Mélange de modèles catastrophes à l échelle d un bassin
|
|
- Christian Bénard
- il y a 6 ans
- Total affichages :
Transcription
1 1 Mélange de modèles catastrophes à l échelle d un bassin
2 Table des matières 1 Introduction 2 Modèle à un pays 3 Modèle de bassin 2
3 Introduction AXA Catastrophes naturelles Exposition aux catastrophes naturelles Utilisation de modèles CAT 3
4 Introduction Scoring des modèles CAT Scoring des modèles Pondération par pays 4
5 Introduction Modèle CAT Modèle CAT Un modèle CAT simule des évènements. Pour chaque évènement on obtient une perte sur chacun des pays analysé. 5
6 Introduction Courbes EP OEP = Loi du maximum AEP = Loi de la somme Représentation des courbes EP Pertes 6 Période de retour
7 Introduction Objectif Respect des correlations physiques Les pertes sur chacun des pays doivent avoir un sens physique. Intégration du scoring des modèles CAT Les pertes doivent respecter les poids obtenus à l aide du scoring des modèles CAT. Générateur d évènements On veut pouvoir génèrer des évènements dont les pertes ont une réalité physique et intègrent une pondération des modèles. 7
8 Table des matières 1 Introduction 2 Modèle à un pays 3 Modèle de bassin 8
9 Modèle à un pays Loi de coût d un modèle CAT Modèle CAT sur un pays Table de coût par évènement Exogène 9
10 Modèle à un pays Introduction d un autre modèle Modèle 1 - Pondération 30% Modèle 2 - Pondération 70% Probabilité Probabilité Pertes Pertes Mélange de modèles 10
11 Fréquence Sévérité X 1 X BWM N 1 30% N BWM N 2 Moyenne max X 2 70% Modèle mélange X BWM N BWM + 11
12 Fréquence Sévérité X 1 X BWM = X 2 N 1 0% N BWM N 2 Moyenne max X 2 100% Problème si M2 est à 100% OEP X BWM = X 2 Modèle mélange avec M2 à 100% + Pertes M2 12 Modèle mélange avec M2 à 100% Période de retour
13 Modèle à un pays Modification de la loi marginale On surestime les pertes du modèle ayant la fréquence la plus faible dans notre modèle mélange. On va «diminuer» la loi de sévérité du modèle de fréquence la plus faible. On «diminue» la loi en ajoutant une masse de pertes nulles à la distribution. Cela revient exactement à ajouter un évènement de coût nul à la base d évènements du modèle. Evènement Fréquence Moyenne Ecart-type Exposition Evènement Fréquence Moyenne Ecart-type Exposition 1 0, , , , , , , X 2 X 2 modifiée Probabilité Probabilité 13 Perte Perte
14 Loi de coût monopays Si se place dans une optique simulation, l ajout de l évènement nul revient à dire que l on va fixer à 0 une Construction partie des tirages. des marginales Année 1 Année 2 Année 3 Nombre annuel d évènements (Tirage dans la loi de fréquence) Evènements Evènements transformés Nombre annuel d évènements non fixés à : Tirage dans une loi de Bernoulli de paramètre p 14
15 X 2 modifiée X 2 + = + En utilisant la loi de fréquence maximale (loi de fréquence du modèle 1) et la loi de coût modifiée (loi de coût du modèle 2), on reproduit exactement les résultats du modèle 2. OEPs avant modification OEPs après modification Modèle mélange avec M2 à 100% Modèle mélange avec M2 à 100% M2 M2 15
16 Fréquence Sévérité X 1 X BWM N 1 30% N 2 Moyenne max N BWM X 2 modifiée 70% Modèle mélange pour un pays X BWM Simulations N BWM + Courbes EP 16
17 Modèle à un pays Bilan On est capable de mélanger plusieurs modèles CAT sur un pays: l en intégrant les pondérations accordées à chaque modèle pour ce pays; l en respectant le critère de cohérence : «si un modèle CAT a une pondération de 100% sur un pays alors le modèle mélange reproduit les résultats de ce modèle CAT pour le pays en question». 17
18 Table des matières 1 Introduction 2 Modèle à un pays 3 Modèle de bassin 18
19 Modèle de bassin Rappels Respect des correlations physiques Les pertes sur chacun des pays doivent avoir un sens physique. Intégration du scoring des modèles CAT Les pertes doivent respecter les poids obtenus à l aide du scoring des modèles CAT. Générateur d évènements On veut pouvoir génèrer des évènements dont les pertes ont une réalité physique et intègrent une pondération des modèles. 19
20 Modèle de bassin Corrélation - Modèle de référence On choisit un modèle CAT de référence pour la corrélation. En effet pour chaque évènement dans leur base d évènements, les modèles CAT nous donne des informations sur la loi de la perte dans chacun des pays. A l aide de ces évènements on construit la structure de corrélation du modèle. Evènement Fréquence Pays 1 Pays 2 Moyenne Ecart-type Exposition Moyenne Ecart-type Exposition 1 0, , , , On obtient des tirages de la structure de corrélation: Structure de corrélation l l en tirant des couples de pertes (Pays1 x Pays2) dans les lois de coût de chaque évènement du modèle CAT de référence; en regardant les quantiles de ces pertes dans les lois de coût des deux pays du modèle CAT de référence. Pays 2 20 Pays 1
21 Problème de la masse en 0 On a construit une structure de corrélation à partir d un modèle CAT de référence. Les quantiles obtenus à l aide de cette structure de corrélation vont être utilisés pour tirer dans la fonction de répartition de la loi de coût mélangée du pays. Du fait de la masse en 0, on ne va pas pouvoir tirer certaines valeurs dans la loi de coût mélangée! Loi de coût mélangée 100% M1 Modèle de référence M2 Probabilité Perte Perte Zone inatteignable 21
22 Modèle de bassin Modification de la fonction de répartition Lors de la création de la structure de corrélation, on transforme la fonction de répartition de la loi de coût de chaque pays pour le modèle de référence par une fonction de répartition aléatoire. La structure de corrélation construite avec ces fonctions de répartition aléatoire est alors une copule car on a montré que: Structure de corrélation Structure de corrélation modifiée Pays 2 Pays 2 22 Pays 1 Pays 1
23 Modèles de bassin Reproduction des résultats par pays La méthodologie de simulation est alors la suivante, pour chaque évènement simulé: 1. On tire dans la copule. 2. On obtient les pertes sur chacun des pays à l aide des fonctions de répartition mélangées. La structure de corrélation utilisée étant une copule, on sait que lorsque l on tire des pertes sur chacun des pays suivant cette copule, on respecte bien la loi de coût de chaque pays. On a une corrélation «physique» des pertes entre les pays car on a utilisé la structure de corrélation d un modèle CAT pour générer les pertes. 23
24 Modèles de bassin Sous-estimation des résultats du modèle de référence En sommant les pertes par pays, on obtient les pertes au niveau du bassin dans notre modèle mélange. Il est également possible d obtenir les courbes EP du modèle CAT de référence pour le bassin. On compare alors les résultats du modèle mélange où les poids accordés au modèle CAT de référence sont à 100% avec les résultats du modèle CAT de référence pour le bassin. M2 = modèle CAT de référence OEP du bassin AEP du bassin Modèle M2 Modèle M2 Perte Modèle mélange avec M2 à 100% Perte Modèle mélange avec M2 à 100% Période de retour Période de retour 24
25 Modèle de bassin Corrélation 2 Dans les tables de coût par évènement de chacun des modèles, on a systématiquement pour chaque évènement: On a donc présence d une corrélation positive entre les lois de coûts des évènements au sens de Pearson. On peut déterminer simplement la corrélation au sens de Pearson pour chaque évènement avec la formule: On se sert de ce coefficient de corrélation pour définir une copule gaussienne qui servira de structure de corrélation entre les lois de pertes de chaque évènement. On définit donc autant de copules gaussienne qu il y a d évènements dans la base d évènements du modèle CAT de référence. L introduction de cette corrélation supplémentaire (de seconde espèce) modifie la structure de corrélation entre les pays. 25
26 Modèle de bassin Reproduction des résultats au niveau du bassin L introduction de la corrélation de seconde espèce nous permet de reproduire de manière plus fine les résultats au niveau du bassin. Sans corrélation de seconde espèce OEP Bassin Avec corrélation de seconde espèce OEP Bassin Modèle M2 Modèle mélange avec M2 à 100% AEP Bassin AEP Bassin 26
27 (6) (1 ; 4 ; 3 ; 3 ; 2 ; 1) Tirage du nombre d évènements dans la loi de fréquence Tirage des évènements du modèle de référence Pays 1 Pays 2 Pays 1 1 0,9 Pays 2 0,9 1 Pays 1 Pays 2 Pays 1 1 0,3 Pays 2 0,3 1 Corrélation de seconde espèce Tirages = (1,94 ; 9,63 ; 0 ; 0 ; 1,52 ; 4,02) Tirage dans les lois de coûts des évènements avec corrélation Tirages = (0 ; 3,2 ; 6,65 ; 5,55 ; 1,57 ; 0) Pays 1 Référence Pays 2 Référence F X (Tirages) = (0,51 ; 0,97 ; 0,12 ; 0,05 ; 0,44 ; 0,77) Quantile associé à la perte dans la loi de coût du modèle de réfèrence F X (Tirages) = (0,19 ; 0,60 ; 0,89 ; 0,82 ; 0,36 ; 0,14) Pays 1 Pays 2 F -1 X (q) = ( 0 ; 14,81 ; 0 ; 0 ; 0 ; 3,34) Perte mélangée par pays F -1 X (q) = ( 0 ; 3,22 ; 6,80 ; 5,58 ; 1,26 ; 0 ) 27
28 Modèle de bassin Bilan On est capable de mélanger plusieurs modèles CAT sur un ensemble de pays: l en intégrant les pondérations accordées à chaque modèle sur chaque pays; l en respectant le critère de cohérence : «si un modèle CAT a une pondération de 100% sur un pays alors le modèle mélange reproduit les résultats de ce modèle CAT pour le pays en question»; l en intégrant une corrélation physique des pertes entre les pays; l en approchant le critère de cohérence : «si un modèle CAT a une pondération de 100% sur l ensemble des pays alors le modèle mélange reproduit les résultats de ce modèle CAT pour le bassin». 28
29 29 Questions?
Chapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailBien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction
Antécédents d un nombre par une fonction 1) Par lecture graphique Méthode / Explications : Pour déterminer le ou les antécédents d un nombre a donné, on trace la droite (d) d équation. On lit les abscisses
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailExemples de dynamique sur base modale
Dynamique sur base modale 1 Exemples de dynamique sur base modale L. CHAMPANEY et Ph. TROMPETTE Objectifs : Dynamique sur base modale réduite, Comparaison avec solution de référence, Influence des modes
Plus en détailDirection des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Plus en détailTS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S
FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences
Plus en détailTP N 57. Déploiement et renouvellement d une constellation de satellites
TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les
Plus en détailProbabilités conditionnelles Loi binomiale
Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard
Plus en détailTEST D ALIMENTATION CONTINUE
TEST D ALIMENTATION CONTINUE Pour vérifier et tester la conception, le besoin en alimentations conformes aux normes ne cesse de progresser au niveau technologique. C est plus ou moins devenu une nécessité
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailLa simulation probabiliste avec Excel
La simulation probabiliste avec Ecel (2 e version) Emmanuel Grenier emmanuel.grenier@isab.fr Relu par Kathy Chapelain et Henry P. Aubert Incontournable lorsqu il s agit de gérer des phénomènes aléatoires
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailDe la mesure à l analyse des risques
De la mesure à l analyse des risques Séminaire ISFA - B&W Deloitte Jean-Paul LAURENT Professeur à l'isfa, Université Claude Bernard Lyon 1 laurent.jeanpaul@free.fr http://laurent.jeanpaul.free.fr/ 0 De
Plus en détailTARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé
TARIFICATION EN ASSURANCE COMPLEMENTAIRE SANTE: il était une fois, un statisticien, un actuaire, un économiste de la santé Plan de l intervention 1 2 3 Généralités sur le fonctionnement de l assurance
Plus en détailFonctions homographiques
Seconde-Fonctions homographiques-cours Mai 0 Fonctions homographiques Introduction Voir le TP Géogébra. La fonction inverse. Définition Considérons la fonction f définie par f() =. Alors :. f est définie
Plus en détailSOMMAIRE QU EST-CE QU UNE SITUATION DE VENTE POUR LE REFERENTIEL BTS? ------------------------------------- 2
SOMMAIRE QU EST-CE QU UNE SITUATION DE VENTE POUR LE REFERENTIEL BTS? ------------------------------------- 2 E4 : 12 SITUATIONS / COMPETENCES ------------------------------------------------------------------------------------
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailEXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG
Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailElec II Le courant alternatif et la tension alternative
Elec II Le courant alternatif et la tension alternative 1-Deux types de courant -Schéma de l expérience : G -Observations : Avec une pile pour G (courant continu noté ): seule la DEL dans le sens passant
Plus en détailTABLE DES MATIÈRES. II. La théorie de la valeur... 20 A. Les notions de base de mathématiques financières... 20 B. Les annuités constantes...
TABLE DES MATIÈRES CHAPITRE 1 La valeur et le temps... 15 I. De la difficulté d estimer la valeur d un bien... 15 A. La valeur est une rente... 16 B. La valeur est un retour sur investissement... 18 II.
Plus en détailVivre mieux au Québec? Mesurer et comparer le bien-être à l échelle internationale
Vivre mieux au Québec? Mesurer et comparer le bien-être à l échelle internationale (Le Québec économique 2011, chap. 1) Luc Godbout et Marcelin Joanis Université de Sherbrooke 31 mai 2012 Forum de l Association
Plus en détailL impression numérique
Martin Garanger L impression numérique Pearson France a apporté le plus grand soin à la réalisation de ce livre afin de vous fournir une information complète et fiable. Cependant, Pearson France n assume
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailBaccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé.
Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé. L usage d une calculatrice est autorisé Durée : 3heures Deux annexes sont à rendre avec la copie. Exercice 1 5 points 1_ Soit f la
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailNombre dérivé et tangente
Nombre dérivé et tangente I) Interprétation graphique 1) Taux de variation d une fonction en un point. Soit une fonction définie sur un intervalle I contenant le nombre réel a, soit (C) sa courbe représentative
Plus en détailL exclusion mutuelle distribuée
L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué
Plus en détailSupports. Images numériques. notions de base [1] http://lilapuce.net
Supports Images numériques notions de base [1] http://lilapuce.net Deux grands types d images numériques : bitmap et vectoriel La création d'une image informatique n'est possible qu'en utilisant l'un des
Plus en détailJava Licence Professionnelle CISII, 2009-10
Java Licence Professionnelle CISII, 2009-10 Cours 4 : Programmation structurée (c) http://www.loria.fr/~tabbone/cours.html 1 Principe - Les méthodes sont structurées en blocs par les structures de la programmation
Plus en détailFluctuation d une fréquence selon les échantillons - Probabilités
Fluctuation d une fréquence selon les échantillons - Probabilités C H A P I T R E 3 JE DOIS SAVOIR Calculer une fréquence JE VAIS ÊTRE C APABLE DE Expérimenter la prise d échantillons aléatoires de taille
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
Plus en détailCATASTROPHES NATURELLES PREVENTION ET ASSURANCES
CATASTROPHES NATURELLES PREVENTION ET ASSURANCES Mission des sociétés d assurances pour la connaissance et la prévention des risques naturels WWW.mrn-gpsa.org Une association créée en 2000 entre : Mission
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détail(51) Int Cl.: H04L 29/06 (2006.01) G06F 21/55 (2013.01)
(19) TEPZZ 8 8 4_A_T (11) EP 2 838 241 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 18.02.1 Bulletin 1/08 (1) Int Cl.: H04L 29/06 (06.01) G06F 21/ (13.01) (21) Numéro de dépôt: 141781.4
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détail108y= 1 où x et y sont des entiers
Polynésie Juin 202 Série S Exercice Partie A On considère l équation ( ) relatifs E :x y= où x et y sont des entiers Vérifier que le couple ( ;3 ) est solution de cette équation 2 Déterminer l ensemble
Plus en détailALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE
ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE P. Baudet, C. Azzaro-Pantel, S. Domenech et L. Pibouleau Laboratoire de Génie Chimique - URA 192 du
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détail1 Savoirs fondamentaux
Révisions sur l oscillogramme, la puissance et l énergie électrique 1 Savoirs fondamentaux Exercice 1 : choix multiples 1. Quelle est l unité de la puissance dans le système international? Volt Watt Ampère
Plus en détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détailObjets Combinatoires élementaires
Objets Combinatoires élementaires 0-0 Permutations Arrangements Permutations pour un multi-ensemble mots sous-ensemble à k éléments (Problème du choix) Compositions LE2I 04 1 Permutations Supposons que
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailGUIDE D UTILISATION ODT
GUIDE D UTILISATION ODT Chapitre 1 : Observatoire de la dette I- Données générales sur la dette Chiffre d affaires Indiquer le chiffre d affaires de l EPS. Cette donnée correspond aux recettes générées
Plus en détailConstruction d un algorithme d accélération de la méthode des simulations dans les simulations pour le calcul du capital économique Solvabilité II
Construction d un algorithme d accélération de la méthode des simulations dans les simulations pour le calcul du capital économique Solvabilité II Laurent Devineau, Stéphane Loisel To cite this version:
Plus en détailURL analysées. Informations générales. Nb. de liens sponsorisés Google
1 sur 6 VRDCI 10, rue Augereau 75007 Paris - FRANCE Tel : 01 45 35 00 80 Email : vrdci@vrdci.com - Référencement naturel avec paiement aux résultats - Ingénierie et design de sites web, intranet et applicatifs
Plus en détailBaromètre des usages numériques professionnels 1 ère édition Septembre 2011
Baromètre des usages numériques professionnels 1 ère édition Septembre 2011 Sommaire Méthodologie Résultats 1. Equipement : ordinateurs, téléphonie, Internet 2. Usages Internet et téléphonie 3. Logiciels
Plus en détailComment mieux évaluer les risques industriels par la mesure du capital immatériel???
Comment mieux évaluer les risques industriels par la mesure du capital immatériel??? GENERALI : Un acteur engagé et responsable FFSA 26/01/2010 " Le secteur de l assurance est concerné par tous les sujets
Plus en détailTP 7 : oscillateur de torsion
TP 7 : oscillateur de torsion Objectif : étude des oscillations libres et forcées d un pendule de torsion 1 Principe général 1.1 Définition Un pendule de torsion est constitué par un fil large (métallique)
Plus en détailQuelleestlavaleurdel intensitéiaupointm?
Optique Ondulatoire Plan du cours [1] Aspect ondulatoire de la lumière [2] Interférences à deux ondes [3] Division du front d onde [4] Division d amplitude [5] Diffraction [6] Polarisation [7] Interférences
Plus en détailCORRIGES DES CAS TRANSVERSAUX. Corrigés des cas : Emprunts
CORRIGES DES CAS TRANSVERSAUX Corrigés des cas : Emprunts Remboursement par versements périodiques constants - Cas E1 Objectifs : Construire un échéancier et en changer la périodicité, Renégocier un emprunt.
Plus en détailLa gestion du risque chez AXA
Séminaire International de la Presse Suduiraut 21 & 22 juin 2006 La gestion du risque chez AXA François Robinet Chief Risk officer Groupe AXA Sommaire I. La Gestion du Risque : Définition D II. III. La
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailStatistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014
Tests du χ 2 Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux 4 2013-2014 A. Lourme http://alexandrelourme.free.fr Outline
Plus en détailContribution à la conception par la simulation en électronique de puissance : application à l onduleur basse tension
Contribution à la conception par la simulation en électronique de puissance : application à l onduleur basse tension Cyril BUTTAY CEGELY VALEO 30 novembre 2004 Cyril BUTTAY Contribution à la conception
Plus en détailSIVOM DE LA VALLEE DU CADY PRESENTATION DU BUDGET PRIMITIF 2015
SIVOM DE LA VALLEE DU CADY PRESENTATION DU BUDGET PRIMITIF 2015 PREAMBULE 1) POUR LA PREMIÈRE FOIS EN 2015, LE BUDGET M49 DES SERVICES EAU POTABLE ET ASSAINISSEMENT EST VOTÉ EN HORS TAXES. PAR CONSÉQUENT,
Plus en détailContexte - 2 - Colloque Santé et Société Mai 2015
www.irdes.fr Quel impact attendre de la généralisation de la complémentaire santé d entreprise sur le taux de non couverture en France? Une simulation à partir de l Enquête Santé et Protection Sociale
Plus en détailProbabilités Loi binomiale Exercices corrigés
Probabilités Loi binomiale Exercices corrigés Sont abordés dans cette fiche : (cliquez sur l exercice pour un accès direct) Exercice 1 : épreuve de Bernoulli Exercice 2 : loi de Bernoulli de paramètre
Plus en détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en détailDétermination des primes Assurance contre les accidents professionnels et non professionnels
Détermination des primes Assurance contre les accidents professionnels et non professionnels Les branches d assurance LAA La loi fédérale sur l assurance-accidents (LAA) pose le principe de trois branches
Plus en détailEBOW DESCRIPTION APPLICATIVE
EBOW GESTION COMMERCIALE DEDIEE A LA VPC/VAD ET A L E COMMERCE DESCRIPTION APPLICATIVE Pour toute question, contactez Jean François HOLLNER au 03.88.77.76.00 ou par mail sur jhollner@itl.fr GESTION DES
Plus en détailLE PERP retraite et protection
LE PERP retraite et protection Benoit Rama http://www.imaf.fr Le PERP (Plan d Épargne Retraite Populaire) est une mesure d encouragement à la préparation de la retraite destinée aux salariés. Il copie
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailMise en place de la composante technique d un SMSI Le Package RSSI Tools BOX
Mise en place de la composante technique d un SMSI Le Package RSSI Tools BOX PLAN 1 INTRODUCTION...3 1.1 OBJECTIF...3 1.2 FONCTIONNALITES...3 2 DESCRIPTION TECHNIQUE DE LA PLATE-FORME...4 2.1 ARCHITECTURE...4
Plus en détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailLe calcul du barème d impôt à Genève
Le calcul du barème d impôt à Genève Plan : 1. Historique Passage d un système en escalier à une formule mathématique 2. Principe de l imposition Progressivité, impôt marginal / moyen ; barème couple/marié
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailL E Ç O N. Marches aléatoires. Niveau : Terminale S Prérequis : aucun
9 L E Ç O N Marches aléatoires Niveau : Terminale S Prérequis : aucun 1 Chaînes de Markov Définition 9.1 Chaîne de Markov I Une chaîne de Markov est une suite de variables aléatoires (X n, n N) qui permet
Plus en détailFOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS
FOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS 550, RUE SHERBROOKE OUEST MONTRÉAL (QUÉBEC) H3A 1B9 BUREAU 900 TOUR EST T 514 849-8086, POSTE 3064 Réflexions méthodologiques Depuis des années,
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailSOMMAIRE OPÉRATIONS COURANTES OPÉRATIONS D INVENTAIRE
SOMMAIRE OPÉRATIONS COURANTES OPÉRATIONS D INVENTAIRE 1 Factures de doit p. 9 Processus 1 2 Réductions sur factures de doit p. 11 Processus 1 3 Frais accessoires sur factures p. 13 Processus 1 4 Comptabilisation
Plus en détailDes familles de deux enfants
Des familles de deux enfants Claudine Schwartz, IREM de Grenoble Professeur, Université Joseh Fourier Les questions et sont osées dans le dernier numéro de «Pour la Science» (n 336, octobre 2005, article
Plus en détailPôle de Dakar S IMUL ATIONS. 1 Utiliser un taux d accroissement pour une simulation
FORMULAIRE ATELIER S IMUL ATIONS 1 Utiliser un taux d accroissement pour une simulation La projection de certaines variables se base sur une hypothèse de taux de croissance annuelle régulier et constant.
Plus en détailDe la mesure à l analyse des risques
De la mesure à l analyse des risques Séminaire FFA Jean-Paul LAURENT Professeur à l'isfa jean-paul.laurent@univ-lyon1.fr http://laurent.jeanpaul.free.fr/ 0 De la la mesure à l analyse des risques! Intégrer
Plus en détailLE BUDGET DES VENTES
LE BUDGET DES VENTES Objectif(s) : o Pré requis : o Modalités : o o o Elaboration du budget des ventes. Connaissances du processus "ventes". Principes, Synthèse, Application. TABLE DES MATIERES Chapitre
Plus en détailApprentissage incrémental par sélection de données dans un flux pour une application de sécurité routière
Apprentissage incrémental par sélection de données dans un flux pour une application de sécurité routière Nicolas Saunier INRETS Télécom Paris Sophie Midenet INRETS Alain Grumbach Télécom Paris Conférence
Plus en détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
Plus en détailAutomatique (AU3): Précision. Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr
Automatique (AU3): Précision des systèmes bouclés Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr Plan de la présentation Introduction 2 Écart statique Définition Expression Entrée
Plus en détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en détail