arxiv: v1 [math.st] 14 Feb 2013
|
|
- Coraline Michel
- il y a 6 ans
- Total affichages :
Transcription
1 arxv:32.343v [math.st] 4 Feb 23 Illustraton par quelques exemples des los strctement stables dans un cône convexe Shuyan Lu a Résumé La stablté d une varable aléatore peut être généralsée dans un cône convexe. Les résultats concernant la représentaton de LePage et le domane d attracton sont analogues mas dfférents de ceux qu sont obtenus dans l espaces de Banach. Quelques exemples de los strctement max-stables et α-stables sont présentés dans cet artcle afn de montrer le len entre le processus ponctuel possonnen et la lo stable dans un cône convexe. Mots clés : α-stable, max-stable, cône convexe, processus ponctuel possonnen, sére de LePage, smulaton. Introducton Un vecteur aléatore X à valeurs dans un espace de Banach a la lo strctement α-stable (StαS) s pour tous a, b > a /α X + b /α X 2 L = (a + b) /α X, (.) où X, X 2 sont les copes ndépendantes de X, et L = représente l égalté en lo. La stablté (.) peut être défne dans tous les espaces où l addton des éléments et la multplcaton par les scalares postfs sont ben défnes,.e. dans un cône convexe. Dans ce cas les résultats prncpaux (la représentaton de LePage, le domane d attracton, etc.) sont analogues mas dfférents de ceux qu sont obtenus dans l espace de Banach. L ntervalle des valeurs possbles de l ndce caractérstque α dépend des proprétés algébrques et topologques de base de l espace où l élément aléatore StαS est défn. Par exemple l est a SAMM (EA 4543), Unversté Pars Panthéon-Sorbonne, Centre PMF, 753 Pars, France.
2 connu que α est dans l ntervalle (, 2] pour les los α-stables dans l espace de Banach. S on remplace l addton dans (.) par les opératons de maxmum et mnmum, les vecteurs aléatores max-stables et mn-stables apparassent. Les los max-stables exstent pour tout α >, tands que les los mn-stables peuvent avor toutes les valeurs négatves pour l ndce α. Davydov et ses coauteurs ont caractérsé dans [4] les los des éléments aléatores StαSs dans un cône convexe et présenté les valeurs possbles pour l ndce α selon les proprétés du semgroupe et la dstrbutvté de l opératon de multplcaton correspondante. Nous présentons dans cet artcle quelques exemples des los StαSs et max-stables dans R 2 avec la smulaton numérque de la densté, afn d llustrer les rôles de l ndce α et de la mesure spectrale dans la forme de la densté de lo StαS dans dfférents cônes convexes. Rappelons qu un vecteur aléatore α-stable symétrque ou avec α < à valeurs dans R d admet la représentaton de LePage suvante [9] k= cγ /α k ɛ k, (.2) où c >, Γ k représente la somme de k varables..d. de lo exponentelle d espérance et ɛ, ɛ 2,... sont les vecteurs aléatores untares..d. et ndépendants de {Γ k } k=. Notons Π α le processus ponctuel dont le support est {cγ /α k ɛ k, k },.e. Π α = k= δ cγ /α k ɛ k (.3) où δ x désgne la mesure de Drac au pont x. Le support du processus Π α est un ensemble fermé aléatore unon-stable [2] [4],.e. pour tous a, b > a /α supp(π α) b /α supp(π α) L = (a + b) /α supp(π α ). (.4) où Π α et Π α sont les copes ndépendantes de Π α. Cela sgnfe que l unonstablté du support de processus Π α est étrotement lée à la stablté classque (.). Cette relaton est l dée clé dans [4] pour obtenr les résultats concernant la représentaton de LePage et le domane d attracton de lo StαS dans un cône convexe. Les exemples présentés dans cet artcle montrent que les processus ponctuels sont utles non seulement pour obtenr les résultats généraux sur les los StαSs dans un cône convexe, mas auss pour dédure la foncton de répartton et la régularté de la queue d une lo max-stable avec la mesure spectrale donnée. Un autre but de cet artcle est de montrer que les processus ponctuels possonnens peuvent être utlsés pour smuler les vecteurs aléatores suvant 2
3 les los StαSs et max-stables. Ces deux famlles de los apparassent souvent dans les applcatons du domane des événements rares qu demandent le tratement de valeurs extrêmes. Il exste des méthodes connues pour engendrer les données de lo stable [2] [23] [] et de lo max-stable [3] [22] [2]. En utlsant la représentaton de LePage généralsée dans un cône convexe, nous pouvons engendrer les données suvant les los StαSs et max-stables de façon analogue. Notre méthode ne nécesste pas la dscrétsaton de la mesure spectrale, elle est donc plus pratque pour smuler les vecteurs aléatores StαSs et max-stables avec la mesure spectrale absolument contnue. Nous résumons dans la secton 2 les défntons et les résultats de base concernant les los StαSs dans un cône convexe. Pour la présentaton plus détallée nous renvoyons le lecteur à l artcle [4]. La secton 3 présente les los strctement max-stables et α-stables avec des exemples concrets. Nous obtenons l expresson explcte des los jontes et margnales des vecteurs aléatores strctement max-stables avec les mesures spectrales données. Les résultats de smulaton des vecteurs aléatores dans les deux famlles sont présentés. 2 Los strctement stables dans un cône convexe 2. Cônes convexes Défnton 2.. Un cône convexe IK est un semgroupe abélen topologque, supposé complet et séparable, avec une opératon de multplcaton par des scalares postfs, (x, a) ax, contnue pour tout x IK et a > tel que les condtons suvantes sont remples : ) a(x + y) = ax + ay, a >, x, y IK 2) a(bx) = (ab)x, a, b >, x IK 3) x = x, x IK 4) ae = e, a >, e est l élément neutre de IK. Le cône IK s appelle cône ponté s l y a un élément unque dt l orgne tel que ax lorsque a pour tout x IK \{e}. Remarquons que la condton suvante qu est typquement mposée dans la lttérature (vor par exemple [8]) pour un cône n est pas nécessare c (a + b)x = ax + bx, a, b >, x IK. (2.) Par exemple R + = [, ) avec l opératon d addton défne par le maxmum ne vérfe pas cette condton. Dans un cône ponté, s la dstrbutvté (2.) 3
4 a leu ou s l exste l élément x e qu possède l nverse ( x), alors e =. Généralement l élément neutre ne coïncde pas nécessarement avec l orgne. Défnton 2.2. Un élément z IK est α-stable avec α, s pour tous a, b >. a /α z + b /α z = (a + b) /α z Dans la sute on note IK(α) l ensemble des éléments α-stables de IK. Il est clar que e, IK(α) pour tout α. Défnton 2.3. Le cône IK s appelle un cône normé s IK est métrsable par une dstance d qu est homogène à l orgne,.e. d(ax, ) = ad(x, ) pour tout a > et x IK. La valeur x = d(x, ) s appelle la norme de x. Dans la sute on suppose que IK est un cône normé. Il est clar que x = s et seulement s x =. De plus s e, alors la proprété 4) de la défnton 2. mplque que e = d(e, ) =. Il est donc essentel d admettre que d peut prendre la valeur nfne. Par exemple, s IK est le cône R + = [, ] où l opératon d addton est défne par le mnmum, noté (R +, ), alors la dstance eucldenne d un élément non-zéro x R + à (étant l élément neutre) est nfne. L ensemble S = {x x = } s appelle la sphère unté. Le cône ponté admet la décomposton polare réalsée par la bjecton x ( x, x/ x ) entre IK = IK\{, e} et (, ) S. La dstance ou la norme dans IK est dte sous-nvarante s d(x + h, x) d(h, ) = h, x, h IK. Cette contrante n est pas trvale, par exemple le cône (R +, ) avec la dstance eucldenne ne vérfe pas cette proprété. S IK a une norme sousnvarante, alors = e, et pour tout α (, ), e est l élément unque de norme fne qu appartent à IK(α). Les exemples typques de cônes qu possèdent ces proprétés sont les espaces de Banach ou les cônes convexes dans l espace de Banach, la famlle des sous-ensembles compacts (ou compacts convexes) d un espace de Banach 4
5 avec l addton de Mnkowsk [5] [7] [6], la famlle des ensembles compacts dans R d avec l opératon d addton défne par l unon [] et la famlle des mesures fnes avec l addton conventonnelle et la multplcaton scalare [3] [7]. Un autre exemple typque est l espace R + = [, ) avec l opératon d addton défne par le maxmum,.e. x + y = x y = max(x, y). D autres exemples et nformatons peuvent être trouvés dans [4]. 2.2 Processus ponctuels dans un cône Consdérons un cône normé IK mun de la σ-algèbre borélenne B(IK). La boule ouverte de rayon r centrée au pont est notée par B r = {x IK x < r}. L ntéreur de son complément est noté par B r = {x x > r}. Une mesure de comptage m est une mesure de forme suvante m = δ x + δ x2 + = δ x où {x, x 2,...} est un ensemble de ponts dénombrable au maxmum. Sot M (respectvement M) la famlle des mesures de comptage m sur B(IK) telles que m(b r ) < (respectvement m(b r ) < ) pour tout r >. Pour couvrr ces deux cas avec la même notaton, on note A r au leu de B r (respectvement B r ) dans le cas où l on consdère les mesures dans M (respectvement M). Alors nous avons toujours m(a r ) <, c est-à-dre seulement un nombre fn de ponts x du support de m se stuent dans A r. Un processus ponctuel µ est une applcaton mesurable d un espace de probablté à M (ou M) mun de la σ-algèbre engendrée par les ensembles des mesures m M (ou m M) telle que m(b) = n pour les ensembles borélens B IK et n. Sot Λ une mesure sur IK qu est fne sur A r pour tout r >. Un processus ponctuel Π est un processus possonnen de mesure d ntensté Λ, s pour toute famlle d ensembles borélens dsjonts F,..., F n, les varables aléatores Π(F ),..., Π(F n ) sont mutuellement ndépendantes et dstrbuées suvant les los de Posson d espérance Λ(F ),..., Λ(F n ) respectvement. Défnton 2.4. (Processus ponctuel possonnen stable Π α,σ ) Sot Λ α,σ une mesure sur IK défne par m α σ où σ est une mesure fne sur B(S) et m α 5
6 est une mesure sur (, ) telle que pour α on a { mα ((r, )) = r α s α >, m α ((, r)) = r α r >. (2.2) s α <, Le processus ponctuel possonnen stable est un processus possonnen de mesure d ntensté Λ α,σ, noté Π α,σ. La mesure σ s appelle la mesure spectrale. L mportance du processus Π α,σ vent du fat que le support de Π α,σ est unon-stable,.e. Π α,σ vérfe l égalté (.4). Pour tout α, le processus Π α,σ admet la représentaton (.3) (Th. 3.3 [4]) avec les éléments aléatores {ɛ k }..d. à valeurs dans S et de lo σ( ) = σ( )/σ(s) et c = σ(s) /α. Sot {ξ k, k } une sute d éléments aléatores..d. à valeurs dans IK. Un processus ponctuel emprque est défn par β n = n δ ξk /b n, n, k= où {b n, n } est une sute de constantes de normalsaton telle que b n, s n. On va montrer dans le théorème 2.5 que pour avor de proprétés ntéressantes, les constantes b n dovent avor la forme suvante b n = n /α L(n), n, (2.3) avec α et L(n) une foncton à varaton lente à l nfn. La convergence fable des processus ponctuels µ n µ a leu, s Eh(µ n ) Eh(µ) lorsque n pour toute foncton h sur M ou M à valeurs dans R contnue dans la topologe vague et bornée. Le processus possonnen Π α,σ est la lmte fable du processus emprque β n, s la lo des ξ k a la queue à varaton régulère [8]. On donne c ce résultat sous la forme de [4]. Théorème 2.5. (Th. 4.3 [4]) Soent ξ, ξ, ξ 2,... des éléments aléatores..d. à valeurs dans IK. Alors β n Π α,σ lorsque n pour α > s et seulement s l exste une mesure fne σ sur B(S) telle que on a { } ξ lm np n ξ B, ξ > rb n = σ(b)r α, (2.4) pour tout r > et B B(S) avec σ( B) =, où b n est de forme (2.3). 6
7 Remarque. La condton (2.4) est typque pour les théorèmes lmtes de somme des éléments aléatores (vor [8] page 54 et [] page 67). Il exste un résultat smlare pour α < (Cor. 4.4 [4]). La lo d un élément aléatore ξ à valeurs dans IK est dte à queue régulère s la condton de varaton régulère (2.4) est vérfée. 2.3 Sére de LePage et domanes d attracton de lo StαS Un élément aléatore X dans IK a la lo strctement α-stable (StαS) s l vérfe la condton (.) de l ntroducton avec les opératons d addton et multplcaton défnes sur IK. Le théorème c-dessous donne une famlle rche de los StαSs par leur décomposton en sére. Théorème 2.6. (Th. 3.6 [4]) Soent {λ k, k } et {ɛ k, k } deux sutes ndépendantes de varables aléatores..d.. Les varables aléatores λ k ont la lo exponentelle standard, les éléments aléatores ɛ k sont de même lo σ( ) qu est une mesure fne normalsée sur S. Notons Γ k = λ + +λ k, k. S la valeur prncpale de l ntégrale xπ α, σ (dx) est fne,.e. A r xπ α, σ (dx) <, avec probablté, alors pour tout z IK(α) et c, la sére ξ α,σ = z + c k= Γ /α k ɛ k (2.5) converge presque sûrement (p.s.) et ξ α,σ admet une lo StαS sur IK. Le paramètre α s appelle l ndce caractérstque et la mesure σ( ) = c α σ( ) s appelle la mesure spectrale. S la norme de IK est sous-nvarante, alors la somme nfne (2.5) converge absolument p.s. pour tout α (, ). Défnton 2.7. Un élément aléatore X à valeurs dans IK appartent au domane d attracton d un élément aléatore StαS, noté ξ α,σ, s pour {X n, n }, une sute de copes ndépendantes de X, on a b n (X + + X n ) ξ α,σ, (2.6) où {b n, n } est une sute de constantes de normalsaton postves et désgne la convergence fable des éléments aléatores à valeurs dans IK. Le fat que l élément aléatore X appartenne au domane d attracton de ξ α,σ sera noté par l écrture X Dom(α, σ). Le théorème suvant montre qu avec une condton supplémentare sur IK la régularté de la queue de la lo de X mplque que X Dom(α, σ) pour < α <. 7
8 Théorème 2.8. (Th. 4.7 [4]) Supposons que IK a la norme sous-nvarante. S la lo d un élément aléatore X IK vérfe la condton (2.4) avec α (, ), alors X appartent au domane d attracton d un élément aléatore StαS qu admet la représentaton du type de LePage (.2) avec Γ k, ɛ k et c qu sont défns comme dans le théorème 2.6. Remarque 2. La condton (2.4) est nécessare et suffsante pour qu un vecteur aléatore à valeurs dans R d appartenne au domane d attracton d une lo StαS avec < α < 2 []. L exstence de la mesure spectrale d une lo StαS dans un espace de Banach séparable est connue. L exstence de la représentaton de LePage d un élément aléatore StαS dans un semgroupe plus général est démontrée dans [4]. Dans la secton suvante nous présentons quelques exemples de los max-stables et α-stables. 3 Quelques exemples et smulaton 3. Los strctement max-stables On consdère les los stables dans le cône (R d +, ). Les vecteurs dans R d + = [, ) d sont notés par x = (x,..., x d ). Les relatons et opératons sont défnes par composante, c est-à-dre pour x, y R d + x < y sgnfe x < y, =,..., d, x y sgnfe x y, =,..., d, x + y := x y = (x y,..., x d y d ), Les rectangles sont notés par ax := (ax,..., ax d ), a >. (a, b) = {(x,..., x d ) a < x < b,..., a d < x d < b d }, [a, b] = {(x,..., x d ) a x b,..., a d x d b d }. Prenons la L -norme,.e. x = max(x,..., x d ). La sphère unté dans cette norme {x x = } est notée par S d. Un vecteur aléatore X = (X (),..., X (d) ) a la lo strctement max-stable s pour tous a, b > ( a /α X () b /α X () 2,..., a/α X (d) ) b /α X (d) L= 2 (a+b) /α (X (),..., X (d) ) 8
9 où X, X 2 sont les copes ndépendantes de X. Sot ɛ, ɛ 2,... une sute de vecteurs aléatores..d. à valeurs dans S d suvant la lo σ. Sot λ, λ 2,... une sute de varables aléatores..d. de lo exponentelle standard et Γ = j= λ j. Les sutes {ɛ } et {Γ } sont ndépendantes. La sére suvante converge absolument p.s. pour tout α > = Γ /α ɛ. (3.) Le résultat drect du théorème 2.6 ndque que cette sére produt un vecteur aléatore strctement max-stable avec l ndce α > et la mesure spectrale σ. Dans la sute on utlse l écrture MS d (α, σ) pour ndquer la lo strctement max-stable d-dmensonnelle d ndce α et de mesure spectrale σ. Sot ξ α,σ un vecteur aléatore de lo MS d (α, σ). Pusque ξ α,σ et la sére (3.) ont la même lo, le maxmum partel suvant donne une approxmaton de la lo de ξ α,σ k ˆξk = Γ /α ɛ. Notons = ɛ = (ɛ (),..., ɛ (d) ) et τ j = mn{ ɛ (j) = }, j =,..., d, =, 2,.... Supposons que P{ɛ (j) = } = p j >, j =,..., d. Le vecteur aléatore ˆξ k converge vers ξ α,σ en probablté lorsque k tend vers l nfn. En effet P{ˆξ k ξ α,σ } = P{ j tel que τ j > k} d P{τ j > k} = La dernère égalté vent du fat que la lo de τ j est géométrque j= d ( p j ) k. P{τ j = n} = P{ɛ (j) <,..., ɛ (j) n <, ɛ(j) n = } = ( p j ) n p j. Notons le processus ponctuel j= Π α,σ ( ) = = δ Γ /α ɛ ( ), (3.2) 9
10 où Γ et ɛ sont défns comme dans (3.). D après la représentaton du processus ponctuel possonnen stable (.3) et la défnton (2.2), la mesure d ntensté de Π α,σ est m α σ. Remarquons que pour tout r >, pusque m α ((r, )) = r α <, on a P{Π α,σ ({x x > r}) < } =. Il y a seulement un nombre fn de ponts du support de Π α,σ qu sont grands. Le fat que ξ α,σ et la sére (3.) ont la même lo mplque que la lo de ξ α,σ ne dépend que des ponts les plus grands du processus Π α,σ. La lo de ξ α,σ est facle à calculer, pour x > P{ξ α,σ [, x]} = P{Π α,σ ([, x] ) = } = exp( m α σ([, x] )). (3.3) La représentaton de LePage (3.) peut être écrte sous la forme suvante ( L ξ α,σ = Γ /α k ɛ () ) k,..., Γ /α k ɛ (d) k = (Γτ /α,..., Γ /α τ d ). k= k= La lo margnale de ξ α,σ peut être obtenue en utlsant le processus ponctuel Π α,σ (j) = = δ Γ /α ɛ (j), j =,..., d. (3.4) S la lo de la composante ɛ (j), notée σ(j), est connue, alors P{ξ (j) α,σ x j } = P{Π α,σ (j)((x j, )) = } = exp( m α σ (j) ((x j, ))). (3.5) Dans les tros exemples c dessous nous utlsons le len entre le processus ponctuel possonnen et la lo strctement max-stable pour dédure la foncton de répartton de la lo avec la mesure spectrale donnée. L exemple présente la mesure spectrale dscrète et concentrée sur les ponts d ntersecton des axes et de la sphère unté. Dans ce cas le vecteur aléatore strctement maxstable a ses composantes ndépendantes. L exemple 2 présente la mesure spectrale unforme. L expresson explcte de la lo jonte est obtenue pour d = 2. L exemple 3 présente la mesure spectrale dans R 2 concentrée sur deux ponts qu ne sont pas nécessarement sur les axes. L exemple pour d = 2 est un cas partculer de l exemple 3. Des vecteurs aléatores strctement max-stables à valeurs dans R 2 avec les mesures spectrales présentées sont smulés en utlsant le maxmum partel de la représentaton de LePage ˆξ k.
11 Exemple. Consdérons le vecteur aléatore ξ α,σ de lo MS d (α, σ) avec d σ( ) = p δ e ( ), = { où e = (e (),..., e (d) ), e (j), = j =, snon et d p =, p, = =,..., d. C est-à-dre la mesure spectrale σ concentrée sur les ponts où les axes et la sphère unté se crosent. Pour chaque, ɛ () est la varable aléatore de lo de Bernoull de paramètre p. En applquant (3.5), on a la lo margnale de ξ α,σ P{ξ () α,σ x } = exp( p x α ). En applquant (3.3), on a la foncton de répartton de ξ α,σ, pour x > ( ) d P{ξ α,σ [, x]} = exp p x α. En concluson, le vecteur aléatore strctement max-stable ξ α,σ a ses composantes ndépendantes s la mesure spectrale est concentrée sur l ntersecton des axes et de la sphère unté. C est un résultat connu qu on peut trouver par exemple dans [8] (Cor. 5.25). La fgure (a.) présente les courbes de nveau de la densté de lo strctement max-stable bvarée d ndce α =.75 et mesure spectrale σ( ) =.5δ {(,)} ( ) +.5δ {(,)} ( ). Exemple 2. Sot σ la mesure unforme sur S d. Sot ɛ le vecteur aléatore untare de lo σ. Avant de consdérer la lo MS d (α, σ), nous montrons que la lo de composante ɛ (), =,..., d, est = σ () ( ) = d I {}( ) + d d µ( )I B([,))( ), (3.6) où µ est la mesure de Lebesgue sur [, ). Pusque ɛ =, on a P{ {,..., d} tel que ɛ () = } =. (3.7) L absolue contnuté de la lo de ɛ mplque que P{ɛ () = ɛ (j) =, j} =. (3.8) En consdérant (3.7), (3.8) et l unformté de la lo de ɛ, on a P{ɛ () = } =, =,..., d. (3.9) d
12 Ans on a P{ɛ () [, )} = d, =,..., d. (3.) d Les égaltés (3.9), (3.) et l absolue contnuté de la lo de ɛ mplquent (3.6). Sot ξ α,σ le vecteur aléatore de lo MS d (α, σ) avec σ unforme. En applquant (3.5), on a la lo margnale de ξ α,σ ( P{ξ α,σ () x } = exp α + d ) (α + )d x α. En effet en notant η la varable aléatore de lo m α, on a m α σ () ((x, )) = P{ηɛ () k > x } = P{η > x, ɛ () = } + P{ηɛ() = d (x ) α + = k x α + d (α + )d x α. x k > x, ɛ () k αt α 2 d d dtdx [, )} De manère analogue on peut dédure de (3.3) la foncton de répartton de ξ α,σ. Il n y a pas d expresson générale pour tout d. Dans le cas où d = 2 la lo jonte de ξ α,σ est ( ) F ξα,σ (x, x 2 ) = exp 2(α + ) (αx ()x α (2) + (α + 2)x α () ), où x () = x x2 et x (2) = x x2. La fgure (b.) présente les courbes de nveau de la densté de lo strctement max-stable bvarée d ndce α =.75 et de mesure spectrale unforme. On dscute fnalement la régularté de la queue de cette lo. En prenant l ensemble B = [(, ), (, t)] ou B = [(, ), (t, )], t, on a pour tout r > où I = P{Π α,σ ((r, ) B), Π α,σ ((tr, ) B ) = } P{ξ α,σ (r, ) B} P{Π α,σ ((r, ) B) } = I 2, I = ( exp( σ(b)r α )) exp( σ(b )(tr) α ) et I 2 = exp( σ(b)r α ). 2
13 On en dédut P{ξ α,σ B (r, )} σ(b)r α lorsque r. Donc la lo de ξ α,σ vérfe la condton de varaton régulère (2.4) a b Fgure Courbes de nveau des denstés réelles (gauche) et emprques (drote) de la lo MS 2 (.75, σ), où σ est dscrète défne dans l exemple (a.), unforme défne dans l exemple 2 (b.). Le nombre de données smulées est 7. Exemple 3. Consdérons le vecteur aléatore ξ α,σ de lo MS 2 (α, σ) avec σ concentrée sur deux ponts σ( ) = pδ e ( ) + qδ e2 ( ), (3.) où e = (, a), e 2 = (b, ), a, b et p + q =. Il est facle de vor que ξ α,σ est à valeurs dans la régon entre deux dem-drotes sortant du pont 3
14 d orgne vers les ponts e et e 2. On en dédut la foncton de répartton exp( px α qx α 2 ), a < x 2/x < /b, P{ξ [, x]} = exp( (pa α + q)x α 2 ), x 2/x < a, exp( (p + qb α )x α ), x 2/x > /b. En notant le moment d arrêt τ = mn{ ɛ = e 2 }, consdérons la probablté que ξ α,σ est à valeurs dans la dem-drote {e (, )} P{ξ α,σ e (, r)} = = = =2 =2 P{ɛ = e, τ =, Γ /α { p λ2 + + λ qp λ < aγ /α, Γ /α < r} } > a α, λ > r α ( p pq( ) aα ) q + pa α exp( (p + qa α )r α ). De manère analogue on a P{ξ α,σ e 2 (, r)} = ( q pq( ) bα ) p + qb α exp( (q + pb α )r α ). S a = b =, alors p = q = et la lo de ξ α,σ est défne sur la dem drote qu dvse le premer quadrant en deux motés égales. S a = b = alors ξ α,σ a ses valeurs strctement à l ntéreur du premer quadrant et ses composantes sont ndépendantes. Cela coïncde avec l exemple. Plus a et b sont proches de, plus l est possble que ξ α,σ est à valeurs sur les dem-drotes. La fgure 2 présente la dépendance des paramètres a, b et α de la densté de MS 2 (α, σ) avec σ défne par (3.). Consdérons la régularté de la queue de cette lo. Défnssons deux vecteurs aléatores ɛ () L = pδe, ɛ (2) L = qδe2. Notons ɛ (), ɛ() 2,... les copes ndépendantes de ɛ(), =, 2. D après le résultat de l amncssement du processus (vor par exemple Prop [9]), les processus Π et Π 2 défns par Π = j= δ Γ /α j ɛ () j, =, 2, sont ndépendants et possonnens. Les mesures d ntensté sont respectvement m α pδ e et m α qδ e2. Prenons l ensemble B = [(, s), (, t)], 4
15 s < a < t. Il est facle de vor que pour tout r > où I = P{Π ((r, ) {e }), Π 2 ((tr, ) {e 2 }) = } P{ξ α,σ (r, ) B} P{π ((r, ) {e }) } = I 2, I = ( exp( pr α )) exp( q(tr) α ) et I 2 = exp( pr α ). Les deux termes I et I 2 sont équvalents à pr α lorsque r, ans on a P{ξ α,σ B (r, )} pr α lorsque r. De même manère, pour B = [(s, ), (t, )], s < b < t on a P{ξ α,σ (r, ) B} qr α s r. La lo de ξ α,σ vérfe la condton de varaton régulère (2.4). 3.2 Los α-stables La dffculté dans l étude de los α-stables est que, sauf pour les cas partculers (α =.5, et 2), l n y a pas de forme explcte pour la densté. Les vecteurs aléatores α-stables sont détermnés par leur foncton caractérstque. Défnton 3.. La foncton caractérstque d un vecteur aléatore α-stable ( < α < 2) dans R d s exprme par l expresson suvante : ( φ α,σ (t) = exp ) ψ α ( t, s )σ(ds) + δ, t, C α S d où S d = {x R d x = }, σ est une mesure fne sur la sphère unté S d, δ est un vecteur dans R d, t, s représente le produt scalare, et C α = { α Γ(2 α) cos(πα/2), α, 2 π, α =, (3.2) ( x α sgn(x) tan πα ψ α (x) = 2 x ), α, ( + π 2 sgn(x) ln x ), α =. 5
16 a b c Fgure 2 Courbes de nveau des denstés réelles (gauche) et emprques (drote) de la lo MS 2 (α, σ) où σ est dscrète défne dans l exemple 3 avec p = q =.5, α =.75 et a = b =.2 (a.), α =.75 et a = b =.5 (b.), α = 3 et a = b =.5. Le nombre de données smulées est 7. 6
17 La lo stable dans R d est spécfée par un nombre α entre et 2 dt ndce de stablté, une mesure fne σ sur S d dte mesure spectrale et un vecteur δ dans R d. Il exste des méthodes numérques pour obtenr la densté et la foncton de répartton approxmatves d une lo stable [5]. Dans le cas undmensonnel la sphère unté ne content que deux ponts,.e. S = {, }. La mesure spectrale σ se rédut à deux valeurs σ( ) et σ(). La foncton caractérstque peut être écrte comme sut φ α,σ (t) = ( exp exp C α t ( α β sgn(t) tan πα ) ) + δt, α, 2 ( + β π ) ) 2 sgn(t) ln t + δt, α =, γ ( γ C α t où γ = σ()+σ( ) et β = (σ() σ( ))/γ. La lo stable undmensonnelle est détermnée par quatre paramètres : α (, 2], β [, ], γ > et δ R. Le paramètre β contrôle l asymétre. La lo est dte basée totalement vers la drote s β = et basée totalement vers la gauche s β =. S β = la densté est symétrque par rapport à δ. Les paramètres γ et δ sont les paramètres d échelle et de poston. Nous utlsons la notaton S d (α, σ, δ) pour la lo α-stable d-dmensonnelle avec d 2, la notaton S (α, β, γ, δ) pour d =. La paramétrsaton qu on rencontre souvent dans les applcatons est celle de Samorodntsky et Taqqu [2]. La dfférence entre notre paramétrsaton et celle de [2] concerne la masse totale de la mesure spectrale σ. Notons σ s le paramètre d échelle s d = et la mesure spectrale s d 2 dans [2]. Dans le cas undmensonnel et dans le cas multdmensonnel γ = C α σ α s, σ( ) = C α σ s ( ), où C α est défne par (3.2). L avantage de notre paramétrsaton est que la mesure spectrale coïncde avec celle qu apparaît dans la proprété de régularté (2.4). Sot X la varable aléatore de lo S (α, β, γ, δ), alors on a { lm x xα P{X > x} = σ(), (3.3) lm x xα P{X < x} = σ( ), où ( + β) ( β) σ() = γ, σ( ) = γ. 2 2 La démonstraton de (3.3) peut être trouvée dans [2], page 6 et 97. 7
18 Proprété. Sot X le vecteur aléatore de lo S d (α, σ, δ). Le vecteur aléatore X est StαS dans R d avec < α 2 s et seulement s (a) α, δ =, (b) α =, S d s (k) σ(ds) =, pour k =, 2,..., d. Proprété 2. Le vecteur aléatore α-stable est symétrque s et seulement s δ = et σ est une mesure symétrque sur S d,.e. pour tout ensemble borélen A dans S d. σ(a) = σ( A) (3.4) Données α-stables smulées Il exste des méthodes connues pour smuler les vecteurs aléatores stables. Chambers et al. [2] ont proposé une méthode pour smuler les varables aléatores stables undmensonnelles arbtrares. Plus récemment une technque précse a été construte dans [23] en utlsant une transformaton non-lnéare d une pare des varables aléatores ndépendantes de lo unforme et de lo exponentelle. Une méthode pour smuler les vecteurs aléatores stables basée sur la dscrétsaton de la mesure spectrale a été présentée par Modarres et Nolan []. Le résultat suvant présenté par R. LePage et al. montre qu on peut smuler des los stables en utlsant la représentaton de sére. Théorème 3.2. ([9], Th. 3) La sére défne par (.2) avec α < ou σ symétrque a la lo StαS. Sot ξ α,σ un vecteur aléatore stable d ndce α et de mesure spectrale σ vérfant la condton du théorème précédent. On smule ξ α,σ en utlsant la somme partelle de la sére de LePage (.2), ˆξ k = k = cγ /α ɛ. (3.5) Dans un premer temps deux los undmensonnelles S (.75,.5,, ) (non symétrque) et S (.75,,, ) (symétrque) sont consdérées. On smule les varables aléatores en utlsant la somme (3.5) avec le nombre de termes k dfférent. Les valeurs 5, 5 et 5 sont utlsées pour smuler la lo stable non symétrque, tands que la lo stable symétrque est smulée avec k = 5, 8
19 et 5. On observe que l approche de la densté emprque à la densté réelle est plus rapde pour la lo stable symétrque, vor la fgure 3. Cela sgnfe que la somme partelle (3.5) donne une bonne approxmaton pour les los α-stables symétrques. Dans le cas non-symétrque, la convergence est lente pour une valeur de k modeste..25 denste reelle k=5 k=5 k= denste reelle k=5 k= k= Fgure 3 Denstés des los S (.75,.5,, ) (haut) et S (.75,,, ) (bas) smulées par la somme partelle de sére de LePage avec dfférentes valeurs de k. Le nombre de données smulées est 7. Ensute les vecteurs aléatores 2-dmensonnels de los.75 et.5-stables avec la mesure spectrale unforme sont smulés. Le nombre de termes de la somme partelle est. On calcule la densté réelle en utlsant la foncton Matlab mvstablepdf dans le package appelé STABLE obtenu sur de- 9
20 mande au ste Les courbes de nveau des denstés réelles et emprques sont présentées dans la fgure 4. Enfn, on smule les vecteurs aléatores 2-dmensonnels de los.5-stables avec les mesures spectrales σ, σ 2 et σ 3 dont les denstés sont défnes par f (θ) = f 2 (θ) = { π, θ [, π 2 ) [π, 3π 2 ),, snon, { 2 cos(2θ), θ [ π 4, π 4 ) [ 3π 4, 5π 4 ),, snon, (3.6) (3.7) f 3 (θ) = cos(2θ), θ [, 2π). (3.8) 4 Ces tros mesures vérfent la condton (3.4), les los strctement stables correspondantes sont donc symétrques. Le package de programmes qu on utlse ne permet pas de calculer la densté de la lo stable avec la mesure spectrale absolument contnue. Nous présentons dans la fgure 5 les denstés de mesure spectrale f et les courbes de nveau des denstés emprques de los S 2 (.5, σ, ), =, 2, 3. Un des usages de ces données est de tester la robustesse des procédures statstques multvarées : engendrer aléatorement l ensemble de données et évaluer les statstques par la procédure consdérée. Un autre usage possble est de calculer la probablté P{X A} pour l ensemble A R d où X est le vecteur aléatore qu on smule. En général le calcul numérque de cette probablté est dffcle, vor par exemple [4] et [5]. On peut les estmer par la méthode standard de Monte-Carlo une fos que nous savons générer les vecteurs aléatores de lo prescrte. Le calcul devent coûteux s on prend le nombre de termes k grand. Donc cette méthode n est pas avantageuse pour la smulaton des los stables non symétrques. Le trosème usage de ces vecteurs est la smulaton dans les domanes d applcaton, par exemple l analyse du portefeulle stable [6]. 4 Concluson Sous l hypothèse de varaton régulère tous les éléments StαSs avec α (, ) peuvent être représentés par la somme des ponts d un processus ponctuel possonnen, dte représentaton de LePage. La représentaton de LePage de la lo strctement max-stable mplque que la lo ne dépend que des ponts les plus grands du processus ponctuel possonnen correspondant. En utlsant cette proprété, on peut dédure les los jontes et margnales des vecteurs aléatores max-stables avec les mesures spectrales données. La proprété de 2
21 2 2 2 a b Fgure 4 Courbes de nveau des denstés réelles (gauche) et emprques (drote) de los α-stables bvarées de mesure spectrale unforme, α =.75 (a.),.5 (b.), k =. Le nombre de données smulées est 7. 2
22 a. p/2 p 3p/2 2p b. p/4 3p/4 5p/4 7p/4 2p c. p/4 3p/4 5p/4 7p/4 2p 2 Fgure 5 Denstés de la mesure spectrale σ, =, 2, 3 défnes par (3.6), (3.7) et (3.8) (gauche) et courbes de nveau des denstés emprques de los S 2 (.5, σ, ), =, 2, 3 (drote), k =. Le nombre de données smulées est 7. 22
23 varaton régulère de la queue des los est vérfée. Les éléments aléatores StαSs vérfant la condton de varaton régulère peuvent être smulés en utlsant la somme partelle de la sére de LePage. Le temps de calcul de smulaton est fable pour les los strctement max-stables et StαSs symétrques. Les résultats de smulaton montrent vsuellement que l ndce α et la mesure spectrale σ mesurent respectvement la dsposton des masses et la dsposton drectonnelle de probablté autour du centre. Références [] A. Araujo and E. Gné. The Central Lmt Theorem for Real and Banach Valued Random Varables. Wley, New York, 98. [2] J. Chambers, C. Mallows, and B. Stuck. A method for smulatng stable random varables. Journal of the Amercan Statstcal Assocaton, 7(354) :34 344, 976. [3] D. J. Daley and D. Vere-Jones. An Introducton to the Theory of Pont Processes. Sprnger, New York, 23. [4] Y. Davydov, I. Molchanov, and Zuyev S. Strctly stable dstrbutons on convex cones. Electron. J. Probab, 3 :259 32, 28. [5] Y. Davydov, V. Paulauskas, and A. Račkauskas. More on p-stable convex sets n banach spaces. Journal of Theoretcal Probablty, 3() :39 64, 2. [6] E. Gné, M. G. Hahn, and J. Znn. Lmt theorems for random sets : An applcaton of probablty n banach space results. Probablty n Banach spaces IV, Proc. Semn., Oberwolfach, 99 :2 35, 982. [7] M. G. Gné, E. et Hahn. Characterzaton and domans of attracton of p-stable random compact sets. Ann. Probab., 3(2) : , 985. [8] K. Kemel and W. Roth. Ordered cones and approxmaton. Sprnger- Verlag Berln, 992. [9] R. LePage, M. Woodroofe, and J. Znn. Convergence to a stable dstrbuton va order statstcs. Ann. Prob., 9 : , 98. [] R. Modarres and J. P. Nolan. A method for smulatng stable random vectors. Computatonal Statstcs, 9 : 9,
24 [] I. S. Molchanov. Theory of Random Sets. Sprnger, London, 25. [2] I.S. Molchanov. Lmt theorems for unons of random closed sets. Sprnger-Verlag, 993. [3] S. Nadarajah. Smulaton of multvarate extreme values. Journal of Statstcal Computaton and Smulaton, 62(4) :395 4, 999. [4] J. P. Nolan and B. Rajput. Calculaton of multdmensonal stable denstes. Communcatons n Statstcs-Smulaton and Computaton, 24(3) :55 566, 995. [5] J.P. Nolan. Numercal calculaton of stable denstes and dstrbuton functons. Stochastc Models, 3(4) : , 997. [6] S. J. Press. Appled Multvarate Analyss. Holt Rnehart and Wnston, New York, 972. [7] S. T. Rachev. Probablty metrcs and the stablty of stochastc models. Wley, Chchester, 99. [8] S. I. Resnck. Extreme Values, Regular Varaton and Pont Processes. Sprnger-Verlag, Berln, 987. [9] S. I. Resnck. Adventures n Stochastc Processes. Brkhauser, Boston, 992. [2] G. Samorodntsky and M. S. Taqqu. Stable Non-Gaussan Random Processes. Chapman & Hall, New York, 994. [2] D. Sh, R.L. Smth, and S.G. Coles. Jont versus margnal estmaton for bvarate extremes. Department of Statstcs, Unversty of North Carolna at Chapel Hll, 992. [22] A. Stephenson. Smulatng multvarate extreme value dstrbutons of logstc type. Extremes, 6() :49 59, 23. [23] R. Weron. On the chambers-mallows-stuck method for smulatng skewed stable random varables. Stat. and Prob. Lett, 28(2) :65 7,
Mesure avec une règle
Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système
Plus en détailQ x2 = 1 2. est dans l ensemble plus grand des rationnels Q. Continuons ainsi, l équation x 2 = 1 2
Exo7 Nombres complexes Vdéo parte. Les nombres complexes, défntons et opératons Vdéo parte. Racnes carrées, équaton du second degré Vdéo parte 3. Argument et trgonométre Vdéo parte 4. Nombres complexes
Plus en détailExercices d Électrocinétique
ercces d Électrocnétque Intensté et densté de courant -1.1 Vtesse des porteurs de charges : On dssout une masse m = 20g de chlorure de sodum NaCl dans un bac électrolytque de longueur l = 20cm et de secton
Plus en détailChapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique
Spécale PSI - Cours "Electromagnétsme" 1 Inducton électromagnétque Chaptre IV : Inductance propre, nductance mutuelle. Energe électromagnétque Objectfs: Coecents d nductance propre L et mutuelle M Blan
Plus en détailGénéralités sur les fonctions 1ES
Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :
Plus en détailÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.
ÉLÉMETS DE THÉORIE DE L IFORMATIO POUR LES COMMUICATIOS. L a théore de l nformaton est une dscplne qu s appue non seulement sur les (télé-) communcatons, mas auss sur l nformatque, la statstque, la physque
Plus en détailLes jeunes économistes
Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque
Plus en détailRemboursement d un emprunt par annuités constantes
Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)
Plus en détailMontage émetteur commun
tour au menu ontage émetteur commun Polarsaton d un transstor. ôle de la polarsaton La polarsaton a pour rôle de placer le pont de fonctonnement du transstor dans une zone où ses caractérstques sont lnéares.
Plus en détailÉconométrie. Annexes : exercices et corrigés. 5 e édition. William Greene New York University
Économétre 5 e édton Annexes : exercces et corrgés Wllam Greene New York Unversty Édton françase drgée par Dder Schlacther, IEP Pars, unversté Pars II Traducton : Stéphane Monjon, unversté Pars I Panthéon-Sorbonne
Plus en détailAssurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire
Assurance malade et aléa de moralté ex-ante : L ncdence de l hétérogénété de la perte santare Davd Alary 1 et Franck Ben 2 Cet artcle examne l ncdence de l hétérogénété de la perte santare sur les contrats
Plus en détailPlan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks
Plan Geston des stocks Abdellah El Fallah Ensa de Tétouan 2011 Les opératons de gestons des stocks Les coûts assocés à la geston des stocks Le rôle des stocks Modèle de la quantté économque Geston calendare
Plus en détailGENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)
GENESS - Generalzed System for mputaton Smulatons (Système généralsé pour smuler l mputaton) GENESS est un système qu permet d exécuter des smulatons en présence d mputaton. L utlsateur fournt un ensemble
Plus en détail1 Introduction. 2 Définitions des sources de tension et de courant : Cours. Date : A2 Analyser le système Conversion statique de l énergie. 2 h.
A2 Analyser le système Converson statque de l énerge Date : Nom : Cours 2 h 1 Introducton Un ConVertsseur Statque d énerge (CVS) est un montage utlsant des nterrupteurs à semconducteurs permettant par
Plus en détailFiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage
Fche n 7 : Vérfcaton du débt et de la vtesse par la méthode de traçage 1. PRINCIPE La méthode de traçage permet de calculer le débt d un écoulement ndépendamment des mesurages de hauteur et de vtesse.
Plus en détailContrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations
Contrats prévoyance des TNS : Clarfer les règles pour sécurser les prestatons Résumé de notre proposton : A - Amélorer l nformaton des souscrpteurs B Prévor plus de souplesse dans l apprécaton des revenus
Plus en détailSTATISTIQUE AVEC EXCEL
STATISTIQUE AVEC EXCEL Excel offre d nnombrables possbltés de recuellr des données statstques, de les classer, de les analyser et de les représenter graphquement. Ce sont prncpalement les tros éléments
Plus en détailREPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE. MEMOIRE Présentée à
REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE MEMOIRE Présentée à L Unversté de Batna Faculté des Scences Département de Physque
Plus en détailCalculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.
1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle
Plus en détailTD 1. Statistiques à une variable.
Danel Abécasss. Année unverstare 2010/2011 Prépa-L1 TD de bostatstques. Exercce 1. On consdère la sére suvante : TD 1. Statstques à une varable. 1. Calculer la moyenne et l écart type. 2. Calculer la médane
Plus en détailCHAPITRE DEUX : FORMALISME GEOMETRIQUE
CHPITRE DEUX FORMLISME GEOMETRIQUE. CHPITRE DEUX : FORMLISME GEOMETRIQUE verson.3, -8 I. GEOMETRIE DNS L ESPCE-TEMPS ) Prncpe de relatvté Le prncpe de relatvté peut s exprmer ans : toutes les los physques
Plus en détailPage 5 TABLE DES MATIÈRES
Page 5 TABLE DES MATIÈRES CHAPITRE I LES POURCENTAGES 1. LES OBJECTIFS 12 2. LES DÉFINITIONS 14 1. La varaton absolue d'une grandeur 2. La varaton moyenne d'une grandeur (par unté de temps) 3. Le coeffcent
Plus en détailGrandeur physique, chiffres significatifs
Grandeur physque, chffres sgnfcatfs I) Donner le résultat d une mesure en correspondance avec l nstrument utlsé : S avec un nstrument, ren n est ndqué sur l ncerttude absolue X d une mesure X, on consdère
Plus en détailChapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3.
Chaptre 3 : Incerttudes CHAPITRE 3 INCERTITUDES Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.1 Volume 1 : Orentatons générales et établssement des rapports Auteurs
Plus en détailCHAPITRE 14 : RAISONNEMENT DES SYSTÈMES DE COMMANDE
HAITRE 4 : RAISONNEMENT DES SYSTÈMES DE OMMANDE RAISONNEMENT DES SYSTÈMES DE OMMANDE... 2 INTRODUTION... 22 RAELS... 22 alcul de la valeur ntale de la répone à un échelon... 22 alcul du gan tatque... 22
Plus en détail1.0 Probabilité vs statistique...1. 1.1 Expérience aléatoire et espace échantillonnal...1. 1.2 Événement...2
- robabltés - haptre : Introducton à la théore des probabltés.0 robablté vs statstque.... Expérence aléatore et espace échantllonnal.... Événement.... xomes défnton de probablté..... Quelques théorèmes
Plus en détailBTS GPN 2EME ANNEE-MATHEMATIQUES-MATHS FINANCIERES MATHEMATIQUES FINANCIERES
MATHEMATIQUES FINANCIERES I. Concepts généraux. Le référentel précse : Cette parte du module M4 «Acquérr des outls mathématques de base nécessares à l'analyse de données économques» est en relaton avec
Plus en détailMÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES
MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES Émle Garca, Maron Le Cam et Therry Rocher MENESR-DEPP, bureau de l évaluaton des élèves Cet artcle porte sur les méthodes de
Plus en détailPrêt de groupe et sanction sociale Group lending and social fine
Prêt de roupe et sancton socale Group lendn and socal fne Davd Alary Résumé Dans cet artcle, nous présentons un modèle d antsélecton sur un marché concurrentel du crédt. Nous consdérons l ntroducton de
Plus en détailIDEI Report # 18. Transport. December 2010. Elasticités de la demande de transport ferroviaire: définitions et mesures
IDEI Report # 18 Transport December 2010 Elastctés de la demande de transport ferrovare: défntons et mesures Elastctés de la demande de transport ferrovare : Défntons et mesures Marc Ivald Toulouse School
Plus en détailINTRODUCTION. Jean-Pierre MAGNAN Chef de la section des ouvrages en terre Département des sols et fondations Laboratoire central
Etude numérque de la consoldaton undmensonnelle en tenant compte des varatons de la perméablté et de la compressblté du sol, du fluage et de la non-saturaton Jean-Perre MAGNAN Chef de la secton des ouvrages
Plus en détailI. Présentation générale des méthodes d estimation des projets de type «unité industrielle»
Evaluaton des projets et estmaton des coûts Le budget d un projet est un élément mportant dans l étude d un projet pusque les résultats économques auront un mpact sur la réalsaton ou non et sur la concepton
Plus en détailCorrigé du problème de Mathématiques générales 2010. - Partie I - 0 0 0. 0.
Corrgé du problème de Mathématques générales 2010 - Parte I - 1(a. Sot X S A. La matrce A est un polynôme en X donc commute avec X. 1(b. On a : 0 = m A (A = m A (X n ; le polynôme m A (x n est annulateur
Plus en détailCorrections adiabatiques et nonadiabatiques dans les systèmes diatomiques par calculs ab-initio
Correctons adabatques et nonadabatques dans les systèmes datomques par calculs ab-nto Compte rendu du traval réalsé dans le cadre d un stage de quatre mos au sen du Groupe de Spectroscope Moléculare et
Plus en détailhal-00409942, version 1-14 Aug 2009
Manuscrt auteur, publé dans "MOSIM' 008, Pars : France (008)" 7 e Conférence Francophone de MOdélsaton et SIMulaton - MOSIM 08 - du mars au avrl 008 - Pars - France «Modélsaton, Optmsaton et Smulaton des
Plus en détailCOMPARAISON DE MÉTHODES POUR LA CORRECTION
COMPARAISON DE MÉTHODES POUR LA CORRECTION DE LA NON-RÉPONSE TOTALE : MÉTHODE DES SCORES ET SEGMENTATION Émle Dequdt, Benoît Busson 2 & Ncolas Sgler 3 Insee, Drecton régonale des Pays de la Lore, Servce
Plus en détailII - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1
II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d
Plus en détailDynamique du point matériel
Chaptre III Dynaqe d pont atérel I Généraltés La cnéatqe a por objet l étde des oveents des corps en foncton d teps, sans tenr copte des cases q les provoqent La dynaqe est la scence q étde (o déterne)
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailEditions ENI. Project 2010. Collection Référence Bureautique. Extrait
Edtons ENI Project 2010 Collecton Référence Bureautque Extrat Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf
Plus en détailLE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régime») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF
1 LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régme») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF AVIS AUX RETRAITÉS ET AUX PARTICIPANTS AVEC DROITS ACQUIS DIFFÉRÉS Expédteurs
Plus en détailDirigeant de SAS : Laisser le choix du statut social
Drgeant de SAS : Lasser le chox du statut socal Résumé de notre proposton : Ouvrr le chox du statut socal du drgeant de SAS avec 2 solutons possbles : apprécer la stuaton socale des drgeants de SAS comme
Plus en détailAPPROXIMATION PAR RÉSEAUX À FONCTIONS RADIALES DE BASE APPLICATION À LA DÉTERMINATION DU PRIX D ACHAT D UNE
APPROXIMATION PAR RÉSEAUX À FONCTIONS RADIALES DE BASE APPLICATION À LA DÉTERMINATION DU PRIX D ACHAT D UNE OPTION. A. Lendasse, J. Lee 2, E. de Bodt 3, V. Wertz, M. Verleysen 2 Unversté catholque de Louvan,
Plus en détailDES EFFETS PERVERS DU MORCELLEMENT DES STOCKS
DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS Le cabnet Enetek nous démontre les mpacts négatfs de la multplcaton des stocks qu au leu d amélorer le taux de servce en se rapprochant du clent, le dégradent
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 détailLes déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises
Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune Marc Bourreau Abel Franços Jun 2006 Département Scences Economques et
Plus en détailTerminal numérique TM 13 raccordé aux installations Integral 33
Termnal numérque TM 13 raccordé aux nstallatons Integral 33 Notce d utlsaton Vous garderez une longueur d avance. Famlarsez--vous avec votre téléphone Remarques mportantes Chaptres à lre en prorté -- Vue
Plus en détailCalcul de tableaux d amortissement
Calcul de tableaux d amortssement 1 Tableau d amortssement Un emprunt est caractérsé par : une somme empruntée notée ; un taux annuel, en %, noté ; une pérodcté qu correspond à la fréquence de remboursement,
Plus en détailBUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES
BUREAU DAPPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES BAMSI REPRINT 04/2003 Introducton à l analyse des données Samuel AMBAPOUR BAMSSI I BAMSI B.P. 13734 Brazzavlle BAMSI REPRINT 04/2003 Introducton
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 détailLes déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises
Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune a, Marc Bourreau a,b et Abel Franços a,c a Télécom ParsTech, Département
Plus en détailSystème solaire combiné Estimation des besoins énergétiques
Revue des Energes Renouvelables ICRESD-07 Tlemcen (007) 109 114 Système solare combné Estmaton des besons énergétques R. Kharch 1, B. Benyoucef et M. Belhamel 1 1 Centre de Développement des Energes Renouvelables
Plus en détailLa théorie classique de l information. 1 ère partie : le point de vue de Kolmogorov.
La théore classque de l nformaton. ère parte : le pont de vue de Kolmogorov. La sute de caractères comme outl de descrpton des systèmes. La scence peut être vue comme l art de compresser les données quelles
Plus en détailRéseau RRFR pour la surveillance dynamique : application en e-maintenance.
Réseau RRFR pour la survellance dynamue : applcaton en e-mantenance. RYAD ZEMOURI, DANIEL RACOCEANU, NOUREDDINE ZERHOUNI Laboratore Unverstare de Recherche en Producton Automatsée (LURPA) 6, avenue du
Plus en détailTHESE. Khalid LEKOUCH
N d ordre : /2012 THESE Présentée à la FACULTE DES SCIENCES D AGADIR En vue de l obtenton du GRADE DE DOCTEUR EN PHYSIQUE (Spécalté : Energétque, Thermque et Métrologe) Par Khald LEKOUCH MODELISATION ET
Plus en détailStéganographie Adaptative par Oracle (ASO)
Stéganographe Adaptatve par Oracle ASO Sarra Kouder, Marc Chaumont, Wllam Puech To cte ths verson: Sarra Kouder, Marc Chaumont, Wllam Puech. Stéganographe Adaptatve par Oracle ASO. CORESA 12: COmpresson
Plus en détailLA SURVIE DES ENTREPRISES DÉPEND-ELLE DU TERRITOIRE D'IMPLANTATION?
LA SURVIE DES ENTREPRISES DÉPEND-ELLE DU TERRITOIRE D'IMPLANTATION? Anne PERRAUD (CRÉDOC) Phlppe MOATI (CRÉDOC Unversté Pars) Nadège COUVERT (ENSAE) INTRODUCTION Au cours des dernères années, de nombreux
Plus en détailMETHODE AUTOMATIQUE POUR CORRIGER LA VARIATION LINGUISTIQUE LORS DE L INTERROGATION DE DOCUMENTS XML DE STRUCTURES HETEROGENES
METHODE AUTOMATIQUE POUR CORRIGER LA VARIATION LINGUISTIQUE LORS DE L INTERROGATION DE DOCUMENTS XML DE STRUCTURES HETEROGENES Ourda Boudghaghen(*),Mohand Boughanem(**) yugo_doudou@yahoo.fr, bougha@rt.fr
Plus en détailImpôt sur la fortune et investissement dans les PME Professeur Didier MAILLARD
Conservatore atonal des Arts et Méters Chare de BAQUE Document de recherche n 9 Impôt sur la fortune et nvestssement dans les PME Professeur Dder MAILLARD Avertssement ovembre 2007 La chare de Banque du
Plus en détailEn vue de l'obtention du. Présentée et soutenue par Meva DODO Le 06 novembre 2008
THÈSE En vue de l'obtenton du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE Délvré par l'unversté Toulouse III - Paul Sabater Spécalté : Informatque Présentée et soutenue par Meva DODO Le 06 novembre 2008 Ttre
Plus en détailMécanique des Milieux Continus
Mécanque des Mleux Contnus Golay Frédérc SEATECH MMC Golay MMC - - Ce cours de mécanque des mleux contnus est à la base de l ensegnement de mécanque à SEATECH. Les notons abordées c, transport de champs,
Plus en détailLa Quantification du Risque Opérationnel des Institutions Bancaires
HEC Montréal Afflée à l Unversté de Montréal La Quantfcaton du Rsque Opératonnel des Insttutons Bancares par Hela Dahen Département Fnance Thèse présentée à la Faculté des études supéreures en vue d obtenton
Plus en détailPrise en compte des politiques de transport dans le choix des fournisseurs
INSTITUT NATIONAL POLYTECHNIQUE DE GRENOBLE N attrbué par la bblothèque THÈSE Pour obtenr le grade de DOCTEUR DE L I.N.P.G. Spécalté : Géne Industrel Préparée au Laboratore d Automatque de Grenoble Dans
Plus en détailL enseignement virtuel dans une économie émergente : perception des étudiants et perspectives d avenir
L ensegnement vrtuel dans une économe émergente : percepton des étudants et perspectves d avenr Hatem Dellag Laboratore d Econome et de Fnances applquées Faculté des scences économques et de geston de
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 détail1. Les enjeux de la prévision du risque de défaut de paiement
Scorng sur données d entreprses : nstrument de dagnostc ndvduel et outl d analyse de portefeulle d une clentèle Mrelle Bardos Ancen chef de servce de l Observatore des entreprses de la Banque de France
Plus en détailThermodynamique statistique Master Chimie Université d Aix-Marseille. Bogdan Kuchta
hermodynamque statstque Master Chme Unversté d Ax-Marselle Bogdan Kuchta Plan: Rappel: thermodynamque phénoménologque (dscuter l entrope, l évoluton de gaz parfat,) Premer prncpe Deuxème prncpe (transformaton
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 détailLes prix quotidiens de clôture des échanges de quotas EUA et de crédits CER sont fournis par ICE Futures Europe
Méthodologe CDC Clmat Recherche puble chaque mos, en collaboraton avec Clmpact Metnext, Tendances Carbone, le bulletn mensuel d nformaton sur le marché européen du carbone (EU ETS). L obectf de cette publcaton
Plus en détailInterface OneNote 2013
Interface OneNote 2013 Interface OneNote 2013 Offce 2013 - Fonctons avancées Lancer OneNote 2013 À partr de l'nterface Wndows 8, utlsez une des méthodes suvantes : - Clquez sur la vgnette OneNote 2013
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailCHAPITRE 1 : Distribution statistique à une dimension
Chatre1 : Dstrbuton Statstque à une dmenson I.H.E.T de Sd Dhr CHAPITRE 1 : Dstrbuton statstque à une dmenson Secton 1 : Vocabulare élémentare de la statstque descrtve 1. Poulaton et ndvdu Dénton On aelle
Plus en détailGATE Groupe d Analyse et de Théorie Économique DOCUMENTS DE TRAVAIL - WORKING PAPERS W.P. 08-24. Préférences temporelles et recherche d emploi
GATE Groupe d Analyse et de Théore Économque UMR 5824 du CNRS DOCUMENTS DE TRAVAIL - WORKING PAPERS W.P. 08-24 Préférences temporelles et recherche d emplo «Applcatons économétrques sur le panel Européen
Plus en détailProjet de fin d études
Unversté Franços Rabelas Tours Ecole Polytechnque Unverstare de Tours Département Informatque Projet de fn d études Ordonnancement Juste à Temps avec geston des stocks Chopn Antone Mrault Arnaud 3ème année
Plus en détailCONSERVATOIRE NATIONAL DES ARTS ET METIERS
ONSEVAOIE NAIONAL DES AS E MEIES ELEONIQUE ANALOGIQUE PH / ELE 4 / DU GEII ere année ------------------------- ------------------------- Dder LE UYE / Perre POVEN Janer ABLE DES MAIEES APPELS D ELEOINEIQUE...5.
Plus en détailAvez-vous vous aperçu cette drôle de trogne? Entre nature et histoire autour de Mondoubleau
Avez-vous vous aperçu cette drôle de trogne? Entre nature et hstore autour de Mondoubleau Thème de la cache : NATURE ET CULTURE Départ : Parkng Campng des Prés Barrés à Mondoubleau Dffculté : MOYENNE Dstance
Plus en détailMEMOIRE. Présenté au département des sciences de la matière Faculté des sciences
REPUBLIQUE LERIEN DEMOCRTIQUE ET POPULIRE Mnstère de l ensegnement supéreur et de la recherche scentfque Unversté El-Hadj Lakhdar-BTN- MEMOIRE Présenté au département des scences de la matère Faculté des
Plus en détailPro2030 GUIDE D UTILISATION. Français
Pro2030 GUIDE D UTILISATION Franças Contents Garante... Introducton... 1 Artcle nº 605056 Rév C Schéma nº A605056 Novembre 2010 2010 YSI Incorporated. Le logo YSI est une marque déposée de YSI Incorporated.
Plus en détailAnalyse des Performances et Modélisation d un Serveur Web
SETIT 2009 5 th Internatonal Conference: Scences of Electronc, Technologes of Informaton and Telecommuncatons March 22-26, 2009 TUNISIA Analyse des Performances et Modélsaton d un Serveur Web Fontane RAFAMANTANANTSOA*,
Plus en détailsanté Les arrêts de travail des séniors en emploi
soldarté et DOSSIERS Les arrêts de traval des sénors en emplo N 2 2007 Les sénors en emplo se dstnguent-ls de leurs cadets en termes de recours aux arrêts de traval? Les sénors ne déclarent pas plus d
Plus en détailGEA I Mathématiques nancières Poly. de révision. Lionel Darondeau
GEA I Mathématques nancères Poly de révson Lonel Darondeau Intérêts smples et composés Voc la lste des exercces à révser, corrgés en cours : Exercce 2 Exercce 3 Exercce 5 Exercce 6 Exercce 7 Exercce 8
Plus en détailLes méthodes numériques de la dynamique moléculaire
Les méthodes numérques de la dynamque moléculare Chrstophe Chpot Equpe de chme et & bochme théorques, Unté Mxte de Recherche CNRS/UHP 7565, Insttut Nancéen de Chme Moléculare, Unversté Henr Poncaré, B.P.
Plus en détailAVERTISSEMENT. Contact SCD INPL: mailto:scdinpl@inpl-nancy.fr LIENS
AVERTISSEMENT Ce document est le frut d un long traval approuvé par le jury de soutenance et ms à dsposton de l ensemble de la communauté unverstare élarge. Il est soums à la proprété ntellectuelle de
Plus en détailOPTIMALITÉ DU MÉCANISME DE RATIONNEMENT DE CRÉDIT DANS LE MODÈLE ISLAMIQUE DE FINANCEMENT
Etudes en Econoe Islaque, Vol. 6, Nos. & (-7) Mouharra, Raab 434H (Novebre 0, Ma 03) OPTIMALITÉ DU MÉCANISME DE RATIONNEMENT DE CRÉDIT DANS LE MODÈLE ISLAMIQUE DE FINANCEMENT ALIM BELEK Résué Le ratonneent
Plus en détailContact SCD Nancy 1 : theses.sciences@scd.uhp-nancy.fr
AVERTISSEMENT Ce document est le frut d'un long traval approuvé par le jury de soutenance et ms à dsposton de l'ensemble de la communauté unverstare élarge. Il est soums à la proprété ntellectuelle de
Plus en détailUNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS
BRUSSELS ECONOMIC REVIEW - CAHIERS ECONOMIQUES DE BRUXELLES VOL. 49 - N 2 SUMMER 2006 UNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS DANS LE SECTEUR DE L ASSURANCE AUTOMOBILE* MARÍA DEL CARMEN MELGAR**
Plus en détailAnalyse de sensibilité des modèles de simulation. Samuel Buis UMR 1114 EMMAH 84914 Avignon
Analyse de sensblté des modèles de smulaton Samuel Bus UMR 1114 EMMAH 84914 Avgnon Formaton Modélsaton ECCORE, 26 octobre 2014 Plan Introducton des concepts Quelques eemples de méthodes L analyse de sensblté
Plus en détail- Acquisition de signaux en sismologie large bande. - Acquisition de signaux lents, magnétisme, MT.
87 DUCAPTEURAUXEANQUESDEDONNEES. TECHNQUES D'NSTRUMENTATON EN GEOPEY8QUE. J:M. CANTN Unversté Lous Pasteur (Strasbourg 1) nsttut de Physque du Globe de Strasbourg Ecole et Observatore de Physque du Globe.
Plus en détailMODÈLE D ISING À UNE ET DEUX DIMENSIONS.
Chapter MODÈLE DISIG À UE ET DEUX DIMESIOS.. ITRODUCTIO. ous commençons, dans ce chaptre, létude dun problème de mécanque statstque de la matère condensée où leffet des nteractons est mportant. Le modèle
Plus en détailVIELLE Marc. CEA-IDEI Janvier 1998. 1 La nomenclature retenue 3. 2 Vue d ensemble du modèle 4
GEMINI-E3 XL France Un outl destné à l étude des mpacts ndustrels de poltques énergétques et envronnementales VIELLE Marc CEA-IDEI Janver 1998 I LA STRUCTURE DU MODELE GEMINI-E3 XL FRANCE 3 1 La nomenclature
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailIntégration financière et croissance économique : évidence empirique dans. la région MENA
Décembre 2011 Volume 6, No.2 (pp. 115-131) Zouher Abda Revue Congolase d Econome Intégraton fnancère et crossance économque : évdence emprque dans la régon MENA Zouher ABIDA * Résumé: L objectf de cet
Plus en détailEH SmartView. Identifiez vos risques et vos opportunités. www.eulerhermes.be. Pilotez votre assurance-crédit. Services en ligne Euler Hermes
EH SmartVew Servces en lgne Euler Hermes Identfez vos rsques et vos opportuntés Plotez votre assurance-crédt www.eulerhermes.be Les avantages d EH SmartVew L expertse Euler Hermes présentée de manère clare
Plus en détailUNIVERSITÉ DU QUÉBEC À MONTRÉAL L ASSURANCE AUTOMOBILE AU QUÉBEC : UNE PRIME SELON LE COÛT SOCIAL MARGINAL MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE
UNIVERSITÉ DU QUÉBEC À MONTRÉAL L ASSURANCE AUTOMOBILE AU QUÉBEC : UNE PRIME SELON LE COÛT SOCIAL MARGINAL MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN ÉCONOMIQUE PAR ERIC LÉVESQUE JANVIER
Plus en détailPerformances de la classification par les Séparateurs à Vaste Marge (SVM): application au diagnostic vibratoire automatisé
4th Internatonal Conference on Coputer Integrated Manufacturng CIP 2007 03-04 Noveber 2007 Perforances de la classfcaton par les Séparateurs à Vaste Marge (SVM): applcaton au dagnostc vbratore autoatsé
Plus en détailCalculs des convertisseurs en l'electronique de Puissance
Calculs des conertsseurs en l'electronque de Pussance Projet : PROGRAMMAON ate : 14 arl Auteur : herry EQUEU. EQUEU 1, rue Jules Massenet 37 OURS el 47 5 93 64 herry EQUEU Jun [V37] Fcher : ESGN.OC Calculs
Plus en détailSYSTEME FERME EN REACTION CHIMIQUE
SYSTEME FERME EN REACTION CHIMIQUE I. DESCRIPTION D UN SYSTEME. Les dfférets types de système (ouvert, fermé, solé U système S est formé d u esemble de corps séparés du reste de l uvers (appelé mleu extéreur
Plus en détailBe inspired. Numéro Vert. Via Caracciolo 20 20155 Milano tel. +39 02 365 22 990 fax +39 02 365 22 991
Ggaset SX353 / französsch / A31008-X353-P100-1-7719 / cover_0_hedelberg.fm / 03.12.2003 s Be nspred www.onedrect.fr www.onedrect.es www.onedrect.t www.onedrect.pt 0 800 72 4000 902 30 32 32 02 365 22 990
Plus en détailPaquets. Paquets nationaux 1. Paquets internationaux 11
Paquets Paquets natonaux 1 Paquets nternatonaux 11 Paquets natonaux Servces & optons 1 Créaton 3 1. Dmensons, pods & épasseurs 3 2. Présentaton des paquets 4 2.1. Face avant du paquet 4 2.2. Comment obtenr
Plus en détailTRAVAUX PRATIQUES SPECTRO- COLORIMETRIE
UNIVERSITE MONTPELLIER 2 Département de Physque TRAVAUX PRATIQUES DE SPECTRO- COLORIMETRIE F. GENIET 2 INTRODUCTION Cet ensegnement de travaux pratques de seconde année se propose de revor rapdement l'aspect
Plus en détail