé. Découverte de règles cachées : découvrr des règles assocatves, etre dfférets évéemets (Exemple : corrélato etre les vetes de deux produts). Cofrmato d hypothèses : cofrmer des hypothèses proposées par les aalystes et décdeurs, et les doter d u degré de coface. 3. Ade à la décso das le CRM CRM est u acroyme pour Customer Relatoshp Maagemet - GRC ou Gesto de la Relato Clet e fraças Défto CRM : C est u terme de l dustre des systèmes d formato eglobat des méthodologes, du software et habtuellemet des capactés Iteret qu adet ue etreprse à gérer les relatos avec ses clets d ue maère structurée. 3.2 E-CRM : L'e-crm est u processus cotu d'amélorato de la relato clet sur Iteret. C est u domae e plee expaso au vu de l mpact d Iteret sur le e-commerce. Voc quelques chffres justfat l térêt porté à ce domae (Source: META Group, Busess Week, Forrester Research, Jupter Commucato): 66% des acheteurs potetels abadoet le processus d'achat e cours 59% des terautes acheteurs se dset satsfats du servce clet de leur ste d'achat Page5

6 Mos de 5% des vsteurs uques deveet clets E 2004, chaque foyer recevra e moyee 9 e-mals par jour, 6 vsat à fdélser et 3 à créer de ouveaux clets L'utlsato d'outls de gesto de campages d'e-mal permet de multpler par quatre le taux d'achat egedré Les campages par e-mal coûtet 80% mos cher que le publpostage drect classque 4. Cocepto de l outl d ade à la décso OAD Das ce qu sut, ous présetos la cocepto de otre outl d ade à la décso, assocé, à u ste de e- commerce. Deux volets costtuet otre soluto, le premer est cosacré à l aalyse multdmesoelle, et le secod, à l utlsato d ue techque de foulle de doées basée sur u algorthme de groupage. Nous utlseros des dagrammes UML, pour llustrer les aspects statques, dyamques et foctoels de otre cocepto. 4.1 Dagrammes de cas d utlsato : Le commerçat, état l acteur prcpal. Les cas d utlsato de base qu vot être ms e évdece pour l assster das la prse de décso serot : Accéder à l OAD. Vsualser les doées e cube (chosr u magas de doées). Applquer les opératos OLAP sur le cube de doées. Applquer les techques du data mg. Fgure 4.1 : Dagramme des use case de l OAD 4.2 Dagrammes de séquece: Das cette phase, et après detfcato des cas d utlsato, et des scéaros assocés à chaque cas, ous les représetos à l ade des dagrammes de séquece : «vsualser cube de doées», «applquer les opératos OLAP», «Applquer algorthme de Data-mg». Page6

7 Fgure 4.3 : Dagramme de séquece «Applquer les opérateurs OLAP» Fgure 4.2 : Dagramme de séquece «Vsualser les cubes de doées» Fgure 4.5 : Dagramme de séquece «Applquer algorthme de data mg» Page7

8 4.2 Dagrammes de classes partcpates (DCP) : La phase suvate, cosste à detfer l esemble des dagramme de classes partcpates (DCP). Il s agt de dagrammes de classes UML qu décrvet, par cas d utlsato, les prcpales classes d aalyse et leurs relatos. Ces dagrammes fot la jocto etre les cas d utlsato, le modèle du domae, la maquette et les dagrammes de cocepto logcelle. Les dfféretes classes d aalyse se répartsset e tros catégores : les classes «Iterface» permettat les teractos etre le système et ses utlsateurs, les classes «cotrôle» coteat la cématque de l applcato, et les classes «etté» représetat les objets méters. Classe d terface Classe de cotrôle Fgure 4.6 : DCP du cas d'utlsato «vsualser les doées e cube» Fgure 4.7 : DCP du cas d'utlsato «Applquer opérateur OLAP» Page8

9 Fgure 4.8 : DCP du cas d'utlsato «Applquer u algorthme de data mg» 4.4 Modèle multdmesoel : Le premer module de l OAD, est cosacré à l aalyse multdmesoelle des doées ssues d u ste de e- commerce. Les magass de doées choss, depus lesquels le décdeur vsualse les cubes de doées sot les magass vetes et vstes. Les tables de fats et de dmesos des deux magass sot structurés selo les deux schémas e étole présetés c-dessous : 4.5 Fgure Module 4.10 de : Data schéma Mg e étole du magas de doées des vetes Fgure 4.11 : Schéma e étole du magas de doées des vstes Page9

10 Le deuxème module de l OAD, est basé sur u algorthme de groupage (Gardar, 2000) spré de la méthode des k-moyees, permettat de costrure des groupes de clets e focto de crtères de smlarté. Avat de détaller le foctoemet de l algorthme de groupage, l faut éclarcr certas pots et rappeler quelques déftos de base utlsées das les étapes de calcul des groupes d dvdus. Représetato des clets Les clets sot représetés par des vecteurs de R lesquelles o perçot le clet. O assoce à chaque clet, u vecteur., où et le ombre de varables (dmesos) selo j j ( x.. x ) t j x = 1. O cosdère que chaque dvdu est mu d u pods p avec p > 0 et p = 1. Nuage d dvdus Das l espace des dvdus, l esemble N = { x / R, p > 0 et p = 1} est appelé uage d dvdus. x Cetre de gravté Le cetre de gravté g d u uage N ou ecore le «Barycetre» des pots X (ou X et le ème dvdu du uage N) affectés aux pods p est doé par la formule suvate : 1 1 x x Où x j = = 1 j g = p * x qu s écrt : = 1 p * x est la moyee de la j ème varable. g = p = 1.. * =.... p p x x Ierte du uage L erte d u uage d dvdus N par rapport à u pot (dvdu) X R est la quatté otée par : I x 2 ( N) = p * d ( x, x) Où d 2 ( x, x) est la dstace etre X et X. = 1 I x (N) mesure la dsperso du uage autour de x. Remarques Le pods p das otre cas est detque pour tous les dvdus et est égal à Pour l algorthme de groupage ous avos utlsé la dstace eucldee qu est doée par la formule suvate : 2 d( x, y) = ( x y ) = 1 1. N Avec x et y deux vecteurs de R S x = g cetre de gravté du uage N alors I x ( N ) = I g ( N ) est appelée erte du uage. L erte est mmale au pot g. Page10

11 Algorthme de groupage Début Chosr le ombre k de groupes Chosr k dvdus comme cetres taux des k groupes Pour chaque dvdu fare := 2 ; d := dstace etre l dvdu et le 1 er l dvdu au 1 er groupe ; cetre No <= k := + 1 ; tmp:= dstace etre l dvdu et le k ème cetre ; tmp < d No Ou L dvdu au k ème groupe ; F No Tous les dvdus sot groupés Les groupes sot stables Nombre d térato > 1 No No Recalculer les cetres des dfférets groupes ; Fgure 4.12 : Orgagramme de l algorthme de groupage Page11

12 Prcpe gééral : L algorthme cosste à grouper les clets selo u crtère be détermé par exemple : par catégore d achats (.e le vecteur x représetat la quatté achetée de chaque produt, pour u clet doé). L etrée de l algorthme est le ombre k de groupes (représetat les catégores de clets). Ue fos le ombre de groupes sas, l algorthme chost arbtraremet k clets comme cetres «taux» des k groupes. L étape suvate cosste à calculer la dstace etre chaque dvdu (clet) et les k cetres ; la plus pette dstace est reteue pour clure cet dvdu das le groupe ayat le cetre le plus proche. Ue fos tous les dvdus groupés, o aura k sous-uages dsjots du uage total. Pour chaque groupe (sousuage), l algorthme calcule le ouveau cetre de gravté. L algorthme s arrête lorsque les groupes costruts deveet stables. 5. Implémetato et mse e œuvre : 5.1 Archtecture du système : L archtecture motre l esemble des composats, outls et matérels tercoectés permettat d obter ue archtecture smple et évolutve. Comme llustré das la fgure 5.1, l archtecture est composée de partes dfféretes. Fgure 5.1 : Archtecture du système La premère parte costtue l terface du ste web marchad de l etreprse. Les clets qu se coectet au ste et ayat déjà effectué ue detfcato pourraet effectuer dfféretes actos durat leurs vstes telles que le passage d ue commade, la cosultato et/ou la modfcato de leurs paers, etc. Ces actos vot se tradure par ue géérato des doées sous format xml. Le commerçat, au veau de so etreprse se coecte au ste pour télécharger ces fchers xml qu serot récupérés par l outl d ade à la décso (lvré au commerçat lors de géérato de so ste), pour être ef stockés das l etrepôt de doées après coverso au format relatoel. Fgure 5.2 : Téléchargemet des doées XML à partr du ste marchad Page12

13 5.2 Aalyse multdmesoelle : L aalyse multdmesoelle, cosste das u premer temps à chosr u magas de doées parm ceux proposés, as que les dmesos et les mesures à predre e compte. Fgure 5.3: Chox du magas de doées Fgure 5.4 : Chox des dmesos Fgure 5.6 : Représetato multdmesoelle Page13

14 Il est alors possble d applquer les dfféretes opératos OLAP, telles que : plage, déplage, rotato etc. Fgure 5.7 : Applcato d ue opérato OLAP 5.3 Module de data mg : L'objet de cette aalyse est de regrouper les dvdus e focto de leurs actos et de resegemets propres aux persoes. L'térêt est de former des groupes de persoes ayat des comportemets smlares. Das u premer temps, à des fs d'aalyse (qu sot mes vsteurs? quelles sot les pages les plus vstés? les produts les plus vstés?) et das u secod temps à des fs d'atcpato (proposer le produt le plus adapté à u dvdu). Fgure 5.8 : Applcato de la techque de groupage Page14

15 Le décdeur va doc doer e etrée le ombre k de groupes, pour valder esute so chox, le résultat de cette opérato est affché sous forme de rapports mprmables à la demade du décdeur. Cocluso Fgure 5.9 : Rapport du résultat du groupage Le traval préseté das cet artcle cosste e la cocepto et la réalsato d u outl d ade à la décso das la gesto de la relato clet sur teret. L térêt prcpal d u tel outl est d offrr aux décdeurs ue melleure vso de leurs clets leur permettat as, ue melleure gesto de leurs etreprses. Comme perspectve à ce traval, ous proposos u erchssemet du module data mg e tégrat d autres techques de classfcato telles que les réseaux de euroes. Remercemets : ous teos à remercer Mrs K. ALLOUN & O. CHOUIB pour leur cotrbuto das la réalsato de l outl. Référeces (Bret & al, 2001) : Groupe EVOLUTION. F. Bret. T. Cruaees. I. Guessara. E. Metas. M-C. Rousset. S. Schwer. O. Teste. G. Zurfluh, Igéere des systèmes d formato, édto HERMES, 2001 (Chaudru,1997) : S. Chaudhur, Data Warehousg ad OLAP for Decso Support (Mcrosoft Research, Redmot), SIGMOD AZ, USA, (Codd, 1993) : E. F. Codd, Provdg OLAP to user-aalysts: a IT madate, Techcal Report, E. F. Codd ad assocates, (Gardar, 2000) : Georges Gardar, Iteret,Itraet et bases de doées, Edto DUNOD, (Imo,1996a) : W. H. Imo, The Data Warehouse ad Data Mg, commucato of the ACM,, Vol. 39, N 11, Novembre 1996 (Imo,1996b) :W. Imo. Buldg the Data Warehouse. QED Techcal Publshg Group, Wellesley, Massachusetts, U.S.A., 1996 (Jarke & al,2000) : Matthas Jarke, Thomas Lst, Jörg Köller, The Challege of Process Data Warehousg, 26th Iteratoal Coferece o Very Large Databases, Care, Egypt, 2000 (Kmball & al, 2000) : R. Kmball, L. Reeves, M. Ross, W. Thorthwate, Cocevor et déployer u data warehouse, Edtos Eyrolles, 2000 (Ravat & al, 2001) : Frak Ravat, Olver Teste, Glles Zurfluh : Modélsato et extracto de doées pour u etrepôt objet, Uversté Paul Sabater (Toulouse III), IRIT (Isttut de Recherche e formatque de Toulouse), équpe SIG, Toulouse, Frace 2001 (Teste, 2000) : Olver Teste, Modélsato et Mapulato d Etrepôts de Doées Complexes et Hstorsés, Thèse de Doctorat de l uversté Paul Sabater, Décembre Page15

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce

Conception d un outil décisionnel pour la gestion de la relation client dans un site de e-commerce SETIT 2005 3 RD INTERNATIONAL CONFERENCE: SCIENCES OF ELECTRONIC, TECHNOLOGIES OF INFORMATION AND TELECOMMUNICATIONS MARCH 27-3, 2005 TUNISIA Cocepto d u outl décsoel pour la gesto de la relato clet das

Plus en détail

Module 4 - Leçon 01 - Budget des ventes 1. Introduction - Recherche de la tendance générale

Module 4 - Leçon 01 - Budget des ventes 1. Introduction - Recherche de la tendance générale Cotrôle de gesto Budget des vetes Module 4 - Leço - Budget des vetes Itroducto - Recherche de la tedace géérale - Itroducto Le budget des vetes est le premer budget opératoel à établr. Il est cosdéré comme

Plus en détail

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant :

STATISTIQUES. La taille moyenne d un jeune enfant est donnée, en fonction de son âge (en mois), dans le tableau suivant : STATISTIQUES Cours Termale ES O observe que, das certas cas, l semble ester u le etre deu caractères statstques quattatfs (deu varables) sur ue populato ; par eemple, etre le pods et la talle d u ouveau-é,

Plus en détail

IFT3913 Qualité du logiciel et métriques. Chapitre 7 Collecte et analyse des métriques

IFT3913 Qualité du logiciel et métriques. Chapitre 7 Collecte et analyse des métriques IFT393 Qualté du logcel et métrques Chaptre 7 Collecte et aalyse des métrques Pla du cours Itroducto Qualté du logcel Théore de la mesure Mesure du produt logcel Mesure de la qualté du logcel Études emprques

Plus en détail

Analyse de régression

Analyse de régression Itroducto à la régresso Aalyse de régresso La régresso est utlsée pour estmer ue focto f( ) décrvat ue relato etre ue varable explquée cotue,, et ue ou pluseurs varables explcatves,. = f(,, 3,, )+ε Remarque

Plus en détail

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES

ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES ANALYSE DES DONNÉES TEST DU KHI-DEUX ANALYSE FACTORIELLE DES CORRESPONDANCES SIMPLES Perre-Lous Gozalez Mesure de la laso etre deux varables qualtatves Kh deux Equête : Êtes-vous «pas du tout d accord»

Plus en détail

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen

Annexe 1. Estimation d un quantile non-paramétrique par la méthode de Hazen Aexe. Estmato d u quatle o-paramétrque par la méthode de Haze La probablté cumulée emprque d ue doée au se d u échatllo est pas u cocept parfatemet déf : pluseurs estmatos sot possbles ; l e est de même

Plus en détail

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets

Plus en détail

Coefficient de partage

Coefficient de partage Coeffcet de partage E chme aque, la sythèse d'u composé se fat e pluseurs étapes : la réacto propremet dte (utlsat par exemple u motage à reflux quad la réacto dot être actvée thermquemet), les extractos

Plus en détail

La statistique et les statistiques

La statistique et les statistiques Psy004 Secto : La statstque et les statstques Pla du cours: 0.0: Beveue 0.: Les catégores du savor 0.: Survol de la psychologe 0.3: Le pla de cours 0.4: Les assstats.0: La physque: scece exacte?.: Scece

Plus en détail

EVALUATION SPATIO-TEMPORELLE DES ENJEUX HUMAINS DANS LE CADRE D UNE ANALYSE DE VULNERABILITE AUX RISQUES TECHNOLOGIQUES

EVALUATION SPATIO-TEMPORELLE DES ENJEUX HUMAINS DANS LE CADRE D UNE ANALYSE DE VULNERABILITE AUX RISQUES TECHNOLOGIQUES Evaluato spato-temporelle des ejeux humas das le cadre d ue aalyse de vulérablté aux rsques techologques EVALUATION SPATIO-TEMPORELLE DES ENJEUX HUMAINS DANS LE CADRE D UNE ANALYSE DE VULNERABILITE AUX

Plus en détail

TD Techniques de prévision pour la Gestion de production

TD Techniques de prévision pour la Gestion de production Orgasato et gesto dustrelle Page / 6 TD Techques de prévso pour la Gesto de producto er Exercce Vetes d u rayo de jouraux das u supermarché Javer Févrer Mars Avrl Ma Ju Jullet Août Septembre Octobre Novembre

Plus en détail

2013 LES DÉLAIS DE PAIEMENT. STATISTIQUES DE 2000 À 2012 EN NOMENCLATURE NAF rev. 2

2013 LES DÉLAIS DE PAIEMENT. STATISTIQUES DE 2000 À 2012 EN NOMENCLATURE NAF rev. 2 203 LES DÉLAIS DE PAIEMENT STATISTIQUES DE 2000 À 202 EN NOMENCLATURE NAF rev. 2 Javer 204 Itroducto Des séres statstques chroologques des délas de paemet et du solde du crédt teretreprses sot dspobles

Plus en détail

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure.

CHAPITRE 6 : LE BIEN-ETRE. Durée : Objectif spécifique : Résumé : I. L agrégation des préférences. Cerner la notion de bien-être et sa mesure. TABLE DES MATIERES Durée...2 Objectf spécfque...2 Résumé...2 I. L agrégato des préféreces...2 I. Le système de vote à la majorté...2 I.2 Vote par classemet...3 I.3 Codtos de décso socale et théorème d

Plus en détail

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE

Chapitre 8 Corrélation et régression linéaire simple. José LABARERE UE4 : Bostatstques Chaptre 8 Corrélato et régresso léare smple José LABARERE Aée uverstare 20/202 Uversté Joseph Fourer de Greoble - Tous drots réservés. Pla I. Corrélato et régresso léare II. Coeffcet

Plus en détail

Chapitre 4 : RÉGRESSION

Chapitre 4 : RÉGRESSION Chaptre 4 : RÉGRESSION 4. Régresso léare smple 4.. Équato de la régresso 4.. Estmato par les modres carrés 4..3 Coeffcet de détermato 4..4 Iférece sur les coeffcets 4..5 Prévso et aalyse des résdus Régresso

Plus en détail

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet.

Contrôle du mardi 27 janvier 2015 (3 heures) 1 ère S1 D P C. Le barème est donné sur 40. On répondra directement sur la copie fournie avec le sujet. ère S Cotrôle du mard 7 javer 05 ( heures) D C N Le barème est doé sur 0 O répodra drectemet sur la cope foure avec le sujet U certa ombre de questos écesste ue recherche préalable au broullo O e rédgera

Plus en détail

SYSTEME FERME EN REACTION CHIMIQUE

SYSTEME FERME EN REACTION CHIMIQUE SYSTEME FERME EN REACTION CHIMIQUE I. DESCRIPTION D UN SYSTEME. Les dfférets types de système (ouvert, fermé, solé U système S est formé d u esemble de corps séparés du reste de l uvers (appelé mleu extéreur

Plus en détail

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20.

BTS C.G. 1996. B) Retour au problème concret: Le nombre d'appartements commercialisé est nécessairement un entier entre 2 et 20. BTS CG 996 Eercce : (0 pots) Ue agece mmoblère evsage de commercalser u programme de costructo d'appartemets Deu projets lu sot soums: Projet P : Le coût de producto de appartemets ( eter et 0 )est doé

Plus en détail

sont distincts 2 à 2.

sont distincts 2 à 2. Lycée Thers CORRIGÉ TP PYTHON - 09 L algorthme des k-meas pour partager u uage de pots e u ombre doé de classes peu dspersées 1 - La méthode de Forgy [Qu. 1] 1) Cette double somme comporte termes pusque

Plus en détail

Calculs en chromatographie

Calculs en chromatographie Calculs e chroatographe éthode de la oralsato tere... 1 Coeffcet de répose assque relatf... 1 Calcul des pourcetages assques... 2 Calcul des pourcetages olares... 3 xeple d aalyse CG d ue substtuto copéttve

Plus en détail

PHYSIQUE DES SEMICONDUCTEURS

PHYSIQUE DES SEMICONDUCTEURS MIISTERE DE L'ESEIGEMET SUPERIEURE ET DE LA REHERHE SIETIFIQUE UIERSITE DE BEHAR Départemet es Sceces Laboratore e Pysque es spostfs à semcoucteurs (L.P.D.S ttp://www.uv-becar.z/lps/ PHYSIQUE DES SEMIODUTEURS

Plus en détail

FD5-10-15 Solutions D Acquisition de données Module d acquisition de données

FD5-10-15 Solutions D Acquisition de données Module d acquisition de données Module d acqusto de doées De 5 à 15 etrées aalogques sychrosées dfféretelles uverselles Logcel d'explotato embarqué Serveur Web Jusqu'à 400 échatllos par secode par voe Voes de calcul et de tratemet Stockage

Plus en détail

GESTION COOPÉRATIVE DE STOCKS DE PRODUITS FINIS DANS UN RESEAU DE DISTRIBUTION

GESTION COOPÉRATIVE DE STOCKS DE PRODUITS FINIS DANS UN RESEAU DE DISTRIBUTION GESTION COOPÉRATIVE DE STOCKS DE PRODUITS FINIS DANS UN RESEAU DE DISTRIBUTION Lama Trqu, Jea-Claude Heet To cte ths verso: Lama Trqu, Jea-Claude Heet. GESTION COOPÉRATIVE DE STOCKS DE PRO- DUITS FINIS

Plus en détail

Variables j.. p. Xij

Variables j.. p. Xij L alyse e Composates Prcpales (CP) O possède u tableau rectaulare de mesure dot les coloes sot des varables quattatves (mesuratos, taux, statos clmatques) et dot les les représetet des dvdus statstques

Plus en détail

LE PARAMETRAGE DU MRP SOUS INCERTITUDES DE DELAIS D APPROVISIONNEMENTS ET DEMANDE : LE CAS DE SYSTEME D ASSEMBLAGE A UN NIVEAU

LE PARAMETRAGE DU MRP SOUS INCERTITUDES DE DELAIS D APPROVISIONNEMENTS ET DEMANDE : LE CAS DE SYSTEME D ASSEMBLAGE A UN NIVEAU 8 e Coférece Iteratoale de MOdélsato et SIMulato - MOSIM 0-0 au 2 ma 200 - Hammamet - Tuse «Evaluato et optmsato des systèmes ovats de producto de bes et de servces» LE PARAMETRAE U MRP SOUS INCERTITUES

Plus en détail

6. RADIERS 6.1. GÉNÉRALITÉS

6. RADIERS 6.1. GÉNÉRALITÉS 6. RADIERS 6.. GÉNÉRALITÉS U raer est ue alle plae, évetuellemet ervurée, costtuat l'esemble es foatos 'u bâtmet. Il s'éte sur toute la surface e l'ouvrage. Ce moe e foato est utlsé as eux cas : lorsque

Plus en détail

THESE. présentée devant. l UNIVERSITE D EVRY VAL D ESSONNE. en vue de l obtention du DOCTORAT DE L UNIVERSITE D EVRY. Spécialité : Robotique.

THESE. présentée devant. l UNIVERSITE D EVRY VAL D ESSONNE. en vue de l obtention du DOCTORAT DE L UNIVERSITE D EVRY. Spécialité : Robotique. THESE présetée devat l UNIVERSITE D EVRY VAL D ESSONNE e vue de l obteto du DOCTORAT DE L UNIVERSITE D EVRY Spécalté : Robotque Par Omar AÏT-AIDER Localsato référecée modèle d'u robot moble d'téreur Le

Plus en détail

Apport de la technique de décomposition de domaine en réduction modale de branche

Apport de la technique de décomposition de domaine en réduction modale de branche Apport de la techque de décomposto de domae e réducto modale de brache Perre-Olver LAFFAY, Olver QUEMENER *, Etee VIDECOQ, Ala NEVEU Laboratore de Mécaque et d Eergétque d Evry (LMEE) 40, Rue du Pelvoux

Plus en détail

6GEI300 - Électronique I. Examen Partiel #1

6GEI300 - Électronique I. Examen Partiel #1 6GEI3 Électroque I Autome 27 Modalté: Aucue documetato est permse. Vous avez drot à ue calculatrce o programmable. La durée de l exame est de 3h Cet exame compte pour 2% de la ote fale. Questo 1. Questos

Plus en détail

ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES

ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES ESPACES VECTORIELS NORMÉS DE DIMENSION FINIE NORMES USUELLES, ÉQUIVALENCE DES NORMES SOMMAIRE. Normes sur u espace vectorel E 2.. Défto d'ue orme. Cter l'égalté tragulare reversée. 2.2. Normes usuelles

Plus en détail

Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires

Evaluation des méthodes d analyse appliquées aux sciences de la vie et de la santé. Statistique. Variables aléatoires UE 4 Evaluato des méthodes d aalyse applquées au sceces de la ve et de la saté Statstque Varables aléatores Frédérc Mauy - 27 septembre et 3 octobre 2013 1 Pla du cours 1. Varable aléatore 1. Défto 2.

Plus en détail

AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION

AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION AJUSTEMENT ANALYTIQUE RÉGRESSION - CORRÉLATION. INTRODUCTION Il est fréquet de s'terroger sur la relato qu peut exster etre deux gradeurs e partculer das les problèmes de prévso et d estmato. Tros types

Plus en détail

ÉTUDE DE MÉTHODES D ANALYSE SPATIALE ET ILLUSTRATION À L AIDE DE MICRODONNÉES URBAINES DE LA GRANDE RÉGION DE MONTRÉAL

ÉTUDE DE MÉTHODES D ANALYSE SPATIALE ET ILLUSTRATION À L AIDE DE MICRODONNÉES URBAINES DE LA GRANDE RÉGION DE MONTRÉAL les Cahers Scetfques du Trasport N 49/006 - Pages 77-0 Cathere Morecy Étude de méthodes d aalyse spatale et llustrato à l ade de mcrodoées urbaes de la Grade Régo de Motréal JEL : C8 ÉTUDE DE MÉTHODES

Plus en détail

ANALYSE DES ENQUETES CAS-TEMOINS. AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séries non appariées) ad bc. , bc. 762, nmnm

ANALYSE DES ENQUETES CAS-TEMOINS. AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séries non appariées) ad bc. , bc. 762, nmnm I. DEFINITION ANALYSE DES ENQUETES CAS-TEMOINS AVEC PRISE EN COMPTE DE FACTEURS DE CONFUSION (Séres o apparées) Dr F. Séguret Départemet d Iformato Médale, Épdémologe et Bostatstques U facteur F est ue

Plus en détail

ANALYSE DES CORRESPONDANCES SIMPLES

ANALYSE DES CORRESPONDANCES SIMPLES ANALYSE DES DONNÉES TEST DU KHI-DEUX ANALYSE DES CORRESPONDANCES SIMPLES Perre-Lous Gozalez MESURE DE LIAISON ENTRE DEUX VARIABLES QUALITATIVES KHI-DEUX Mesure de la laso etre deux varables qualtatves

Plus en détail

I. Qu est-ce qu une variable aléatoire?

I. Qu est-ce qu une variable aléatoire? I. Qu est-ce qu ue varable aléatore?. Défto : Sot ue expérece aléatore dot l esemble des résultats possbles (l uvers est oté Ω. Ue varable aléatore est ue focto X allat de Ω sur R, c est-à-dre que c est

Plus en détail

RECUEIL DES METHODES INTERNATIONALES D'ANALYSES OIV Guide de validation Contrôle qualité

RECUEIL DES METHODES INTERNATIONALES D'ANALYSES OIV Guide de validation Contrôle qualité Gude de valdato Cotrôle qualté Gude pratque pour la valdato, le cotrôle qualté, et l estmato de l certtude d ue méthode d aalyse œologque alteratve (Résoluto Oeo 10/005) Sommare 1. OBJET... 5. PREAMBULE

Plus en détail

III ESPERANCE MATHEMATIQUE

III ESPERANCE MATHEMATIQUE /9 ésumé de ours e alul des probabltés (JJ bellager III ESPEAE MATHEMATIQUE I.Défto et alul de l espérae mathématque d ue VA La défto la plus géérale de l espérae d u VA : (do à valeurs postves ou ulles

Plus en détail

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1 II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d

Plus en 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

APPRENTISSAGE ARTIFICIEL («Machine-Learning»)

APPRENTISSAGE ARTIFICIEL («Machine-Learning») APPRENTISSAGE ARTIFICIEL («Mache-Learg») Fabe Moutarde Cetre de Robotque (CAOR) MINES ParsTech (Ecole des Mes de Pars) Fabe.Moutarde@mes-parstech.fr http://perso.mes-parstech.fr/fabe.moutarde Appretssage

Plus en détail

SETIT 2005. 3 rd International Conference: Sciences of Electronic, Technologies of Information and Telecommunications March 27-31, 2005 TUNISIA

SETIT 2005. 3 rd International Conference: Sciences of Electronic, Technologies of Information and Telecommunications March 27-31, 2005 TUNISIA SEI 2005 3 rd Iteratoal Coferece: Sceces of Electroc, echologes of Iformato ad elecommcatos arch 27-3, 2005 UNISIA se e place d' système de recoassace facal basé sr l'approche statstqe "Aalyse e composates

Plus en détail

UNE METHODE DE DIMENSIONNEMENT DE LIGNES DE TRANSFERT VIA L ANALYSE DE PERTURBATION FINIE

UNE METHODE DE DIMENSIONNEMENT DE LIGNES DE TRANSFERT VIA L ANALYSE DE PERTURBATION FINIE 3 e Coférece Fracophoe de MOdélsato et SIMulato «Cocepto, Aalyse et Gesto des Systèmes Idustrels» MOSIM 0 du 25 au 27 avrl 200 - Troyes (Frace) UNE METHODE DE DIMENSIONNEMENT DE LIGNES DE TRANSFERT VIA

Plus en détail

Catalogue MOVIDRIVE MDX60B / 61B. Version 06/2007 FA430000 11428236 / FR

Catalogue MOVIDRIVE MDX60B / 61B. Version 06/2007 FA430000 11428236 / FR Motoréducteurs \ Réducteurs dustrels \ Electroque \ Automatsmes \ Servces MOVIDRIVE MDX60B / 61B FA430000 Verso 06/2007 11428236 / FR Catalogue SEW-USOCOME E mouvemet perpétuel Sommare 1 Descrpto du système...

Plus en détail

1 ère partie : STATISTIQUE DESCRIPTIVE

1 ère partie : STATISTIQUE DESCRIPTIVE ère parte : STATISTIQUE DESCRIPTIVE CHAPITRE : COLLECTE DE L INFORMATION, TABLEAUX ET GRAPHIQUES. I. Défto et vocabulare Défto : la statstque est ue méthode scetfque qu cosste à réur des doées chffrées

Plus en détail

Améliorer la productivité

Améliorer la productivité Maurce Pllet Amélorer la productvté Déploemet dustrel du toléracemet ertel, 010 SBN : 978--1-54754- Sommare Remercemets... troducto De l terchageablté à Sx Sgma... 1 V CHAPTRE 1 Du toléracemet tradtoel

Plus en détail

Améliorer la productivité

Améliorer la productivité Maurce Pllet Amélorer la productvté Déploemet dustrel du toléracemet ertel, 00 SBN : 978---54754- Commet calculer ue tolérace ertelle 75 Nous avos doc u toléracemet par tervalle sur les exgeces foctoelles

Plus en détail

Techniques d optimisation pour la définition d une démarche d amélioration industrielle : une approche par analyse et agrégation des performances

Techniques d optimisation pour la définition d une démarche d amélioration industrielle : une approche par analyse et agrégation des performances Techques d optmsato pour la défto d ue démarche d amélorato dustrelle : ue approche par aalyse et agrégato des performaces Sofae Sahraou, Lama Berrah, Jacky Motma Résumé Cet artcle trate de la défto d

Plus en détail

Nombre de Clients [0 ; 50[ 72. x i. n i [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200 ; 250 [ 18

Nombre de Clients [0 ; 50[ 72. x i. n i [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200 ; 250 [ 18 1 U commerçat a relevé le motat des dépeses e euros de chaque clet au cours d ue semae. Motat des dépeses Clets [0 ; 50[ 72 x x - x ) - x )² -x ) ² [ 50 ; 100 [ 90 [100 ; 150 [ 126 [150 ; 200 [ 54 [200

Plus en détail

[ ] IV.- Espérance mathématique de l estimateur  : Nous avons ( ) ε. alors l espérance mathématique sera : soit

[ ] IV.- Espérance mathématique de l estimateur  : Nous avons ( ) ε. alors l espérance mathématique sera : soit Itroducto à l écoométre S6-EF sc. éco. & gesto Prof. Mohamed El Meroua IV.- Espérace mathématque de l estmateur  : A ˆ A + X X X Nous avos ( ε alors l espérace mathématque sera : E ( E( A + E[ ( X X X

Plus en détail

Performances d une méthode de localisation dans les réseaux sans fil mobiles

Performances d une méthode de localisation dans les réseaux sans fil mobiles Performaces d ue méthode de localsato das les réseaux sas fl mobles Matheu Bouet, Erwa Ermel, Guy Pujolle Résumé Avec la multplcato des objets commucats, la localsato est ue composate majeure des futurs

Plus en détail

" BIOSTATISTIQUE - 1 "

 BIOSTATISTIQUE - 1 ISTITUT SUPERIEUR DE L EDUCATIO ET DE LA FORMATIO COTIUE Départemet Bologe Géologe S0/ " BIOSTATISTIQUE - " Cours & Actvtés : Modher Abrougu Aée Uverstare - 008 Modher Abrougu Bostatstque «I» ISEFC - 008

Plus en détail

Du traitement de l information visuelle à la planification de trajectoires : Application à la robotique mobile d assistance.

Du traitement de l information visuelle à la planification de trajectoires : Application à la robotique mobile d assistance. Du tratemet de l formato vsuelle à la plafcato de trajectores : Applcato à la robotque moble d assstace. Mohamed Mocef Be Khelfa, Moez Bouchoucha Docteurs e Sceces et echologe Idustrelles, Postdocs au

Plus en détail

Algorithmique pour la conversion par approximation de courbes de Bézier degré élevé : Le modèle de rationnelle

Algorithmique pour la conversion par approximation de courbes de Bézier degré élevé : Le modèle de rationnelle CIMA4 UM 3 Nov Dec 4 Algortmque pour la coverso par approxmato de courbes de ézer degré élevé : Le modèle de ratoelle Fard ASMA*, Idr ELAIDI*, Kamal MOHAMMEDI*, Guy ISCHIOMIN**, Moad Oulad CHALLALI *Laboratore

Plus en détail

Application de la théorie des valeurs extrêmes en assurance automobile

Application de la théorie des valeurs extrêmes en assurance automobile Applcato de la théore des valeurs extrêmes e assurace automoble Nouredde Belagha & Mchel Gru-Réhomme Uversté Pars 2, ERMES-UMR78-CNRS, 92 rue d Assas, 75006 Pars, Frace E-Mal: blour2002@yahoo.fr E-Mal:

Plus en détail

COURS DE MATHEMATIQUE FINANCIERE A COURT ET LONG TERME Promotion : Première année de graduat

COURS DE MATHEMATIQUE FINANCIERE A COURT ET LONG TERME Promotion : Première année de graduat P R O F E S REPUBLIQUE DEMOCRATIQUE DU CONGO ENSEIGNEMENT SUPEREIEUR ET UNIVERSITAIRE INSTITUT SUPERIEUR DE GESTION INFORMATIQUE DE GOMA /I.S.I.G-GOMA DEVELOPPEMENT ISIG M A T I O N COURS DE MATHEMATIQUE

Plus en détail

Abdelkader Kadid Maître Assistant (A) à l université Hassiba ben Boualli de chlef. Kadidkader@gmail.com

Abdelkader Kadid Maître Assistant (A) à l université Hassiba ben Boualli de chlef. Kadidkader@gmail.com Revue académque des études humaes et socales Nouvelle Approche de Mesure de l Ouverture Commercale das les Modèles de Gravte New Approach to Measure The Opeg Busess Models of Gravty Abdelkader Kadd Maître

Plus en détail

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an

BTS BLANC Mai ; on pose A. en fonction de an. puis écrire an BTS BLANC Ma 0 Epreuve : Mathématques Géérales et Applquées Flère : DA / ARLE Durée: heures NB : Chaque parte dot être tratée sur des copes dfféretes I- MATHEMATIQUES GENERALES Exercce a b Sot le Sot la

Plus en détail

Calculs financiers. Auteur : Philippe GILLET

Calculs financiers. Auteur : Philippe GILLET Clculs fcers Auteur : Phlppe GILLET Le tux d térêt Pour l empruteur qu e dspose ps des fods écessres, l représete le prx à pyer pour ue cosommto mmédte. Pour le prêteur, l représete le prx ecssé pour l

Plus en détail

REPUBLIUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTAIRE DES ETUDES SUPERIEURS ET DES RECHERCHES SCIENTIFIQUES

REPUBLIUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTAIRE DES ETUDES SUPERIEURS ET DES RECHERCHES SCIENTIFIQUES REPUBLIUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTAIRE DES ETUDES SUPERIEURS ET DES RECHERCHES SCIENTIFIQUES UNIVERSITE ABOU BAKR BELKAID TLEMCEN FACULTE DE TECHNOLOGIE DEPARTEMENT DE GENIE ELECTRIQUE

Plus en détail

arlesrcomplexesraurbacr2014r==corriges=z

arlesrcomplexesraurbacr2014r==corriges=z arlesrcomplexesraurbacr0r==corriges= Nouvelle-Calédoe ovembre 0 5 pots Proposto : Pour tout eter aturel : ( + ) = () VRAI! ( ) doc d où ( ) ( ) ( ) ( ) Sot (E) l équato ( )( + 8) = 0 où désge u ombre complexe

Plus en détail

Programmation. linéaire avecexcel. Christian Prins - Marc Sevaux. Groupe Eyrolles, 2011, ISBN : 978-2-212-12659-4

Programmation. linéaire avecexcel. Christian Prins - Marc Sevaux. Groupe Eyrolles, 2011, ISBN : 978-2-212-12659-4 Programmato léare avecexcel Chrsta Prs - Marc Sevaux Groupe Eyrolles, 20, ISBN : 978-2-22-2659-4 CHAPITRE 3 Emplos du temps et gesto de persoel 3. Itroducto La gesto du persoel est u élémet sesble de la

Plus en détail

Comment représenter les variables aléatoires (données)? Paramètres descriptifs. Quels sont les paramètres descriptifs de la position?

Comment représenter les variables aléatoires (données)? Paramètres descriptifs. Quels sont les paramètres descriptifs de la position? Paramètres descrptfs Cours VETE043- Aée académque 06-07 Commet représeter les varables aléatores (doées)? Représetato sythétque Tables de fréqueces Représetato graphque Dagrammes de fréqueces Paramètres

Plus en détail

Rappel (voir cours 1). On obtient l ampleur de chacune de ces dispersions par les sommes suivantes :

Rappel (voir cours 1). On obtient l ampleur de chacune de ces dispersions par les sommes suivantes : Master SV U7 COURS III - - Aalyse de varace (ANOVA I Patrc Coqullard I. ANOVA T RGRSSION MULTIPL I.. Rappels Ue régresso multple s accompage toujours d ue aalyse de varace ( ANalyse Of VArace = ANOVA.

Plus en détail

Value at Risk en assurance : recherche d une méthodologie à long terme

Value at Risk en assurance : recherche d une méthodologie à long terme Value at Rsk e assurace : recerce d ue métodologe à log terme Marc FEDOR Uversté Pars Daupe Jule MOREL ISFA Uversté Lyo I RESUME La Value at Rsk est deveue u stadard de la gesto de rsque das le mode facer.

Plus en détail

La valeur acquise par un capital au bout d'une année est donc obtenue en multipliant ce capital par (1 + i). Par suite, le capital C1

La valeur acquise par un capital au bout d'une année est donc obtenue en multipliant ce capital par (1 + i). Par suite, le capital C1 LGL Cours de Mathématques 26 Exemples de sutes das le domae des faces 1) Itérêts composés O place 1. à térêts composés au taux de 4,5 % par a. Détermer le captal dspoble à la f de chaque aée et ce pedat

Plus en détail

Les nombres complexes

Les nombres complexes haptre 6 termale S Les ombres complexes 1 hstorque et créato : N Z ID Q R es esembles ot été costruts au fl de l hstore grâce à u même problème : certaes équatos ot des solutos das u esemble doé mas d

Plus en détail

Universe Ratio Jean-François BOULIER Romain VERDIER Abstract

Universe Ratio Jean-François BOULIER Romain VERDIER Abstract Uverse Rato B Jea-Fraços BOULIER Head of Euro Fxed Icome ad Credts Crédt Agrcole Asset Maagemet 90 boulevard asteur 75730 ars cedex 5 Jea-fracos.bouler@ca-assetmaagemet.fr Roma VERDIER Egeer - EDF, place

Plus en détail

BUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES

BUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES BUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES DT 3/2006 Pauvreté multdmesoelle au Cogo : ue approche o moétare Samuel AMBAPOUR BAMSI BAMSI B.P. 3734 Brazzavlle DT 3/2006 Pauvreté multdmesoelle

Plus en détail

Bac blanc de mathématiques

Bac blanc de mathématiques Termale st2s le mercred 09/03/2016 Durée : 2 heures Bac blac de mathématques Exercce 1 : 6 pots Le tableau c-dessous doe le ombre d aboemets au servce de téléphoe moble e Frace etre f 2001 et f 2009, exprmé

Plus en détail

Cours 8 : Analyse de variance à un facteur

Cours 8 : Analyse de variance à un facteur PSY 004 Techques d aalyses e sychologe Cours 8 : alyse de varace à u facteur Table des matères Secto. "U cou de dé jamas 'abolra le hasard"... Secto. Itroducto à l aalyse de varace NOV... Secto 3. Réartto

Plus en détail

SYSTEME DE SUIVI ET D EVALUATION DU DEUXIEME PROGRAMME NATIONAL DE ROUTES RURALES (PNRR-2)

SYSTEME DE SUIVI ET D EVALUATION DU DEUXIEME PROGRAMME NATIONAL DE ROUTES RURALES (PNRR-2) SYSTEME DE SUIVI ET D EVALUATION DU DEUXIEME PROGRAMME NATIONAL DE ROUTES RURALES (PNRR-2) Résumé Rachd TABBOUCHY Chef du servce auscultato au CNER Le deuxème Programme Natoal de Routes Rurales prévot

Plus en détail

CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4

CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4 page1/6 CORRIGE EXERCICES FACULTATIFS TD ADP1 SEANCE 4 Dosser "Défcece" 1) = 30 pour les groupes. Les classes sot d'ampltudes dfféretes doc...utlser la desté (rappel : desté = effectf/ampltude). Durée

Plus en détail

CHAPITRE I : LES SERIES STATISTIQUES A DEUX DIMENSIONS : DISTRIBUTIONS MARGINALES ET CONDITIONNELLES

CHAPITRE I : LES SERIES STATISTIQUES A DEUX DIMENSIONS : DISTRIBUTIONS MARGINALES ET CONDITIONNELLES CHAPITRE I : LES SERIES STATISTIQUES A DEU DIMESIOS : DISTRIBUTIOS MARGIALES ET CODITIOELLES CHAPITRE I : LES SERIES STATISTIQUES A DEU DIMESIOS : DISTRIBUTIOS MARGIALES ET CODITIOELLES Il est très courat

Plus en détail

Pricing Avancé pour Exotiques FINKEYS FRANCE

Pricing Avancé pour Exotiques FINKEYS FRANCE Prcg Avacé pour Exotques Esegat Phlppe DUCHEMIN, Cosultat Formateur. www.fkeys.com (accès au cours) Cosultat : «Product Cotrol» CNP, chox d u outl Frot to Compta SOCIETE GENERAL SGCIB - Product Cotrol

Plus en détail

CNAM-UPMC MASTER 2010-2011 Recherche Opérationnelle MODELES DE LOCALISATION ET APPLICATIONS Marie-Christine Costa

CNAM-UPMC MASTER 2010-2011 Recherche Opérationnelle MODELES DE LOCALISATION ET APPLICATIONS Marie-Christine Costa CNAM-UPMC MASTER 200-20 Recherche Opératoelle MODELES DE LOCALISATION ET APPLICATIONS Mare-Chrste Costa I INTRODUCTION Avertssemet: ce polycopé e cotet que les résultats prcpau. Les démostratos et complémets

Plus en détail

Pondichéry Avril 2014 Série S Exercice.

Pondichéry Avril 2014 Série S Exercice. Podchéry Avrl 04 Sére S Exercce Le pla complexe est mu d u repère orthoormé ( O; uv, ) Pour tout eter aturel, o ote A le pot d affxe z déf par : O déft la sute ( ) z z 0 = et + = + z 4 4 r par r = z pour

Plus en détail

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

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

Plus en détail

Au sommaire : Des généralités. Polynôme d'endomorphisme. Polynômes minimal d'un endomorphisme. Valeur et vecteur propres. Sous-espace propre.

Au sommaire : Des généralités. Polynôme d'endomorphisme. Polynômes minimal d'un endomorphisme. Valeur et vecteur propres. Sous-espace propre. - De la réducto des edomorphsmes - Ce cours a été rédgé e ovembre 994 alors que e préparas l'agrégato de mathématques et ms à our e u et ullet 2. Das le cas où l comporterat des erreurs, merc de me les

Plus en détail

Conception optimale d'un système électrique par colonie de fourmis

Conception optimale d'un système électrique par colonie de fourmis Volue, Nuber, 00 Cocepto optale d'u systèe électrque par coloe de fours A. ABDERRAHMANI Résué - Le traval préseté c, s scrt das le cadre de la déarche scetfque actuelle qu cosste à l'optsato et la cocepto

Plus en détail

ENQUETE SUR L OFFRE DE "TEXTILE DURABLE" EN FRANCE EXIGENCES ENVIRONNEMENT ET ENERGIE

ENQUETE SUR L OFFRE DE TEXTILE DURABLE EN FRANCE EXIGENCES ENVIRONNEMENT ET ENERGIE TEXTILE & DEVELOPPEMENT DURABLE ENQUETE SUR L OFFRE DE "TEXTILE DURABLE" EN FRANCE EXIGENCES ENVIRONNEMENT ET ENERGIE SUSTAINABLE TEXTILE :SURVEY MARKET IN FRANCE / ENVIRONMENT AND ENERGY REQUIREMENTS

Plus en détail

Incertitudes expérimentales

Incertitudes expérimentales U N I O N D E S P R O F E S S E U R S D E P H Y S I Q U E E T D E C H I M I E 995 Icerttudes érmetales par Fraços-Xaver BALLY Lcée Le Corbuser - 93300 Aubervllers et Jea-Marc BERROIR École ormale supéreure

Plus en détail

Méthodologie statistique

Méthodologie statistique Métodologe statstque M050 LA CORRECTIO DE LA O-REPOSE PAR REPODERATIO ET PAR IMPUTATIO atale Cao Documet de taval Isttut atoal de la Statstque et des Etudes Ecoomques ISTITUT ATIOAL DE LA STATISTIQUE ET

Plus en détail

Manuel. Servovariateurs multi-axes MOVIAXIS Fonctions technologique

Manuel. Servovariateurs multi-axes MOVIAXIS Fonctions technologique Systèmes d etraîemet \ Systèmes d automatsato \ Itégrato de systèmes \ Servces Mauel Servovarateurs mult-axes MOVIAXIS Foctos techologque Verso 11/2009 11667427 / FR SEW-EURODRIVE Drvg the world Sommare

Plus en détail

Université de Rennes 1 Master Recherche en Informatique. Étude bibliographique Évaluation des performances des réseaux WLAN maillés

Université de Rennes 1 Master Recherche en Informatique. Étude bibliographique Évaluation des performances des réseaux WLAN maillés Uversté de Rees 1 Master Recherche e Iformatque Étude bblographque Évaluato des performaces des réseau WLAN mallés Ecadrat : Ndh Hegde (FT/CORE/CPN/TRM Etudat : Al Ibrahm Table de matères Table des matères

Plus en détail

Méthode du simplexe: préliminaires. 2. Programmation linéaire. Solution de base. Méthode du simplexe: préliminaires. b. Méthode du simplexe

Méthode du simplexe: préliminaires. 2. Programmation linéaire. Solution de base. Méthode du simplexe: préliminaires. b. Méthode du simplexe Méthode du smplee: prélmares Modèles de recherche opératoelle (RO). Programmato léare b. Méthode du smplee Das le cas où l y a ue fté de solutos, la méthode d élmato de Gauss-Jorda permet d detfer tros

Plus en détail

ZONAGE DU BRESIL A PARTIR D UNE SERIE TEMPORELLE D IMAGES MODIS

ZONAGE DU BRESIL A PARTIR D UNE SERIE TEMPORELLE D IMAGES MODIS Evroemet et géomatque : approches comparées Frace-Brésl. Rees, 2-5 ovembre 204 ZONAGE DU BRESIL A PARTIR D UNE SERIE TEMPORELLE D IMAGES MODIS JOLIVOT A. (), BEGUE A. (), BISQUERT M. (2), TONNEAU JP. (),

Plus en détail

Virtualization. Panorama des solutions de virtualisation sur différentes plate-formes. Laurent Vanel Systems Architect IBM Laurent_vanel@fr.ibm.

Virtualization. Panorama des solutions de virtualisation sur différentes plate-formes. Laurent Vanel Systems Architect IBM Laurent_vanel@fr.ibm. rtalzato Paorama des soltos de vrtalsato sr dfféretes plate-formes aret ael Systems Archtect IBM aret_vael@fr.bm.com 2008 IBM Corporato Evolto de la rtalsato des frastrctres Wdows Servers Maframe & U Servers

Plus en détail

Serie statistique double

Serie statistique double Sere statstque double Dstrbutos margales Actvté U relevé statstque des talles (e cm) et des pods Y (e kg) d u échatllo de 00 élèves a perms de costrure le tableau suvat : Y [0, 5[ [5, 50[ [50, 55[ [55,

Plus en détail

I. Fonctionnalités du tableur

I. Fonctionnalités du tableur Olver Coma Macro MRP pour Excel Decembre 1999 I. Fonctonnaltés du tableur I.1. Feulle «Nomenclature «Le tableur propose pluseurs optons à l ouverture du fcher. Cnq boutons apparassent à drote de la feulle

Plus en détail

Analyse de survie. Michel Fioc. (Michel.Fioc@iap.fr, www2.iap.fr/users/fioc/enseignement/analyse_de_survie/)

Analyse de survie. Michel Fioc. (Michel.Fioc@iap.fr, www2.iap.fr/users/fioc/enseignement/analyse_de_survie/) École doctorale d astroome et d astrophysque d Île de Frace. I.A.P., févrer 2013 Post-master. Approche statstque bayésee par l exemple Aalyse de surve Mchel Foc (Mchel.Foc@ap.fr, www2.ap.fr/users/foc/esegemet/aalyse_de_surve/)

Plus en détail

L2 Mention Informatique. UE Probabilités. Chapitre 4 : Simulation - Régression

L2 Mention Informatique. UE Probabilités. Chapitre 4 : Simulation - Régression L Meto Iformatque UE Probabltés Chaptre 4 : Smulato - Régresso Notes de cours rédgées par Rége Adré-Obrecht, Jule Pquer I- Smulato de varables aléatores. Itroducto Das certaes expéreces «réelles», où le

Plus en détail

Code_Aster Titre : Parallélisme et décomposition de domaines : Méthod[...] Responsable : Olivier BOITEAU

Code_Aster Titre : Parallélisme et décomposition de domaines : Méthod[...] Responsable : Olivier BOITEAU Orgasme(s) : Date : 8/4/29 Page : 1/71 EDF/SINEICS Mauel de Référece Fasccule R6 : Solveurs Documet : R6.1.3 Décomposto de Domae et parallélsme : la méthode FEI Résumé Das le cadre des smulatos thermo-mécaques

Plus en détail

Pauvreté multidimensionnelle des enfants et des ménages Analyse appliquée à la République Centrafricaine

Pauvreté multidimensionnelle des enfants et des ménages Analyse appliquée à la République Centrafricaine PMMA Network Sesso Paper Pauvreté multdmesoelle des efats et des méages Aalyse applquée à la Républque Cetrafrcae Serge Matchdé Naretoudjou Tt Vaha Steve Apété-Matogo Eugèe Zabolo A paper preseted durg

Plus en détail

Le cours Interprétation physique de la dérivée

Le cours Interprétation physique de la dérivée Il est égalemet possble de procéder à la «dérvato umérque» d ue sute de valeurs {(t ; f )}. La sute dérvée est elle-même costtuée de couples {(t ; f )} ; la valeur f de correspodat au tau de varato mesuré

Plus en détail

9 ème Cogrès Fraças de écaque arselle, 4-8 août 009 Evaluato des certtudes de mesure sur ue mache à mesurer trdmesoelle: Nouvelle méthode d estmato des paramètres de surface et certtudes assocées.jlid

Plus en détail

Terminales S Exercices sur les nombres complexes Page 1 sur 6

Terminales S Exercices sur les nombres complexes Page 1 sur 6 Termales S Exercces sur les ombres complexes Page sur 6 Exercce : ) Calculer, et 5 6 7 ) E dédure, et ) Détermer les eters pour lesquels est a) u réel, b) est u magare pur, c) égal à Exercce : Ecrre sous

Plus en détail

Développement d un appareil permettant de prédire la maturité du raisin par spectroscopie proche infra-rouge. (PIR)

Développement d un appareil permettant de prédire la maturité du raisin par spectroscopie proche infra-rouge. (PIR) Mauscrt auteur, publé das "Revue fraçase d'oeologe, 240 (2010) p. 2 - p. 8" Author-produced verso of the artcle publshed "Revue Fraçase d'oeologe", 2010, 240, 2-8. Développemet d u apparel permettat de

Plus en détail

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période)

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période) A-PDF OFFICE TO PDF DEMO: Purchase from www.a-pdf.com to remove the watermark Mathématques Facères : l essetel Les formules cotourables (F de érode) htt://www.ecogesam.ac-a-marselle.fr/esed/gesto/mathf/mathf.html#e5aels

Plus en détail