STATISTIQUE INFERENTIELLE TRAVAUX DIRIGES
|
|
- Nicole Primeau
- il y a 6 ans
- Total affichages :
Transcription
1 Pôle Uiversitaire Léoard de Vici Statistique iféretielle STATISTIQUE INFERENTIELLE TRAVAUX DIRIGES C. GUILLOT STATINF_TD.pdf 1
2 Pôle Uiversitaire Léoard de Vici Statistique iféretielle EXERCICE 1: Ue populatio est composée de 3 salariés A, B et C âgés respectivemet de 3, 37et 45 as. 1. O choisit au hasard u salarié. Défiir,, la probabilité P et la variable aléatoire X étudiée.. Calculer E(X) = et Var(X) =. Que représete E(X)? Que représete la Var(X)? 3. O choisit au hasard u échatillo de salariés. * Défiir, E, la probabilité P et les variables aléatoires X et X Calculer E( X ) et Var( X ). Retrouvez les formules du cours. EXERCICE : Ue populatio est composée de 3 idividus A, B et C dot les résultats de vote pour u certai cadidat sot respectivemet les suivats NON, NON et OUI. 1. O choisit au hasard u idividu. Défiir,, la probabilité P et la variable aléatoire X étudiée.. Calculer E(X) et Var(X). Que représete E(X)? 3. O choisit au hasard u échatillo de idividus. * Défiir, E, la probabilité P et la variable aléatoire P. 4. Calculer E( P ) et Var( P ). Retrouvez les formules du cours. EXERCICE 3 : Le poids de paquets de poudre de lessive, à l issue de l empaquetage, est supposé suivre ue loi ormale N(μ, σ ) dot l écart-type σ est supposé cou et égal à 5 g. σ représete la variabilité du poids due à l imprécisio de la machie. Le poids marqué sur les paquets est de 710g. Toutes les heures, 10 paquets sot prélevés au hasard et pesés. O obtiet pour ue heure doée, pour u échatillo de 10 paquets u poids moye de 707g. 1. Doer u estimateur puis ue estimatio du poids moye des paquets de lessive.. Doer u itervalle de cofiace à 90%, puis à 95% pour le poids moye des paquets de lessive 3. Détermier (à l'uité près) pour qu'au seuil de risque % u itervalle de cofiace du poids moye des paquets de lessive soit [705g;709g] EXERCICE 4 : Ue firme atioale de sodages d opiio a effectué pour le compte d ue compagie d assurace, ue étude sur les besois fiaciers et la satisfactio des cliets. Das la sectio du questioaire cocerat les fods commus de placemet, o demade aux cliets de C. GUILLOT STATINF_TD.pdf
3 Pôle Uiversitaire Léoard de Vici Statistique iféretielle doer la valeur (e euros) de tous les fods commus de placemet qu ils possèdet. Voici les résultats pour u échatillo aléatoire de 0 cliets : Fod commu de placemet O suppose que la valeur actuelle des fods commus de placemet est distribuée ormalemet. 1. Doer u estimateur puis ue estimatio poctuelle de la valeur moyee des fods commus de placemet des cliets.. Détermiez u itervalle de cofiace à 95% de la valeur moyee des fods commus de placemet des cliets. EXERCICE 5: Das la populatio fraçaise, le pourcetage d idividus dot le sag est de rhésus égatif est de 15%. Das u échatillo représetatif de 00 Basques fraçais o observe que 44 persoes sot de rhésus égatif. Doer u itervalle de cofiace à 99% de la proportio de Basques fraçais ayat u rhésus égatif. EXERCICE 6: Les pigos d ue marque doée pèset e moyee 0.5g avec u écart-type de 0.0g. Quelle est la probabilité pour que deux lots (choisis au hasard avec remise) de 1000 pigos chacu diffèret etre eux, e moyee, de plus de 0.g? EXERCICE 7: Les ampoules électriques d u fabricat A ot ue durée de vie moyee 1 avec u écarttype 1 = 00h et celles d u fabricat B ot ue durée de vie moyee avec u écart-type = 100h. U échatillo de 150 ampoules de A a doé ue durée de vie moyee de 1400h. U échatillo de 100 ampoules B a doé ue durée de vie moyee de 100h. Détermier u itervalle de cofiace à 95% puis à 99 % de la différece des durées de vie moyee des variétés A et B. EXERCICE 8: Das ue populatio, le pourcetage de fumeurs est de 60%. O tire au hasard u échatillo de 100 sujets. Quel risque y a t-il de perdre le pari que la proportio de fumeurs das cet échatillo soit comprise etre 0.5 et 0.7? C. GUILLOT STATINF_TD.pdf 3
4 Pôle Uiversitaire Léoard de Vici Statistique iféretielle EXERCICE 9: Les parties A et B sot idépedates. A. U atelier s approvisioe avec des pièces produites e grade série. O ote X, la variable aléatoire qui à toute pièce choisie au hasard das la productio associe sa masse e g. O admet que X suit ue loi ormale d espérace 500g et d écart-type. 1. O suppose das cette questio que est égal à 5g. Les pièces présetet le défaut A si leur masse est pas das l itervalle [495 ; 505]. O prélève au hasard ue pièce das la productio. Quelle est la probabilité qu elle présete le défaut A?. Quelle doit-être la valeur de pour qu ue pièce de la productio choisie au hasard présete le défaut A avec ue probabilité iférieure à 0.05? B. Les pièces de la productio peuvet préseter u défaut B. O veut estimer la proportio de pièces de la productio présetat le défaut B par u itervalle de cofiace. Pour cela, o prélève au hasard et avec remise u échatillo de 1000 pièces et o costate que 70 d etre elles présetet le défaut B. Détermier u itervalle de cofiace à 98% de la proportio de pièces de la productio présetat le défaut B. EXERCICE 10: Ue etreprise commercialise des pieds de lit de type boule. Pour ces pieds o utilise ue bague e matière plastique de diamètre itérieur x. O défiit aisi ue variable aléatoire X, qui à chaque bague tirée au hasard das la productio, associe so diamètre itérieur x mesuré e millimètres. O admet que X suit le loi ormale de moyee et d'écart-type 0,04. Le fourisseur affirme que = 1,1. O a u doute sur cette affirmatio. O prélève u échatillo de 64 pièces das la livraiso. Le diamètre itérieur moye sur cet échatillo est de 1,095. Que cocluez-vous au seuil de sigificatio de 10% quat au diamètre itérieur moye des bagues? EXERCICE 11 : Ue usie fabrique des câbles. U câble est cosidéré comme coforme si sa résistace à la rupture est supérieure à 3 toes. L'igéieur resposable de la productio voudrait coaître, e moyee, la résistace à la rupture des câbles fabriqués. Il 'est, bie sûr, pas questio de faire le test de rupture sur toute la productio (l'usie perdrait toute sa productio!). Notos X la variable aléatoire correspodat à la force à exercer sur le câble pour le rompre (e toes). U techicie prélève doc u échatillo de 100 câbles das la productio. Avec les doées de l échatillo, le techicie obtiet les résultats suivats : la résistace moyee à la rupture des 100 câbles de l échatillo est de 3.5 toes avec u écart-type de 0.4 toe. C. GUILLOT STATINF_TD.pdf 4
5 Pôle Uiversitaire Léoard de Vici Statistique iféretielle 1. Décrire l'expériece aléatoire:. Décrire la populatio étudiée: 3. Quelle probabilité utilisez-vous das votre espace probabilisable? 4. Décrire sur votre espace probabilisé la variable aléatoire étudiée: X 5. Que représete le paramètre? 6. Doer u estimateur puis ue estimatio de. 7. Doer u estimateur puis ue estimatio de var(x) 8. Peut-o dire, avec u risque d erreur de.5% que la résistace moyee à la rupture de l esemble des câbles de la productio est strictemet supérieure à 3 toes? Pour cette questio, o supposera que la variable aléatoire X N(, ) et que la valeur de est ici coue et égale à La proportio de câbles dot la résistace est supérieure à 3 toes das cet échatillo est de 0,85. ' 1. Décrire la ouvelle variable aléatoire étudiée: X. Quelle est sa loi? 3. Doer ue estimatio poctuelle de la proportio de câbles coformes das la productio. 4. Peut-o dire, avec u risque d erreur de 5% que la proportio de câbles coformes das la productio est strictemet supérieure à 0.80? EXERCICE 1 : O utilise ue ouvelle variété de pommes de terre das ue exploitatio agricole. Le redemet moye de l aciee variété était de 41.5 toes à l hectare. La ouvelle variété est cultivée sur 100 hectares, avec u redemet moye de 45 toes à l hectare et u écart-type (échatilloal) de Faut-il, avec u risque d erreur de =1%, favoriser la culture de la ouvelle variété?. Calculer la puissace du test précédet si le «vrai» redemet moye de la ouvelle variété est supposée égal à 44 toes. Qu e pesez-vous? Calculez alors le risque d erreur de deuxième espèce. EXERCICE 13 : U échatillo de 11 malades atteits d u cacer du colo a été comparé à 185 témois o malades quat à leur cosommatio moyee de caféie. Pour les malades, cette cosommatio moyee est égale à 147. mg/jour (l écart-type échatilloal est de mg/j) et pour les témois, elle vaut 13.9 mg/j (l écart-type échatilloal est de mg/j). Tester, avec u risque de première espèce = 5%, si la cosommatio moyee de caféie diffère etre les malades et les o malades. Peut-o iférer ue associatio etre la cosommatio de caféie et le cacer du colo? C. GUILLOT STATINF_TD.pdf 5
6 Pôle Uiversitaire Léoard de Vici Statistique iféretielle EXERCICE 14: Pour u sodage électoral, o costitue deux échatillos d'électeurs de tailles 300 et 00 respectivemet das circoscriptios A et B. Cela met e évidece des itetios de vote de 56% et 48% pour u cadidat doé. Tester, au seuil de 5% les hypothèses suivates: 1. Il y a ue différece etre les circoscriptios. Le cadidat est préféré das la circoscriptio A EXERCICE 15: Ue société de productio d électricité éoliee, cherche à comparer l efficacité de deux types d éoliees : ue éoliee à deux pales (Ep) et ue éoliee à trois pales (E3p). Pour ce faire, elle a istallé sur u même parc éolie ue éoliee de chaque type, et a relevé les puissaces de chaque éoliee (e kw) toutes les 10 miutes. Afi de comparer les productios des éoliees, l igéieur statisticie a prélevé aléatoiremet das la base de doées, et ce de faço idépedate pour chaque éoliee, les 9 puissaces (e kw) suivates : Ep E3p Défiir clairemet les deux variables aléatoires étudiées : 1 X (puissace de l'éoliee à pales) et X (puissace de l'éoliee à 3 pales). Doer ue estimatio poctuelle et u itervalle de cofiace à 95% de la puissace moyee de chaque éoliee. O otera μ1 la puissace moyee de l éoliee à pales et μ la puissace moyee de l éoliee à 3 pales. O justifiera les hypothèses évetuellemet écessaires. 3. Doer ue estimatio poctuelle de la variabilité de la puissace de chaque éoliee. 1 O otera σ 1 l écart-type de la variable X et σ l écart-type de la variable X. 4. Peut-o supposer que les puissaces des deux éoliees ot la même variabilité? 5. Peut-o affirmer, avec u risque d erreur de 1%, que la puissace moyee de l éoliee à 3 pales est supérieure à la puissace moyee de l éoliee à pales? 6. Pouvez-vous, avec cette étude, coseiller à la société u type particulier d éoliee? EXERCICE 16: Motrer que la statistique Rappel : * S est u estimateur sas biais de σ. C. GUILLOT STATINF_TD.pdf 6
7 Pôle Uiversitaire Léoard de Vici Statistique iféretielle E * S : * 1 e s 1 EXERCICE 17: i1 x i x Soit u échatillo aléatoire X,., X iid idépedates et idetiquemet distribuées 1 extrait d'ue variable aléatoire X N(μ, σ). Démotrer, grâce au théorème de Fisher (gééralisatio), que: (X μ) RC * S Avec: X 1 1 i=1 X i (1) * S Xi X 1 i=1 t C. GUILLOT STATINF_TD.pdf 7
8 Pôle Uiversitaire Léoard de Vici Statistique iféretielle COMPLEMENTS SUR LES ESTIMATEURS COURS 1/ INTRODUCTION Nous avos vu que X, S et P sot respectivemet des estimateurs de, et de (paramètres de la populatio). Cepedat u même paramètre peut être estimé à l aide d estimateurs différets : pour ue distributio symétrique, la médiae de l échatillo est égalemet ue estimatio de. Afi de choisir etre plusieurs estimateurs possibles d u même paramètre il faut défiir les qualités exigées d u estimateur. / QUALITES D UN ESTIMATEUR Soit le paramètre de la populatio à estimer et T u estimateur de..1/ Estimateur coverget La première qualité d u estimateur est d être coverget*. O souhaite pouvoir, e augmetat la taille de l'échatillo, dimiuer l'erreur commise e preat la valeur observée de T à la place de. Si c'est le cas, o dit que l'estimateur est coverget (o voit aussi cosistat), c'est-à-dire qu'il coverge vers sa vraie valeur. C est le cas des estimateurs présetés e cours ( X, S et P ). * : Noter qu il existe différets types de covergece des suites de variables aléatoires (covergece e probabilité, covergece presque sûre ou covergece forte, covergece e moyee d ordre p et covergece e loi) Deux estimateurs covergets e coverget cepedat pas à la même vitesse, ceci est lié, pour ue taille d échatillo doée, à la otio de précisio d u estimateur. U estimateur est ue variable aléatoire. L erreur d estimatio T - qui est ue variable aléatoire se décompose de faço élémetaire e : T E(T) E(T) où E(T) est l espérace de l estimateur. T E(T) représete les fluctuatios aléatoires de T autour de sa valeur moyee tadis que E(T) est assimilable à ue erreur systématique due au fait que T varie autour de sa valeur cetrale E(T) et o autour de. La quatité E(T) s appelle le biais. C. GUILLOT STATINF_TD.pdf 8
9 Pôle Uiversitaire Léoard de Vici Statistique iféretielle./ Estimateur sas biais Il est doc souhaitable d utiliser des estimateurs sas biais. Défiitio : T est u estimateur sas biais de si E( T ) =.3/ Précisio d u estimateur O mesure gééralemet la précisio d u estimateur T par l erreur quadratique moyee : E[ (T ) ] O peut écrire : E[ ] E[ ] (T ) (TE(T) E(T) ) (TE(T)) (TE(T))(E(T) ) (E(T) ) E[ ] E[ ] E[ ] Comme E(T) est ue costate et que E[ TE(T) ] 0, il viet: E[ (T ) ] V(T) (E(T) ) Aisi, de deux estimateurs sas biais, le plus précis est doc celui de variace miimale..4/ Recherche du meilleur estimateur d u paramètre Aisi, la précisio d u estimateur déped de sa variace et celle-ci e peut e gééral se calculer que si l o coaît la loi de T qui dé ped de celle des Xi. Le modèle utilisé e théorie classique de l estimatio est alors le suivat : o observe u échatillo d ue variable X dot o coaît la loi de probabilité à l exceptio de la valeur umérique d u ou de plusieurs paramètres (par exemple : X suit ue loi de Poisso P( ) de paramètre icou). E d autres termes la variable X est défiie par ue famille paramétrée de lois f x, où f a ue expressio aalytique coue. De plus, la théorie de l estimatio e permet pas de résoudre le problème de la recherche d estimateurs d erreur quadratique miimale. O se cotetera de rechercher pour ue famille de loi doée f x, l estimateur sas biais de de variace miimale. Il reste cepedat possible das certai cas particulier de trouver des estimateurs biaisés plus précis que le meilleur estimateur sas biais. C. GUILLOT STATINF_TD.pdf 9
10 Pôle Uiversitaire Léoard de Vici Statistique iféretielle 3/ METHODES DE CONSTRUCTION D UN ESTIMATEUR 3.1/ Méthode du maximum de vraisemblace (MV) La méthode du maximum de vraisemblace cosiste à choisir comme estimateurs des paramètres icous ( 1,,..., k), les valeurs qui redet maximum la probabilité d avoir obteu l échatillo. Soit X ue variable aléatoire dot la foctio de desité f(x, ) déped du paramètre ( 1,,..., k), et soit ( x1, x,..., x) ue réalisatio de l échatillo aléatoire ( X1, X,..., X ). La foctio Vraisemblace est la foctio : V( ) f (x,...x ) (X 1,...,X ) 1 f ( x )*f ( x )*...*f ( x ) X 1 1 X X = foctio de desité du -uplet de variables aléatoires ( X1, X,..., X) e ( x1, x,..., x) car les (Xi) sot idépedats (doc produit des foctios de desité des (Xi)) Das le cas d ue loi discrète, c est la foctio : V( ) P((X x ) (X x )... (X x )) 1 1 P(X x )*P(X x )*...*P(X x ) 1 1 U estimateur du maximum de vraisemblace (EMV) ˆ vérifie doc :, V V ˆ V( ) : la foctio Vraisemblace de Lorsque f > 0, il est équivalet et gééralemet plus facile de chercher le maximum de la foctio log-vraisemblace de : l[v( )] (attetio : il s agit du logarithme épérie : l). O ote aussi l[v( )] LV( ) LV( ) : la foctio Log-vraisemblace de Théorème : Si f > 0 et si vérifie : f f et sot cotiues, l estimateur ˆ du maximum de vraisemblace 1. Les équatios de vraisemblace : LV i {1,,...k}; ˆ 0 i C. GUILLOT STATINF_TD.pdf 10
11 Pôle Uiversitaire Léoard de Vici Statistique iféretielle. La coditio suffisate de maximum : La matrice hessiee de LV, LV ˆ ( ) est défiie égative ij 1i, jk Remarque: Soit ue matrice symétrique réelle d'ordre. Elle est dite défiie positive si elle vérifie la propriété suivate : Pour tout vecteur coloe o ul à élémets réels, o a : ' x Mx 0 Noter que : ' x Mx x, x x M M Elle est dite défiie égative si so opposée (-M) est défiie positive! A reteir: V( ) est doc soit la desité de ( X1, X,..., X) si X est absolumet cotiue, soit la probabilité cojoite PX1 x1x x... X xsi X est discrète. V( ) cosidéré comme foctio de seul est appelé la «vraisemblace». O appelle EMV : Estimateur du Maximum de Vraisemblace 3./ Méthode des momets Cette procédure d estimatio est, à première vue, totalemet empirique, mais pleie de bo ses. E fait, elle repose sur la propriété de covergece presque sûre des momets empiriques d u échatillo i.i.d. ( X1, X,..., X) extrait de X, vers les momets théoriques correspodats de X. Soit ( 1,,..., k), ous oteros par mp( ) le momet théorique d ordre p de X, qu il soit cetré ou o, et par mp(e ) le momet empirique d ordre p de X. Défiitio: O appelle estimateur de obteu par la méthode des momets (EMM) la solutio du système : m1( ) m1(e ). m ( ) m (e ) k k C. GUILLOT STATINF_TD.pdf 11
12 Pôle Uiversitaire Léoard de Vici Statistique iféretielle Remarque : Le choix des momets est guidé par la facilité de résolutio du système. O peut predre des momets tous cetrés e E(X), ou tous o cetrés, ou u mélage de momets cetrés ou o cetrés. E outre, il y a aucue raiso de reteir les k premiers momets, sio la simplicité de calcul. O appelle EMM : Estimateur de la Méthode des Momets Rappel: Soit X ue variable aléatoire, o appelle, s ils existet :: le momet théorique d ordre p de X : p E(X ) le momet cetré théorique d ordre p de X : E X E(X) p Si l o observe réalisatios x,x,...,x de X, o appelle : 1 le momet empirique d ordre p de X 1 x i 1 le momet cetré empirique d ordre p de X p i 1 1 p xi x avec x xi i1 i1 C. GUILLOT STATINF_TD.pdf 1
13 Pôle Uiversitaire Léoard de Vici Statistique iféretielle EXERCICE 18: EXERCICES Cosidéros u échatillo aléatoire X1, X,..., X issu d ue variable aléatoire parete X N(, ) 1. Doer les estimateurs du maximum de vraisemblace (EMV) de et de. Doer les estimateurs par la méthode des momets (EMM) de et de 3. Que costatez-vous? 4. L estimateur du maximum de vraisemblace (EMV) de est il sas biais? 5. L estimateur du maximum de vraisemblace (EMV) de est il sas biais? EXERCICE 19: Les oiseaux d u certai type preet leur evol après avoir effectué quelques sauts sur le sol. O suppose que ce ombre X de sauts peut être modélisé par ue distributio géométrique : P(X x) p1p x x 0 Pour =130 oiseaux de ce type, o a relevé les doées suivates : Nombre de sauts x Fréquece de x Quel est l estimateur du maximum de vraisemblace (EMV) de p?. Calculer la valeur de cet estimateur avec les doées de l échatillo EXERCICE 0: p, Soit X loi gamma Trouver les estimateurs de p et de par la méthode des momets EXERCICE 1: Statistique bayésiee C. GUILLOT STATINF_TD.pdf 13
14 Pôle Uiversitaire Léoard de Vici Statistique iféretielle EXERCICE : Les doées ci-dessous ot été observées sur u échatillo aléatoire de 500 travailleurs. Pour chacu, o a évalué le iveau de stress au travail et mesuré le temps pris pour se redre au travail. Pour établir le tableau de cotigece, o a regroupé les valeurs de la variable «temps»» pour créer 3 catégories. Voici les résultats obteus : Temps pour se redre au travail Mois de 15miutes De 15 à 45 miutes Plus de 45 miutes Total Niveau de stress Elevé Modéré Fort Total Ces doées permettet-elles de coclure qu il existe ue relatio sigificative etre le iveau de stress des travailleurs et le temps qu ils preet pour se redre au travail? O predra u risque d erreur de première espèce de 5 % C. GUILLOT STATINF_TD.pdf 14
Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailÉchantillonnage et estimation
Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos
Plus en 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 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 détailc. 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 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 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 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 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 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 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 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 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 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 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 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 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 détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailFaites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes
Faites prospérer vos affaires grâce aux solutios d éparge et de gestio des dettes Quelques excelletes raisos d offrir des produits bacaires et de fiducie à vos cliets Vous avez la compétece écessaire pour
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 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 détailNous imprimons ce que vous aimez!
Nous imprimos ce que vous aimez! Persoalisé simple différet Catalogue de produits Tapis stadard tapis logo tapis publicitaire Nous imprimos ce que vous aimez! 2 I JOBET JOBET Vous et vos cliets serez coquis...
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 détailRÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION
RÈGLES ORDIALES : UE GÉÉRALISATIO DES RÈGLES D'ASSOCIATIO SYLVIE GUILLAUME ALI KHECHAF 2 RÉSUMÉ: La plupart des mesures des règles cocere les variables biaires et écessite pour les autres types de variables
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 détailComment les Canadiens classent-ils leur système de soins de santé?
Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté
Plus en 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 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 détailLa tarification hospitalière : de l enveloppe globale à la concurrence par comparaison
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 58 2000 La tarificatio hospitalière : de l eveloppe globale à la cocurrece par comparaiso Michel MOUGEOT * RÉSUMÉ. Cet article cosidère différetes politiques de
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 détailProcessus géométrique généralisé et applications en fiabilité
Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR
Plus en 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 détailPOLITIQUE ECONOMIQUE ET DEVELOPPEMENT
POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier
Plus en 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 détail3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.
3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios
Plus en 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 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 détailSTRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO
Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est
Plus en détailUn nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction
A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés
Plus en 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 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 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 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 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 détailS-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui.
S-PENSION Costituez-vous u capital retraite complémetaire pour demai tout e bééficiat d avatages fiscaux dès aujourd hui. Sommaire 1. Il est temps de predre l iitiative 4 2. Profitez dès aujourd hui des
Plus en détailOptions Services policiers à Moncton Rapport de discussion
Optios Services policiers à Mocto Rapport de discussio Le 22 ovembre 2010 Also available i Eglish TABLE DES MATIÈRES Chapitre 1.0 Sommaire 3 Chapitre 2.0 Problématique 4 Chapitre 3.0 Cotexte 5 Chapitre
Plus en détailRESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)
RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &
Plus en détailRisque de longévité et détermination du besoin en capital : travaux en cours
Risque de logévité et détermiatio du besoi e capital : travaux e cours Frédéric PLANCHET ISFA Laboratoire SAF Versio.6 / Septembre 2008 Sommaire La prise e compte de l expériece propre au groupe das l
Plus en détailDonnez de la liberté à vos données. BiBOARD. www.biboard.fr
Doez de la liberté à vos doées BiBOARD www.biboard.fr Le décisioel pour tous Le décisioel évolue. L etreprise quelle que soit sa taille, a besoi de piloter so activité à l aide d outils simples, fiables,
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 détailTempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation
Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail
Plus en 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 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 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 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 détail