Université Paris VII - Agrégation de Mathématiques (François Delarue) MÉTHODE DE MONTE-CARLO
|
|
- Marie-Laure Nadeau
- il y a 8 ans
- Total affichages :
Transcription
1 Uiversité Paris VII - Agrégatio de Mathématiques Fraçois Delarue) MÉTHODE DE MONTE-CARLO Ce texte vise à préseter l utilisatio de la méthode de Mote-Carlo das le calcul du prix d ue optio. 1. Positio du problème Le juste prix d ue optio d achat ou de vete s exprime comme l espérace d ue variable aléatoire de loi coue. Se pose de fait e pratique la questio du calcul explicite de cette quatité. Ue stratégie aturelle, bie que peu pertiete das le cadre d u marché costitué d u seul actif, cosiste à recourir à la méthode de Mote-Carlo. Comme expliqué e fi de texte, cette approche pred tout so ses lorsque l optio est costruite à partir d u paier d actifs de type CAC 40. La méthode de Mote-Carlo, utilisée pour le calcul umérique d itégrales, repose essetiellemet sur les pricipes fodametaux de la loi des grads ombres et du Théorème Cetral Limite. E comparaio des méthodes umériques, cette approche compte deux atouts majeurs : 1) La régularité de la foctio à itégrer affecte pas la qualité de l approximatio. 2) La dimesio de l espace sur lequel évolue la foctio ifluece que de faço relativemet limitée la qualité de l approximatio. D u poit de vue iformatique, l aalyse de la qualité de l approximatio est idissociable du coût algorithmique de la méthode : s attarder sur l u sas cosidérer l autre est dépourvu de ses. Nous tâcheros de fait d aalyser ces deux quatités au cours du texte. 2. Fodemets de la méthode de Mote-Carlo La méthode de Mote-Carlo vise à iterpréter ue itégrale comme ue espérace mathématique d ue v.a. sur u espace de probabilité adéquat. Par exemple, ue itégrale de la forme : [0,1] d fx)dx, f état itégrable, peut s iterpréter comme EfU), où U est u vecteur de d-v.a.i.id de loi uiforme sur [0, 1]. Das ce cotexte, la loi des grads des ombres assure que pour ue suite U ) 1 de v.a.i.id de loi uiforme sur [0, 1] d : 1 P p.s., fu i ) E fu) ). Plus gééralemet, ue itégrale de la forme : R d gx)fx)dx, correctemet défiie, avec f desité sur R d, peut s écrire sous la forme EgX)), où X désige u v.a. dot la loi admet f pour desité par rapport à la mesure de Lebesgue sur R d. Là ecore, la loi des grads ombres assure, que pour ue suite X ) 1 de v.a.i.id de même loi que X : P p.s., G = 1 gx i ) E gx) ). Motivatios. Les questios pratiques sot les suivates : 1
2 1) Sous quelles coditios est-il possible de mettre e place la méthode de Mote-Carlo? 2) Peut-o avoir ue idée de la vitesse de covergece et du coût algorithmique? 3) Commet choisir de la meilleure faço possible la loi de X? 3. Coût Algorithmique et Vitesse de Covergece 3.1. Simulatio. D u poit de vue pratique, il est écessaire de pouvoir simuler iformatiquemet la loi de X afi de procéder à u tirage d u grad échatillo de même loi que X et de calculer ue réalisatio γ de l estimateur G. Bie etedu, la réalisatio γ fourit l approximatio recherchée de l espérace théorique EgX)). Le coût de la simulatio de vecteurs aléatoires idépedats de même loi que X est de l ordre de Od). De même, le calcul de la moyee empirique de rag est lui aussi de l ordre de Od). Le coût algorithmique de la méthode de Mote-Carlo est doc de l ordre de Od) Théorème Cetral Limite. E repreat les otatios précédetes, ous supposos e supplémet que la variable aléatoire gx) est de carré itégrable. De fait, ous pouvos oter : σ 2 = VgX)). L erreur, de ature aléatoire, etre l estimateur et l espérace est doée par : ε = E gx) ) 1 gx1 ) gx ) ). Le Théorème Cetral Limite ous assure que, pour u tirage x 1,..., x ) doé, l esemble : [ 1 gx i ) 1, 960 σ, 1 gx i ) + 1, 960 σ ], est u itervalle de cofiace asymptotique de EgX)) de iveau de cofiace 0,95. La vitesse de covergece est doc de l ordre de pour u coût algorithmique de Od) : cela σ sigifie que, pour u algorithme comptat opératios élémetaires, la précisio est de l ordre de d σ. O e déduit les poits suivats : 1) La méthode de Mote-Carlo est sas itérêt pour le calcul d itégrales e petite dimesio ou d itégrales de foctios régulières. 2) Il est crucial de miimiser la variace σ. Si l itégrale admet plusieurs écritures de type EgX)), o aura tout itérêt à choisir la forme assurat la plus faible variace. La variace σ 2 est doée par Vσ) = Eg 2 X)) EgX))) 2. L objectif état de détermier ue estimatio de E gx) ), supposée icoue, il paraît vraisemblable que le calcul explicite de la variace soit, das les cas pertiets, impossible. La stratégie est alors de remplacer la variace par l estimateur sas biais, appelé variace empirique, et doé par : 2, Γ 2 = 1 1 ) 2. gxi ) G Le lemme de Slutsky permet d établir que, pour u tirage x 1,..., x ) doé, coduisat à ue réalisatio otée g de G et ue réalisatio otée γ de Γ, l esemble : [ g 1, 960 γ, g + 1, 960 γ ], est u itervalle de cofiace asymptotique de EgX)) de iveau de cofiace 0,95. 2 k=1
3 4. Prix d ue optio européee sur u actif fiacier Nous commeços par ous familiariser avec la méthode de Mote-Carlo avec quelques calculs d itégrales de dimesio 1. Das cette perspective, ous ous focalisos sur le calcul pratique du prix d ue optio liée à u marché costitué d ue seule actio. Nous seros e mesure de proposer à la fi du texte ue extesio au cas d u paier d actifs. Etat doé u marché fiacier costitué d ue actio de cours S t ) t 0 et d ue éparge de taux d itérêt mathématique ρ, ue optio d achat call e aglais) de prix d exercice K et d échéace T est u cotrat coclu à l istat 0, au terme duquel so acquéreur détiet le droit, mais o l obligatio, d acheter u ombre M fixé d actios à l istat T et au prix K préalablemet choisis, et ce quel que soit le prix de l actif S T à l istat T. De la même faço qu il existe des optios d achat, il existe des optios de vete put e aglais). Das ce cas, le déteteur de l optio peut, s il le souhaite, vedre et o plus acheter) ue actio à la date d échéace T et au prix d exercice K, et ce quel que soit le cours S T de l actio à l istat T. Le modèle de Black-Scholes coduit à établir pour les prix C de l optio d achat et P de l optio de vete les relatios suivates : E S 0 exp σ T N 1 2 σ2 T ) + K exp ρt )), N suivat ue loi N 0, 1). E K exp ρt ) S 0 exp σ T N 12 σ2 T )) +, Propositio 1. Les prix C et P peuvet se calculer de la faço suivate. État doées les foctios : alors, x R, Φx) = 2π) 1/2 x exp t 2 /2)dt, d 1 x) = T 1/2 σ 1[ lk 1 x) + ρ + σ 2 /2)T ] d 2 x) = d 1 x) σt 1/2 S 0 Φ d 1 S 0 )) K exp ρt )Φd 2 S 0 )), K exp ρt )Φ d 2 S 0 )) S 0 Φ d 1 S 0 )), où Φ désige la foctio de répartitio de la loi ormale cetrée réduite. La Propositio 1 fourit ue méthode de calcul umérique du prix de l optio d achat et de vete et de fait u moye de vérificatio de la méthode de Mote-Carlo. Il est par exemple possible de programmer ue foctio optio1 permettat de détermier e foctio de σ, T, K, ρ et S 0 les prix Black et Scholes de l optio d achat et de l optio de vete. Voici quelques valeurs avec lesquelles travailler : 1) S 0 = 15. 2) T = 1/2. 3) ρ = l1, 03). 3
4 5. Premier calcul de type Mote-Carlo De otre côté, ous avos écrit deux foctios call et put permettat : 1) De calculer, pour u 1 doé ue réalisatio de la moyee empirique associée aux prix C et P. 2) De calculer la variace empirique associée à cette réalisatio. 3) De revoyer u itervalle de cofiace au iveau 0,95 pour les prix C et P. 4) De doer le temps écessaire au calcul. Avec K = 20 et σ = 0.2 puis σ = 0.5, ous avos obteu les résultats suivats les résultats sot de la forme valeur théorique, temps de simulatio, estimatio,variace, itervalle), les paramètres de la foctio doet tout d abord la taille de l échatillo, puis sot ordoées comme das la Propositio 1 : Première série. -->[P,C]=blscholes10000,0.2,0.5,20,log1.03),15)! !! ! -->[P,C]=blscholes10000,0.2,0.5,20,log1.03),20)! !! ! -->[P,C]=blscholes10000,0.2,0.5,20,log1.03),25)! !! ! Deuxième série. -->[P,C]=blscholes10000,0.5,0.5,20,log1.03),15)! !! ! -->[P,C]=blscholes10000,0.5,0.5,20,log1.03),20)! !! ! -->[P,C]=blscholes10000,0.5,0.5,20,log1.03),25)! ! 4
5 ! ! Nous costatos des variatios sigificatives de la variace das chacue des séries et etre les deux séries. 6. Pricipal gééral de la réductio de variace Nous avos vu das le troisième paragraphe que la méthode de Mote-Carlo s avérait d autat plus performate que la variace de la variable sous-jacete était petite. Ceci ous pousse à evisager plusieurs techiques, plus ou mois géérales, afi de réduire la variace des estimateurs utilisés. L idée pricipale est la suivate. Imagios que ous souhaitios détermier ue itégrale pouvat se mettre sous la forme EgX)), ous cherchos alors ue variable aléatoire Y facilemet simulable et ue foctio h, de sorte que : E gx) ) = E hy ) ), avec VhY )) < VgX)). Attetio, il e faut pas oublier que le chagemet de la variable aléatoire sous-jacete etraîe ue modificatio du coût de l algorithme. U faible gai de précisio etraîat ue augmetatio démesurée du coût de l algorithme est sas itérêt! Nous présetos das la suite du texte quelques méthodes de réducatio de la variace. 7. Variables de Cotrôle La techique dite de variables de cotrôle vise à écrire la quatité EgX)) sous la forme : pour ue foctio h telle que : E gx) ) = E gx) hx) ) + E hx) ), 1) E hx) ) soit calculable de faço explicite. 2) V fx) hx) ) < V fx) ). Il reste à savoir si le coût de l algorithme sera ou o profodémet modifié par cette opératio. Voici u exemple fodé sur la propositio suivate : Propositio 2. Les Prix P et C sot liés par la relatio : C S 0 exp ρt )K. Au regard des exemples de la Partie 6, la Propositio 2 permet de réduire la variace du calcul de C ou celle du calcul de P e se fodat sur le calcul préalable de l ue de ces deux quatités. 8. Méthode dite d échatilloage préféretiel Pricipe. Cosidéros le cas d ue espérace de la forme EgX)), avec X de loi absolumet cotiue par rapport à la mesure de Lebesgue sur R d, de desité otée f. Das ces coditios, il est possible, pour ue ouvelle desité f sur R d, strictemet positive sur le support de f, d écrire l espérace à estimer sous la forme : E gx) ) gx)fx) = fx)dx. fx) Ceci sigifie que l o vise à écrire : E gx) ) = E gy )fy )), fy ) pour ue variable aléatoire Y admettat f pour desité sur R d. Si la variable aléatoire Y est aisémet simulable, il est evisageable d utiliser l estimateur traditioel de gy )fy )/ fy ), cos- 5
6 -truit à partir d u échatillo de loi Y. L idéal serait d obteir fialemet que : ) fy )gy ) g 2 x)f 2 x) V = dx EgX)) ) 2 < VgX)), fy ) fx) pour peu que le coût de l algorithme reste raisoable e comparaiso de la précisio apportée. Das ces coditios, le cas idéal serait doée pour g > 0 par : fx) = gx)fx) EgX)), qui aulerait la variace du ouvel estimateur. Mais, u tel cas est irréaliste : o e coaît pas EgX))! Néamois, l idée est là : choisir f aussi proche que possible de la foctio fg et ormaliser. Exemple 1. Nous savos que le prix d u call est doé par la relatio : S 0 exp σ2 2 T ) E exp σ T N ) ) + S0 1 σ2 K exp ρt + 2 T ). Supposos que K = S 0 exp ρt σ2 2 T ). Alors, le prix du call est rameé à : S 0 exp σ2 2 T )E exp σ T N ) + 1). Nous avos doc à estimer ue quatité de la forme = E expβn) 1 ) +, pour u réel β > 0. Nous savos que pour x proche de 0, expβx) 1 est proche de βx. Ceci ous pousse à écrire sous la forme : = E expβn) 1 ) + ) + x 2 ) dx = expβx) 1 exp R + 2 2π ) + expβx) 1 = βx exp x2 ) dx βx 2 2π = R + R + expβ y) 1 ) + y exp y 2 ) dy 2 2π = E où Y désige ue v.a. de loi expoetielle de paramètre 0,5. ) + expβ Y ) 1 ), 2π Y Exemple 2. La méthode se gééralise au cas où l égalité K = S 0 exp ρt σ2 2 T ) est plus vérifiée à l aide de la propositio suivate : Propositio 3. E otat : k = S0 1 σ 2 T K exp ρt + 2 )), β = σ T, le prix C peut s écrire : S 0 exp σ2 2 T ) ) + ) + expβ Y ) k + exp β Y ) k E ), 2π Y où Y suit ue loi expoetielle de paramètre 1/2. 6
7 9. Dimesio supérieure : prix d ue optio sur u paier d actifs Ce derier paragraphe illustre l utilisatio de la méthode de Mote-Carlo e dimesio d > 1 à travers le calcul umérique d ue formule de prix d optio sur u paier d actifs typiquemet CAC 40 ou autres) Prix des Optios. Das la pratique, les marchés fiaciers sot costitués de plusieurs actifs risqués. Par exemple, le CAC 40 regroupe les cotatios des quarate plus grosses etreprises fraçaises. Das ce cotexte, il est evisageable d acheter ue optio sur u paier d actifs, c est-à-dire sur ue combiaiso d actios côtées sur le marché. Le cours de chacue des actios est modélisé par u processus S i t) t 0, i variat de 1 à d d = 40 si le paier cosidéré coïcide avec les valeurs du CAC 40). La valeur du paier à l istat T s écrit comme ue combiaiso des variables ST i ) 1 i d. Quitte à reormaliser la combiaiso, il est possible de supposer qu elle s écrit comme u barycetre : d d X = α i ST i, avec α i = 1. La questio se pose du juste prix d ue optio d achat ou de vete) sur le paier. Le pricipe est le même que précédemmet : par exemple, l acheteur de l optio d achat détiet le droit d acheter la combiaiso α 1,..., α d ) d actios i.e. α 1 actios de type 1, α 2 actios de type 2 et aisi de suite) au prix d exercice K et à la date d échéace T. Das ce cadre, ous admettos que le prix est de la forme exp ρt )E[X K) + ], où P désige ue probabilité équivalete à la probabilité du marché. La loi de S 1,..., S d ) sous P est ue loi log-ormale de matrice de covariace otée σ 2 σ 2 est doc ue matrice symétrique positive de taille d et σ sa racie carrée symétrique positive, appelée matrice de volatilité). Cocrètemet, S 1,..., S d ) S i 0 expρt 1 2 σ i, 2 T T 1/2 σ i,, Z ) ) 1 i d, où Z N d 0, I d ) et pour tout i {1,..., d}, σ i, désige le vecteur de R d formé par la i ème lige de σ. Les quatités S i 0 ) 1 i d désiget les cours iitiaux. Nous obteos fialemet e suivat u raisoemet aalogue pour le put) : d E α i S0 i exp σ i, 2 T + T 1/2 σ i,, Z ) + K exp ρt )), 2 E K exp ρt ) d α i S0 i exp σ i, 2 T + T 1/2 σ i,, Z )) +. 2 Il est maiteat impossible de recourir comme e dimesio 1 à ue formule fermée, de sorte que la méthode de Mote-Carlo est particulièremet pertiete. Das la suite, o suppose que d = 3 et que la matrice σ est doée par : O choisit T = 0.5, K = 20, ρ = 0.05, α = 1/2, 1/4, 1/4), s 0 = 15, 15, 15). Voici u exemple de résultat obteu pour C et = ordoé de la faço suivate : temps de calcul, moyee empirique, variace empirique, itervalle de cofiace). 7
8 -->blscholesd10000) as =! ! 9.2. Réductio de la Variace. E établissat, comme das la Propositio 2, ue relatio de parité etre les prix C et P, il serait possible de mettre e place ue méthode de variables de cotrôle comme das la Sectio 7. Ue autre méthode cosiste à remarquer que le calcul de C coduit à estimer ue quatité de la forme : d ) + ) E β i exph i ) K O evisage comparer cette quatité avec la suivate : ) E β exp d ) β + i β Hi) K, avec la covetio β = d β i. Das otre cas, β i = α i S0 i exp σ i, 2 2 T ), H i = T 1/2 σ i,, Z = T 1/2 σz) i, et K = K exp ρt ). Remarquos que la quatité ) peut être calculée directemet avec la formule de Black et Scholes : E β exp d ) β + i β Hi) K = E β exp σβ 1,..., β d ) t T 1/2 N ) ) + K, N N 0, 1) β = ΓΦd 1 Γ)) K Φd 2 Γ)), où Γ = β exp2β 2 ) 1 σβ 1,..., β d ) t 2 T ) σ das les défiitios de d1 et de d2 deviet das ce cotexte σβ 1,..., β d ) t /β, les valeurs de K, T et ρ restat ichagées). Il reste alors à calculer à l aide d ue méthode de Mote-Carlo la quatité : d E β i exph i ) K ) + d β i β exp β Hi) K ) ) +. Voici u résultat de cette approche mêmes valeurs que précédemmet) : -->blscholesd210000) as =! ! Fi de Texte. 8
9 10. Suggestios de Développemet 1) Das la Sectio 3, le cadidat pourra rappeler le lemme de Slutsky et détailler le cas échéat la costructio de l itervalle de cofiace. 2) Toujours das la Sectio 3, le cadidat pourra expliquer les déductios 1) et 2). 3) Das la Sectio 4, le cadidat pourra démotrer la Propositio 1 et/ou mettre e place la foctio optio1 metioée par le texte. Il expliquera e quoi les calculs de C et P par cette approche fourisset u bo moye de vérificatio de la méthode de Mote-Carlo. 4) Das la Sectio 5, le cadidat pourra commeter les résultats proposés das le texte. Das ce cotexte, il veillera à expliquer les fluctuatios observées de la variace empirique. 5) Das la Sectio 7, le cadidat pourra démotrer la Propositio 2 et mettre e place ue méthode de variables de cotrôle. Das ce cotexte, il veillera à comparer ses résultats à ceux de la Sectio 6 et pourra commeter cette affirmatio souvet etedue : il est bo de commecer par calculer P pour calculer C. 6) Das la Sectio 8, le cadidat pourra mettre e place iformatiquemet l Exemple 1 ou démotrer la Propositio 3 et mettre e place l Exemple 2. Das le premier cas, le cadidat pourra comparer ses résultas à ceux obteus par la méthode de la Sectio 6 quitte à devoir reprogrammer celle-ci). Das le secod cas, le cadidat veillera à comparer ses résulats à ceux doés das la Sectio 6. 7) Das la Sectio 9, le cadidat pourra mettre e place ue méthode de Mote-Carlo à partir des expressios de P et C, puis l ue des deux méthodes de réductio de variace. Il veillera alors à comparer les différets résultats obteus. 9
. (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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 détailLa fibre optique arrive chez vous Devenez acteur de la révolution numérique
2 e éditio Edité par l Autorité de régulatio des commuicatios électroiques et des postes RÉPUBLIQUE FRANÇAISE DÉCEMBRE 2010 La fibre optique arrive chez vous Deveez acteur de la révolutio umérique Petit
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 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 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 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 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 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 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 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 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 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 détailCréation et développement d une fonction audit interne*
Créatio et développemet d ue foctio audit itere* Ue démarche e 10 étapes [ Sommaire] Dix étapes pour réussir... 7 Étapes 1 à 4 Défiitio du cadre d itervetio... 9 1 Idetifier les attetes des parties preates...
Plus en détailRéseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus
Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio
Plus en détailContribution à la théorie des entiers friables
UFR STMIA École Doctorale IAE + M Uiversité Heri Poicaré - Nacy I DFD Mathématiques THÈSE présetée pour l obtetio du titre de Docteur de l Uiversité Heri Poicaré, Nacy-I e Mathématiques par Bruo MARTIN
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 détailLe Sphinx. Enquêtes, Sondages. Analyse de données. Internet : http://www.lesphinxdeveloppement.fr/club/index.html
Equêtes, Sodages Aalyse de doées Le Sphix! Iteret : http://www.lesphixdeveloppemet.fr/club/idex.html Lagarde J. Aalyse statistique de doées, Duod. Réaliser vos equêtes Questioaire Traitemets et aalyses
Plus en 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 détailOne Office Voice Pack Vos appels fixes et mobiles en un seul pack
Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre
Plus en 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 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 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 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 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 détailLes études. Recommandations applicables aux appareils de levage "anciens" dans les ports. Guide Technique
es Cetre d Etudes Techiques Maritimes et Fluviales Les études Recommadatios applicables aux appareils de levage "acies" das les ports Guide Techique PM 03.01 Cetre d Etudes Techiques Maritimes et Fluviales
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 détailRenseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.
Reseigemets et moitorig. Reseigemets commerciaux et de solvabilité sur les etreprises et les particuliers. ENSEMBLE CONTRE LES PERTES. Reseigemets Creditreform. Pour plus de trasparece. Etreteir des rapports
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 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 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 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 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 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 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 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 détailSimulations interactives de convertisseurs en électronique de puissance
Simulatios iteractives de covertisseurs e électroique de puissace Jea-Jacques HUSELSTEIN, Philippe ENII Laboratoire d'électrotechique de Motpellier (LEM) - Uiversité Motpellier II, 079, Place Eugèe Bataillo,
Plus en détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en 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 détailUn accès direct à vos comptes 24h/24 VOTRE NUMÉRO CLIENT. www.bnpparibas.net. Centre de Relations Clients 0 820 820 001 (0,12 /min)
* selo coditios cotractuelles e vigueur. U accès direct à vos comptes 24h/24 VOTRE NUMÉRO CLIENT + VOTRE CODE SECRET * : www.bpparibas.et Cetre de Relatios Cliets 0 820 820 001 (0,12 /mi) Appli Mes Comptes
Plus en détailGérer les applications
Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces
Plus en détailLorsque la sécurisation des paiements par carte bancaire sur Internet conduit à une concurrence entre les banques et les opérateurs de réseau
Lorsque la sécurisatio des paiemets par carte bacaire sur Iteret coduit à ue cocurrece etre les baques et les opérateurs de réseau David Bouie Das cet article, ous ous iterrogeos sur l issue de la cocurrece
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 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 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 détail