La Méthode de Monte Carlo
|
|
- Denis Trudeau
- il y a 8 ans
- Total affichages :
Transcription
1 La Méthode de Mote Carlo Etiee Pardoux UMR 6632 Laboratoire d Aalyse, Topologie, Probabilités et EA 3781 Evolutio Biologique Uiversité de Provece Etiee Pardoux (LATP) Marseille, 13/09/ / 33
2 Cotets 1 Itroductio 2 PILE ou FACE 3 Le mouvemet browie 4 Calcul du prix d ue optio e Fiace 5 Détermiatio d u arbre phylogéétique Etiee Pardoux (LATP) Marseille, 13/09/ / 33
3 Outlie 1 Itroductio 2 PILE ou FACE 3 Le mouvemet browie 4 Calcul du prix d ue optio e Fiace 5 Détermiatio d u arbre phylogéétique Etiee Pardoux (LATP) Marseille, 13/09/ / 33
4 Itroductio La méthode de Mote Carlo est ue méthode umérique, qui utilise des tirages aléatoires pour réaliser le calcul d ue quatité détermiiste. O verra deux applicatios de cette méthode pour 1 le calcul du prix d ue optio e Fiace ; 2 la détermiatio d u arbre phylogéétique à partir de doées géomiques ; et o expliquera les avatages de celle ci. Mais ous allos tout d abord préseter les cocepts de base du Calcul des Probabilités sur l exemple le plus simple : ue suite de tirages à PILE ou FACE, et le mouvemet browie. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
5 Itroductio La méthode de Mote Carlo est ue méthode umérique, qui utilise des tirages aléatoires pour réaliser le calcul d ue quatité détermiiste. O verra deux applicatios de cette méthode pour 1 le calcul du prix d ue optio e Fiace ; 2 la détermiatio d u arbre phylogéétique à partir de doées géomiques ; et o expliquera les avatages de celle ci. Mais ous allos tout d abord préseter les cocepts de base du Calcul des Probabilités sur l exemple le plus simple : ue suite de tirages à PILE ou FACE, et le mouvemet browie. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
6 Itroductio La méthode de Mote Carlo est ue méthode umérique, qui utilise des tirages aléatoires pour réaliser le calcul d ue quatité détermiiste. O verra deux applicatios de cette méthode pour 1 le calcul du prix d ue optio e Fiace ; 2 la détermiatio d u arbre phylogéétique à partir de doées géomiques ; et o expliquera les avatages de celle ci. Mais ous allos tout d abord préseter les cocepts de base du Calcul des Probabilités sur l exemple le plus simple : ue suite de tirages à PILE ou FACE, et le mouvemet browie. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
7 Outlie 1 Itroductio 2 PILE ou FACE 3 Le mouvemet browie 4 Calcul du prix d ue optio e Fiace 5 Détermiatio d u arbre phylogéétique Etiee Pardoux (LATP) Marseille, 13/09/ / 33
8 Formalisatio du jeu de PILE ou FACE Supposos que l o joue fois de suite à PILE ou FACE avec ue pièce telle que Proba(PILE) = p, Proba(FACE) = 1 p, avec u certai 0 < p < 1. O formalise cette expériece aléatoire e défiissat comme suit le résultat du k ième jet { 1, si o obtiet PILE au k ième coup; X k = 0, si l o obtiet FACE au k ième coup. La LOI DES GRANDS NOMBRES du Calcul des Probabilités ous eseige que quad est grad, la proportio de PILE obteus est proche de p, soit X X p. Doc la proportio de PILE obteus e coups peut être utilisé pour estimer p, que ous allos cosidérer comme INCONNU. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
9 Formalisatio du jeu de PILE ou FACE Supposos que l o joue fois de suite à PILE ou FACE avec ue pièce telle que Proba(PILE) = p, Proba(FACE) = 1 p, avec u certai 0 < p < 1. O formalise cette expériece aléatoire e défiissat comme suit le résultat du k ième jet { 1, si o obtiet PILE au k ième coup; X k = 0, si l o obtiet FACE au k ième coup. La LOI DES GRANDS NOMBRES du Calcul des Probabilités ous eseige que quad est grad, la proportio de PILE obteus est proche de p, soit X X p. Doc la proportio de PILE obteus e coups peut être utilisé pour estimer p, que ous allos cosidérer comme INCONNU. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
10 Formalisatio du jeu de PILE ou FACE Supposos que l o joue fois de suite à PILE ou FACE avec ue pièce telle que Proba(PILE) = p, Proba(FACE) = 1 p, avec u certai 0 < p < 1. O formalise cette expériece aléatoire e défiissat comme suit le résultat du k ième jet { 1, si o obtiet PILE au k ième coup; X k = 0, si l o obtiet FACE au k ième coup. La LOI DES GRANDS NOMBRES du Calcul des Probabilités ous eseige que quad est grad, la proportio de PILE obteus est proche de p, soit X X p. Doc la proportio de PILE obteus e coups peut être utilisé pour estimer p, que ous allos cosidérer comme INCONNU. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
11 Loi des Grads Nombres U calcul classique doe [ (X1 ) ] [ + + X 2 (X1 p Esp p = Esp + + X ) ] p 2 [ (X1 ) p 2 ( ) ] X p 2 (par l idépedace des X k ) = Esp + + = 2 Esp[(X 1 p) 2 ] p(1 p) = 0, quad Détail du calcul de Var(X 1 ) = Esp[(X 1 p) 2 ] : Var(X 1 ) = p (1 p) 2 + (1 p) p 2 = p p 2. O a e fait u résultat plus précis. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
12 Loi des Grads Nombres U calcul classique doe [ (X1 ) ] [ + + X 2 (X1 p Esp p = Esp + + X ) ] p 2 [ (X1 ) p 2 ( ) ] X p 2 (par l idépedace des X k ) = Esp + + = 2 Esp[(X 1 p) 2 ] p(1 p) = 0, quad Détail du calcul de Var(X 1 ) = Esp[(X 1 p) 2 ] : Var(X 1 ) = p (1 p) 2 + (1 p) p 2 = p p 2. O a e fait u résultat plus précis. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
13 Loi des Grads Nombres U calcul classique doe [ (X1 ) ] [ + + X 2 (X1 p Esp p = Esp + + X ) ] p 2 [ (X1 ) p 2 ( ) ] X p 2 (par l idépedace des X k ) = Esp + + = 2 Esp[(X 1 p) 2 ] p(1 p) = 0, quad Détail du calcul de Var(X 1 ) = Esp[(X 1 p) 2 ] : Var(X 1 ) = p (1 p) 2 + (1 p) p 2 = p p 2. O a e fait u résultat plus précis. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
14 Théorème de de Moivre Le Théorème de de Moivre (1718) ous dit que ( ( X1 + + X Proba a < p(1 p ) ) p < b 1 b e x2 /2 dx. 2π a E particulier, Proba ( X X ) p p(1 p) > c 2 e x2 /2 dx. 2π c Notos que le membre de droite vaut 0, 05 si c = 1, 96, et 0, 01 si c = 2, 6. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
15 Théorème de de Moivre Le Théorème de de Moivre (1718) ous dit que ( ( X1 + + X Proba a < p(1 p ) ) p < b 1 b e x2 /2 dx. 2π a E particulier, Proba ( X X ) p p(1 p) > c 2 e x2 /2 dx. 2π c Notos que le membre de droite vaut 0, 05 si c = 1, 96, et 0, 01 si c = 2, 6. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
16 Itervalle de cofiace Mais p est INCONNU! Cepedat o sait que pour 0 < p < 1, p(1 p) 1/4, doc p(1 p) 1/2. D où l o déduit (e choisissat par exemple c = 1, 96 ( X X Proba p > 0, 98 ) 0, 05, où o a u petit peu triché, mais c est essetiellemet vrai dès que p > 10. Autremet dit, [ X1 + + X Proba ( p 0, 98, X ]) X 0, , 95. Il y a aucu itervalle boré de IR dot o puisse dire avec certitude qu il cotiet p, mais il y a des itervalles dits itervalle de cofiace, dot o peut dire qu il cotieet p avec ue probabilité très proche de 1. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
17 Itervalle de cofiace Mais p est INCONNU! Cepedat o sait que pour 0 < p < 1, p(1 p) 1/4, doc p(1 p) 1/2. D où l o déduit (e choisissat par exemple c = 1, 96 ( X X Proba p > 0, 98 ) 0, 05, où o a u petit peu triché, mais c est essetiellemet vrai dès que p > 10. Autremet dit, [ X1 + + X Proba ( p 0, 98, X ]) X 0, , 95. Il y a aucu itervalle boré de IR dot o puisse dire avec certitude qu il cotiet p, mais il y a des itervalles dits itervalle de cofiace, dot o peut dire qu il cotieet p avec ue probabilité très proche de 1. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
18 Itervalle de cofiace Mais p est INCONNU! Cepedat o sait que pour 0 < p < 1, p(1 p) 1/4, doc p(1 p) 1/2. D où l o déduit (e choisissat par exemple c = 1, 96 ( X X Proba p > 0, 98 ) 0, 05, où o a u petit peu triché, mais c est essetiellemet vrai dès que p > 10. Autremet dit, [ X1 + + X Proba ( p 0, 98, X ]) X 0, , 95. Il y a aucu itervalle boré de IR dot o puisse dire avec certitude qu il cotiet p, mais il y a des itervalles dits itervalle de cofiace, dot o peut dire qu il cotieet p avec ue probabilité très proche de 1. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
19 Outlie 1 Itroductio 2 PILE ou FACE 3 Le mouvemet browie 4 Calcul du prix d ue optio e Fiace 5 Détermiatio d u arbre phylogéétique Etiee Pardoux (LATP) Marseille, 13/09/ / 33
20 Mouvemet browie Il s agit d ue processus stochastique (i. e. ue foctio aléatoire du temps) qui a été itroduit par le botaiste R. Brow au début du 19ème siècle pour modéliser les mouvemets de grais de polle e suspesio, étudié esuite au 20ème siècle par A. Eistei, M. Smoluchowsky, N. Wieer, P. Lévy,... La particularité du mouvemet browie est que ses accroissemets sot idépedats, ce qui red ses trajectoires très irrégulières (sa vitesse est ifiie e tout poit). Le mouvemet browie est utilisé das de ombreux modèles de phéomèes physiques. Il permet aussi de doer ue expressio de la solutio de l équatio de la chaleur. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
21 Mouvemet browie Il s agit d ue processus stochastique (i. e. ue foctio aléatoire du temps) qui a été itroduit par le botaiste R. Brow au début du 19ème siècle pour modéliser les mouvemets de grais de polle e suspesio, étudié esuite au 20ème siècle par A. Eistei, M. Smoluchowsky, N. Wieer, P. Lévy,... La particularité du mouvemet browie est que ses accroissemets sot idépedats, ce qui red ses trajectoires très irrégulières (sa vitesse est ifiie e tout poit). Le mouvemet browie est utilisé das de ombreux modèles de phéomèes physiques. Il permet aussi de doer ue expressio de la solutio de l équatio de la chaleur. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
22 Mouvemet browie Il s agit d ue processus stochastique (i. e. ue foctio aléatoire du temps) qui a été itroduit par le botaiste R. Brow au début du 19ème siècle pour modéliser les mouvemets de grais de polle e suspesio, étudié esuite au 20ème siècle par A. Eistei, M. Smoluchowsky, N. Wieer, P. Lévy,... La particularité du mouvemet browie est que ses accroissemets sot idépedats, ce qui red ses trajectoires très irrégulières (sa vitesse est ifiie e tout poit). Le mouvemet browie est utilisé das de ombreux modèles de phéomèes physiques. Il permet aussi de doer ue expressio de la solutio de l équatio de la chaleur. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
23 Ue trajectoire typique du mouvemet browie 1 1 Ue trajectoire du mouvemet browie, de t=0 à t = t Etiee Pardoux (LATP) Marseille, 13/09/ / 33
24 Ue trajectoire typique du mouvemet browie Ue trajectoire du mouvemet browie, de t=0 à t = t Etiee Pardoux (LATP) Marseille, 13/09/ / 33
25 Ue trajectoire typique du mouvemet browie Ue trajectoire du mouvemet browie, de t=0 à t = t Etiee Pardoux (LATP) Marseille, 13/09/ / 33
26 Outlie 1 Itroductio 2 PILE ou FACE 3 Le mouvemet browie 4 Calcul du prix d ue optio e Fiace 5 Détermiatio d u arbre phylogéétique Etiee Pardoux (LATP) Marseille, 13/09/ / 33
27 Le modèle de Black Scholes Supposos qu il existe deux actifs accessibles sur le marché : u actif o risqué (ex. placemet à la Caisse d Eparge), dot le prix à l istat t est S 0 (t) = S 0 (0) exp(rt); où r est le taux d itérêt ; u actif risqué (ex. ue actio e bourse), dot le prix à l istat t est S(t) = S(0) exp(λt + σb(t)), où λ est u paramètre de tedace, σ la volatilité, {B(t), t 0} est u mouvemet browie. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
28 Le modèle de Black Scholes Supposos qu il existe deux actifs accessibles sur le marché : u actif o risqué (ex. placemet à la Caisse d Eparge), dot le prix à l istat t est S 0 (t) = S 0 (0) exp(rt); où r est le taux d itérêt ; u actif risqué (ex. ue actio e bourse), dot le prix à l istat t est S(t) = S(0) exp(λt + σb(t)), où λ est u paramètre de tedace, σ la volatilité, {B(t), t 0} est u mouvemet browie. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
29 Optio Ue optio est u cotrat qui doe le droit (pas l obligatio) d acheter (ou de vedre) à l échéace T uités de l actif risqué, à u prix K fixé à l avace. Le but de ce cotrat est de couvrir so acquéreur vis à vis de fluctuatios à la hausse (ou à la baisse) de cet actif risqué, etre l istat préset t = 0 et l échéace t = T. L acquéreur de cette optio doit payer ue prime au momet de la sigature du cotrat. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
30 Optio Ue optio est u cotrat qui doe le droit (pas l obligatio) d acheter (ou de vedre) à l échéace T uités de l actif risqué, à u prix K fixé à l avace. Le but de ce cotrat est de couvrir so acquéreur vis à vis de fluctuatios à la hausse (ou à la baisse) de cet actif risqué, etre l istat préset t = 0 et l échéace t = T. L acquéreur de cette optio doit payer ue prime au momet de la sigature du cotrat. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
31 Optio Ue optio est u cotrat qui doe le droit (pas l obligatio) d acheter (ou de vedre) à l échéace T uités de l actif risqué, à u prix K fixé à l avace. Le but de ce cotrat est de couvrir so acquéreur vis à vis de fluctuatios à la hausse (ou à la baisse) de cet actif risqué, etre l istat préset t = 0 et l échéace t = T. L acquéreur de cette optio doit payer ue prime au momet de la sigature du cotrat. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
32 Formule de Black Scholes Le juste prix de l optio (par uité d actif à acheter ou à vedre) est doé par la célèbre formule de Black Scholes (1972) Das le cas d ue optio d achat (call e Aglais) [( ) σ2 [σb(t ) C = Esp e 2 T ] e rt K + ]. Das le cas d ue optio de vete (put e Aglais) [( ) ] P = Esp e rt σ2 [σb(t ) K e 2 T ]. + O va cosidérer ci dessous le cas d ue optio de vete. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
33 Formule de Black Scholes Le juste prix de l optio (par uité d actif à acheter ou à vedre) est doé par la célèbre formule de Black Scholes (1972) Das le cas d ue optio d achat (call e Aglais) [( ) σ2 [σb(t ) C = Esp e 2 T ] e rt K + ]. Das le cas d ue optio de vete (put e Aglais) [( ) ] P = Esp e rt σ2 [σb(t ) K e 2 T ]. + O va cosidérer ci dessous le cas d ue optio de vete. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
34 Formule de Black Scholes Le juste prix de l optio (par uité d actif à acheter ou à vedre) est doé par la célèbre formule de Black Scholes (1972) Das le cas d ue optio d achat (call e Aglais) [( ) σ2 [σb(t ) C = Esp e 2 T ] e rt K + ]. Das le cas d ue optio de vete (put e Aglais) [( ) ] P = Esp e rt σ2 [σb(t ) K e 2 T ]. + O va cosidérer ci dessous le cas d ue optio de vete. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
35 Calcul du prix d ue optio de vete par Mote Carlo Das le cas ci dessus, o a ue formule explicite pour la valeur P d ue optio de vete, e foctio des paramètres r, σ, T et K. Das la figure ci dessous, o compare la valeur exacte avec le résultat du calcul de Mote Carlo, et les bores de l itervalle de cofiace, e foctio du ombre N de simulatios. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
36 Calcul du prix d ue optio de vete par Mote Carlo Das le cas ci dessus, o a ue formule explicite pour la valeur P d ue optio de vete, e foctio des paramètres r, σ, T et K. Das la figure ci dessous, o compare la valeur exacte avec le résultat du calcul de Mote Carlo, et les bores de l itervalle de cofiace, e foctio du ombre N de simulatios. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
37 Résultat umérique Etiee Pardoux (LATP) Marseille, 13/09/ / 33
38 Optio paier Supposos cette fois que l o dispose sur le marché de 10 actifs risqués, chacu fluctuat e foctio d u mouvemet browie différet, avec ue volatilité propre. Cosidéros ue optio de vete sur u paier de ces 10 actios, qui cosiste e u cotrat aux termes duquel le vedeur de l actio s egage à vous acheter à l échéace T au prix fixé K a i uités de l actio uméro i, de i = 1 à i = 10. La formule de Black Scholes doe comme prix ( ) 10 P = Esp e rt K a i e [σ i B i (T ) σ 2 i 2 T ]. i=1 + Etiee Pardoux (LATP) Marseille, 13/09/ / 33
39 Optio paier Supposos cette fois que l o dispose sur le marché de 10 actifs risqués, chacu fluctuat e foctio d u mouvemet browie différet, avec ue volatilité propre. Cosidéros ue optio de vete sur u paier de ces 10 actios, qui cosiste e u cotrat aux termes duquel le vedeur de l actio s egage à vous acheter à l échéace T au prix fixé K a i uités de l actio uméro i, de i = 1 à i = 10. La formule de Black Scholes doe comme prix ( ) 10 P = Esp e rt K a i e [σ i B i (T ) σ 2 i 2 T ]. i=1 + Etiee Pardoux (LATP) Marseille, 13/09/ / 33
40 Optio paier Supposos cette fois que l o dispose sur le marché de 10 actifs risqués, chacu fluctuat e foctio d u mouvemet browie différet, avec ue volatilité propre. Cosidéros ue optio de vete sur u paier de ces 10 actios, qui cosiste e u cotrat aux termes duquel le vedeur de l actio s egage à vous acheter à l échéace T au prix fixé K a i uités de l actio uméro i, de i = 1 à i = 10. La formule de Black Scholes doe comme prix ( ) 10 P = Esp e rt K a i e [σ i B i (T ) σ 2 i 2 T ]. i=1 + Etiee Pardoux (LATP) Marseille, 13/09/ / 33
41 Résultat umérique Etiee Pardoux (LATP) Marseille, 13/09/ / 33
42 Commetaire Das le cas de l optio paier, o a pas de formule excate pour le calcul du prix de l optio. Ue méthode umérique basée sur ue équatio aux dérivées partielles est totalemet impossible à mettre e oeuvre : il faudrait résoudre ue équatio e dimesio d espace égale à dix! Das cet exemple, la méthode de Mote Carlo motre toute sa puissace et sa souplesse d utilisatio. Elle est quasimet aussi facile à programmer que la méthode das le cas d ue seule actio, et demade seulemet u peu plus de temps de calcul et d espace mémoire. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
43 Commetaire Das le cas de l optio paier, o a pas de formule excate pour le calcul du prix de l optio. Ue méthode umérique basée sur ue équatio aux dérivées partielles est totalemet impossible à mettre e oeuvre : il faudrait résoudre ue équatio e dimesio d espace égale à dix! Das cet exemple, la méthode de Mote Carlo motre toute sa puissace et sa souplesse d utilisatio. Elle est quasimet aussi facile à programmer que la méthode das le cas d ue seule actio, et demade seulemet u peu plus de temps de calcul et d espace mémoire. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
44 Outlie 1 Itroductio 2 PILE ou FACE 3 Le mouvemet browie 4 Calcul du prix d ue optio e Fiace 5 Détermiatio d u arbre phylogéétique Etiee Pardoux (LATP) Marseille, 13/09/ / 33
45 U problème modèle O sait que les trois espèces Homme Chimpazé Gorille sot très proches (plus proches etre elles que de touters les autres expèces). O voudrait décider laquelle de ces trois formes d arbre correspod à la réalité de l histoire des espèces : Gorille Homme Homme Chimp Gorille Chimp Homme Chimp Gorille Etiee Pardoux (LATP) Marseille, 13/09/ / 33
46 U problème modèle O sait que les trois espèces Homme Chimpazé Gorille sot très proches (plus proches etre elles que de touters les autres expèces). O voudrait décider laquelle de ces trois formes d arbre correspod à la réalité de l histoire des espèces : Gorille Homme Homme Chimp Gorille Chimp Homme Chimp Gorille Etiee Pardoux (LATP) Marseille, 13/09/ / 33
47 Les doées Pour cela, o compare des portios des géomes de ces trois espèces, préalablemet aligées. Ue méthode statistique de plus e plus prisée pour détermier le bo arbre phylogéétique est la méthode de Bayes, qui cosiste à se doer ue probabilité a priori sur les trois formes d arbre possibles, par exemple 1/3 1/3 1/3, et à calculer, à l aide de la formule de Bayes ue probabilité dite a posteriori, c est à dire preat e compte les doées. Pour i = 1, 2, 3, Proba (Arbre i) Proba (Doées Arbre i) Proba (Arbre i Doées) = Proba (Doées) Proba (Arbre i) Proba (Doées Arbre i) = 3 j=1 Proba (Arbre j) Proba (Doées Arbre j) Etiee Pardoux (LATP) Marseille, 13/09/ / 33
48 Les doées Pour cela, o compare des portios des géomes de ces trois espèces, préalablemet aligées. Ue méthode statistique de plus e plus prisée pour détermier le bo arbre phylogéétique est la méthode de Bayes, qui cosiste à se doer ue probabilité a priori sur les trois formes d arbre possibles, par exemple 1/3 1/3 1/3, et à calculer, à l aide de la formule de Bayes ue probabilité dite a posteriori, c est à dire preat e compte les doées. Pour i = 1, 2, 3, Proba (Arbre i) Proba (Doées Arbre i) Proba (Arbre i Doées) = Proba (Doées) Proba (Arbre i) Proba (Doées Arbre i) = 3 j=1 Proba (Arbre j) Proba (Doées Arbre j) Etiee Pardoux (LATP) Marseille, 13/09/ / 33
49 Les doées Pour cela, o compare des portios des géomes de ces trois espèces, préalablemet aligées. Ue méthode statistique de plus e plus prisée pour détermier le bo arbre phylogéétique est la méthode de Bayes, qui cosiste à se doer ue probabilité a priori sur les trois formes d arbre possibles, par exemple 1/3 1/3 1/3, et à calculer, à l aide de la formule de Bayes ue probabilité dite a posteriori, c est à dire preat e compte les doées. Pour i = 1, 2, 3, Proba (Arbre i) Proba (Doées Arbre i) Proba (Arbre i Doées) = Proba (Doées) Proba (Arbre i) Proba (Doées Arbre i) = 3 j=1 Proba (Arbre j) Proba (Doées Arbre j) Etiee Pardoux (LATP) Marseille, 13/09/ / 33
50 Calcul de la formule de Bayes Das cette formule, Proba(Arbre i) est la probabilité a priori que l o s est doée (ici (1/3, 1/3, 1/3)). Proba (Doées Arbre i) est la probabilité d observer les doées, si i est la forme de l arbre. Cette quatité se calcule à l aide d u modèle probabiliste d évolutio des géomes. E pratique, la somme qui apparaît au déomiateur est ue somme sur u ombre gigatesque de termes! E effet Etiee Pardoux (LATP) Marseille, 13/09/ / 33
51 Calcul de la formule de Bayes Das cette formule, Proba(Arbre i) est la probabilité a priori que l o s est doée (ici (1/3, 1/3, 1/3)). Proba (Doées Arbre i) est la probabilité d observer les doées, si i est la forme de l arbre. Cette quatité se calcule à l aide d u modèle probabiliste d évolutio des géomes. E pratique, la somme qui apparaît au déomiateur est ue somme sur u ombre gigatesque de termes! E effet Etiee Pardoux (LATP) Marseille, 13/09/ / 33
52 Calcul de la formule de Bayes Das cette formule, Proba(Arbre i) est la probabilité a priori que l o s est doée (ici (1/3, 1/3, 1/3)). Proba (Doées Arbre i) est la probabilité d observer les doées, si i est la forme de l arbre. Cette quatité se calcule à l aide d u modèle probabiliste d évolutio des géomes. E pratique, la somme qui apparaît au déomiateur est ue somme sur u ombre gigatesque de termes! E effet Etiee Pardoux (LATP) Marseille, 13/09/ / 33
53 Ue difficulté O traite e gééral beaucoup plus que 3 espèces, et le ombre d arbres possibles croît de faço dramatique avec le ombre d espèces cosidérées. Nombre d espèces Nombre d arbres possibles 7 > > , Il e suffit pas de sommer sur les formes possibles d arbre, il faut aussi predre e compte les logueurs des braches, et les paramètres du modèle probabiliste d évolutio. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
54 Ue difficulté O traite e gééral beaucoup plus que 3 espèces, et le ombre d arbres possibles croît de faço dramatique avec le ombre d espèces cosidérées. Nombre d espèces Nombre d arbres possibles 7 > > , Il e suffit pas de sommer sur les formes possibles d arbre, il faut aussi predre e compte les logueurs des braches, et les paramètres du modèle probabiliste d évolutio. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
55 Commet simuler sous ue probabilité impossible à calculer? Pour calculer la probabilité a posteriori par Mote Carlo, il faudrait réaliser des tirages aléatoires sous ue probabilité doée par la formule de Bayes. Seul le umérateur de cette formule peut être calculé. Autremet dit, o voudrait réaliser des tirages aléatoires sous ue probabilité que l o coaît seulemet à ue costate de ormalisatio près, que l o est icapable de calculer. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
56 Commet simuler sous ue probabilité impossible à calculer? Pour calculer la probabilité a posteriori par Mote Carlo, il faudrait réaliser des tirages aléatoires sous ue probabilité doée par la formule de Bayes. Seul le umérateur de cette formule peut être calculé. Autremet dit, o voudrait réaliser des tirages aléatoires sous ue probabilité que l o coaît seulemet à ue costate de ormalisatio près, que l o est icapable de calculer. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
57 Commet simuler sous ue probabilité impossible à calculer? Pour calculer la probabilité a posteriori par Mote Carlo, il faudrait réaliser des tirages aléatoires sous ue probabilité doée par la formule de Bayes. Seul le umérateur de cette formule peut être calculé. Autremet dit, o voudrait réaliser des tirages aléatoires sous ue probabilité que l o coaît seulemet à ue costate de ormalisatio près, que l o est icapable de calculer. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
58 Mote Carlo par chaîe de Markov La solutio à ce problème a été ivetée par des Physicies dès 1953, et c est grâce à cette ivetio que la statistique bayésiee est utilisable aujourd hui! Ue chaîe de Markov est ue suite de v. a. {X } de la forme X +1 = f (X, Y ), où les Y formet ue suite idépedate. Sous des hypothèses très faibles, ue chaîe de Markov possède ue uique probablité ivariate π, et la suite {X } satisfait ue loi des grads ombres : g(x 1 ) + + g(x ) x g(x)π(x) Efi, il est pas difficile de choisir la boe chaîe de Markov, si l o coaît π à ue costate multiplicative près. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
59 Mote Carlo par chaîe de Markov La solutio à ce problème a été ivetée par des Physicies dès 1953, et c est grâce à cette ivetio que la statistique bayésiee est utilisable aujourd hui! Ue chaîe de Markov est ue suite de v. a. {X } de la forme X +1 = f (X, Y ), où les Y formet ue suite idépedate. Sous des hypothèses très faibles, ue chaîe de Markov possède ue uique probablité ivariate π, et la suite {X } satisfait ue loi des grads ombres : g(x 1 ) + + g(x ) x g(x)π(x) Efi, il est pas difficile de choisir la boe chaîe de Markov, si l o coaît π à ue costate multiplicative près. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
60 Mote Carlo par chaîe de Markov La solutio à ce problème a été ivetée par des Physicies dès 1953, et c est grâce à cette ivetio que la statistique bayésiee est utilisable aujourd hui! Ue chaîe de Markov est ue suite de v. a. {X } de la forme X +1 = f (X, Y ), où les Y formet ue suite idépedate. Sous des hypothèses très faibles, ue chaîe de Markov possède ue uique probablité ivariate π, et la suite {X } satisfait ue loi des grads ombres : g(x 1 ) + + g(x ) x g(x)π(x) Efi, il est pas difficile de choisir la boe chaîe de Markov, si l o coaît π à ue costate multiplicative près. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
61 Mote Carlo par chaîe de Markov La solutio à ce problème a été ivetée par des Physicies dès 1953, et c est grâce à cette ivetio que la statistique bayésiee est utilisable aujourd hui! Ue chaîe de Markov est ue suite de v. a. {X } de la forme X +1 = f (X, Y ), où les Y formet ue suite idépedate. Sous des hypothèses très faibles, ue chaîe de Markov possède ue uique probablité ivariate π, et la suite {X } satisfait ue loi des grads ombres : g(x 1 ) + + g(x ) x g(x)π(x) Efi, il est pas difficile de choisir la boe chaîe de Markov, si l o coaît π à ue costate multiplicative près. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
62 L algorithme de Metropolis Hastigs Plus précisémet, état doée ue loi de trasitio markoviee de la forme q(x, y) = Proba (Y +1 = y Y = x), pour passer de X à X +1, o simule d abord ue trasitio selo q(x, y), et si cette trasitio cosiste à faire passer de x à y, o accepte cette trasitio avec la probabilité π(y)q(y, x) mi{ π(x)q(x, y), 1}, (si o la refuse, o pose X +1 = X ). Notos que la coaissace des π(x) à ue costate multiplicative près suffit. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
63 L algorithme de Metropolis Hastigs Plus précisémet, état doée ue loi de trasitio markoviee de la forme q(x, y) = Proba (Y +1 = y Y = x), pour passer de X à X +1, o simule d abord ue trasitio selo q(x, y), et si cette trasitio cosiste à faire passer de x à y, o accepte cette trasitio avec la probabilité π(y)q(y, x) mi{ π(x)q(x, y), 1}, (si o la refuse, o pose X +1 = X ). Notos que la coaissace des π(x) à ue costate multiplicative près suffit. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
64 L algorithme de Metropolis Hastigs Plus précisémet, état doée ue loi de trasitio markoviee de la forme q(x, y) = Proba (Y +1 = y Y = x), pour passer de X à X +1, o simule d abord ue trasitio selo q(x, y), et si cette trasitio cosiste à faire passer de x à y, o accepte cette trasitio avec la probabilité π(y)q(y, x) mi{ π(x)q(x, y), 1}, (si o la refuse, o pose X +1 = X ). Notos que la coaissace des π(x) à ue costate multiplicative près suffit. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
65 Avatages et difficultés de cette méthode U gros avatage de la méthode bayésiee de détermiatio d u arbre phylogéétique est que l o obtiet o pas u uique arbre, sas savoir quelle cofiace o peut attribuer à ce résultat, mais ue loi de probabilité sur les arbres. Par exemple, das le cas des 3 espèces Homme, Gorille, Chimpazé, o déduit des doées la loi a posteriori 2 10, 1 10, 7 10, ce qui idique quelle cofiace o peut avoir das la décisio de décider que c est le 3ème arbre qui correspod à l histoire des espèces. Mais d u autre coté, o maque de résultats qui doet des règles précises quad à la faço de meer les calculs, e particulier combie de fois il faut itérer la simulatio de la chaîe de Markov X. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
66 Avatages et difficultés de cette méthode U gros avatage de la méthode bayésiee de détermiatio d u arbre phylogéétique est que l o obtiet o pas u uique arbre, sas savoir quelle cofiace o peut attribuer à ce résultat, mais ue loi de probabilité sur les arbres. Par exemple, das le cas des 3 espèces Homme, Gorille, Chimpazé, o déduit des doées la loi a posteriori 2 10, 1 10, 7 10, ce qui idique quelle cofiace o peut avoir das la décisio de décider que c est le 3ème arbre qui correspod à l histoire des espèces. Mais d u autre coté, o maque de résultats qui doet des règles précises quad à la faço de meer les calculs, e particulier combie de fois il faut itérer la simulatio de la chaîe de Markov X. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
67 Avatages et difficultés de cette méthode U gros avatage de la méthode bayésiee de détermiatio d u arbre phylogéétique est que l o obtiet o pas u uique arbre, sas savoir quelle cofiace o peut attribuer à ce résultat, mais ue loi de probabilité sur les arbres. Par exemple, das le cas des 3 espèces Homme, Gorille, Chimpazé, o déduit des doées la loi a posteriori 2 10, 1 10, 7 10, ce qui idique quelle cofiace o peut avoir das la décisio de décider que c est le 3ème arbre qui correspod à l histoire des espèces. Mais d u autre coté, o maque de résultats qui doet des règles précises quad à la faço de meer les calculs, e particulier combie de fois il faut itérer la simulatio de la chaîe de Markov X. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
68 Coclusio Autremet dit, les diverses scieces (e particulier la Biologie) ot besoi de mathématicies (vous demai?) qui fasset avacer la coaissace des algorithmes de type Mote Carlo, e particulier Mote Carlo par chaîes de Markov. C est u exemple de plus du fait que les progrès des ordiateurs egedret des besois de progrès e mathématique. Merci pour votre attetio. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
69 Coclusio Autremet dit, les diverses scieces (e particulier la Biologie) ot besoi de mathématicies (vous demai?) qui fasset avacer la coaissace des algorithmes de type Mote Carlo, e particulier Mote Carlo par chaîes de Markov. C est u exemple de plus du fait que les progrès des ordiateurs egedret des besois de progrès e mathématique. Merci pour votre attetio. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
70 Coclusio Autremet dit, les diverses scieces (e particulier la Biologie) ot besoi de mathématicies (vous demai?) qui fasset avacer la coaissace des algorithmes de type Mote Carlo, e particulier Mote Carlo par chaîes de Markov. C est u exemple de plus du fait que les progrès des ordiateurs egedret des besois de progrès e mathématique. Merci pour votre attetio. Etiee Pardoux (LATP) Marseille, 13/09/ / 33
Limites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailExamen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot
Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars
Plus en détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détailEtude de la fonction ζ de Riemann
Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détailProcessus géométrique généralisé et applications en fiabilité
Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR
Plus en détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
Plus en détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailConvergences 2/2 - le théorème du point fixe - Page 1 sur 9
Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios
Plus en détailRECHERCHE DE CLIENTS simplifiée
RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées
Plus en détailUNIVERSITÉ DE SFAX École Supérieure de Commerce
UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première
Plus en détailLogiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd
easylab Le logiciel de gestio de fichiers pour baladeurs et tablettes Visualisatio simplifiée de la flotte Gestio des baladeurs par idividus / classes / groupes / activités Activatio des foctios par simple
Plus en détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailx +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.
EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détailMobile Business. Communiquez efficacement avec vos relations commerciales 09/2012
Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre
Plus en détailSTATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détailCompte Sélect Banque Manuvie Guide du débutant
GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailCHAPITRE 2 SÉRIES ENTIÈRES
CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.
Plus en détailPROMENADE ALÉATOIRE : Chaînes de Markov et martingales
PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières
Plus en détailCOMMENT ÇA MARCHE GUIDE DE L ENSEIGNANT 9 E ANNÉE
GUIDE DE L ENSEIGNANT 9 E ANNÉE TROUSSE PÉDAGOGIQUE 9 E ANNÉE Le préset Guide de l eseigat, qui accompage la trousse pédagogique COMMENT ÇA MARCHE : PRODUCTION D ÉLECTRICITÉ 9 e aée a été coçu à l itetio
Plus en détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en détailSuites et séries de fonctions
[http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de
Plus en détailChapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.
Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE
Plus en détailChaînes de Markov. Arthur Charpentier
Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détailProbabilités et statistique pour le CAPES
Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes
Plus en détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détail4 Approximation des fonctions
4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour
Plus en détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détailPrincipes et Méthodes Statistiques
Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............
Plus en détailDonnez de la liberté à vos données. BiBOARD. www.biboard.fr
Doez de la liberté à vos doées BiBOARD www.biboard.fr Le décisioel pour tous Le décisioel évolue. L etreprise quelle que soit sa taille, a besoi de piloter so activité à l aide d outils simples, fiables,
Plus en détailCours de Statistiques inférentielles
Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios
Plus en détailGérer les applications
Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces
Plus en détailUniversité Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014
Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,
Plus en détailFaites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes
Faites prospérer vos affaires grâce aux solutios d éparge et de gestio des dettes Quelques excelletes raisos d offrir des produits bacaires et de fiducie à vos cliets Vous avez la compétece écessaire pour
Plus en détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
Plus en détailTélé OPTIK. Plus spectaculaire que jamais.
Télé OPTIK Plus spectaculaire que jamais. Vivez toute la puissace de la télévisio sur IP grâce au réseau OPTIK 1 de TELUS et découvrez-e l extraordiaire potetiel. Télé OPTIK MC vous doe la parfaite maîtrise
Plus en détailStatistique Numérique et Analyse des Données
Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques
Plus en détailPOLITIQUE ECONOMIQUE ET DEVELOPPEMENT
POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailLe Sphinx. Enquêtes, Sondages. Analyse de données. Internet : http://www.lesphinxdeveloppement.fr/club/index.html
Equêtes, Sodages Aalyse de doées Le Sphix! Iteret : http://www.lesphixdeveloppemet.fr/club/idex.html Lagarde J. Aalyse statistique de doées, Duod. Réaliser vos equêtes Questioaire Traitemets et aalyses
Plus en détailUV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1
UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau
Plus en détailLa tarification hospitalière : de l enveloppe globale à la concurrence par comparaison
ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 58 2000 La tarificatio hospitalière : de l eveloppe globale à la cocurrece par comparaiso Michel MOUGEOT * RÉSUMÉ. Cet article cosidère différetes politiques de
Plus en détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détailOne Office Voice Pack Vos appels fixes et mobiles en un seul pack
Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre
Plus en détailS-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui.
S-PENSION Costituez-vous u capital retraite complémetaire pour demai tout e bééficiat d avatages fiscaux dès aujourd hui. Sommaire 1. Il est temps de predre l iitiative 4 2. Profitez dès aujourd hui des
Plus en détailSemestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR
Semestre : 4 Module : Méthodes Quattatves III Elémet : Mathématques Facères Esegat : Mme BENOMAR Elémets du cours Itérêts smples, précompte, escompte et compte courat Itérêts composés Autés Amortssemets
Plus en détailLa fibre optique arrive chez vous Devenez acteur de la révolution numérique
2 e éditio Edité par l Autorité de régulatio des commuicatios électroiques et des postes RÉPUBLIQUE FRANÇAISE DÉCEMBRE 2010 La fibre optique arrive chez vous Deveez acteur de la révolutio umérique Petit
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailDivorce et séparation
Coup d oeil sur Divorce et séparatio Être attetif aux besois de votre efat Divorce et séparatio «Les premiers mois suivat u divorce ou ue séparatio sot très stressats. Votre patiece, votre cohérece et
Plus en détailPROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS
PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie
Plus en détailn tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...
Nom:... Préom :... Chaque répose peut valoir : c) 2 poits si le choix est totalemet exact + poit si le choix est partiellemet exact + 0 poit si le choix est erroé + -i poit si le choix est u coeses Ue
Plus en détailExercices de mathématiques
MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris
Plus en détailLes solutions mi-hypothécaires, mi-bancaires de Manuvie. Guide du conseiller
Les solutios mi-hypothécaires, mi-bacaires de Mauvie Guide du coseiller 1 2 Table des matières Itroductio... 5 La Baque Mauvie...5 Le compte Mauvie U...5 Le compte Sélect Baque Mauvie...5 1. Les solutios
Plus en détailRESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)
RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &
Plus en détailOpérations bancaires avec l étranger *
Opératios bacaires avec l étrager * Coditios bacaires au 1 er juillet 2011 Etreprises et orgaismes d itérêt gééral Opératios à destiatio de l étrager Viremets émis vers l étrager : viremet e euros iférieur
Plus en détailAugmentation de la demande du produit «P» Prévision d accroître la capacité de production (nécessité d investir) Investissement
Augmetatio de la demade du produit «P» Prévisio d accroître la capacité de productio (écessité d ivestir) Ivestissemet Etude de retabilité du produit «P» Jugemet de l opportuité et de la retabilité du
Plus en détailUne action! Un message!
Ue actio! U message! Cotact Master est u service exclusif de relaces automatiques de vos actes vers vos cliets, par SMS, messages vocaux, e-mails, courrier... Il se décleche lorsque vous réalisez ue actio
Plus en détailTempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation
Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailRéseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus
Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio
Plus en détailCours 5 : ESTIMATION PONCTUELLE
Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-
Plus en détail3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.
3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios
Plus en détail