Sur la Sémantique des Bases Partiellement Ordonnées

Dimension: px
Commencer à balayer dès la page:

Download "Sur la Sémantique des Bases Partiellement Ordonnées"

Transcription

1 Actes IAF 2012 Sur la Sémantique des Bases Partiellement Ordonnées Claudette Cayrol Didier Dubois IRIT, Université Paul Sabatier Résumé Nous proposons quelques réflexions préliminaires sur l extension de la logique possibiliste quand on remplace la stratification d une base propositionnelle par un préordre partiel. Plusieurs travaux passés ont abordé cette question avec des approches différentes, notamment Halpern, Benferhat et collègues. On s intéresse ici aux aspects sémantiques, à savoir le passage d un ordre partiel sur les formules à un ordre partiel sur les interprétations et inversement, en s appuyant sur les résultats d Halpern, et d autres plus anciens. L idée est de pouvoir définir une fermeture déductive fondée sur la sémantique, pour ensuite envisager des techniques d inférences au niveau syntaxique, et notamment unifier les travaux existants en étudiant s ils capturent ou non cette notion de fermeture déductive. L article pose quelques bases pour ce travail. Abstract Some preliminary considerations are proposed concerning the extension of possibilistic logic when the stratification of a propositional logic base is replaced by a partial preorder. Several works dealt with this matter in the past, using various approaches, by Halpern, Benferhat et al., etc. Here we focus on semantic aspects, namely the construction of a partial order on interpretations from a partial order on formulas and conversely, relying on previous results by Halpern, and other older results. The idea is to define a sound notion of deductive closure from a semantic standpoint, in order to construct suitable inference techniques at the syntaxic level, and unify existing proposals, laying bare whether or not they capture this notion of deductive closure. This paper lays some basic blocks to this end. 1 Introduction La notion de base de connaissances ordonnée a été étudiée depuis une vingtaine d années en Intelligence artificielle. A notre connaissance cette notion remonte aux travaux de Rescher sur le raisonnement plausible [16]. Le raisonnement à partir d une telle base repose sur une idée encore plus vieille, puis qu elle remonte à l antiquité avec les textes de Théophraste, disciple d Aristote, qui évaluait la validité d une chaîne de raisonnements par la validité du maillon le plus faible. La logique possibiliste [9] est un exemple typique de logique utilisant une base ordonnée, obtenue en affectant un degré de certitude (nécessité) à chaque formule, sur une échelle ordinale, et mettant en œuvre le principe du maillon le plus faible. C est une extension de la logique propositionnelle qui est saine et complète par rapport à une sémantique en termes de théorie des possibilités, où la notion d ensemble de modèles est remplacée par une distribution de possibilité sur les interprétations (qui sont alors plus ou moins plausibles). Elle permet notamment de traiter de façon naturelle des problèmes de gestion de l incohérence [1], de révision [10] et de fusion d informations [2]. Néanmoins on peut vouloir aller au delà de cette approche très simple. On peut s intéresser notamment à étendre la syntaxe pour donner un sens à des négations et des disjonctions de formules pondérées, rejoignant ainsi le cadre syntaxique de la logique modale [11] ; améliorer le traitement des degrés attachés aux formules en évitant les effets de noyade par le raffinement de la distribution de possibilité induite et une gestion plus efficace de l incohérence [1] ; rendre l approche plus qualitative, remplaçant les poids de certitude par des éléments d un treillis, ou par un ordre partiel [4]. Cet article présente quelques pistes qui concernent les deux derniers points, en s appuyant sur les travaux existants. La logique possibiliste exploite l équivalence entre la fermeture déductive pondérée au niveau des formules, et une distribution de possibilité sur les interprétations. Dans le cas d incohérence logique, elle choisit de raison-

2 ner avec l ensemble des formules de certitude supérieure au degré d incohérence global, ce qui peut laisser de côté des formules peu certaines non-impliquées dans l incohérence (effet de noyade). L idée étudiée ici est de préserver cette relation entre sémantique et syntaxe en affaiblissant le cadre algébrique (les préordres partiels), tout en étudiant des notions de fermeture plus puissantes que celle de la logique possibiliste. Les questions suivantes semblent pertinentes : Peut-on représenter un ensemble partiellement ordonné de formules par un ensemble partiellement ordonné de modèles? Peut-on représenter un ensemble partiellement ordonné de modèles par un ensemble partiellement ordonné de formules? L itération entre ces deux transformations atteint-elle un point fixe? Peut-on définir des règles d inférence qui rendent compte d une telle sémantique? Notons dans le cas d une base totalement ordonnée, comme c est le cas en logique possibiliste, le raffinement de la distribution de possibilité sur les modèles [1] peut engendrer un ordre partiel sur les formules. C est même le cas pour une base propositionnelle classique comme on le verra ci-dessous. 2 Représentations d un état épistémique On commence par formaliser la notion d état épistémique basé sur la notion d ordre partiel sous les angles syntaxique et sémantique. 2.1 Notations Un préordre partiel sur un ensemble fini S est une relation réflexive et transitive sur S, notée. La paire (S, ) est appelée ensemble partiellement ordonné. Plutôt que (s, s), on écrira s s. Comme souvent, est l ordre partiel strict déterminé par. s s est une abréviation de (s s) et non (s s )". C est une relation irréflexive et transitive sur S. s s est une abréviation de (s s) et (s s )". La relation est la relation d équivalence déterminée par. s s est une abréviation de ni (s s) ni (s s )". C est la relation d incomparabilité déterminée par. Si cette relation est vide on obtient un préordre complet. Soit (S, ) un ensemble partiellement ordonné, et X S. On dit que s X est maximal pour dans X si et seulement si nous n avons s s pour aucun s X. Max(X, ) représente l ensemble des éléments maximaux de dans X. Dans la suite on note V un ensemble de variables propositionnelles, L un langage propositionnel sur V, Ω l ensemble des interprétations de L, et K une base de formules finie construite sur L. 2.2 Représentation et Inférence Syntaxiques Du point de vue syntaxique, un état épistémique est représentable par un ensemble fini de formules propositionnelles muni d un préordre partiel. Soit donc (K, ) une base de formules partiellement ordonnée. Si φ et φ sont deux formules de K, φ φ s interprète comme " φ est au moins autant préférée que φ " (typiquement la première est plus certaine que la seconde si on modélise l incertitude ; on peut aussi vouloir dire plus prioritaire"). On peut interpréter (K, ) de deux façons : soit comme un ensemble d assertions de la forme φ ψ (ou φ ψ) considérées comme des contraintes, soit comme une préférence modifiable si contraire à la déduction classique. En effet, on peut juger irrationnel d affirmer φ ψ alors que φ = ψ, ce qu on peut considérer comme une contradiction sémantique. On ajoute alors à la notion d incohérence logique une autre cause d incohérence, ce qui peut sembler très restrictif. Si on considère que le respect de la déduction logique doit prendre le pas sur une déclaration de préference entre formules, il faut supprimer l assertion φ ψ comme incohérente avec φ = ψ. Cette dernière vision est d autant plus naturelle si la relation de préférence s interprète en termes de certitude (ce qu on supposera dans cet article) : en effet, si φ = ψ, ψ est forcément au moins aussi certain que φ. Dans le cas particulier où le préordre est total, il y a une représentation équivalente par une base stratifiée (K 1,, K n ) où tous les élements de K i sont de même niveau de préférence, et ceux de K i sont strictement préférés à ceux de K j si i > j. Dans ce cas, la logique possibiliste interprète φ K i comme le niveau minimal absolu de φ, et non comme une contrainte, c est à dire que φ peut finalement se retrouver au niveau j > i dans la fermeture déductive. Donc, la stratification de la base n est jamais une source d incohérence supplémentaire. Dans le cas d un ordre partiel sur K, la notion de "niveau absolu" n existe pas. Pour définir une méthode d inférence, on peut procéder de plusieurs façons : 1. Soit introduire des niveaux absolus. On peut alors se ramener à une généralisation de la logique possibiliste avec un ensemble de degrés de certitude formant un ensemble partiellement ordonné. 2. Soit considérer un ordre partiel comme la famille d ordres totaux qui le prolongent. Une base partiellement ordonnée est alors vue comme un ensemble de bases stratifiées possibles. 3. Soit raisonner directement avec des formules de type φ ψ dans un langage approprié.

3 4. Soit raisonner de façon classique avec des sousensembles consistants de formules choisies à l aide de l ordre partiel. La première approche a été étudiée en détail par Benferhat et Prade [4]. Soit (L K, ) un ensemble fini muni d une relation d ordre (donc antisymétrique) associé à K par un homomorphisme ι : K L K tel que φ ψ K ssi ι(φ) ι(ψ). L idée est de coder l ordre partiel sur L K ainsi que la base pondérée par un ensemble de clauses en logique classique et de raisonner classiquement. Le codage se fonde sur les principes suivants. Notons λ = {µ λ}. On peut alors coder toute inégalité λ 1 λ 2 dans (L K, ) comme A 2 A 1 avec A i = λ i, et toute paire symbolique (φ, λ) par A φ, avec A = λ. La deuxième approche est décrite par Yahi et al. [17]. On peut alors voir (K, ) comme un ensemble de stratifications possibles de K, et dire qu une conséquence ψ φ de (K, ) est telle que ψ est plus certain que φ (au sens de la logique possibliste) pour toutes les stratifications compatibles avec (K, ). Notons que dans la première approche, on peut voir la contrainte λ 1 λ 2 sur les poids symboliques des paires (φ 1, λ 1 ) et (φ 2, λ 2 ) comme une contrainte que doivent respecter des poids mal connus mais appartenant à une échelle totalement ordonnée. Dans la troisième approche, une question est de choisir les entités syntaxiques de base du langage qui code les préférences : Halpern [14] utilise des formules de type φ ψ, ce qui nécessite un surlangage qui encapsule les paires de propositions classiques, et des axiomes spécifiques qui décrivent des propriétés de la relation. Si on ajoute l axiome : si ψ = φ alors φ ψ, l inférence va trouver les contradictions sémantiques, ce qui permettra de réparer la base partiellement ordonnée, selon le caractère contraint au non des spécifications initiales. Avec la quatrième approche [3], on utilise l ordre partiel sur K pour sélectionner des sous-ensembles maximaux consistants préférés de formules, grâce aux relations d ordre généralisant les relations de possibilité induites par entre les sous-ensembles de formules [14]. On définit alors (K, ) φ si φ est conséquence de tous les sousensembles de formules préférées ainsi construits. Mais cette approche ne déduit pas de préférences entre formules. On pourrait dans ce but définir par exemple K φ ψ comme K ψ φ avec K ψ = {α : α ψ}. On obtient une contradiction avec l ordre partiel si K ψ φ, mais (K, ) est telle que ψ φ. On voit que l extension de la logique propositionnelle au cas de bases partiellement ordonnées ne va pas de soi et reste un problème ouvert. Dans la suite on rappelle quelques résultats qui permettent d étudier la question sous l angle sémantique. 2.3 Représentation Sémantique Sur le plan sémantique, un état épistémique est modélisé par un préordre partiel sur les interprétations d un langage propositionnel, soit (Ω, ). Si w et w représentent deux éléments de Ω, l assertion w w est interprétée comme " w est au moins aussi plausible que w ". Soit K l ensemble de croyances acceptées associé à (Ω, ). On le définit souvent comme l ensemble déductivement clos de formules dont les modèles forment l ensemble Max(Ω, ). Mais on peut vouloir aller plus loin et définir une fermeture déductive qui soit un ordre partiel induit par (Ω, ) sur le langage, (Ω, ) étant luimême induit par une base partiellement ordonnée (K, ). La question est maintenant : comment passer de (K, ) à (Ω, ) et réciproquement. De (K, ) à (Ω, ) : A partir d une base partiellement ordonnée, le problème est de construire un préordre partiel sur l ensemble des interprétations de K. Une approche naturelle est de comparer deux interprétations w et w en comparant des sous-ensembles de formules de K construits à partir de ces interprétations. Cette approche a été étudiée dans le cadre possibiliste pour les bases totalement ordonnées [9], mais aussi dans le cas partiellement ordonné [3]. De (Ω, ) à (K, ) : Partant d un préordre partiel de plausibilité sur Ω, le problème est de construire un préordre partiel sur l ensemble des formules du langage L. Pour cela il est naturel de comparer deux formules φ et φ en comparant les ensembles de modèles de φ et de φ. On note [φ] l ensemble des modèles de φ, un sous-ensemble de Ω. Les deux transformations se ramènent au problème d étendre un préordre partiel sur un ensemble S à un ordre partiel sur l ensemble des sous-ensembles de S. Ce problème a été notamment étudié dans[6, 14, 3]. 3 D un préordre sur un ensemble à un préordre sur ses parties Soit (S, ) un ensemble partiellement ordonné. Soient A et B des sous-ensembles de S. Une idée naturelle est de préférer A à B si les éléments maximaux de A sont préférés aux éléments maximaux de B. Cela étend la notion de mesure de possibilité. Des travaux précédents [14] ont mis en évidence deux façons de comparer les sous-ensembles de S : la forte et la faible. On dit que A est préféré à B : selon l approche forte, si au moins un élément de A est préféré à tous les éléments de B. selon l approche faible, si chaque élément de B est dominé par au moins un élément de A.

4 Différentes définitions peuvent alors être proposées selon qu on utilise un ordre strict ou non sur S. Néanmoins, ces deux approches coincident si l ordre est total, d où l intérêt de chercher la généralisation la plus naturelle. Par ailleurs, si on dispose d une relation de préordre partiel sur 2 S on peut considérer la relation duale d définie sur les ensembles complémentaires A et B par A d B ssi B A. Si exprime l idée de plausibilité relative (ce que nous supposerons dans la suite) d exprimera l idée de certitude relative (par exemple, si veut dire moins impossible que, alors d veut dire plus certain que en admettant que plus A est certain, moins son complément est possible). Néanmoins nous n étudierons pas ici ces relations duales. 3.1 Plausibilité relative forte On a deux options selon qu on définit la préférence stricte directement ou non. (i) A est fortement plus plausible que B si au moins un élément de A est strictement plus plausible que tous les éléments de B : Définition 1 Relation stricte de plausibilité forte A F Π( ) B ssi a A, b B, a b. Notons qu avec cette définition, si A, A F Π( ) et jamais F Π( ) B. La relation F Π( ) est un ordre partiel strict sur 2 S. (ii) A est au moins aussi plausible que B si au moins un élément de A est au moins aussi plausible que tous les éléments de B : Définition 2 Relation non-stricte de plausibilité forte A F Π( ) B ssi a A, b B, a b. dont la partie stricte est : Définition 3 A F Π( ) B ssi (A F Π( ) B) et non (B F Π( ) A). Notons qu avec cette définition, si A, A F Π( ). Proposition 1 On peut vérifier que La relation F Π( ) est transitive mais pas réflexive. Si A F Π( ) B alors A F Π( ) B. L inverse n est pas valide, sauf si est un ordre complet sur S. Si A F Π( ) B et B F Π( ) A, alors a b, a Max(A, ), b Max(B, ). Comme indiqué par Benferhat, Lagrue, Papini [3], la relation F Π( ) contient beaucoup d incomparabilités et ne respecte pas l inclusion : on peut avoir B A sans avoir A F Π( ) B. 3.2 Plausibilité relative faible Comme auparavant, on a deux options : (iii) A est faiblement plus plausible que B si pour chaque élément b de B, il existe un élément de A qui est strictement plus plausible que b : Définition 4 Relation stricte de plausibilité faible A f Π( ) B ssi b B, a A, a b. La relation f Π( ) est un ordre partiel strict sur 2S \. On a toujours A f Π( ), même si A est vide. Cette relation est étudiée par Halpern [14] qui la note s. (iv) A est au moins aussi plausible que B si pour chaque élément b de B, il existe un élément de A qui est au moins aussi plausible que b : Définition 5 Relation non-stricte de plausibilité faible A f Π( ) B ssi b B, a A, a b. Cette relation est étudiée par Halpern [14] qui la note s. Sa partie stricte est Définition 6 A f Π( ) B ssi (A f Π( ) B) et non (B f Π( ) A). On a toujours A f Π( ), mais pas f Π( ) B sauf si B est vide. Cette relation est étudiée par Halpern [14] qui la note. Proposition 2 On peut prouver que La relation f Π( ) est un préordre partiel sur 2S. Si A f Π( ) B alors A f Π( ) B. L inverse n est pas valide, sauf si est un ordre complet sur S. La proposition suivante montre que la relation de plausibilité faible est en conformité avec ce que l on souhaite pour représenter l incertitude en termes de plausibilité. Proposition 3 Les propriétés suivantes sont valides pour la relation de plausibilité faible f Π( ) : 1. Elle respecte l inclusion ensembliste : Si B A alors A f Π( ) B. 2. Elle est bien ordonnée : Si A f Π( ) B, A A, et B B, alors A f Π( ) B (également valable pour la contrepartie stricte f Π( ) ). 3. Elle est stable pour l union : Si A f Π( ) B alors A C f Π( ) B C. 4. Elle satisfait une propriété de négligeabilité : Si A f Π( ) B et A f Π( ) C, alors A f Π( ) B C.

5 La dernière propriété dit qu on ne peut compenser la plausibilité faible d un ensemble en lui ajoutant des éléments de plausibilité faible. La propriété de stabilité pour l union est, dans le cas totalement ordonné, typique des mesures de possibilité comparatives [15], c est à dire qu elles peuvent alors être représentables par des mesures de possibilité [7]. Dans le cas partiel elles sont équivalentes à des familles de mesures de possibilité [8]. Proposition 4 Les propriétés suivantes sont valides pour la relation stricte de plausibilité faible f Π( ) : Elle satisfait la propriété de négligeabilité. Elle est bien ordonnée. Elle est qualitative : Si A B f Π( ) C et A C f Π( ) B, alors A f Π( ) B C. Notons que la relation f Π( ) n est pas qualitative, comme le montre l exemple ci-dessous : Exemple 1 Soit A = {x, y}, B = {x} et supposons x et y incomparables. On a A f Π( ) B (et aussi A f Π( ) B). Mais si cette relation était qualitative, on conclurait {y} f Π( ) {x}, ou de manière équivalente y x, ce qui est faux. Cet exemple montre aussi que la relation stricte de plausibilité faible f Π( ) ne respecte pas l inclusion stricte. On peut avoir B A sans avoir A f Π( ) B, ce qui n est pas vraiment contre-intuitif, puisqu on n a pas B f Π( ) A. Bien sûr, les relations fortes sont plus fortes que les relations faibles, à savoir : Si A F Π( ) B alors A f Π( ) B. Si A F Π( ) B alors A f Π( ) B. L inverse n est vrai que si est un ordre complet sur S. De même, on a vu (Propositions 1 et 2) que les parties strictes des relations non-strictes sont en général plus discriminantes que les relations strictes. Dans le cas totalement ordonné on vérifie que La relation f Π( ) est un préordre complet sur 2S. Les relations f Π( ) et f Π( ) sont identiques. La proposition suivante concerne l adéquation des relations ci-dessus pour servir de sémantique à des systèmes d inférence contextuels en modélisant la connaissance dans le contexte B, A est vrai en général" par A B f Π( ) A B : Proposition 5 Clôture par déduction : Si A B f Π( ) A B et A C alors C B f Π( ) C B. Cependant, (A B f Π( ) A B et C B f Π( ) C B) n implique pas A C B f Π( ) A C B, ce qui infirme la clôture par conjonction. Remarque : Vers une caractérisation des préordres partiels de plausibilité faibles : Halpern [14] a étudié le problème de savoir si un préordre sur 2 S peut être engendré par un préordre sur S. Le seul résultat connu concerne les préordres complets : Si est un préordre complet sur 2 S qui est bien ordonné et qualitatif, alors il existe un préordre complet sur S tel que et f Π( ) coïncident sur 2S (un résultat similaire où on remplace ces propriétés par la stabilité pour l union est déjà dans [7], car dans ce cas il s agit bien d une mesure de possibilité comparative [15] caractérisée par un préordre complet de possibilité sur S). Dans le cas d un préordre partiel sur 2 S, si est engendré par, on doit avoir : a, b S, a b ssi {a} {b}. Supposons bien ordonné et satisfaisant la propriété de négligeabilité et définissons la relation a b par {a} {b}. Alors : Si A f Π( ) B alors A B. En effet, A f Π( ) B veut dire b B, a A, {a} {b}. Inversement, si A B, il est facile de prouver que b B, A {b}. Mais rien ne prouve que a A tel que {a} {b}. 4 Application aux bases partiellement ordonnées Soit (K, ) un ensemble fini partiellement ordonné de formules du langage propositionnel L construit sur V. On rappelle que K(w) désigne le sous-ensemble de formules de K satisfaites par l interprétation w Ω de L. On peut attacher une sémantique à φ ψ en termes d ordre partiel sur les interprétations, et à partir de là, reconstruire un ordre partiel sur L qui soit, autant que possible, en accord avec (K, ). On peut donc : D abord construire un préordre sur Ω à partir du préordre sur K. L idée est de comparer w et w en comparant des ensembles de formules induits par w et w, grâce aux définitions de la section précédente, ce qui donne plusieurs préordres possibles sur Ω, par exemple avec la relation = f Π( ). Puis, étant donné le préordre partiel (Ω, ), comparer deux formules φ et ψ en comparant leurs ensembles de modèles de la même façon. Quelques questions se posent naturellement : Le préordre partiel = Π( ) avec = f Π( ) est-il compatible avec? Dans quel sens? une définition stricte demanderait que préserve et le raffine. Mais ce n est pas le cas en logique possibiliste si les poids ne sont pas conformes à la déduction classique. Dans quelle mesure le préordre sur Ω compatible avec (K, ) est-il unique? Peut-on encore utiliser un principe d engagement minimal pour sélectionner un préordre sur Ω de façon non arbitraire?

6 4.1 Sémantiques de type possibiliste De (K, ) à (Ω, ) : Une première proposition est de comparer deux interprétations w et w en comparant les sous-ensembles de formules de K satisfaites par ces interprétations. Soit : " w est au moins aussi plausible que w " si pour chaque formule φ satisfaite par w, il existe une formule satisfaite par w préférée à φ. Une proposition duale consiste à comparer w et w au travers des sous-ensembles de formules de K falsifiées par ces interprétations. Soit : " w est au moins aussi plausible que w " si pour chaque formule φ falsifiée par w, il existe une formule falsifiée par w préférée à φ. De (Ω, ) à (K, ) : De la même façon, une première proposition est de définir "φ est au moins autant préféré que ψ" par [φ] f Π( ) [ψ]. On peut alternativement définir "φ est préféré à ψ" au sens large par [ ψ] f Π( ) [ φ]. Dans ce cas, on obtient une relation de nécessité comparative duale de f Π( ), que l on note N. Elle exprime l idée de certitude relative. En fait le choix doit être guidé par le sens des relations sur les familles d ensembles. Si (K, ) s interprète en termes de certitude relative, comparer les sous-ensembles de formules de K satisfaites par ces interprétations n a pas trop de sens si on veut une relation de plausibilité sur Ω. De même, partant de (Ω, ), on obtient une relation de plausibilité ou de certitude sur le langage. En particulier, il se peut que ne préserve pas, mais que ce soit le cas pour la relation duale. Comme en logique possibiliste on suppose que la relation exprime la certitude relative (nécessité), donc on utilise les définitions basées sur les formules falsifiées : Définition 7 Les relations induites par (K, ) sont respectivement : w w ssi K(w) f Π( ) K(w ). φ N ψ ssi [ψ] f Π( ) [φ]. Proposition 6 On vérifie que : La relation respecte l inclusion : Si K(w) K(w ) alors w w. Si la relation est un préordre complet, la sémantique est identique à celle de la logique possibiliste (ordre best out" dans [1]). Si φ est une conséquence logique de ψ, on a toujours φ N ψ. Une conséquence est que si l ordre partiel sur K viole l ordre partiel induit par l inférence classique, N ne va pas le raffiner, mais va le corriger. Exemple 2 Soit K = {x, y, x y} une base classique qu on interprète comme munie d une relation d équivalence entre les formules. En notant les quatre interprétations w 1 = {x, y}, w 2 = {x, y}, w 3 = { x, y}, w 4 = { x, y}, on trouve en vertu des inclusions que w 1 w i, i 1, les autres interprétations étant équivalentes. On retrouve alors que les formules de la base sont équivalentes par rapport à N. Si on interprète K comme munie d une relation d incomparabilité on trouve en vertu des inclusions, des inégalités strictes w 1 w 2, w 1 w 3, w 2 w 4, w 3 w 4, les interprétations w 2, w 3 étant incomparables. On trouve maintenant x N x y et y N x y. On a donc raffiné la base classique et obtenu une base partiellement ordonnée. Si enfin on suppose (de façon contre-intuitive) x y x, et l équivalence entre x et y, on retrouve (Ω, ) comme dans le cas de la base classique avec équivalence. On a donc N = N et on retrouve la base classique plate. On a corrigé la contradiction sémantique du départ. 4.2 Sémantique discrimax partiellement ordonnée Pour comparer deux sous-ensembles A et B de S, l ordre discrimax consiste à éliminer leur partie commune et se ramener à comparer A \ B et B \ A. Définition 8 A B ssi A \ B f Π( ) B \ A A B ssi A B et A \ B f Π( ) B \ A Ce type de raffinement des relations de possibilité n est pas nouveau : il permet d éviter l effet de noyade et de raffiner la relation d inclusion ensembliste stricte. Ces relations sont étudiées notamment par [6] et [13]. Elles coïncident avec f Π( ) et f Π( ) sur des ensembles disjoints. Ni la relation, ni sa partie stricte ne sont transitives, comme indiqué par le contrexemple suivant. Exemple 3 Soit S = {a 1, a 2, a 3, b 1, b 2, c} avec a 1 a 2 b 1 et a 1 c. Soit A = {a 1, a 2, a 3 }, B = {b 1, b 2 }, C = {a 1, a 2, c}. On a A B mais pas B A, B C mais pas C B mais on n a pas A C. La relation semble mieux fondée au vu des quelques propriétés suivantes : Proposition 7 La relation est un ordre partiel strict sur 2 S ; raffine l inclusion stricte : Si B A alors A B. De plus, 1. A B ssi B A (autodualité). 2. Si A (B C) = alors B C ssi A B A C (preadditivité). 3. Si A B = A C alors ( A B et A C) alors A (B C). 4. Si A B = A C = B C, (A C) B et (A B) C, alors A (B C).

7 Cette relation est donc auto-duale, et préadditive, comme les relations de probabilité comparative [12]. Elle généralise la construction déjà connue qui raffine les relations de possibilité complètes, sauf que c est ici un ordre partiel qui raffine un ordre partiel. Mais la troisième propriété montre sa proximité avec les relations de possibilité et n est vérifiée que pour les probabilités dites à grandes marches [8]. Même dans le cas totalement ordonné, la relation est partielle. Exemple 4 Soit S = {a, b, c} avec a c, b c et a b. Soit A = {a, c} et B = {b, c}. A et B are incomparable wrt la relation. De plus dans ce cas, la partie stricte de et la relation sont identiques. La propriété suivante compare les approches possibilistes et discrimax. Proposition 8 raffine f Π( ), à savoir : Si B f Π( ) A alors A B. Si A B alors B f Π( ) A. Mais en général, partant d un préordre partiel sur S, la relation f Π( ) n est pas raffinée par la relation, comme indiqué par le contrexemple suivant : Exemple 5 Soit S = {a 1, a 2, b, c 1, c 2 }avec a 1 b, a 2 b et c 1 c 2. Soit A = {a 1, a 2 } et B = {b}. On a B f Π( ) A mais pas A B. Nous pouvons appliquer les relations discrimax aux bases partiellement ordonnées pour interpréter φ ψ. Définition 9 De (K, ) à (Ω, ) : w d w ssi K(w ) K(w). w d w ssi K(w ) = K(w) or w d w De (Ω, ) à (K, ) : φ d ψ ssi [φ] [ψ]. φ d ψ ssi [ψ] = [φ] or φ d ψ. Proposition 9 On peut vérifier que : La relation d respecte l inclusion stricte : Si K(w) K(w ) alors w d w. Si φ est une conséquence logique de ψ mais pas l inverse, on a toujours φ d ψ. Dans le cas des bases classiques, on peut interpréter la base comme contenant des formules toutes équivalentes ou bien toutes incomparables. On a vu que ces deux lectures n étaient pas équivalentes dans la sémantique possibiliste. Néanmoins on trouve, avec : De K à (Ω, ) : w d w ssi K(w ) K(w) De (Ω, ) à (K, ) : φ d ψ ssi w [ψ] \ [φ], w [φ] \ [ψ] tel que K(w) K(w ). Donc il est facile de voir que φ d ψ ssi φ une conséquence logique stricte de ψ. Exemple 2 (suite) Soit encore K = {x, y, x y} avec =. En vertu des relations d inclusion stricte, on trouve w 1 d w 2, w 1 d w 3, w 2 d w 4, w 3 d w 4, comme dans la section précédente en supposant =. On obtient en retour x d x y, y d x y, x et y incomparables. Exemple 6 Soit K = {x, y, x y} sur le même langage. Si les formules de K sont indifférentes ou incomparables, les interprétations s ordonnent comme suit : w 2 d w 1 d w 3 et w 2 d w 4. On obtient x y d x. Si le préordre sur K est complet avec x y x et x y y, on obtient x y d x d y. Si le préordre sur K est complet avec x y x y, on obtient aussi x y d x d y. Exemple 7 K = {x, y, y}. Pour tout préordre sur K, on obtient w 1 d w 3 et w 2 d w 4. Donc, avec la reconstruction de l ordre sur les formules : Si y y, on obtient x d y et y d y. Si y et y sont incomparables et x n est pas strictement plus certain que y, ni que y, alors x, y et y sont incomparables pour d. 5 Conclusion Ce travail est très préliminaire. Une investigation systématique reste à faire. Néanmoins, ces premiers résultats semblent indiquer la richesse potentielle du sujet, qui peut se résumer ainsi : que devient la logique possibiliste quand on remplace les poids attachés aux formules par une relation d ordre partiel? On a vu que certains travaux existent sur ce thème, mais ils adoptent des points de vue différents les uns des autres et mettent souvent l accent sur la définition d une méthode d inférence et sa complexité. Notre article donne quelques pistes sur le passage des formules aux modèles et retour. On peut constater que les bases classiques peuvent s interpréter différemment dans le contexte des préordres partiels (formules indifférentes ou formules incomparables, pour une base plate), ce qui indique bien un enrichissement de la sémantique, même dans ce cas. Nos premiers résultats indiquent que beaucoup de notions importantes dans le cas d un ordre complet ont plusieurs définitions non équivalentes dans le cas partiel. Il s agit alors de trouver la définition la plus naturelle. Pour le passage d un ordre partiel sur un ensemble à l ordre partiel sur ses parties, il semble que ce soit la relation de plausibilité faible f Π( ), qui ait les meilleures propriétés. De plus,

8 nous considérons qu avant de définir une méthode d inférence, il faut passer par la sémantique pour définir une notion sémantique de fermeture déductive partiellement ordonnée d une base partiellement ordonnée. Cette question semble n avoir été que peu abordée, si ce n est par Halpern [14] et plus récemment Benferhat et Prade [4], avec des approches très différentes, et dont la compatibilité mutuelle reste à étudier. Très souvent, comme le montre l article de synthèse de Benferhat et Yahi [5], la fermeture déductive d une base partiellement ordonnée (K, ) est un ensemble déductivement clos au sens classique, obtenu à partir de sous-bases préférées qui sont définies de diverses manières grâce à l ordre partiel. Mais l ordre entre les formules est en quelque sorte perdu par le processus d inférence, qui souvent se réduit à l inférence classique si K est classiquement consistant. En revanche, notre projet est de définir une inférence qui préserve (en le corrigeant pour le rendre conforme à la déduction classique) et prolonge l ordre partiel sur K à tout le langage. Une fois la notion sémantique de fermeture partiellement ordonnée clarifiée, il conviendra de choisir la syntaxe, l axiomatisation et la technique d inférence adaptée. Cette étude aura des applications potentielles pour la révision et la fusion des croyances. Références [1] S. Benferhat, C. Cayrol, D. Dubois, J. Lang, and Henri Prade. Inconsistency management and prioritized syntax-based entailment. In Ruzena Bajcsy, editor, Proc. of the 13 th IJCAI, pages , Chambéry, France, Morgan-Kaufmann. [2] S. Benferhat, D. Dubois, S. Kaci, and H. Prade. Logique possibiliste et fusion d informations. Technique et Science Informatique, 22 : , [3] S. Benferhat, S. Lagrue, and O. Papini. Reasoning with partially ordered information in a possibilistic logic framework. Fuzzy Sets and Systems, 144(1) :25 41, [4] S. Benferhat and H. Prade. Encoding formulas with partially constrained weights in a possibilistic-like many-sorted propositional logic. In L. P. Kaelbling and A. Saffiotti, editors, IJCAI, pages Professional Book Center, [5] S. Benferhat and S. Yahi. Etude comparative des relations d inférence à partir de bases de croyance partiellement ordonnées. Revue d Intelligence Artificielle, 26 :39 61, [6] C. Cayrol, V. Royer, and C. Saurel. Management of preferences in assumption-based reasoning. In R. Yager and B. Bouchon, editors, Advanced methods in AI. Lecture notes in computer science 682, pages Springer Verlag, [7] D. Dubois. Belief structures, possibility theory and decomposable confidence measures on finite sets. Computers and Artificial Intelligence (Bratislava), 5 : , [8] D. Dubois, H. Fargier, and H. Prade. Ordinal and probabilistic representations of acceptance. J. Artificial Intelligence Res. (JAIR), 22 :23 56, [9] D. Dubois, J. Lang, and H. Prade. Possibilistic logic. In D.M. Gabbay, C.J. Hogger, J.A Robinson, and D. Nute, editors, Handbook of Logic in Artificial Intelligence and Logic Programming, Vol. 3, pages Oxford University Press, [10] D. Dubois and H. Prade. Epistemic entrenchment and possibilistic logic. Artificial Intelligence, 50(2) : , [11] D. Dubois, H. Prade, and S. Schockaert. Régles et métarègles en théorie des possibilités. Revue d Intelligence Artificielle, 26 : , [12] P. C. Fishburn. The axioms of subjective probability. Statistical Science, 1(3) : , [13] H. Geffner. Default reasoning : Causal and Conditional Theories. MIT Press, [14] J. Y. Halpern. Defining relative likelihood in partially-ordered preferential structures. Journal of Artificial intelligence Research, 7 :1 24, [15] D. Lewis. Counterfactuals and comparative possibility. Journal of Philosophical Logic, 2(4) : , [16] N. Rescher. Plausible Reasoning. Van Gorcum, Amsterdam, [17] S. Yahi, S. Benferhat, S. Lagrue, M. Sérayet, and O. Papini. A lexicographic inference for partially preordered belief bases. In G. Brewka and J. Lang, editors, KR, pages AAAI Press, 2008.

Utilisation des tableaux sémantiques dans les logiques de description

Utilisation des tableaux sémantiques dans les logiques de description Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca

Plus en détail

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal

Plus en détail

Aggregation of expert opinions and uncertainty theories

Aggregation of expert opinions and uncertainty theories Fusion d opinions d experts et théories de l incertain Aggregation of expert opinions and uncertainty theories Sebastien Destercke 1,2 Didier Dubois 1 Eric Chojnacki 2 1 Institut de Recherche en Informatique

Plus en détail

Problèmes de Mathématiques Filtres et ultrafiltres

Problèmes de Mathématiques Filtres et ultrafiltres Énoncé Soit E un ensemble non vide. On dit qu un sous-ensemble F de P(E) est un filtre sur E si (P 0 ) F. (P 1 ) (X, Y ) F 2, X Y F. (P 2 ) X F, Y P(E) : X Y Y F. (P 3 ) / F. Première Partie 1. Que dire

Plus en détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer

Plus en détail

Relation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices

Relation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices Lycée Pierre de Fermat 2012/2013 MPSI 1 Feuille d exercices Manipulation des relations d ordre. Relation d ordre Exercice 1. Soit E un ensemble fixé contenant au moins deux éléments. On considère la relation

Plus en détail

Principe de symétrisation pour la construction d un test adaptatif

Principe de symétrisation pour la construction d un test adaptatif Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université

Plus en détail

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

Plus en détail

Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence

Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence Gwenole Fortin To cite this version: Gwenole Fortin. Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence. 2006.

Plus en détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

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

Plus en détail

Limites finies en un point

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

Plus en détail

Chapitre 2. Eléments pour comprendre un énoncé

Chapitre 2. Eléments pour comprendre un énoncé Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données

Plus en détail

Corps des nombres complexes, J Paul Tsasa

Corps des nombres complexes, J Paul Tsasa Corps des nombres complexes, J Paul Tsasa One Pager Février 2013 Vol. 5 Num. 011 Copyright Laréq 2013 http://www.lareq.com Corps des Nombres Complexes Définitions, Règles de Calcul et Théorèmes «Les idiots

Plus en détail

Le produit semi-direct

Le produit semi-direct Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.

Plus en détail

Suites numériques 3. 1 Convergence et limite d une suite

Suites numériques 3. 1 Convergence et limite d une suite Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n

Plus en détail

Intelligence Artificielle Planification

Intelligence Artificielle Planification Intelligence Artificielle Planification Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes

Plus en détail

INF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies

INF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies INF 232: Langages et Automates Travaux Dirigés Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies Année Académique 2013-2014 Année Académique 2013-2014 UNIVERSITÉ JOSEPH

Plus en détail

Premiers exercices d Algèbre. Anne-Marie Simon

Premiers exercices d Algèbre. Anne-Marie Simon Premiers exercices d Algèbre Anne-Marie Simon première version: 17 août 2005 version corrigée et complétée le 12 octobre 2010 ii Table des matières 1 Quelques structures ensemblistes 1 1.0 Ensembles, relations,

Plus en détail

Théorèmes de Point Fixe et Applications 1

Théorèmes de Point Fixe et Applications 1 Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des

Plus en détail

CHAPITRE 5. Stratégies Mixtes

CHAPITRE 5. Stratégies Mixtes CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,

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

La mesure de Lebesgue sur la droite réelle

La mesure de Lebesgue sur la droite réelle Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et

Plus en détail

Initiation à la Programmation en Logique avec SISCtus Prolog

Initiation à la Programmation en Logique avec SISCtus Prolog Initiation à la Programmation en Logique avec SISCtus Prolog Identificateurs Ils sont représentés par une suite de caractères alphanumériques commençant par une lettre minuscule (les lettres accentuées

Plus en détail

Principe et règles d audit

Principe et règles d audit CHAPITRE 2 Principe et règles d audit 2.1. Principe d audit Le principe et les règles d audit suivent logiquement l exposé précédent. D abord, comme dans toute branche de l activité d une entreprise, l

Plus en détail

Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de

Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr

Plus en détail

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France. La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of

Plus en détail

Model checking temporisé

Model checking temporisé Model checking temporisé Béatrice Bérard LAMSADE Université Paris-Dauphine & CNRS berard@lamsade.dauphine.fr ETR 07, 5 septembre 2007 1/44 Nécessité de vérifier des systèmes... 2/44 Nécessité de vérifier

Plus en détail

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au

Plus en détail

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

Intégration et probabilités TD1 Espaces mesurés

Intégration et probabilités TD1 Espaces mesurés Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?

Plus en détail

Les indices à surplus constant

Les indices à surplus constant Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté

Plus en détail

Résolution de systèmes linéaires par des méthodes directes

Résolution de systèmes linéaires par des méthodes directes Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.

Plus en détail

6. Les différents types de démonstrations

6. Les différents types de démonstrations LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,

Plus en détail

Calculs de probabilités

Calculs de probabilités Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile

Plus en détail

Texte Agrégation limitée par diffusion interne

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

Plus en détail

PLAN NOTATIONS UTILISÉES

PLAN NOTATIONS UTILISÉES PLAN COURS 3 AGRÉGATION ORDINALE Master IAD DMDC PATRICE PERNY LIP6 Université Paris 6 1 2 2/29 NOTATIONS UTILISÉES I) O A : ordres complets sur A P A : Préordres sur A (complets ou partiels) PC A : Préordres

Plus en détail

FONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières

FONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières FONDEMENTS MATHÉMATIQUES 12 E ANNÉE Mathématiques financières A1. Résoudre des problèmes comportant des intérêts composés dans la prise de décisions financières. [C, L, RP, T, V] Résultat d apprentissage

Plus en détail

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers

Plus en détail

Représentation des Nombres

Représentation des Nombres Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...

Plus en détail

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Dualité dans les espaces de Lebesgue et mesures de Radon finies Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention

Plus en détail

Compte-rendu de Hamma B., La préposition en français

Compte-rendu de Hamma B., La préposition en français Compte-rendu de Hamma B., La préposition en français Badreddine Hamma To cite this version: Badreddine Hamma. Compte-rendu de Hamma B., La préposition en français. Revue française de linguistique appliquée,

Plus en détail

Bases de données Cours 5 : Base de données déductives

Bases de données Cours 5 : Base de données déductives Cours 5 : ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 Introduction 2 approche sémantique approche axiomatique

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

Introduction à l étude des Corps Finis

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

Plus en détail

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,

Plus en détail

UML est-il soluble dans les méthodes agiles?

UML est-il soluble dans les méthodes agiles? Pascal ROQUES Valtech Training UML est-il soluble dans les méthodes agiles? octobre 07 Résumé On entend beaucoup parler actuellement de deux approches ayant l'air fondamentalement opposées : l'approche

Plus en détail

Probabilités conditionnelles Exercices corrigés

Probabilités conditionnelles Exercices corrigés Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.

Plus en détail

PRIME D UNE OPTION D ACHAT OU DE VENTE

PRIME D UNE OPTION D ACHAT OU DE VENTE Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,

Plus en détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante

Plus en détail

1 Définition et premières propriétés des congruences

1 Définition et premières propriétés des congruences Université Paris 13, Institut Galilée Département de Mathématiques Licence 2ème année Informatique 2013-2014 Cours de Mathématiques pour l Informatique Des nombres aux structures Sylviane R. Schwer Leçon

Plus en détail

COMPTABILITÉ. PCG : provisions pour grosses réparations vs amortissements par composants. Cette étude a pour objet. reflexion. Résumé de l article

COMPTABILITÉ. PCG : provisions pour grosses réparations vs amortissements par composants. Cette étude a pour objet. reflexion. Résumé de l article PCG : provisions pour grosses réparations vs amortissements par composants Eric DELESALLE Expert-comptable, Commissaire aux comptes Professeur agrégé CNAM-INTEC Président de la Commission de droit comptable

Plus en détail

UNE EXPERIENCE, EN COURS PREPARATOIRE, POUR FAIRE ORGANISER DE L INFORMATION EN TABLEAU

UNE EXPERIENCE, EN COURS PREPARATOIRE, POUR FAIRE ORGANISER DE L INFORMATION EN TABLEAU Odile VERBAERE UNE EXPERIENCE, EN COURS PREPARATOIRE, POUR FAIRE ORGANISER DE L INFORMATION EN TABLEAU Résumé : Cet article présente une réflexion sur une activité de construction de tableau, y compris

Plus en détail

IUT de Laval Année Universitaire 2008/2009. Fiche 1. - Logique -

IUT de Laval Année Universitaire 2008/2009. Fiche 1. - Logique - IUT de Laval Année Universitaire 2008/2009 Département Informatique, 1ère année Mathématiques Discrètes Fiche 1 - Logique - 1 Logique Propositionnelle 1.1 Introduction Exercice 1 : Le professeur Leblond

Plus en détail

«Je pense, donc je suis» est une grande découverte

«Je pense, donc je suis» est une grande découverte 6 «Je pense, donc je suis» est une grande découverte Cette affaire-là est assez claire. On lit dans le Discours de la méthode, Quatrième Partie : «[ ] Je me résolus de feindre que toutes les choses qui

Plus en détail

Sur le grossissement des divers appareils pour la mesure des angles par la réflexion d un faisceau lumineux sur un miroir mobile

Sur le grossissement des divers appareils pour la mesure des angles par la réflexion d un faisceau lumineux sur un miroir mobile Sur le grossissement des divers appareils pour la mesure des angles par la réflexion d un faisceau lumineux sur un miroir mobile W. Lermantoff To cite this version: W. Lermantoff. Sur le grossissement

Plus en détail

Algorithmique et Programmation Fonctionnelle

Algorithmique et Programmation Fonctionnelle Algorithmique et Programmation Fonctionnelle RICM3 Cours 9 : Lambda-calcul Benjamin Wack Polytech 2014-2015 1 / 35 La dernière fois Typage Polymorphisme Inférence de type 2 / 35 Plan Contexte λ-termes

Plus en détail

Encryptions, compression et partitionnement des données

Encryptions, compression et partitionnement des données Encryptions, compression et partitionnement des données Version 1.0 Grégory CASANOVA 2 Compression, encryption et partitionnement des données Sommaire 1 Introduction... 3 2 Encryption transparente des

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

Théorie et codage de l information

Théorie et codage de l information Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q

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

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes. Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de

Plus en détail

Programmation linéaire

Programmation linéaire Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire

Plus en détail

Logique : ENSIIE 1A - contrôle final

Logique : ENSIIE 1A - contrôle final 1 Logique : ENSIIE 1A - contrôle final - CORRIGÉ Mardi 11 mai 2010 - Sans documents - Sans calculatrice ni ordinateur Durée : 1h30 Les exercices sont indépendants. Exercice 1 (Logique du premier ordre

Plus en détail

Chapitre 1 : Évolution COURS

Chapitre 1 : Évolution COURS Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir

Plus en détail

Continuité en un point

Continuité en un point DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à

Plus en détail

Jeux sous forme extensive (Jeux dynamiques)

Jeux sous forme extensive (Jeux dynamiques) (Jeux dynamiques) Plan du chapitre ( juillet 008) / éfinitions, exemples et équivalences Arbres de jeux, information et mémoire tratégies et réduction en forme normale Équilibre de Nash parfait en sous-jeux

Plus en détail

Date : 18.11.2013 Tangram en carré page

Date : 18.11.2013 Tangram en carré page Date : 18.11.2013 Tangram en carré page Titre : Tangram en carré Numéro de la dernière page : 14 Degrés : 1 e 4 e du Collège Durée : 90 minutes Résumé : Le jeu de Tangram (appelé en chinois les sept planches

Plus en détail

M2 IAD UE MODE Notes de cours (3)

M2 IAD UE MODE Notes de cours (3) M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de

Plus en détail

Le langage SQL Rappels

Le langage SQL Rappels Le langage SQL Rappels Description du thème : Présentation des principales notions nécessaires pour réaliser des requêtes SQL Mots-clés : Niveau : Bases de données relationnelles, Open Office, champs,

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur

Plus en détail

Calcul fonctionnel holomorphe dans les algèbres de Banach

Calcul fonctionnel holomorphe dans les algèbres de Banach Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte

Plus en détail

UEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.

UEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux. UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases

Plus en détail

Plan du cours : Zippers. Des fonctions sur les listes avec position. Des fonctions sur les listes avec position

Plan du cours : Zippers. Des fonctions sur les listes avec position. Des fonctions sur les listes avec position Plan du cours : Le problème : naviguer efficacement une structure de données Ce qui ne marche pas Ce qui marche : les de Huet Exemples Comment dériver des pour tout type de données Pour en savoir plus

Plus en détail

Cadre formel pour la modélisation de la gestion des processus métier par une équipe médicale interdisciplinaire

Cadre formel pour la modélisation de la gestion des processus métier par une équipe médicale interdisciplinaire Cadre formel pour la modélisation de la gestion des processus métier par une équipe médicale interdisciplinaire Mounira Kezadri-Hamiaz 1, Daniela Rosu 1, Szymon Wilk 2, Craig Kuziemsky 1, Wojtek Michalowski

Plus en détail

Chap. 3: Le modèle de données entité-association (E.A.)

Chap. 3: Le modèle de données entité-association (E.A.) Chap. 3: Le modèle de données entité-association (E.A.) En anglais: Entity-Relationship (ER) Origines: C.Bachman (1969), P.Chen (1976). Modèle de données > décrire la réalité perçue à travers les données

Plus en détail

www.h-k.fr/publications/objectif-agregation

www.h-k.fr/publications/objectif-agregation «Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se

Plus en détail

Cours de mathématiques

Cours de mathématiques DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................

Plus en détail

Démarches d urbanisation : réorganiser le Système d Information en structurant ses fonctions dans des blocs fonctionnels communicants.

Démarches d urbanisation : réorganiser le Système d Information en structurant ses fonctions dans des blocs fonctionnels communicants. Plan du chapitre Master Informatique et Systèmes Urbanisation des Systèmes d Information Architecture d Entreprise 04 Architecture du SI : identifier et décrire les services, structurer le SI 1 2 3 4 5

Plus en détail

avec des nombres entiers

avec des nombres entiers Calculer avec des nombres entiers Effectuez les calculs suivants.. + 9 + 9. Calculez. 9 9 Calculez le quotient et le rest. : : : : 0 :. : : 9 : : 9 0 : 0. 9 9 0 9. Calculez. 9 0 9. : : 0 : 9 : :. : : 0

Plus en détail

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services 69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard

Plus en détail

UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES. Éric TÉROUANNE 1

UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES. Éric TÉROUANNE 1 33 Math. Inf. Sci. hum., (33 e année, n 130, 1995, pp.33-42) UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES Éric TÉROUANNE 1 RÉSUMÉ Le stéréogramme de liaison est

Plus en détail

Rapport d'analyse des besoins

Rapport d'analyse des besoins Projet ANR 2011 - BR4CP (Business Recommendation for Configurable products) Rapport d'analyse des besoins Janvier 2013 Rapport IRIT/RR--2013-17 FR Redacteur : 0. Lhomme Introduction...4 La configuration

Plus en détail

Définitions. Numéro à préciser. (Durée : )

Définitions. Numéro à préciser. (Durée : ) Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.

Plus en détail

Urbanisation des Systèmes d Information Architecture d Entreprise. 04 Architecture du SI : identifier et décrire les services, structurer le SI

Urbanisation des Systèmes d Information Architecture d Entreprise. 04 Architecture du SI : identifier et décrire les services, structurer le SI Plan du chapitre Master Informatique et Systèmes Urbanisation des Systèmes d Information Architecture d Entreprise 04 Architecture du SI : identifier et décrire les services, structurer le SI 1 2 3 1.1

Plus en détail

Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe

Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe des n n groupes quantiques compacts qui ont la théorie

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

Préparer un état de l art

Préparer un état de l art Préparer un état de l art Khalil DRIRA LAAS-CNRS, Toulouse Unité de recherche ReDCAD École Nationale d ingénieurs de Sfax Étude de l état de l art? Une étude ciblée, approfondie et critique des travaux

Plus en détail

Continuité d une fonction de plusieurs variables

Continuité d une fonction de plusieurs variables Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs

Plus en détail

Commission du marché intérieur et de la protection du consommateur DOCUMENT DE TRAVAIL

Commission du marché intérieur et de la protection du consommateur DOCUMENT DE TRAVAIL PARLEMENT EUROPÉEN 2009-2014 Commission du marché intérieur et de la protection du consommateur 3.3.2010 DOCUMENT DE TRAVAIL sur la proposition de directive relative aux droits des consommateurs - COM(2008)614/3-2008/0196(COD)

Plus en détail

Développement itératif, évolutif et agile

Développement itératif, évolutif et agile Document Développement itératif, évolutif et agile Auteur Nicoleta SERGI Version 1.0 Date de sortie 23/11/2007 1. Processus Unifié Développement itératif, évolutif et agile Contrairement au cycle de vie

Plus en détail

MapReduce. Malo Jaffré, Pablo Rauzy. 16 avril 2010 ENS. Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15

MapReduce. Malo Jaffré, Pablo Rauzy. 16 avril 2010 ENS. Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15 MapReduce Malo Jaffré, Pablo Rauzy ENS 16 avril 2010 Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15 Qu est ce que c est? Conceptuellement Données MapReduce est un framework de calcul distribué

Plus en détail

Théorie de la Mesure et Intégration

Théorie de la Mesure et Intégration Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT

Plus en détail

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015 Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k

Plus en détail

Natixis Asset Management Response to the European Commission Green Paper on shadow banking

Natixis Asset Management Response to the European Commission Green Paper on shadow banking European Commission DG MARKT Unit 02 Rue de Spa, 2 1049 Brussels Belgium markt-consultation-shadow-banking@ec.europa.eu 14 th June 2012 Natixis Asset Management Response to the European Commission Green

Plus en détail

Cours de Master Recherche

Cours de Master Recherche Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction

Plus en détail

Modélisation et Simulation

Modélisation et Simulation Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation

Plus en détail

Qu est-ce qu une probabilité?

Qu est-ce qu une probabilité? Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont

Plus en détail

Inégalités de salaires et de revenus, la stabilité dans l hétérogénéité

Inégalités de salaires et de revenus, la stabilité dans l hétérogénéité Inégalités de salaires et de revenus, la stabilité dans l hétérogénéité Gérard Cornilleau Des inégalités contenues, des classes moyennes fragiles Le débat sur les salaires n est plus aujourd hui dominé

Plus en détail

Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R

Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences

Plus en détail

Gé nié Logiciél Livré Blanc

Gé nié Logiciél Livré Blanc Gé nié Logiciél Livré Blanc Version 0.2 26 Octobre 2011 Xavier Blanc Xavier.Blanc@labri.fr Partie I : Les Bases Sans donner des définitions trop rigoureuses, il faut bien commencer ce livre par énoncer

Plus en détail