3-Processus de Poisson et. Processus de renouvellement
|
|
- Céline Albert
- il y a 6 ans
- Total affichages :
Transcription
1 6 3-Processus de Poisso e Processus de reouvelleme
2 7 Prérequis e Objecifs Ce que vous devez au miimum maîriser pour aborder ce chapire : Probabiliés : Coceps d espace probabilisable e d espace probabilisé, de variable aléaoire, de mome d ue variable aléaoire, de dépedace e d idépedace (e héorie des probabiliés); la formule de Bayes. La loi expoeielle e la loi de Poisso aisi que leurs pricipales caracérisiques. Le héorème de la limie cerale pour l éude des processus de Wieer. Les processus de Markov. Aalyse : La résoluio des sysèmes différeiels du premier ordre. La rasformaio de Fourier, la disribuio de Dirac. Ce que vous devez maîriser pour irer pleieme profi de ce chapire : E plus des élémes précédes : Iformaique: des élémes d'algorihmique e des élémes de programmaio sous Mahemaica ou sous u aure lagage pour réaliser les simulaios. Processus sochasiques : Les processus de Markov. Ce que vous devez savoir faire à la fi de cee leço : Savoir recoaîre, modéliser, simuler e uiliser les processus de compage, de Poisso, de aissace e de dispariio, de reouvelleme. Savoir poser e résoudre u problème y faisa référece.
3 8 Ce qui vous es proposé das ce chapire : Aborder les coceps gééraux, Se familiariser avec la modélisaio e la simulaio des processus de compage, de Poisso, de aissace e de dispariio, de reouvelleme; S exercer sur des applicaios immédiaes, Réfléchir sur des problèmes cocres e de syhèse, S évaluer par ess de coaissace e de savoir-faire.
4 9 Iroducio La oio de chaîe de Markov ous perme la modélisaio e l'éude des phéomèes aléaoires pour lesquels les chagemes d'éas se produise à des isas déermiés a priori. Ue elle discréisaio de l'axe emporel 'auorise pas ue éude saisfaisae des phéomèes où les évèemes peuve se produire à 'impore quel mome. Pour de els phéomèes, ous devos uiliser des modèles à emps coiu. Les processus de Poisso e so des exemples. C'es par la oio de processus de compage que ous commeceros cee leço, puis ous éudieros la oio de processus de Poisso que ous gééraliseros e celle de processus de reouvelleme après avoir éudié les processus de aissace e de dispariio. - Processus de compage. - - Exemples : Cosidéros les phéomèes aléaoires suivas : - L'arrivée d'ue requêe das le sysème d'u cere iformaique. 2 - U appel éléphoique das u cere de réservaio. 3 - Ue pae das u sysème maufacuré. De els évèemes peuve êre décris à l'aide de processus de compage ( N ) où N Œ R + a représee le ombre d'issues depuis le emps = 0 e ava (sriceme) = a. Ue rajecoire d'u el processus es représeée par ue focio e escalier o décroissae. Précisos la défiiio d'u el processus.
5 Défiiio des processus de compage Le processus ( N ) Œ es u processus de compage si e seuleme si : N - N 0 = 0, 2 - N N Œ, 3 - Si s < alors Ns N, 4 - N - N es le ombre d'issues qui se so produies das l'iervalle [ s, [. s 2 - Processus de Poisso. 2- Processus sochasique à accroissemes idépedas U processus sochasique ( X ) Œ R sera di à accroissemes idépedas si, e seuleme si, les évèemes se produisa das des iervalles de emps disjois so idépedas ; c'es-à-dire: si ] ab, [, ] a2, b2[,.., a, b aléaoires X - X, X - X,, X - X so idépedaes. b a ] [ so des iervalles disjois, alors les variables b2 a2 b a Processus sochasique à accroisseme saioaire U processus sochasique ( X ) Œ R sera di à accroisseme saioaire si X - X a la même disribuio que X - X quels que soie s e avec s < e + h s+ h pour ou h > 0; ce qui sigifie que la loi de probabilié de X seuleme de la logueur de l'iervalle ] s, [ e o de s e. s - X déped s
6 2 2-3 Défiiio d u processus de Poisso U processus de compage ( X ) R es u processus de Poisso de aux (ou d'iesié) λ > 0 si, e seuleme si, les codiios suivaes so saisfaies : - Le processus es à accroissemes idépedas. 2 - Le processus es à accroisseme saioaire. 3 - La probabilié qu'u (e u seul) évéeme se produise das ou iervalle de logueur h «peie» es égale à λ.h + oh () P X( h) = = λ. h+ o( h) Remarque : ( h ) logueur h es o(h), i.e., P X 2 = o( h). - (3) e (4) eraîe que P X( h ) = 0 = λ. h+ o( h). i.e. 4 - La probabilié que plus d'u évéeme se produise das ou iervalle de 2-4- Simulaio : Simuler ue variable aléaoire do la loi de probabilié es : ue loi de Poisso homogèe, Ue loi expoeielle ue loi de Poisso o homogèe. 2-5 Loi de probabilié du ombre d évéemes das u iervalle de emps doé. Théorème : Soi ( X ) R u processus de Poisso de aux λ > 0. La variable aléaoire N décriva le ombre des évèemes das ou iervalle de emps de logueur > 0 a ue loi de Poisso de paramère λ. k ( ) = e λ. λ.) C'es-à-dire P(N = k k = 0,, 2,.. k!. Il s'esui que le ombre moye d'évèemes se produisa das ou iervalle de emps de logueur es λ. Par hypohèse ( X ) R es u processus de Poisso de aux λ > 0 ; il s'esui que le ombre d'évèemes se produisa das ou iervalle de emps e déped que
7 22 de la logueur de ce iervalle. O peu doc sas perdre de gééralié se limier à l'iervalle [ 0,]. Afi d'alléger les oaios, posos : N, P () = PN ()=. La probabilié qu'aucu évéeme e se soi produi à l'isa +h, i.e P 0 () ([ h.p([ N() = 0] ). ( λ.h + oh ()) = PN ()= 0 P 0 ( + h)= P 0 P 0 ( + h)= P 0 P 0 ( + h)= P 0, es doée par ]) ().P N( + ) N() = 0 (car les accroissemes so idépedas), () (car les accroissemes so saioaires), () (coséquece direce de la défiiio). Il e P ( résule que: + h) P () 0 0 = λ.p h 0 ()+ oh (), h P () dp e lorsque h 0 o a Lim 0 ( + h) P 0 = 0 ()= λ.p d 0 (), h 0 h équaio différeielle du premier ordre, do la codiio iiiale λ. P 0 ()= 0 PN0 ( ()= 0)= eraîe la soluio P 0 ()= e. Supposos N+ ( h)= > 0 ; e d'aures ermes supposos que évèemes se produise jusqu'à l'isa +h. Cee hypohèse se décompose e : { } produise ere e +h (avec k 2,..., ). P ( + h)= P (). ( λ.h + o(h) )+ λ. ()+ o(h), évèemes se produise ere les isas 0 e e aucu évèeme e se produi ere e +h; - évèemes se produise ere les isas 0 e e u évèeme se produi ere e +h; -k évèemes se produise ere les isas 0 e e k évèemes se Il s'esui : h.p soi P ( + h) P () = λ.p h ()+ λ.p ()+ o(h) h P Lorsque h 0 o a Lim ( + h) P () = dp ()= λ.p h 0 h d ()+ λ.p Nous avos aisi : ().
8 23 dp d ()= λ.p ()+ λ.p 0 l'équaio homogèe dp d ()= λ.p ()+ λ.e λ., ()+ λ.p ()= 0 es de la même forme que l'équaio précédee, o a doc P ()= f ().e λ. avec P ()= 0 0, d'où f (0) = 0. Il s'esui dp λ. df () λ. df () () = f(). e +.e, d'où par ideificaio = λ e f () = λ. puisque d d d f (0) = 0. ()= Il e résule P λ..e λ.. Par récurrece, o vérifie que : P = e λ. ( λ.)! ()= PN= 2-6- Equaios d'erlag Les équaios : dp 0 ()= λ.p d 0 dp ()= λ.p d () ()+ λ.p () so coues sous le om d'équaios différeielles d'erlag.
9 Exercice : U problème de qualié : Ue éude de qualié more qu ue machie qui produi des câbles éléphoiques sous-maris géère des défaus de fabricaio qui suive ue loi de Poisso de aux 0, par kilomère. Quelle es la probabilié qu aucu défau apparaisse das les deux premiers kilomères du câble? Supposos qu il exise pas de défau das les deux premiers kilomères de la producio. Quelle es la probabilié qu aucu défau e se rouve ere les kilomères 2 e 3? Das l ue des producios, o a cosaé 3 défaus das le premier kilomère e 4 défaus sur les 3 kilomères suivas. Quelle es La probabilié de ce évèeme? 2-8- Tes : L aalyse des accides de la circulaio oucha les piéos d ue ceraie zoe géographique more que les rafics des voiures pariculières e des camios peuve êre modélisés par des variables aléaoires. Désigos par la variable aléaoire décriva la durée qui sépare les passages de deux voiures pariculières, disos ceux des -ième e (+)-ième véhicules. Les variables so supposées idépedaes e de même desié : ft = e 0 secodes). - 0 si 0 e f T = 0 si < 0 (où es mesuré e Désigos par u la variable aléaoire décriva la durée qui sépare les passages de deux camios, disos ceux des -ième e (+)-ième véhicules.
10 25 Les variables u so supposées idépedaes e de même desié : ft = e 40 secodes) si 0 e f T = 0 si < 0 (où es mesuré e ) Supposos que seuleme les voiures pariculières soie auorisées à rouler u cerai jour. Quelle es la probabilié pour qu u passa raverse la roue sas se faire heurer par u véhicule s il me 4 secodes pour le faire? (O suppose, bie eedu, qu il es exposé peda oue cee durée). 2) Sur cee même voie de circulaio, u aure passa plus le raverse e 6 secodes ; mais, comme il es plus robuse, il peu supporer sas dommage deux collisios avec les voiures pariculières. Quelle es la probabilié qu il raverse sas dommage cee voie? 3) Sur ue aure voie de circulaio, les voiures pariculières e les camios so auorisés à circuler. Les arrivées des voiures e des camios so supposées idépedaes. Quelle es la probabilié, pour u passa raversa cee voie e 4 secodes, de le faire sas êre heuré? 4) Sur la même voie de circulaio que das la quesio (3): quelle es la probabilié, pour u passa le (il me 6 secodes pour raverser la voie), mais robuse (il peu sas dommage supporer 2 collisios avec des voiures pariculières ou (exclusif) ue collisio avec u camio), de raverser cee voie sas dommage? 5) O se place sur la voie de circulaio des quesios () & (2). Quelle es la probabilié pour que le passa le e robuse e le passa rapide, qui débue leur raversée immédiaeme après le passage d ue voiure, raverse sas dommage pour aucu d eux?
11 Loi des emps d aees ier-évèemes Théorème : Soi ( X ) Œ R u processus de Poisso de aux l. Soi 0 < < 2 < 3,...ue suie d'isas d'appariio d'évèemes e soi ( ) Œ * les N emps d'aee ere ces évèemes défiis par =, 2 = 2 -,..., k = k -k - ; es la durée sépara le (-)-ième évèeme du -ième évèeme, aureme di le emps peda lequel le processus rese das l'éa -. Œ * es idépedae, équidisribuée, La suie de variables aléaoires N expoeielle, d'espérace - l, doc de desié f Ïle si > l 0 = Ì Ó 0 si 0. La suie de variables aléaoires Œ * es idépedae : e effe u processus de Poisso es à accroissemes idépedas ; il s'esui que les N évèemes se produisa après l'isa k so idépedas des évèemes se produisa ava l'isa k e doc que la suie de variables aléaoires = - - ŒN * es idépedaes. Pour ou h 0 e ou les évèemes > h so équivales. Il s'esui = ({ = }) = ({ }) = { ( + ) - = } P > h P N - h N - 0 P Nh 0 e { } e { N ( - + h) - N ( -) = 0} -l. h e doc l h ({ }) = - -. P h e Si l'o pose S = , S représee le emps écoulé jusqu'à la réalisaio du ème évèeme.
12 Loi du emps d'aee du ème évéeme S = Théorème : La loi du emps d'aee du ème évéeme, S = , a pour desié la focio f S - l -l. e, = 2,,..., > 0! = ( - ) (aureme di ue disribuio gamma). Désigos,coforméme à ce qui précède, le emps d'aee du ème évèeme par S. L'évéeme S se produi si e seuleme si au mois évèemes se so produis das l'iervalle ( 0,]. Comme de plus le ombre des évèemes qui se produise das l'iervalle ( 0,] possède ue loi de Poisso de moyee l., o a F P S P N S = + j -l. j -. j = l. e j! = ( ) =  - l l. e = - Â, = 2,,..., j! j = 0 résule que la desié fs de la loi de S es doée par f ( d e ) j = È - -l. S e d - - l. l -l. Í Â =, = 2,,..., Î j = 0 j! ( -)!. Il e 2- Processus de compage e processus de Poisso Théorème : Soi ( N ) u processus de compage el que les emps d'aee Œ R + des évèemes ( ) Œ * soie des variables aléaoires idépedaes N équidisribuées e expoeielles, d'espérace l. Alors ( N ) es u processus Œ R + de Poisso de aux l.
13 Equivalece d'évèemes O vérifie que l'évèeme N() es équivale à l'évèeme S + > e de maière duale que l'évèeme N() es équivale à l'évèeme S +. O e dédui que : P(N() = ) = P(S + > e S ) = P(S ) P(S + ). 2-3 Isa d'occurrece d'u évèeme Théorème : Soi (N ) R u processus de Poisso e supposos qu'u évèeme se produise das l'iervalle [0, ]. La variable aléaoire Y décriva les isas d'occurrece de ce évèeme a ue disribuio coiue uiforme sur [0, ]. Aisi, ou sous-iervalle de logueur δ ] 0, ] a la probabilié δ d'occurrece de l'évèeme. de coeir le emps Soi 0 < x <. Par défiiio de Y o a : PY ( x)= P( τ xn =)= PN = e N N = 0 x x PN = ( = λxe λx λ e ( x ) = x λe λ = PN ( = x ).P N N x = 0 PN = Graphes associés à u processus de Poisso Deux représeaios so fréquees : Première représeaio : Les éas so uméroés par le ombre d'arrivées qui se so produies depuis l'isa iiial; Les arcs so valués par les probabiliés de passage, peda u iervalle de emps pei (i.e reda égligeable la probabilié d'avoir plus d'ue arrivée peda cee durée) :
14 29 La marice (différeielle) P des probabiliés de rasiio s'écri : Ê- l. D l. D ˆ Á 0 - l. D l. D Á Á l. D Á H = Á Á l. D l. D 0... Á Á l. D l. D... Á l. D... Á Ë e o a : Ê P 0 + D ˆ Ê- l. D l. D ˆ Ê P0 ˆ Á P ( + D ) Á 0 - l. D l. D Á P Á Á Á Á P 2 ( + D ) Á l. D Á P2 Á... Á Á Á... = Á. Á ÁP4 ( + D) Á l. D l. D 0... ÁP4 Á Á Á Á P5 ( + D) Á l. D l. D... Á P5 Á P6 ( + D) Á l. D... Á P 6 Á Á Á Ë... Ë Ë... + o( D) ce qui s'écri ecore :
15 30 - Ê P0 + D P0 ˆ Ê- l l ˆ Ê P0 ˆ Á P( + D) - P Á 0 - l l Á P Á Á Á Á P2( + D) - P2 Á l Á P2 Á... Á Á Á... = Á. Á.D o D ÁP4( + D) - P4 Á l l 0... ÁP4 Á Á Á Á P5( + D) - P5 Á l l... Á P5 Á P6( + D) - P6 Á l... Á P 6 Á Á Á Ë... Ë Ë... soi dp = GP. ( ). d + La marice G es fréquemme appelée marice géérarice du processus (de Markov!). La soluio du sysème différeiel du premier ordre es alors doée par : = G. P e P0, 0 où P0 = P( 0). G. 2 3 Rappelos que e = I + G. + ( G. ) + ( G. ) +... qui coverge pour ou fii. 2! 3! Secode représeaio : Les éas so uméroés par le ombre d'arrivées qui se so produies depuis l'isa iiial; Seuls les arcs de i à i+ so représeés e ces deriers so valués par l'iesié l :
16 3 3 - Processus de aissace e de dispariio. Iuiiveme, u processus de aissace e de dispariio modélise l'évoluio d'ue populaio s'accroissa au ryhme de l'arrivée de ouveaux membres e dimiua par la dispariio de membres acies. U el modèle, do l'iérê das l'éude des problèmes de aure sociale ou biologique es évide, s'avère égaleme rès uile das l'éude de cerais problèmes de files d'aee (cf Leço 4); aisi, par exemple, das l'éude de l'arrivée e du raieme des requêes das u sysème de raieme de l'iformaio. 3-- Défiiio Soi ( X ) Œ R u processus sochasique à emps coiu e à espace d'éas discre N. Supposos que ce processus décrive u sysème se rouva das l'éa e à l'isa, e ierpréos ce éa de la faço suivae : le sysème a ue populaio composée de élémes. Le sysème es di décrire u processus de aissace e de dispariio si e seuleme si : il exise ue suie de aux de aissace ( l ) Œ e ue suie de aux de dispariio N Œ à ermes posiifs ou uls els que les codiios suivaes soie m N saisfaies : - Les seuls chagemes d'éa auorisés so de l'éa e 0 à l'éa e aisi que, pour ou, de l'éa e à l'éa e + e de l'éa e à l'éa e -. Aureme di : à u isa doé, e peu avoir lieu qu'ue aissace ou qu'ue dispariio; aucue dispariio e peu avoir lieu das u sysème vide.
17 32 2- Si au emps le sysème es das l'éa e, pour, la probabilié de rasiio de l'éa e à l'éa e + ere les isas e +h es doée par l. h + o( h) e celle de rasiio de l'éa e à l'éa e - par m. h + o( h). Aureme di : Cee codiio fixe la probabilié de rasiio lorsque la populaio es de cardial. 3- La probabilié que plus d'ue rasiio s'effecue das l'iervalle de emps [,+h], "h pei", es o(h). Aureme di : das u iervalle de emps pei, la probabilié d'avoir plus d'ue aissace, ou plus d'ue dispariio, es égligeable Graphe d'u processus de aissace e de dispariio 3-3- Remarques : Das l'hypohèse où ous ierpréos u processus de aissace ou de dispariio comme ue file d'aee, l'éa e s'ierprèe comme la présece de cosommaeurs (ou requêes) aeda ou receva u service. Aureme di, u processus de aissace e de dispariio se modélise comme la superposiio de deux processus de Poisso.
18 Probabilié d'u éa pour u processus de aissace e de dispariio Proposiio : Avec les oaios précédees, si o pose P P X pour ou, P p p + = È p Î Í l 0., 0 soi p = È p0 m + Î Í l m p 2 = È Î Í l m 2,.. p = È p Î Í l 0. l... l -. 0 m. m2... m. = = = (c es-à-dire si P e déped pas de ), o a : e si La probabilié que le sysème soi das l'éa e o es doée par È O a doc p0. + Ê p0. S, Ë Á l ˆ + + Ê Ë Á l l l ˆ - Í + = = Î m m. m2... m e l'équilibre saisique exise si S < +. Â p =. ŒN Pour, la probabilié P ( h) pour qu à l isa + h le sysème soi das + l éa e a quare composaes : ) La probabilié que le sysème ai éé das l éa à l isa e qu aucue rasiio e se soi produie ere les isas e +h. Cee probabilié es le produi de P par la probabilié que le sysème e passe pas de l éa à l éa +, soi - l. h + o( h), par la probabilié que le sysème e passe pas de l éa à l éa -, soi - m. h + o( h). Il s esui que = ( ) ( - + ) P () l. h o h m. h o h P () m. h o h l. h l. m h l. hoh oh ( m l ) = ( - m - l ) + = P (). h. h o h P (). h. h o h puisque : = - - oh m.. hoh oh, 2 - -l mh - l ho( h) + oh = oh.,
19 34 - P (). o ( h ) = oh. 2- La probabilié P - que le sysème soi das l éa e - à l isa, mulipliée par la probabilié qu ue rasiio de l éa - vers l éa ai lieu das l iervalle de emps, +h soi : ( + ) = + P () l. h o h P () l. h o h La probabilié P + que le sysème soi das l éa + à l isa, mulipliée par la probabilié qu ue rasiio de l éa + vers l éa se produise dura l iervalle de emps, +h soi : P () m. h o h La probabilié que deux rasiios ou plus se produise ere les isas e +h qui laisse le sysème das l éa soi : o(h). Les quare évèemes précédes éa muuelleme exclusifs il s esui que P ( + h) = P - l. h - m. h l. hp m hp o h Il s esui : () P h P ( + ) - 0( h) =- ( l + m). P + l -. P - () + m + P + () + h h soi, lorsque h -> 0 :, (2) dp () =- ( l + m). P + l -. P - + m +. P + (si ). d Pour = 0 o a : dp 0() =- l0. P0 + m. P. d Si l'éa iiial es e i alors les codiios iiiales so doées par (3) P i (0) =, P j (0) = 0 si i π j.
20 Remarques - U processus de aissace ou de dispariio doe lieu à u esemble ifii d'équaios. O démore que ce sysème a ue soluio P () pour ou e ou sous des codiios rès géérales, mais, sauf das des cas pariculiers, cellesci so aalyiqueme difficiles à obeir. 2- U processus el que m = 0 (respeciveme el que l = 0) es di processus de aissace pur (respeciveme processus de dispariio pur). 3- Das le cas d'u processus de aissace pur avec l = l e m = 0 pour ou, o a : dp () =- l. P + l. P - ( si ) d pour = 0 o a : dp 0() =-l. P0, de soluio : d P e -l. () =.( l. ) 0, 0.! Il e résule que l'o peu caracériser les processus de Poisso comme des processus de aissace purs avec aux de aissace cosa. U aure cas où il es possible de rouver la soluio du problème es le cas où P () ed vers ue valeur cosae p lorsque ed vers l'ifii pour ou. Ce cas, souve di d'équilibre saisique, correspod à u sysème saioaire (ecore appelé à équilibre d'éa car l'éa du sysème e déped pas du emps). Alors, e uilisa la siuaio d équilibre saisique, par passage à la limie das les équaios () e (2) précédees o a : Lim Lim P () p ; Æ+ = o obie alors : dp () d Æ+ = 0 pour ou e
21 36 - l -. p - + m + p + -( l + m). p = 0 si - m. p - l0. p0 = 0 si = 0. Soi : m. p - l. p = m. p - l. p si Posos g = m. p - l. p si Œ N, o a: g = g pour Il s'esui g = cosae e par (2) g = 0, doc g = cosae = 0 pour ou (µ > 0 pour ou ). O a aisi : p + = È p Î Í l 0., 0 soi p = È p0 m + Î Í l m p 2 = È Î Í l m 2,.. - p + = È p Î Í l 0. l... l. 0 m. m2... m. La probabilié que le sysème soi das l'éa e o es doée par È O a doc p0. + Ê p0. S, Ë Á l ˆ + + Ê Ë Á l l l ˆ - Í + = = Î m m. m2... m e la probabilié de l'éa d'équilibre exise si S < +.  p =. ŒN 3-6- Equaio des flux e loi de Khirchhoff La relaio dp dp X () = = d d =[Iesié du flux de probabilié qui ere das l'éa à l'isa ]-[ Iesié du flux de probabilié qui sor de l'éa à l'isa ], devie e régime saioaire (permae) [Iesié du flux de probabilié qui ere das l'éa ] = [ Iesié du flux de probabilié qui sor de l'éa ], (car X Æ A e P X = p O recoaî la loi de Khirchhoff de l'élecricié Tes Æ ). O cosidère la salle d'aee d'u médeci das laquelle : Les paies arrive suiva u processus de Poisso de aux l,
22 37 Le emps écessaire pour servir u clie a ue disribuio expoeielle de paramère m. O pose r = l. m Calculer p = P X = e focio de r. Quel es le emps moye passé par u clie qui arrive das le sysème? Quel es le emps moye passé par u clie das la salle d'aee? Quel es le ombre moye de clies das le sysème? Quel es le ombre moye de clies das la salle d'aee? Aalyser r = l. m Calculer pour l = 6 e m = puis pour l = 5 6 e m = le ombre de paies 4 das le sysème e le emps moye do dispose le médeci pour se reposer das la jourée Tes : Le sysème de réservaio d ue compagie aériee es archiecuré auour de deux esembles iformaiques focioa e redodace. Le aux de pae de chacu d eux obéi à ue loi expoeielle de moyee 2000 heures. - Quelle es la probabilié que le sysème ai pas de pae peda : a) 68 h? b) 30 jours (24 h de focioeme par jour)? 2- Quel es le emps moye ere deux paes?
23 38 L éude précédee es peu réalise, elle églige la possibilié de réparaio. Nous allos doc supposer maiea qu u ordiaeur e pae peu êre réparé (!). 3- Preos comme hypohèse que le emps moye de réparaio sui ue loi expoeielle de moyee 0 h. Quel es, sous cee ouvelle hypohèse, le emps moye ere deux paes? 4- Processus de reouvelleme. U processus de Poisso peu êre caracérisé comme u processus de compage pour lequel les emps d'aee ere deux évèemes so des variables aléaoires idépedaes, équidisribuées e expoeielles. U processus de reouvelleme es ue gééralisaio du processus de Poisso Défiiio d u processus de reouvelleme Défiiio : Soi ( N ) u processus de compage e X Œ R + le emps d'occurrece du premier évèeme. Désigos par X la variable aléaoire qui mesure l'iervalle de emps sépara les évèemes - e de ce processus pour >. ( N ) es u processus de reouvelleme si e seuleme si la suie de Œ R + variables aléaoires posiives ou ulles ( X ) > es idépedae e équidisribuée Tes Morer qu'u processus de Poisso de aux l es u processus de reouvelleme.
24 Remarques : - Quad u évèeme compé par N se produi, o di qu'u reouvelleme es ierveu. 2 - W = 0, W = X + X X, s'appelle le emps d'aee jusqu'au 0 2 ième reouvelleme. O peu représeer les relaios ere N e W par N 3 2 X X 2 X 3 X 4 W 0 W W 2 W Loi de W = Désigos par F x P X x la focio de répariio de la variable aléaoire X (rappelos que oues les variables X o la même focio de répariio) e par F x P W x que F = la focio de répariio de la variable aléaoire W ; o sai ( x) es le produi de covoluio F ( x) = ( F) *, soi :
25 40 + x = Ú - ( - ) = Ú F x F x y df y F x y df y 4-5 Focio de reouvelleme Défiiio : Soi ( N ) u processus de reouvelleme. Alors la focio M Œ R + défiie pour ou Œ R + par M E N processus. = es die focio de reouvelleme du 4-6- Tes Quelle es la focio de reouvelleme d'u processus de Poisso cosidéré comme processus de reouvelleme. 4-7 Equivalece de N e de W Théorème : Soi ( N ) u processus de reouvelleme. Œ R + Alors N k W. Dire que N k c'es dire qu'il y a eu au mois k reouvellemes jusqu'à l'isa ; c'es doc dire que W. E iverseme dire que W c'es dire qu'au mois k reouvellemes se so produis à l'isa Aureme di : Dire que le ombre de reouvellemes aya eu lieu jusqu'à l'isa es au mois k équivau à dire que le k ème reouvelleme s'es produi ava (ou à) l'isa. Ceci explique que le processus de compage ( N ) R soie ous les deux appelés processus de reouvelleme. e le processus ( W ) Œ + ŒN
26 4 4-8 Relaio ere la focio de reouvelleme M e la focio de répariio F = ( ) = + * Il résule de (4-5) que " Œ R, " k ŒN, P N k P W F k. Il s'esui que = ( ) - ( + ) = - + * " Œ R, " k Œ N, P N = k P N k PN k F F. Or comme + k k + = =  =  =  k M E N P( N k) P( W ) F, o a : k k = k = k = + + Théorème : Soi ( N ) u processus de reouvelleme de focio de Œ R + reouvelleme M. Alors M e F x P X,,,... peuve êre défiies de maière uique l'ue par l'aure. = = Quelques variables aléaoires de la héorie du reouvelleme Les variables aléaoires suivaes présee u iérê pariculier das les problèmes de reouvelleme. Défiiio : Soi ( N ) u processus de reouvelleme. Posos : Œ R + g = W N + - (durée de vie résiduelle) d = - W (durée de vie courae) b = g + d (durée de vie oale) Aureme représeé :
27 42 N b 3 d g 2 W 0 W W N W N Processus de Poisso vu comme u processus de reouvelleme Théorème : Soi ( N ) u processus de Poisso de paramère l. Alors : Œ R + -l. x -l. x P( g x) = -e x 0 ou P( g > x) = e x 0 P( d < x) = Ï Ì Ó -l. x - e ( 0 x < ) x E( b) = +. -e l l -l. x O a par défiiio l. " k Œ N, P N = k k! *. = -l = = e e M E N l.. Illusros la siuaio à l'aide de :
28 43 N g 3 x 2 +x Or la durée de vie résiduelle ( g = W + - ) à l'isa es supérieure à x si e N seuleme s'il 'y a pas de reouvelleme das l'iervalle, + x ( ]. Comme u processus de Poisso es à accroissemes idépedas ce évéeme a la même probabilié que l'évéeme : aucu reouvelleme e s'es produi das l'iervalle ( 0, x]. -l. x Aureme di P( g > x) = P( N - N = 0) = P( N = 0 ) = e. + x x
29 44 La durée de vie courae d = - W e peu pas êre supérieure à. Si x <, la durée de vie courae dépasse x si e seuleme si aucu reouvelleme 'es ( ] ierveu das l'iervalle - x, d'où : P( d < x) = Ï Ì Ó -l. x - e ( 0 x < ) x. Par défiiio de la durée de vie oale b = g + d o a : l E( b ) = E( g ) + E( d ) = + e dx = + -e l Ú 0 l l -. -l Théorème du reouvelleme élémeaire Les processus de Poisso so des processus de reouvelleme do la focio de reouvelleme es liéaire; ce so les seuls aya cee paricularié. Touefois chaque processus de reouvelleme a ue focio de reouvelleme asympoiqueme liéaire au ses suiva : Théorème (héorème du reouvelleme élémeaire) Soi ( N ) u processus de reouvelleme avec E X Œ R + Alors M () Æ quad Æ +. m = m pour ou. Nous revoyos à la liéraure pour la démosraio de ce résula 4-2- Tes Désigos par ( N ) u processus de reouvelleme de focio de Œ R + reouvelleme M () = 5.. Quelle es la loi de probabilié du ombre de reouvellemes jusqu'à l'isa =5?
30 45 5- Eude d u processus "Flip-Flop" Désigos par ( X ) Œ R u processus aléaoire Flip-Flop d espace d éas { 0, }; supposos que les isas de rasiio suive ue loi de Poisso ; e d aures ermes, supposos que la probabilié d avoir rasiios das u iervalle de emps de logueur es doée par : P, l. e l., loi de Poisso de! = - paramère l. ( l représee le ombre moye de rasiios par uié de emps) e supposos qu à l origie le processus vau 0 avec la probabilié p e avec la probabilié -p. Simuler ce processus puis l éudier. 5-- Simulaio Nous préseos ci-dessous les graphes résulas de 4 simulaios pour l = e { } 00 observaios. Les graphes o éé racés pour les valeurs d éa -, + pour ue meilleure lisibilié; les pois o éé reliés pour la même raiso.
31 46 Les rais horizoaux représee les durées ier-évèemes, les rais vericaux symbolise l isa du chageme d éa Eude du processus Flip-Flop. Calcul de E( X ) = ( = ) + ( = ) O a E X 0. P X 0. PX ; cherchos PX = : = = ( ) = = = ( 0 ) + = = ( 0 ) = = P( pour u ombre pair decommuaios sur [ 0, ] ). P( X0 = ) + P( pour u ombreimpair decommuaios sur [ 0, ] ). P( X = 0) PX = PX X 0. PX PX X 0. PX 0 0 Comme les isas de commuaio suive ue loi de Poisso, il vie :
32 47 = P pour u ombre pair decommuaios sur [ 0, ] = P pour u ombre pair decommuaios sur [ 0, ] Soi : = ( - ) + -l. -l. PX = e. pch. l. e. psh. l., d où il s esui : 2. e -. e -.  l l l. 2.! ch l. = =  l l l e e. sh l. 2. +! = 0 = = ( - ) + = ( - ) + -l E X e. -l -l. p. ch l. e.. p. sh l. e. p. ch l. p. sh l. [ ] Si p =, le processus es claireme saioaire. O a e effe : 2 = ( = ) = " Œ R, P X = PX 0 2 Si p π 2, lorsque es grad par rappor à l- o a PX ( = ) ª 2 e le processus es «quasi-saioaire». Supposos désormais que p = 2. Focio d auocorrélaio : O a : ( + ) = ( = + = ) = PX ( + = X = ). PX ( = ) = P( pour u ombre pair decommuaios sur [, + ]) E X. X.. P X, X Or o a PX ( = ) = 2, d'où = E X. X + 2 l. -2l. - l. e  2 2! = = + e 4.
33 48 Desié specrale de puissace de ( X ) ŒR Ê - l. ˆ l F( E( X. X + )) = FÁ + e = d + Ë l + 4p w
34 49 Appedice Processus de Poisso o homogèe
35 50 Iroducio La faiblesse majeure des processus de Poisso ie à ce qu ils modélise des siuaios e faisa pour hypohèse que le processus es à accroisseme saioaire, aureme di homogèe. Mais, das la praique, les processus de Poisso que l o peu iveorier e le so que rareme. La difficulé d obeir des résulas aalyiques avec des processus de Poisso o homogèes codui, rop fréquemme, à ue approximaio des problèmes par des processus homogèes. L usage de la simulaio aide, ouefois, à aplair cee difficulé e prome les modèles o homogèes à u aveir cerai ; qu il covie doc de maîriser. Défiiio : U processus de compage ( N ) Œ R es u processus de Poisso de > aux (ou d'iesié) l, 0si, e seuleme si, les codiios suivaes so saisfaies : - Le processus es à accroissemes idépedas. 2 - La probabilié qu'u (e u seul) évéeme se produise das l iervalle [, + h] es égale à Lim PN ( h = ) = l h Æ0. h 3 - La probabilié que plus d'u évéeme se produise das l iervalle = [, +h] es égale à Lim PN h 2 h Æ0 h 0.
36 5 La focio m() défiie par m () Ú l sds, e o peu éablir le résula suiva : = 0 0es la focio de valeur moyee Proposiio : N ( + s) - N es ue variable aléaoire de Poisso d espérace m ( + s) - m. Pour ierpréer u processus de Poisso o homogèe o peu s appuyer sur le résula suiva : Proposiio : Si des évèemes se produise suiva u processus de Poisso d iesié l e si, idépedamme du passé, u évéeme qui arrive à l isa le fai avec ue probabilié p(), alors le processus aisi imagié es u processus de Poisso o homogèe d iesié l = l. p.
Exercices de révision
Exercices de révisio Exercice U ivesisseur souscri à l émissio d u bille de résorerie do les caracérisiques so les suivaes : - Nomial : 5 M - Taux facial : 3,2% - Durée de vie : 9 mois L ivesisseur doi
Plus en détailn 1 LES GRANDS THÈMES DE L ITB > 2009 Les intérêts simples et les intérêts composés ( ) C T D ( en mois)
LES GRANDS THÈMES DE L ITB Les iérês simples e les iérês composés RAPPELS THÉORIQUES Les iérês simples : l'iérê «I» es focio de la durée «D» (jour, quizaie, mois, rimesre, semesre, aée) de l'opéraio (placeme
Plus en détailS euls les flux de fonds (dépenses et recettes) définis s ent l investissement.
Choix d ives i s s eme e cer iude 1 Chapire 1 Choix d ivesissemes e ceriude. Défiiio L es décisios d ivesissemes fo parie des décisios sraégiques de l erepris e. Le choix ere différes projes d ivesisseme
Plus en détailIntégrales généralisées
3 Iégrles géérlisées Pour ce chpire, les focios cosidérées so priori défiies sur u iervlle réel I o rédui à u poi, à vleurs réelles ou complees e coiues pr morceu. L défiiio e les propriéés de l iégrle
Plus en détailCalculer comment se constituer un capitale ; Calculer comment rembourser une dette en effectuant des versements réguliers.
CHAP: 8 Objecifs de ce chpire : Clculer comme se cosiuer u cpile ; Clculer comme rembourser ue dee e effecu des versemes réguliers. RAPPELS : Qu'es-ce qu'ue vleur cquise? Qu'es-ce qu'ue vleur cuelle? Le
Plus en détailIntégrales dépendant d un paramètre
[hp://mp.cpgedupuydelome.fr] édié le 3 avril 5 Eocés Iégrales dépeda d u paramère Covergece domiée Exercice [ 9 ] [correcio] Calculer les limies des suies do les ermes gééraux so les suivas : a) u = π/4
Plus en détailTrading de Volatilité
M émoire moire d Eude d Approfodisseme Tradig de Volailié Chrisia DIDION & Thomas JANNAUD Valdo DURRLEMAN Ecole Polyechique Sommaire Iroducio. Modèle de Blac-Scholes. Iroducio 44. Modèle de Blac & Scholes..5
Plus en détailM e t h o d o l o g i e s & W o r k i n g p a p e r s. Manuel des indices des prix de l immobilier résidentiel
M e h o d o l o g i e s & W o r k i g p a p e r s Mauel des idices des prix de l immobilier résideiel Édiio 23 M e h o d o l o g i e s & W o r k i g p a p e r s Mauel des idices des prix de l immobilier
Plus en détailDéveloppement en Série de Fourier
F-IRIS-5.ex Développeme e Série de Fourier Développer e série de Fourier les focios de période T défiies aisi : a b { f impaire T = f = si ] ; { f paire T = f = si ; ] Faire das chaque cas ue représeaio
Plus en détailTexte Ruine d une compagnie d assurance
Page n 1. Texe Ruine d une compagnie d assurance Une nouvelle compagnie d assurance veu enrer sur le marché. Elle souhaie évaluer sa probabilié de faillie en foncion du capial iniial invesi. On suppose
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 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 détailFiles d attente (1) F. Sur - ENSMN. Introduction. 1 Introduction. Vocabulaire Caractéristiques Notations de Kendall Loi de Little.
Cours de Tronc Commun Scienifique Recherche Opéraionnelle Les files d aene () Les files d aene () Frédéric Sur École des Mines de Nancy www.loria.fr/ sur/enseignemen/ro/ 5 /8 /8 Exemples de files d aene
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 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 détailVA(1+r) = C 1. VA = C 1 v 1
Universié Libre de Bruxelles Solvay Business School La valeur acuelle André Farber Novembre 2005. Inroducion Supposons d abord que le emps soi limié à une période e que les cash flows fuurs (les flux monéaires)
Plus en détail2. Quelle est la valeur de la prime de l option américaine correspondante? Utilisez pour cela la technique dite de remontée de l arbre.
1 Examen. 1.1 Prime d une opion sur un fuure On considère une opion à 85 jours sur un fuure de nominal 18 francs, e don le prix d exercice es 175 francs. Le aux d inérê (coninu) du marché monéaire es 6%
Plus en détailChapitre 2 L investissement. . Les principales caractéristiques de l investissement
Chapire 2 L invesissemen. Les principales caracérisiques de l invesissemen.. Définiion de l invesissemen Définiion générale : ensemble des B&S acheés par les agens économiques au cours d une période donnée
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 détailComportement mécanique d'un faisceau de câble automobile
SP7 : Élecroique Sysème Posiioeme Allocaio Câble Eviroeme (E-SPACE) Comporeme mécaique d'u faisceau de câble auomobile Travaux de Gwedal CUMUNEL préseés par Olivia PENAS LISMMA - Supméca 1 Pla SP7: ESPACE
Plus en détailRappels théoriques. -TP- Modulations digitales ASK - FSK. Première partie 1 INTRODUCTION
2 IUT Blois Déparemen GTR J.M. Giraul, O. Bou Maar, D. Ceron M. Richard, P. Sevesre e M. Leberre. -TP- Modulaions digiales ASK - FSK IUT Blois Déparemen du Génie des Télécommunicaions e des Réseaux. Le
Plus en détailLes circuits électriques en régime transitoire
Les circuis élecriques en régime ransioire 1 Inroducion 1.1 Définiions 1.1.1 égime saionnaire Un régime saionnaire es caracérisé par des grandeurs indépendanes du emps. Un circui en couran coninu es donc
Plus en détailLa rentabilité des investissements
La renabilié des invesissemens Inroducion Difficulé d évaluer des invesissemens TI : problème de l idenificaion des bénéfices, des coûs (absence de saisiques empiriques) problème des bénéfices Inangibles
Plus en détailCARACTERISTIQUES STATIQUES D'UN SYSTEME
CARACTERISTIQUES STATIQUES D'UN SYSTEE 1 SYSTEE STABLE, SYSTEE INSTABLE 1.1 Exemple 1: Soi un sysème composé d une cuve pour laquelle l écoulemen (perurbaion) es naurel au ravers d une vanne d ouverure
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 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 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 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 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 détailMATHEMATIQUES FINANCIERES
MATHEMATIQUES FINANCIERES LES ANNUITES INTRODUCTION : Exemple 1 : Une personne veu acquérir une maison pour 60000000 DH, pour cela, elle place annuellemen au CIH une de 5000000 DH. Bu : Consiuer un capial
Plus en 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 détailIntégration de Net2 avec un système d alarme intrusion
Ne2 AN35-F Inégraion de Ne2 avec un sysème d alarme inrusion Vue d'ensemble En uilisan l'inégraion d'alarme Ne2, Ne2 surveillera si l'alarme inrusion es armée ou désarmée. Si l'alarme es armée, Ne2 permera
Plus en détailRecueil d'exercices de logique séquentielle
Recueil d'exercices de logique séquenielle Les bascules: / : Bascule JK Bascule D. Expliquez commen on peu modifier une bascule JK pour obenir une bascule D. 2/ Eude d un circui D Q Q Sorie A l aide d
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 détailTB 352 TB 352. Entrée 1. Entrée 2
enrées série TB logiciel d applicaion 2 enrées à émission périodique famille : Inpu ype : Binary inpu, 2-fold TB 352 Environnemen Bouon-poussoir TB 352 Enrée 1 sories 230 V Inerrupeur Enrée 2 Câblage sur
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 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 détailLe mode de fonctionnement des régimes en annuités. Secrétariat général du Conseil d orientation des retraites
CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 28 janvier 2009 9 h 30 «Les différens modes d acquisiion des drois à la reraie en répariion : descripion e analyse comparaive des echniques uilisées»
Plus en détailCHAPITRE I : Cinématique du point matériel
I. 1 CHAPITRE I : Cinémaique du poin maériel I.1 : Inroducion La plupar des objes éudiés par les physiciens son en mouvemen : depuis les paricules élémenaires elles que les élecrons, les proons e les neurons
Plus en détailMTH 2301 Méthodes statistiques en ingénierie. MTH 2301 Méthodes statistiques en ingénierie
VARIABLES ALÉATOIRES déo oco de réro vrble léore dscrèe moyee - vrce - écr ye esérce mhémque vrble léore coue oco d ue vrble léore : rsormo combso lére de vrbles léores Déo E : eérece léore S : esce échllol
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 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 détailLes solutions solides et les diagrammes d équilibre binaires. sssp1. sssp1 ssss1 ssss2 ssss3 sssp2
Les soluions solides e les diagrammes d équilibre binaires 1. Les soluions solides a. Descripion On peu mélanger des liquides par exemple l eau e l alcool en oue proporion, on peu solubiliser un solide
Plus en détailNed s Expat L assurance des Néerlandais en France
[ LA MOBILITÉ ] PARTICULIERS Ned s Expa L assurance des Néerlandais en France 2015 Découvrez en vidéo pourquoi les expariés en France choisissen APRIL Inernaional pour leur assurance sané : Suivez-nous
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 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 détailCalcul Stochastique 2 Annie Millet
M - Mahémaiques Appliquées à l Économie e à la Finance Universié Paris 1 Spécialié : Modélisaion e Méhodes Mahémaiques en Économie e Finance Calcul Sochasique Annie Mille 15 14 13 1 11 1 9 8 7 6 5 4 3
Plus en détailCondition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½
Condition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½ Patrick Ciarlet et Vivette Girault ciarlet@ensta.fr & girault@ann.jussieu.fr ENSTA & Laboratoire Jacques-Louis Lions, Paris 6 Condition
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 détailExemples de résolutions d équations différentielles
Exemples de résoluions d équaions différenielles Table des maières 1 Définiions 1 Sans second membre 1.1 Exemple.................................................. 1 3 Avec second membre 3.1 Exemple..................................................
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 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 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 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 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 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 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 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 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 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 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 détail3 POLITIQUE D'ÉPARGNE
3 POLITIQUE D'ÉPARGNE 3. L épargne exogène e l'inefficience dynamique 3. Le modèle de Ramsey 3.3 L épargne opimale dans le modèle AK L'épargne des sociéés dépend largemen des goûs des agens, de faceurs
Plus en détailUne action! Un message!
Ue actio! U message! Cotact Master est u service exclusif de relaces automatiques de vos actes vers vos cliets, par SMS, messages vocaux, e-mails, courrier... Il se décleche lorsque vous réalisez ue actio
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 détailCompte Sélect Banque Manuvie Guide du débutant
GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de
Plus en détailOscillations forcées en régime sinusoïdal.
Conrôle des prérequis : Oscillaions forcées en régime sinusoïdal. - a- Rappeler l expression de la période en foncion de la pulsaion b- Donner l expression de la période propre d un circui RLC série -
Plus en détailRelation entre la Volatilité Implicite et la Volatilité Réalisée.
Relaion enre la Volailié Implicie e la Volailié Réalisée. Le cas des séries avec la coinégraion fracionnaire. Rappor de Recherche Présené par : Mario Vázquez Velasco Direceur de Recherche : Benoî Perron
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 détailFinance 1 Université d Evry Val d Essonne. Séance 2. Philippe PRIAULET
Finance 1 Universié d Evry Val d Essonne éance 2 Philippe PRIAULET Plan du cours Les opions Définiion e Caracérisiques Terminologie, convenion e coaion Les différens payoffs Le levier implicie Exemple
Plus en détailDocumentation Technique de Référence Chapitre 8 Trames types Article 8.14-1
Documenaion Technique de Référence Chapire 8 Trames ypes Aricle 8.14-1 Trame de Rappor de conrôle de conformié des performances d une insallaion de producion Documen valide pour la période du 18 novembre
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 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 détailCaractéristiques des signaux électriques
Sie Inerne : www.gecif.ne Discipline : Génie Elecrique Caracérisiques des signaux élecriques Sommaire I Définiion d un signal analogique page 1 II Caracérisiques d un signal analogique page 2 II 1 Forme
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 détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
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 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 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 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 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 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 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 détailFiltrage optimal. par Mohamed NAJIM Professeur à l École nationale supérieure d électronique et de radioélectricité de Bordeaux (ENSERB)
Filrage opimal par Mohamed NAJIM Professeur à l École naionale supérieure d élecronique e de radioélecricié de Bordeaux (ENSERB) Filre adapé Définiions Filre adapé dans le cas de brui blanc 3 3 Cas d un
Plus en détailMathématiques financières. Peter Tankov
Mahémaiques financières Peer ankov Maser ISIFAR Ediion 13-14 Preface Objecifs du cours L obje de ce cours es la modélisaion financière en emps coninu. L objecif es d un coé de comprendre les bases de
Plus en détail2009-01 EFFICIENCE INFORMATIONNELLE DES 1948-2008 UNE VERIFICATION ECONOMETRIQUE MARCHES DE L OR A PARIS ET A LONDRES, DE LA FORME FAIBLE
009-01 EFFICIENCE INFORMATIONNELLE DES MARCHES DE L OR A PARIS ET A LONDRES, 1948-008 UNE VERIFICATION ECONOMETRIQUE DE LA FORME FAIBLE Thi Hong Van HOANG Efficience informaionnelle des marchés de l or
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailMIDI F-35. Canal MIDI 1 Mélodie Canal MIDI 2 Basse Canal MIDI 10 Batterie MIDI IN. Réception du canal MIDI = 1 Reproduit la mélodie.
/ VARIATION/ ACCOMP PLAY/PAUSE REW TUNE/MIDI 3- LESSON 1 2 3 MIDI Qu es-ce que MIDI? MIDI es l acronyme de Musical Insrumen Digial Inerface, une norme inernaionale pour l échange de données musicales enre
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 détailCours d électrocinétique :
Universié de Franche-Comé UFR des Sciences e Techniques STARTER 005-006 Cours d élecrocinéique : Régimes coninu e ransioire Elecrocinéique en régimes coninu e ransioire 1. INTRODUCTION 5 1.1. DÉFINITIONS
Plus en détailLES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE
LES MESURES CLÉS DU PROJET DE LOI ÉCONOMIE SOCIALE ET SOLIDAIRE Qu est-ce que l Écoomie sociale et solidaire? Coopératives Etreprises sociales Scop Fiaceurs sociaux Scic CAE Mutuelles Coopératives d etreprises
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 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 détailTRAVAUX PRATIQUES N 5 INSTALLATION ELECTRIQUE DE LA CAGE D'ESCALIER DU BATIMENT A
UIMBERTEAU UIMBERTEAU TRAVAUX PRATIQUES 5 ISTALLATIO ELECTRIQUE DE LA CAE D'ESCALIER DU BATIMET A ELECTROTECHIQUE Seconde B.E.P. méiers de l'elecroechnique ELECTROTECHIQUE HABITAT Ver.. UIMBERTEAU TRAVAUX
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 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 détailIntroduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en 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 détailF 2 = - T p K 0. ... F T = - T p K 0 - K 0
Correcion de l exercice 2 de l assisana pré-quiz final du cours Gesion financière : «chéancier e aux de renabilié inerne d empruns à long erme» Quesion : rappeler la formule donnan les flux à chaque échéance
Plus en détailRisque associé au contrat d assurance-vie pour la compagnie d assurance. par Christophe BERTHELOT, Mireille BOSSY et Nathalie PISTRE
Ce aricle es disponible en ligne à l adresse : hp://www.cairn.info/aricle.php?id_revue=ecop&id_numpublie=ecop_149&id_article=ecop_149_0073 Risque associé au conra d assurance-vie pour la compagnie d assurance
Plus en détail