ESSEC 2 Voie E Mardi 3 mai 2016
|
|
- Louis Larrivée
- il y a 5 ans
- Total affichages :
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 par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système
Plus en détailQ x2 = 1 2. est dans l ensemble plus grand des rationnels Q. Continuons ainsi, l équation x 2 = 1 2
Exo7 Nombres complexes Vdéo parte. Les nombres complexes, défntons et opératons Vdéo parte. Racnes carrées, équaton du second degré Vdéo parte 3. Argument et trgonométre Vdéo parte 4. Nombres complexes
Plus en détailRemboursement d un emprunt par annuités constantes
Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)
Plus en détailGénéralités sur les fonctions 1ES
Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :
Plus en détailPlan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks
Plan Geston des stocks Abdellah El Fallah Ensa de Tétouan 2011 Les opératons de gestons des stocks Les coûts assocés à la geston des stocks Le rôle des stocks Modèle de la quantté économque Geston calendare
Plus en détailExercices d Électrocinétique
ercces d Électrocnétque Intensté et densté de courant -1.1 Vtesse des porteurs de charges : On dssout une masse m = 20g de chlorure de sodum NaCl dans un bac électrolytque de longueur l = 20cm et de secton
Plus en détailDirigeant de SAS : Laisser le choix du statut social
Drgeant de SAS : Lasser le chox du statut socal Résumé de notre proposton : Ouvrr le chox du statut socal du drgeant de SAS avec 2 solutons possbles : apprécer la stuaton socale des drgeants de SAS comme
Plus en détailChapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique
Spécale PSI - Cours "Electromagnétsme" 1 Inducton électromagnétque Chaptre IV : Inductance propre, nductance mutuelle. Energe électromagnétque Objectfs: Coecents d nductance propre L et mutuelle M Blan
Plus en détailGEA I Mathématiques nancières Poly. de révision. Lionel Darondeau
GEA I Mathématques nancères Poly de révson Lonel Darondeau Intérêts smples et composés Voc la lste des exercces à révser, corrgés en cours : Exercce 2 Exercce 3 Exercce 5 Exercce 6 Exercce 7 Exercce 8
Plus en détailÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.
ÉLÉMETS DE THÉORIE DE L IFORMATIO POUR LES COMMUICATIOS. L a théore de l nformaton est une dscplne qu s appue non seulement sur les (télé-) communcatons, mas auss sur l nformatque, la statstque, la physque
Plus en détailPage 5 TABLE DES MATIÈRES
Page 5 TABLE DES MATIÈRES CHAPITRE I LES POURCENTAGES 1. LES OBJECTIFS 12 2. LES DÉFINITIONS 14 1. La varaton absolue d'une grandeur 2. La varaton moyenne d'une grandeur (par unté de temps) 3. Le coeffcent
Plus en détailÉconométrie. Annexes : exercices et corrigés. 5 e édition. William Greene New York University
Économétre 5 e édton Annexes : exercces et corrgés Wllam Greene New York Unversty Édton françase drgée par Dder Schlacther, IEP Pars, unversté Pars II Traducton : Stéphane Monjon, unversté Pars I Panthéon-Sorbonne
Plus en détailTD 1. Statistiques à une variable.
Danel Abécasss. Année unverstare 2010/2011 Prépa-L1 TD de bostatstques. Exercce 1. On consdère la sére suvante : TD 1. Statstques à une varable. 1. Calculer la moyenne et l écart type. 2. Calculer la médane
Plus en détailMontage émetteur commun
tour au menu ontage émetteur commun Polarsaton d un transstor. ôle de la polarsaton La polarsaton a pour rôle de placer le pont de fonctonnement du transstor dans une zone où ses caractérstques sont lnéares.
Plus en détailMÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES
MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES Émle Garca, Maron Le Cam et Therry Rocher MENESR-DEPP, bureau de l évaluaton des élèves Cet artcle porte sur les méthodes de
Plus en détailSTATISTIQUE AVEC EXCEL
STATISTIQUE AVEC EXCEL Excel offre d nnombrables possbltés de recuellr des données statstques, de les classer, de les analyser et de les représenter graphquement. Ce sont prncpalement les tros éléments
Plus en détailLes jeunes économistes
Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque
Plus en détailGENESIS - Generalized System for Imputation Simulations (Système généralisé pour simuler l imputation)
GENESS - Generalzed System for mputaton Smulatons (Système généralsé pour smuler l mputaton) GENESS est un système qu permet d exécuter des smulatons en présence d mputaton. L utlsateur fournt un ensemble
Plus en détailLE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régime») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF
1 LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régme») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF AVIS AUX RETRAITÉS ET AUX PARTICIPANTS AVEC DROITS ACQUIS DIFFÉRÉS Expédteurs
Plus en détailCorrigé du problème de Mathématiques générales 2010. - Partie I - 0 0 0. 0.
Corrgé du problème de Mathématques générales 2010 - Parte I - 1(a. Sot X S A. La matrce A est un polynôme en X donc commute avec X. 1(b. On a : 0 = m A (A = m A (X n ; le polynôme m A (x n est annulateur
Plus en détailContrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations
Contrats prévoyance des TNS : Clarfer les règles pour sécurser les prestatons Résumé de notre proposton : A - Amélorer l nformaton des souscrpteurs B Prévor plus de souplesse dans l apprécaton des revenus
Plus en détailAssurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire
Assurance malade et aléa de moralté ex-ante : L ncdence de l hétérogénété de la perte santare Davd Alary 1 et Franck Ben 2 Cet artcle examne l ncdence de l hétérogénété de la perte santare sur les contrats
Plus en détailFiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage
Fche n 7 : Vérfcaton du débt et de la vtesse par la méthode de traçage 1. PRINCIPE La méthode de traçage permet de calculer le débt d un écoulement ndépendamment des mesurages de hauteur et de vtesse.
Plus en détailBTS GPN 2EME ANNEE-MATHEMATIQUES-MATHS FINANCIERES MATHEMATIQUES FINANCIERES
MATHEMATIQUES FINANCIERES I. Concepts généraux. Le référentel précse : Cette parte du module M4 «Acquérr des outls mathématques de base nécessares à l'analyse de données économques» est en relaton avec
Plus en détailGrandeur physique, chiffres significatifs
Grandeur physque, chffres sgnfcatfs I) Donner le résultat d une mesure en correspondance avec l nstrument utlsé : S avec un nstrument, ren n est ndqué sur l ncerttude absolue X d une mesure X, on consdère
Plus en détailCalcul de tableaux d amortissement
Calcul de tableaux d amortssement 1 Tableau d amortssement Un emprunt est caractérsé par : une somme empruntée notée ; un taux annuel, en %, noté ; une pérodcté qu correspond à la fréquence de remboursement,
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailDES EFFETS PERVERS DU MORCELLEMENT DES STOCKS
DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS Le cabnet Enetek nous démontre les mpacts négatfs de la multplcaton des stocks qu au leu d amélorer le taux de servce en se rapprochant du clent, le dégradent
Plus en détailIDEI Report # 18. Transport. December 2010. Elasticités de la demande de transport ferroviaire: définitions et mesures
IDEI Report # 18 Transport December 2010 Elastctés de la demande de transport ferrovare: défntons et mesures Elastctés de la demande de transport ferrovare : Défntons et mesures Marc Ivald Toulouse School
Plus en détailCalculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.
1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle
Plus en détailEditions ENI. Project 2010. Collection Référence Bureautique. Extrait
Edtons ENI Project 2010 Collecton Référence Bureautque Extrat Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf
Plus en détailLes déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises
Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune Marc Bourreau Abel Franços Jun 2006 Département Scences Economques et
Plus en détail1 Introduction. 2 Définitions des sources de tension et de courant : Cours. Date : A2 Analyser le système Conversion statique de l énergie. 2 h.
A2 Analyser le système Converson statque de l énerge Date : Nom : Cours 2 h 1 Introducton Un ConVertsseur Statque d énerge (CVS) est un montage utlsant des nterrupteurs à semconducteurs permettant par
Plus en détailLes déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises
Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune a, Marc Bourreau a,b et Abel Franços a,c a Télécom ParsTech, Département
Plus en détailSciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot
Scence Indutrelle Précon de ytème erv Pncol Robert Lycée Jcque Amyot I - PRECISION DES SYSTEMES ASSERVIS A. Poton du roblème 1. Préentton On vu que le rôle d un ytème erv et de fre uvre à l orte (t) une
Plus en détailLE 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 détailCHAPITRE DEUX : FORMALISME GEOMETRIQUE
CHPITRE DEUX FORMLISME GEOMETRIQUE. CHPITRE DEUX : FORMLISME GEOMETRIQUE verson.3, -8 I. GEOMETRIE DNS L ESPCE-TEMPS ) Prncpe de relatvté Le prncpe de relatvté peut s exprmer ans : toutes les los physques
Plus en détailCOMPARAISON DE MÉTHODES POUR LA CORRECTION
COMPARAISON DE MÉTHODES POUR LA CORRECTION DE LA NON-RÉPONSE TOTALE : MÉTHODE DES SCORES ET SEGMENTATION Émle Dequdt, Benoît Busson 2 & Ncolas Sgler 3 Insee, Drecton régonale des Pays de la Lore, Servce
Plus en détailI. Présentation générale des méthodes d estimation des projets de type «unité industrielle»
Evaluaton des projets et estmaton des coûts Le budget d un projet est un élément mportant dans l étude d un projet pusque les résultats économques auront un mpact sur la réalsaton ou non et sur la concepton
Plus en détailEvaluation 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 détailProjet de fin d études
Unversté Franços Rabelas Tours Ecole Polytechnque Unverstare de Tours Département Informatque Projet de fn d études Ordonnancement Juste à Temps avec geston des stocks Chopn Antone Mrault Arnaud 3ème année
Plus en détailCHAPITRE 14 : RAISONNEMENT DES SYSTÈMES DE COMMANDE
HAITRE 4 : RAISONNEMENT DES SYSTÈMES DE OMMANDE RAISONNEMENT DES SYSTÈMES DE OMMANDE... 2 INTRODUTION... 22 RAELS... 22 alcul de la valeur ntale de la répone à un échelon... 22 alcul du gan tatque... 22
Plus en détailProgrammes 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 détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailhal-00409942, version 1-14 Aug 2009
Manuscrt auteur, publé dans "MOSIM' 008, Pars : France (008)" 7 e Conférence Francophone de MOdélsaton et SIMulaton - MOSIM 08 - du mars au avrl 008 - Pars - France «Modélsaton, Optmsaton et Smulaton des
Plus en détailChapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3.
Chaptre 3 : Incerttudes CHAPITRE 3 INCERTITUDES Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.1 Volume 1 : Orentatons générales et établssement des rapports Auteurs
Plus en détailBUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES
BUREAU DAPPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES BAMSI REPRINT 04/2003 Introducton à l analyse des données Samuel AMBAPOUR BAMSSI I BAMSI B.P. 13734 Brazzavlle BAMSI REPRINT 04/2003 Introducton
Plus en détailPREMIERS 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 détailVIELLE Marc. CEA-IDEI Janvier 1998. 1 La nomenclature retenue 3. 2 Vue d ensemble du modèle 4
GEMINI-E3 XL France Un outl destné à l étude des mpacts ndustrels de poltques énergétques et envronnementales VIELLE Marc CEA-IDEI Janver 1998 I LA STRUCTURE DU MODELE GEMINI-E3 XL FRANCE 3 1 La nomenclature
Plus en détailLe 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 détailINTERNET. 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 détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détail22 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 détailDynamique du point matériel
Chaptre III Dynaqe d pont atérel I Généraltés La cnéatqe a por objet l étde des oveents des corps en foncton d teps, sans tenr copte des cases q les provoqent La dynaqe est la scence q étde (o déterne)
Plus en détailII - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1
II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d
Plus en détailMODÈLE D ISING À UNE ET DEUX DIMENSIONS.
Chapter MODÈLE DISIG À UE ET DEUX DIMESIOS.. ITRODUCTIO. ous commençons, dans ce chaptre, létude dun problème de mécanque statstque de la matère condensée où leffet des nteractons est mportant. Le modèle
Plus en détailMEMOIRE. Présenté au département des sciences de la matière Faculté des sciences
REPUBLIQUE LERIEN DEMOCRTIQUE ET POPULIRE Mnstère de l ensegnement supéreur et de la recherche scentfque Unversté El-Hadj Lakhdar-BTN- MEMOIRE Présenté au département des scences de la matère Faculté des
Plus en détailsanté Les arrêts de travail des séniors en emploi
soldarté et DOSSIERS Les arrêts de traval des sénors en emplo N 2 2007 Les sénors en emplo se dstnguent-ls de leurs cadets en termes de recours aux arrêts de traval? Les sénors ne déclarent pas plus d
Plus en détailChapitre 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 détail1. Les enjeux de la prévision du risque de défaut de paiement
Scorng sur données d entreprses : nstrument de dagnostc ndvduel et outl d analyse de portefeulle d une clentèle Mrelle Bardos Ancen chef de servce de l Observatore des entreprses de la Banque de France
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailLa théorie classique de l information. 1 ère partie : le point de vue de Kolmogorov.
La théore classque de l nformaton. ère parte : le pont de vue de Kolmogorov. La sute de caractères comme outl de descrpton des systèmes. La scence peut être vue comme l art de compresser les données quelles
Plus en détailLimites 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 détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailEcole 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 détailMécanique des Milieux Continus
Mécanque des Mleux Contnus Golay Frédérc SEATECH MMC Golay MMC - - Ce cours de mécanque des mleux contnus est à la base de l ensegnement de mécanque à SEATECH. Les notons abordées c, transport de champs,
Plus en détailI. 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 détailLes prix quotidiens de clôture des échanges de quotas EUA et de crédits CER sont fournis par ICE Futures Europe
Méthodologe CDC Clmat Recherche puble chaque mos, en collaboraton avec Clmpact Metnext, Tendances Carbone, le bulletn mensuel d nformaton sur le marché européen du carbone (EU ETS). L obectf de cette publcaton
Plus en détailCREATION 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 détailGATE Groupe d Analyse et de Théorie Économique DOCUMENTS DE TRAVAIL - WORKING PAPERS W.P. 08-24. Préférences temporelles et recherche d emploi
GATE Groupe d Analyse et de Théore Économque UMR 5824 du CNRS DOCUMENTS DE TRAVAIL - WORKING PAPERS W.P. 08-24 Préférences temporelles et recherche d emplo «Applcatons économétrques sur le panel Européen
Plus en détail3. 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 détailTerminal numérique TM 13 raccordé aux installations Integral 33
Termnal numérque TM 13 raccordé aux nstallatons Integral 33 Notce d utlsaton Vous garderez une longueur d avance. Famlarsez--vous avec votre téléphone Remarques mportantes Chaptres à lre en prorté -- Vue
Plus en détailMéthodes 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 détailSemestre : 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 détailLicence 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 détailLa Quantification du Risque Opérationnel des Institutions Bancaires
HEC Montréal Afflée à l Unversté de Montréal La Quantfcaton du Rsque Opératonnel des Insttutons Bancares par Hela Dahen Département Fnance Thèse présentée à la Faculté des études supéreures en vue d obtenton
Plus en détailChapitre 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 détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailIntroduction 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 détailCalculs 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 détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailPrêt de groupe et sanction sociale Group lending and social fine
Prêt de roupe et sancton socale Group lendn and socal fne Davd Alary Résumé Dans cet artcle, nous présentons un modèle d antsélecton sur un marché concurrentel du crédt. Nous consdérons l ntroducton de
Plus en détailExo7. 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 détail1.0 Probabilité vs statistique...1. 1.1 Expérience aléatoire et espace échantillonnal...1. 1.2 Événement...2
- robabltés - haptre : Introducton à la théore des probabltés.0 robablté vs statstque.... Expérence aléatore et espace échantllonnal.... Événement.... xomes défnton de probablté..... Quelques théorèmes
Plus en détailINTRODUCTION. Jean-Pierre MAGNAN Chef de la section des ouvrages en terre Département des sols et fondations Laboratoire central
Etude numérque de la consoldaton undmensonnelle en tenant compte des varatons de la perméablté et de la compressblté du sol, du fluage et de la non-saturaton Jean-Perre MAGNAN Chef de la secton des ouvrages
Plus en détailLoi 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 détailEn vue de l'obtention du. Présentée et soutenue par Meva DODO Le 06 novembre 2008
THÈSE En vue de l'obtenton du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE Délvré par l'unversté Toulouse III - Paul Sabater Spécalté : Informatque Présentée et soutenue par Meva DODO Le 06 novembre 2008 Ttre
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailUNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS
BRUSSELS ECONOMIC REVIEW - CAHIERS ECONOMIQUES DE BRUXELLES VOL. 49 - N 2 SUMMER 2006 UNE ETUDE ECONOMÉTRIQUE DU NOMBRE D ACCIDENTS DANS LE SECTEUR DE L ASSURANCE AUTOMOBILE* MARÍA DEL CARMEN MELGAR**
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailGEA 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 détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailMathématiques 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 détailIntegral 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 détailContact SCD Nancy 1 : theses.sciences@scd.uhp-nancy.fr
AVERTISSEMENT Ce document est le frut d'un long traval approuvé par le jury de soutenance et ms à dsposton de l'ensemble de la communauté unverstare élarge. Il est soums à la proprété ntellectuelle de
Plus en détailProbabilités 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 détailPaquets. Paquets nationaux 1. Paquets internationaux 11
Paquets Paquets natonaux 1 Paquets nternatonaux 11 Paquets natonaux Servces & optons 1 Créaton 3 1. Dmensons, pods & épasseurs 3 2. Présentaton des paquets 4 2.1. Face avant du paquet 4 2.2. Comment obtenr
Plus en détailENS 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 détailSYSTEME FERME EN REACTION CHIMIQUE
SYSTEME FERME EN REACTION CHIMIQUE I. DESCRIPTION D UN SYSTEME. Les dfférets types de système (ouvert, fermé, solé U système S est formé d u esemble de corps séparés du reste de l uvers (appelé mleu extéreur
Plus en détail