L enseignement des probabilités à Telecom Paristech
|
|
- Alain Leboeuf
- il y a 8 ans
- Total affichages :
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 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 détailProbabilités 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 détailLa 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 détailIntégration 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 détailTexte 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 détailLoi 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 détailFiltrage 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 détailLes 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 détailCapacité 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 détailProgrammes 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 détailMaster 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 détailPROBABILITES 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 détailMoments 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 détailPRIME 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 détailModèles 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 détailAlgorithmes 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 détailSimulation 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 détailNOTICE 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 détailM2 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 détailLimites 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 détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailPlan 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 détailExercices - 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 détailIntégration 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 détailFonctions 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 détailDe 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 détailContents. 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 détailImage 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 détailMaîtrise 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 détail3. 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 détailOptions, 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 détailPremière 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 détailRésumé 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 détailI. 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 détailMARTINGALES 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 détailThéorie 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 détailTP1 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 détailLa 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 détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailThéorie 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 détailEstimation 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 détailPrix 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 détailProgrammation 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 détailwww.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 détailDunod, 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 détailOPTIMISATION 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 détailSuites 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 détailValorisation 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 détailLicence 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 détailExercices 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 détailExercices 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 détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détail* 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 détailSur 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 détailCNAM 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 détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailDéveloppement 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 détailFICHE 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 détailMaster 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 détailEconomie 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 détailAttitude 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 détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailMATHS 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 détailDes 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 détailMaster 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 détailThéorie 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 détailDECLARATION 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 détailBaccalauréat 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 détailRecherche 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 détailContinuité 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 détailCONCOURS 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 détailFIMA, 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 détailProbabilités 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 détailIntégrale 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 détailTP 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 détailLeçon 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 détailIntroduction 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 détailChaînes 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 détailMathématiques 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 détailCatalogue 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 détailLISTE 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 détailManuel 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 détailQu 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 détailCryptographie 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 détailLes 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 détailRappels 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 détailMODELES 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 détailLogique. 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 détailMesures 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 détailCours 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 détailTRAVAIL 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 détailSéminaire 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 détailIntroduction 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 détailChapitre 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 détailDifférentiabilité ; 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 détailTransmission 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 détail3. 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 détailLes 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 détailAprès 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 détailDYNAMIQUE 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