Promenades aléatoires : vers les chaînes de Markov
|
|
- Ghislaine Mathieu
- il y a 8 ans
- Total affichages :
Transcription
1 AME Dossier : Matrices et suites 545 romeades aléatoires : vers les chaîes de Markov ierre Griho (*) Cet article propose ue mise e perspective de la otio de promeade ou de marche aléatoire itroduite das le ouveau programme de spécialité de Termiale S L étude de marches aléatoires simples à ombre d états (1) fii costitue das ce programme ue voie d itroductio du calcul matriciel avec pour poit d orgue ue explicatio simple du pricipe de base des moteurs de recherche actuels (2) Il sera fait appel à des otios d algèbre liéaire telles que le produit matriciel sous sa forme géérale ou les valeurs et vecteurs propres qui dépasset bie sûr le cadre du programme de Termiale Le cadre gééral de ces problèmes est celui des processus aléatoires dot les chaîes de Markov (3) sot l exemple qui sera développé ici 1 U premier exemple de processus aléatoire Cet exemple sort du cadre strict du programme de spécialité mais paradoxalemet so cotexte est le plus simple à décrire U promeeur idécis ou féru de probabilités (4) se déplace sur ue droite graduée e partat de l origie Il jette ue pièce de moaie et avace d u pas si elle doe pile et recule d u pas si elle doe face Le ombre d états de cette marche est ifii Voici ue simulatio de cette marche avec ue pièce équilibrée : e abscisse le ombre de pas et e ordoée la positio sur l axe O peut observer qu après être reveu plusieurs fois e 0, le promeeur semble partir défiitivemet au loi E fait, o démotre qu il reviedra avec certitude ue ifiité de fois e 0, mais le ombre moye de pas etre deux passages est ifii (*) pgriho@freefr (1) our u mobile qui se déplace, il s agit de ses positios possibles (2) Bie etedu il e s agit que d ue approche de cette théorie dot le premier brevet a été eregistré e 1998 (3) Adreï Markov ( ) mathématicie russe (4) Ce problème est cou aussi sous le om de «marche de l ivroge»
2 546 Dossier : Matrices et suites AME 2 U deuxième exemple de processus aléatoire U autre promeeur se déplace sur u quadrillage et à chaque carrefour il choisit ue directio au hasard, mais e s iterdisat de passer deux fois sur u même poit Ce type de marche aléatoire est appelée marche auto-évitate (5) Les deux types de processus évoqués ci-dessus présetet ue différece fodametale : le premier a pas de mémoire e ce ses que l état futur e déped que de l état préset et le secod a au cotraire beaucoup de mémoire Les processus du premier type sot dits markovies et o s itéresse ici aux chaîes de Markov qui e sot le cas discret Si o cosidère celles à ombre d états fii o peut utiliser des matrices 3 L exemple des ures d Ehrefest Cet exemple figure das le programme (6) Il e se présete pas comme ue promeade mais o pourrait le trasformer e marche sur u graphe O cosidère deux ures A et B et particules À l istat iitial = 0, les particules sot réparties das A et B À chaque istat 1, o choisit au hasard l ue des particules et o la chage d ure Ci-dessous ue simulatio où l ure A cotiet 15 particules au départ et l ure B 0 E abscisse le ombre d échages et e ordoée le ombre de particules das A O peut voir que l ure A se vide complètemet puis remote à 15 (5) Lire à ce sujet l article de Wedeli Werer à l adresse : 0aleatoirespdf (6)Voir aussi das ce bulleti l article de Kylie Ravera
3 AME romeades aléatoires 547 O ote X la variable aléatoire égale au ombre de particules das A à l issue du -ième échage X peut predre les valeurs etières de 0 à : ces valeurs costituet les états du processus À l aide de la formule des probabilités totales, o obtiet les ( + 1) formules de récurrece : ( X +1 = k)= k +1 ( X = k 1)+ k +1 X = k +1 E effet, pour avoir k particules das A à l issue du ( + 1)-ième tirage, soit il y e avait (k - 1) avat et o e a rajouté ue proveat des ( - (k - 1)) de l ure B, soit il y e avait (k + 1) et o e a elevé ue Ces formules restet vraies pour les extrêmes : Ce processus est ue chaîe de Markov et cela se traduit par: ( X +1 = k +1 /( X = k ) ( X 0 = k 0 ))= ( X +1 = k +1 /( X = k )) qui e est la défiitio formelle O peut traduire commodémet les + 1 relatios (1) matriciellemet e posat ( X = 0) U = : U +1 = MU où M est la matrice carrée d ordre + 1 dot ( X = ) chaque terme est ue probabilité coditioelle et dot la somme des coefficiets de chaque coloe vaut 1 Ue telle matrice est dite stochastique (ici e coloe) O peut remarquer que la somme des coefficiets de U vaut 1 égalemet 0 1/3 0 0 Das le cas = 3, o obtiet 1 0 2/3 0 M = 0 2/ /3 0 La première lige s obtiet grâce à la relatio pour les autres liges ( X +1 = 0)= 1 X = 1 ( X +1 = )= 1 X = 1 O peut avoir par exemple U 0 = où 1 k 1 ( das ce cas ( X = 1)= 0 ) ( das ce cas ( X = +1)= 0 ) ( X +1 = 0)= 1 3 ( X = 1) (1) et de même si A cotiet les 3 particules au début
4 548 Dossier : Matrices et suites AME L évolutio à log terme de ce processus repose sur u calcul de puissace de matrice puisque U = M U 0 Le comportemet asymptotique peut s étudier soit par l étude de la suite des puissaces, soit directemet sur la suite Das le cas préset, si la suite coverge, sa limite U est ue matrice coloe de somme 1 qui vérifie l équatio U = MU : U est doc u vecteur propre de M relatif à la valeur propre 1 Si o ote u k les coordoées de U, o a les relatios : O motre alors par récurrece sur k que u k =, puis, e utilisat la somme k u 0, o obtiet et fialemet u k = u Les coordoées de U k 1 k = 1 u 0 = k=0 ( M ) U u 1 = u 0, u 1 = u, u k = k +1 u k1 + k +1 u k+1 pour 0 < k < formet doc la loi biomiale B(,1/2) E fait la suite e coverge pas toujours (e particulier si la situatio iitiale U est détermiiste, c est-à-dire si la compositio des ures est doée et o aléatoire), mais ses suites extraites et coverget Cela tiet au fait que le ombre X de particules das A est étroitemet lié à la parité de Si par exemple X 0 = 0, alors X 2 est pair et X 2+1 est impair et das ce cas o peut motrer que la limite de 1 1 ( X 2 = 2k) est égale à et celle de à 2k ( X = 2k +1) 2k La suite des puissaces ( U 2 ) U 2+1 ( M ) U 4 Les matrices stochastiques se comporte de la même faço Comme o l a vu das l exemple précédet, les chaîes de Markov sot liées à ue classe particulière de matrices : les matrices stochastiques Leurs propriétés sot précieuses pour étudier la covergece évetuelle des processus Ue matrice stochastique selo les coloes (respectivemet selo les liges) est ue matrice à élémets positifs ou uls et dot toutes les coloes (respectivemet toutes les liges) ot ue somme égale à 1 De ombreux ouvrages privilégiet les matrices stochastiques e lige et doc les produits traduisat la chaîe de Markov fot iterveir des matrices liges du type V +1 = V M Il y a pas de raiso objective (7) pour privilégier cette écriture mais plutôt u certai ombre de raisos pédagogiques pour préférer celle e coloes : la traductio matricielle des équatios déduites des probabilités totales doe (7) Au iveau du secodaire et même des deux premières aées du supérieur L explicatio se trouve e théorie de la mesure et découle de la otio de dualité
5 AME romeades aléatoires 549 directemet la matrice stochastique de trasitio e coloe par simple lecture, u élémet importat est u vecteur propre de cette matrice : l étude des vecteurs propres se fait e liaiso avec l iterprétatio d ue matrice carrée comme matrice d u edomorphisme et das ce cas le calcul d ue image se fait usuellemet par produit de la matrice par ue matrice coloe, ces otios sot ue itroductio à l algèbre liéaire : il faut doc les étudier das la perspective de ce qui sera fait das le supérieur et doc e pas s e teir au cotexte des matrices stochastiques, efi, das le secodaire, les élèves sot habitués à écrire les coordoées des vecteurs e coloe Das cet article, je utiliserai doc pour traduire ue chaîe de Markov que les matrices stochastiques e coloe mais je serai ameé à utiliser la trasposée de telles matrices (otée t M) qui est doc stochastique e lige Ue propriété caractéristique des matrices stochastiques est que t MX = X où X est la matrice coloe formée de 1 et M est supposée à coefficiets positifs ou uls O peut e déduire les propriétés suivates : u produit de matrices stochastiques est stochastique E effet si M et sot stochastiques, t (M)X = t t MX = t X = X ue matrice et sa trasposée ayat les mêmes valeurs propres, toute matrice stochastique a 1 pour valeur propre les valeurs propres réelles d ue matrice stochastique ot ue valeur absolue iférieure ou égale à 1 our démotrer cela, o raisoe sur la trasposée Soit u vecteur propre associé à ue valeur propre l de t M O ote i u élémet de 1,, tel que k 1,, E cosidérat la lige i de la matrice t MX, o obtiet doc x i x i et comme x i 0 o e déduit que 1 Covergece X = x 1 x 2 x,1 ( R) x i = m ki x k m ki x k x i 1 k=1 { } { } x k x i our l étude asymptotique des chaîes de Markov, ue méthode possible est d étudier la suite des puissaces de ces matrices La covergece de ces suites est pas assurée O e a vu u cotre-exemple das le cas d Ehrefest Quad il y a covergece, la limite est ecore stochastique (par simple passage à la limite das les sommes par coloes) k=1
6 550 Dossier : Matrices et suites AME Ue coditio suffisate de covergece est que l ue des puissaces ait tous ses termes strictemet positifs Avat de démotrer ce résultat, e voici u exemple umérique Si M = la suite 2/11 à 9/44 3/11 15 / 44, alors M 3 a aucu coefficiet ul et o motre que coverge vers la matrice dot toutes les coloes sot égales reuve de la coditio suffisate O cosidère pour simplifier que la matrice A = (a ij ) carrée d ordre p 3 (le cas p = 2 se traite directemet) est stochastique à élémets o uls et o ote a le plus petit élémet de A Du fait des sommes de coloes égales à 1, o a 0 < a < 1 2 O va démotrer que les coloes de A, coverget toutes vers la même coloe Soit m et M le plus petit et le plus grad élémet de la première lige de A O va démotrer que ces deux suites sot adjacetes O ote a ij () les termes de A O pose m = a 1 j0 (j 0 déped de ) O a : 0 1/3 0 1/3 1/ /3 1/2 1/3 0 1/3 0 1/3 1 0 ( M ) p M +1 = max a 1k j a kj = max a 1k j a kj + m a j0 j k=1 max j puis e utilisat le fait que a kj = 1 : k=1 De la même maière, o motre que : m +1 m + a( M m ) m p À l aide des deux iégalités, o obtiet efi que M +1 m a k j 0 M a kj k j 0 M +1 M + max ( m M )a j0 j j M ( M m )mia j0 j M ( M m )a M j M m Comme 0 < 1-2a < 1, o a bie les trois critères des suites adjacetes Tous les termes de la première lige de A ot la même limite et il e est de même pour les autres liges + m a j0 j,
7 AME romeades aléatoires 551 Il e reste plus qu à recoaître das la coloe limite obteue u vecteur propre de A lié à la valeur propre 1 Si o ote C cette coloe, il est clair que par passage à la limite la somme de ses termes vaut 1 reos le premier terme de AC : Doc fialemet : AC = C Le vecteur C correspod à ue distributio de probabilité appelée distributio statioaire de la chaîe Das le cas particulier précédet, il est facile de voir que C est uique e passat à la limite das l égalité A C = C où C serait ue deuxième distributio statioaire La coditio suffisate vue précédemmet est pas écessaire comme le motre l exemple suivat : Si 1 1/2 A =, la suite coverge vers 0 1/2 ( A 1 1 ) Comportemet asymptotique d ue marche aléatoire 1 Si o cosidère ue marche aléatoire sur u graphe dot la matrice M de trasitio a l ue de ses puissaces M k à coefficiets o uls, cela sigifie que l o peut relier deux sommmets quelcoques du graphe e exactemet k étapes ar exemple u graphe associé à l ue des matrices précédet serait : p a 1 j c j = a 1 j lima j1 = lim a 1 j a j1 p p M = = lim a = c 1 0 1/3 0 1/3 1/ /3 1/2 1/3 0 1/3 0 1/3 1 0 du paragraphe E partat du sommet 1, o a ue chace sur 2 d aller e 2 et ue chace sur 2 d aller e 3 : les déplacemets possibles partat d u sommet sot équiprobables E trois étapes o peut rejoidre importe quel sommet quel que soit le poit de départ Si o ote X la positio du mobile après déplacemets et U la matrice coloe de sa loi, o a U = M U 0 et quel que soit le poit de départ, la suite coverge vers U
8 552 Dossier : Matrices et suites AME 2/11 9/44 3/11 15 / 44 2 Iversemet, il existe des graphes dot tous les sommets peuvet être joigables alors que toutes les puissaces de la matrice de trasitio comportet des 0 : par exemple u graphe de matrice circulaire qui est doc u vecteur propre associé à 1 de M correspodat à ue permutatio O peut aussi avoir des marches aléatoires sur u graphe dot l u des sommets est u «cul de sac» S il y e a qu u et que l o peut y arriver de tous les autres sommets, il paraît clair que la marche se termiera toujours e ce sommet ar exemple la suite des puissaces de la matrice /3 1/2 0 1/2 0 1/2 0 1/2 1/ /3 0 1 coverge vers la matrice dot les trois premières liges sot ulles et la derière formée de 1 Ce résultat peut se prouver par calcul mais aussi directemet grâce à la propriété du graphe Das le graphe ci-dessous, lorsqu o arrive au sommet 4 o y reste 6 Marche aléatoire avec saut Cette derière partie propose ue maière élémetaire de justifier la covergece de l algorithme «agerak» La costructio de cet algorithme a été développée das de ombreux articles (8) O va démotrer ici sa covergece après l avoir traduit sous la forme d ue suite de matrices de type arithmético-géométrique comme idiqué das le programme de spécialité Le Web est modélisé par u graphe orieté dot les sommets sot les pages et les flèches les lies hypertextes (8) Voir e particulier celui de Michael Eiserma : agerak-de-google aisi que l article du bulleti o 489 (septembre 2010), p
9 AME romeades aléatoires 553 U surfeur aléatoire se déplace sur ce graphe à sommets, chaque sommet ayat au mois u lie etrat À chaque istat, il peut suivre les arêtes du graphe avec ue probabilité liée au ombre de lies ou aller directemet sur importe quel sommet y compris celui où il se trouve (e «sautat») avec ue probabilité costate p 1 Relatios de récurrece O ote X la positio du surfeur après étapes X pred ses valeurs das {1,2,,} remier cas : Si les déplacemets se fot sas saut o peut appliquer la formule des probabilités totales : ( X +1 = i)= [ X = j] ( X +1 = i)( X = j) = a ij X = j e otat a ij = X qui est égal à l iverse du ombre de lies sortat du [ = j] ( X +1 = i) sommet j si la page j poite vers la page i et à 0 sio Si la page i est u cul-de-sac, o a a ii = 1 Il est écessaire de supposer que ( X = j) 0 pour tout j Œ {1,2,,}, ce qui peut se démotrer par récurrece e utilisat le fait que tout sommet possède au mois u lie etrat E otat U la matrice coloe dot les liges sot les probabilités et A la matrice carrée dot les coefficiets sot les a ij o obtiet la relatio de récurrece U +1 = AU Deuxième cas : Si maiteat les déplacemets peuvet se faire avec saut, les formules de récurrece sot plus délicates à obteir mais e voici le pricipe O utilise le système complet d évéemets { S +1,S +1 } (le surfeur saute ou o à la ( + 1)-ième étape) Le surfeur est e i à la ( + 1)-ième étape si, ou bie il a fait u saut (avec la probabilité p) et il avait la probabilité 1/ d arriver e i, ou bie il a pas fait de saut et il se retrouve e i avec la probabilité obteue e (1) : ( X +1 = i)= S+1 ( X +1 = i)s ( +1 )+ S+1 ( X +1 = i)s +1 = 1 p + 1 p a ( X = j) ij our trouver rigoureusemet le deuxième terme, o applique la formule (1) avec cette fois la probabilité coditioelle : S+1 (1) ( X = i) S+1 ( X +1 = i)= S+1 ( X +1 = i /X = j) S+1 ( X = j)= a ij S+1 ( X = j)
10 554 Dossier : Matrices et suites AME S+1 ( X +1 = i /X = j)= a ij puisque si le surfeur e saute pas o retrouve le premier cas Efi, ( X = j)= X = j car les évéemets ( X = j) et sot S+1 idépedats E posat C = p les relatios de récurrece peuvet se traduire matriciellemet sous la forme : U +1 = (1 - p) AU + C C est ue suite de matrices coloes de type arithmético-géométrique 2 Étude de la suite O commece par chercher u poit fixe, c est-à-dire ue matrice coloe L vérifiat L = (1 - p) AL + C, soit L = ( I ( 1 p)a) 1 C si l iverse existe Motros que cet iverse existe (9) La matrice A état stochastique, o sait que ses valeurs propres réelles sot etre -1 et 1 O e déduit que les valeurs propres réelles de I - (1 - p) A sot comprises etre p et 2 - p et comme p < 1 elles e sot pas ulles Doc I - (1 - p) A est iversible 2 Si l o pose V = U - L, o obtiet facilemet la relatio V +1 = (1 - p) AV, puis par récurrece la relatio explicite V = (1 - p) A V 0, ce qui doe U = (1 - p) A (U 0 - L) + L Covergece de la suite La matrice A est ue matrice stochastique e coloe, c est-à-dire que tous ses coefficiets sot positifs et que la somme de chacue de ses coloes vaut 1 Doc A a tous ses coefficiets etre 0 et 1 et doc tous les coefficiets de la matrice (1 - p) A tedet vers 0 La suite de matrices coloes U coverge doc vers L Si J est la matrice carrée d ordre formée uiquemet de 1, o a JU = et o peut alors écrire la relatio de récurrece sous la forme U +1 = ( 1 p)a + p J U Ce qui précède motre que la limite L de la suite U est u vecteur propre de la matrice stochastique ( 1 p)a + p associé à la valeur propre 1 J O peut remarquer que la matrice S +1 ( 1 p)a + p J a tous ses coefficiets strictemet positifs, ce qui assure la covergece du processus grâce à la coditio suffisate vue (9) E termiale, soit o le vérifie directemet das le cas des matrices d ordre 2 ou 3, soit o utilise la calculatrice 1 1
11 AME romeades aléatoires 555 au paragraphe 4 Cepedat la méthode élémetaire précédete a l avatage de pouvoir être exposée e Termiale Iterprétatio de la limite Les coordoées de L doet les probabilités qu à la limite le surfeur aléatoire arrive sur les pages umérotées de 1 à L ordre de ces probabilités doe ce que l o appelle l ordre de pertiece des pages web Exemple Le mii web ci-cotre correspod à la matrice 0 1/3 1/2 0 1/2 0 1/2 0 1/2 1/ /3 0 1 La limite de la suite Remarque pour p = 0,25 est O peut se demader si l ordre des pertieces déped de p L exemple motre que oui our p = 0,5, l ordre est 1, 4, 7, 2, 3, 5 et 6 L a pour coordoées arrodies 0,72 ; 0,55 ; 0,51 ; 0,60 ; 0,36 ; 0,36 ; 0,59 our p = 0,6, l ordre est 1, 7, 4, 2, 3, 5 et 6 L a pour coordoées arrodies 0,72 ; 0,57 ; 0,54 ; 0,61 ; 0,41 ; 0,41 ; 0,62 Si p reste assez petit, il semble que l ordre e soit pas modifié Bibliographie ( U ) 10 / 56 11/ / / /5 1/6 1/2 1/4 1/2 1/4 1/3 0 1/6 0 1/4 0 1/4 1/3 1/ /4 1/3 1/5 1/6 0 1/4 0 1/4 0 1/5 1/ /5 1/ /6 1/2 1/4 1/2 0 rocessus aléatoires pour les débutats, Arthur Egel, Cassii Mathématiques appliquées L3 earso Collectif d auteurs rojet Klei Vigette écrite par Christiae Rousseau :
Limites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
Plus en détailCHAPITRE 2 SÉRIES ENTIÈRES
CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.
Plus en détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
Plus en détailx +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.
EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite
Plus en détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détailEtude de la fonction ζ de Riemann
Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailConvergences 2/2 - le théorème du point fixe - Page 1 sur 9
Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice
Plus en détailChaînes de Markov. Arthur Charpentier
Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **
Plus en détailSTATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en détailSuites et séries de fonctions
[http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de
Plus en détailCours de Statistiques inférentielles
Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailPROMENADE ALÉATOIRE : Chaînes de Markov et martingales
PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détailInitiation à l analyse factorielle des correspondances
Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique
Plus en détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailProcessus géométrique généralisé et applications en fiabilité
Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR
Plus en détail4 Approximation des fonctions
4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour
Plus en détailRECHERCHE DE CLIENTS simplifiée
RECHERCHE DE CLIENTS simplifiée Nous ous occupos d accroître votre clietèle avec le compte Avatage d etreprise Pour trouver des cliets potetiels grâce à u simple compte bacaire Vous cherchez des idées
Plus en détailDETERMINANTS. a b et a'
2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailProbabilités et statistique pour le CAPES
Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes
Plus en détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailTerminale S. Terminale S 1 F. Laroche
Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM
Plus en détailNeolane Message Center. Neolane v6.0
Neolae Message Ceter Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord.
Plus en détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en détailÉchantillonnage et estimation
Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détailPOLITIQUE ECONOMIQUE ET DEVELOPPEMENT
POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier
Plus en détailIntroduction : Mesures et espaces de probabilités
Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détailLes algorithmes de tri
CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....
Plus en détail3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.
3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios
Plus en détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en détailUNIVERSITÉ DE SFAX École Supérieure de Commerce
UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première
Plus en détailGérer les applications
Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailExamen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot
Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars
Plus en détail16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.
16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme
Plus en détailUn nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction
A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés
Plus en détailExercices de mathématiques
MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris
Plus en détailPetit recueil d'énigmes
Petit recueil d'éigmes Patxi RITTER (*) facile (**) mois facile (***) pas facile (****) il faudra de l aide Solutios e rouge. 1) Cryptarithme (**) Trouvez la valeur de A, B et C satisfaisat l équatio suivate.
Plus en détailSimulations interactives de convertisseurs en électronique de puissance
Simulatios iteractives de covertisseurs e électroique de puissace Jea-Jacques HUSELSTEIN, Philippe ENII Laboratoire d'électrotechique de Motpellier (LEM) - Uiversité Motpellier II, 079, Place Eugèe Bataillo,
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détailS-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui.
S-PENSION Costituez-vous u capital retraite complémetaire pour demai tout e bééficiat d avatages fiscaux dès aujourd hui. Sommaire 1. Il est temps de predre l iitiative 4 2. Profitez dès aujourd hui des
Plus en détailDes résultats d irrationalité pour deux fonctions particulières
Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received
Plus en détailTélé OPTIK. Plus spectaculaire que jamais.
Télé OPTIK Plus spectaculaire que jamais. Vivez toute la puissace de la télévisio sur IP grâce au réseau OPTIK 1 de TELUS et découvrez-e l extraordiaire potetiel. Télé OPTIK MC vous doe la parfaite maîtrise
Plus en détailLa fibre optique arrive chez vous Devenez acteur de la révolution numérique
2 e éditio Edité par l Autorité de régulatio des commuicatios électroiques et des postes RÉPUBLIQUE FRANÇAISE DÉCEMBRE 2010 La fibre optique arrive chez vous Deveez acteur de la révolutio umérique Petit
Plus en détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
Plus en détailMUTUELLE D&O MUTUELLE D&O. Copilote de votre santé. AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyance CRC CRIS CRPB-AFB
MUTUELLE D&O MUTUELLE D&O Copilote de votre saté AGECFA-Voyageurs CARCEPT CARCEPT-Prévoyace CRC CRIS CRPB-AFB DOMISSIMO-Assuraces DOMISSIMO-Services FONGECFA-Trasport IPRIAC MUTUELLE D&O OREPA-Prévoyace
Plus en détailUV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1
UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau
Plus en détailfor a living planet WWF ZOOM: votre carte de crédit personnalisée
for a livig plaet WWF ZOOM: votre carte de crédit persoalisée Le meilleur pour vous. Le meilleur pour l eviroemet. Ue carte de crédit du WWF. Vous faites u geste e faveur de la ature. Sas frais supplémetaires.
Plus en détailNeolane Leads. Neolane v6.0
Neolae Leads Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord. Cette publicatio
Plus en détailMobile Business. Communiquez efficacement avec vos relations commerciales 09/2012
Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre
Plus en détailMécanique non linéaire
M MN9 Mécaique o liéaire Zhi-Qiag FENG UFR Sciece et Techologies Uiversité d Evry Val d Essoe TABLES DES MATIERES INTRODUCTION Chapitre : CONCEPTS ELEMENTAIRES. Pricipales propriétés des matériaux. Coaissace
Plus en détailDares Analyses. Plus d un tiers des CDI sont rompus avant un an
Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée
Plus en détailCompte Sélect Banque Manuvie Guide du débutant
GUIDE DU DÉBUTANT Compte Sélect Baque Mauvie Guide du débutat Besoi d aide? Preez quelques miutes pour lire attetivemet votre Guide du cliet. Le préset Guide du débutat vous facilitera l utilisatio de
Plus en détailMécanismes de protection contre les vers
Mécaismes de protectio cotre les vers Itroductio Au cours de so évolutio, l Iteret a grademet progressé. Il est passé du réseau reliat quelques cetres de recherche aux États-Uis au réseau actuel reliat
Plus en détailCours 5 : ESTIMATION PONCTUELLE
Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-
Plus en détailSommes de signaux : Décomposition de Fourier Spectre ondes stationnaires et résonance
Sommes de sigaux : Décompositio de Fourier Spectre odes statioaires et résoace Das le cours précédet, o a étudié la propagatio des odes moochromatiques mais celles-ci e peuvet pas porter d iformatio ;
Plus en détailWorking Paper RETAIL RÉGIONAL RESPONSABLE
«BANQUE DE DÉTAIL DE MASSE» : COMMENT LES CAISSES D ÉPARGNE EN AFRIQUE, ASIE ET AMÉRIQUE LATINE PEUVENT FOURNIR DES SERVICES ADAPTÉS AUX BESOINS DES POPULATIONS DÉFAVORISÉES Travailler avec les caisses
Plus en détailTempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation
Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail
Plus en détailChoisissez la bonne carte. Contribuez au respect de la nature avec les cartes Visa et MasterCard WWF. Sans frais supplémentaires.
Toutes les cartes de crédit e se ressemblet pas. Les cartes Visa et MasterCard WWF vous offret tous les avatages d ue carte de crédit classique. Vous disposez toujours et partout d ue réserve d arget das
Plus en détail