Les couples de variables aléatoires.

Dimension: px
Commencer à balayer dès la page:

Download "Les couples de variables aléatoires."

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

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

Plus en détail

Remboursement d un emprunt par annuités constantes

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

Plus en détail

Généralités sur les fonctions 1ES

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

Plus en détail

TD 1. Statistiques à une variable.

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

Plus en détail

STATISTIQUE AVEC EXCEL

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

Plus en détail

Chapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique

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

Plus en détail

Mesure avec une règle

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

Plus en détail

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

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

Plus en détail

Montage émetteur commun

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

Plus en détail

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

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

Plus en détail

ÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.

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

Plus en détail

Exercices d Électrocinétique

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

Plus en détail

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

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

Plus en détail

Les jeunes économistes

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Intégrales doubles et triples - M

Intégrales 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 détail

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

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

Plus en détail

Grandeur physique, chiffres significatifs

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

Plus en détail

Fonctions de plusieurs variables

Fonctions 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 détail

BUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES

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

Plus en détail

CHAPITRE DEUX : FORMALISME GEOMETRIQUE

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

Plus en détail

Cours d Analyse. Fonctions de plusieurs variables

Cours 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 détail

8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2

8.1 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 détail

CHAPITRE 14 : RAISONNEMENT DES SYSTÈMES DE COMMANDE

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

Plus en détail

Cours Fonctions de deux variables

Cours 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 détail

DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS

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

Plus en détail

Dynamique du point matériel

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

Plus en détail

MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES

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

Plus en détail

CONSERVATOIRE NATIONAL DES ARTS ET METIERS

CONSERVATOIRE 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 détail

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

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

Plus en détail

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

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

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

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

Plus en détail

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

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

Plus en détail

Espérance conditionnelle

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Thermodynamique statistique Master Chimie Université d Aix-Marseille. Bogdan Kuchta

Thermodynamique 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 détail

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

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

Plus en détail

Calcul de tableaux d amortissement

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

Plus en détail

Mécanique des Milieux Continus

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

Plus en détail

Clemenceau. Régime sinusoïdal forcé. Impédances Lois fondamentales - Puissance. Lycée. PCSI 1 - Physique. Lycée Clemenceau. PCSI 1 (O.

Clemenceau. 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 détail

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

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

Plus en détail

Chapitre 1.5a Le champ électrique généré par plusieurs particules

Chapitre 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 détail

LE PRODUIT SCALAIRE ( En première S )

LE 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 détail

Page 5 TABLE DES MATIÈRES

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

Plus en détail

Calcul intégral élémentaire en plusieurs variables

Calcul 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 détail

Probabilités sur un univers fini

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

Plus en détail

Que faire lorsqu on considère plusieurs variables en même temps?

Que 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 détail

MODÈLE D ISING À UNE ET DEUX DIMENSIONS.

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

Plus en détail

SYSTEME FERME EN REACTION CHIMIQUE

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

Plus en détail

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

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

Plus en détail

GEA I Mathématiques nancières Poly. de révision. Lionel Darondeau

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

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

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

Plus en détail

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

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

Plus en détail

Les droites (d 1 ) et (d 2 ) sont sécantes en A Le point A est le point d intersection des 2 droites

Les 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 détail

Corrections adiabatiques et nonadiabatiques dans les systèmes diatomiques par calculs ab-initio

Corrections 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 détail

Baccalauréat 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 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 détail

REPUBLIQUE 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 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 détail

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

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

Plus en détail

OM 1 Outils mathématiques : fonction de plusieurs variables

OM 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 détail

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

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

Plus en détail

COMPARAISON DE MÉTHODES POUR LA CORRECTION

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Fonctions 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 détail

Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)

Bac 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 détail

CHAPITRE 10. Jacobien, changement de coordonnées.

CHAPITRE 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 détail

Enoncé 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. 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 détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

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

Plus en détail

1S Modèles de rédaction Enoncés

1S 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 détail

I. Ensemble de définition d'une fonction

I. 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 détail

CHAPITRE 1 : Distribution statistique à une dimension

CHAPITRE 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 détail

Prêt de groupe et sanction sociale Group lending and social fine

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

Plus en détail

Projet de fin d études

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

Plus en détail

Editions ENI. Project 2010. Collection Référence Bureautique. Extrait

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

Plus en détail

Fonctions de deux variables. Mai 2011

Fonctions 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 détail

Géométrie dans l espace Produit scalaire et équations

Géométrie 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 détail

Stéganographie Adaptative par Oracle (ASO)

Stéganographie 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 détail

Structures algébriques

Structures 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 détail

Représentation géométrique d un nombre complexe

Représentation 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 détail

Séquence 2. Repérage dans le plan Équations de droites. Sommaire

Séquence 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 détail

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

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

Plus en détail

Items étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire

Items 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 détail

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

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

Plus en détail

AC 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 =

AC 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 détail

Pratique de la statistique avec SPSS

Pratique 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 détail

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

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

Plus en détail

Angles orientés et trigonométrie

Angles 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 détail

Le théorème de Thalès et sa réciproque

Le 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 détail

3 Approximation de solutions d équations

3 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 détail

THESE. Khalid LEKOUCH

THESE. 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 détail

Fonctions de plusieurs variables. Sébastien Tordeux

Fonctions 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 détail

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

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

Plus en détail

hal-00409942, version 1-14 Aug 2009

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

Plus en détail

RAPPORT DE STAGE. Approcher la frontière d'une sous-partie de l'espace ainsi que la distance à cette frontière. Sujet : Master II : SIAD

RAPPORT 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 détail

Chapitre 3. Les distributions à deux variables

Chapitre 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 détail

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

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

Plus en détail

Séquence 10. Géométrie dans l espace. Sommaire

Séquence 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