Problèmes de fiabilité dépendant du temps
|
|
- Agnès St-Pierre
- il y a 8 ans
- Total affichages :
Transcription
1 Problèmes de fiabilité dépendant du temps Bruno Sudret Dépt. Matériaux et Mécanique des Composants
2 Pourquoi la dimension temporelle? Rappel Résistance g( RS, ) = R S Sollicitation g( Rt (), St (),) t = Rt () St () Résistance - activation de phénomènes aléatoirement dans le temps Initiation de la corrosion des armatures - dégradation des propriétés des matériaux Ténacité de l acier de cuve 2
3 Pourquoi la dimension temporelle? Sollicitations - chargements climatiques. vent, hauteur de vague (dynamique). neige (pseudo-statique) - chargement sismique : γ(t) (dynamique) - charges de trafic, d occupation de bureau, etc. (pseudo-statique) - température de fluide (transitoire) 3
4 Sommaire Processus stochastiques : notions élémentaires Problèmes de fiabilité dépendant du temps - Formulation - Problèmes à marge décroissante Approche asymptotique - Taux de franchissement - Bornes sur la probabilité de défaillance - Intégration de Laplace - Mise en oeuvre Méthode PHI2 - Calcul analytique du taux de franchissement - Mise en oeuvre Exemples d application 4
5 Processus stochastiques Définition : ensemble de variables aléatoires X (, t ω) indexées sur le temps Xtω (, 0) : réalisation Xt ( 0, ω) (trajectoire du processus) Variable aléatoire x () t X(, t ω ) 1 1 x () t 2 x () t 3 f X ( xt, ) 0 t t 1 2 t x Caractérisation : densité conjointe de tout ensemble fini de variables f ( x x ) pour tout (t 1,.. t n ) X X n t1,..., 1,, t n 5
6 Notations Moyenne Variance Fonction d auto-corrélation Fonction d auto-covariance 6
7 Propriétés importantes (1) Stationnarité Moyenne et écart-type indépendant du temps Fonction d auto-corrélation invariante par translation Différentiabilité R ( t, t ) R ( t t ) XX 1 2 XX 2 1 Propriétés: (convergence en moyenne quadratique) 7
8 Propriétés importantes (2) Ergodicité Moyenne temporelle Espérance Ergodicité : permet de déterminer les propriétés d un processus à partir d une seule trajectoire 8
9 Processus ponctuel On considère un évènement se produisant aléatoirement dans le temps On définit les temps d arrivée (aléatoires) 0 < T < < n 1 ( ω) T ( ω) La fonction de comptage N(t,ω) est le nombre d occurrence de l évènement avant l instant t (processus à valeur entières) : ( ω) ( ω) { } N t, = sup n: Tn t 9
10 Processus ponctuel de Poisson Le processus ponctuel est de Poisson ssi s< t, N( t) N( s) 1) suit une loi de Poisson de paramètre (λ est l intensité du processus) λ( t s) soit en particulier 2) Les v.a. Nt ( 1), Nt ( 2) Nt ( 1), Nt ( k) Nt ( k 1) sont indépendantes Corollaire : - temps de première occurrence : loi exponentielle - Les intervalles T k+1 T k suivent des lois exponentielles -Le temps T k suit une loi gamma Γ( λ,k ) 10
11 Processus de renouvellement à saut St () fs () s T1 T 2 T 3 T4 T5 t L occurrence des sauts suit un processus de Poisson Les amplitudes S sont indépendantes les unes des autres Les amplitudes S suivent la même loi f S (s) (charges de trafic, occupation de locaux, etc.) 11
12 Processus gaussien Définition : {X(t 1 ),, X(t n )} est un vecteur gaussien. En particulier X(t) est de moyenne µ () t X de variance σ 2 () t X de densité Caractérisé par le coefficient d auto-corrélation Différentiabilité : ssi existence de la dérivée croisée 12
13 Processus gaussien stationnaire Propriétés de X(t) Moyenne, écart-type constant Autocorrelation ρ(t) : dépendant d une seule variable Propriétés du processus dérivé Différentiabilité si ρ (0) existe Pulsation : Moyenne nulle Ecart-type : 13
14 Coefficients d autocorrélation 14
15 Exemples de trajectoires (méthode de discrétisation EOLE) Moyenne : 5 Ecart-type : 1 λ = 1 15
16 Sommaire Processus stochastiques : notions élémentaires Problèmes de fiabilité dépendant du temps - Formulation - Problèmes à marge décroissante Approche asymptotique - Taux de franchissement - Bornes sur la probabilité de défaillance - Intégration de Laplace - Mise en oeuvre Méthode PHI2 - Calcul analytique du taux de franchissement - Mise en oeuvre Exemples d application 16
17 Problème de fiabilité dépendant du temps X (, t ω) Ensemble de variables aléatoires et de processus scalaires S (, t ω) j R ( ω) j gtxtω (, (, )) Fonction d état limite Probabilité cumulée de défaillance Probabilité instantanée de défaillance 17
18 Problèmes à marge décroissante (1) Définition La fonction d état limite ne comporte que des variables aléatoires et des fonctions du temps (pas de processus au sens strict) : on note Les réalisations de g sont des fonctions décroissantes du temps Propriété fondamentale ) la probabilité cumulée de défaillance se calcule comme la probabilité instantanée. 18
19 Problèmes à marge décroissante (2) Applications : problèmes de durabilité des structures le modèle de dégradation a une cinétique connue, par contre ses paramètres sont mal estimés g est fonction de t et de variables aléatoires X la performance du matériau se dégrade de façon monotone la fonction g est décroissante Exemple : corrosion des armatures dans le béton d o d(t) Temps d initiation aléatoire : (modèle de carbonatation du béton) 19
20 Sommaire Processus stochastiques : notions élémentaires Problèmes de fiabilité dépendant du temps - Formulation - Problèmes à marge décroissante Approche asymptotique - Taux de franchissement - Bornes sur la probabilité de défaillance - Intégration de Laplace - Mise en œuvre Méthode PHI2 - Calcul analytique du taux de franchissement - Mise en oeuvre Exemples d application 20
21 Franchissements d un processus Franchissements en croissant (upcrossing) Franchissement en décroissant (downcrossing) a xt () g( t, x( t) ) t N ( 0, t ) T1 T2 t Défaillance premier passage de g dans le domaine négatif P (0, t) = P( T t) T 1 temps de premier passage : f 1 21
22 Taux de franchissement Définition Nt ( 1, t2) : nombre (aléatoire) de franchissements entre t 1 et t 2 Propriété Remarque : processus régulier 22
23 Bornes sur la probabilité de défaillance Cas général Problème stationnaire 23
24 Cas des processus à sauts 24
25 Cas des processus différentiables at () at () xt () xt () t xt () t t + t Formule de Rice : 25
26 Formule de Rice : applications Processus stationnaire et seuil constant Processus stationnaire gaussien et seuil constant Xt ()~ Nµ ( Xt X, σ X) ()~ N(0, σ ) X indépendants : X ()et t X() t Processus stationnaire gaussien et seuil variable 26
27 Approche asymptotique (1) Calcul de ν + - Résumé - franchissement de seuil (plus généralement, d une surface) déterministe - seule source d incertitude : dans le processus (gaussien) insuffisant pour traiter des problèmes pratiques - problème de l intégration temporelle à résoudre dans le cas non stationnaire 27
28 Approche asymptotique (2) Notation Principes R : variables aléatoires Q : paramètres aléatoires de séquences ergodiques S : processus stochastiques, de paramètres pouvant dépendre de Q,R - Formules analytiques pour calculer le taux de franchissement conditionnel - Intégration asymptotique (Laplace) dans le temps - Intégration du nombre de franchissements conditionnels : asymptotique 28
29 Intégration de Laplace - principe Soit à approximer : λ, h(x), f(x) >0 + différentiabilité On suppose que f possède un minimum en un point critique x* développement limité autour de ce point x*=a ou b : x* ]a,b[ : 29
30 Mise en oeuvre de l approche asymptotique Détermination du point critique t* Utilisation d un algorithme FORM d Abdo-Rackwitz modifié qui détermine en même temps le point de conception et le t* minimisant β(t) sur [t 1,t 2 ] Implémentation Méthode développée par Rackwitz, Breitung, Faber et al., Implémentée dans COMREL TV Différentes approximations dans le raisonnement, pas toujours faciles à maîtriser Difficile de compréhension et de mise en œuvre 30
31 Sommaire Processus stochastiques : notions élémentaires Problèmes de fiabilité dépendant du temps - Formulation - Problèmes à marge décroissante - Bornes sur la probabilité de défaillance Approche asymptotique - Taux de franchissement - Intégration de Laplace - Mise en oeuvre Méthode PHI2 - Calcul analytique du taux de franchissement - Mise en oeuvre Exemples d application 31
32 Méthode PHI2 (1) Retour sur la définition du taux de franchissement : au numérateur, probabilité de défaillance d un système parallèle Approche intuitive (Der Kiureghian, 1995 ; Andrieu, 2002) On calcule la différence finie pour t suffisamment petit : Résolution d un problème de fiabilité d un système parallèle à deux composants par FORM Problème : choix de t délicat instabilités numériques 32
33 Méthode PHI2 approche analytique (1) Notations Soit : (Sudret, 2005) On a : Résolution FORM indice de fiabilité à l instant t+h Indice de fiabilité à l instant t Produit des cosinus directeurs Φ 2 : fonction de répartition binormale 33
34 Méthode PHI2 approche analytique (2) Problème stationnaire indépendant du temps : Problème non stationnaire avec : dépendant du temps, à intégrer pour avoir et la borne sup de P f (t 1,t 2 ) 34
35 P [ gtxtω (, (, )) > 0] Méthode PHI2 mise en oeuvre [ gtxt+ tω ] P (, (, )) 0 obtenu par FORM en fixant t dans les fonctions du temps β(t), α(t) remplaçant les processus S (, t ω ) par des v.a (1) obtenu par FORM en fixant t+ t dans les fonctions du temps remplaçant les processus Sj ( t+ t, ω) (2) (1) par des v.a corrélées aux S j j S j S j β(t+ t), α(t + t) Cas stationnaire : Choix de t : petit devant la longueur de corrélation (~1%), schéma très stable 35
36 Méthode PHI2 résumé Deux analyses FORM de problèmes indépendants du temps - Utilisation d outils / logiciels classiques de fiabilité (pas d implémentation spécifique pour calculer ν + ) - La deuxième est très rapide (choix du point de départ) - On peut aussi utiliser les corrections SORM des indices de fiabilité Pour calculer la probabilité de défaillance cumulée - schéma d intégration cumulatif (type trapèzes) pour avoir t P f (0,t) 1 t E[ N ( t t )] t ( t + k t) + ν ( t + ( k+ 1) t) ; t = N , 2 ν 1 1 k= intégration asymptotique de Laplace si la variation temporelle est lente, et si on connaît le point critique t N 36
37 Sommaire Processus stochastiques : notions élémentaires Problèmes de fiabilité dépendant du temps - Formulation - Problèmes à marge décroissante - Bornes sur la probabilité de défaillance Approche asymptotique - Taux de franchissement - Intégration de Laplace - Mise en oeuvre Méthode PHI2 - Calcul analytique du taux de franchissement - Mise en oeuvre Exemples d application 37
38 Un exemple analytique (1) Fonction d état limite N ( µ, σ ) Taux de franchissement R R Processus gaussien N ( µ, σ ) S S t2 t1 ρs ( t1, t2) = exp λ pulsation ω = 2/ o 2 λ Probabilité cumulée de défaillance β LB LB P f = 1 ( LB P ) UB 1 UB = Φ f β = Φ ( P f ) 38
39 Un exemple analytique (2) 39
40 Durabilité d une poutre corrodée F(ω,t) d c (t)=κ t zone corrodée corroded area h 0 b 0 sound steel acier sain gt () = M () t Mt () ult M ult () t = bth 2 () () t 4 σ e Fl ρstb0h0l Mt () =
41 Variables aléatoires Parameter Type of distribution Mean Coefficient of variation Load Gaussian 3500 N 20 % Steel yield stress Lognormal 240 MPa 10 % Beam breadth Lognormal 0.2 m 5 % Beam height Lognormal 0.04 m 10 % Cas n 1 : la charge est constante dans le temps (variable aléatoire) Cas n 2 : la charge est modélisée par un processus gaussien, de longueur de corrélation 1 jour Durée de vie de la structure : 20 ans 41
42 Résultats (années) Taux de franchissement 42
43 Résultats Indice de fiabilité 43
44 Conclusions Problèmes à marge décroissante - dégradation lente de structures : variables aléatoires + fonctions du temps monotones - se ramène à un problème indépendant du temps - on peut utiliser les techniques classiques (FORM/SORM/IS/subset simulation, etc.) Approches par taux de franchissement - nécessaire quand il y a des processus stochastiques - permet d obtenir une borne supérieure de P f (t 1,t 2 ), c est-à-dire de la fonction de répartition du temps de première défaillance 44
45 Conclusions (2) Approche asymptotique - basée sur des formules analytiques pour le franchissement de processus élémentaires - utilisation de formules d intégration asymptotique dans le temps et dans l espace des paramètres - difficile d accès, implémenté dans un logiciel unique (COMREL TV) Méthode PHI2 - plus intuitif dans sa formulation - utilise les outils de l analyse de fiabilité système classique (FORM) Pas d implémentation spécifique (FERUM, PhimecaSoft, OpenTurns) 45
46 Merci de votre attention 46
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 détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailLe 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 détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailchargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d
Laboratoire de Mécanique et Ingénieriesnieries EA 3867 - FR TIMS / CNRS 2856 ER MPS Modélisation stochastique d un d chargement d amplitude variable à partir de mesures Application à l approche fiabiliste
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
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 détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
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 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 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 détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détail1 Définition de la non stationnarité
Chapitre 2: La non stationnarité -Testsdedétection Quelques notes de cours (non exhaustives) 1 Définition de la non stationnarité La plupart des séries économiques sont non stationnaires, c est-à-direqueleprocessusquiles
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 détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
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 détailHealth Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation
Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Laurent Denis STATXPERT Journée technologique "Solutions de maintenance prévisionnelle adaptées à la production" FIGEAC,
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 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 détailIntroduction à l analyse numérique : exemple du cloud computing
Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation
Plus en détailModélisation de séries financières par un modèle multifractal. Céline Azizieh
Modélisation de séries financières par un modèle multifractal Céline Azizieh Mémoire présenté à l Université Libre de Bruxelles en vue d obtenir le diplôme d actuaire Supervision: W. Breymann (RiskLab,
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
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 détailModélisation 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 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 détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
Plus en détailModule 7: Chaînes de Markov à temps continu
Module 7: Chaînes de Markov à temps continu Patrick Thiran 1 Introduction aux chaînes de Markov à temps continu 1.1 (Première) définition Ce module est consacré aux processus à temps continu {X(t), t R
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
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 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 détailPROJET MODELE DE TAUX
MASTER 272 INGENIERIE ECONOMIQUE ET FINANCIERE PROJET MODELE DE TAUX Pricing du taux d intérêt des caplets avec le modèle de taux G2++ Professeur : Christophe LUNVEN 29 Fevrier 2012 Taylan KUNAL - Dinh
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 détailListe des notes techniques... xxi Liste des encadrés... xxiii Préface à l édition internationale... xxv Préface à l édition francophone...
Liste des notes techniques.................... xxi Liste des encadrés....................... xxiii Préface à l édition internationale.................. xxv Préface à l édition francophone..................
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 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 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 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 détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détail14. Introduction aux files d attente
14. Introduction aux files d attente MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: Files d attente 1/24 Plan 1. Introduction 2. Modèle M/M/1 3. Modèle M/M/1/K MTH2302D: Files
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 détailVariables Aléatoires. Chapitre 2
Chapitre 2 Variables Aléatoires Après avoir réalisé une expérience, on ne s intéresse bien souvent à une certaine fonction du résultat et non au résultat en lui-même. Lorsqu on regarde une portion d ADN,
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 détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailChapitre XIV BASES PHYSIQUES QUANTITATIVES DES LOIS DE COMPORTEMENT MÉCANIQUE. par S. CANTOURNET 1 ELASTICITÉ
Chapitre XIV BASES PHYSIQUES QUANTITATIVES DES LOIS DE COMPORTEMENT MÉCANIQUE par S. CANTOURNET 1 ELASTICITÉ Les propriétés mécaniques des métaux et alliages sont d un grand intérêt puisqu elles conditionnent
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 détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
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 détailSujet 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 détailActuariat I ACT2121. septième séance. Arthur Charpentier. Automne 2012. charpentier.arthur@uqam.ca. http ://freakonometrics.blog.free.
Actuariat I ACT2121 septième séance Arthur Charpentier charpentier.arthur@uqam.ca http ://freakonometrics.blog.free.fr/ Automne 2012 1 Exercice 1 En analysant le temps d attente X avant un certain événement
Plus en détailUtilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par
Plus en détailLes correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.
Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. 1 Ce sujet aborde le phénomène d instabilité dans des systèmes dynamiques
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 détailModélisation et simulation
Modélisation et simulation p. 1/36 Modélisation et simulation INFO-F-305 Gianluca Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Modélisation et simulation p.
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailT.P. FLUENT. Cours Mécanique des Fluides. 24 février 2006 NAZIH MARZOUQY
T.P. FLUENT Cours Mécanique des Fluides 24 février 2006 NAZIH MARZOUQY 2 Table des matières 1 Choc stationnaire dans un tube à choc 7 1.1 Introduction....................................... 7 1.2 Description.......................................
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailCompte rendu de LA37 B, TP numéro 1. Evolution de la température et du degrée d'hydratation
4 6 8 2 4 8 22 26 3 34 38 42 46 5 54 58 62 66 7 74 78 83 89 96 8 44 Bertin Morgan Compte rendu de LA37 B, TP numéro. Les essais effectués par le laboratoire des ponts et chaussés nous ont fournis la température
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 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 détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailMémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains.
Mémoire d actuariat - promotion 2010 La modélisation des avantages au personnel: complexité et limites du modèle actuariel, le rôle majeur des comportements humains. 14 décembre 2010 Stéphane MARQUETTY
Plus en détail3 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 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 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 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 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 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 détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
Plus en détailValue at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061
Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain
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 détailTests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision
Page n 1. Tests du χ 2 une des fonctions des statistiques est de proposer, à partir d observations d un phénomène aléatoire (ou modélisé comme tel) une estimation de la loi de ce phénomène. C est que nous
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
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 détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
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 détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
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 détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
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 détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détail