MATHEMATIQUES Option scientifique Mardi 9 mai 2006 de 8h à 12h

Dimension: px
Commencer à balayer dès la page:

Download "MATHEMATIQUES Option scientifique Mardi 9 mai 2006 de 8h à 12h"

Transcription

1 ECOLE DE HUTES ETUDES COMMERCILES DU NORD Cocors d'admissio sr classes préparatoires MTHEMTIQUES Optio scietifiqe Mardi 9 mai 6 de 8h à h La présetatio, la lisibilité, l'orthographe, la qalité de la rédactio, la clarté et la précisio des raisoemets etrerot por e part importate das l'appréciatio des copies Les cadidats sot ivités à ecadrer, das la mesre d possible, les résltats de lers calcls Ils e doivet faire sage d'ac docmet ; sele l'tilisatio d'e règle gradée est atorisée L'tilisatio de tote calclatrice et de tot matériel électroiqe est iterdite Exercice Das cet exercice, m désige etier atrel o l O ote id (respectivemet θ l edomorphisme idetité (respectivemet l edomorphisme l d Cl - espace vectoriel Cl m et o cosidère edomorphisme f de Cl m vérifiat : ( f λ id o ( f λ id = θ, où λ et λ sot dex complexes disticts a Vérifier qe ( ( f λ id ( f λ id = id λ λ b E dédire qe : Cl m = Ker ( f λ id Ker ( f λ id c Coclre qe f est diagoalisable et doer ses valers propres (o sera ameé à étdier trois cas Das la site de l exercice, o désige par etier atrel et l o se propose de motrer q il existe pas de matrice de M + (IR telle qe = I, où I désige la matrice diagoale de M + (IR dot les élémets diagoax valet Trover e matrice de M + (Cl telle qe = I 3 Das cette qestio, o sppose q il existe e matrice de M + (IR telle qe = I a Utiliser la première qestio por motrer qe est diagoalisable das M + (Cl et qe ses valers propres sot i et i b Por tote matrice M = (m i, j i p de M p, q (Cl, o ote M la matrice ( m i, j i p j q O ote E i et E i les sos-espaces propres de associés ax valers propres i et i Motrer qe X E i X E i c E dédire qe, si (,,, p est e base de E i, alors (,,, p est e famille libre de E i Coclre qe dim E i = dim E i d Établir efi le résltat demadé j q

2 Exercice a Motrer qe l o défiit bie e iqe site (, à termes strictemet positifs, e posat : = et, por tot etier spérier o égal à, = b Vérifier qe = 3, pis calcler 3 j Motrer qe la série de terme gééral est divergete et doer lim j 3 a Établir qe :, + = + b E dédire qe la site ( est covergete c Doer éqivalet de l( lorsqe est a voisiage de pis détermier la + atre de la série de terme gééral l( + d E dédire lim l(, pis motrer qe lim = a Motrer qe :, = (, où ( (! désige le coefficiet biomial!! b E tilisat la qestio, détermier lim, pis motrer qe : ( = o( 5 E tilisat le résltat de la qestio 3, motrer qe : = o( ( Exercice 3 O cosidère dex variables aléatoires X et Y, défiies sr espace probabilisé (Ω, T, P, idépedates et sivat totes dex la loi ormale cetrée rédite (de desité otée ϕ et de foctio de répartitio otée Φ O pose Z = Sp(X, Y et l o se propose de détermier la loi de Z, aisi qe so espérace et sa variace a Motrer qe Z est e variable aléatoire à desité défiie elle assi sr (Ω, T, P b Vérifier qe Z admet por desité la foctio f défiie por tot réel x par : f (x = ϕ (xφ (x t a Rappeler la valer de l itégrale e dt b E dédire la covergece et la valer de e dt c E remarqat qe, por tot réel x, ϕ (x = xϕ (x, motrer, grâce à e itégratio par parties, qe : xf ( x dx= π + t e dt π d Motrer de même qe : xf( x dx= π + t e dt π E dédire qe Z a e espérace et doer sa valer t

3 3 a Motrer qe X et Z sivet la même loi b Détermier E(Z, pis doer la valer de la variace de Z Problème U mobile se déplace sr les poits à coordoées etières d axe d origie O départ, le mobile est à l origie (poit d abscisse Le mobile se déplace selo la règle sivate : s il est sr le poit d abscisse k à l istat, alors, à l istat ( + il sera sr le poit d abscisse (k + avec la probabilité k o sr k le poit d abscisse avec la probabilité k + Por tot de IN, o ote X l abscisse de ce poit à l istat et l o a doc X = O admet qe, por tot de IN, X est e variable aléatoire défiie sr espace probabilisé (Ω, T, P et o pose = P(X = Partie : étde de la variable X Vérifier qe X (Ω = {, } pis doer la loi de X Motrer par récrrece qe, por tot etier atrel, X (Ω = {,,, } k 3 a Motrer qe : IN *, k {,, }, P(X = k = k + P(X = k b E dédire qe : IN, k {,,, }, P(X = k = k + k j c E remarqat qe PX ( = k =, motrer qe : IN, = k = j+ d Retrover aisi les valers de et pis détermier et 3 a E remarqat qe la relatio obtee à la qestio 3a pet s écrire sos la forme (k + P(X = k = k P(X = k, motrer qe : IN *, E(X E(X = b E dédire, por tot etier atrel o l, E(X sos forme de somme mettat e je certais termes de la site ( j c Por tot etier atrel o l, doer la valer de et vérifier qe j j + = j+ j Dédire de ces dex résltats qe : IN *, = ( j( j+ d Motrer qe, por tot de IN *, Détermier esite lim + E(X Partie : étde d premier retor à l origie O ote T l istat aqel le mobile se trove por la première fois à l origie (sas compter so positioemet a départ et o admet qe T est e variable aléatoire défiie, elle assi, sr (Ω, T, P O coviet qe T pred la valer si le mobile e reviet jamais e O Par exemple, si les abscisses sccessives d mobile après so départ sot,,,,,,, alors o a T = Si les abscisses sccessives sot :,, 3,,,, alors o a T = + + 3

4 a Por tot k de IN*, exprimer l évéemet (T = k e foctio d évéemets mettat e je certaies des variables X i b Motrer qe : k IN *, P(T = k = kk ( + c Détermier les costates a et b telles qe : k IN *, = a k( k + k + b k + E dédire qe P(T = =, pis iterpréter ce derier résltat La variable T a-t-elle e espérace? Partie 3 : iformatiqe Compléter les dex istrctios maqates por qe le programme Pascal sivat, das leqel est déclaré comme costate (ici =, calcle et affiche,,,, aisi qe l espérace de X qi sera stockée das la variable e Program edhec_6 ; cost = ; var i, k : iteger ; s, e : real ; : array [] of real ; Begi [] : = ; writel([] ; e : = ; For k : = to do begi s : = ; For i : = to k do begi s : = ; [k] : = s ; ed ; Writel([k] ; e : = ; ed ; Writel(e ; ed a Compléter le programme sivat por q il calcle et affiche la valer prise par T lors de l expériece aléatoire étdiée O rappelle qe, si k est etier atrel o l, l istrctio radom(k revoie aléatoiremet etier compris etre et k Program edhec_6bis ; var T, hasard : iteger ; Begi Radomize ; T : = ; Repeat T : = T + ; hasard : = radom (----- ; til (hasard = ; Writel (T ; ed b Est-o certai qe le ombre de passages das la bocle «Repeat til» est fii?

5 EDHEC 6 : optio S Corrigé de l épreve de mathématiqes Exercice a ( ( f λ Id ( f λ Id = λ λ (λ λ Id = Id λ λ b D après la qestio a, o a, por tot x élémet de Cl m : Id(x = ( ( f λ Id ( f λ Id (x = ( ( f λ Id (x ( f λ Id (x, d où : λ λ λ λ x = ( f λ Id (x ( f λ Id (x, ce qe l o pet écrire, par liéarité de f : λ λ λ λ x = ( f λ Id ( x + ( f λ Id ( λ λ λ λ x E posat x = ( f λ Id ( x et x = ( f λ Id ( λ λ λ λ x, o a : x Cl m, x = x + x O va maiteat vérifier qe x appartiet à Ker (f λ Id et qe x appartiet à Ker (f λ Id ( f λ Id (x = ( f λ Id( ( f λ Id ( x = (( f λ Id o ( f λ Id ( x λ λ λ λ O vérifie, e développat, qe (f λ Id o ( f λ Id = (f λ Id o ( f λ Id d où : ( f λ Id (x = (( f λ Id o ( f λ Id ( x = θ ( x = λ λ λ λ O a doc : x Ker ( f λ Id De même : ( f λ Id (x = ( f λ Id( ( f λ Id ( λ λ x = (( f λ Id o ( f λ Id ( λ λ x O obtiet tot de site : ( f λ Id (x = θ ( x = λ λ O a doc : x Ker ( f λ Id O viet de motrer qe : Cl m = Ker ( f λ Id + Ker ( f λ Id Il reste à motrer qe cette somme est directe, soit qe Ker ( f λ Id Ker ( f λ Id = {}

6 Cosidéros doc élémet x de Ker ( f λ Id Ker ( f λ Id O a alors : f (x = λ x et f (x = λ x, d où λ x = λ x, ce qi s écrit : (λ λ x = Comme λ λ, o a x = Ceci prove qe Ker ( f λ Id Ker ( f λ Id {} L iclsio réciproqe état évidete (car le vecter l appartiet ax dex oyax, o a l égalité : Ker ( f λ Id Ker ( f λ Id = {} Por coclre : Cl m = Ker ( f λ Id Ker ( f λ Id c La somme directe écrite ci-desss prove q a mois des dex oyax est pas rédit a vecter l, ce qi fait qe trois cas se présetet : Ker ( f λ Id = {} d où Cl m = Ker ( f λ Id O a doc f = λ Id, ce qi prove qe f est diagoalisable avec λ comme sele valer propre Ker ( f λ Id = {} d où Cl m = Ker ( f λ Id O a doc f = λ Id, ce qi prove qe f est diagoalisable avec λ comme sele valer propre Ker ( f λ Id {} et Ker ( f λ Id {} D après b, Cl m est somme directe des dex sos-espaces propres de f (associés ax valers propres λ et λ, ce qi prove qe f est diagoalisable et qe ses valers propres sot λ et λ La matrice diagoale dot les élémets diagoax sot égax à i vérifie bie = I 3 a E cosidérat l edomorphisme f de Cl + dot est la matrice das la base caoiqe de Cl +, o pet écrire f = Id, soit : ( f i Id o ( f + i Id = θ D après la première qestio, f est diagoalisable das Cl + et soit i, soit i, soit i et i sot ses valers propres (et doc celles de Mais das le cas préset, si avait q e valer propre (i par exemple, la matrice serait semblable à i I (car est diagoalisable et il existerait e matrice P iversible telle qe : = P ii P = i P I P = i I Ceci cotredit le fait qe est e matrice réelle E coclsio : est diagoalisable et ses valers propres sot i et i b X E i X = i X X = ix X = i X Comme la matrice est réelle, o a =, d où : X E i X = i X X E i O pet doc affirmer : X E i X E i c Comme,,, p sot élémets de E i, o sait, d après la qestio précédete, qe,,, p sot élémets de E i Motros qe (,,, p est libre Soit (λ,, λ p Cl p tel qe λ i i p i= = E cojgat, o obtiet : λ i Comme (,,, p est e base de E i, c est e famille libre et o pet e dédire qe : i {,,, p}, λ i = E cojgat à ovea, o a fialemet : i {,,, p}, λ i = Coclsio : p i= i =

7 (,,, p est e famille libre de E i Il fat maiteat motrer qe (,,, p est e famille géératrice de E i Por tot X de E i, o sait qe X appartiet à E i (d après 3b, doc, comme (,,, p est e base de E i, il existe p complexes λ,, λ p tels qe X = λ i i E cojgat, o obtiet : X = p λ i i i=, ce qi prove qe (,,, p est e famille géératrice de E i Fialemet, (,,, p est e base de E i et o a bie : p i= dim E i = dim E i = p d D après la qestio 3a, M + (Cl = E i E i doc + = dim E i + dim E i = p Cette égalité est impossible pisqe + est impair et p est pair L hypothèse émise a débt de la qestio 3 est doc irrecevable et o coclt qe : Il existe ace matrice de M + (IR telle qe = I Exercice a O procède par récrrece forte Por =, est bie défii par l éocé et = > Si l o sppose, por etier fixé das IN ( qe,, sot bie défiis et strictemet positifs, alors j > et, comme est bie défii ( et strictemet positif, o a bie : est défii et strictemet positif Coclsio : La site ( est bie défiie et à termes strictemet positifs Por l icité, o sppose q il existe e site (v telle qe v = et, por tot etier spérier o égal à, v = v j j = Tojors par récrrece forte, o motre qe :, v = Por =, o a bie = v Si l o sppose, por etier fixé das IN ( qe : j {,,, }, j = v j, alors o a facilemet j = v j, c est-à-dire = v j = Coclsio : O défiit bie e iqe site (, à termes strictemet positifs, e posat : = et, por tot etier spérier o égal à, = j = j

8 b Por =, la relatio qi défiit deviet : = 3 doc : = 3 De même, 3 = 5 ( + = 5 ( + et o a : 3 3 = 5 Comme = et comme tos les j sot positifs, o a j O e dédit, comme >, qe j, soit : Comme >, o pet alors écrire :, Comme la série de terme gééral diverge (série proportioelle à la série de Riema de paramètre, le critère de comparaiso por les séries à termes positifs motre qe la série de terme gééral diverge Comme c est e série à termes strictemet positifs, o a : lim j = j = 3 a, + = Comme, par défiitio, O a doc : j = + j = ( + j +, o obtiet : + =, + = ( + b D après ce qi précède, + = + = + Or > et + > doc :, + < Comme, de pls <, o a fialemet :, + < La site ( est doc décroissate Comme elle est miorée par, o pet coclre :

9 La site ( est covergete c Le qotiet existe et est strictemet positif, doc l( + De pls, grâce à la qestio 3a, l( = l ( + + Comme lim =, o a : l( ~ + + existe La série de terme gééral est divergete et le critère d éqivalece por les séries à termes positifs assre qe : La série de terme gééral l( est divergete k d, l( = ( k = k + k = + l( k l( k+ = l( l( = l( car l( = k O e dédit qe :, l( = l( k = k + La série de terme gééral l( est divergete et à termes positifs (car k lim l( = k = k + O pet doc coclre qe : + lim l( = + > doc : O a alors immédiatemet : a O procède par récrrece Por =, = 3 et = ( 6 lim = = L iitialisatio est faite 3 Si l o sppose, por etier fixé spérier o égal à, qe =, alors : (

10 + = + = + = ( +!! (! =!! ( +! E mltipliat par + +, o obtiet :!! + = ( +! + + =!( +! ( + ( +! E mltipliat par ( + + ( +!( +!, o a efi + = + ( + ( +! = ( + ( + + Par récrrece, o a bie : b O sait qe :, = Comme lim = et lim, = j = j j =, o a : ( lim = D après la qestio a, o a = ( doc lim ( =, ce qi pet s écrire : lim ( = et o a doc : ( = o( 5 O sait qe lim = doc lim ( = E mltipliat par, o a alors : lim Ceci vet dire qe : ( = =, ce qi s écrit ecore lim o( ( / ( =

11 Exercice 3 a Por tot réel x, o a : (Z x = (X x (Y x Comme X et Y sot des variables aléatoires, (X x et (Y x sot des évéemets (élémets de la trib T et ler itersectio est ecore élémet de T Ceci prove qe (Z x appartiet à T et qe Z est e variable aléatoire défiie sr (Ω,T, P Par idépedace de X et Y, o a P(Z x = P(X x P(Y x, ce qi doe : F Z (x = (Φ (x Comme Φ est de classe C sr IR, il e est de même de F Z, ce qi fait de Z e variable aléatoire à desité (les atres propriétés de F Z état vérifiées pisqe Z est e variable aléatoire b E dérivat F Z, o obtiet e desité de Z défiie par : x IR, f Z (x = ϕ (x Φ (x a E référece à la loi ormale cetrée rédite, o pet affirmer qe : e t dt = π t b E effectat le chagemet de variable = das l itégrale précédete (ce qi est atorisé car c est chagemet de variable affie, o obtiet : e dt O a alors : t = π e t dt = π Remarqe : o povait obteir ce résltat directemet e remarqat qe la foctio qi à t t associe e est e desité d e variable aléatoire sivat la loi ormale N(, π c Por tot réel x, ϕ (x = π e x, doc ϕ (x = x π e x = x ϕ (x, xf( x dx= xϕ( x φ( x dx O pose (x = Φ (x et v (x = x ϕ (x, avec (x = ϕ (x et v(x = ϕ (x Les foctios et v sot de classe C sr [, ] doc o pet réaliser l itégratio par parties qi doe : xf( x dx= [ ϕ (xφ (x] + ( ϕ( x dx, d où : x xf( x dx= ϕ (Φ ( + ϕ (Φ ( + e dx π Or lim ϕ ( = et, comme Φ est e foctio de répartitio, lim Φ ( =

12 De pls, ϕ ( = π, Φ ( =, et lim b près passage à la limite, o obtiet : e x dx x = e dx qi coverge d après xf ( x dx= π + π + e x dx d, xf( x dx = x x x dx ϕ( φ( La même itégratio par parties qe ci-desss doe : xf( x dx = ϕ (Φ ( ϕ (Φ ( + π Or lim De pls, lim o obtiet : e x dx ϕ ( = et, comme Φ est e foctio de répartitio, lim e x dx x = e dx xf ( x dx = π + π Φ ( = qi coverge d après b près passage à la limite, e x dx Grâce à la relatio de Chasles (sr des itégrales covergetes, o a : xf ( x dx= xf( x dx + xf( x dx, ce qi doe : xf ( x dx= π e x dx, et avec le résltat de la qestio b, o a fialemet : xf ( x dx= π Les itégrales croisées e c et d sot totes les dex absolmet covergetes (elles coverget et lers itégrades sot de sige costat doc Z possède e espérace mathématiqe et : E(Z = π 3 a Tot d abord, X (Ω = IR + et, por tot réel positif x, o a : (X x = ( x X x, d où l o dédit qe : x, F X (x = Φ ( x Φ ( x, mais comme Φ ( x = Φ ( x, o obtiet : x, F X (x = Φ ( x Par aillers, Z (Ω = IR + et, por tot réel positif x, o a : (Z x = ( x Z x, d où l o dédit qe :

13 x, F Z (x = F Z ( x F Z ( x, mais comme, por tot z de IR, F Z (z = (Φ (z, o obtiet : x, F Z (x = (Φ ( x (Φ ( x = (Φ ( x ( Φ ( x, et e développat, o a efi : x, F Z (x = Φ ( x Les foctios de répartitio de X et Z sot égales doc o pet coclre : X et Z sivet la même loi b O dédit de la qestio 3a qe, e particlier, X et Z ot même espérace Comme X sit la loi ormale N (,, o a : E(X = V(X + (E(X = Par coséqet : E(Z = Ceci garatit qe Z a e variace doée par la formle V(Z = E(Z (E(Z, d où l o dédit : V(Z = π Problème Partie État e O a départ, le mobile pet, soit se déplacer sr le poit d abscisse (avec la probabilité, soit rester e O (avec la probabilité E coclsio : X (Ω = {, } et X sit la loi B ( L iitialisatio est faite por = car X est la variable certaie égale à Si l o sppose qe, por fixé das IN, X (Ω = [, ], alors, por tot k de [, ], si le mobile est sr le poit d abscisse k à l istat, il se trovera, à l istat ( +, soit e O, soit sr le poit d abscisse k + (avec k + [, + ] Par coséqet : X + (Ω = [, + ] O coclt par récrrece qe : IN, X (Ω = [, ] 3 a vec le système complet d évéemets (X = j j, la formle des probabilités X = j totales s écrit : k [, ], P(X = k = P ( X = k P( X = j Comme k est o l, la sele faço por le mobile d atteidre le poit d abscisse k est de proveir d poit d abscisse k O a doc : j k, PX j X k = ( = = Il reste alors : P(X = k = PX k X k = = ( P(X = k O e dédit :

14 k [, ], P(X = k = k k + P(X = k k b E itérat, o obtiet : k [, ], P(X = k = k + k k P(X k = Ceci se simplifie et doe, e remplaçat P(X k = par k : P(X = k = k k + Cette égalité est ecore valable por k = (elle s écrit alors P(X = = et por = (elle s écrit alors P(X = = et o a fialemet : k [, ], P(X = k = k + k Remarqe : o povait obteir ce résltat e motrat par récrrece fiie sr i qe : k + i P(X = k = P(X i = k i k + c Comme, por tot etier atrel, (X = k k est système complet d évéemets, k o a P( X = k =, ce qi s écrit ecore = k = k = k + E effectat le chagemet d idice j = k, o a alors : IN, j j+ = d Por =, la formle précédete doe = Por =, elle doe : + =, d où l o tire : = Por =, o a : =, d où l o tire : = 3 = 5 Por = 3, o a : =, d où l o tire : 3 = 6 5 = 3 8 a La relatio obtee e 3a s écrit : k [, ], (k + P(X = k = k P(X = k E sommat por k allat de à, o trove, après avoir scidé la première somme : k = kp( X = k + P( X = k = kp( X = k, ce qi doe : k = k = E(X + P(X = = kp( + X = k, soit : k = E(X + P(X = = E( + X Par liéarité de l espérace, o obtiet : E(X + P(X = = + E(X

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice

Plus en détail

Suites et séries de fonctions

Suites et séries de fonctions [http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

Séries numériques. Chap. 02 : cours complet.

Séries numériques. Chap. 02 : cours complet. Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm

Plus en détail

Processus et martingales en temps continu

Processus et martingales en temps continu Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de

Plus en détail

Étudier si une famille est une base

Étudier si une famille est une base Base raisonnée d exercices de mathématiqes (Braise) Méthodes et techniqes des exercices Étdier si ne famille est ne base Soit E n K-espace vectoriel. Comment décider si ne famille donnée de vecters de

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

La spirale de Théodore bis, et la suite «somme=produit».

La spirale de Théodore bis, et la suite «somme=produit». Etde d e vrite de l spirle de Théodore, dot issce à e site dot les sommes prtielles sot égles x prodits prtiels. Mots clés : spirle de Théodore, théorème de Pythgore, site, série, polyôme. L spirle de

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 5. La fonction logarithme népérien. Sommaire Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat S Asie 19 juin 2014 Corrigé Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

Exercices de mathématiques

Exercices de mathématiques MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris

Plus en détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9 Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios

Plus en détail

20. Algorithmique & Mathématiques

20. Algorithmique & Mathématiques L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus

Plus en détail

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes. Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE AVANCÉE : MÉTHODES STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................

Plus en détail

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3 1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

Les Nombres Parfaits.

Les Nombres Parfaits. Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie

Plus en détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières

Plus en détail

Chaînes de Markov. Arthur Charpentier

Chaînes de Markov. Arthur Charpentier Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.

Plus en détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

IUT Béthune Génie Civil Année Spéciale RDM COURS : STATIQUE

IUT Béthune Génie Civil Année Spéciale RDM COURS : STATIQUE IUT Béthe Géie Civil ée Spéciale RD CURS : STTIQUE I) Gééralités :.) Itrodctio : La statiqe et la écaiqe des Strctres ot por bt d epliqer les phéomèes régissat le dimesioemet des costrctios. Ces matières

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

TRANSLATION ET VECTEURS

TRANSLATION ET VECTEURS TRNSLTION ET VETEURS 1 sr 17 ctivité conseillée ctivités de grope La Translation (Partie1) http//www.maths-et-tiqes.fr/telech/trans_gr1.pdf La Translation (Partie2) http//www.maths-et-tiqes.fr/telech/trans_gr2.pdf

Plus en détail

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3... Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1

Plus en détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C. 16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme

Plus en détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes

Plus en détail

Solutions particulières d une équation différentielle...

Solutions particulières d une équation différentielle... Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod

Plus en détail

Des résultats d irrationalité pour deux fonctions particulières

Des résultats d irrationalité pour deux fonctions particulières Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received

Plus en détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

Processus géométrique généralisé et applications en fiabilité

Processus géométrique généralisé et applications en fiabilité Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR

Plus en détail

Fonction dont la variable est borne d intégration

Fonction dont la variable est borne d intégration [hp://mp.cpgedpydelome.fr] édié le 1 jille 14 Enoncés 1 Foncion don la variable es borne d inégraion Eercice 1 [ 1987 ] [correcion] Soi f : R R ne foncion conine. Jsifier qe les foncions g : R R sivanes

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude

Plus en détail

Introduction : Mesures et espaces de probabilités

Introduction : Mesures et espaces de probabilités Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1 UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation 1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus

Plus en détail

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

Plus en détail

JE LÈGUE À L ŒUVRE DES VOCATIONS POUR FORMER NOS FUTURS PRÊTRES NOS RÉPONSES À VOS QUESTIONS SUR LES LEGS, DONATIONS, ASSURANCES VIE

JE LÈGUE À L ŒUVRE DES VOCATIONS POUR FORMER NOS FUTURS PRÊTRES NOS RÉPONSES À VOS QUESTIONS SUR LES LEGS, DONATIONS, ASSURANCES VIE Diocèses de Paris, Nanterre, Créteil et Saint-Denis JE LÈGUE À L ŒUVRE DES VOCATIONS POUR FORMER NOS FUTURS PRÊTRES NOS RÉPONSES À VOS QUESTIONS SUR LES LEGS, DONATIONS, ASSURANCES VIE FAITES DE VOS BIENS

Plus en détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 3 : Transistor bipolaire à jonction Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats

Plus en détail

Montages à plusieurs transistors

Montages à plusieurs transistors etor a men! ontages à plsiers transistors mplificaters à plsiers étages Dans de nombrex amplificaters, on cerce à obtenir n grand gain, ne impédance d entrée élevée (afin de ne pas pertrber la sorce d

Plus en détail

DETERMINANTS. a b et a'

DETERMINANTS. a b et a' 2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio

Plus en détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe 1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios

Plus en détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars

Plus en détail

Initiation à l analyse factorielle des correspondances

Initiation à l analyse factorielle des correspondances Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique

Plus en détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en détail

PRÉSENTATION DU CONTRAT

PRÉSENTATION DU CONTRAT PRÉSENTATION DU CONTRAT 2 L ASSURANCE VIE UN FANTASTIQUE OUTIL DE GESTION PATRIMONIALE Le fait qe l assrance vie soit, depis plsiers décennies, le placement préféré des Français n est certes pas le frit

Plus en détail

Contribution à la théorie des entiers friables

Contribution à la théorie des entiers friables UFR STMIA École Doctorale IAE + M Uiversité Heri Poicaré - Nacy I DFD Mathématiques THÈSE présetée pour l obtetio du titre de Docteur de l Uiversité Heri Poicaré, Nacy-I e Mathématiques par Bruo MARTIN

Plus en détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. Calcul pour une évolution d une proportion entre deux années non consécutives Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages

Plus en détail

Principes et Méthodes Statistiques

Principes et Méthodes Statistiques Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............

Plus en détail

Compte Sélect Banque Manuvie Guide du débutant

Compte Sélect Banque Manuvie Guide du débutant GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de

Plus en détail

MESURE DE LA PERFORMANCE GLOBALE DES AGENCES BANCAIRES : UNE APPLICATION DE LA MÉTHODE DEA

MESURE DE LA PERFORMANCE GLOBALE DES AGENCES BANCAIRES : UNE APPLICATION DE LA MÉTHODE DEA MESURE DE LA PERFORMANCE GLOBALE DES AGENCES BANCAIRES : UNE APPLICATION DE LA MÉTHODE DEA Ade Hbrecht, Fabienne Gerra To cite this version: Ade Hbrecht, Fabienne Gerra. MESURE DE LA PERFORMANCE GLOBALE

Plus en détail

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï INTRODUCTION AUX MATRICES ALÉATOIRES par Djalil Chafaï Résumé. E cocevat les mathématiques comme u graphe, où chaque sommet est u domaie, la théorie des probabilités et l algèbre liéaire figuret parmi

Plus en détail

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier

Plus en détail

Régulation analogique industrielle ESTF- G.Thermique

Régulation analogique industrielle ESTF- G.Thermique Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité

Plus en détail

Terminale S. Terminale S 1 F. Laroche

Terminale S. Terminale S 1 F. Laroche Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM

Plus en détail

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble. II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café

Plus en détail

Formation d un ester à partir d un acide et d un alcool

Formation d un ester à partir d un acide et d un alcool CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester

Plus en détail

Accompagner les familles d aujourd hui

Accompagner les familles d aujourd hui Mtalité Française et petite enfance Accompagner les familles d ajord hi ACCOMPAGNER LES FAMILLES D AUJOURD HUI L engagement de la Mtalité Française en matière de petite enfance La Mtalité Française est

Plus en détail

par Jacques RICHALET Directeur société ADERSA

par Jacques RICHALET Directeur société ADERSA Commande prédictive par Jacqes RICHALET Directer société ADERSA 1. Les qatre principes de la commande prédictive... R 7 423 2 1.1 Modèle interne... 2 1.2 Trajectoire de référence... 3 1.3 Strctration de

Plus en détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par

Plus en détail

Gérer les applications

Gérer les applications Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces

Plus en détail

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres

Plus en détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions. 3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios

Plus en détail

MINISTÈRE DE L'ÉCOLOGIE, DE L'ÉNERGIE DU DÉVELOPPEMENT DURABLE ET DE L'AMÉNAGEMENT DU TERRITOIRE

MINISTÈRE DE L'ÉCOLOGIE, DE L'ÉNERGIE DU DÉVELOPPEMENT DURABLE ET DE L'AMÉNAGEMENT DU TERRITOIRE MINISTÈRE DE L'ÉCOLOGIE, DE L'ÉNERGIE DU DÉVELOPPEMENT DURABLE ET DE L'AMÉNAGEMENT DU TERRITOIRE MINISTÈRE DE L'INTÉRIEUR, DE L'OUTRE-MER ET DES COLLECTIVITÉS TERRITORIALES Connaître Rédire Aménager Informer

Plus en détail

Échantillonnage et estimation

Échantillonnage et estimation Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos

Plus en détail

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

Plus en détail

MESURE DE L'INFORMATION

MESURE DE L'INFORMATION MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE

Plus en détail

La DGFiP AU SERVICE DES COLLECTIVITÉS TERRITORIALES ET DES USAGERS. Un nouveau service pour faciliter les paiements

La DGFiP AU SERVICE DES COLLECTIVITÉS TERRITORIALES ET DES USAGERS. Un nouveau service pour faciliter les paiements La DGFiP AU SERVICE DES COLLECTIVITÉS TERRITORIALES ET DES USAGERS TIPI Titres Payables par Internet Un novea service por faciliter les paiements Un moyen de paiement adapté à la vie qotidienne TIPI :

Plus en détail