ESSEC 2 Voie E Mardi 3 mai 2016

Dimension: px
Commencer à balayer dès la page:

Download "ESSEC 2 Voie E Mardi 3 mai 2016"

Transcription

1 ESSEC 2 Voe E Mard 3 ma 206 La présentaton, la qualté de la rédacton, la clarté et la précson des rasonnements entreront pour une part mportante dans l apprécaton des copes. Les canddats sont nvtés à encadrer dans la mesure du possble les résultats de leurs calculs. L usage de toute calculatrce et de tout matérel électronque est nterdt. Seule l utlsaton d une règle graduée est autorsée. S au cours de l épreuve, un canddat repère ce qu lu semble être une erreur d énoncé, l la sgnalera sur sa cope et poursuvra sa composton en explquant les rasons des ntatves qu l sera amené à prendre. Le but du problème est d étuder le renouvellement d un des composants d un système complexe une machne, un réseau de dstrbuton d énerge etc,... formé d un assemblage de dfférentes pèces susceptbles de tomber en panne. On s ntéresse donc à une de ces pèces susceptbles de se casser ou de tomber en panne et on se place dans la stuaton déale où dès que la pèce est défectueuse, elle est mmédatement remplacée. Dans une premère parte, on étude quelques proprétés fondamentales des varables aléatores dscrètes. Pus, dans une deuxème parte, on étude la probablté de devor changer la pèce un certan jour donné. Enfn, dans une trosème parte on cherche à estmer le temps de fonctonnement du système avec un certan nombre de pèces de rechange à dsposton. Dans tout le problème, on consdère un espace probablsé Ω,A,P. Pour toute varable aléatore réelle X défne sur Ω,A,P, on note, sous réserve d exstence, EX l espérance de X et VarX sa varance. Les deuxème et trosème partes sont ndépendantes, et peuvent en outre être tratées en admettant s beson les résultats de la premère parte. Premère parte : Dans cette premère parte, on étude les proprétés asymptotques d une varable aléatore X à valeurs dans N.. a Montrer que pour tout enter naturel j non nul, b Sot p un enter naturel non nul. Montrer que j PX j PX > j PX > j 2. a On suppose que X admet une espérance EX µ. p j PX j PX > j ppx > p. Justfer la convergence de la sére de terme général PX.. Montrer que lm j 0 p + p+ PX 0.. En dédure que lm ppx > p 0. p +

2 v. Montrer que la sére de terme général PX > j converge. v. Montrer que b On suppose que j 0 PX > j converge. µ j 0 PX > j.. Détermner le sens de varaton de la sute v p p défne par. Comparer j PX j et j j 0 PX > j.. En dédure que X admet une espérance. p v p PX > j c Conclure des questons précédentes que X admet une espérance s et seulement s la sére de terme général PX > j converge. 3. On suppose dans cette queston qu l exste un réel strctement postf tel que pour tout enter naturel j on at PX > j j +. a Légtmer que défnt ben une lo de probablté d une varable aléatore à valeurs dans N. b Montrer que X admet une espérance s et seulement s est strctement supéreur à. c Montrer que pour tout enter naturel j non nul PX j j j 0 + /j d. Etuder les varatons de f : x + x x sur [0,].. Montrer que pour tout enter naturel j non nul, e Montrer, en utlsant le résultat de c, que PX j j + lm j + PX j. j + f Montrer que X admet une varance s et seulement s > 2. Soluton. Premère parte. a Sot j N. La varable étant à valeurs dans N, on a PX j F X j F X j. sot PX j PX j PX j PX > j PX > j

3 et donc PX j PX > j PX > j b Sot p N. D après le résultat précédent, pour tout j, p, on a j PX j j PX > j j PX > j sot, en addtonnant : j PX j j PX > j j PX > j j j j en effectuant le changement de varable j dans la premère somme : j PX j j p + PX > j PX > 0 0 j p + PX > j PX > j p j 0 en ajoutant un terme nul + PX > PX > ppx > p en regroupant les sommes 0 p 0 PX > ppx > p 2. a. X admettant une espérance, la sére de terme général PX est absolument convergente, et est donc convergente, de somme µ.. Sot p N. On constate que, par la relaton de Chasles les deux séres étant convergentes : PX PX + PX sot Or, par défnton 0 0 PX lm p + 0 par somme, on en dédut donc que lm 0 PX 0 p+ p+ PX PX 0 p + p+ PX 0 PX. Remarquons que, pour p N : ppx > p p p+ PX

4 Or, pour tout p + on a 0 p 0 ppx PX sot, en sommant 0 ppx > p p+ PX D après la queston précédente, lm p + p+ PX 0. Par encadrement lm ppx > p 0 p + v. D après la queston b on a, pour tout p N : p j 0 PX > j j PX j + ppx > p j Or, d après les questons 2a et 2a, les deux membres de drotes ont une lmte. Par p somme, on en dédut que la sute PX > j converge, c est-à-dre que la sére de j 0 p N terme général PX > j est convergente. v. En utlsant l écrture précédent, et pusque lm p + j j PX j EX µ et lm ppx > p 0 p + on en dédut donc que sot lm p p + j 0 j 0 PX > j µ PX > j µ b. Constatons que, pour tout p N : v p+ v p Ans, v p p N est crossante.. En utlsant la queston b, on a j 0 j p PX > j PX > j PX > p 0 j 0 p j PX j PX > j j 0

5 car ppx > p < 0. Mas alors, la sute v p étant crossante, pour tout p, v p est nféreure à sa lmte. Donc j PX j PX > j j. Constatons que, étant à valeurs postves, la sére j PX j est absolument convergente j s et seulement s elle est convergente. Notons S p j PX j. La sute S p p N est crossante ; en effet j j 0 S p+ S p p + PX p + > 0 et est majorée, d après la queston précédente. D après le théorème de convergence monotone, S p est convergente. Blan : X admet une espérance. c D après la queston 2av, s X admet une espérance, alors la sére de terme générale PX > j est convergente D après la queston 2b, s la sére de terme générale PX > j converge, alors X admet une espérance. On a donc ben montré que X admet une espérance s et seulement s la sére de terme général PX > j converge, et dans ce cas, l espérance de X est égale à la somme de la sére. 3. a Remarquons que, pour tout enter naturel j, on a et donc, pour x R : PX j PX > j + j PX x { 0 s x < +j s x [j ; j + [ On constate alors que la foncton F : x PX x est ben crossante, contnue à drote en tout pont, de lmte 0 en et en + : l s agt donc ben d une foncton de répartton dont les sauts ont leu en tout enter strctement postf. Ans, défnt ben une varable aléatore sur N. b D après la queston 2c, X étant à valeur dans N, X admet une espérance s et seulement s la sére de terme général PX > j est convergente. Or, d après le crtère de Remann, la sére de terme général est convergente s et seulement s >. + j Blan : X admet une espérance s et seulement s >.

6 c En utlsant la queston a, pour tout j N, on a PX j PX > j PX > j j + j j j + j j j +j j + /j d. f est dérvable sur [0,] foncton pussance et affne et on a, pour tout x [0,] : f x + x + x Or, pour x [0,], + x et donc, par décrossance de la foncton x > 0, on a x+ + x + + x. Ans, pour tout x [0,], f x 0 : f est décrossante sur [0,].. Pusque f est décrossante, on a f x f 0 0. Donc, pour tout enter naturel j N, pusque 0 < /j <, on a f /j 0, c est-à-dre + /j /j 0 sot et fnalement + /j j PX j j j j + e On a, en utlsant l écrture vue en c, pour tout j N : Or, on a équvalence classque : j + PX j j + j j + /j + /j + /j j + j et donc j + /j j j + j

7 Ans, lm j + PX j j + f La queston 3f ndque donc que PX j j + j + sot j 2 PX j j + j Cette sére est absolument convergente crtère de Remann s et seulement s >, sot > 2. Donc X admet un moment d ordre 2 et donc une varance d après Koeng Huygens s et seulement s > 2. Deuxème parte : Etude de la probablté de panne un jour donné. Dans cette deuxème parte, on suppose donnée une sute de varables aléatores X mutuellement ndépendantes et de même lo à valeurs dans N. Pour tout enter non nul, X représente la durée de ve en jours du -ème composant en fonctonnement. Sot un enter naturel non nul. On note T X + + X. T représente donc le jour où le -ème composant tombe en panne. On fxe un enter naturel n non nul représentant un jour donné et on consdère l événement A n le composant en place le jour n tombe en panne c est-à-dre A n l exste enter naturel non nul tel que T n, et on se propose d étuder PA n. 4. Pour tout enter naturel non nul j, on note p j PX j et u j PA j. On suppose que pour tout enter naturel non nul j, on a p j 0. On pose de plus par conventon u 0. a Montrer que u p. b. Montrer que A 2 [X 2] [X ] [X 2 ].. En dédure u 2 en foncton de p et p 2. c Pour tout enter naturel, on pose X X +.. Montrer que les varables X sont mutuellement ndépendantes, ndépendantes de X et de même lo que X.. Sot un enter naturel non nul strctement nféreur à n. Montrer que A n [X ] [X ] j [ X + X X j n ]. En dédure que pour tout enter naturel non nul strctement nféreur à n, P [X ]A n PA n. d Montrer que u n u n p + + u 0 p n. e En Sclab, sot P [p, p 2,, p n ] le vecteur lgne tel que Pj p j pour j dans,n. Ecrre un programme en Sclab qu calcule u n à partr de P.

8 5. Sot λ un réel appartenant à ]0,[. Dans cette queston, on suppose que X sut la lo géométrque de paramètre λ. Pour tout enter naturel j non nul, on a donc PX j λ λ j. a Calculer PX > pour tout enter naturel non nul. b Calculer P [X >]X +. c Montrer que pour tout enter naturel n non nul, PA n λ 6. On suppose dans cette queston que p vérfe 0 < p < et que p 2 p. Pour smplfer, on posera p p p 2. a Que vaut p pour supéreur ou égal à 3. b Sot la matrce p p M. 0 Montrer que pour tout enter naturel n supéreur ou égal à 2, c. Dagonalser la matrce M.. Montrer que d. Exprmer u n en foncton de p et n. Soluton. Parte 2. Détermner lm u n. n + un u n un M u n 2 M n p p n + 2 p p 2 p p p 4. a Les X étant à support dans N, pour tout enter non nul, T est à support dans,+. Ans, A [T ] j 2[T j ] [T ] [X ] }{{} b et donc PX PA, sot p u.. Comme précédemment, on constate que, pour j 3, [T j 2] car T j Ω j,+. Donc A 2 [T 2] [T 2 2] j 3[T j 2] [T 2] [T 2 2] }{{} Or, par défnton de T : [T 2] [X 2] et [T 2 2] [X + X 2 2] [X ] [X 2 ] pusque les X sont à support dans N. Ans, A 2 [X 2] [X ] [X 2 ]

9 . D après la queston précédent, et pusque [X 2] et [X ] [X 2 ] sont ncompatbles : PA 2 PX + P[X ] [X 2 ] p + PX PX 2 par ndépendance des X p + p p c Ans, u 2 p + p p p + p.. D après l énoncé, les X N sont mutuellement ndépendantes et de même lo, celle de X. C est-à-dre, X,X 2,...X n sont mutuellement ndépendantes et de même lo, celle de X, ce qu s écrt encore X, X, X 2,, X n,. Ans, les X N sont mutuellement ndépendantes, ndépendantes de X et de même lo que X.. Par défnton, A n j [T j n] [T n] j 2[X + X X j n] [T n] j 2[X + X + + X j n] [T n] j [X + X + + X j n] Ans, pusque < n : A n [X ] [T n] [X ] [X }{{} ] X + + X j n] j [+ X + + X j n ] j [ car ncompatble. Pusque les X sont de même lo que X, on a par défnton de A n : PA n [X + + X j n ] X + + X j n ] j j [ D après la queston précédente, et par ndépendance des X avec X, on a PA n [X ] PX P [ X + + X j n ] j PX PA n Ans, par défnton et pusque PX 0 P [X ]A n PA n d Utlsons X comme système complet d événements. D après la formule des probabl-

10 tés totales PA n sot PX P [X ]A n n PX P [X ]A n + PX n P [X n]a n + }{{} car X n donc T n n PX PA n + PX n n p u n + p n u 0 avec u 0 n, u n p u n + p 2 u n p n u 0 n+ PX P [X ]A n }{{} 0 car >n e En utlsant la queston précédente : Uzeros,n+ U for :n do U+0 for j: do U+ U++Pj*U+-j end end dspun+ 5. a Par défnton, pour : PX > j + j + PX j λ λ j λ λ en reconnassant une sére géométrque λ < λ λ Remarque : on peut calculer la somme en fasant un changement de varable. b Par défnton des probabltés condtonnelles, pour : P [X >]X + P[X + ] [X > ] PX > PX + PX > en constatant que [X + ] [X > ]. En utlsant le résultat de la queston précédente : P [X >]X + λ λ λ λ

11 c En utlsant la queston 4d, pour tout n, et en utlsant la défnton p j λ λ j : u n u n p + u n 2 p u 0 p n u n λ + u n 2 λ λ + + u 0 λ λ n u n.λ + λ.[u n 2 p u 0 p }{{ n ] } u n λ.u n + λ.u n u n u n Ans, u n est constante, égale à u p λ. On peut également montrer le résultat par récurrence forte. Pour n, sot P n : PA n λ que l on démontre par récurrence forte sur n : Pour n, d après la queston 4a, u PA p PX λ λ 0 λ. Ans, P est vrae. Supposons la proposton P vrae pour tout enter n. Ans, pour tout,n, u PA λ. Mas alors, en utlsant la queston 4d, on a Donc P n+ est vrae. u n+ u n p + + u 0 p n+ λp + + λp n + p n+ par H.R. λ p + + p n + pn+ n λ λ λ + λ λ n 2 λn λ + λ λn λ λ λ λ n + λ λ n λ D après le prncpe de récurrence, on a donc pour tout n : PA n λ. 6. a Pusque X est une varable aléatore, on a nécessarement PX, sot 3, p 0 b En utlsant la queston 4d, et en utlsant le résultat précédent : p. Or p + p 2. Donc Et pusque u n u n + 0u n 2, on a ben un u n u n u n p + u n 2 p u 0 p }{{ n } 0 car p 0 u n p + u n 2 p pun + pu n 2 un M u n + 0u n 2 u n 2

12 p λ p c. λ est valeur propre s et seulement s M λi n est pas nversble, sot s et λ seulement s p λ λ p 0 λ 2 pλ p 0 On obtent p p p 2 4p + 4 p 2 2 et M admet deux valeurs propres : p + p 2 p p 2 λ p et λ On cherche alors une base de vecteur propre. On constate que M et p Ans, on notant P. Après calcul, p M pp + p p p 0 et D, on a 0 p P p 2 M PDP et, par un résultat classque, pour tout n 0 : et donc, au rang n : p p M n PD n P p 0 p 0 p n p 2 p p p 2 p n p n + p n+ p p n+ p 2 + p n p p n p + p n+ p n+ p 2 p p 2 p n p n p p n p p + p 2 p p 2 p p n p p + 2 p p 2 p M n p p n + 2 p p 2 p p p d. D après la relaton 6b, on a par récurrence n, un u n M n u M n p u 0

13 sot, en utlsant le résultat précédent n, u n p n + p p 2 + p 2 p 2 p sot n, u n 2 p p n + 2p p 2 2 p 2 p p n p 2 2 p. Pusque 0 < p <, 0 < 2 p <. Ans, lm 2 n + pn 0. Par somme et produt lm u n n + 2 p Trosème parte : Etude de la durée de fonctonnement. Comme dans la parte précédente, on suppose donnée une sute de varables aléatores X ndépendantes et de même lo, telle que pour tout enter non nul, X représente la durée de ve en jours du -ème composant en fonctonnement. Sot un enter naturel non nul. On étude dans cette parte la durée de fonctonnement prévsble du système s on a composants à dsposton y comprs celu nstallé au départ. On notera toujours T X + + X. On suppose dans cette parte qu l exste un réel > tel que pour tout enter naturel j on at PX > j j + En partculer, dans toute cette parte, X admet une espérance, que l on note µ EX. 7. Que vaut ET? 8. On suppose, dans cette queston, que est strctement supéreur à 2. X admet donc une varance σ 2. a Calculer VarT. b Montrer que pour tout réel ε strctement postf, P T µ ε σ2 ε 2 c Dédure que, pour tout réel strctement postf ε, on a lm P T ]µ ε,µ + ε[ On suppose mantenant unquement que > et donc que X n a pas nécessarement de varance d où l mpossblté d applquer la méthode précédente. On va mettre en œuvre ce qu on appelle une méthode de troncaton. On fxe un enter naturel m strctement postf. Pour tout enter naturel non nul, on défnt deux varables aléatores Y m et Z m de la façon suvante { Y m X s X m 0 snon { Z m X s X > m 0 snon a Montrer que X Y m + Z m.

14 b. En utlsant la queston 3d, montrer que EZ m m+. Montrer que + EZ m m x dx.. Calculer + m x dx. c v. En dédure que v. Montrer que. Montrer que. En dédure que lm m + EZm 0 lm m + EYm µ Y m Var 2 mx. Y m mµ d Sot ε un réel strctement postf. Montrer qu l exste un enter naturel m 0 non nul tel que pour tout enter naturel m supéreur à m 0, m ε. Jusqu à la fn du problème, m désgnera un enter supéreur ou égal à m 0. e On note, pour tout enter naturel non nul U m et V m Y m Z m f g Vérfer que. Montrer que. En dédure que. Montrer que. En dédure que. Montrer que P U m T U m + V m EV m m. PV m ε m ε EU m µ m. EU m µ ε. µ 2ε P U m EU m ε.

15 h v. Montrer que v. En dédure que VarU m mµ. P U m µ 2ε mµ ε 2.. Montrer que pour tout couple d événements A et B dans A, on a PA B PA + PB. En applquant l négalté précédente aux événements [ ] [ ] A < ε et B ]µ 2ε,µ + 2ε[, montrer que V m PT ]µ 3ε,µ + 3ε[ PV m U m < ε + PU m ]µ 2ε,µ + 2ε[. Dédure des questons précédentes que pour tout réel ε strctement postf, et pour tout enter m supéreur ou égal à m 0, on a pour tout enter naturel non nul, PT ]µ 3ε,µ + 3ε[ m ε mµ ε 2. v. Pour assez grand, applquer l négalté précédente à un enter m [,2 ] et conclure que lm P T ]µ 3ε,µ + 3ε[. + Soluton. Parte 3 7. Par lnéarté de l espérance ET EX + + EX µ 8. a Par ndépendance ces X, on a VarT VarX + + VarX σ 2 b T possédant une varance, d après l négalté de Benaymé-Tchebychev, pour tout a > 0 : P T ET a VarT a 2 sot, applqué c à a ε > 0 et avec ET µ et VarT σ 2 : c D après le résultat précédent, pusque P T µ ε σ2 ε 2 σ2 ε 2 lm + σ 2 0 et par encadrement : ε2 lm P T µ > ε 0 +

16 sot, en constatant que l événement [ ε < T µ < ε] est l événement contrare de [ T µ ε], on en dédut que Or, lm P ε < T µ < ε + P ε < T µ < ε P ε < T µ < ε car > 0 P ε < T µ < ε P µ ε < T < µ + ε T P ]µ ε,µ + ε[ et donc lm P T ]µ ε,µ + ε[ + 9. a Sot ω Ω. b S X ω m, alors Y m ω X ω et Z m ω 0, donc Y m ω + Z m ω X ω. De même, s X ω > m, alors Y m ω 0 et Z m ω X ω, donc Y m ω+z m ω X ω. Donc X Y m + Z m.. Remarquons que, par défnton, Z m Ω m +,+. Etant dans la stuaton de la queston 3, on a donc, pour tout j : sot et donc PX j j + j PX j j EZ m j m+ j m+ j m+ j j PZ m j j PX j car Z m X s X > m d après ce qu précède. Sot j. Par décrossance de la foncton x x, on a pour tout t [j ; j + ] j + t j

17 sot, en ntégrant entre j et j + : ce qu donne j + j j j + dt + j j + + j j j t dt + j dt t j j dt En sommant pour j entre m et N avec N > m, et par la relaton de Chasles : N j m pus, par changement d ndce N j + N+ j m+ j m+ j m j + j N+ t dt m t dt N+ j m t dt En constatant que la somme et l ntégrale converge crtère de Remann, >, par passage à la lmte : + j m t dt et fnalement. Posons N > m. On a pusque > N m [ t dt + EZ m m t dt t ] N m N Pus, par passage à la lmte avec > et don > 0, on a + m t dt m lm N + m m 0 et donc N v. La varable X étant à valeur postve, Z m l est également, et donc EZ m 0. De plus, et lm m + 0 EZ m 0 car > 0. Par encadrement m lm m + EZm 0 m

18 v. Pusque X Y m + Z m et par lnéarté de l espérance EX EY m + EZ m Or EX µ et d après la queston précédente, lm m + EZm lm m + EYm µ 0. Par somme c. S X > m alors Y m S X m, alors 0 et donc Y m mx. Dans tous les cas, Y m 2 mx.. D après le résultat précédent, Y m Y m 2 X 2 X X mx car 0 < X m admet un moment d ordre 2 et donc une varance, et d Sot ε > 0 fxé. La foncton m VarY m EY m 2 EY m 2 par Koeng-Huygens EY m EmX d après la queston précédente mex mµ m est postve car > et sa lmte vaut lm m + m 0 car > Par défnton de la lmte, l exste un enter naturel m 0 tel que, pour tout m m 0, on at e Constatons que, pour : m ε f U m + V m. Par lnéarté de l espérance Y m + Z m Y m + Z m X d après la queston 9a T EV m EZ m

19 Or, on a démontré queston 9b v, que EZ m m. Les X ayant la même lo, les Z auss et donc, pour tout EZ m m m et donc EV m m m. D après l négalté de Marov pusque V m sot, avec le résultat précédent PV m PV m admet une espérance : ε EVm ε ε m m ε ε g. On a vu queston 9e que T U m + V m et donc, par lnéarté de l espérance EU m ET EV m Or ET µ et d après la queston 9f, on a EV m m et donc EU m µ m. Par postvté des V m, on a également que Ce résultat et le précédent donne donc EU m ET µ 0 µ EU m m sot encore µ EU m m Or, m m 0 donc m ε et fnalement µ EU m EU m µ ε

20 . Remarquons que, par négalté trangulare U m S U m ω µ 2ε, alors ω EU m U m ω mµ mµ EU m U m et en utlsant la queston 9g : Ans, on a l ncluson et donc [ P U m U m ω EU m 2ε mµ EU m U m ω EU m 2ε ε ε ] [ µ 2ε µ 2ε P U m U m ] EU m ε EU m ε v. Les varables aléatores X étant ndépendantes, d après le lemme des coaltons, les Y m sont également ndépendantes. Ans VarU m VarY m En utlsant le résultat de la queston 9c, on a alors v. U m VarU m mµ mµ possédant une varance, d après l négalté de Benaymé-Tchebychev, on a P U m EU m et donc, avec la queston 9g ε VarUm ε 2 P U m µ 2ε mµ ε 2 mµ 2 ε 2 mµ ε 2 h. Pour tout couple d événements A,B de A, on a Or, par défnton, PA B, et donc PA B PA + PB PA B PA B PA + PB

21 . Prenons les événements A et B de l énoncé. Remarquons que [ A B V m Remarquons que s ω A B, alors 0 V m ] [ < ε U m ] ]µ 2ε,µ + 2ε[ ω < ε et µ 2ε < U m ω < µ+2ε et donc µ 2ε < T < µ+2ε+ε Ans, l événement A B est nclus dans l événement T ]µ 3ε,µ + 3ε[. Donc, PT ]µ 3ε,µ + 3ε[ PA B }{{} q 9h PA + PB ce qu donne le résultat.. En regroupant les résultats vue en 9f, 9g v et 9h : et fnalement PU m PV m < ε PV m ε m }{{} ε q 9f ]µ 2ε,µ + 2ε[ P U m µ 2ε PT ]µ 3ε,µ + 3ε[ m ε + mµ ε 2 }{{} q 9gv mµ ε 2 m ε mµ ε 2 v. Sot ε > 0 fxé. L négalté précédente est vrae pour tout m m 0 et pour tout enter naturel. On prend suffsamment grand pour que > m 0 ce qu est possble. Sot m un enter comprs dans [ ;2 ]. Pusque < 0, par décrossance, on a donc De plus, m 2. L négalté précédente s écrt alors PT ]µ 3ε,µ + 3ε[ m pus m ε 2 µ ε 2 2 µ ε ε 2 ε étant fxé, le terme de drote tend vers car < 0 quand tend vers +. Par encadrement pusque qu une probablté est nféreure à, on en dédut ben que lm P T ]µ 3ε,µ + 3ε[ + ce qu s écrt encore lm P T ]µ 3ε,µ + 3ε[ +

Mesure avec une règle

Mesure avec une règle Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système

Plus en détail

Q x2 = 1 2. est dans l ensemble plus grand des rationnels Q. Continuons ainsi, l équation x 2 = 1 2

Q x2 = 1 2. est dans l ensemble plus grand des rationnels Q. Continuons ainsi, l équation x 2 = 1 2 Exo7 Nombres complexes Vdéo parte. Les nombres complexes, défntons et opératons Vdéo parte. Racnes carrées, équaton du second degré Vdéo parte 3. Argument et trgonométre Vdéo parte 4. Nombres complexes

Plus en détail

Remboursement d un emprunt par annuités constantes

Remboursement d un emprunt par annuités constantes Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)

Plus en détail

Généralités sur les fonctions 1ES

Généralités sur les fonctions 1ES Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :

Plus en détail

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks Plan Geston des stocks Abdellah El Fallah Ensa de Tétouan 2011 Les opératons de gestons des stocks Les coûts assocés à la geston des stocks Le rôle des stocks Modèle de la quantté économque Geston calendare

Plus en détail

Exercices d Électrocinétique

Exercices d Électrocinétique ercces d Électrocnétque Intensté et densté de courant -1.1 Vtesse des porteurs de charges : On dssout une masse m = 20g de chlorure de sodum NaCl dans un bac électrolytque de longueur l = 20cm et de secton

Plus en détail

Dirigeant de SAS : Laisser le choix du statut social

Dirigeant de SAS : Laisser le choix du statut social Drgeant de SAS : Lasser le chox du statut socal Résumé de notre proposton : Ouvrr le chox du statut socal du drgeant de SAS avec 2 solutons possbles : apprécer la stuaton socale des drgeants de SAS comme

Plus en détail

Chapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique

Chapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique Spécale PSI - Cours "Electromagnétsme" 1 Inducton électromagnétque Chaptre IV : Inductance propre, nductance mutuelle. Energe électromagnétque Objectfs: Coecents d nductance propre L et mutuelle M Blan

Plus en détail

GEA I Mathématiques nancières Poly. de révision. Lionel Darondeau

GEA I Mathématiques nancières Poly. de révision. Lionel Darondeau GEA I Mathématques nancères Poly de révson Lonel Darondeau Intérêts smples et composés Voc la lste des exercces à révser, corrgés en cours : Exercce 2 Exercce 3 Exercce 5 Exercce 6 Exercce 7 Exercce 8

Plus en détail

ÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.

ÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS. ÉLÉMETS DE THÉORIE DE L IFORMATIO POUR LES COMMUICATIOS. L a théore de l nformaton est une dscplne qu s appue non seulement sur les (télé-) communcatons, mas auss sur l nformatque, la statstque, la physque

Plus en détail

Page 5 TABLE DES MATIÈRES

Page 5 TABLE DES MATIÈRES Page 5 TABLE DES MATIÈRES CHAPITRE I LES POURCENTAGES 1. LES OBJECTIFS 12 2. LES DÉFINITIONS 14 1. La varaton absolue d'une grandeur 2. La varaton moyenne d'une grandeur (par unté de temps) 3. Le coeffcent

Plus en détail

Économétrie. Annexes : exercices et corrigés. 5 e édition. William Greene New York University

Économétrie. Annexes : exercices et corrigés. 5 e édition. William Greene New York University Économétre 5 e édton Annexes : exercces et corrgés Wllam Greene New York Unversty Édton françase drgée par Dder Schlacther, IEP Pars, unversté Pars II Traducton : Stéphane Monjon, unversté Pars I Panthéon-Sorbonne

Plus en détail

TD 1. Statistiques à une variable.

TD 1. Statistiques à une variable. Danel Abécasss. Année unverstare 2010/2011 Prépa-L1 TD de bostatstques. Exercce 1. On consdère la sére suvante : TD 1. Statstques à une varable. 1. Calculer la moyenne et l écart type. 2. Calculer la médane

Plus en détail

Montage émetteur commun

Montage émetteur commun tour au menu ontage émetteur commun Polarsaton d un transstor. ôle de la polarsaton La polarsaton a pour rôle de placer le pont de fonctonnement du transstor dans une zone où ses caractérstques sont lnéares.

Plus en détail

MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES

MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES Émle Garca, Maron Le Cam et Therry Rocher MENESR-DEPP, bureau de l évaluaton des élèves Cet artcle porte sur les méthodes de

Plus en détail

STATISTIQUE AVEC EXCEL

STATISTIQUE AVEC EXCEL STATISTIQUE AVEC EXCEL Excel offre d nnombrables possbltés de recuellr des données statstques, de les classer, de les analyser et de les représenter graphquement. Ce sont prncpalement les tros éléments

Plus en détail

Les jeunes économistes

Les jeunes économistes Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque

Plus en détail

GENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)

GENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation) GENESS - Generalzed System for mputaton Smulatons (Système généralsé pour smuler l mputaton) GENESS est un système qu permet d exécuter des smulatons en présence d mputaton. L utlsateur fournt un ensemble

Plus en détail

LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régime») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF

LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régime») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF 1 LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régme») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF AVIS AUX RETRAITÉS ET AUX PARTICIPANTS AVEC DROITS ACQUIS DIFFÉRÉS Expédteurs

Plus en détail

Corrigé du problème de Mathématiques générales 2010. - Partie I - 0 0 0. 0.

Corrigé du problème de Mathématiques générales 2010. - Partie I - 0 0 0. 0. Corrgé du problème de Mathématques générales 2010 - Parte I - 1(a. Sot X S A. La matrce A est un polynôme en X donc commute avec X. 1(b. On a : 0 = m A (A = m A (X n ; le polynôme m A (x n est annulateur

Plus en détail

Contrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations

Contrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations Contrats prévoyance des TNS : Clarfer les règles pour sécurser les prestatons Résumé de notre proposton : A - Amélorer l nformaton des souscrpteurs B Prévor plus de souplesse dans l apprécaton des revenus

Plus en détail

Assurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire

Assurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire Assurance malade et aléa de moralté ex-ante : L ncdence de l hétérogénété de la perte santare Davd Alary 1 et Franck Ben 2 Cet artcle examne l ncdence de l hétérogénété de la perte santare sur les contrats

Plus en détail

Fiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage

Fiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage Fche n 7 : Vérfcaton du débt et de la vtesse par la méthode de traçage 1. PRINCIPE La méthode de traçage permet de calculer le débt d un écoulement ndépendamment des mesurages de hauteur et de vtesse.

Plus en détail

BTS GPN 2EME ANNEE-MATHEMATIQUES-MATHS FINANCIERES MATHEMATIQUES FINANCIERES

BTS GPN 2EME ANNEE-MATHEMATIQUES-MATHS FINANCIERES MATHEMATIQUES FINANCIERES MATHEMATIQUES FINANCIERES I. Concepts généraux. Le référentel précse : Cette parte du module M4 «Acquérr des outls mathématques de base nécessares à l'analyse de données économques» est en relaton avec

Plus en détail

Grandeur physique, chiffres significatifs

Grandeur physique, chiffres significatifs Grandeur physque, chffres sgnfcatfs I) Donner le résultat d une mesure en correspondance avec l nstrument utlsé : S avec un nstrument, ren n est ndqué sur l ncerttude absolue X d une mesure X, on consdère

Plus en détail

Calcul de tableaux d amortissement

Calcul de tableaux d amortissement Calcul de tableaux d amortssement 1 Tableau d amortssement Un emprunt est caractérsé par : une somme empruntée notée ; un taux annuel, en %, noté ; une pérodcté qu correspond à la fréquence de remboursement,

Plus en détail

Moments des variables aléatoires réelles

Moments des variables aléatoires réelles Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................

Plus en détail

DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS

DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS Le cabnet Enetek nous démontre les mpacts négatfs de la multplcaton des stocks qu au leu d amélorer le taux de servce en se rapprochant du clent, le dégradent

Plus en détail

IDEI Report # 18. Transport. December 2010. Elasticités de la demande de transport ferroviaire: définitions et mesures

IDEI Report # 18. Transport. December 2010. Elasticités de la demande de transport ferroviaire: définitions et mesures IDEI Report # 18 Transport December 2010 Elastctés de la demande de transport ferrovare: défntons et mesures Elastctés de la demande de transport ferrovare : Défntons et mesures Marc Ivald Toulouse School

Plus en détail

Calculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.

Calculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria. 1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle

Plus en détail

Editions ENI. Project 2010. Collection Référence Bureautique. Extrait

Editions ENI. Project 2010. Collection Référence Bureautique. Extrait Edtons ENI Project 2010 Collecton Référence Bureautque Extrat Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf

Plus en détail

Les déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises

Les déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune Marc Bourreau Abel Franços Jun 2006 Département Scences Economques et

Plus en détail

1 Introduction. 2 Définitions des sources de tension et de courant : Cours. Date : A2 Analyser le système Conversion statique de l énergie. 2 h.

1 Introduction. 2 Définitions des sources de tension et de courant : Cours. Date : A2 Analyser le système Conversion statique de l énergie. 2 h. A2 Analyser le système Converson statque de l énerge Date : Nom : Cours 2 h 1 Introducton Un ConVertsseur Statque d énerge (CVS) est un montage utlsant des nterrupteurs à semconducteurs permettant par

Plus en détail

Les déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises

Les déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune a, Marc Bourreau a,b et Abel Franços a,c a Télécom ParsTech, Département

Plus en détail

Sciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot

Sciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot Scence Indutrelle Précon de ytème erv Pncol Robert Lycée Jcque Amyot I - PRECISION DES SYSTEMES ASSERVIS A. Poton du roblème 1. Préentton On vu que le rôle d un ytème erv et de fre uvre à l orte (t) une

Plus en 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

CHAPITRE DEUX : FORMALISME GEOMETRIQUE

CHAPITRE DEUX : FORMALISME GEOMETRIQUE CHPITRE DEUX FORMLISME GEOMETRIQUE. CHPITRE DEUX : FORMLISME GEOMETRIQUE verson.3, -8 I. GEOMETRIE DNS L ESPCE-TEMPS ) Prncpe de relatvté Le prncpe de relatvté peut s exprmer ans : toutes les los physques

Plus en détail

COMPARAISON DE MÉTHODES POUR LA CORRECTION

COMPARAISON DE MÉTHODES POUR LA CORRECTION COMPARAISON DE MÉTHODES POUR LA CORRECTION DE LA NON-RÉPONSE TOTALE : MÉTHODE DES SCORES ET SEGMENTATION Émle Dequdt, Benoît Busson 2 & Ncolas Sgler 3 Insee, Drecton régonale des Pays de la Lore, Servce

Plus en détail

I. Présentation générale des méthodes d estimation des projets de type «unité industrielle»

I. Présentation générale des méthodes d estimation des projets de type «unité industrielle» Evaluaton des projets et estmaton des coûts Le budget d un projet est un élément mportant dans l étude d un projet pusque les résultats économques auront un mpact sur la réalsaton ou non et sur la concepton

Plus en détail

Evaluation de performances d'ethernet commuté pour des applications temps réel

Evaluation de performances d'ethernet commuté pour des applications temps réel Evaluaton de performances d'ethernet commuté pour des applcatons temps réel Ans Koubâa, Ye-Qong Song LORIA-INRIA-INPL, Avenue de la Forêt de Haye - 5456 Vandoeuvre - France Emal : akoubaa@lorafr, song@lorafr

Plus en détail

Projet de fin d études

Projet de fin d études Unversté Franços Rabelas Tours Ecole Polytechnque Unverstare de Tours Département Informatque Projet de fn d études Ordonnancement Juste à Temps avec geston des stocks Chopn Antone Mrault Arnaud 3ème année

Plus en détail

CHAPITRE 14 : RAISONNEMENT DES SYSTÈMES DE COMMANDE

CHAPITRE 14 : RAISONNEMENT DES SYSTÈMES DE COMMANDE HAITRE 4 : RAISONNEMENT DES SYSTÈMES DE OMMANDE RAISONNEMENT DES SYSTÈMES DE OMMANDE... 2 INTRODUTION... 22 RAELS... 22 alcul de la valeur ntale de la répone à un échelon... 22 alcul du gan tatque... 22

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme

Plus en détail

Espérance conditionnelle

Espérance conditionnelle Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle

Plus en détail

hal-00409942, version 1-14 Aug 2009

hal-00409942, version 1-14 Aug 2009 Manuscrt auteur, publé dans "MOSIM' 008, Pars : France (008)" 7 e Conférence Francophone de MOdélsaton et SIMulaton - MOSIM 08 - du mars au avrl 008 - Pars - France «Modélsaton, Optmsaton et Smulaton des

Plus en détail

Chapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3.

Chapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3. Chaptre 3 : Incerttudes CHAPITRE 3 INCERTITUDES Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.1 Volume 1 : Orentatons générales et établssement des rapports Auteurs

Plus en détail

BUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES

BUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES BUREAU DAPPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES BAMSI REPRINT 04/2003 Introducton à l analyse des données Samuel AMBAPOUR BAMSSI I BAMSI B.P. 13734 Brazzavlle BAMSI REPRINT 04/2003 Introducton

Plus en détail

PREMIERS PAS en REGRESSION LINEAIRE avec SAS. Josiane Confais (UPMC-ISUP) - Monique Le Guen (CNRS-CES-MATISSE- UMR8174)

PREMIERS PAS en REGRESSION LINEAIRE avec SAS. Josiane Confais (UPMC-ISUP) - Monique Le Guen (CNRS-CES-MATISSE- UMR8174) PREMIERS PAS en REGRESSION LINEAIRE avec SAS Josane Confas (UPMC-ISUP) - Monque Le Guen (CNRS-CES-MATISSE- UMR874) e-mal : confas@ccr.jusseu.fr e-mal : monque.leguen@unv-pars.fr Résumé Ce tutorel accessble

Plus en détail

VIELLE Marc. CEA-IDEI Janvier 1998. 1 La nomenclature retenue 3. 2 Vue d ensemble du modèle 4

VIELLE Marc. CEA-IDEI Janvier 1998. 1 La nomenclature retenue 3. 2 Vue d ensemble du modèle 4 GEMINI-E3 XL France Un outl destné à l étude des mpacts ndustrels de poltques énergétques et envronnementales VIELLE Marc CEA-IDEI Janver 1998 I LA STRUCTURE DU MODELE GEMINI-E3 XL FRANCE 3 1 La nomenclature

Plus en détail

Le Prêt Efficience Fioul

Le Prêt Efficience Fioul Le Prêt Effcence Foul EMPRUNTEUR M. Mme CO-EMPRUNTEUR M. Mlle Mme Mlle (CONJOINT, PACSÉ, CONCUBIN ) Départ. de nass. Nature de la pèce d dentté : Natonalté : CNI Passeport Ttre de séjour N : Salaré Stuaton

Plus en détail

INTERNET. Initiation à

INTERNET. Initiation à Intaton à INTERNET Surfez sur Internet Envoyez des messages Téléchargez Dscutez avec Skype Découvrez Facebook Regardez des vdéos Protégez votre ordnateur Myram GRIS Table des matères Internet Introducton

Plus en détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration et probabilités TD1 Espaces mesurés Corrigé Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.

Plus en détail

22 environnement technico-professionnel

22 environnement technico-professionnel 22 envronnement technco-professonnel CYRIL SABATIÉ Drecteur du servce jurdque FNAIM Ouverture du ma IMMOBILIER, OÙ 1 Artcle paru également dans la Revue des Loyers, jullet à septembre 2007, n 879, p. 314

Plus en détail

Dynamique du point matériel

Dynamique du point matériel Chaptre III Dynaqe d pont atérel I Généraltés La cnéatqe a por objet l étde des oveents des corps en foncton d teps, sans tenr copte des cases q les provoqent La dynaqe est la scence q étde (o déterne)

Plus en détail

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1

II - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1 II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d

Plus en détail

MODÈLE D ISING À UNE ET DEUX DIMENSIONS.

MODÈLE D ISING À UNE ET DEUX DIMENSIONS. Chapter MODÈLE DISIG À UE ET DEUX DIMESIOS.. ITRODUCTIO. ous commençons, dans ce chaptre, létude dun problème de mécanque statstque de la matère condensée où leffet des nteractons est mportant. Le modèle

Plus en détail

MEMOIRE. Présenté au département des sciences de la matière Faculté des sciences

MEMOIRE. Présenté au département des sciences de la matière Faculté des sciences REPUBLIQUE LERIEN DEMOCRTIQUE ET POPULIRE Mnstère de l ensegnement supéreur et de la recherche scentfque Unversté El-Hadj Lakhdar-BTN- MEMOIRE Présenté au département des scences de la matère Faculté des

Plus en détail

santé Les arrêts de travail des séniors en emploi

santé Les arrêts de travail des séniors en emploi soldarté et DOSSIERS Les arrêts de traval des sénors en emplo N 2 2007 Les sénors en emplo se dstnguent-ls de leurs cadets en termes de recours aux arrêts de traval? Les sénors ne déclarent pas plus d

Plus en détail

Chapitre 3. Mesures stationnaires. et théorèmes de convergence

Chapitre 3. Mesures stationnaires. et théorèmes de convergence Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée

Plus en détail

1. Les enjeux de la prévision du risque de défaut de paiement

1. Les enjeux de la prévision du risque de défaut de paiement Scorng sur données d entreprses : nstrument de dagnostc ndvduel et outl d analyse de portefeulle d une clentèle Mrelle Bardos Ancen chef de servce de l Observatore des entreprses de la Banque de France

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 2D CH X : Exemples de lois à densité 1 TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun

Plus en détail

La théorie classique de l information. 1 ère partie : le point de vue de Kolmogorov.

La théorie classique de l information. 1 ère partie : le point de vue de Kolmogorov. La théore classque de l nformaton. ère parte : le pont de vue de Kolmogorov. La sute de caractères comme outl de descrpton des systèmes. La scence peut être vue comme l art de compresser les données quelles

Plus en détail

Limites finies en un point

Limites finies en un point 8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,

Plus en détail

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. 14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,

Plus en détail

Ecole Polytechnique de Montréal C.P. 6079, succ. Centre-ville Montréal (QC), Canada H3C3A7 lucas.greze@polymtl.ca robert.pellerin@polymtl.

Ecole Polytechnique de Montréal C.P. 6079, succ. Centre-ville Montréal (QC), Canada H3C3A7 lucas.greze@polymtl.ca robert.pellerin@polymtl. CIGI 2011 Processus d accélératon de proets sous contrantes de ressources avec odes de chevaucheent LUCAS GREZE 1, ROBERT PELLERIN 1, PATRICE LECLAIRE 2 1 CHAIRE DE RECHERCHE JARISLOWSKY/SNC-LAVALIN EN

Plus en détail

Mécanique des Milieux Continus

Mécanique des Milieux Continus Mécanque des Mleux Contnus Golay Frédérc SEATECH MMC Golay MMC - - Ce cours de mécanque des mleux contnus est à la base de l ensegnement de mécanque à SEATECH. Les notons abordées c, transport de champs,

Plus en détail

I. Polynômes de Tchebychev

I. Polynômes de Tchebychev Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire

Plus en détail

Les prix quotidiens de clôture des échanges de quotas EUA et de crédits CER sont fournis par ICE Futures Europe

Les prix quotidiens de clôture des échanges de quotas EUA et de crédits CER sont fournis par ICE Futures Europe Méthodologe CDC Clmat Recherche puble chaque mos, en collaboraton avec Clmpact Metnext, Tendances Carbone, le bulletn mensuel d nformaton sur le marché européen du carbone (EU ETS). L obectf de cette publcaton

Plus en détail

CREATION DE VALEUR EN ASSURANCE NON VIE : COMMENT FRANCHIR UNE NOUVELLE ETAPE?

CREATION DE VALEUR EN ASSURANCE NON VIE : COMMENT FRANCHIR UNE NOUVELLE ETAPE? CREATION DE VALEUR EN ASSURANCE NON VIE : COMMENT FRANCHIR UNE NOUVELLE ETAPE? Boulanger Frédérc Avanssur, Groupe AXA 163-167, Avenue Georges Clémenceau 92742 Nanterre Cedex France Tel: +33 1 46 14 43

Plus en détail

GATE Groupe d Analyse et de Théorie Économique DOCUMENTS DE TRAVAIL - WORKING PAPERS W.P. 08-24. Préférences temporelles et recherche d emploi

GATE Groupe d Analyse et de Théorie Économique DOCUMENTS DE TRAVAIL - WORKING PAPERS W.P. 08-24. Préférences temporelles et recherche d emploi GATE Groupe d Analyse et de Théore Économque UMR 5824 du CNRS DOCUMENTS DE TRAVAIL - WORKING PAPERS W.P. 08-24 Préférences temporelles et recherche d emplo «Applcatons économétrques sur le panel Européen

Plus en détail

3. Conditionnement P (B)

3. Conditionnement P (B) Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte

Plus en détail

Terminal numérique TM 13 raccordé aux installations Integral 33

Terminal numérique TM 13 raccordé aux installations Integral 33 Termnal numérque TM 13 raccordé aux nstallatons Integral 33 Notce d utlsaton Vous garderez une longueur d avance. Famlarsez--vous avec votre téléphone Remarques mportantes Chaptres à lre en prorté -- Vue

Plus en détail

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48 Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation

Plus en 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

Licence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7

Licence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7 Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,

Plus en détail

La Quantification du Risque Opérationnel des Institutions Bancaires

La Quantification du Risque Opérationnel des Institutions Bancaires HEC Montréal Afflée à l Unversté de Montréal La Quantfcaton du Rsque Opératonnel des Insttutons Bancares par Hela Dahen Département Fnance Thèse présentée à la Faculté des études supéreures en vue d obtenton

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de

Plus en détail

Introduction à l étude des Corps Finis

Introduction à l étude des Corps Finis Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur

Plus en détail

Calculs de probabilités avec la loi normale

Calculs de probabilités avec la loi normale Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce

Plus en détail

Travaux dirigés d introduction aux Probabilités

Travaux dirigés d introduction aux Probabilités Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien

Plus en détail

Prêt de groupe et sanction sociale Group lending and social fine

Prêt de groupe et sanction sociale Group lending and social fine Prêt de roupe et sancton socale Group lendn and socal fne Davd Alary Résumé Dans cet artcle, nous présentons un modèle d antsélecton sur un marché concurrentel du crédt. Nous consdérons l ntroducton de

Plus en détail

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin. Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).

Plus en détail

1.0 Probabilité vs statistique...1. 1.1 Expérience aléatoire et espace échantillonnal...1. 1.2 Événement...2

1.0 Probabilité vs statistique...1. 1.1 Expérience aléatoire et espace échantillonnal...1. 1.2 Événement...2 - robabltés - haptre : Introducton à la théore des probabltés.0 robablté vs statstque.... Expérence aléatore et espace échantllonnal.... Événement.... xomes défnton de probablté..... Quelques théorèmes

Plus en détail

INTRODUCTION. Jean-Pierre MAGNAN Chef de la section des ouvrages en terre Département des sols et fondations Laboratoire central

INTRODUCTION. Jean-Pierre MAGNAN Chef de la section des ouvrages en terre Département des sols et fondations Laboratoire central Etude numérque de la consoldaton undmensonnelle en tenant compte des varatons de la perméablté et de la compressblté du sol, du fluage et de la non-saturaton Jean-Perre MAGNAN Chef de la secton des ouvrages

Plus en détail

Loi d une variable discrète

Loi d une variable discrète MATHEMATIQUES TD N : VARIABLES DISCRETES - Corrigé. P[X = k] 0 k point de discontinuité de F et P[X = k] = F(k + ) F(k ) Ainsi, P[X = ] =, P[X = 0] =, P[X = ] = R&T Saint-Malo - nde année - 0/0 Loi d une

Plus en détail

En vue de l'obtention du. Présentée et soutenue par Meva DODO Le 06 novembre 2008

En vue de l'obtention du. Présentée et soutenue par Meva DODO Le 06 novembre 2008 THÈSE En vue de l'obtenton du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE Délvré par l'unversté Toulouse III - Paul Sabater Spécalté : Informatque Présentée et soutenue par Meva DODO Le 06 novembre 2008 Ttre

Plus en détail

Amphi 3: Espaces complets - Applications linéaires continues

Amphi 3: Espaces complets - Applications linéaires continues Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en détail

UNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS

UNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS BRUSSELS ECONOMIC REVIEW - CAHIERS ECONOMIQUES DE BRUXELLES VOL. 49 - N 2 SUMMER 2006 UNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS DANS LE SECTEUR DE L ASSURANCE AUTOMOBILE* MARÍA DEL CARMEN MELGAR**

Plus en détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy

Plus en détail

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles

Plus en détail

Texte Agrégation limitée par diffusion interne

Texte Agrégation limitée par diffusion interne Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse

Plus en détail

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période)

Mathématiques Financières : l essentiel Les 10 formules incontournables (Fin de période) A-PDF OFFICE TO PDF DEMO: Purchase from www.a-pdf.com to remove the watermark Mathématques Facères : l essetel Les formules cotourables (F de érode) htt://www.ecogesam.ac-a-marselle.fr/esed/gesto/mathf/mathf.html#e5aels

Plus en détail

Integral T 3 Compact. raccordé aux installations Integral 5. Notice d utilisation

Integral T 3 Compact. raccordé aux installations Integral 5. Notice d utilisation Integral T 3 Compact raccordé aux nstallatons Integral 5 Notce d utlsaton Remarques mportantes Remarques mportantes A quelle nstallaton pouvez-vous connecter votre téléphone Ce téléphone est conçu unquement

Plus en détail

Contact SCD Nancy 1 : theses.sciences@scd.uhp-nancy.fr

Contact SCD Nancy 1 : theses.sciences@scd.uhp-nancy.fr AVERTISSEMENT Ce document est le frut d'un long traval approuvé par le jury de soutenance et ms à dsposton de l'ensemble de la communauté unverstare élarge. Il est soums à la proprété ntellectuelle de

Plus en détail

Probabilités III Introduction à l évaluation d options

Probabilités III Introduction à l évaluation d options Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un

Plus en détail

Paquets. Paquets nationaux 1. Paquets internationaux 11

Paquets. Paquets nationaux 1. Paquets internationaux 11 Paquets Paquets natonaux 1 Paquets nternatonaux 11 Paquets natonaux Servces & optons 1 Créaton 3 1. Dmensons, pods & épasseurs 3 2. Présentaton des paquets 4 2.1. Face avant du paquet 4 2.2. Comment obtenr

Plus en détail

ENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N

ENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement

Plus en détail

SYSTEME FERME EN REACTION CHIMIQUE

SYSTEME FERME EN REACTION CHIMIQUE SYSTEME FERME EN REACTION CHIMIQUE I. DESCRIPTION D UN SYSTEME. Les dfférets types de système (ouvert, fermé, solé U système S est formé d u esemble de corps séparés du reste de l uvers (appelé mleu extéreur

Plus en détail