Les couples de variables aléatoires.
|
|
- Sébastien Papineau
- il y a 5 ans
- Total affichages :
Transcription
1 Probabltés Chaptre 8 Les couples de varables aléatores I Les couples de varables aléatores dscrètes Hypothèses et Y sont deux varables aléatores dscrètes défnes sur un même espace probablsé Les valeurs possbles pour sont x, x,, x, ; les valeurs possbles pour Y sont y, y,, y, La probablté de l événement ( = x et Y = y ) est notée p, La lo de probablté cononte du couple (, Y) Elle est consttuée par la donnée, souvent sous forme de tableau, des x, des y et des p, : Y y y y x p, p, p, p x p, p, p, p M M M M M x p, p, p, p M M M M M p p p Les los de probabltés margnales de et de Y La probablté de l événement ( = x ) est notée p ; La probablté de l événement (Y = y ) est notée p On a : p = p, ; p = p, On peut obtenr les p à partr du tableau des p, en aoutant à drote une colonne margnale dans laquelle on somme chaque lgne On peut obtenr les p à partr du tableau des p, en aoutant en bas une lgne margnale dans laquelle on somme chaque colonne La somme de la colonne margnale dot être Celle de la lgne margnale auss Cette somme commune peut être portée dans la case en bas à drote Voc les expressons des espérances mathématques, des varances et des écarts-types m = E() = p x = p, x m = E(Y) = p y =,, p y, v = Var() = p ( x m) = p ( x m) v = p x - m = p, x - m σ = v,,, v = Var(Y) = p ( y m ) = p ( y m' ) ' v = p y - m = p, y - m σ Y = v',,, La démonstraton de l addtvté de l espérance mathématque est mantenant possble : E( + Y) = p,( x + y ) = p x, + p, y = E() + E(Y),,, Probabltés Chaptre 8 Page
2 3 L'ndépendance du couple (, Y) Il est naturel de penser que et Y sont ndépendantes s, pour tout et pour tout, les événements [ = x ] et [Y = y ] sont ndépendants La défnton de cette ndépendance est : p, = p p D'où la défnton : et Y sont ndépendantes s : ( (, )) p, = p p Retenr : le coeur est le produt des marges Les los de probabltés condtonnelles de Y ( On étuderat de même les los de probabltés condtonnelles de ) Supposons : ( ) p a) Les los de probabltés condtonnelles de Y La lo de probablté de Y condtonnée par l égalté [ = x ] est défne par ce tableau : Y y y y P x = (Y = y) = P(Y = y = x ) p p, p, p p p, La condton [ = x ] ne porte pas sur Y mas sur sa lo de probablté Ce tableau est obtenu à partr de la lgne N du tableau conont, par dvson par p Les probabltés fgurant dans la lgne nféreure ont ben pour somme et Y sont ndépendantes s, et seulement s, les los de probabltés condtonnelles de Y sont égales à la lo de probablté margnale de Y b) L espérance mathématque condtonnelle de Y L espérance mathématque de Y pour la lo de probablté P = x est : p, m = E(Y = x ) = y p Elle est donc défne par l égalté : p m = p, y La famlle des ponts (x, m ) consttue le nuage de régresson de Y en La famlle des m défnt une varable aléatore On note cette varable aléatore E(Y ) On la nomme espérance mathématque condtonnelle de Y Sa lo de probablté est défne par la famlle des couples (m, p ) Son espérance mathématque est : p m = p, y = E(Y), L espérance margnale de Y est l espérance de son espérance condtonnelle S et Y sont ndépendantes, l espérance condtonnelle de Y est constante et égale à son espérance margnale Probabltés Chaptre 8 Page
3 c) La varance condtonnelle de Y La varance de Y pour la lo de probablté P = x est : p, v = V(Y = x ) = (y - m ) p, = y - m p p Elle est donc défne par l égalté : p v = p, (y - m ) La famlle des v défnt une varable aléatore On note cette varable aléatore V(Y ) On la nomme varance condtonnelle de Y Sa lo de probablté est défne par la famlle des couples (v, p ) La varance de Y pour sa lo de probablté margnale est : V(Y) = E(Y ) - [E(Y)] = E[E(Y )] - [E(E(Y ))] = E[V(Y ) + (E(Y )) ] - [E(E(Y ))] = E[V(Y )] + E[(E(Y )) ] - [E(E(Y ))] = E[V(Y )] + V[E(Y )] V(Y) = E[V(Y )] + V[E(Y )] La varance margnale de Y est la somme de l espérance de sa varance condtonnelle et de la varance de son espérance condtonnelle S et Y sont ndépendantes, la varance condtonnelle de Y est constante et égale à sa varance margnale 5 La corrélaton lnéare du couple (, Y) a) La covarance du couple (, Y) La covarance du couple (, Y) est notée cov(, Y) ou encore σ,y Elle est ans défne : σ,y = E [( - E()) (Y - E(Y))] Ou encore, s l'on désgne par m l'espérance mathématque de (m = E()) et par m celle de Y : Voc d autres écrtures : σ,y = p,( x m)( y m' ), σ,y = E(Y) - E()E(Y) ; σ,y = p, xy - mm, On peut retenr : espérance du produt mons produt des espérances La matrce symétrque V() σ,y σ,y V(Y) est la matrce des varances-covarances du couple (, Y) Probabltés Chaptre 8 Page 3
4 Voc quelques proprétés de la covarance : La covarance est symétrque C est à dre : cov(y, ) = cov(, Y) La covarance est blnéare C est à dre : ) pour tout réel a : cov(a, Y) = cov(, ay) = acov(, Y) ; ) cov( +, Y) = cov(, Y) + cov(, Y) ; ') cov(, Y + Y ) = cov(, Y ) + cov(, Y ) Pour tout réel a : cov(, a) = cov(a, Y) = La covarance est nsensble aux translatons : ( a R) cov( + a, Y) = cov(, Y + a) = cov(, Y) ( (a,b,c,d) R ) cov(a + b, cy + d) = accov(, Y) ( (a,b,c,d) R ) cov(a + by, cz + dt) = accov(, Z) + adcov(, T) + bccov(y, Z) + bdcov(y, T) cov(, ) = V() V(+ Y) = V() + cov(, Y) + V(Y) La covarance ne change pas s l on remplace l une des varables par son espérance condtonnelle p, Par exemple : cov(, Y) = p,( x m)( y m' ) = p (x - m)( (y - m )), p = p (x - m)(m - m ) = cov[, E(Y )] La covarance est comparable à un produt ; le carré correspondant est la varance b) Le coeffcent de corrélaton lnéare du couple (, Y) Désgnons par σ l'écart-type de et par σ Y celu de Y On les suppose non nuls σ,y Le coeffcent de corrélaton lnéare du couple (, Y) de va est le réel : ρ,y = σσy Il est comprs entre - et Comme son nom l'ndque, l mesure la corrélaton lnéare entre et Y Il est vosn de quand et Y sont fablement corrélées ( exemple : la talle et le compte en banque) Il est vosn de quand et Y sont fortement corrélées et qu'elles varent dans le même sens ( exemple : la talle et le pods ) Il est vosn de - quand et Y sont fortement corrélées et qu'elles varent en sens nverse ( exemple : l âge et l espérance de ve ) Vérfons l'encadrement : ρ,y : Pour tout réel a : V(Y - a) = V(a) - cov(a, Y) + V(Y) = a V() - acov(, Y) + V(Y) Ce trnôme du second degré en a est postf ou nul pour tout a pusque : V(Y - a) Son dscrmnant rédut est négatf ou nul [cov(, Y)] - V()V(Y) ; [cov(, Y)] V()V(Y) ; cov(,y) D'où l'encadrement attendu a et ρ,y sont de même sgne V()V(Y) Probabltés Chaptre 8 Page
5 c) La corrélaton lnéare du couple (, Y) Les égaltés suvantes sont équvalentes : E(Y) = E()E(Y) V( + Y) = V() + V(Y) σ,y = ρ,y = Quand ces égaltés sont vraes, on dt que les varables aléatores et Y sont non corrélées lnéarement S et Y sont ndépendantes alors elles sont non corrélées lnéarement En effet, dans ce cas, E(Y) = p, xy = p p xy =,, p x p y = E()E(Y) La récproque est fausse : chosr Ω = {-,,} mun de l équprobablté, l applcaton dentque sur Ω et Y= d) La drote de régresson lnéare de Y en On suppose : V() On cherche d éventuels réels a et b mnmsant l espérance mathématque : Esp = E[(Y - m ) - a( - m) - b] Esp = E[(Y - m ) - a( - m)] + b (à vérfer) Il faut donc chosr : b = On suppose b = dans la sute du calcul Esp = V(Y - a) = a V() - acov(,y) + V(Y) Esp est donc mnmal pour a = cov(, Y ) V( ) La drote d équaton : (y - m ) = cov(, Y ) (x - m) V( ) est la drote de régresson de Y en Elle ne change pas s l on remplace Y par son espérance condtonnelle II Les couples absolument contnus de varables aléatores Un couple (, Y) de varables aléatores est dt absolument contnu s l possède une foncton densté de probablté cononte, c est à dre une foncton vérfant les égaltés proposées dans le paragraphe II Dans ce cas, et Y possèdent chacun une densté de probablté dte margnale Autrement dt, et Y sont absolument contnues Remarque Il exste des couples de varables aléatores absolument contnues qu ne sont pas absolument contnus Par exemple, même s une varable aléatore est absolument contnue, le couple (, ) n est pas absolument contnu Dans la sute on consdère un couple (, Y) absolument contnu de varables aléatores Densté de probablté cononte du couple (, Y) C est une foncton f,y de R vers R ans défne : ( (x, y) R ) f,y (x, y) dxdy = P[(x < <x + dx) (y < Y < y + dy)] Probabltés Chaptre 8 Page 5
6 Ou encore, s a < b et c < d alors : P[(a < < b) (c < Y < d)] = [ a,b] [ c, d] f (x, y) dxdy f,y possède les proprétés suvantes (caractérstques d une densté de probablté cononte) : ( (x, y) R ) f,y (x, y) et R,Y,Y f (x, y) dxdy = Les denstés de probabltés margnales La densté de probablté margnale de est la foncton f ans défne : ( x R) f (x) = + f Y (x,, y)dy La densté de probablté margnale de Y est la foncton f Y ans défne : ( y R) f Y (y) = + f Y (x,, y)dx Remarque : la densté de probablté cononte de (, Y) détermne les denstés de probabltés margnales de et Y ; la récproque est fausse 3 L ndépendance et Y sont ndépendantes s, et seulement s : Les los de probabltés condtonnelles ( (x, y) R ) f,y (x, y) = f (x)f Y (y) (Le cœur est le produt des marges) On suppose f (x) La densté de probablté condtonnelle de Y sachant que = x est la foncton f Y = x ans défne : ( y R) f Y = x (y) = f x y, Y (, ) f ( x) f Y = x est ben une densté de probablté pusqu elle est postve et d ntégrale égale à L espérance et la varance condtonnelles assocées sont ans défnes (sous réserve d exstence) : E(Y = x) = + yf Y = x (y)dy = ) + f ( yf,y (x, y)dy ; x E(Y = x) = + y f Y = x (y)dy = ) + f ( y f,y (x, y)dy ; x Var(Y = x) = E(Y = x) - [ E(Y = x)] la courbe représentatve de la foncton [x ae(y = x)] est la courbe de régresson de Y en S et Y sont ndépendantes alors : f Y = x = f Y ; E(Y = x) = E(Y) ; Var(Y = x) = Var() ; la courbe de régresson de Y en est une drote parallèle à l axe des abscsses Les varables aléatores espérance mathématque condtonnelle et varance condtonnelle sont défnes comme dans le cas dscret Comme dans le cas dscret on a : E[E(Y )] = E(Y) ; Var[E(Y )] + E[Var(Y )] = Var(Y) 5 La corrélaton lnéare Les défntons et les proprétés énoncées dans le cas dscret restent valables En partculer : Cov(, Y) = E(Y) - E()E(Y) ; E(Y)= R xyf, Y (x, y)dxdy Probabltés Chaptre 8 Page 6
7 Trouver une varable aléatore ndépendante d'elle-même Exercces On consdère l'épreuve consstant à eter fos un dé normal On désgne par le premer numéro obtenu, par Y le deuxème numéro obtenu et par Z l ndcatrce de l événement : «La somme des deux numéros obtenus est mpare» (Par défnton, l ndcatrce d un événement prnd la valeur dans cet événement et la valeur alleurs) Etuder l ndépendance de et de Z, de Y et de Z, de + Y et de Z 3 et Y sont varables aléatores dscrètes défnes sur un même unvers Leur lo de probablté cononte est défne par le tableau suvant : 3 Y /3 /3 /3 /3 3/3 /3 /3 /3 /3 /3 /3 3 /3 /3 /3 /3 /3 3/3 /3 Calculer la covarance de et de Y, le coeffcent de corrélaton lnéare de et de Y, et une équaton de la drote de régresson de Y en Détaller les calculs Calculer l espérance mathématque condtonnelle de Y et la varance condtonnelle de Y sous chacune des condtons =, =, =, = 3 Relatvement à un même repère (unté : 5 cm), tracer la drote de régresson de Y en, le pont moyen du nuage et le nuage de régresson de Y en On ette fos un dé cubque ordnare, ben équlbré On pose la dvson du premer numéro obtenu par le deuxème numéro obtenu S la dvson ne tombe pas uste, on s arrête à la vrgule Par exemple, quand on dvse 5 par, le quotent est et le reste est Autre exemple : quand on dvse 6 par, le quotent est 3 et le reste On désgne par le quotent et par Y le reste a) Donner (sous forme de tableau) la lo de probablté cononte de (, Y), la lo de probablté margnale de et la lo de probablté margnale de Y b) Donner l espérance mathématque de et celle de Y c) Détermner la matrce des varances-covarances de (, Y) d) Donner, sous forme de tableau, la lo de probablté de l espérance condtonnelle de Y et celle de la varance condtonnelle de Y e) Tracer dans un même graphque le pont moyen du nuage, le nuage de régresson de Y en et la drote de régresson de Y en 5 et Y sont varables aléatores dscrètes défnes sur un même unvers Leur lo de probablté cononte est défne par le tableau suvant : Y 3 Total,6,,,8,,6,, 3,,8,,,,8, 5,8,6,, Total 5 Compléter ce tableau 5 Calculer les probabltés P( et Y 3) et P( > Y) 53 Calculer chacun des réels E(), E(Y), V(), V(Y), Cov(, Y), r(, Y) 5 Donner une équaton de la drote de régresson de Y en Probabltés Chaptre 8 Page 7
8 55 Compléter le tableau suvant : x 3 5 P( = x) E(Y / = x) E(Y / = x) V(Y / = x) 56 Calculer chacun des réels E(V(Y / )), V(E(Y / )) et E(V(Y / )) + V(E(Y / )) 6 Une urne content quatre boules marquées, tros boules marquées, deux boules marquées 3 et une boule marquée On chost au hasard deux boules dans cette urne On désgne par la dfférence (en valeur absolue) des deux numéros obtenus et par Y la somme des deux numéros obtenus 6 Dresser un tableau donnant la lo de probablté cononte du couple (, Y) et les deux los de probabltés margnales de et de Y 6 Calculer E(), E(Y), V(), V(Y), Cov(, Y), r(, Y) 63 Donner une équaton de la drote D de régresson de Y en 6 Calculer E(Y / = x) pour chaque valeur x possble pour 65 Dessner sur une même fgure le nuage de régresson de Y en et la drote D 7 Voc un nuage de dx ponts équpondérés (ls ont tous le même pods) L unté est le centmètre Les coordonnées sont entères Tracer le pont moyen du nuage, le nuage de régresson de Y en et la drote de régresson de Y en On donnera tous les calculs utles y O x 8 La fgure tracée c-contre représente le nuage de ponts relatf à un couple (, Y) de varables aléatores dscrètes Les nombres écrts près des ponts sont les pods des ponts Ils sont proportonnels aux probabltés Questons 8 Tracer la drote de régresson de Y en On détallera les calculs 8 Calculer le coeffcent de corrélaton lnéare de et de Y Probabltés Chaptre 8 Page 8
9 9 Le nuage de ponts c-dessous représente un couple (, Y) de varables aléatores dscrètes Les nombres fgurant près des ponts sont les «pods» des ponts Ils sont proportonnels aux probabltés Questons 9 Détermner et tracer (sur la fgure c-dessus) le pont moyen du nuage 9 Détermner et tracer les ponts du nuage de régresson de Y en 93 Détermner et tracer la drote de régresson de Y en 9 Les varables aléatores et Y sont-elles ndépendantes? 95 Trouver les réels V(E(Y/)), E(V(Y/)) et V(Y) Hypothèses : Var() = ; Var(Y) = 5 ; Cov(, Y) = -3 Calculer : Cov( Y +, 3 + Y 6) ; Var(-3 + Y 3) Hypothèses : Var(3 + Y + ) = 35 ; Var( + 5Y 7) = 8 ; Cov( 3Y +, + Y 3) = -5 Calculer : Var( + Y 8) ; Cov( + 3Y + 5, -3 + Y + ) Détermner les denstés de probablté cononte et margnales dans le cas où la dstrbuton de (, Y) est unforme sur le pavé [- ; ] [3 ; 8] et Y sont-elles ndépendantes? 3 A(-, ), B(, ), C(, 3) sont tros ponts (, Y) est un couple de varables aléatores unforme sur le trangle ABC f, f Y, f,y désgnent les denstés de probabltés respectves de, Y, (, Y) F désgne la foncton de répartton de 3 Donner une équaton de la drote (AC) 3 En supposant le repère orthonormé, donner l are (en unté d are) du trangle ABC Dédure f, Y (x, y) 33 Exprmer f (x), f Y (y) et F (x) Représenter f et F sur un même graphque 3 Détermner l espérance mathématque de et celle de Y 35 Détermner la varance de et celle de Y 36 Pour x comprs entre - et, détermner la densté de probablté condtonnelle de Y sachant que = x, pus l espérance mathématque condtonnelle de Y sachant que = x Sur un même graphque, tracer le trangle ABC et la courbe de régresson de Y en 37 Calculer la covarance de (, Y) Donner une équaton de la drote de régresson de Y en Hypothèses 3, ; (, Y) est un couple de varables aléatores unforme sur le trangle ABC f,y est la densté de probablté cononte du couple (, Y) f et f Y sont les denstés de probabltés margnales respectves de et de Y A = [,6 ] ; B = [ -3, ] ; C = [ ] Questons Donner une équaton de chacune des drotes (AB) et (AC) Détermner l are (en unté d are) du trangle ABC 3 Défnr chacune des denstés de probabltés f, Y, f et f Y Donner les espérances mathématques de et de Y 5 Tracer sans calcul la courbe de régresson de Y en (donner une ustfcaton géométrque) 6 Donner la matrce des varances-covarances du couple (, Y) 7 Tracer la drote de régresson de Y en sur la fgure tracée en queston 5 Probabltés Chaptre 8 Page 9
10 5 y B C O L unté est de 5 cm sur chaque axe (, Y) est un couple de varables aléatores unforme sur le trangle OAB 5 Donner une équaton de chacune des drotes (AB) et (AC) 5 a) Explquer pourquo le segment [A, C] est la courbe de régresson de Y en Cov(, Y) b) Dédure le rapport V() 53 Détermner la lo de probablté cononte du couple (, Y) 5 Détermner la densté de probablté margnale de ; calculer E(), V() et Cov(, Y) 55 a) Explquer pourquo et Y sont dentquement dstrbuées b) Détermner le pont moyen et le coeffcent de corrélaton lnéare de (, Y) 6 Le plan est rapporté à un repère orthonormé La varable d abscsse est notée x La varable d ordonnée est notée y A(, 3), B(-3, ), C(, -) sont tros ponts du plan (, Y) est un couple de varables aléatores dont la densté de probablté cononte est constante à l ntéreur du trangle ABC et nulle à l extéreur f est la densté de probablté margnale de f Y est celle de Y F est la foncton de répartton margnale de f, Y est la densté de probablté cononte de (, Y) 6 a) Dessner le trangle ABC (unté : cm) b) Calculer l are (en unté d are, pas en cm ) du trangle ABC c) Donner une équaton de chacune des drotes (AB), (BC), (CA) 6 a) Détermner f, Y (x, y) selon la valeur de (x, y) b) Détermner f (x) selon la valeur de x c) Détermner F (x) selon la valeur de x d) Tracer (pas sur le graphque dessné à la queston mas sur un nouveau graphque) les courbes représentatves de f et F (untés : cm en abscsse, cm en ordonnée) e) Détermner f Y (y) selon la valeur de y f) Calculer l espérance mathématque de chacune des varables aléatores et Y Dessner dans le trangle ABC le pont G(, ) Que représente ce pont pour le trangle ABC? Proposer un autre calcul, ben plus smple, de E() et de E(Y) 63 On suppose dans cette queston : -3 < x < a) Détermner la lo de probablté condtonnelle f Y / = x de Y sachant que = x b) Détermner l espérance mathématque condtonnelle E (Y / = x) de Y sachant que = x Tracer la courbe de régresson de Y en sur le même graphque que le trangle ABC Vérfer l égalté : E [E(Y / )] = E(Y) c) Détermner la varance condtonnelle V (Y / = x) de Y sachant que = x 6 a) Calculer V(Y) b) Vérfer l égalté : V [E (Y / )] + E [V (Y / )] = V(Y) 65 a) Calculer V() b) Calculer Cov (, Y) c) Donner une équaton de la drote D de régresson de Y en et tracer D sur la même fgure que le trangle ABC d) Calculer le coeffcent r(, Y) de corrélaton lnéare de et de Y A x Probabltés Chaptre 8 Page
11 7 Hypothèses A(, ), B( 3, ) et C(5, ) sont 3 ponts du plan (, Y) est un couple de varables aléatores unforme sur le trangle ABC Questons 7 Dessner le trangle ABC Calculer les coordonnées du mleu I de [B, C] 7 A l ade de deux calculs très smples, trouver E() et E(Y) Tracer le pont moyen G 73 Sans aucun calcul, construre la courbe de régresson de Y en 7 La courbe de régresson de Y en est consttuée de deux segments de drotes [BP] et [PC] Trouver une équaton de chacune des drotes (BP) et (PC) 75 Trouver l are (exprmée en unté d are) du trangle ABC (Réponse à ustfer : 8) 76 Trouver une équaton de chacune des drotes (AB), (BC) et (CA) 77 a) Détermner la densté de probablté cononte du couple (, Y) b) Détermner la densté de probablté margnale de Réponse partelle à ustfer : 3 x < x <5 f (x) = (x + 3) / 6 f (x) = ( x + 5) / 6 78 Détermner et tracer la drote de régresson de Y en On détallera les calculs Indcaton On pourra utlser sans ustfcaton les égaltés suvantes : 6 x (x + 3)dx = 3 ; 5 6 x ( x + 5)dx = 9 6 ; 56 x(3x 7)(x + 3)dx = 3 6 ; 5 56 x( 5x + )( x + 5)dx = La courbe c-contre a pour équaton y = x 3 Hachurer le nuage unforme ans défn : < x < < y < x 3 Tracer la courbe de régresson de Y en, le pont moyen du nuage et la drote de régresson de Y en On donnera tous les calculs utles 9 (,Y) est un couple de varables aléatores unforme sur la parte A de R x ans défne : y x f, f Y, f, Y désgnent les denstés de probabltés respectves de, Y, (, Y) F désgne la foncton de répartton de 9 a) Dessner A (Untés : cm sur chaque axe) b) Calculer l are (en unté d are) de A c) Dédure f, Y (x, y) 9 Exprmer f (x) et F (x) Représenter f et F sur un même graphque (Untés : cm sur chaque axe) 93 Détermner l espérance mathématque de 9 Détermner la varance de 95 Pour x comprs entre et, a) détermner la densté de probablté condtonnelle de Y sachant que = x, b) pus l espérance mathématque condtonnelle de Y sachant que = x Probabltés Chaptre 8 Page
12 96 Sur le même graphque que A, tracer la courbe de régresson de Y en 97 a) Calculer l espérance mathématque de Y b) Calculer la covarance de (, Y) c) Donner une équaton de la drote de régresson de Y en d) Tracer cette drote sur le même graphque que A Formulare Foncton cos x x cos x x cos x cos x Foncton prmtve sn x x sn x + cos x x sn x + x cos x sn x x + sn (x) x cos x + x sn (x) + 8 Hypothèses x π / A est l ensemble des couples (x, y) de réels tels que : y cos x (, Y) est un couple de varables aléatores unforme sur A x cos (x) Questons Dessner A On prendra cm pour unté Détermner l are de A exprmée en unté d are Dédure la densté de probablté cononte f, Y du couple (, Y) 3 Détermner la densté de probablté margnale f de Détermner la foncton de répartton F de Tracer la courbe d équaton y = F (x) sur le dessn de la queston 5 Pour < x < π/, détermner la densté de probablté condtonnelle f Y / = x de Y sachant que = x 6 Donner une équaton de la courbe C de régresson de Y en Aouter C au dessn de la queston 7 Calculer les espérances mathématques E() et E(Y) de et de Y Aouter au dessn de la queston le pont moyen G (E(), E(Y)) du nuage 8 Calculer la varance Var () de et la covarance Cov (, Y) du couple (, Y) Donner une équaton de la drote D de régresson de Y en Aouter D au dessn de la queston Le plan est rapporté à un repère orthonormé La varable d abscsse est notée x La varable d ordonnée est notée y On consdère les ponts A(3, -), B(, ), C(-, ), D(, -) (, Y) est un couple de varables aléatores dont la densté de probablté cononte f est unforme à l ntéreur du quadrlatère ABCD et nulle à l extéreur f, f Y, f, Y désgnent les denstés de probabltés respectves de, Y, (, Y) F, F Y désgnent les fonctons de répartton respectves de et de Y Tracer le quadrlatère ABCD Calculer son are Dédure f, Y (x, y) à l ntéreur de ABCD Compléter le tableau suvant : Drote (AB) (BC) (CD) (DA) Compléter les tableaux suvants : f Y (y) Equaton du type ax + by + c = Equaton du type y = ax + b Equaton du type x = ay + b y - - < y - - < y < y < y Probabltés Chaptre 8 Page
13 x - - < x < x < x 3 3 < x f (x) F (x) f Y = x (y) E(Y = x) Pour f Y = x (y), ne pas oubler de dscuter selon la valeur de y Tracer la courbe de régresson de Y en sur le même graphque que le quadrlatère ABCD Sur un deuxème graphque, tracer les courbes représentatves de f et de F Pour ce deuxème graphque, on chosra pour untés cm en abscsse et cm en ordonnée Exemple de calcul d ntégrale double (x + y)dxdy = { < x < < y< (x + y)dx dy = x + yx dy = ( y)dy + = y y + = Hypothèses < x < f(x, y) = x + y s ; f(x, y ) = snon < y < (, Y) couple de varables aléatores absolument contnu de densté de probablté cononte f Questons Explquer pourquo f est acceptable comme densté de probablté Explquer pourquo les varables aléatores et Y sont dentquement dstrbuées 3 a) Exprmer la densté de probablté margnale f de b) Calculer l espérance mathématque E() de c) Calculer la varance V() de On suppose, dans cette queston seulement : < x < a) Exprmer la densté de probablté condtonnelle f Y/=x de Y sachant que = x b) Exprmer l espérance mathématque condtonnelle E(Y / = x) de Y sachant que = x c) Exprmer la varance condtonnelle V(Y / = x) de Y sachant que = x 5 Tracer en repère orthonormé la courbe C de régresson de Y en On prendra cm pour unté 6 a) Calculer la covarance Cov(, Y) du couple (, Y) b) Donner une équaton de la drote D de régresson de Y en c) Tracer la drote D sur la même fgure que la courbe C 3 (, ) est un couple de varables aléatores absolument contnues de densté de probablté f ans défne : x µ x µ f(x,x ) = exp + (σ > ; σ > ) πσσ σ σ f et f sont les denstés de probabltés margnales de et de Détermner f et f et sont-elles ndépendantes? x Il exste un unque réel a tel que : e dx =,5 (a,675) g est la foncton de varables ans défne : x < a π ( x + x ) g(x,x ) = e ; h est la foncton ndcatrce de la parte de R ans défne : ( x - a)( x - a) > ; f est le produt gh π (, ) est un couple de varables aléatores absolument contnues de densté de probablté f f et f sont les denstés de probabltés margnales de et de Vérfer que f est une densté de probablté Détermner f et f et sont-elles ndépendantes? Lnéarement corrélées? Probabltés Chaptre 8 Page 3
14 5 L agulle de Buffon Georges Lous Leclerc, comte de Buffon, est un naturalste franças du dx-hutème sècle Il est l auteur de «l Hstore Naturelle», ouvrage encyclopédque en 36 volumes Introducton Imagnons un plancher parfatement lsse et horzontal consttué de lattes dentques, parallèles, de même largeur L (L > ) Au dessus de ce plancher, on ette dans le plus grand désordre un grand nombre d agulles dentques, de même longueur l ( < l < L) (Des allumettes convennent pour réalser l expérence) La proporton des agulles qu s mmoblsent à cheval sur lattes est vosne de l π L L obectf est de comprendre pourquo Notatons, hypothèses On consdère une agulle donnée, mmoblsée sur le plancher On désgne par α ( α π/) l angle géométrque de l agulle avec la drecton des lattes On désgne par x ( x L/) la dstance de son centre au bord de latte le plus vosn On désgne par M (α, x) le pont de coordonnées (α, x) dans un plan rapporté à un repère orthonormé (α en abscsse, x en ordonnée) α π / M est donc ntéreur au rectangle R défn par le système d néquatons : x L / Les agulles ayant été etées au hasard, les probabltés relatves à x et à α sont unformes et ndépendantes, c est à dre : la probablté pour que M appartenne à une parte donnée A de R d are S est proportonnelle à S Questons 5 Dessner le rectangle R en prenant L = et en prenant 5 cm pour unté (Dans la sute, rasonner avec L quelconque) 5 Quelle est la probablté pour que M appartenne à une parte donnée A de R d are S? (Répondre en foncton de L et de S) 53 On suppose (dans cette queston seulement) que l extrémté de l agulle est sur une frontère entre deux lattes a) Exprmer x en foncton de α b) Tracer dans R (dessné à la queston ) la courbe décrte par M lorsque α vare de à π/ On prendra l = pour le dessn mas, dans la sute du devor, on rasonnera avec l quelconque 5a) Hachurer la parte A de R ans défne : M appartent à A s, et seulement s, l agulle est à cheval sur deux lattes b) Calculer (en unté d are, pas en cm ) l are S de A (Répondre en foncton de l et de L) 55 Conclure Probabltés Chaptre 8 Page
15 Réponses Toute constante Z est ndépendante de et de Y mas pas de + Y 3 E() = 7/5 =, ; E(Y) = 3/5 =,6 ; Var() = 3/5 =, ; Var(Y) = 3/5 =,98 ; Cov(, Y) = 3/75 =,73 ; 3 Cor(, Y) = 3, ; Equaton de la drote de régresson de Y en : y = 5 93 (x - 7 ) ; y,x +,87 ; 5 E(Y = ) = 5/8 =,875 ; E(Y = ) = 6/9 =,7 ; E(Y = ) = 7/6 =,83 ; E(Y = 3) = a) Y 3 5 Σ 5/36 /36 3/36 /36 /36 5/36 6/36 /36 /36 / /36 /36 / /36 / /36 / /36 /36 6 /36 /36 b) E() = /36 ; E(Y) = /9 Σ /36 /36 6/36 3/36 /36 /36 c) d) x P( = x) 5/36 /36 /36 /36 /36 /36 /36 E(Y = x) 7/3 /3 ¼ Var(Y = x) /9 5/9 3/6 E[Var(Y )] + Var[E(Y )] = = 89 6 = Var(Y) e) Drote de régresson de Y en : x + 77y 5 = ; y -,557x +,89 5 Y 3 Total,6,,,8,,,6,,, 3,,8,,,,,,8,,6 5,8,6,,,8 Total,3,6,6,8 5 P( et Y 3) =,8 ; P( > Y) =,5 53 E() =,9 ; E(Y) =,3 ; V() = =,89 ; V(Y) = 65 =,776 ; Cov(, Y) = Equaton de la drote de régresson de Y en : y = ax + b avec a = ,995 et b = 95 89,685 = -,88 ; r(, Y) -,6 Probabltés Chaptre 8 Page 5
16 55 x 3 5 P( = x),,,,6,8 E(Y / = x) 7 9/,,65 7/9,89 E(Y / = x) 8,9 58/ 5,7 79/ 6,58 7,65 /9,56 V(Y / = x),6 /,7 7/,7, /8,99 56 E(V(Y / )) = 936/8,8 ; V(E(Y / )) = 9879/8,3 = 979/9, E(V(Y / )) + V(E(Y / )) = 736/65 = V(Y) =,776 6 Inventare des possbltés : Tableau de contngence : (a, b) Effectf a b a + b (, ) 6 (, ) 3 (, 3) 8 (, ) 3 5 (, ) 3 (, 3) 6 5 (, ) 3 6 (3, 3) 6 (3, ) 7 6 E() =, ; E(Y) = ; V() = 76/5 ; V(Y) = 6/9 ; Cov(, Y) = 8/5 ; r(, Y) = 63 5x y + 7 = 6 7 Tableau de contngence : Tableau des moyennes condtonnelles : E() = 5 V(Y) = 38 x 3 E(Y / = x) 3 5/ 5 =, ; E(Y) = 33 = 3,3 ; E( ) = 7 ; V() = 3 5 =, ; E(Y ) = 7 =,7 ; = 3,8 ; E(Y) = 7 y x Σ Σ 3 = 7, ; Cov(,Y) = - 5 = -,8 ; équaton de la drote de régresson de Y en : y 3,3 = - (x,) ; y -,66x +,89 6 y x 3 E(Y / = x) 3 Y Total Total G O x Probabltés Chaptre 8 Page 6
17 8 Lo de probablté cononte Y Total / / 3/ 3/ / / 9/ 3 / / 3/ / / / 5/ Total / 3/ / 5/ / / / / E(Y) = ( ) / ; E(Y) =,3 Los de probabltés margnales x 3 Total P( = x 3/ 9/ 3/ 5/ xp( = x) 3/ 8/ 9/ / E() =,5 x P( = x) 3/ 36/ 7/ 8/ E( ) = 7,3 V() = 7,3 (,5) =,5 y Total P(Y = y) / 3/ / 5/ / / / / yp(y = y) / 6/ 6/ / / / 7/ 6/ E(Y) =,5 y P(Y = y) / / 8/ 8/ 5/ / 9/ 8/ E(Y ) =, V(Y) =,,5 = 3,85 Cov(, Y) =,3 (,5,5) =,5 ; r(, Y) = Cov(, Y) σ()σ(y) =,5 = 3/,5 3,85 8 La drote de régresson de Y en a pour équaton y = ax + b avec a = et b = E(Y) ae() =,5,5 = D où l équaton : y = x + Cov(, Y) V() =,5,5 = 9 Probabltés Chaptre 8 Page 7
18 Lo de probablté cononte Y 5 Total / / 3/ 3/ / / 9/ 3 / / 3/ / / / 5/ Total 5/ 6/ / 7/ E(Y) = ( ) / ; E(Y) = 7,5 Los de probabltés margnales x 3 Total y 5 Total P( = x 3/ 9/ 3/ 5/ P(Y = y) 5/ 6/ / 7/ xp( = x) 3/ 8/ 9/ / E() =,5 yp(y = y) 5/ / 8/ 35/ E(Y) = 3 x P( = x) 3/ 36/ 7/ 8/ E( ) = 7,3 y P(Y = y) 5/ / 3/ 75/ E(Y ) =,8 Le pont moyen du nuage est le pont G(,5 ; 3) V() = 7,3 6,5 ; V() =,5 V(Y) =,8 9 ; V(Y) =,8 Corrélaton lnéare Cov (, Y) = E(Y) E()E(Y) = 7,5,5 3 ; Cov (, Y) = donc auss : r(, Y) = Il n y a aucune corrélaton lnéare dans le couple (, Y) Cependant le tableau des probabltés conontes prouve que et Y ne sont pas ndépendantes Par exemple : P( = et Y = ) P( = ) P(Y = ) Equaton de la drote de régresson de Y en : y = ax + b avec a = Cov(, Y) / V() = et b = E(Y) ae() = E(Y) = 3 Donc : y = 3 Los de probabltés condtonnelles = y Total P(Y = y / = ) /3 /3 yp(y = y / = ) /3 8/3 E(Y / = ) = 3 y P(Y = y / = ) /3 3/3 E(Y / = ) = V(Y / = ) = 9 = = y 5 Total P(Y = y / = ) 3/9 /9 /9 yp(y = y / = ) 3/9 /9 /9 E(Y / = ) = 3 y P(Y = y / = ) 3/9 8/9 /9 E(Y / = ) = 37/3 V(Y / = ) = 37/3 9 = /3 = 3 y 5 Total P(Y = y / = 3) /3 /3 yp(y = y / = 3) /3 5/3 E(Y / = 3) = 3 y P(Y = y / = 3) 8/3 5/3 E(Y / = 3) = V(Y / = 3) = 9 = = y 5 Total P(Y = y / = ) /5 /5 /5 yp(y = y / = ) /5 /5 /5 E(Y / = ) = 3 y P(Y = y / = ) /5 8/5 5/5 E(Y / = ) = 59/5 V(Y / = ) = 59/5 9 = /5 La varable aléatore E(Y / ) est constante et égale à 3 Sa varance est donc nulle : V(E(Y / )) = Le nuage de régresson de Y en est consttué des ponts A(, 3), B(, 3), C(3, 3) et D(, 3) Ils sont algnés (sur la drote de régresson de Y en ) La régresson de Y en est lnéare Probabltés Chaptre 8 Page 8
19 Etude de la varable aléatore V(Y / ) x 3 V(Y / = x) /3 /5 Total P( = x) 3/ 9/ 3/ 5/ V(Y / = x)p( = x) 3/ 5/ 3/ 7/ E(V(Y / )) =,8 On a ben : E(V(Y / )) + V(E(Y / )) = V(Y) Cov( Y +,3 + Y 6) = - ; Var(-3 + Y 3) = 7 Var() = 3 ; Var(Y) = ; Cov(, Y) = ;Var( + Y 8) = 5 ; Cov( + 3Y + 5, -3 + Y + ) = - < x < S alors f, Y (x, y) = /5 ; snon f, Y (x, y) = ; s < x < alors f (x) = /3 ; snon f (x) = ; 3 < y < 8 s 3 < y < 8 alors f Y (y) = /5 ; snon f Y (y) = ; et Y sont ndépendantes 3 ) 3x y + 6 = ) Are : 6 ; f, Y (x, y) = /6 s < x < et <y < 3 (x + ) ; f, Y (x, y) = snon 3) f (x) = 8 (x + ) s < x < ; f (x) = snon f Y (y) = 9 (3 y) s < y < 3 ; fy (y) = snon x + F (x) = s x - ; F (x) = s < x ; F (x) = s x > ) E() = (- + + ) / 3 = /3 ; E(Y) = ( + + 3) / 3 = 5) Var() = 8/9 ; Var(Y) = / 6) Y = x est unforme sur [ ; 3 (x + )] ; E(Y = x) = 8 3 (x + ) 7) Cov(, Y) = /3 ; équaton : y = E(Y = x) c est à dre : 3x 8y + 6 = A y B (AB) a pour équaton : y = x + 6 ; (AC) a pour équaton : y = -x + 6 ; ABC a pour are 8 ua ; f, Y (x, y) = /8 s : -3 < x < 3 et < y < - x + 6 ; f, Y (x, y) = snon ; f (x) x -3-3 < x < x 3 3 < x y < y 6 6 <y x + 3 x E() = ; E(Y) = ; Var(,Y) = E(Y / = x) = - x + 3 (-3 < x < 3) 5 (AB) : x + y = ; (AC) : x + y = b) 9 9 f Y (y) y ; la drote de régresson de Y en a pour équaton : y = Cov(, Y) V() 5 f (x) = ( x) s < x < ; f (x) = snon E() = x ( x)dx C = -/ 3 f, Y (x, y) = s < x < < y < x ; f, Y(x, y) = snon x( x)dx = /3 ; E( ) = = /6 ; V() = /8 ; Cov(, Y) = (-/) (/8) = -/36 55 a) Le trangle OAB ne change pas s l on échange x et y b) Pont moyen : G(/3, /3) ; r(, Y) = -/ x Probabltés Chaptre 8 Page 9
20 6 b) 9 c) (AB) : x y + 5 = ; (BC) : x + 5y + = ; (CA) : x + y 7 = 6 a) f, Y (x, y) = /9 à l ntéreur du trangle ABC, à l extéreur b) x -3 c) f (x) (x + 3) 5 x -3 (-x + ) d) F (x) (x + 3) (-x + x + ) 5 e) y - 3 f Y (y) (y + ) (-y + 3) f) E() = ; E(Y) = G est le centre de gravté du trangle ABC E() = (x A + x B + x C ) / 3 ; E(Y) = (y A + y B + y C ) / 3 -(x + ) (x + 5) 63 S 3 < x alors [Y / = x] est unforme sur [ ; ] 5 + ) (x + 5) x -3 f Y / = x (y) = s y [-(x ; ] f 9(x + 3) 5 Y / = x (y) = snon x + 3 -x + 7 E (Y / = x) -(x + ) 5 S < x < alors [Y / = x] est unforme sur [ ; -x + 7] 5 7 (x + 3) 7 (x ) V (Y / = x) 5 + ) 5 f Y / = x (y) = s y [-(x ; -x + 7] f 8(-x + ) 5 Y / = x (y) = snon 6 V(Y) = 7 9 ; E [V (Y / )] = ; V [E (Y / )] = V() = 7 6 ; Cov (, Y) = - - ; équaton de D : x + 7y 7 = ; r(, Y) = 6 7 -,89 Probabltés Chaptre 8 Page
21 7 y A(, ) B( 3, ) O P(, /) G(, ) I(, 5/) x 7 E() = ( 3 + 5) / 3 = ; E(Y) = ( ) / 3 = 73 La courbe de régresson de Y en est la drote des mleux C est lgne brsée [B, P] [P, C] avec P mleu de [A, I] P(, /) 7 La courbe de régresson de Y en est consttuée de deux segments de drotes [B, P] et [P, C] Equaton de (BP) : 3x 6y 7 = ; équaton de (PC) : 5x + 6y = 75 Are du trangle ABC : Abs(Dét ( AB, AC )) = 76 Equaton de chacune des drotes (AB), (BC) et (CA) : 3 6 = 8 (AB) (BC) (AC) 3x y + 5 = 3x + 8y + 7 = 3x + y 7 = 3x y + 5 > 77 a) f, Y (x, y) = /8 à l ntéreur du trangle c'est-à-dre pour 3x + 8y + 7 > b) Pour x < 3 ou pour x 5 f (x) = Pour 3 x < f (x) = Pour x < 5 f (x) = 78 E( ) = 3x+ 5 3x 7 8 3x+ 7 3x 7 8 dy 8 = 8 3x + 5 3x 7 8 dy 8 = 8 3x + 7 3x x f (x)dx = = x = x x + y 7 < 5 x ( x + 5)dx ; f, Y (x, y) = alleurs 6 x (x + 3)dx + 3 = V() = 3 3 = 8 3 E(Y) = E(E(Y/)) = 56 x(3x 7)(x 3)dx x( 5x + )( x + 5)dx = Cov(, Y) = E(Y) E()E(Y) = + = Equaton de la drote de régresson de Y en : y = ax + b avec : a = Cov(,Y) = 3 V() 8 et b = E(Y) ae() = = 5 8 Donc : y = 3 8 x 5 ou encore : 3x + 8 y + 5 = 8 8 Are du nuage : 3 ( x )dx = x x = 3 Densté de probablté à l ntéreur du nuage : 3 Densté de probablté margnale de : f(x) = 3 ( x3 ) s < x < ; f(x) = snon Espérance mathématque de : Espérance mathématque de : 3 x ( x )dx = x ( x )dx = x x 5 = x x 3 6 = 9 Varance de : V() = 9 Courbe de régresson de Y en (leu des mleux des coupures vertcales) : < x < y = ( x3 ) C(5, ) 5 = 5 Probabltés Chaptre 8 Page
22 E(Y) = E[E(Y / )] = 3 3 ( x ) ( x )dx = 3 3 Le pont moyen du nuage est le pont G ( 5, 3 7 ) E(Y) = E[E(Y / )] = 3 3 x ( x ) ( x )dx = (x x + )dx = 3 7 (x x + x)dx = 3 7 x x + x 7 = 3 7,3 8 5 x x x = 3 Covarance de (, Y) : Cov(, Y) = = -3 Equaton de la drote de régresson de Y en : y = -3 / 5 (x ) ; 35 x + 39 y = ; y = 5 39 x + ; y -,3 x +, b) /3 c) f, Y (x, y) = 3/ s x y x, snon ) f (x) = (3/)( - x ) s < x <, snon ; F (x) = (x/)(3 - x ) s < x <, snon 3) 3/8 ) 9/3 5) a) f Y = x (y) = / ( - x ) s < y < - x, snon (lo unforme sur [ ; - x ]) b) E(Y = x) = ( - x ) / 7) a) /5 b) -/ c) y = -(8/9)x + 53/95 -,x +,56 A = ; f, Y (x, y) = s x π/ y cos x ; f, Y (x, y) = snon 3 f (x) = cos x s < x < π/ ; f (x) = snon F (x) = s x ; F (x) = sn x s < x < π/ ; F (x) = s x π/ 5 Pour < x < π/, Y / = x est unforme sur [ ; cos x] 6 C = { (x, y) R / x π / y = cos x / 7 E() = π/ ; E(Y) = E[E(Y / )] = π/8 } Probabltés Chaptre 8 Page
23 8 Var () = π 3 ; Cov (, Y) = Cov (, E(Y / )) = D = { (x, y) R / y = ( π 3) π 3 π x + π + π π 8 } ; y -,876 x +,5569 6( π 3) ) Are de ABCD : untés d are f, Y (x, y) = / à l ntéreur de ABCD ; f, Y (x, y) = à l extéreur de ABCD ) Drote Equaton du type ax + by + c = Equaton du type y = ax + b Equaton du type x = ay + b (AB) 3x + y 8 = y = -3x + 8 x = (8 y) / 3 (BC) x y + 6 = y = x/ + 3/ x = y 6 (CD) x + y + = y = -x x = -y (DA) x y 5 = y = (x 5) / x = y + 5 y - - < y - - < y < y < y f Y (y) 3(y + ) / (y + ) / 33 3( y) / 33 x - - < x < x < x 3 3 < x f (x) 5(x + ) / (6 x) / (3 x) / F (x) 5(x + ) / 88 (-x + 3x +) / 88 (-7x + x 9) / f Y = x (y) unforme sur [x ; x/ + 3/] 5( x + ) unforme sur [(x 5)/ ; x/ + 3/] 6 x ; unforme sur [(x 5) / ; 8 3x] 7( 3 x) E(Y = x) ( 3x) / 8 (3x ) / 8 ( 5x) / f est acceptable comme densté de probablté parce qu elle est à valeurs postves ou nulles et que son ntégrale sur IR est égale à Les varables aléatores et Y sont dentquement dstrbuées parce que la densté de probablté cononte f du couple (, Y) est symétrque en x et y 3 a) S < x < alors f (x) = b) E() = x(x + / )dx = (x + y)dy = 3 x / 3 + x / V() = E( ) [E()] = 5/ 9/ = / = x + / Snon, f (x) = xy + y / = 7/ c) E( ) = x (x + / )dx = = 5/ 3 x / + x / 6 Probabltés Chaptre 8 Page 3
24 a) f Y/=x (y) = b) E(Y / = x) = c) E(Y / = x) = f (x, y) f (x) S < y < alors f Y/=x(y) = x + y y dy = x + / x + y y dy = x + / x + / x + / V(Y / = x) = E(Y / = x) [E(Y / = x)] = 5 x + y Snon, f Y/=x (y) = x + / 3 xy / + y / 3 = x / + / 3 x + / 3 xy / 3 + y / = x / 3 + / x + / 3(x + 3)(x + ) (3x + ) 8(x + ) = = 3x + 3(x + ) = x + 3 6(x + ) 6x + 6x + 8(x + ) x(3x + ) 6 a) E(Y) = E[E(Y / )] = xe(y / = x)f (x)dx = dx = 3 x + x 6 6 = 3 Cov(, Y) = E(Y) E()E(Y) = E(Y) [E()] = /3 9/ = -/ Cov(, Y) b) La drote D de régresson de Y en a pour équaton : y = ax + b avec a = = -/ V() et b = E(Y) ae() = ( + /) E() = 7/, c est à dre : y = -x/ + 7/ ou encore : x + y 7 = 3 f (x ) = σ e π x µ σ ; f (x ) = σ e π x µ σ ; et sont ndépendantes (Le couple (, ) est gaussen) x f est ben une densté de probablté ; f (x ) = π e x ; f (x ) = π e ; et ne sont pas ndépendantes ; elles sont non lnéarement corrélées ( et sont gaussennes mas le couple (, ) n est pas gaussen) 5 ) P = S πl 3) a) x = l sn α ) b) S = π / l sn αdα = l 5) P = S πl = l πl Probabltés Chaptre 8 Page
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 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 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 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 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 détailMesure 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 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 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 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 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 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 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 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 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 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 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 détailIntégrales doubles et triples - M
Intégrales s et - fournie@mip.ups-tlse.fr 1/27 - Intégrales (rappel) Rappels Approximation éfinition : Intégrale définie Soit f définie continue sur I = [a, b] telle que f (x) > 3 2.5 2 1.5 1.5.5 1 1.5
Plus en 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 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 détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en 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 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 détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
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 détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
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 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 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 détailCONSERVATOIRE NATIONAL DES ARTS ET METIERS
ONSEVAOIE NAIONAL DES AS E MEIES ELEONIQUE ANALOGIQUE PH / ELE 4 / DU GEII ere année ------------------------- ------------------------- Dder LE UYE / Perre POVEN Janer ABLE DES MAIEES APPELS D ELEOINEIQUE...5.
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 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 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 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 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 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 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 détailThermodynamique statistique Master Chimie Université d Aix-Marseille. Bogdan Kuchta
hermodynamque statstque Master Chme Unversté d Ax-Marselle Bogdan Kuchta Plan: Rappel: thermodynamque phénoménologque (dscuter l entrope, l évoluton de gaz parfat,) Premer prncpe Deuxème prncpe (transformaton
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 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 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 détailClemenceau. Régime sinusoïdal forcé. Impédances Lois fondamentales - Puissance. Lycée. PCSI 1 - Physique. Lycée Clemenceau. PCSI 1 (O.
ycé Clnca PCS - Physq ycé Clnca PCS (O.Granr) ég snsoïdal forcé pédancs os fondantals - Pssanc ycé Clnca PCS - Physq ntérêt ds corants snsoïdax : Expl d tnsons snsoïdals : tnson d sctr (50 H 0 V) s lgns
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 détailChapitre 1.5a Le champ électrique généré par plusieurs particules
hapte.5a Le chap électque généé pa pluseus patcules Le chap électque généé pa pluseus chages fxes Le odule de chap électque d une chage ponctuelle est adal, popotonnel à la chage électque et neseent popotonnel
Plus en détailLE PRODUIT SCALAIRE ( En première S )
LE PRODUIT SCALAIRE ( En première S ) Dernière mise à jour : Jeudi 4 Janvier 007 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble ( Année 006-007 ) 1 Table des matières 1 Grille d autoévaluation
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 détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
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 détailQue faire lorsqu on considère plusieurs variables en même temps?
Chapitre 3 Que faire lorsqu on considère plusieurs variables en même temps? On va la plupart du temps se limiter à l étude de couple de variables aléatoires, on peut bien sûr étendre les notions introduites
Plus en 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 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 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 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 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 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 détailLes droites (d 1 ) et (d 2 ) sont sécantes en A Le point A est le point d intersection des 2 droites
I Droites perpendiculaires Lorsque deux droites se coupent, on dit qu elles sont sécantes Les droites (d 1 ) et (d 2 ) sont sécantes en A Le point A est le point d intersection des 2 droites Lorsque deux
Plus en détailCorrections adiabatiques et nonadiabatiques dans les systèmes diatomiques par calculs ab-initio
Correctons adabatques et nonadabatques dans les systèmes datomques par calculs ab-nto Compte rendu du traval réalsé dans le cadre d un stage de quatre mos au sen du Groupe de Spectroscope Moléculare et
Plus en détailBaccalauréat S Nombres complexes Index des exercices sur les complexes de septembre 1999 à juin 2012 Tapuscrit : DENIS VERGÈS
Baccalauréat S Nombres complexes Index des exercices sur les complexes de septembre 1999 à juin 2012 Tapuscrit : DENIS VERGÈS N o Lieu et date Q.C.M. Algébrique Géométrie 1 Asie juin 2012 2 Métropole juin
Plus en détailREPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE. MEMOIRE Présentée à
REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE MEMOIRE Présentée à L Unversté de Batna Faculté des Scences Département de Physque
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 détailOM 1 Outils mathématiques : fonction de plusieurs variables
Outils mathématiques : fonction de plusieurs variables PCSI 2013 2014 Certaines partie de ce chapitre ne seront utiles qu à partir de l année prochaine, mais une grande partie nous servira dès cette année.
Plus en 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 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 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 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 détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailCHAPITRE 10. Jacobien, changement de coordonnées.
CHAPITRE 10 Jacobien, changement de coordonnées ans ce chapitre, nous allons premièrement rappeler la définition du déterminant d une matrice Nous nous limiterons au cas des matrices d ordre 2 2et3 3,
Plus en détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en 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 détail1S Modèles de rédaction Enoncés
Par l équipe des professeurs de 1S du lycée Parc de Vilgénis 1S Modèles de rédaction Enoncés Produit scalaire & Corrigés Exercice 1 : définition du produit scalaire Soit ABC un triangle tel que AB, AC
Plus en détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
Plus en détailCHAPITRE 1 : Distribution statistique à une dimension
Chatre1 : Dstrbuton Statstque à une dmenson I.H.E.T de Sd Dhr CHAPITRE 1 : Dstrbuton statstque à une dmenson Secton 1 : Vocabulare élémentare de la statstque descrtve 1. Poulaton et ndvdu Dénton On aelle
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 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 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 détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailGéométrie dans l espace Produit scalaire et équations
Chapitre 11. 2ème partie Géométrie dans l espace Produit scalaire et équations Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES 2ème partie Produit scalaire Produit scalaire
Plus en détailStéganographie Adaptative par Oracle (ASO)
Stéganographe Adaptatve par Oracle ASO Sarra Kouder, Marc Chaumont, Wllam Puech To cte ths verson: Sarra Kouder, Marc Chaumont, Wllam Puech. Stéganographe Adaptatve par Oracle ASO. CORESA 12: COmpresson
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailReprésentation géométrique d un nombre complexe
CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres
Plus en détailSéquence 2. Repérage dans le plan Équations de droites. Sommaire
Séquence Repérage dans le plan Équations de droites Sommaire 1 Prérequis Repérage dans le plan 3 Équations de droites 4 Synthèse de la séquence 5 Exercices d approfondissement Séquence MA0 1 1 Prérequis
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 détailItems étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire
CHAPITRE N5 FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION Code item D0 D2 N30[S] Items étudiés dans le CHAPITRE N5 Déterminer l'image
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 détailAC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Plus en détailPratique de la statistique avec SPSS
Pratque de la statstque avec SPSS SUPPORT Transparents ultéreurement amélorés et ms à jour sur le ste du SMCS LIENS UTILES Ste du SMCS (Support en Méthodologe et Calcul Statstque) : http://www.stat.ucl.ac.be/smcs/
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 détailAngles orientés et trigonométrie
Chapitre Angles orientés et trigonométrie Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Trigonométrie Cercle trigonométrique. Radian. Mesure d un angle orienté, mesure principale.
Plus en détailLe théorème de Thalès et sa réciproque
Le théorème de Thalès et sa réciproque I) Agrandissement et Réduction d une figure 1) Définition : Lorsque toutes les longueurs d une figure F sont multipliées par un même nombre k on obtient une autre
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailTHESE. Khalid LEKOUCH
N d ordre : /2012 THESE Présentée à la FACULTE DES SCIENCES D AGADIR En vue de l obtenton du GRADE DE DOCTEUR EN PHYSIQUE (Spécalté : Energétque, Thermque et Métrologe) Par Khald LEKOUCH MODELISATION ET
Plus en détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
Plus en 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 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 détailRAPPORT DE STAGE. Approcher la frontière d'une sous-partie de l'espace ainsi que la distance à cette frontière. Sujet : Master II : SIAD
UFR SCIENCES ET TECHNOLOGIES DEPARTEMENT DE MATHEMATIQUES ET INFORMATIQUE 63 177 AUBIERE CEDEX Année 2008-2009 Master II : SIAD RAPPORT DE STAGE Sujet : Approcher la frontère d'une sous-parte de l'espace
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
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 détailSéquence 10. Géométrie dans l espace. Sommaire
Séquence 10 Géométrie dans l espace Sommaire 1. Prérequis 2. Calculs vectoriels dans l espace 3. Orthogonalité 4. Produit scalaire dans l espace 5. Droites et plans de l espace 6. Synthèse Dans cette séquence,
Plus en détail