COURS MPSI A.4. DENOMBREMENTS ET PROBABILITES R. FERRÉOL 16/17
|
|
- Caroline Bibeau
- il y a 6 ans
- Total affichages :
Transcription
1 I) Déombremets classiques. 1) Collectios formées de d élémets issus d u esemble E ayat élémets. avec réétitios ossibles sas réétitio avec ordre oms : liste de logueur d élémets de E liste d élémets de E ulet d élémets de E esemble : E ombre : E =... oms : liste de logueur d élémets disticts de E liste d élémets disticts de E ulet d élémets disticts de E arragemet d élémets de E esemble : L (E) ombre : L (E) =A =...= sas ordre combiaiso avec réétitios d ordre d élémets de E oms : combiaiso avec réétitio d élémets de E esemble : ombre : hors rogramme sous-esemble de taille de E sous-esemble de E artie de taille de E oms : artie de E combiaiso d ordre d élémets de combiaiso d élémets de E E esemble : P (E) (ou ) ombre : P (E) =...= O eut cosidérer que les élémets de E sot ragés das ue ure et que l o effectue u tirage de ces élémets ; o a alors le tableau suerosable au récédet : tirage successif simultaé avec remise om : liste esemble : E Pas de ses ombre : E =... sas remise om : arragemet esemble : A (E) ombre : A (E) =... om : combiaiso esemble : P (E) ombre : P (E) =... REM : le tirage simultaé eut être effectué de maière successive... L imortat état que l o e tiet as comte de l ordre das lequel les tirages ot été effectués. Démostratio de ces divers déombremets : D5 Rael : est aussi le ombre d alicatios d u esemble à... élémets vers u esemble à...élémets et A est aussi le ombre d ijectios d u esemble à... élémets vers u esemble à...élémets. 2) Listes à deux objets (ile ou face). PROP 1 : le ombre de listes de taillefaisat iterveir deux objets au lus (= le ombre de résultats d ue successio de jeux de ile ou face) vaut... PROP 2 : le ombre de listes de taille faisat iterveir fois u objet et fois u autre (= le ombre de résultats d ue successio de jeux de ile ou face avec iles) vaut D6... 3) Résumé des roriétés des coefficiets biomiaux. 1
2 Diverses défiitios équivaletes. DEF 1. Défiitio ar récurrece de Pascal DEF 2. Défiitio ar récurrece du io DEF 3. Défiitio biomiale DEF 4. Défiitio calculatoire DEF 5. Défiitio combiatoire 1 DEF 6. Défiitio combiatoire 2 a. N = = b. N [ 1, ] =... a. N =1 0 b. N [ 1, ] = 1. 1 est le coefficiet de a b das(a+b) =... est le ombre de... est le ombre de Nous sommes artis de la DEF 1 et avos démotré les caractérisatios 2, 3, 4, 5. Motros que la DEF 5 etraîe la 3 (démostratio combiatoire de la formule du biôme). D7 Redémotros de maière combiatoire que D8 =2 k, uis que k=0 02k 2k = Motros que la DEF 5 etraîe la 1 (démostratio combiatoire de la relatio de Pascal). D9 II) Probabilités sur u esemble fii. 1) Uivers et évèemets. 02k+1 2k+1 =2 1. DEF : l esemble des résultats d ue exériece aléatoire fiie est déommé "uivers (des ossibles)", oté traditioellemet Ω, et ses arties s aellet des "évèemets". Les évèemets sot e gééral défiis à artir de la roriété qui les caractérise, avec la otatio : {P}={ω Ω / ω a la roriété P} Par exemle, si l exériece aléatoire cosiste e u lacer de deux dés, alors Ω =... {total des oits = 7} = {...} O a évidemmet {P ou Q} = {P} {Q} {P et Q} = {P} {Q} P imlique Q {P} {Q} 2
3 ATTENTION : mathématiquemet, l évèemet, qui est u esemble, est différet de la roriété qui le détermie, mais, e robabilités, o fait souvet la cofusio ; o dira ar exemle : "l évèemet A est réalisé" alors que l o e réalise as u esemble, mais ue roriété! Vocabulaire : Les sigletos de Ω sot les évèemets élémetaires, l évèemet imossible, Ω l évèemet certai ; le cotraire d u évèemet est so comlémetaire d u oit de vue esembliste ; deux évèemets sot dits icomatibles si leur itersectio est vide. 2) Probabilités. DEF : ue robabilité P sur u uivers fiiωest ue alicatio dep(ω) dasr + vérifiat : P(Ω) = 1 SiA et B sot des évèemets icomatibles, P(A B) = P(A)+P(B) PROP : remières roriétés : D10 P 1 : P( )=0 P 2 : P A =1 P(A) P 3 : A B= P(A)P(B) P 4 : P(A)1 P 5 : P(A)+P(B)=P(A B)+P(A B) : formule de Poicaré P 6 : si (A i ) i I est ue famille fiie d évèemets deux à deux icomatibles : (1) P A i = i ) (2) i IP(A i I REM 1 : la robabilité d u évéemet A doit être vue comme la limite de la fréquece du cas où A est réalisé lorsque l o réète u grad ombre de fois l exériece aléatoire. Ue robabilité de 0,6 sigifie que si o réète ar exemle 100 fois l exériece, il y aura eviro 60 cas où A est réalisé, et 40 où il e l est as. "P(A)=0,6" sera doc souvet éocé sous la forme : il y a 60% de chaces que A soit réalisé. Autre faço de dire la même chose : si o réète l exériece, le fait qu u évèemet ait ue robabilité sigifie que l évèemet arrivera e moyee tous les 1/ cous (ar exemle : tous les 25 cous our ue roba de 0,04). L iverse de la robabilité est la ériodicité e moyee de l évèemet. Iversemet, u test statistique ermet de défiir ue robabilité : si sur 1000 atiets atteits d ue certaie maladie bie choisis, u médicamet X e a sauvé 732, o ourra oser ue robabilité de 0,7 de guériso our X. REM 2 : o coaît etièremet ue robabilité si o la coaît sur les évèemets élémetaires. E effet P(A)= ω AP({ω}) Toute robabilité eut doc être défiie ar la doée d ue alicatio deωdasr + e osat P(A)= ω A(ω) à coditio que vérifie la coditio de ormalisatio (ω)=1 ω Ω Exemle simliste : si das u questioaire les réoses sot "oui" à 60%, "o" à 30% et "e sait as" à 10%, o redra Ω={oui, o, e sait as}, (oui)=0,6;(o)=0,3 ; (e sait as)=0,1 ; alors, P({oui,o})=0,6+0,3=0,9 etc... 3
4 REM 3 : il est ossible qu u évéemet o vide soit de robabilité ulle (cela arrive lus souvet das le cas de robabilités sur des uivers ifii). U tel évèemet est dit "resque (ou quasi-) imossible" ou "égligeable" ; de même, u évèemet de robabilité 1 est dit "resque certai" ; et si P(A B)=0, A et B sot dits "resque icomatibles". PROP et DEF : l équirobabilité (ou robabilité uiforme) est l uique robabilité où tous les évèemets élémetaires ot même robabilité. Cette robabilité est défiie ar : P(A)= A ombre de cas favorables (à l évèemet A) = Ω ombre de cas total D11 REM : o recoaît l équirobabilité lorsque das l éocé o trouve l exressio "au hasard", ou "dés o iés" etc... DEF : u système (resque) comlet d évèemets est ue liste(a i ) i=1.. d évèemets deux à deux (resque) icomatibles dot la réuio est (resque) certaie. Exemle : (A,A). L itéret de cette otio viet de ce que si(a i ) i=1.. est ue telle famille, alors (formule de filtratio ou "du coue-atate") D12 P(A)= III) CONDITIONNEMENT ET INDÉPENDANCE 1) Probabilités coditioelles. P(A A i ) DEF : si A et B sot deux évèemets, B de robabilité o ulle, o ose i=1 P(A B)= P(A B) P(B) P(A B) est lu "robabilité que A soit réalisé, sachat que B l est", ou, e simlifié "P de A sachat B. REM 1 : l idée est raorter la robabilité de A B à celle de B de sorte que P(B B)=1. REM 2 : o a doc, si A et B sot de roba o ulle (etite formule des robabilités comosées) P(A B)=P(A B)P(B)=P(B A)P(A) aisi que (etite formule de Bayes) P(A B)=P(B A) P(A) P(B) REM 3 : o a évidemmet : A et B sot resque icomatibles ssi P(A B)=0, ssi P(B A)=0. PROP : si A 1,A 2,...,A sot évèemets d itersectio de robabilité o ulle, o a la formule dite "des robabilités comosées" : P(A 1 A 2... A )=P(A 1 )P(A 2 A 1 )P(A 3 A 1 A 2 )...P(A A 1 A 2... A 1 ) D13 Exemle d alicatio : U ure cotiet boules dot b blaches ; o tire sas remise r boules. Quelle est la robabilité que les r boules soiet blaches? Soit B k ={la k-ième boule est blache}; o cherche P(B 1 B 2... B r )=. 4
5 E écrivat =P(B 1 )P(B 2 B 1 )P(B 3 B 1 B 2 )...P(B B 1 B 2... B 1 ), o obtiet = b.b b r+1 r+1 PROP : si(a i ) i=1.. est u système quasi-comlet d évèemets, et B u évèemet doé, alors P(B)= P(B A i )P(A i ) (formule des robabilités totales) avec la covetio que si P(A i ) est ul, alors P(B A i )P(A i ) est ul. D14 i=1 si P(B)>0,P(A j B)= P(B A j)p(a j ) (grade formule de Bayes, ou formule de la robabilté des causes) P(B A i )P(A i ) i=1 Exemle : Ue oulatio aimale comorte =1/3 de mâles. L albiisme frae q=6% des mâles et r=0,36% des femelles. Quelle est la roortio s d albios das la oulatio? Quelle est la roortio t des mâles armi les albios, et la roortio u des mâles armi les o albios? REP : s=q+(1 )r=...%, t= q (1 q) =...%, u= q+(1 )r (1 q)+(1 )(1 r) =...%. PROP : l alicatio P B dep(ω) dasr + défiie ar P B (A)=P(A B) est ue robabilité surωaeléerobabilité coditioelle relative à B. D15 REM : our P B, tous les évèemets coteat B sot resque certais! 2) Évèemets idéedats. TH et DEF : si A et B sot deux évèemets de robabilité o ulle alors P(A B)=P(A) équivaut à P(B A)=P(B) ces deux coditios état équivaletes à P(A B)=P(A)P(B). O dit que das ce cas, les évéemets sotidéedats (et cette défiitio est étedue aux cas où P(A) ou P(B) est ul). D16 PROP : si A et B sot idéedats, A et B égalemet, doc aussi A et B. D17 Attetio : deux évèemets euvet être idéedats, et e lus l être sachat u autre! D18 : A et B sot idéedats sachat C ssi P(A C)P(B C)=P(A B C)P(C); u cas où(a B C) est vide fourit u cotre exemle. IV) VARIABLES ALÉATOIRES. 1) Défiitio. DEF : Ue variable aléatoire (sous-etedu : réelle) sur u uiversωest ue alicatio deωdasr. Das ce cours,ωétat fii, ue variable aléatoire red u ombre fii de valeurs x 1,...,x. Exemle imortat : si A est u évèemet, X A est la variable aléatoire qui vaut 1 si l évèemet A est réalisé, 0, sio, ( X A est e fait la foctio caractéristique de la artie A), 5
6 Cocrètemet, c est mo gai si je gage 1 euro si A se réalise,0euro sio. O ote{x=x i } l évèemet X 1 (x i )={ω Ω / X(ω)=x i }. La famille des{x=x i } forme doc u système comlet d évèemets liés à la variable aléatoire X. Note : o simlifie l écriture de P({X=x i }) e P(X=x i ). DEF : l alicatio X défiie sur l uivers image X(Ω)={x 1,...,x } qui à x i fait corresodre P(X=x i ) s aelle la loiderobabilité de X. Et o défiit sur X(Ω) larobabilitéiduitear X :P X ar P X (U)=P(X U) =P X 1 (U) Exemle : Éreuve aléatoire : lacer de 2 dés. Uivers : Ω=[ 1,6 ] 2, avec équirobabilité. Variable aléatoire : X = somme des ombres idiqués sur les dés ( X((i,j))=i+j). Uivers image : X(Ω)=[ 2,12 ] Evèemets élémetaires liés à X : {X=k}={(i,j)/i+j=k,1 i,j 6} Loi de robabilité de X : P(X=k)= {X=k} que l o eut réseter das le tableau : /36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 Coseil : si vous arrivez as à calculer P(X=x i ), essayez de calculer P(Xx i ) ou P(Xx i ) ; si les x i sot classés das l ordre croissat vous ourrez utliser P(X=x i )=P(Xx i ) P(Xx i+1 )=P(Xx i ) P(Xx i 1 ) 2) Esérace, variace, écart-tye. DEF : l esérace d ue variable aléatoire est la moyee des valeurs rises ar cette variable, odérée ar les robabilités corresodates : E(X)= P({ω})X(ω)= P(X=k)k ω Ω k X(Ω) Exemles : - ue variable aléatoire costate a cette costate our esérace. - das l exemle des dés récédet E(X)=... - Si A est u évèemet : E(X A )=... Autremet dit : la robabilité d u évèemet, c est l esérace de la fréquece de réalisatio de cet évèemet. P1 : l esérace est toujours comrise etre la lus basse et la lus haute valeur rise ar la variable. P2 : théorème de trasfert. Si f est ue foctio réelle défiie sur X(Ω) E(f(X))= P(X=k)f(k) (démotré seulemet our f ijective). P3 : l esérace est "liéaire", ce qui sigifie que k X(Ω) E(αX+βY)=αE(X)+βE(Y) P4 : elle est croissate : D19 XY E(X)E(Y) 6
7 Remarque utile e ratique : il arrive assez souvet que X(Ω)=[ 1, ] (ou[ 0, ] ), das ce cas, o a: E(X)=P(X1)+P(X2)+...+P(X) D20 Alicatio : esérace du ombre d évèemets réalisés armi évèemets. PROP : Etat doés évèemets A 1,...,A (idéedats ou o), l esérace du ombre d évèemets réalisés armi ces évèemets est la somme des robabilités de chacu de ces évèemets. D21 Exemle ; si évèemets sot de robabilité 1/2, le ombre d évèemets réalisés e moyee vaut :... DEF : la variace d ue variable aléatoire est l esérace du carré des écarts à la moyee de cette variable ; l écart-tye (stadard deviatio e aglais) est la racie carrée de la variace : V(X) = E (X E(X)) 2 σ(x) = V (X) REM : our mesurer les écarts à la moyee, il ourrait sembler lus aturel de calculer l écartmoye E( X E(X) ), mais celui-ci est souvet bie lus difficile à calculer. PROP : la variace se calcule lus simlemet ar la formule (de Koeig-Huyges) : D22 V (X)=E X 2 (E(X)) 2 Exemles : - la variace et l écart tye d ue variable costate sot uls. - das l exemle récédet E X 2 =... doc V (X)=... et σ(x)=... - Si X A est la foctio caractéristique de l évèemet A, V (X A )=... PROP : D23 V (ax+b)=a 2 V (X) DEF : ue variable aléatoire est ditcetrée si so esérace vaut 0, etréduite si sa variace vaut 1. PROP : si X est de variace o ulle, X E(X) σ(x) D24 est cetrée réduite. 7
c. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détailLimites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **
Plus en détailCHAPITRE 2 SÉRIES ENTIÈRES
CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
Plus en détailCours de Statistiques inférentielles
Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détailUV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1
UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau
Plus en détailProbabilités et statistique pour le CAPES
Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes
Plus en détailEtude de la fonction ζ de Riemann
Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détaildénombrement, loi binomiale
dénombrement, loi binomiale Table des matières I) Introduction au dénombrement 1 1. Problème ouvert....................................... 2 2. Jeux et dénombrements...................................
Plus en détailSuites et séries de fonctions
[http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détailCalculs de probabilités conditionelles
Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile
Plus en détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détailSTATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailConvergences 2/2 - le théorème du point fixe - Page 1 sur 9
Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios
Plus en détailSéries numériques. Chap. 02 : cours complet.
Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm
Plus en détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détailUniversité Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014
Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,
Plus en détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailMathématiques 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 détail4 Approximation des fonctions
4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailTerminale S. Terminale S 1 F. Laroche
Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM
Plus en détailIntroduction : Mesures et espaces de probabilités
Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailDes résultats d irrationalité pour deux fonctions particulières
Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailInitiation à l analyse factorielle des correspondances
Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique
Plus en détailCours 5 : ESTIMATION PONCTUELLE
Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-
Plus en détailDETERMINANTS. a b et a'
2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détailUNIVERSITÉ DE SFAX École Supérieure de Commerce
UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première
Plus en détailIndépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles
Chapitre 3 Événements indépendants et Probabilités conditionnelles Indépendance Indépendance Probabilité conditionnelle Definition Deux événements A et B sont dits indépendants si P(A B) = P(A).P(B) Attention
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détailPartie 1 Automatique 1 et 2 (Asservissements Linéaires Continus)
Réublique Algériee Démocratique et Poulaire Miistère de l'eseigemet Suérieur et de la Recherche Scietifique Uiversité Djillali Liabès Sidi Bel-Abbès Faculté de Techologie Déartemet d'electrotechique Partie
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailDes familles de deux enfants
Des familles de deux enfants Claudine Schwartz, IREM de Grenoble Professeur, Université Joseh Fourier Les questions et sont osées dans le dernier numéro de «Pour la Science» (n 336, octobre 2005, article
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détailExercices de mathématiques
MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris
Plus en détailLe Sphinx. Enquêtes, Sondages. Analyse de données. Internet : http://www.lesphinxdeveloppement.fr/club/index.html
Equêtes, Sodages Aalyse de doées Le Sphix! Iteret : http://www.lesphixdeveloppemet.fr/club/idex.html Lagarde J. Aalyse statistique de doées, Duod. Réaliser vos equêtes Questioaire Traitemets et aalyses
Plus en détailx +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.
EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite
Plus en détailLa maladie rénale chronique
La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie
Plus en détailII - 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 détailMESURE DE L'INFORMATION
MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailLe chef d entreprise développe les services funéraires de l entreprise, en
Le chef d etreprise développe les services fuéraires de l etreprise, e assurat lui-même tout ou partie des activités de vete et e ecadrat directemet le persoel techique et commercial et d exploitatio.
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailPrincipes et Méthodes Statistiques
Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............
Plus en détailExamen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot
Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détailStatistique Numérique et Analyse des Données
Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques
Plus en détailPROMENADE ALÉATOIRE : Chaînes de Markov et martingales
PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières
Plus en détailOpérations bancaires avec l étranger *
Opératios bacaires avec l étrager * Coditios bacaires au 1 er juillet 2011 Etreprises et orgaismes d itérêt gééral Opératios à destiatio de l étrager Viremets émis vers l étrager : viremet e euros iférieur
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailSemestre : 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 détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détailModule : réponse d un système linéaire
BSEL - Physique aliquée Module : réonse d un système linéaire Diaoramas () : diagrammes de Bode, réonse Résumé de cours - Caractérisation d un système hysique - Calcul de la réonse our une entrée donnée
Plus en détailn tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...
Nom:... Préom :... Chaque répose peut valoir : c) 2 poits si le choix est totalemet exact + poit si le choix est partiellemet exact + 0 poit si le choix est erroé + -i poit si le choix est u coeses Ue
Plus en détailLes algorithmes de tri
CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....
Plus en détailChapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.
Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE
Plus en détailRECHERCHE DE CLIENTS simplifiée
RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées
Plus en détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
Plus en détailChaînes de Markov. Arthur Charpentier
Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.
Plus en détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en détailTARIFS BANCAIRES. Opérations bancaires avec l étranger Extrait des conditions bancaires au 1 er juillet 2014. Opérations à destination de l étranger
Opératios bacaires avec l étrager Extrait des coditios bacaires au 1 er juillet Opératios à destiatio de l étrager Viremets émis vers l étrager : Frais d émissio de viremets e euros (3) vers l Espace écoomique
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détailLes nouveaux relevés de compte
Ifo CR Les ouveaux relevés de compte Les relevés de compte actuels du Crédit Agricole de Champage-Bourgoge sot issus de la migratio iformatique sur le GIE AMT e 2001 : petit format (mais A4 pour les Professioels),
Plus en détailMobile Business. Communiquez efficacement avec vos relations commerciales 09/2012
Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre
Plus en détailOne Office Voice Pack Vos appels fixes et mobiles en un seul pack
Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre
Plus en détailRESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY
LO 4 : SOLUTO P L MTHO OTO, MLLM T KLY SOLUTO P L MTHO OTO, MLLM T KLY MTHO OTO. toductio Le théoème de oto va ous pemette de éduie u cicuit complexe e gééateu de couat éel. e gééateu possède ue souce
Plus en détail