L enseignement des probabilités à Telecom Paristech

Dimension: px
Commencer à balayer dès la page:

Download "L enseignement des probabilités à Telecom Paristech"

Transcription

1 L enseignement des probabilités à Telecom Paristech L. Decreusefond TPT L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 1 / 39

2 1 Enjeux 2 Difficultés 3 Modèle de Cox-Ross-Rubinstein Modèle à 1 période Modèle à plusieurs périodes Espace de Rademacher et calcul de Malliavin L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 2 / 39

3 Enjeux Le contexte Pas de résistance des matériaux, pas de mécanique, pas de thermodynamique, etc Mais, du traitement du signal et de l image des communications numériques des réseaux et de l informatique L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 4 / 39

4 Enjeux Le cours de probabilités En tronc commun, 40 heures de cours/td en petites classes L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 5 / 39

5 Enjeux Compétences Formaliser mathématiquement un phénomène aléatoire Résoudre un problème formalisé en termes relevant de la théorie des probabilités Document du groupe CTI L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 6 / 39

6 Difficultés Ce qui n est pas difficile (pédagogiquement) Dénombrements (ce n est pas le cœur de l enseignement) Les calculs de loi image par difféomorphisme Théorèmes abstraits admis (existence de la mesure de Lebesgue, classe monotone,...) : existence d un espace de probas qui rende compte d une suite infinie de pile/face. L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 8 / 39

7 Difficultés Hétérogénéité Des origines différentes : environ 150 étudiants, 50% MP, 16% PC, 16% PSI, 2% TSI, 16% AST-L Des attendus différents : 15 % vont se lancer dans le parcours «Finances» L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 9 / 39

8 Difficultés Qu est-ce qui se caractérise par... une fonction positive d intégrale 1 une fonction croissante, nulle en, qui vaut 1 en + une fonction holomorphe sur le disque unité suites de nombres positifs de somme 1 une transformée de Fourier? Une mesure L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 10 / 39

9 Difficultés Indépendance et conditionnement La modélisation = variables aléatoires Les calculs = lois Calculs uni-dimensionnel : application des outils d analyse (séries, intégrales) Somme de 2 v.a. indépendantes convolution des 2 lois Dès que plus de 2 v.a. : représentation de la dépendance L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 11 / 39

10 Difficultés Les probas en CPGE : une bonne idée? Dans la continuité des enseignements de Terminale Un rafraîchissement des programmes Un autre mode de raisonnement Des mises en perspective du cours de maths : théorie des ensembles, séries génératrices, matrices Une réelle ouverture à la modélisation Se limiter aux probas sur un espace dénombrable L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 12 / 39

11 Modèle binomial Modèle de Cox-Ross-Rubinstein Modèle à 1 période Actif sûr Actif risqué X 0 (1 + r) p S u = S 0 u X 0 S 0 1 p S d = S 0 d Valeur du contrat : { V u si S 1 = S u V d si S 1 = S d. L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 14 / 39

12 Modèle à 1 période Call européen V u = (S 0 u K) + et V d = (S 0 d K) +. C est la valeur d une option d achat (call) sur l actif. Une option d achat de prix d exercice K est le droit d acheter l actif sous-jacent au prix K à l instant T. Si le prix réel S 0 u est supérieur à K, le détenteur du call exerce son droit d achat et revend aussitôt. Il gagne donc S 0 u K. Sinon, le détenteur du call ne fait rien et donc ne gagne, ni ne perd. L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 15 / 39

13 Modèle à 1 période Question 3 paramètres S 0 prix initial K prix d exercice T maturité 2 questions Prix du contrat Stratégie de couverture L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 16 / 39

14 Modèle à 1 période Principe X 0 : prix de vente du contrat α 0 : nombre de parts de l actif S achetées à l instant 0. Fortune finale X 1 = α 0 S 1 + (1 + r)(x 0 α 0 S 0 ). On veut que X 1 = V 1. L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 17 / 39

15 Calculs Modèle de Cox-Ross-Rubinstein Modèle à 1 période S 1 = S 0 u S 1 = S 0 d V u = α 0 S 0 u + (1 + r)(x 0 α 0 S 0 ). V d = α 0 S 0 d + (1 + r)(x 0 α 0 S 0 ). { S0 (u 1 r)α 0 + (1 + r)x 0 = V u S 0 (d 1 r)α 0 + (1 + r)x 0 = V d L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 18 / 39

16 Modèle à 1 période Résultats α 0 = V u V d S 0 (u d) = V u V d S u S d X 0 = 1 ( 1 + r d V u + u 1 r ) V d 1 + r u d u d = r E p [V 1 ]. L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 19 / 39

17 Modèle à 1 période Commentaires Le prix et la stratégie de couverture ne dépendent pas de la probabilité a priori. Seuls deux paramètres comptent : u et d. Risque uniquement lié au modèle. Comment estimer u et d? On ne peut pas envisager un modèle où l actif peut prendre plus de 2 valeurs. L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 20 / 39

18 Modèle à plusieurs périodes Modèle à 3 périodes S 0 = 4 ; r = 0, 4 u = 2, d = 1/2 donc p = 1/2. Contrat = call européen maturité 3, prix d exercice 6. L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 21 / 39

19 Modèle à plusieurs périodes S 0 = 4X 0 = 4 X 0 = 4/(1,25) 3 = 2, 05 S 1 = 8X 1 = 7,5S 1 = 2X 1 = 0,5 S 2 = 16X 2 = 14S 2 = S 2 4X = 2 4= 1 S 2 = 1X 2 = 0 S 3 = 32X 3 = 26S 3 = S 3 8X = 3 8= 2 S 3 = S 3 2X = 3 2= 0 S 3 = 0,5X 3 = 0 Figure: Evolution à 3 pas L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 22 / 39

20 Formules Modèle de Cox-Ross-Rubinstein Modèle à plusieurs périodes Prix Stratégie de couverture Prix = 1 (1 + r) N E p [V N ]. α k = E 1/2 [D k V N F k ] D k S k L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 23 / 39

21 Modèle à plusieurs périodes Méthode Remonter l arbre : trop long! Être malin! On suppose r = 0 (juste pour simplifier la présentation) L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 24 / 39

22 Modèle à plusieurs périodes Objectif Il suffit de trouver γ 0,, γ N tels que N 1 V N = E 1/2 [V N ] X 0 + γ j (S j+1 S j ). j=0 L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 25 / 39

23 Espace de Rademacher et calcul de Malliavin Espace de Rademacher Aléa contenu dans Ω = { 1, 1} N { 1, 1} N =espace de rademacher U j (ω) = ω j Sous P p, les (U j, j 1) sont iid de loi P p (U j = 1) = p = 1 P p (U j = 1) L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 26 / 39

24 Prix Modèle de Cox-Ross-Rubinstein Espace de Rademacher et calcul de Malliavin Si U j = 1 alors S j = S j 1 u Si U j = 1 alors S J = S j 1 d par conséquent ( ) u + d k k S k = (1 + u d 2 u + d U j) j=1 L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 27 / 39

25 Espace de Rademacher et calcul de Malliavin Objectif Il suffit de trouver γ 0,, γ N tels que N 1 V N = E 1/2 [V N ] U 0 + γ j (S j+1 S j ). j=0 L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 28 / 39

26 Espace de Rademacher et calcul de Malliavin Opérateur de différence D k F (U 1,, U N ) = 1 2 (F (U+ k ) F (U k )) = E 1/2 [U k F U l, l k] où U k + = (U 1,, U k 1, 1, U k+1, ) Uk = (U 1,, U k 1, 1, U k+1, ) Exemple D k (1 + p k U k ) = 1 2 (1 + p k (1 p k )) = p k L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 29 / 39

27 Formule de Clark Modèle de Cox-Ross-Rubinstein Espace de Rademacher et calcul de Malliavin Théorème N F = E 1/2 [F ] + β k U k. k=1 ] β k = E 1/2 [D k F U 1,, U k 1 L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 30 / 39

28 Espace de Rademacher et calcul de Malliavin Définition Les fonctions cylindriques sont les fonctions de la forme ρ j déterministe. N F = (1 + ρ j U j ), j=1 L espace vectoriel engendré par les fonctions cylindriques est dense dans L 2. L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 31 / 39

29 Espace de Rademacher et calcul de Malliavin Preuve F N = σ(u 1,, U N ), F L 2 = L 2 lim N E 1/2 [F F N ] E 1/2 [F F N ] = F N (U 1,, U N ) N = 1 0 = E 1/2 [F 1 (U 1 )(1 + ρ 1 U 1 )] ρ 1 = 1 2 [ρ 1 (F 1 (1) F 1 ( 1)) + F 1 (1) + F 1 ( 1)] Donc F 1 (1) F 1 ( 1) = 0 et F 1 (1) + F 1 ( 1) = 0 donc F 1 0 L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 32 / 39

30 Espace de Rademacher et calcul de Malliavin N quelconque F N ± (U 1,, U N 1 ) = F N (U 1,, U N 1, ±1) En notant Z N = N j=1 (1 + ρ j U j ), pour tout ρ N on a 0 = E 1/2 F N N j=1 On conclut par récurrence ] (1 + ρ j U j ) = ρ N E 1/2 [(F N + F N )Z N 1 ] + E 1/2 [(F N + + F N )Z N 1 L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 33 / 39

31 Itô-Clark Modèle de Cox-Ross-Rubinstein Espace de Rademacher et calcul de Malliavin Pour F L 2, on a F = E 1/2 [F ] + k E 1/2 [D k F U 1,, U k 1 ] U k. (1) L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 34 / 39

32 Espace de Rademacher et calcul de Malliavin Preuve Par récurrence Z k = j k (1 + ρ ju j ). Z k = 1 + k j=1 Z j 1 ρ j U j Vrai pour k = 0 et k = 1. Si c est vrai au rang k, on a k Z k+1 = Z k (1 + ρ k+1 U k+1 ) = (1 + Z j 1 ρ j U j ) + Z k ρ k+1 U k+1 j=1 k+1 = 1 + Z j 1 ρ j U j. j=1 L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 35 / 39

33 Espace de Rademacher et calcul de Malliavin Donc c est vrai pour F E. Il suffit de montrer que l application Θ : E L 2 L 2 (Ω; l 2 (N)) est prolongeable par continuité sur L 2. Or pour F E, F (k E 1/2 [D k F F k 1 ]) F = E 1/2 [F ] + k E 1/2 [D k F F k 1 ] U k donc E 1/2 [ (F E 1/2 [F ]) 2] = E 1/2 [ k E 1/2 [D k F F k 1 ] 2 ] = ΘF 2 L 2 (Ω; l 2 (N)). L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 36 / 39

34 Conséquence Modèle de Cox-Ross-Rubinstein Espace de Rademacher et calcul de Malliavin S j = S j 1 (1 + u d u + d U j) u d S j S j 1 = S j 1 u + d U j D j S j = 1 [ 2 S j u d u + d (1 u d ] u + d ) u d = S j 1 u + d S j S j 1 = D j S j U j L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 37 / 39

35 Espace de Rademacher et calcul de Malliavin Application à V N N V N = U 0 + E 1/2 [D j V N F j ] U j j=1 N E 1/2 [D j V N F j ] = U 0 + (S j S j 1 ) D j=1 j S j L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 38 / 39

36 Espace de Rademacher et calcul de Malliavin Références On trouvera l étude complète de l espace de Rademacher à travers les chaos dans N. Privault, Stochastic analysis in discrete and continuous settings with normal martingales, volume 1982 of Lecture Notes in Mathematics, Springer, L. Decreusefond (TPT) L enseignement des probabilités à Telecom Paristech 39 / 39

Le modèle de Black et Scholes

Le modèle de Black et Scholes Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un

Plus en détail

Probabilités III Introduction à l évaluation d options

Probabilités III Introduction à l évaluation d options Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un

Plus en détail

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois

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

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

Loi binomiale Lois normales

Loi binomiale Lois normales Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli

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

Les mathématiques de la finance Université d été de Sourdun Olivier Bardou olivier.bardou@gdfsuez.com 28 août 2012 De quoi allons nous parler? des principales hypothèses de modélisation des marchés, des

Plus en détail

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34 Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme

Plus en détail

Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1

Master IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1 Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs

Plus en détail

PROBABILITES ET STATISTIQUE I&II

PROBABILITES ET STATISTIQUE I&II PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits

Plus en détail

Moments des variables aléatoires réelles

Moments des variables aléatoires réelles Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................

Plus en 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

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles à Événements Discrets. Réseaux de Petri Stochastiques Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés

Plus en détail

Algorithmes de Transmission et de Recherche de l Information dans les Réseaux de Communication. Philippe Robert INRIA Paris-Rocquencourt

Algorithmes de Transmission et de Recherche de l Information dans les Réseaux de Communication. Philippe Robert INRIA Paris-Rocquencourt Algorithmes de Transmission et de Recherche de l Information dans les Réseaux de Communication Philippe Robert INRIA Paris-Rocquencourt Le 2 juin 2010 Présentation Directeur de recherche à l INRIA Institut

Plus en détail

Simulation de variables aléatoires

Simulation de variables aléatoires Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo

Plus en détail

NOTICE DOUBLE DIPLÔME

NOTICE DOUBLE DIPLÔME NOTICE DOUBLE DIPLÔME MINES ParisTech / HEC MINES ParisTech/ AgroParisTech Diplômes obtenus : Diplôme d ingénieur de l Ecole des Mines de Paris Diplôme de HEC Paris Ou Diplôme d ingénieur de l Ecole des

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

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 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

Plan du cours : électricité 1

Plan du cours : électricité 1 Semestre : S2 Module Physique II 1 Electricité 1 2 Optique géométrique Plan du cours : électricité 1 Partie A : Electrostatique (discipline de l étude des phénomènes liés aux distributions de charges stationnaires)

Plus en détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - Polynômes : corrigé. Opérations sur les polynômes Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)

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

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

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

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire

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

Maîtrise universitaire ès sciences en mathématiques 2012-2013

Maîtrise universitaire ès sciences en mathématiques 2012-2013 1 / 6 Remarques liminaires : Ce master à (3 semestres) permet 2 orientations distinctes : - Un master général : "Mathématiques, Systèmes dynamiques et phénomènes d'évolution" - Un master qui permet de

Plus en détail

3. Conditionnement P (B)

3. Conditionnement P (B) Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte

Plus en détail

Options, Futures, Parité call put

Options, Futures, Parité call put Département de Mathématiques TD Finance / Mathématiques Financières Options, Futures, Parité call put Exercice 1 Quelle est la différence entre (a) prendre une position longue sur un forward avec un prix

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

Résumé des communications des Intervenants

Résumé des communications des Intervenants Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit

Plus en détail

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.

I. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème. I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous

Plus en détail

MARTINGALES POUR LA FINANCE

MARTINGALES POUR LA FINANCE MARTINGALES POUR LA FINANCE une introduction aux mathématiques financières Christophe Giraud Cours et Exercices corrigés. Table des matières I Le Cours 7 0 Introduction 8 0.1 Les produits dérivés...............................

Plus en détail

Théorie Financière 8 P. rod i u t its dé dérivés

Théorie Financière 8 P. rod i u t its dé dérivés Théorie Financière 8P 8. Produits dit dérivés déié Objectifsdelasession session 1. Définir les produits dérivés (forward, futures et options (calls et puts) 2. Analyser les flux financiers terminaux 3.

Plus en détail

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options

TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce

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

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

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

Plus en détail

Théorie de la Mesure et Intégration

Théorie de la Mesure et Intégration Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble

Plus en détail

Estimation et tests statistiques, TD 5. Solutions

Estimation et tests statistiques, TD 5. Solutions ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études

Plus en détail

Prix et couverture d une option d achat

Prix et couverture d une option d achat Chapitre 1 Prix et couverture d une option d achat Dans cette première leçon, on explique comment on peut calculer le prix d un contrat d option en évaluant celui d un portefeuille de couverture de cette

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

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

Dunod, Paris, 2014 ISBN 978-2-10-059615-7

Dunod, Paris, 2014 ISBN 978-2-10-059615-7 Illustration de couverture : Federo-istock.com Dunod, Paris, 2014 ISBN 978-2-10-059615-7 1.1 Symétrie du hasard et probabilité uniforme 3 1.2 Loi de probabilité sur un ensemble fini 6 1.3 Probabilité sur

Plus en détail

OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)

OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour

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

Valorisation d es des options Novembre 2007

Valorisation d es des options Novembre 2007 Valorisation des options Novembre 2007 Plan Rappels Relations de prix Le modèle binomial Le modèle de Black-Scholes Les grecques Page 2 Rappels (1) Définition Une option est un contrat financier qui confère

Plus en détail

Licence STS mention Mathématiques Parcours Ingénieur Télécom Bretagne (ITB)

Licence STS mention Mathématiques Parcours Ingénieur Télécom Bretagne (ITB) Licence STS mention Mathématiques Parcours Ingénieur Télécom Bretagne (ITB) FICHE D IDENTITE DE LA FORMATION Domaine de formation : Sciences, Technologies, Santé Intitulé : Licence Sciences, Technologies,

Plus en détail

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme? Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version

Plus en détail

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme? Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version

Plus en détail

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

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

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****

Plus en détail

Sur certaines séries entières particulières

Sur certaines séries entières particulières ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane

Plus en détail

CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité

CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité 1 CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité Une situation fréquente en pratique est de disposer non pas d un résultat mais de plusieurs. Le cas se présente en assurance, par exemple :

Plus en détail

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

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables

Plus en détail

Développement décimal d un réel

Développement décimal d un réel 4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce

Plus en détail

FICHE UE Licence/Master Sciences, Technologies, Santé Mention Informatique

FICHE UE Licence/Master Sciences, Technologies, Santé Mention Informatique NOM DE L'UE : Algorithmique et programmation C++ LICENCE INFORMATIQUE Non Alt Alt S1 S2 S3 S4 S5 S6 Parcours : IL (Ingénierie Logicielle) SRI (Systèmes et Réseaux Informatiques) MASTER INFORMATIQUE Non

Plus en détail

Master of Science en mathématiques 2013-2014

Master of Science en mathématiques 2013-2014 Remarques liminaires : 1 Ce master à (3 semestres) permet 2 orientations distinctes : 1) Un master général en mathématiques 2) Un master qui permet de choisir des mineurs en finance, statistique, informatique

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

Attitude des ménages face au risque. M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014

Attitude des ménages face au risque. M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014 Attitude des ménages face au risque - M1 - Arnold Chassagnon, Université de Tours, PSE - Automne 2014 Plan du cours 1. Introduction : demande de couverture et comportements induits pa 2. Représentations

Plus en détail

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

Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre

Plus en détail

MATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA

MATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option

Plus en détail

Des conditions d accueil privilégiées au lycée Couperin

Des conditions d accueil privilégiées au lycée Couperin Pourquoi "oser la prépa ECE "? La CPGE ECE (classe préparatoire aux grandes écoles économique et commerciale voie économique) appelée aussi prépa HEC voie éco est un tremplin d accès aux grandes écoles

Plus en détail

Master of Science en mathématiques 2015-2016

Master of Science en mathématiques 2015-2016 Remarques liminaires : 1/9 Ce master à 90 ECTS (3 semestres) permet 2 orientations distinctes : - Un master général en mathématiques - Un master qui permet de choisir des mineurs en finance, statistique

Plus en détail

Théorie des probabilités

Théorie des probabilités Théorie des probabilités LAVOISIER, 2008 LAVOISIER 11, rue Lavoisier 75008 Paris www.hermes-science.com www.lavoisier.fr ISBN 978-2-7462-1720-1 ISSN 1952 2401 Le Code de la propriété intellectuelle n'autorisant,

Plus en détail

DECLARATION DES PERFORMANCES N 1

DECLARATION DES PERFORMANCES N 1 DECLARATION DES PERFORMANCES N 1 Résistance mécanique C18 EN 1912 : 2012 + EN 338 :2009 DECLARATION DES PERFORMANCES N 2 Résistance mécanique C24 EN 1912 : 2012 + EN 338 :2009 DECLARATION DES PERFORMANCES

Plus en détail

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue

Plus en détail

Recherche et Diffusion de l Information dans les Réseaux. Philippe Robert. Le 8 avril 2014

Recherche et Diffusion de l Information dans les Réseaux. Philippe Robert. Le 8 avril 2014 Recherche et Diffusion de l Information dans les Réseaux Philippe Robert Le 8 avril 2014 Présentation Présentation Directeur de recherche à l INRIA Responsable de l équipe de recherche Réseaux, Algorithmes

Plus en détail

Continuité et dérivabilité d une fonction

Continuité et dérivabilité d une fonction DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité

Plus en détail

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures) CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un

Plus en détail

FIMA, 7 juillet 2005

FIMA, 7 juillet 2005 F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de

Plus en détail

Intégrale de Lebesgue

Intégrale de Lebesgue Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................

Plus en détail

TP N 57. Déploiement et renouvellement d une constellation de satellites

TP N 57. Déploiement et renouvellement d une constellation de satellites TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les

Plus en détail

Leçon 01 Exercices d'entraînement

Leçon 01 Exercices d'entraînement Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =

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

Chaînes de Markov au lycée

Chaînes de Markov au lycée Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat

Plus en détail

Mathématiques pour la finance Définition, Evaluation et Couverture des Options vanilles Version 2012

Mathématiques pour la finance Définition, Evaluation et Couverture des Options vanilles Version 2012 Mathématiques pour la finance Définition, Evaluation et Couverture des Options vanilles Version 2012 Pierre Andreoletti pierre.andreoletti@univ-orleans.fr Bureau E15 1 / 20 Objectifs du cours Définition

Plus en détail

Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands.

Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands. Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands. Pourquoi un autre catalogue en Suisse romande Historique En 1990, la CRUS (Conférences des

Plus en détail

LISTE D EXERCICES 2 (à la maison)

LISTE D EXERCICES 2 (à la maison) Université de Lorraine Faculté des Sciences et Technologies MASTER 2 IMOI, parcours AD et MF Année 2013/2014 Ecole des Mines de Nancy LISTE D EXERCICES 2 (à la maison) 2.1 Un particulier place 500 euros

Plus en détail

Manuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques

Manuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques Titre : TTLV100 - Choc thermique dans un tuyau avec condit[...] Date : 02/03/2010 Page : 1/10 Manuel de Validation Fascicule V4.25 : Thermique transitoire des structures volumiques Document : V4.25.100

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

Cryptographie et fonctions à sens unique

Cryptographie et fonctions à sens unique Cryptographie et fonctions à sens unique Pierre Rouchon Centre Automatique et Systèmes Mines ParisTech pierre.rouchon@mines-paristech.fr Octobre 2012 P.Rouchon (Mines ParisTech) Cryptographie et fonctions

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

Rappels sur les suites - Algorithme

Rappels sur les suites - Algorithme DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................

Plus en détail

MODELES DE DUREE DE VIE

MODELES DE DUREE DE VIE MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions

Plus en détail

Logique. Plan du chapitre

Logique. Plan du chapitre Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels

Plus en détail

Mesures gaussiennes et espaces de Fock

Mesures gaussiennes et espaces de Fock Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première

Plus en détail

Cours de gestion des risques d assurances et de théorie de la ruine. Stéphane Loisel

Cours de gestion des risques d assurances et de théorie de la ruine. Stéphane Loisel Cours de gestion des risques d assurances et de théorie de la ruine Stéphane Loisel ISFA, 2005-2006 Table des matières I Modélisation de la charge sinistre : du modèle individuel au modèle collectif 5

Plus en détail

TRAVAIL D ETUDE ET DE RECHERCHE. Utilisation des arbres binomiaux pour le pricing des options américaines

TRAVAIL D ETUDE ET DE RECHERCHE. Utilisation des arbres binomiaux pour le pricing des options américaines Ensimag - 2éme année Mai 2010 TRAVAIL D ETUDE ET DE RECHERCHE Utilisation des arbres binomiaux pour le pricing des options américaines Anne-Victoire AURIAULT 1/48 2/48 Cadre de l Étude Cette étude a été

Plus en détail

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013 Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de

Plus en détail

Introduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr

Introduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux

Plus en détail

Chapitre 3. Mesures stationnaires. et théorèmes de convergence

Chapitre 3. Mesures stationnaires. et théorèmes de convergence Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée

Plus en détail

Différentiabilité ; Fonctions de plusieurs variables réelles

Différentiabilité ; Fonctions de plusieurs variables réelles Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2

Plus en détail

Transmission d informations sur le réseau électrique

Transmission d informations sur le réseau électrique Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en

Plus en détail

3. Caractéristiques et fonctions d une v.a.

3. Caractéristiques et fonctions d une v.a. 3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions

Plus en détail

Les mathématiques du XXe siècle

Les mathématiques du XXe siècle Itinéraire de visite Les mathématiques du XXe siècle Tous publics de culture scientifique et technique à partir des classes de 1ères Temps de visite : 1 heure 30 Cet itinéraire de visite dans l exposition

Plus en détail

Après un Bac technologique STI Systèmes d information et numérique

Après un Bac technologique STI Systèmes d information et numérique Après un Bac technologique STI Systèmes d information et numérique Après le bac STI Filières SÉLECTIVES À L ENTRÉE IUT STS CPGE bulletins de première admission sur dossier notes des épreuves anticipées

Plus en détail

DYNAMIQUE DE FORMATION DES ÉTOILES

DYNAMIQUE DE FORMATION DES ÉTOILES A 99 PHYS. II ÉCOLE NATIONALE DES PONTS ET CHAUSSÉES, ÉCOLES NATIONALES SUPÉRIEURES DE L'AÉRONAUTIQUE ET DE L'ESPACE, DE TECHNIQUES AVANCÉES, DES TÉLÉCOMMUNICATIONS, DES MINES DE PARIS, DES MINES DE SAINT-ÉTIENNE,

Plus en détail