Loi binomiale Répétition indépendante d expériences aléatoires identiques

Dimension: px
Commencer à balayer dès la page:

Download "Loi binomiale Répétition indépendante d expériences aléatoires identiques"

Transcription

1 Loi biomiale Répétitio idépedate d expérieces aléatoires idetiques. Le cotexte.. Répétitio idépedate d expérieces aléatoires. Das otre perspective de modéliser les phéomèes observés, comme par exemple la répétitio du lacer d u dé, d ue pièce de moaie, du choix d u échatillo de taille doée das ue populatio,, o se place das l hypothèse d idépedace des répétitios d ue même expériece aléatoire miimale. À chaque répétitio, la probabilité d ue issue de cette expériece aléatoire miimale est idetique. Cela correspod à otre ituitio lorsque ous laços plusieurs fois la même pièce de moaie, le même dé, ou bie plusieurs dés bie équilibrés, choisissos au hasard plusieurs objets das u sac e coteat u grad ombre. Cette situatio correspod aussi à des tirages successifs das ue ure avec remise. E effet, à chaque tirage, les ures sot à ouveau das le même état. Par cotre, das u tirage d ue ure sas remise, ous e sommes plus das ue situatio d idépedace. E effet, après chaque tirage, les états des ures ot chagés. La probabilité d obteir ue boule aussi. Remarque: Cette hypothèse d idépedace est pas la seule possible et e coviet pas toujours. O développe alors d autres modèles pour étudier ces phéomèes. Reveos à plusieurs lacers d u dé cubique. Chaque lacer a issues. Doc après lacers, issues, le ombre d issues deviet vite grad. Nous ous cocetreros das la suite du chapitre à étudier les répétitios d ue même expériece aléatoire, la plus simple possible: à issues. Notos tout de suite qu après répétitios, il y a issues distictes. O doit doc recetrer la questio. Par exemple: O lace fois de suite ue pièce de moaie bie équilibrée. Quelle est la probabilité d obteir au mois fois «FACE»? E laçat u dé cubique, o s itéresse au ombre de fois où o obtiet Das ue ure coteat ue proportio p de boules rouges et - p de boules vertes, o tire avec remise fois de suite ue boule de l ure et o ote sa couleur. Quelle est la probabilité d obteir rouges exactemet? Au mois rouges? O répod au hasard aux questios d u QCM ( seule boe répose). Quelle est la probabilité d avoir la moyee? O modélise de telles répétitios d expérieces aléatoires à issues e cosidérat le ombre de succès possibles parmi les répétitios. Notos qu u succès est toujours relatif. Cela déped du poit de vue... Épreuve de Beroulli de paramètre p, p Défiitio: Ue épreuve de Beroulli de paramètre p est ue expériece aléatoire à issues, souvet otée S (succès) et E = S (échec), telle que p(s) = p. Ue variable aléatoire de Beroulli est la variable aléatoire X à valeurs das {, } défiie par p(x = ) = p(e) = - p et p(x = ) = p(s) = CC

2 Termiale S, Probabilités La loi suivie par X est appelée loi de Beroulli de paramètre p. C est doc l expériece aléatoire élémetaire qui va être répétée à l idetique. O obtiet la loi: Valeurs de X p ( X = ) - p p.. Schéma de Beroulli Défiitio: U schéma de Beroulli d ordre N * et de paramètre p [; ] (o dit aussi de paramètres et p ) est l expériece aléatoire obteu e répétat fois de maière idépedate le même schéma de Beroulli de paramètre p. O défiit alors X la variable aléatoire qui déombre le ombre de succès obteus après répétitios. O a doc X à valeurs das {; ; ; ; }: o peut e effet obteir de à succès. Défiitio: La loi biomiale de paramètres et p, otée B(; p), est la loi de probabilité de la variable aléatoire X. La loi biomiale décrit doc la probabilité p(x = ) pour = ; ; ;, c est à dire la probabilité d avoir obteu de succès à succès, sas différetiatio de l ordre das lequel ces succès ot été obteus.. Descriptio de la loi biomiale.. Les premiers cas =,,, et Pour =, X est ue loi de Beroulli de paramètre p. =,, : à vous Pour = : D où la loi biomiale B(;, ):

3 Termiale S, Probabilités Nombre de succès Probabilité,,,,,,,,,,.. La gééralisatio Soit u etier aturel et p u réel de [; ]. Soit X la variable aléatoire qui déombre le ombre de succès du schéma de Beroulli d ordre et de paramètre p. Remarquos que toute brache de l arbre de probabilité représetat la situatio cotiet «sous-braches». Soit {; ; ; }. Alors ue brache de l arbre qui mèe à succès est ue brache qui est composée de braches meat à u succès S doc de probabilité p - braches meat à u échec E doc de probabilité - p. La probabilité d ue telle brache est doc doée par p ( - p) -. O associe l évéemet (X = ), c est à dire l évéemet «succès» à tous les mots de lettres comportat lettres S et - lettres E. Par exemple, pour =, l évéemet (X = ) est la réuio des évéemets: SSSEE, SSESE, SSEES, SESSE, SESES, SEESS, ESSSE, ESSES, ESESS, EESSS. La probabilité d u évéemet coteat p succès est doée par p ( - p) - : e effet u tel évéemet correspod à braches meat à u succès de probabilité p et doc à ( - ) braches meat à u échec de probabilité - p. Il reste à compter le ombre d évéemets meat à succès. Cela reviet à déombrer le ombre d aagrammes d u mot de lettres coteat lettres S idetiques et - lettres E idetiques. O déombre das u premier temps le ombre d aagrammes de lettres distictes: S,, S, E,, E -. Il y e a!, permutatios de lettres. Esuite, comme les lettres S sot idetiques, il y a! permutatios des lettres S,, S possibles. Par exemple, les mots: S S S E E, S S S E E, S S S E E, S S S E E, S S S E E, S S S E E ot été comptés das les! permutatios et pourtat sot idetiques au mot S S S E E. De même, comme les - lettres E sot idetiques, il y a ( - )! permutatios des lettres E,, E - possibles. Par exemple, les mots S S S E E et S S S E E sot idetiques au mot S S S E E.! Fialemet, o déombre doc! ( - )! = mots disticts coteat lettres S et - lettres E. Das u schéma de Beroulli de paramètre de succès p et d ordre, il y a doc braches meat à succès (et - échecs), chacue de probabilité p ( - p) - doc la probabilité de succès est p ( - p) -. D où: Théorème: Soit u schéma de Beroulli de paramètre de succès p et d ordre. Soit X la variable aléatoire à valeur das {; ; ; ; } déombrat le ombre de succès et B(; p) la loi biomiale associée. Alors pour tout etier {; ; ; }, p(x = ) = p ( - p) - avec =!! ( pour - )! {; ; ; }. Les s appellet les coefficiets CC

4 Termiale S, Probabilités La loi biomiale B(; p) est doc décrite par la probabilité d obteir succès est reteir: p ( - p) -, o pourra (combiaisos de élemets parmi ) (probabilité de succès) ombre de succès (probabilité d ' échec) ombre d' échecs. Aisi o a les cas particuliers: succès, échecs: p ( - p) - = ( - p) succès, - échecs: p ( - p) - = p( - p) - ( succès, - échecs: p ( - p) - - ) = p ( - p) - succès, - échecs: p ( - p) -! = ( - )!! p ( - p) - ( - succès, échecs: - p- ( - p) - ) = p - ( - p) - succès, échec: - p- ( - p) = p - ( - p) succès, échecs: p ( - p) - = p. O peut observer ue sorte de symétrie du au fait que pour tout, Ci-dessous, ue représetatio graphique pour =, p =, : = -. = et p =. 8 ombre de succès probabilité O a aussi = formule du biôme de Newto. p ( - p) - = (p + ( - p)) = = : la somme de toutes les probabilités est, grâce à la Efi évéemets à reteir: «que des succès» ou «aucu échec» de probabilité p «aucu succès» ou «que des échecs» de probabilité ( - p). «au mois succès», complémetaire de succès et doc de probabilité - ( - p) «au mois échec», complémetaire de succès et doc de probabilité - p.

5 Termiale S, Probabilités.. Paramètres de la loi biomiale. Propriété: Soit u etier aturel et p [; ]. Soit X ue variable aléatoire qui suit la loi biomiale B(; p). Alors: l espérace est E(X) = p la variace est V(X) = p ( - p) et l écart-type σ(x) = p( - p). Il faudra surtout reteir l espérace qui permet d obteir le gai moye d u jeu de hasard par exemple. Preuve pour l espérace: O a E(X) = O sait que E(X) = p = = = p ( - p) - = = p ( - p) doc E(X) = = p- ( - p) (-)-(-). - O pose j = -, et o obtiet alors E(X) = p - E effet j= - j j= - j p ( - p) - d où p j ( - p) (-)-j = p. p j ( - p) (-)-j = (p + ( - p)) - = d après la formule du biôme de Newto. Preuve pour la variace: O a V(X) = E X - (E(X)) et par liéarité de l espérace E(X(X - )) = E X - E(X). D où V(X) = E(X(X - )) + E(X) - (E(X)). Remarquos alors que la variable aléatoire X(X - ) pred les valeurs ( - ) pour {; ; ; } et que pour tout {; ; ; }, p(x(x - ) = ( - )) = p ( - p) -. Aisi E(X(X - )) = ( - ) Or o a ( - ) = = ( - ) p ( - p) - = ( - ) ( - ) ( - ) O e déduit E(X(X - )) = ( - ) p = - - = = ( - ) - - p ( - p) -. pour {; ; }. - - p- ( - p) (-)-(-) = ( - ) p. Par suite V(X) = ( - ) p + p - ( p) = p - p = p( - p).. combiatoire: complémets.. Combiatoire Les coefficiets biomiaux appartieet à la brache dite du déombremet ou de la combiatoire: il s agit de compter les cas. Pour ue grade part, le calcul de probabilités demade de savoir compter les cas. Par exemple: quelle est la probabilité d obteir u carré d as sur ue mai de cartes? quelle est la probabilité de choisir persoes ayat ue qualité doée das u groupe dot o coaît la proportio globale de cette CC

6 Termiale S, Probabilités Das toutes ces situatios, le calcul de probabilités peut être rameé à déombrer le ombre de cas favorables par rapport au ombre total de cas. Par exemple, pour le carré d as, o peut cosidérer qu il y a, avec u jeu de cartes, 8 mais distictes de cartes avec u carré d as (les as et ue autre carte qui est pas u as). D autre part il y a 9 8 = 8 mais distictes ( choix pour la ière carte, pour la de, jusqu à la ième ). 8 Doc la probabilité d obteir u carré d as est de 9 8 = 9, -. Pour modéliser, o peut associer chaque carte du jeu à u esemble fii de élémets. Ue mai de cartes reviet à cosidérer u esemble costituée de élémets de cet esemble. Soit u etier aturel. O cosidère u esemble fii à élémets E = {e,, e }. O peut assimiler E à {; ; ; ; }... Listes o ordoées: parties, combiaisos Défiitio: Ue partie de E est u esemble costituée d élémets de E. Ue partie à élémets est ue partie de E coteat élémets disticts de E. Le ombre d élémets d u esemble fii Ω est appelé le cardial de cet esemble. O le ote souvet card(ω) ou ;Ω< {e ; e ; e } est ue partie à élémets de E. O ote card({e ; e ; e }) =. Covetio: L esemble vide est ue partie de tout esemble. C est la seule partie à élémet. Ue partie de l esemble E à élémets peut avoir de élémet (l esemble vide ) à élémets. Exemple: Avec E = {A; B; C}, o peut costituer les parties:, {A}, {B}, {C}, {A : B}, {A; C}, {B; C} et {A; B; C}. Remarquos sur cet exemple, que la ature des objets de l esemble importe peu sur la costitutio des parties. Avec E = { ; ;@}, o obtiet, { }, { }, {@}, { ; }, { ;@}, { ;@}, { ; ;@} doc 8 parties aussi. L esemble des parties d u esemble E est oté?(e). Propriété: card(?(e)) = card(e). Autremet dit avec u esemble à élémets, o peut costruire parties distictes coteat de à élémets. Défiitio: Soit u etier aturel et u etier tel que. O appelle combiaiso de élémets parmi, toute partie à élémets que l o peut costituer avec u esemble à élémets. O ote (parfois C ) le ombre de combiaisos, coefficiets biomiaux. O lit «parmi». Aisi o a par défiitio: = pour tout etier (il y a ue seule partie à élémet): = pour tout etier. = : il est facile de voir qu il y a autat de parties à élémet que d élémets das l esemble E

7 Termiale S, Probabilités = : il y a autat de parties à - élémets que de parties à élémet. E effet, choisir - - élémets reviet à e mettre u de côté. = - - Covetio: élémets. =. Il y a ue seule partie à élémet que l o peut costituer à partir de l esemble à Propriété: Pour tout etier aturel, pour tout etier avec, = -. E effet, choisir élémets, reviet à choisir les - restats. Aisi à chaque partie à élémets, correspod ue seule partie à - élémets, so complémetaire das E. Propriété: Pour tout etier aturel, = = E effet la somme des ombres de parties à élémets pour allat de à est égal àu ombre total de parties. Propriété: formule de récurrece. Pour tout etier aturel, pour tout etier avec, = Notos a u des élémets de E. Alors E = {a} E où E est u esemble à - élémets. Alors comme ue partie A à élémets de E : ou cotiet a ou o, alors ou A = a A avec A ue partie à - élémets de l esemble à - élémets E ou A E et doc A est ue partie à élémets de E. Par suite il y a autat de parties à élémets choisis parmi élémets que de parties à élémets parmi - ou de parties à - élémets choisis parmi -. O a doc la relatio proposée. O peut aisi pas à pas géérer les combiaisos. C est le triagle de CC

8 8 Termiale S, Probabilités esemble à élémets esemble à élémets esemble à élémets esemble à élémets esemble à élémets esemble à élémets esemble à élémets esemble à élémets esemble à élémets esemble à élémets esemble à élémets esemble à élémets esemble à élémets esemble à élémets esemble à élémets esemble à élémets ombre de ombre de ombre de ombre de ombre de ombre de ombre de ombre de parties à parties à parties à parties à parties à parties à parties à parties à élémets élémets élémets élémets élémets élémets élémets élémets ombre de ombre de ombre de ombre de ombre de ombre de ombre de ombre de parties à parties à parties à parties à parties à parties à parties à parties à élémets élémets élémets élémets élémets élémets élémets élémets Note: Les applicatios des coefficiets biomiaux sot multiples et variées. e combiatoire bie sur, mais ils itervieet das ombre de problèmes d aalyse. Par exemple, o a la célèbre formule du biôme de Newto (gééralisatio de l idetité remarquable (a + b) = a + a b + b ): Formule du biôme de Newto: Soit a et b deux ombres réels (ou complexes), (a + b) = i= i a i b -i pour tout etier aturel. Aisi par exemple (a + b) = a + a b + a b + a b + a b + b. Cas particulier : = ( + ) = est. Chaque i= i i. O retrouve que le cardial de l esemble des parties d u esemble de cardial fii est exactemet le ombre de parties à i élémets... Listes ordoées (): les permutatios Défiitio: Ue permutatio de l esemble E est ue liste ordoée des élémets de E. Exemple: Avec E = {; ; }, les permutatios sot (; ; ), (; ; ), (; ; ), (; ; ), (; ; ) et (; ; ). Ce sot doc toutes les faços d arrager les élémets de l esemble sas répétitios. Propriété: Soit u etier aturel. Le ombre de permutatios des élémets de l esemble E est. Ce ombre est oté! et se lit factorielle de. Covetio:! =. Aisi par exemple, les élèves d ue classe peuvet se préseter suivat!=

9 Termiale S, Probabilités 9 faços différetes à l etrée e classe. De même, les aagrammes du mot SUPER sot au ombre de. Remarque: les permutatios sot sas cesse utilisées e mathématiques et e combiatoire e particulier... Listes ordoées () avec répétitio: les uplets Défiitio: Soit et p deux etiers aturels. O appelle p uplet d élémets de E toute liste ordoée costituée de p élémets de E, disticts ou o. Aisi u p-uplet peut avoir la logueur que l o veut. Le lagage iformatique utilise les listes ordoées costituées à partir de l alphabet {; } pour foctioer. U octet est u 8 uplet ou octuplet. = (,,,,,,, ) est ue liste de 8 élémets ordoées. Les mots d u alphabet sot des p uplets costitués avec les lettres de l alphabet. D ailleurs o cofod souvet la liste et le mot comme ous l avos fait pour la loi biomiale. O associe l issue (S; S; E; E; S) au mot S S E E S. Propriété: Pour tout etier et tout etier p, il y a p p uplets disticts costitués avec u esemble de élémets. E effet, il suffit de voir que pour chaque élémet de la liste, il y a choix possibles. O retrouve aisi que le ombre d issues d u schéma de Beroulli d ordre est. Il y a uplets disticts costitués avec les lettres S et E... Listes ordoées () sas répétitio: les arragemets E iterdisat la répétitio d u élémet, avec u esemble fii à élemets E = {e,, e }, o peut obteir des listes ordoées sas répétitio de logueur (la liste vide) jusqu à la logueur. Défiitio: Soit u etier aturel et u etier tel que. Ue liste ordoée sas répétitio de élémets d u esemble à élémets est appelé u arragemet de élémets parmi. Propriété: Le ombre d arragemets de élémets parmi est doé par ( - ) ( - + ) =! ( - )!. E effet, il suffit de voir que l o a choix pour le premier élémet, - pour le suivat et doc - + pour le ième. Remarque: o ote A ce ombre. Aisi par exemple, o peut costituer 9 = 98 groupes de persoes distictes avec u groupe de. Corollaire: =! A! ( - )! =.! Preuve: Remarquos qu u arragemet de parmi est ue permutatio des élémets d ue combiaiso doée. Il y a! permutatios pour chaque combiaiso, et doc A =!. O obtiet aisi ue formule explicite pour détermier les coefficiets CC

10 Termiale S, Probabilités. Applicatios de la loi biomiale. Quelques exercices de déombremet

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

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

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

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

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

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

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

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

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

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

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

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

[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

* 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

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

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

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

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

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

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

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

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

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

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

. (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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

* 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

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

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

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

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

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

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

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

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

MUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB

MUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB MUTUELLE D&O MUTUELLE D&O Copilote de votre saté AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyace CRC CRIS CRPB-AFB DOMISSIMO-Assuraces DOMISSIMO-Services FONGECFA-Trasport IPRIAC MUTUELLE D&O OREPA-Prévoyace

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

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

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

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

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

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

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

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

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

Sommaire Chapitre 1 - L interface de Windows 7 9

Sommaire Chapitre 1 - L interface de Windows 7 9 Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18

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

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

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

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

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

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

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

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

Mécanismes de protection contre les vers

Mécanismes de protection contre les vers Mécaismes de protectio cotre les vers Itroductio Au cours de so évolutio, l Iteret a grademet progressé. Il est passé du réseau reliat quelques cetres de recherche aux États-Uis au réseau actuel reliat

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

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

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

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

Les algorithmes de tri

Les algorithmes de tri CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....

Plus en détail

RECHERCHE DE CLIENTS simplifiée

RECHERCHE DE CLIENTS simplifiée RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées

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

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

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

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

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

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

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

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012 Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre

Plus en détail

Faites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes

Faites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes Faites prospérer vos affaires grâce aux solutios d éparge et de gestio des dettes Quelques excelletes raisos d offrir des produits bacaires et de fiducie à vos cliets Vous avez la compétece écessaire pour

Plus en détail

Working Paper RETAIL RÉGIONAL RESPONSABLE

Working Paper RETAIL RÉGIONAL RESPONSABLE «BANQUE DE DÉTAIL DE MASSE» : COMMENT LES CAISSES D ÉPARGNE EN AFRIQUE, ASIE ET AMÉRIQUE LATINE PEUVENT FOURNIR DES SERVICES ADAPTÉS AUX BESOINS DES POPULATIONS DÉFAVORISÉES Travailler avec les caisses

Plus en détail

S-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui.

S-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui. S-PENSION Costituez-vous u capital retraite complémetaire pour demai tout e bééficiat d avatages fiscaux dès aujourd hui. Sommaire 1. Il est temps de predre l iitiative 4 2. Profitez dès aujourd hui des

Plus en détail

Présentation & organisation du cours. Introduction : décider en milieu industriel. Les méta-heuristiques. Le travail à réaliser

Présentation & organisation du cours. Introduction : décider en milieu industriel. Les méta-heuristiques. Le travail à réaliser Iformatique idustrielle Présetatio & orgaisatio du cours Itroductio : décider e milieu idustriel les difficultés à affroter «il faut que cela marche!» élémets de gestio de productio et illustratios Les

Plus en détail

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers. Reseigemets et moitorig. Reseigemets commerciaux et de solvabilité sur les etreprises et les particuliers. ENSEMBLE CONTRE LES PERTES. Reseigemets Creditreform. Pour plus de trasparece. Etreteir des rapports

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

La fibre optique arrive chez vous Devenez acteur de la révolution numérique

La fibre optique arrive chez vous Devenez acteur de la révolution numérique 2 e éditio Edité par l Autorité de régulatio des commuicatios électroiques et des postes RÉPUBLIQUE FRANÇAISE DÉCEMBRE 2010 La fibre optique arrive chez vous Deveez acteur de la révolutio umérique Petit

Plus en détail

GUIDE METHODOLOGIQUE INDUSTRIES, OUVREZ VOS PORTES

GUIDE METHODOLOGIQUE INDUSTRIES, OUVREZ VOS PORTES GUIDE METHODOLOGIQUE INDUSTRIES, OUVREZ VOS PORTES SOMMAIRE Les visites d etreprises : pourquoi ouvrir ses portes?.... 8 1.1 Des motivatios variées pour les etreprises... 8 1.2 Les freis à l ouverture

Plus en détail

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe

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

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &

Plus en détail

Dares Analyses. Plus d un tiers des CDI sont rompus avant un an

Dares Analyses. Plus d un tiers des CDI sont rompus avant un an Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée

Plus en détail

Simulations interactives de convertisseurs en électronique de puissance

Simulations interactives de convertisseurs en électronique de puissance Simulatios iteractives de covertisseurs e électroique de puissace Jea-Jacques HUSELSTEIN, Philippe ENII Laboratoire d'électrotechique de Motpellier (LEM) - Uiversité Motpellier II, 079, Place Eugèe Bataillo,

Plus en détail

Le chef d entreprise développe les services funéraires de l entreprise, en

Le chef d entreprise développe les services funéraires de l entreprise, en Le chef d etreprise développe les services fuéraires de l etreprise, e assurat lui-même tout ou partie des activités de vete et e ecadrat directemet le persoel techique et commercial et d exploitatio.

Plus en détail

Options Services policiers à Moncton Rapport de discussion

Options Services policiers à Moncton Rapport de discussion Optios Services policiers à Mocto Rapport de discussio Le 22 ovembre 2010 Also available i Eglish TABLE DES MATIÈRES Chapitre 1.0 Sommaire 3 Chapitre 2.0 Problématique 4 Chapitre 3.0 Cotexte 5 Chapitre

Plus en détail