Probabilités - Lois continues
|
|
- Michel Beaupré
- il y a 6 ans
- Total affichages :
Transcription
1 Probbilités - Lois continues T le S I - Loi à densité Définition Une vrible létoire continue X est une fonction qui à chque issue de l univers Ω ssocie un nombre réel d un intervlle I de IR. Exemple : Loi de vieillissement. Pour une équipement produit en grnde série, on peut définir l vrible létoire X égle à l durée de vie (ou de bon fonctionnement) d un ppreil pris u hsrd. X est une vrible létoire continue. Définition Soit f une fonction continue et positive sur un intervlle I = [;b] telle que : f(t)dt = 1. Dire que l vrible létoire continue X suit l loi de probbilité P de densité f signifie que, { pour tout intervlle J I, l } probbilité P (X J) est égle à l ire du domine M(x;y);x J et y f(x). C f C f O c d P (c X d) b O b P ( X b) = 1 Propriété Pour tout nombre réel c I, P (X = c) = Remrques : D près ce qui précède, P (c X d) = P (c < X d) = P (c X < d) = P (c < X < d) D près l définition de l intégrle d une fonction continue, on donc P (c X d) = d c f(t)dt 1. Dns le cs où l intervlle I n est ps borné, pr exemple I = [;+ [, on dpte ce qui précède en utilisnt + x P (X I) = f(t)dt = lim f(t)dt x + 2. Les propriétés des probbilités discrètes s étendent u cs continu : Probbilité du complémentire : P(X / J) = 1 P(X J) Probbilité conditionnelle : P (X J) (X J ) = P (X J J) P (X J) Exercice 1 Soit X une vrible létoire à vleurs dns I = [;1] dont l loi de probbilité pour densité l fonction f définie pr f(x) = 4x Vérifier que l fonction f définie bien une loi de probbilité. 2. Clculer l probbilité P (,3 X,6). 1/12
2 Exercice 2 Y est une vrible létoire à vleurs dns [;+ [ dont l loi de probbilité pour densité l fonction définie pr f(x) = 2e 2x. 1. Vérifier que l fonction f définie bien une loi de probbilité. 2. Soit n IN, clculer P (n Y n+1). 3. Soit m IN, déterminer l probbilité que Y soit inférieure à m. 4. Soit p et q deux entiers nturels, p q, déterminer l probbilité P (Y q) (Y p). Définition L espérnce d une vrible létoire X de densité f sur [; b] est le nombre réel E(X) = tf(t)dt Exercice 3 Soit Z l vrible létoire à vleurs dns [ 1;1] dont l loi de probbilité pour densité l fonction définie pr f(x) = 3 2 x2. 1. Vérifier que l fonction f définie bien une loi de probbilité. 2. Clculer l espérnce de l vrible létoire Z. 3. Déterminer le nombre réel tel que P ( X ) =,95. II - Loi uniforme L loi uniforme est l loi de probbilité qui générlise l loi équiprobble dns le cs discret. Définition L loi uniforme sur l intervlle [;b], vec < b, est l loi de probbilité dont l densité est une fonction constnte sur [; b]. Propriété L densité de probbilité de l loi uniforme sur [;b] est l fonction f définie sur [;b] pr f(x) = 1 b. Démonstrtion: f est une fonction constnte sur [;b], donc définie pr f(x) = λ, λ IR. Pour que f définisse une loi de probbilité sur [;b], on doit voir f(t)dt = 1 λdt = 1 λ(b ) = 1 λ = 1 b Propriété L espérnce d une vrible létoire X qui suit l loi uniforme sur [; b] est E(X) = +b 2 Démonstrtion: L densité de probbilité est définie pr f(x) = 1, et lors b E(X) = = 1 b tf(t)dt = ( 1 2 b t b dt = 1 b ) = 1 1 2b. tdt = 1 [ 1 ] b b 2 t2 (b )(b+) = b /12
3 Exercice 4 X est une vrible létoire qui suit l loi uniforme sur l intervlle I = [ 2;2]. 1. Déterminer l fonction de densité de probbilité de X. 2. Clculer P (X < 1) et P (X 1,5). 3. Clculer P (X>) (X < 1). 4. Donner l espérnce de X. Exercice 5 1. Résoudre dns IR l inéqution 9x 2 33x+1 >. 2. On choisit u hsrd un nombre réel dns l intervlle [; 2]. ) Quelle est l probbilité que ce nombre soit solution de l inéqution 9x 2 33x+1 >? b) Quelle est l probbilité que ce nombre soit solution de l éqution 9x 2 33x+1 =. Exercice 6 Je n i ps de monnie pour pyer le prking où m voiture est sttionnée. Les gents municipux pssent létoirement une fois pr jour durnt les heures de sttionnement pynt de 9h à 19h. Je compte lisser m voiture là pendnt 2h. Quelle est l probbilité que je sois verblisé? Remrque : On pourrit utiliser d utres profils (plus précisément densités ) de probbilités plus rélistes (prennt en compte une éventuelle puse reps...) : Densité uniforme 9h 1h 12h 14h 18h 19h Exercice 7 1. X est une vrible létoire qui suit l loi uniforme sur l intervlle [; 1]. Déterminer E(X), et interpréter cette vleur pr une phrse. 2. Quel est le rôle de l lgorithme suivnt? Quel résultt, pproximtivement, s fficher en sortie de cet lgorithme? Trduire cet lgorithme dns un lngge (clcultrice pr exemple), le progrmmer et l exécuter. Initilistion S prend l vleur i prend l vleur Tritement Tnt que i < 1 x prend une vleur létoire dns [;1[ S prend l vleur S +x i prend l vleur i+1 Fin Tnt que Sortie Afficher S/1 III - Lois exponentielles Définition Soit un réel λ >. L loi exponentielle de prmètre λ sur [;+ [ est l loi de densité définie pr f(x) = λe λx. 3/12
4 Exercice 8 Soit X une vrible létoire suivnt l loi exponentielle de prmètre λ = Déterminer l probbilité P ( X 1). 2. Soit et b deux réels, b, déterminer l probbilité P ( X b). 3. Déterminer l probbilité P (X 1). 4. ) Déterminer deux réels α et β tels que l fonction F définie F(x) = (αx+β)e 1x soit une primitive de f(x) = 1xe 1x. b) En déduire l espérnce de X. Propriété L espérnce d une vrible létoire X qui suit l loi exponentielle de prmètre λ est : E(X) = 1 λ. Démonstrtion: E(X) = + tf(t)dt = lim x + x x tf(t)dt = lim tλe λt dt x + Pourclculerl intégrle,onchercheuneprimitivegdeg(t) = λte λt souslformeg(t) = (αt+β)e λt. ( ) G est dérivble sur [;+ [, vec G (t) = αe λt λ(αt+β)e λt = λαt+(α λβ) e λt Ainsi, pour tout t [;+ [, { { λα = λ α = 1 G (t) = g(t) α λβ = β = 1 G(t) = λ On lors, E(X) = x [ ] x + g(t)dt = lim g(t)dt = lim G(t) x + x + ( t 1 ) e λt λ = lim (G(x) G()) Or, x + lim x + xe λx =, et lim x + e λx =, d où, lim G(x) =, et donc, E(X) = G() = 1 x + λ. Exemple : On dmet que les phénomènes d ttente peuvent se modéliser pr une loi exponentielle. Un mgsin nnonce que le temps d ttente moyen en cisse est de 5 min. 1. Que vut le prmètre de l loi exponentielle? 2. Quelle est l probbilité, dns ce mgsin, que j ttende à l cisse : ) moins de 5 min? b) entre 5 et 1 min? c) plus de 15 min? Exercice 9 Loi de durée de vie sns vieillissement L durée de vie d un produit est une vrible létoire T à vleurs dns [;+ [. L événement (T t) désigne l événement : L élément est encore en vie à l instnt t. On suppose que T suit une loi de probbilité exponentielle de prmètre λ. On dit que T suit une loi de durée de vie sns vieillissement si l probbilité que l élément soit encore en vie à l instnt t+h schnt qu il est en vie à l instnt t ne dépend que de l durée h (et donc ps de l instnt t). Montrer que T suit une loi de durée de vie sns vieillissement. Remrque : Pr exemple, lors de l désintégrtion rdioctive, le durée de vie d un noyu est une loi sns vieillissement. Exercice 1 L durée de vie de certines mpoules peut-être modélisée pr une loi exponentielle. Ces mpoules ont une durée de vie de 8 heures. 1. Déterminer le prmètre de cette loi et donner l densité de probbilité ssociée. 2. Clculer l probbilité qu une mpoule choisie u hsrd it une durée de vie supérieure à 1 heures. 3. Schnt que l mpoule à mon plfond fonctionne depuis déjà 1 heures, quelle est l probbilité qu elle fonctionne encore u moins 1 heures? 4. Une mpoule provennt du même stock brille depuis déjà 1 heures. Quelle est l probbilité qu elle continue de briller pendnt encore 1 heures de plus? 4/12
5 Exercice 11 Le temps d ttente à une cisse été estimé sttistiquement dns un grnd mgsin. En notnt Y l vrible létoire, à vleurs dns [;+ [, égle u temps d ttente en minutes, d un client à cette cisse, on modélise l loi de probbilité de Y pr une loi exponentielle. 1. Onestimé que l probbilité qu un client ttende plus de1 minutes à cettecisse est de,13. Déterminer le prmètre de l loi exponentielle. 2. Déterminer l probbilité qu un client ttende moins de 1 minutes à cette cisse. 3. Déterminer le temps moyen d ttente à cette cisse. 4. J ttends déjà depuis 5 minutes à cette cisse. Quelle est l probbilité que je psse à l cisse dns plus de 5 minutes? L cisse d à côté m l ir bien plus rpide. Quelle est l probbilité pour que je psse à l cisse d à côté dns plus de 5 minutes. Ai-je intérêt à chnger de file d ttente? (On suppose que les temps d ttente à toutes les cisses de ce mgsin sont modélisés pr l même loi). Exercice 12 D près Bc Dns un mgsin, des composnts, en pprence tous identiques, peuvent présenter certins défuts. On estime que l probbilité qu un composnt vendu dns ce mgsin soit défectueux est égle à,2. Les prties A et B sont indépendntes. Prtie A On dmet que le nombre de composnts présentés dns le mgsin est suffismment importnt pour que l cht de 5 composnts soit ssimilé à 5 tirges indépendnts vec remise. On ppelle X le nombre de composnts défectueux chetés. J chète 5 composnts. 1. Quelle est l probbilité qu exctement deux des composnts chetés soient défectueux? Arrondir u dix-millième. 2. Quelle est l probbilité qu u moins un des composnts chetés soit défectueux? Arrondir u dix-millième. 3. Quel est, pr lot de 5 composnts chetés, le nombre moyen de composnts défectueux? Prtie B On suppose que l durée de vie T 1 (en heures) de chque composnt défectueux suit l loi exponentielle de prmètre λ 1 = On suppose ussi que l durée de vie T 2 (en heures) de chque composnt non défectueux suit l loi exponentielle de prmètre λ 2 = Clculer l probbilité que l durée de vie d un composnt soit supérieur à 1 heures (on donner l vleur excte et rrondie u centième) : ) si ce composnt est défectueux; b) si ce composnt n est ps défectueux. 2. Clculer l probbilité que l durée de vie d un composnt non défectueux soit supérieure à 2 heures schnt qu il fonctionne encore prfitement près 15 heures d utilistion. 3. Soit T l durée de vie (en heures) d un composnt cheté u hsrd. Démontrer que l probbilité que ce composnt soit en étt de mrche près t heures de fonctionnement est : P(T > t) =,2e 5.1 4t +,98e 1 4t. 4. Schnt que le composnt cheté est encore en étt de fonctionner 1 heures près son instlltion, quelle est l probbilité que ce composnt soit défectueux? 5/12
6 Exercice 13 On lnce 1 fois de suite un dé bien équilibré à six fces. On note X l vrible létoire qui compte le nombre de fois où les chiffres 2 ou 3 sont pprus. 1. Quelle est l loi de probbilité suivie pr X? 2. Déterminer l espérnce et l écrt-type de X. 3. Compléter le tbleu donnnt l loi de probbilité de X et l histogrmme suivnt : k P (X = k) P (X = k),3,2, k IV - Loi normle Lloi normle(ouloi deguss, oudelplce, ouencore de Lplce-Guss) est uneloi théorique : c est une idélistion mthémtique qui ne se rencontre jmis exctement dns l nture (ps plus qu un cercle...). Nénmoins, de nombreuses distributions réellement observées s en rpprochent de mnière ssez flgrnte en présentnt cette forme type en cloche. Un théorème très importnt en sttistique et probbilité, le théorème centrl limite (lrgement hors progrmme en terminle S), montre l plce prépondérnte que cette loi occupe dns l modélistion de phénomènes nturels. 1) Loi normle centrée réduite Définition Une vrible létoire X est dite centrée lorsque son espérnce est nulle : E(X) =. réduite lorsque son écrt type est 1 : σ(x) = 1. Définition L loi normle centrée réduite, notée N(;1), est l loi de probbilité dont l densité l fonction f définie sur IR pr f(x) = 1 e x π 6/12
7 Propriété f est continue et pire : s courbe représenttive est symétrique pr rpport à l xe des ordonnées. C f L courbe représenttive de f est dite courbe en cloche, ou courbe gussienne. Si X suit l loi normle centrée réduite N(;1), s fonction de réprtition est définie pr Π(x) = P (X x) = x f(t)dt = lim t x t f(t)dt On ne connît ps de primitive de f, et donc on ne sit ps clculer explicitement l intégrle de f. Les vleurs des probbilités Π(x) sont clculées pr les clcultrices, tbleurs,... et sont tbulées. Π(x) x C f Les vleurs de Π(x) sont tbulées en générl pour x. Pour x, on peut lors utiliser l reltion : Π( x) 1 Π(x) Π( x) = 1 Π(x). x x C f Propriété Si X est une vrible létoire qui suit l loi normle centrée réduite N(;1), on donc, P (X ) = P (X ) =,5 Pour tous b, P ( X b) = Π(b) Π(). Csio : Grph 35+ et modèles supérieurs Menu STAT, puis DIST, et enfin NORM Clcul de P( X b) Ncd (Norml, cumultive distribution) vec pour vleurs : Lower : Upper : b σ : 1 µ : puis Clc (F1)... Clcul de P(X b) : on peut procéder de même, en entrnt l borne inférieure Lower : 1E+99 TI82 Stts et modèles supérieurs 2nd DISTR (ou distrib) Clcul de P( X b) normlcdf (ou normlfrep) puis : normlcdf(,b,,1) Clcul de P(X b) on procède de même en entrnt l borne inférieure = 1E+99 : normlcdf(,b,,1) 7/12
8 Exercice 1 Soit X une v.. suivnt l loi N(;1). Clculer, à l ide de l tble des vleurs de Π et de l clcultrice, les probbilités : ) p 1 = P (X,43) b) p 2 = P (X 1,38) c) p 3 = P (,43 X 1,38) d) p 4 = P (X,96) e) p 5 = P ( 1,1 X 2,57) f) p 6 = P ( 1,5 X 1,5) g) p 7 = P ( 1 X 1) h) p 8 = P ( 1,96 X 1,96) i) p 9 = P ( X 1,96) Csio : Grph 35+ et modèles supérieurs Menu STAT, puis DIST, et enfin NORM Clcul de tel que P(X ) = p InvN (Inverse Norml) vec pour vleurs : Til : Left Are : p σ : 1 µ : puis Clc (F1)... TI82 Stts et modèles supérieurs 2nd DISTR (ou distrib) Clcul de tel que P(X ) = p InvNorm (ou FrcNormle) puis : invnorm(p,,1) Exercice 2 Soit α =,5 et X une v.. suivnt l loi N(;1). Déterminer le nombre v α tel que : P (X v α ) = 1 α. Théorème L espérnce d une vrible létoire X suivnt l loi normle centrée réduite N(; 1) est : E(X) =. S vrince est : V(X) = 1 et donc son écrt-type est : σ(x) = V = 1 (dmis). Démonstrtion: Pour tout x réel, on f (x) = xf(x), et donc, vec, tf(t)dt = lim x E(X) = or, lim f(x) =, et donc, x De même, + x + tf(t)dt = tf(t)dt = lim x x tf(t)dt = f(). tf(t)dt = f(), et donc, E(X) = tf(t)dt+ + tf(t)dt [ ] ( ) f (t)dt = lim f(t) = lim f()+f(x) x x x tf(t)dt+ + tf(t)dt = f()+f() =. Propriété Soit T une vrible létoire qui suit l loi normle centrée réduite N(; 1), lors, pour tout nombre réel < α < 1, il existe un unique nombre réel u α > tel que P ( u α T u α ) = 1 α. 8/12
9 Démonstrtion: Pr symétrie de l densité de probbilité f de l loi normle centrée réduite, on P ( u X u) P ( u X u) = 2P ( X u) = 2 u où F est l primitive de f sur IR qui s nnule en. f(x)dx = 2F(u), F est continue (et même dérivble) et croissnte sur [;+ [ cr F = f et f >. De plus, lim F(u) = 1 : il s git de l moitié de l ire sous l courbe de f qui est symétrique u + 2 pr rpport à l xe des ordonnées et dont l ire totle (de à + ) vut 1. On donc le tbleu de vrition de l fonction 2F : x + 1 2F u u C f Comme pour tout nombre α ];1[, le nombre 1 α ];1[, d près le théorème des vleurs intermédiires, il existe un unique u α ];+ [ tel que 2F (u α ) = 1 α, c est-à-dire tel que P ( u α X u α ) = 1 α. x u α + 1 2F 1 α Exercice 3 Soit X une v.. qui suit l loi N(;1). Déterminer, à l ide de l tble de vleurs de Π et de l clcultrice, les vleurs de u et v telles que : ) P ( u X u) =,95 b) P ( u X u) =,99 Propriété Soit X une vrible létoire qui suit l loi normle centrée réduite N(;1), lors : u,5 1,96 : P ( 1,96 X 1,96) 1 5% = 95% =,95 u,1 2,58 : P ( 2,58 X 2,58) 1 1% = 99% =,99 Rppel : Soit X une vrible létoire discrète qui suit l loi binomile B(n; p), lors l espérnce de X est µ = E(X) = np et son écrt type σ = npq = np(1 p). L vrible létoire Y = X µ est lors centrée et Z = X µ est centrée réduite. σ Théorème Moivre-Lplce Soit, pour tout entier n, X n une vrible létoire qui suit l loi binomile B(n;p). Alors, Y n = X n µ = X n np est une vrible létoire centrée réduite et, lorsque σ np(1 p) n tend vers +, P ( Y n b) tend vers 1 e x 2 2 dx. 2π En prtique, on pproche les probbilités de l loi binomile pr celles de l loi normle lorsque n 3 et np 5 et n(1 p) /12
10 Exercice 4 On lnce 36 fois un dé équilibré. On souhite évluer l probbilité que le nombre d pprition du 6 soit compris strictement entre 575 et 65. On note X l v.. égle u nombre d ppritions du 6 lors de ces 36 lncers. 1. Quelle est l loi de probbilité suivie pr X? Justifier. 2. Appliquer, en justifint son utilistion, le théorème de Moivre-Lplce à l v.. X. 3. En déduire une vleur pprochée de l probbilité recherchée. 2) Lois normles Définition Une vrible létoire X suit l loi normle N(µ;σ 2 ) si et seulement si l vrible létoire Y = X µ suit l loi normle centrée réduite N(;1). σ Propriété Si X suit une loi normle N(m;σ 2 ) lors E(X) = m σ(x) = σ V(X) = σ 2 68% des vleurs sont dns [m σ; m+σ] 95% des vleurs sont dns [m 2σ; m+2σ] 99,7% des vleurs sont dns [m 3σ; m+3σ] 34,1% 34,1% 14% 14%,1% 2% 2%,1% 3σ 2σ σ m σ 2σ 3σ Remrque : cel signifie ussi que l probbilité d obtenir une vleur de X distnte de plus de σ de l moyenne µ est d environ 32%, soit environ 1/3, l probbilité d obtenir une vleur de X distnte de plus de 2σ de l moyenne µ est d environ 5%, et celle d obtenir une vleur de X distnte de plus de 3σ de l moyenne µ est presque nulle (inférieure à,3%). Exemple : Les mchines d une usine produisent des éléments dont l msse ffichée est de 2g. En rélité, ces mchines ne produisent ps exctement des éléments pesnt 2g, mis vec une certine imprécision (ou incertitude). Une étude sttistique (ou physique sur l précision des mchines) montre que, si X désigne l vrible létoire (continue) égle à l msse d un élément à l sortie de l usine, lors X suit l loi normle N(2; 16). L msse moyenne des objets produits est de µ = 2g, mis vec un écrt type σ = 16 = 4g. Cel signifie, entre utre, que 68% des éléments pèsent entre µ σ = 196g et µ+σ = 24g; (et il y donc une probbilité d environ 32%, soit environ 1 chnce sur 3, pour qu un élément pris u hsrd pèse moins de 196g ou plus de 24g...) 95% des éléments pèsent entre µ 2σ = 192g et µ+2σ = 28g; 99,7% des éléments pèsent entre µ 3σ = 188g et µ+3σ = 212g. L vleur moyenne est l vleur ffiché (sur l embllge du produit pr exemple, l écrt-type est bien souvent très difficile à trouver...) 1/12
11 Exercice 5 Soit X une v.. suivnt l loi N(µ;σ 2 ) vec µ = 8 et σ = 5. Clculer les porbbilités P (X 84), P (X 76) et P (75 X 85) à l ide de l clcultrice, puis à l ide de l tble des vleurs de Π(x). Exercice 6 Une usine de composnts électroniques fbrique des résistnces. En mesurnt un grnd échntillon de ces composnts, on constte que l résistnce nominle, exprimée en ohms, de chque composnt tiré u hsrd est une vrible létoire X de loi normle N(1;1). Pour cet exercice, on utiliser uniquement les trois résultts suivnts pour une vrible U suivnt l loi N(;1) : P ( 1,96 U 1,96) =,95, P ( 1,64 U 1,64) =,9, P (U 1) =,84. Vri ou Fux? 1. L probbilité que l résistnce d un composnt tiré u hsrd soit comprise entre 98 Ω et 12Ω est supérieure à, L probbilité que l résistnce d un composnt soit comprise entre 991 Ω et 19 Ω est supérieure à,9. 3. L probbilité que l résistnce d un composnt soit supérieure à 983,6 Ω est supérieure à, L probbilité que l résistnce d un composnt soit comprise entre 99Ω et 11Ω est égle à, L probbilité que l résistnce d un composnt soit comprise entre 983,6 Ω et 119,6 Ω est égle à,925. Exercice 7 Soit X une v.. suivnt l loi N(µ;σ 2 ). On sit de plus que l écrt-type de X vut,1 et que P (X ) =,5478. Quelle est l espérnce de X? Exercice 8 L durée de vie d une clé USB, exprimée en mois, est modélisée pr une vrible létoire suivnt une loi normle de moyenne et d écrt-type inconnus. Selon le fbricnt, 75% des clés produites ont une durée de vie comprise entre 15 et 25 mois. L grntie s pplique sur cette période en considérnt que 5% des clés de l production ont une durée de vie inférieure à 15 mois. 1. Déterminer l moyenne et l écrt-type de l loi. 2. Quelle est l probbilité d voir un ppreil dont l durée de vie soit comprise entre 25 et 3 mois? 11/12
12 Extrit de l tble de l fonction intégrle de l loi normle centrée réduit N(;1) L loi normle centrée réduite N(;1) est l loi de probbilité de densité f(x) = 1 2π e x2 2 Π(t) = P (X t) = t f(x)dx Π(t) t t,,1,2,3,4,5,6,7,8, Tble pour les grndes vleurs de t t Π(t) /12
Tout ce qu il faut savoir en math
Tout ce qu il fut svoir en mth 1 Pourcentge Prendre un pourcentge t % d un quntité : t Clculer le pourcentge d une quntité pr rpport à une quntité b : Le coefficient multiplicteur CM pour une ugmenttion
Plus en détailSéquence 8. Probabilité : lois à densité. Sommaire
Séquence 8 Proilité : lois à densité Sommire. Prérequis 2. Lois de proilité à densité sur un intervlle 3. Lois uniformes 4. Lois exponentielles 5. Synthèse de l séquence Dns cette séquence, on introduit
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mthémtiques nnée 2009-2010 Chpitre 2 Le prolème de l unicité des solutions 1 Le prolème et quelques réponses : 1.1 Un exemple Montrer que l éqution différentielle :
Plus en détailThéorème de Poincaré - Formule de Green-Riemann
Chpitre 11 Théorème de Poincré - Formule de Green-Riemnn Ce chpitre s inscrit dns l continuité du précédent. On vu à l proposition 1.16 que les formes différentielles sont bien plus grébles à mnipuler
Plus en détailCorrection de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (
Correction de l épreuve CCP PSI Mths PREMIÈRE PARTIE I- Soit t u voisinge de, t Alors ϕt t s = ϕt ρt s ρs Pr hypothèse, l fonction ϕt ϕt est lorsque t, il en est donc de même de ρt s ρt s ρs cr ρ s est
Plus en détailLICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER
LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE Unité d enseignement LCMA 4U ANALYSE 3 Frnçoise GEANDIER Université Henri Poincré Nncy I Déprtement de Mthémtiques . Tble des mtières I Séries numériques. Séries
Plus en détailCOURS D ANALYSE. Licence d Informatique, première. Laurent Michel
COURS D ANALYSE Licence d Informtique, première nnée Lurent Michel Printemps 2010 2 Tble des mtières 1 Éléments de logique 5 1.1 Fbriquer des énoncés........................ 5 1.1.1 Enoncés élémentires.....................
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 détailSynthèse de cours (Terminale S) Calcul intégral
Synthèse de cours (Terminle S) Clcul intégrl Intégrle d une onction continue positive sur un intervlle [;] Dns cette première prtie, on considère une onction continue positive sur un intervlle [ ; ] (
Plus en détailsemestre 3 des Licences MISM annnée universitaire 2004-2005
MATHÉMATIQUES 3 semestre 3 des Licences MISM nnnée universitire 24-25 Driss BOULARAS 2 Tble des mtières Rppels 5. Ensembles et opértions sur les ensembles.................. 5.. Prties d un ensemble.........................
Plus en détailUniversité Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO
Université Pris-Duphine DUMI2E UFR Mthémtiques de l décision Notes de cours Anlyse 2 Filippo SANTAMBROGIO Année 2008 2 Tble des mtières 1 Optimistion de fonctions continues et dérivbles 5 1.1 Continuité........................................
Plus en détailSTI2D Logique binaire SIN. L' Algèbre de BOOLE
L' Algère de BOOLE L'lgère de Boole est l prtie des mthémtiques, de l logique et de l'électronique qui s'intéresse ux opértions et ux fonctions sur les vriles logiques. Le nom provient de George Boole.
Plus en détailLicence M.A.S.S. Cours d Analyse S4
Université Pris I, Pnthéon - Sorbonne Licence MASS Cours d Anlyse S4 Jen-Mrc Brdet (Université Pris 1, SAMM) UFR 27 et Equipe SAMM (Sttistique, Anlyse et Modélistion Multidisiplinire) Université Pnthéon-Sorbonne,
Plus en détailCours d Analyse IV Suites et Séries de fonctions
Université Clude Bernrd, Lyon I Licence Sciences, Technologies & Snté 43, boulevrd 11 novembre 1918 Spécilité Mthémtiques 69622 Villeurbnne cedex, Frnce L. Pujo-Menjouet pujo@mth.univ-lyon1.fr Cours d
Plus en détail3- Les taux d'intérêt
3- Les tux d'intérêt Mishkin (2007), Monnie, Bnque et mrchés finnciers, Person Eduction, ch. 4 et 6 Vernimmen (2005), Finnce d'entreprise, Dlloz, ch. 20 à 22 1- Mesurer les tux d'intérêt comprer les différents
Plus en détailANALYSE NUMERIQUE NON-LINEAIRE
Université de Metz Licence de Mthémtiques - 3ème nnée 1er semestre ANALYSE NUMERIQUE NON-LINEAIRE pr Rlph Chill Lbortoire de Mthémtiques et Applictions de Metz Année 010/11 1 Tble des mtières Chpitre
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détail/HVV\VWqPHVFRPELQDWRLUHV
/HVV\VWqPHVFRPELQDWRLUHV I. Définition On ppelle système combintoire tout système numérique dont les sorties sont exclusivement définies à prtir des vribles d entrée (Figure ). = f(x, x 2,,, x n ) x x
Plus en détailChapitre 11 : L inductance
Chpitre : inductnce Exercices E. On donne A πr 4π 4 metn N 8 spires/m. () Selon l exemple., µ n A 4π 7 (8) 4π 4 (,5) 5 µh (b) À prtir de l éqution.4, on trouve ξ ξ 4 3 5 6 6,3 A/s E. On donne A πr,5π 4
Plus en détailChapitre 1 : Fonctions analytiques - introduction
2e semestre 2/ UE 4 U : Abrégé de cours Anlyse 3: fonctions nlytiques Les notes suivntes, disponibles à l dresse http://www.iecn.u-nncy.fr/ bertrm/, contiennent les définitions et les résultts principux
Plus en détailChapitre VI Contraintes holonomiques
55 Chpitre VI Contrintes holonomiques Les contrintes isopérimétriques vues u chpitre précéent ne sont qu un eemple prticulier e contrintes sur les fonctions y e notre espce e fonctions missibles. Dns ce
Plus en détailPartie 4 : La monnaie et l'inflation
Prtie 4 : L monnie et l'infltion Enseignnt A. Direr Licence 2, 1er semestre 2008-9 Université Pierre Mendès Frnce Cours de mcroéconomie suite 4.1 Introduction Nous vons vu dns l prtie introductive que
Plus en détailInfluence du milieu d étude sur l activité (suite) Inhibition et activation
Influence du milieu d étude sur l ctivité (suite) Inhibition et ctivtion Influence de l tempérture Influence du ph 1 Influence de l tempérture Si on chuffe une préprtion enzymtique, l ctivité ugmente jusqu
Plus en détailLITE-FLOOR. Dalles de sol et marches d escalier. Information technique
LITE-FLOOR Dlles de sol et mrches d esclier Informtion technique Recommndtions pour le clcul et l pose de LITE-FLOOR Générlités Cette rochure reprend les règles de se à respecter pour grntir l rélistion
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
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 détailL'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états.
ciences Industrielles ystèmes comintoires Ppnicol Roert Lycée Jcques Amyot I - YTEME COMBINATOIRE A. Algère de Boole. Vriles logiques: Un signl réel est une grndeur physique en générl continue, on ssocie
Plus en détailANALYSE : FONCTIONS D UNE VARIABLE RÉELLE
Jen-Pierre Dedieu, Jen-Pierre Rymond ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE Institut de Mthémtiques Université Pul Sbtier 31062 Toulouse cedex 09 jen-pierre.dedieu@mth.univ-toulouse.fr jen-pierre.rymond@mth.univ-toulouse.fr
Plus en détailTechniques d analyse de circuits
Chpitre 3 Tehniques d nlyse de iruits Ce hpitre présente différentes méthodes d nlyse de iruits. Ces méthodes permettent de simplifier l nlyse de iruits ontennt plusieurs éléments. Bien qu on peut résoudre
Plus en détailLANGAGES - GRAMMAIRES - AUTOMATES
LANGAGES - GRAMMAIRES - AUTOMATES Mrie-Pule Muller Version du 14 juillet 2005 Ce cours présente et met en oeuvre quelques méthodes mthémtiques pour l informtique théorique. Ces notions de bse pourront
Plus en détailCompte rendu de la validation d'un observateur cascade pour la MAS sans capteurs mécaniques sur la plate-forme d'essai de l'irccyn
Compte rendu de l vlidtion d'un oservteur cscde pour l MAS sns cpteurs mécniques sur l plte-forme d'essi de l'irccyn Mlek GHANES, Alin GLUMINEAU et Roert BOISLIVEAU Le 1 vril IRCCyN: Institut de Recherche
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailTurbine hydraulique Girard simplifiée pour faibles et très faibles puissances
Turbine hydrulique Girrd simplifiée pour fibles et très fibles puissnces Prof. Ing. Zoltàn Hosszuréty, DrSc. Professeur à l'université technique de Kosice Les sites hydruliques disposnt de fibles débits
Plus en détailToyota Assurances Toujours la meilleure solution
Toyot Assurnces Toujours l meilleure solution De quelle ssurnce vez-vous besoin? Vous roulez déjà en Toyot ou vous ttendez s livrison. Votre voiture est neuve ou d occsion. Vous vlez les kilomètres ou
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailIntégrale et primitives
Chpitre 5 Intégrle et primitives 5. Ojetif On herhe dns e hpitre à onstruire l opérteur réiproue de l opérteur de dérivtion. Les deux uestions suivntes sont lors nturelles. Question : Soit f une pplition
Plus en détailGuide d'utilisation Easy Interactive Tools Ver. 2
Guide d'utilistion Esy Interctive Tools Ver. 2 Guide d'utilistion Esy Interctive Tools Ver.2 Présenttion de Esy Interctive Tools 3 Crctéristiques Fonction de dessin Vous pouvez utiliser Esy Interctive
Plus en détail- Phénoméne aérospatial non identifié ( 0.V.N.I )
ENQUETE PRELIMINAIRE ANALYSE ET REFEREWCES : Phénoméne érosptil non identifié ( 0VNI ) B8E 25400 DEF/GEND/OE/DOlRENS du 28/9/1992 Nous soussigné : M D L chef J S, OPJ djoint u commndnt de l brigde en résidence
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 détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailMagister en : Génie Mécanique
الجمهورية الجزاي رية الديمقراطية الشعبية République Algérienne Démocrtique et Populire وزارة التعليم العالي و البحث العلمي Ministère de l enseignement supérieur et de l recherche scientifique Université
Plus en détailIntroduction à la modélisation et à la vérication p. 1/8
Introduction à l modélistion et à l vériction Appliction ux systèmes temporisés Ptrici Bouyer LSV CNRS & ENS de Cchn Introduction à l modélistion et à l vériction p. 1/8 Modélistion & Vériction Introduction
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailSommaire. 6. Tableau récapitulatif... 10. Sophos NAC intégré Vs. NAC Advanced - 17 Février 2009 2
Sommire 1. A propos de Sophos... 3 2. Comprtif des solutions Sophos NAC... 4 3. Sophos NAC pour Endpoint Security nd Control 8.0... 4 3.1. Administrtion et déploiement... 4 3.2. Gestion des politiques
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailSYSTEME DE TELEPHONIE
YTEME DE TELEPHOIE LE OUVEUTE PTIE MOITEU COULEU Le système de téléphonie comporte un moniteur vec un écrn couleurs de intégré u téléphone. Cette prtie est disponile en lnc, nthrcite et Tech. TLE DE MTIEE
Plus en détailNotes de révision : Automates et langages
Préprtion à l grégtion de mthémtiques 2011 2012 Notes de révision : Automtes et lngges Benjmin MONMEGE et Sylvin SCHMITZ LSV, ENS Cchn & CNRS Version du 24 octore 2011 (r66m) CC Cretive Commons y-nc-s
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 détailThèse Présentée Pour obtenir le diplôme de doctorat en sciences En génie civil Option : structure
République Algérienne Démocrtique et Populire Ministère de l enseignement supérieur et de l recherche scientifique Université Mentouri de Constntine Fculté des sciences et sciences de l ingénieur Déprtement
Plus en détailPour développer votre entreprise LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI!
Pour développer votre entreprise Gestion Commercile Gérez le cycle complet des chts (demnde de prix, fcture fournisseur), des stocks (entrée, sortie mouvement, suivi) et des ventes (devis, fcture, règlement,
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailSciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot
Scence Indutrelle Précon de ytème erv Pncol Robert Lycée Jcque Amyot I - PRECISION DES SYSTEMES ASSERVIS A. Poton du roblème 1. Préentton On vu que le rôle d un ytème erv et de fre uvre à l orte (t) une
Plus en détailElectrovanne double Dimension nominale Rp 3/8 - Rp 2 DMV-D/11 DMV-DLE/11
Electrovnne double Dimension nominle 3/8 - DMV-D/11 DMV-DLE/11 7.30 M Edition 11.13 Nr. 223 926 1 6 Technique L électrovnne double DUNGS DMV intère deux électrovnnes dns un même bloc compct : - vnnes d
Plus en détailTransfert. Logistique. Stockage. Archivage
Trnsfert Logistique Stockge Archivge Trnsfert, logistique, stockge Pour fire fce ux nouveux enjeux, il est importnt de pouvoir compter sur l'expertise d'un spéciliste impliqué à vos côtés, en toute confince.
Plus en détailEnsEignEmEnt supérieur PRÉPAS / BTS 2015
Enseignement supérieur PRÉPAS / BTS 2015 Stnisls pour mbition de former les étudints à l réussite d exmens et de concours des grndes écoles de mngement ou d ingénieurs. Notre objectif est d ccompgner chque
Plus en détailConseils et astuces pour les structures de base de la Ligne D30
Conseils et stuces pour les structures de bse de l Ligne D30 Conseils et stuces pour l Ligne D30 Ligne D30 - l solution élégnte pour votre production. Rentbilité optimle et méliortion continue des séquences
Plus en détailAlgorithmes sur les mots (séquences)
Introduction Algorithmes sur les mots (séquences) Algorithmes sur les mots (textes, séquences, chines de crctères) Nomreuses pplictions : ses de données iliogrphiques ioinformtique (séquences de iomolécules)
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailAUTOUR D UN MÉMOIRE INÉDIT : LA CONTRIBUTION D HERMITE AU DÉVELOPPEMENT DE LA THÉORIE DES FONCTIONS ELLIPTIQUES. Bruno BELHOSTE (*)
Revue d histoire des mthémtiques, 2 (1996), p. 1 66. AUTOUR D UN MÉMOIRE INÉDIT : LA CONTRIBUTION D HERMITE AU DÉVELOPPEMENT DE LA THÉORIE DES FONCTIONS ELLIPTIQUES Bruno BELHOSTE (*) RÉSUMÉ. Dns cet rticle,
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailINSTALLATION DE DETECTION INCENDIE
reglement > > instlltion E ETECTON NCENE NSTALLATON E ETECTON NCENE Une instlltion de détection incendie pour objectif de déceler et signler, le plus tôt possible, d une mnière fible, l nissnce d un incendie,
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailAvant d utiliser l appareil, lisez ce Guide de référence rapide pour connaître la procédure de configuration et d installation.
Guide de référence rpide Commencer Avnt d utiliser l ppreil, lisez ce Guide de référence rpide pour connître l procédure de configurtion et d instlltion. NE rccordez PAS le câle d interfce mintennt. 1
Plus en détailRéalisation de sites Internet PME & Grandes entreprises Offre Premium. Etude du projet. Webdesign. Intégration HTML. Développement.
Rélistion de sites Internet PME & Grndes entreprises Offre Premium Etude du projet Réunions de trvil et étude personnlisée de votre projet Définition d une strtégie de pré-référencement Webdesign Définition
Plus en détailModification simultanée de plusieurs caractéristiques d un bien hédonique : une nouvelle méthode de calcul de la variation de bien-être des ménages
Modifiction simultnée de plusieurs crctéristiques d un bien hédonique : une nouvelle méthode de clcul de l vrition de bien-être des ménges Trvers Muriel * Version provisoire Résumé : De nombreuses situtions
Plus en détailI3, Probabilités 2014 Travaux Dirigés F BM F BM F BM F BM F B M F B M F B M F B M 20 20 80 80 100 100 300 300
I3, Probabilités 2014 Travaux Dirigés TD 1 : rappels. Exercice 1 Poker simplié On tire 3 cartes d'un jeu de 52 cartes. Quelles sont les probabilités d'obtenir un brelan, une couleur, une paire, une suite,
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailTheorie des mrches Dns ce chpitre, on etudie l'interction de l'ore et de l demnde sur un mrche d'un bien donne. On etudier, en prticulier, l'equilibre du mrche. Etnt donne qu'on s'interesse uniquement
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailVIBRATIONS COUPLEES AVEC LE VENT
VIBRATIONS OPLEES AVE LE VENT Pscl Hémon Lbortoire d Hydrodynmique, LdHyX Ecole Polytechnique, Pliseu Octobre 00 Vibrtions couplées vec le vent Si vous pense que j i révélé des secrets, je m en ecuse.
Plus en détailRégression multiple : principes et exemples d application. Dominique Laffly UMR 5 603 CNRS Université de Pau et des Pays de l Adour Octobre 2006
Régression multiple : principes et eemples d ppliction Dominique Lffly UMR 5 603 CNRS Université de Pu et des Pys de l Adour Octobre 006 Destiné à de futurs thémticiens, notmment géogrphes, le présent
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailPour développer votre entreprise. Compta LES LOGICIELS EN LIGNE, VOUS ALLEZ DIRE OUI!
Pour développer votre entreprise Compt Avec EBP Compt, vous ssurez le suivi de l ensemble de vos opértions et exploitez les données les plus complexes en toute sécurité. Toutes les fonctionnlités essentielles
Plus en détailDérivation : cours. Dérivation dans R
TS Dérivation dans R Dans tout le capitre, f désigne une fonction définie sur un intervalle I de R (non vide et non réduit à un élément) et à valeurs dans R. Petits rappels de première Téorème-définition
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailDéroulement de l épreuve de mathématiques
Dérouleet de l épreuve de thétiques MATHÉMATIQUES Extrit de l ote de service 2012-029 du 24 février 2012 (BOEN 13 du 29-3-2012) Durée de l épreuve : 2 heures Nture de l épreuve : écrite pr le socle cou
Plus en détailClients légers IGEL et bureaux virtuels : synergie idéale et coût minimal
Clients légers IGEL et bureux virtuels : synergie idéle et coût miniml Infrstructure de bureux virtuels vec clients légers IGEL Universl Desktop : Une plus grnde liberté de conception pour vos postes de
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 détailLe canal étroit du crédit : une analyse critique des fondements théoriques
Le cnl étroit du crédit : une nlyse critique des fondements théoriques Rfl Kierzenkowski 1 CREFED Université Pris Duphine Alloctire de Recherche Avril 2001 version provisoire Résumé A l suite des trvux
Plus en détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
Plus en détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détailModule 2 : Déterminant d une matrice
L Mth Stt Module les déterminnts M Module : Déterminnt d une mtrice Unité : Déterminnt d une mtrice x Soit une mtrice lignes et colonnes (,) c b d Pr définition, son déterminnt est le nombre réel noté
Plus en détail