Du caractère aléatoire des interactions des particules à la modélisation par Monte-Carlo
|
|
- Raphaël Gravel
- il y a 6 ans
- Total affichages :
Transcription
1 Du caractère aléatoire des interactions des particules à la modélisation par Monte-Carlo Pr. Michel TERRISSOL Université Paul Sabatier Toulouse
2 Sommaire Dose dans le milieu définition estimation Probabilités et Sections efficaces Transport des particules Méthode de Monte Carlo définition exemples de calculs par Monte Carlo fonctions de répartition
3 Problème Dose dans ce volume d intérêt?
4 Dose dans le milieu Chaque particule primaire ou secondaire possède une probabilité f(ε) d interagir dans ce volume. Chaque type d interaction entraîne un dépôt d énergie g(ε). La dose est la somme de tous les dépôts élémentaires d énergie dus aux particules traversant ce volume.
5 Dose dans le milieu La dose dans ce volume d intérêt peut donc être estimée par l intégrale : D = g( ε ) f ( ε ) dε ε f(ε) est la densité de probabilité d avoir la particule pénétrant dans ce volume d intérêt avec une énergie ε g(ε) la fonction de dépôt dans ce volume pour la particule d énergie ε
6 Dose dans le milieu f(ε) n étant généralement pas connue, on contourne le problème en évaluant cette probabilité de présence en simulant la succession de N événements aléatoires reproduisant l histoire de la particule. Chaque fois qu une particule d énergie ε passe dans le volume, on comptabilise ses effets. En fin, on divise par N, ce qui tient donc compte de sa probabilité de présence. N D G = g( ε i ) les ε i étant distribués suivant f(ε) N i=
7 Sommaire Dose dans le milieu Probabilités et Sections efficaces Sections efficaces Sections efficaces différentielles Exemples (formes numériques, analytiques, ) Transport des particules Méthode de Monte Carlo
8 Probabilité et section efficace La probabilité d absorption P: P = Φ Φ 0 La section efficace σ: Φ 0 particules incidentes Φ particules transmises σ = P Φ 0 Ex: Φ 0 =000/cm 2 Φ =600/cm 2 P= 0,4 σ = cm 2
9 Sections efficaces différentielles θ dθ dσ dθ dσ dε dω dσ = dω dσ 2π sinθdθ dd 2 σ 3 d σ ε dθ dε dk dω
10 Ex: type d interaction fonction de l énergie (Na)
11 Ex: type d interaction fonction de l énergie (Na) ================================================================================================== Atomic Weight Na-Nat grams/cc Photon Interaction Data Energy Cross Sections (barns) energy Deposit/Collision(MeV) (MeV) Total Photo. Coherent Incoher. Pair Triplet Photo. Incoher. Pair ================================================================================================== EPU Monte-Carlo, Toulouse Avril
12
13 f(t, s, ) Ex: dépôt d énergie Z=3, T = MeV s = 50 microns < > = 9,89 kev Exemple de dσ dε
14 Ex: déflexion angulaire σ Exemple de section efficace double différentielle d 2 σ dk d θ θ k
15 Ex: sections efficaces différentielles analytiques Ex: sections efficaces différentielles analytiques cos 2 sin + = Ω θ β ν θ σ mc h C d d te + = Ω θ ν ν ν ν ν ν σ sin ' ' 2 ' 2 h h h h h h r d d KN ) (cos ) cos ( ) (cos 2 θ θ β θ σ d k d ± ± ± = = ) ( ) ( 2 ) ( ) ( ε ε τ τ τ τ ε ε π ε σ Tmv e d d Möller
16 Sommaire Dose dans le milieu Probabilités et Sections efficaces Transport des particules libre parcours moyen étapes du transport des particules section efficace totale d interaction Méthode de Monte Carlo
17 Transport des particules Le devenir d'une particule d'énergie ε dans la matière est une suite d'événements stochastiques : trajet, interaction, déviation, perte (ou gain) d'énérgie, etc...,jusqu'à sa "mort" ou sa sortie du milieu. I x dx Lors de la traversée de l élément dx à la profondeur x l'affaiblissement di du faisceau est proportionnel à dx, I(x), σ(ε) la section efficace d'interaction par élément et N le nombre d'éléments par unité de volume: di = - I(x).σ(ε).N.dx
18 Section efficace totale d interaction P(x) la probabilité pour qu'une particule subisse sa première interaction entre x et x + dx est proportionnelle à I(x), soit: dp = -P(x).σ(ε).N.dx I x dx P(x) doit vérifier On obtient : 0 P( x) dx= P( x) = σ( ε) Ne σ ( ε) Nx σ(ε) est la section efficace totale d interaction ou d atténuation. Pour des photons on utilisera σ tot µ att
19 Libre parcours moyen Première interaction à x libre parcours égal à x donc P(x) est aussi la distribution des libres parcours. Le libre parcours moyen λ(ε) est: 0 xp( x) dx= Nσ ( ε) = µ ( ε) = λ( ε) P( x) = µ ( ε) e µ ( ε) x Pour un milieu homogène de n constituants de Ni éléments par unité de volume, de section efficace d'interaction σ i (ε),: µ ε n ( ) = σ ( ε) i= i N i λ( ε) = n i= σ ( ε) i N i
20 Transport des particules Sachant qu'il y a interaction, la probabilité pour que la particule interagisse avec le constituant i est : P i = n σ ( ε) N i= i i i σ ( ε) N i Si il existe k i types d'interactions de la particule avec le i ème constituant, le j ème type d interaction ayant une section efficace σij(ε), la probabilité pour que l'interaction ayant eu lieu avec le i ème constituant soit du type j est : P ij = σ ( ε) k i m= ij σ im ( ε)
21 Transport des particules Lorsque l atome ou la molécule cible et l interaction sont déterminées, g(ε) est évalué par fonctions de transfert, sections efficaces, etc et tous les événements induits sont comptabilisés, afin de déterminer leurs valeur moyenne et variance, après un certain nombre d histoires.
22 Transport des particules - Tirage d un parcours aléatoire suivant : 2- A cet endroit, tirage du constituant i avec : 3- Sur le constituant i, interaction du type j avec : P( x) P i = σ( ε) Ne P ij = n = σ ( ε) N i= k i i i σ ( ε) Nx i σ ( ε) N σ ( ε) m= ij σ im i ( ε) 4- Évaluation de g(ε). Sections efficaces totales et différentielles, fonctions de transfert, etc..
23 Ex : Photons de 00 kev sur du NaI : ρ = 3,667 g/cm 3, M = 49,89 g N σ barns/atome Photoélectrique Cohérent (Rayleigh) Incohérent (Compton) Total Sodium 0,375 0,387 5,29 6,05 Iode 363,4 22,7 23,3 409, Na = N I =,47.0 atomes / cm NaI = = 6, 07cm N NaIσ Tot 6,05 409,4 PNa = = 0,046 P I = = 0, , ,4 6, ,4 363,4 22,4 PI. Photo = = 0,8876 P I. Coh = = 0, ,4 409,4 23,3 409,4 P I. Inc = = λ 0,0569
24 z Transport des particules O φ θ V M v θ θ v2 φ φ - tirage trajet avec λ(ε) y x 2- tirage interaction avec σ effets 3- tirage déviation, dépôt, avec σ différentielles
25 Définition des paramètres du photon E, x,y,z,θ et φ Calcul des λ(e), Pi et Pij Transport des particules Tirage du parcours Type de cible et type d interaction THOMSON COMPTON PHOTOELECTRIQUE PAIRE Nouveaux paramètres de direction Nouveaux paramètres du photon Mise en mémoire des paramètres de l électron éjecté Mise en mémoire des paramètres du photoélectron créé Réorganisation Mise en mémoire des paramètres du positron et de l électron Réorganisation Mise en mémoire des paramètres des rayons X et électrons Auger Traitement des particules mises en mémoire E < Ec? Fin Exemple des photons
26 Sommaire Dose dans le milieu Probabilités et Sections efficaces Transport des particules Méthode de Monte Carlo Définition Exemples de calcul Variables aléatoires
27 Méthode de Monte-Carlo Le nom de Monte-Carlo est appliqué à une classe de méthodes mathématiques, consistant à observer des nombres aléatoires choisis pour simuler un problème mathématique (ou physique) et à tirer la solution de la conduite de ces nombres. Ce nom a été donné durant la seconde guerre mondiale par des chercheurs américains par analogie avec le caractère aléatoire de la roulette du Casino de Monte-Carlo. Les principales applications sont : le calcul d'intégrales et l évaluation de processus stochastiques (devenir d'une grande succession d'événements aléatoires) Le Monte-Carlo est très utilisé en Physique atomique ou Nucléaire car aussi bien l'émission que le comportement des radiations sont des phénomènes naturellement stochastiques. Ces phénomènes peuvent être décrits par des équations mathématiques plus ou moins compliquées dont la solution se ramène le plus souvent à un calcul d'intégrales dans une grande succession d'événements.
28 Ex: aiguilles de Buffon, calcul de Π Historiquement, le premier exemple de calcul par Monte-Carlo est le problème des aiguilles de Buffon (777), méthode inattendue du calcul de /π Soit dans un plan un système de lignes parallèles équidistantes de d. Une aiguille de longueur l est jetée sur ce plan, au hasard. : d α x α l'angle d'inclinaison avec les parallèles et x la distance du milieu de l'aiguille à l'une des droites sont distribués uniformément : -π/2 a π/2 et 0 x d Si 2l = d, la probabilité de couper une ligne est /π sur N aiguilles si n coupent des lignes π # N/n
29 Ex: calcul de Π/4 Considérons un cercle de rayon R et un carré de coté 2R (le cercle peut s'inscrire dans le carré) : Si on imagine des récipients, on peut dire par exemple: que le rapport des quantités de pluie reçues est proportionnel au rapport des aires exposées, soit: πr R = π 4 Il est facile d'assimiler les gouttes de pluie à un ensemble uniforme aléatoire de points et de dire que si N sont tombés dans le carré et n dans le cercle, alors n/n # π/4, pourvu que N et n soient assez grands. On a donc une estimation de π/4 par une méthode de Monte- Carlo : on tire des points uniformément dans le carré et l'on compte ceux tombés dans le cercle inscrit.
30 Méthode de Monte-Carlo Pour simplifier prenons un carré de côté, le calcul de l'aire du quadrant est : y 2 2 x + y = x dxdy = π 4 0 x Voilà une méthode simple de calcul d'une intégrale double : - on prend N couples de deux nombres uniformément répartis entre 0 et : R et R 2 - on compte le nombre n de couples vérifiant R 2 + R 22 alors n/n # π/4,
31 Méthode de Monte-Carlo Quelle est la probabilité de réussir une "réussite" : c'est une succession d'événements aléatoires, et en saisir la globalité n'est pas évident. Il est plus simple de simuler une répétition d'un grand nombre de parties pour lesquelles il suffit de connaître les diverses probabilités d'événements simples : probabilité d'apparition d'une carte, sachant qu'un certain nombre de cartes est déjà sorti. Ce problème est similaire au transport des particules dans un milieu: quelle est par exemple la probabilité de déposer telle ou telle quantité d'énergie en un endroit donné situé à l'intérieur du milieu irradié? Il faut suivre le cheminement de la particule comme une succession d'événements aléatoires mais obéissant à des lois bien déterminées. Il faut à chaque étape des calculs de ce type trouver le comportement d'une variable représentent le phénomène en fonction de la variable aléatoire de départ connue : cela s'appelle l'échantillonnage, fondé sur l utilisation des fonctions de répartition.
32 Fonction de répartition monotone, croissante P( a X Variables aléatoires < b) = F ( x) = P( X < x) F( b) F( a) = b a f ( x) dx f(x) est la densité de probabilité, fonction positive d intégrale = dérivée de F(x) 0,8 0,6 F(x) f(x) F(x) 0,4 0,2 x 0 + f ( x) dx =
33 Génération de variables aléatoires Soit X une variable aléatoire de densité f connue. On montre que Y = F(X) est uniformément distribuée sur [0,] Si des R i sont des nombres aléatoires équidistribués entre 0 et Les X i =F - (R i ) seront distribués suivant la densité f(x) : X i R i f ( x) dx = dy = 0 R i
- I - Fonctionnement d'un détecteur γ de scintillation
U t i l i s a t i o n d u n s c i n t i l l a t e u r N a I M e s u r e d e c o e ffi c i e n t s d a t t é n u a t i o n Objectifs : Le but de ce TP est d étudier les performances d un scintillateur pour
Plus en détailInteractions des rayonnements avec la matière
UE3-1 : Biophysique Chapitre 2 : Interactions des rayonnements avec la matière Professeur Jean-Philippe VUILLEZ Année universitaire 2011/2012 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
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 détailLES GENERATEURS DE NOMBRES ALEATOIRES
LES GENERATEURS DE NOMBRES ALEATOIRES 1 Ce travail a deux objectifs : ====================================================================== 1. Comprendre ce que font les générateurs de nombres aléatoires
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 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 détailLE COSMODETECTEUR : UN EXEMPLE DE CHAÎNE DE MESURE
LE COSMODETECTEUR : UN EXEMPLE DE CHAÎNE DE MESURE Enseignement : 1 ère STL Mesures et instrumentation Thème : Instrumentation : Instruments de mesure, chaîne de mesure numérique Notions et contenus :
Plus en détailModélisation et simulation
Modélisation et simulation p. 1/36 Modélisation et simulation INFO-F-305 Gianluca Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Modélisation et simulation p.
Plus en détail- MANIP 2 - APPLICATION À LA MESURE DE LA VITESSE DE LA LUMIÈRE
- MANIP 2 - - COÏNCIDENCES ET MESURES DE TEMPS - APPLICATION À LA MESURE DE LA VITESSE DE LA LUMIÈRE L objectif de cette manipulation est d effectuer une mesure de la vitesse de la lumière sur une «base
Plus en détailTHEME 2. LE SPORT CHAP 1. MESURER LA MATIERE: LA MOLE
THEME 2. LE SPORT CHAP 1. MESURER LA MATIERE: LA MOLE 1. RAPPEL: L ATOME CONSTITUANT DE LA MATIERE Toute la matière de l univers, toute substance, vivante ou inerte, est constituée à partir de particules
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 détailCentre d'etudes Nucléaires de Fontenay-aux-Roses Direction des Piles Atomiques Département des Etudes de Piles
CEA-N-1195 Note CEA-N-1195 Centre d'etudes Nucléaires de Fontenay-aux-Roses Direction des Piles Atomiques Département des Etudes de Piles Service d'etudes de Protections de Piles PROPAGATION DES NEUTRONS
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
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 détailFUSION PAR CONFINEMENT MAGNÉTIQUE
FUSION PAR CONFINEMENT MAGNÉTIQUE Séminaire de Xavier GARBET pour le FIP 06/01/2009 Anthony Perret Michel Woné «La production d'énergie par fusion thermonucléaire contrôlée est un des grands défis scientifiques
Plus en détailChapitre 11: Réactions nucléaires, radioactivité et fission
1re B et C 11 Réactions nucléaires, radioactivité et fission 129 Chapitre 11: Réactions nucléaires, radioactivité et fission 1. Définitions a) Nucléides (= noyaux atomiques) Les nucléides renferment les
Plus en détailLes rayons X. Olivier Ernst
Les rayons X Olivier Ernst Lille La physique pour les nuls 1 Une onde est caractérisée par : Sa fréquence F en Hertz (Hz) : nombre de cycle par seconde Sa longueur λ : distance entre 2 maximum Sa vitesse
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 détailLes travaux doivent être remis sous forme papier.
Physique mathématique II Calendrier: Date Pondération/note nale Matériel couvert ExercicesSérie 1 : 25 septembre 2014 5% RH&B: Ch. 3 ExercicesSérie 2 : 23 octobre 2014 5% RH&B: Ch. 12-13 Examen 1 : 24
Plus en détailG.P. DNS02 Septembre 2012. Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3. Réfraction
DNS Sujet Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3 Réfraction I. Préliminaires 1. Rappeler la valeur et l'unité de la perméabilité magnétique du vide µ 0. Donner
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
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 détailDIFFRACTion des ondes
DIFFRACTion des ondes I DIFFRACTION DES ONDES PAR LA CUVE À ONDES Lorsqu'une onde plane traverse un trou, elle se transforme en onde circulaire. On dit que l'onde plane est diffractée par le trou. Ce phénomène
Plus en détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
Plus en détailC est un mouvement plan dont la trajectoire est un cercle ou une portion de cercle. Le module du vecteur position OM est constant et il est égal au
1 2 C est un mouvement plan dont la trajectoire est un cercle ou une portion de cercle. Le module du vecteur position est constant et il est égal au rayon du cercle. = 3 A- ouvement circulaire non uniforme
Plus en détailTD 9 Problème à deux corps
PH1ME2-C Université Paris 7 - Denis Diderot 2012-2013 TD 9 Problème à deux corps 1. Systèmes de deux particules : centre de masse et particule relative. Application à l étude des étoiles doubles Une étoile
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 détailCOMPTE-RENDU «MATHS EN JEANS» LYCEE OZENNE Groupe 1 : Comment faire une carte juste de la Terre?
Claire FORGACZ Marion GALLART Hasnia GOUDJILI COMPTERENDU «MATHS EN JEANS» LYCEE OZENNE Groupe 1 : Comment faire une carte juste de la Terre? Si l on se pose la question de savoir comment on peut faire
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
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 détailCalculs de probabilités
Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile
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 détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
Plus en détailIFT3355: Infographie Sujet 6: shading 7 (illumination globale 4)
IFT3355: Infographie Sujet 6: shading 7 (illumination globale 4) Derek Nowrouzezahrai Département d informatique et de recherche opérationelle Université de Montréal Ambient Occlusion expériment numérique
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailErratum de MÉCANIQUE, 6ème édition. Introduction Page xxi (milieu de page) G = 6, 672 59 10 11 m 3 kg 1 s 2
Introduction Page xxi (milieu de page) G = 6, 672 59 1 11 m 3 kg 1 s 2 Erratum de MÉCANIQUE, 6ème édition Page xxv (dernier tiers de page) le terme de Coriolis est supérieur à 1% du poids) Chapitre 1 Page
Plus en détailPRÉCIS DE SIMULATION
PRÉCIS DE SIMULATION P. Del Moral Centre INRIA Bordeaux Sud-Ouest & Institut de Mathématiques de Bordeaux Université Bordeaux I, 351, cours de la Libération 33405 Talence, France Table des matières 1
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détail8/10/10. Les réactions nucléaires
Les réactions nucléaires En 1900, à Montréal, Rutherford observa un effet curieux, lors de mesures de l'intensité du rayonnement d'une source de thorium [...]. L'intensité n'était pas la même selon que
Plus en détail(Ir)réversibilité et entropie
Séminaire Poincaré XV Le Temps (2010) 17 75 Séminaire Poincaré (Ir)réversibilité et entropie Cédric Villani Université de Lyon & Institut Henri Poincaré 11 rue Pierre et Marie Curie 75231 Paris Cedex 05,
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 détailOM 1 Outils mathématiques : fonction de plusieurs variables
Outils mathématiques : fonction de plusieurs variables PCSI 2013 2014 Certaines partie de ce chapitre ne seront utiles qu à partir de l année prochaine, mais une grande partie nous servira dès cette année.
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailI. Cas de l équiprobabilité
I. Cas de l équiprobabilité Enoncé : On lance deux dés. L un est noir et l autre est blanc. Calculer les probabilités suivantes : A «Obtenir exactement un as» «Obtenir au moins un as» C «Obtenir au plus
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailUNIVERSITE BLAISE PASCAL D.E.A. DE PHYSIQUE
UNIVERSITE BLAISE PASCAL D.E.A. DE PHYSIQUE Option C : Rayonnements et leurs applications RAPPORT DE STAGE Simulation Monte Carlo de l accélérateur linéaire clinique SL-ELEKTA Etude dosimétrique dans un
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 détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
Plus en détailSimulation : application au système bonus-malus en responsabilité civile automobile
Simulation : application au système bonus-malus en responsabilité civile automobile Robert Langmeier Travail de séminaire réalisé sous la supervision du professeur François Dufresne Ecole des HEC Université
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailSimulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE
Simulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE LAURENT Rémy laurent@clermont.in2p3.fr http://clrpcsv.in2p3.fr Journées des LARD Septembre 2007 M2R
Plus en détailLes rayons cosmiques primaires chargés
Les rayons cosmiques primaires chargés Historique de leur découverte Spectre en énergie Composition: abondance Electrons/positons Muons Antiprotons Processus d accélération Expériences Ballons (BESS) Satellites
Plus en détailCHAPITRE IV Oscillations libres des systèmes à plusieurs degrés de liberté
CHAPITE IV Oscillations ibres des Systèmes à plusieurs derés de liberté 010-011 CHAPITE IV Oscillations libres des systèmes à plusieurs derés de liberté Introduction : Dans ce chapitre, nous examinons
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 détailStructure quantique cohérente et incohérente de l eau liquide
Structure quantique cohérente et incohérente de l eau liquide Prof. Marc HENRY Chimie Moléculaire du Solide Institut Le Bel, 4, Rue Blaise Pascal 67070 Strasbourg Cedex, France Tél: 03.68.85.15.00 e-mail:
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailMéthode de Monte Carlo pour le calcul d'options
Méthode de Monte Carlo pour le calcul d'options LADIAS Elie, WANG Shuai 7 juin 2013 1 Table des matières 1 Méthode de Monte-Carlo et Calcul d'intégrales 4 1.1 Description de la méthode....................
Plus en détailREPRESENTER LA TERRE Cartographie et navigation
REPRESENTER LA TERRE Seconde Page 1 TRAVAUX DIRIGES REPRESENTER LA TERRE Cartographie et navigation Casterman TINTIN "Le trésor de Rackham Le Rouge" 1 TRIGONOMETRIE : Calcul du chemin le plus court. 1)
Plus en détailIntégrales doubles et triples - M
Intégrales s et - fournie@mip.ups-tlse.fr 1/27 - Intégrales (rappel) Rappels Approximation éfinition : Intégrale définie Soit f définie continue sur I = [a, b] telle que f (x) > 3 2.5 2 1.5 1.5.5 1 1.5
Plus en détailPerrothon Sandrine UV Visible. Spectrophotométrie d'absorption moléculaire Étude et dosage de la vitamine B 6
Spectrophotométrie d'absorption moléculaire Étude et dosage de la vitamine B 6 1 1.But et théorie: Le but de cette expérience est de comprendre l'intérêt de la spectrophotométrie d'absorption moléculaire
Plus en détailComprendre l Univers grâce aux messages de la lumière
Seconde / P4 Comprendre l Univers grâce aux messages de la lumière 1/ EXPLORATION DE L UNIVERS Dans notre environnement quotidien, les dimensions, les distances sont à l échelle humaine : quelques mètres,
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détailChapitre 11 Bilans thermiques
DERNIÈRE IMPRESSION LE 30 août 2013 à 15:40 Chapitre 11 Bilans thermiques Table des matières 1 L état macroscopique et microcospique de la matière 2 2 Énergie interne d un système 2 2.1 Définition.................................
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailQuantité de mouvement et moment cinétique
6 Quantité de mouvement et moment cinétique v7 p = mv L = r p 1 Impulsion et quantité de mouvement Une force F agit sur un corps de masse m, pendant un temps Δt. La vitesse du corps varie de Δv = v f -
Plus en détailPRINCIPE MICROSCOPIE CONFOCALE
PRINCIPE MICROSCOPIE CONFOCALE Un microscope confocal est un système pour lequel l'illumination et la détection sont limités à un même volume de taille réduite (1). L'image confocale (ou coupe optique)
Plus en détailLes probabilités. Chapitre 18. Tester ses connaissances
Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailFigure 1 : Diagramme énergétique de la photo émission. E B = hν - E C
ANALYSE XPS (ESCA) I - Principe La spectroscopie XPS (X-Ray Photoelectron Spectroscopy) ou ESCA (Electron Spectroscopy for Chemical Analysis) est basée sur la photo émission. Lors de l'irradiation par
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
Plus en détailAngles orientés et fonctions circulaires ( En première S )
Angles orientés et fonctions circulaires ( En première S ) Dernière mise à jour : Jeudi 01 Septembre 010 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble (Année 006-007) Lycée Stendhal, Grenoble
Plus en détailDYNAMIQUE DE FORMATION DES ÉTOILES
A 99 PHYS. II ÉCOLE NATIONALE DES PONTS ET CHAUSSÉES, ÉCOLES NATIONALES SUPÉRIEURES DE L'AÉRONAUTIQUE ET DE L'ESPACE, DE TECHNIQUES AVANCÉES, DES TÉLÉCOMMUNICATIONS, DES MINES DE PARIS, DES MINES DE SAINT-ÉTIENNE,
Plus en détailP17- REACTIONS NUCLEAIRES
PC A DOMICILE - 779165576 P17- REACTIONS NUCLEAIRES TRAVAUX DIRIGES TERMINALE S 1 Questions de cours 1) Définir le phénomène de la radioactivité. 2) Quelles sont les différentes catégories de particules
Plus en détailModule d Electricité. 2 ème partie : Electrostatique. Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere
Module d Electricité 2 ème partie : Electrostatique Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere 1 Introduction Principaux constituants de la matière : - protons : charge
Plus en détailDe la physico-chimie à la radiobiologie: nouveaux acquis (I)
De la physico-chimie à la radiobiologie: nouveaux acquis (I) Collaboration: - Laboratoire de Radiotoxicologie et Oncologie (L. Sabatier) CEA, DSV - Laboratoire de Génotoxicité et Modulation de l Expression
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailPhotons, expériences de pensée et chat de Schrödinger: une promenade quantique
Photons, expériences de pensée et chat de Schrödinger: une promenade quantique J.M. Raimond Université Pierre et Marie Curie Institut Universitaire de France Laboratoire Kastler Brossel Département de
Plus en détailVoyez la réponse à cette question dans ce chapitre. www.hometownroofingcontractors.com/blog/9-reasons-diy-rednecks-should-never-fix-their-own-roof
Une échelle est appuyée sur un mur. S il n y a que la friction statique avec le sol, quel est l angle minimum possible entre le sol et l échelle pour que l échelle ne glisse pas et tombe au sol? www.hometownroofingcontractors.com/blog/9-reasons-diy-rednecks-should-never-fix-their-own-roof
Plus en détailI - Quelques propriétés des étoiles à neutrons
Formation Interuniversitaire de Physique Option de L3 Ecole Normale Supérieure de Paris Astrophysique Patrick Hennebelle François Levrier Sixième TD 14 avril 2015 Les étoiles dont la masse initiale est
Plus en détailFonctions Analytiques
5 Chapitre Fonctions Analytiques. Le plan complexe.. Rappels Soit z C, alors!(x,y) IR 2 tel que z = x + iy. On définit le module de z comme z = x 2 + y 2. On peut aussi repérer z par des coordonnées polaires,
Plus en détailRésonance Magnétique Nucléaire : RMN
21 Résonance Magnétique Nucléaire : RMN Salle de TP de Génie Analytique Ce document résume les principaux aspects de la RMN nécessaires à la réalisation des TP de Génie Analytique de 2ème année d IUT de
Plus en détailProbabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2
Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................
Plus en détailL E Ç O N. Marches aléatoires. Niveau : Terminale S Prérequis : aucun
9 L E Ç O N Marches aléatoires Niveau : Terminale S Prérequis : aucun 1 Chaînes de Markov Définition 9.1 Chaîne de Markov I Une chaîne de Markov est une suite de variables aléatoires (X n, n N) qui permet
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailMathématiques I Section Architecture, EPFL
Examen, semestre d hiver 2011 2012 Mathématiques I Section Architecture, EPFL Chargé de cours: Gavin Seal Instructions: Mettez votre nom et votre numéro Sciper sur chaque page de l examen. Faites de même
Plus en détailPHY113 : Cours de Radioactivité 2009-2010
Cours de Radioactivité Le but de ce cours est de permettre aux étudiants qui seront amenés à utiliser des sources radioactives d acquérir les bases de la radioactivité. Aussi bien au niveau du vocabulaire
Plus en détailTHÈSE. présentée par. Haïfa Ben Abdelouahed. pour l obtention du. diplôme de doctorat en physique. Titre de la thèse :
Université de Tunis El Manar Faculté des Sciences Mathématiques, Physiques et Naturelles de Tunis. THÈSE présentée par Haïfa Ben Abdelouahed pour l obtention du diplôme de doctorat en physique Titre 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 détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailPeut-on imiter le hasard?
168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard
Plus en détail