Promenades aléatoires : vers les chaînes de Markov

Dimension: px
Commencer à balayer dès la page:

Download "Promenades aléatoires : vers les chaînes de Markov"

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

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

. (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 détail

EXERCICES : DÉNOMBREMENT

EXERCICES : 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 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 détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE 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 détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 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 détail

1 Mesure et intégrale

1 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 détail

Module 3 : Inversion de matrices

Module 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 détail

Exo7. 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. 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 détail

Comportement d'une suite

Comportement 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 détail

Les Nombres Parfaits.

Les 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 détail

14 Chapitre 14. Théorème du point fixe

14 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 détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 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 détail

Séries réelles ou complexes

Séries 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 détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +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 détail

Processus et martingales en temps continu

Processus 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 détail

Etude de la fonction ζ de Riemann

Etude 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 détail

20. Algorithmique & Mathématiques

20. 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 détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie 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 détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 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 détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 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 détail

Exercice 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

Exercice 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 détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième 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 détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 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 détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 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 détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. 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 détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. 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 détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES 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

* 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 détail

Chaînes de Markov. Arthur Charpentier

Chaînes 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 détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II 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 détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. 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 détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 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 détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration 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

* 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 détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : 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 détail

Suites et séries de fonctions

Suites 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 détail

Cours de Statistiques inférentielles

Cours 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 détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE 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 détail

Statistique descriptive bidimensionnelle

Statistique 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 détail

capital 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...

capital 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 détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES 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 détail

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

La 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 détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE 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 détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT 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 détail

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe 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 détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - 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 détail

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.

Le 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 détail

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Etude 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 détail

Initiation à l analyse factorielle des correspondances

Initiation 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 détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. 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 détail

Processus géométrique généralisé et applications en fiabilité

Processus 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 détail

4 Approximation des fonctions

4 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 détail

RECHERCHE DE CLIENTS simplifiée

RECHERCHE 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 détail

DETERMINANTS. a b et a'

DETERMINANTS. 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 détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques 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 détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 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 détail

Probabilités et statistique pour le CAPES

Probabilités 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 détail

Solutions particulières d une équation différentielle...

Solutions 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 détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 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 détail

Terminale S. Terminale S 1 F. Laroche

Terminale 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 détail

Neolane Message Center. Neolane v6.0

Neolane 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 détail

Formation d un ester à partir d un acide et d un alcool

Formation 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 détail

Échantillonnage et estimation

Échantillonnage 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 détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE 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 détail

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

POLITIQUE 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 détail

Introduction : Mesures et espaces de probabilités

Introduction : 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 détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat 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 détail

Les algorithmes de tri

Les 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 détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 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 détail

Régulation analogique industrielle ESTF- G.Thermique

Régulation 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 détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ 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 détail

Gérer les applications

Gérer 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 détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université 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 détail

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Examen 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 détail

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

16.1 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 détail

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction

Un 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 détail

Exercices de mathématiques

Exercices 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 détail

Petit recueil d'énigmes

Petit 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 détail

Simulations interactives de convertisseurs en électronique de puissance

Simulations 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 détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université 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 détail

S-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui.

S-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 détail

Des résultats d irrationalité pour deux fonctions particulières

Des 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 détail

Télé OPTIK. Plus spectaculaire que jamais.

Télé 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 détail

La fibre optique arrive chez vous Devenez acteur de la révolution numérique

La 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 détail

Sommaire Chapitre 1 - L interface de Windows 7 9

Sommaire 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 détail

MUTUELLE 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 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 détail

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV 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 détail

for a living planet WWF ZOOM: votre carte de crédit personnalisée

for 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 détail

Neolane Leads. Neolane v6.0

Neolane 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 détail

Mobile Business. Communiquez efficacement avec vos relations commerciales 09/2012

Mobile 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 détail

Mécanique non linéaire

Mécanique 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 détail

Dares Analyses. Plus d un tiers des CDI sont rompus avant un an

Dares 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 détail

Compte Sélect Banque Manuvie Guide du débutant

Compte 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 détail

Mécanismes de protection contre les vers

Mécanismes 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 détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 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 détail

Sommes de signaux : Décomposition de Fourier Spectre ondes stationnaires et résonance

Sommes 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 détail

Working Paper RETAIL RÉGIONAL RESPONSABLE

Working 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 détail

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation

Tempêtes : 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 détail

Choisissez la bonne carte. Contribuez au respect de la nature avec les cartes Visa et MasterCard WWF. Sans frais supplémentaires.

Choisissez 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