RÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION

Dimension: px
Commencer à balayer dès la page:

Download "RÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION"

Transcription

1 RÈGLES ORDIALES : UE GÉÉRALISATIO DES RÈGLES D'ASSOCIATIO SYLVIE GUILLAUME ALI KHECHAF 2 RÉSUMÉ: La plupart des mesures des règles cocere les variables biaires et écessite pour les autres types de variables ue phase de codage disjoctif complet. Comme la complexité des algorithmes automatiques d'extractio de règles d'associatio est essetiellemet foctio du ombre de variables, ue telle trasformatio peut se heurter rapidemet à ue explosio combiatoire ou egedrer u ombre prohibitif de règles dot la plupart sot redodates. De plus, les mesures de liaiso statistiques etre les variables quatitatives e sot pas sélectives das le cas de doées volumieuses. Das cette commuicatio, ous proposos ue mesure pour variables ordiales (variables quatitatives et qualitatives ordiales, l'itesité d'implicatio ordiale, mesure sélective pour les doées volumieuses. L'étude se termie par ue évaluatio sur ue base de doées bacaire. MOTS-CLÉS: Extractio de Coaissaces à partir des Doées (ECD, règles d'associatio, doées volumieuses, mesures statistiques, aalyse implicative, mesures quatitatives. SUMMARY : Most of rule-iterest measures are suitable for biary variables ad require a trasformatio (a complete disjoctive codig for umeric ad categorical variables. Give that the complexity of usupervised usual algorithms for the discovery of associatio rules icreases expoetially with the umber of variables, this trasformatio ca lead us, o the had to a combiatorial explosio, ad o the other had to a prohibitive umber of weakly sigificat rules with may redudacies. Moreover, measures suitable for umeric variables are ot selective for large databases. I this paper, we propose a measure suitable for ordial variables, the ordial itesity of implicatio, selective measure for large databases. A evaluatio to some bakig data eds up the study. KEY WORDS : Kowledge Discovery i Databases (KDD, data miig, associatio rules, large databases, statistical measures, implicative aalysis, umerical measures. IRI, Uiversité de ates École Polytechique de l'uiversité de ates 2, Rue de la Houssiière BP ates Cedex 3 - Frace 2 Laboratoire IRCCy, UMR 6597 CRS, Divisio SETRA Rue C. Pauc, La Chatrerie BP ates Cedex 3 Frace

2 . ITRODUCTIO La recherche de mesures pertietes [] [4] pour les règles d'associatio est u importat problème e extractio de coaissaces à partir des doées. Cepedat, la plupart des mesures objectives [0] [2] [4] coceret les variables biaires et écessite ue phase de codage disjoctif complet des variables pour utiliser tout algorithme automatique d'extractio de règles d'associatio [] [] [5]. Comme la complexité de ces algorithmes est essetiellemet foctio du ombre de variables, ue telle trasformatio peut se heurter rapidemet à ue explosio combiatoire ou egedrer u ombre prohibitif de règles dot la plupart sot redodates ou faiblemet sigificatives. De plus, la structure d'ordre des variables ordiales (variables qualitatives ordiales et variables quatitatives est perdue par cette trasformatio. Afi de palier à ce problème, ous ous sommes itéressés aux mesures cocerat les variables quatitatives. Or, les mesures de liaiso etre ces variables, comme par exemple le coefficiet de corrélatio sigificatif ou l'idice de vraisemblace du lie local [9], e sot pas sélectives das le cas de doées volumieuses [7] et écessitet ue autre mesure pour trouver le ses de l'implicatio (X Y ou Y X. Das [8], ue mesure implicative et sélective pour les doées volumieuses, l'itesité de propesio, est utilisée pour des variables quatitatives à valeurs das l'itervalle [0..]. ous pourrios utiliser cette mesure e adaptat les variables ordiales par la trasformatio suivate (X x mi / ( x max x mi où x mi et x max sot respectivemet les valeurs miimale et maximale de la variable X, mais ue telle trasformatio est péalisate pour des doées volumieuses et surtout, cette mesure privilégie certais idividus [7] ce qui a pour coséquece d'élimier des règles pertietes. C'est pourquoi ous avos adapté et modifié cette mesure aux variables quatitatives à valeurs das tout itervalle de l'esemble des réels. Aisi, cet article s'orgaise de la faço suivate. Das la sectio 2 ous présetos les mesures statistiques quatitatives et expliquos pourquoi celles-ci e sot pas sélectives pour les doées volumieuses. Das la sectio 3 ous défiissos otre mesure d'itérêt, l'itesité d'implicatio ordiale, et doos das la sectio 4 la sigificatio des règles extraites avec cet idice, règles que ous appelos ordiales. La sectio 5 évalue cette mesure sur des doées bacaires et ue coclusio géérale résume l'esemble des poits abordés et quelques perspectives sot evisagées pour la suite de ce travail. 2. MESURES QUATITATIVES Das cette sectio ous présetos trois mesures statistiques quatitatives, à savoir le coefficiet de corrélatio liéaire sigificatif, l'idice de vraisemblace du lie et l'itesité de propesio. 2.. COEFFICIET DE CORRELATIO LIEAIRE SIGIFICATIF Pour ue populatio dot la taille est supérieure à 00, la variable aléatoire R dot le coefficiet de corrélatio r est ue valeur observée, suit approximativemet la loi ormale de moyee 0 et d'écart-type [SAP 90]. Plus la taille de la populatio est importate, plus l'écart-type dimiue et ted vers zéro. Par coséquet, la foctio de répartitio de R e

3 possède que deux valeurs pour les grades populatios : 0 et. Cette mesure 'est doc pas sélective pour les doées volumieuses IDICE DE VRAISEMBLACE DU LIE LOCAL Soiet X et Y deux variables quatitatives, la taille de la populatio Ω et r le coefficiet de corrélatio liéaire. L'idice de vraisemblace du lie local V(X,Y [9] est défii de la faço suivate : V(X,Y = 2 t - r e 2 2π Lorsque r est égatif (respectivemet positif et la taille de la populatio élevée, alors la valeur de - r ted vers mois l'ifii (respectivemet l'ifii, et la valeur de l'idice V(X,Y ted vers 0 (respectivemet. Pour fiir, lorsque la valeur de r est égale à 0, la valeur de V(X,Y est égale à 0.5. Par coséquet, cet idice 'est égalemet pas ue mesure sélective pour les doées volumieuses car il e possède que trois valeurs : 0, 0.5 et. Afi de corriger l'icovéiet de cette mesure, I.C. Lerma l'a modifiée par u cetrage et ue réductio de toutes les valeurs de cette mesure extraites à partir d'ue base de doées. Soit µ la moyee des valeurs de cette mesure et soit σ l'écart-type. La ouvelle mesure V'(X,Y, appelée idice de vraisemblace du lie global, est défiie par : V ( X, Y µ V '( X, Y = σ Cette ouvelle mesure, sélective pour des doées volumieuses, écessite l'utilisatio d'ue autre mesure afi de détecter le ses des règles (X Y ou Y X. dt 2.3. ITESITE DE PROPESIO Soiet X et Y deux variables quatitatives à valeurs x i et y i das l'itervalle [0..] et soit la taille de l'échatillo E représetatif de la populatio Ω (i {,..,}. Soiet m X et m Y les moyees arithmétiques des variables X et Y, et soiet v X et v Y les variaces des variables X et Y. L'itesité de propesio P(X Y [8] gééralise l'itesité d'implicatio [5], mesure utilisée das des systèmes de découverte de coaissaces comme FIABLE [3] et PEDRE [6], aux variables quatitatives à valeurs das l'itervalle [0..]. Elle est défiie de la faço suivate : P(X Y = t s e 2 2π 2 dt avec s = x i( yi -mx( my 2 2 (vx mx (vy ( my.

4 Cotrairemet aux deux mesures précédetes, l'itesité de propesio est ue mesure implicative et sélective pour les doées volumieuses. Cepedat, celle-ci 'est valable que pour les variables quatitatives à valeurs das [0..]. ous pouvos l'utiliser e adaptat les variables quatitatives par la trasformatio (X-x mi /(x max -x mi avec x mi et x max les valeurs miimale et maximale de la variable X mais ous préféros évaluer les implicatios sur l'esemble des variables iitiales car ue telle trasformatio est péalisate pour des doées volumieuses et surtout, cette mesure privilégie certais idividus [7] ce qui a pour coséquece d'élimier des règles pertietes. C'est pourquoi ous avos adapté et modifié l'itesité de propesio aux variables quatitatives à valeurs das tout itervalle [x mi..x max ] de l'esemble des réels. 3. ITESITÉ D'IMPLICATIO ORDIALE Das cette sectio, ous présetos l'itesité d'implicatio ordiale qui gééralise l'itesité de propesio et l'itesité d'implicatio aux variables quatitatives à valeurs das tout itervalle de l'esemble des réels et aux variables qualitatives omiales après u codage approprié des valeurs de celles-ci das l'esemble des réels. Soiet X et Y deux variables quatitatives à valeurs x i et y i (i {,..,} das respectivemet les itervalles [x mi..x max ] et [y mi..y max ]. L'itesité d'implicatio ordiale mesure si le ombre des idividus e vérifiat pas fortemet la règle X Y, c'est-à-dire le ombre des idividus ayat ue valeur élevée pour X et faible pour Y, est sigificativemet faible comparativemet à ce que l'o obtiedrait si par hypothèse ces deux variables étaiet idépedates. ous appelos ce ombre d'idividus, le ombre des cotre-exemples ou ecore la mesure brute ordiale. E s'ispirat des travaux de [6] et [8], ous proposos la mesure ordiale brute suivate : qo = (xi-xmi (ymax-yi Das [8], J.B. Lagrage retiet u idice moye propesio et, das [6] R. Gras propose l'idice brut q '' 0 xi( -yi i q0 ' = = xi(ymax-yi i xmax ymax pour sa mesure de = =. Comme la mesure de [8] 'est valable que pour des variables à valeurs das l'itervalle [0..], ous avos la relatio '' ' q = etre ces deux deriers idices. 0 q0 L'idice ordial brut xi (y -yi max aurait pu être reteu mais il est importat de faire iterveir la valeur miimale de X. E effet, si ous cosidéros le terme x i au lieu du terme (x i -x mi das la mesure brute, ous doos de l'importace aux idividus ayat des faibles valeurs pour X et ce, d'autat plus, que la valeur miimale prise par X est élevée. L'idice xi (y -yi max a ue valeur supérieure à q 0 et peut rejeter des règles valides. Ceci est illustré par la figure doat les courbes des foctios x i (y max -y i (courbe de gauche et (x i -x mi (y max -y i (courbe de droite pour x [00..50] et y [50..90].

5 Figure : Courbes des mesures brutes avec (courbe droite et sas (courbe gauche la prise e compte de la valeur miimale de X. La courbe de gauche (figure motre que les idividus ayat ue faible valeur pour X et Y ot u poids aussi importat que certais idividus ayat ue forte valeur pour X et ue faible valeur pour Y cotrairemet à la courbe de droite (figure où les idividus ayat ue faible valeur pour X ot u poids égligeable. Aisi, pour la courbe de gauche, les idividus vérifiat simultaémet x=00 et y=50, ot u poids équivalet à ceux vérifiat simultaémet x=50 et y=82 c'est-à-dire u poids de 400 ce qui 'est pas le cas pour la courbe de droite car ces idividus ot u poids ul. C'est pourquoi ous avos reteu la mesure ordiale brute q 0. Comme pour tous les idices statistiques, o se réfère à ue échelle de mesure c'est-à-dire à ue échelle probabiliste. Il faut doc détermier la loi de probabilité de la variable aléatoire Q dot cette mesure brute q o est ue réalisatio. Soit ue épreuve aléatoire E cosistat à prélever u échatillo E de idividus parmi la populatio Ω. Soiet U et W deux variables aléatoires idépedates preat respectivemet leurs valeurs u i et w i das les itervalles [u mi..u max ] et [w mi..w max ] (i {,..,}. Afi d'effectuer ue comparaiso avec les variables X et Y défiies ci-dessus, ces deux variables aléatoires U et W doivet avoir la même moyee et variace que celles respectivemet de X et Y. Soiet m X, m Y, m U et m W les moyees respectivemet de X, Y, U et W et soiet v X, v Y, v U et v W les variaces respectivemet de X, Y, U et W; ous avos m X = m U, m Y = m W, v X = v U, et v Y = v W. Cosidéros la variable aléatoire Q égale à (U i -umi (wmax-wi dot qo = (u i-umi (wmax-wi est ue réalisatio. Cette variable aléatoire Q suit asymptotiquemet la loi ormale (m,v avec m= (m X x mi (y max -m Y et v²=[v X (m X -x mi ²][v Y (y max -m Y ²] [7]. U test statistique uilatéral va détermier la validité de l'hypothèse d'idépedace des deux variables X et Y. Soiet H 0 l'hypothèse d'idépedace etre X et Y et H l'hypothèse alterative. Soit α le risque de première espèce. La règle de décisio est la suivate : Si Pr(Q q o > α alors o accepte H 0

6 sio o rejette H 0 et o accepte H Si la probabilité Pr(Q q o d'avoir u ombre iférieur ou égal à q o est élevée, ous pouvos e coclure que q o 'est pas sigificativemet faible car pouvat se produire assez fréquemmet et par coséquet l'implicatio X Y 'est pas pertiete. Par cotre, si la probabilité Pr(Q q o est faible, ous pouvos e coclure que l'implicatio X Y a u ses puisqu'il est fort improbable d'obteir u ombre aussi faible. Afi de mesurer cette implicatio de faço croissate, l'idice ϕ(x Y= Pr(Q>q o est reteu. Aisi, l'implicatio X Y est admissible au iveau de cofiace (-α si et seulemet si Pr(Q q o α ou Pr(Q>q o -α. L'itesité d'implicatio ordiale est doc : 2 ( t µ ϕ (X Y = 2 ² e σ dt 2πσ q 0 4. REGLES ORDIALES Das cette sectio, ous expliquos la sigificatio des règles extraites par l'itesité d'implicatio ordiale, les règles ordiales. La figure 2 (courbe de gauche représete les idividus e i (i {,.., } de E suivat les valeurs de X et Y. O suppose que la variable X pred r valeurs distictes x = x mi < x 2 < < x r- < x r = x max et la variable Y possède s valeurs distictes y = y mi < y 2 < < y s- < y s = y max. Y très peu d'idividus das cette partie du pla y max y s- y mi 0 x 2 x max x mi X Figure 2. Répartitio des idividus de E suivat les valeurs de X et Y (courbe de gauche et poids attribué à ces idividus (courbe de droite L'itesité d'implicatio ordiale évalue, pour la règle X Y, si le ombre d'idividus das la zoe grisée de la figure 2 (courbe gauche est statistiquemet faible. Cepedat tous les idividus de cette zoe 'ot pas la même importace et les idividus du coi iférieur droit ot u poids plus importat, comme le motre la courbe de droite de la figure 2. Cette derière, où o a supposé que la variable X pred ses valeurs das [0..70] et Y das [0..30], motre la courbe de la foctio g(x,y = (x-x mi (y max -y où le ombre (x i -x mi (y max -y pour l'idividu e i de E correspod à g(x i,y i.

7 5. ÉVALUATIO SUR DES DOÉES BACAIRES Das cette sectio, ous présetos les règles ordiales découvertes sur ue base de doées bacaires. Tout d'abord, ous décrivos la base de doées et esuite doos les règles ordiales. 5.. DOEES BACAIRES La base de doées bacaires se composet de 47 2 idividus décrits par 52 variables dot 96% d'etre elles sot des variables quatitatives. Les variables peuvet être répertoriées e trois catégories : - Iformatios cocerat le cliet (âge, acieeté,, - Iformatios sur les différets comptes du cliet (actios, obligatios, PEL,, - Statistiques sur les différets comptes (motat des ressources, motat des ecours prêt,. Les iformatios cocerat les comptes du cliet peuvet être divisées e deux ouvelles catégories : - Variables mémorisat les ecours de chaque type Z de comptes ouverts par le cliet, c'est-à-dire les sommes d'arget déposées sur ces comptes (ecoursz, - Variables comptabilisat le ombre de comptes ouverts pour u type de produit doé (ombrez dot le motat total est eregistré das les variables précédetes RESULTATS 208 règles ordiales au seuil miimal de 0,95 ot été découvertes par l'itesité d'implicatio ordiale. Cette extractio a permis de découvrir les services pouvat itéresser u cliet déteteur d'u type de compte doé. Aisi, ous avos découvert que les cliets possédat, par exemple, u livret d'éparge sot potetiellemet itéressés par u pla éparge logemet (avec ue itesité d'implicatio égale à, u compte éparge logemet (avec ue itesité égale à, u pla d'éparge populaire (avec ue itesité égale à, ue carte bleue (avec ue itesité égale à 0,96 et u dispoible permaet (avec ue itesité égale à 0,95. Ce type d'implicatio a été détecté pour tous les produits fiaciers offerts par les baques, ce qui représete 76 règles. D'autres exemples de règles découvertes : les persoes qui possèdet le plus grad ombre de comptes actios sot les persoes les plus aciees das la baque (la valeur de l'itesité d'implicatio ordiale est égale à et les cliets qui possèdet le plus grad ombre de pla éparge populaire sot les persoes les plus âgées (itesité d'implicatio ordiale égale à. Les fortes relatios découvertes etre les variables sot les suivates. - Ue équivalece etre l'âge du cliet et so acieeté das la baque ce qui idique que plus l'âge du cliet est avacé, plus so acieeté est grade et vice-versa.

8 - Des équivaleces etre le motat des ecours pour u type de compte doé Z (ecoursz et le ombre de comptes ouverts pour ce même type de compte (ombrez. Ces équivaleces sot vérifiées pour 44% des produits fiaciers offerts par la baque, comme par exemple le prêt éparge logemet et le pla d'éparge populaire (PEP. Ce 'est pas vérifié, par exemple, pour les obligatios, les actios et le livret d'éparge. - Ue très forte relatio etre le pla éparge logemet (PEL et le compte éparge logemet (CEL comme le motre la figure 4. Ces relatios idiquet qu'e gééral u cliet souscrit à ces deux produits fiaciers. 6. COCLUSIO ET PERSPECTIVES ous avos trouvé ue mesure ordiale sélective pour les doées volumieuses : l'itesité d'implicatio ordiale. Cette mesure évite l'étape de trasformatio des variables e variables biaires et permet de découvrir u ouveau type de règles, les règles ordiales, qui ous reseiget sur l'évolutio cojoite des variables. Ces règles ous révèlet le comportemet gééral de la populatio plus facilemet qu'avec des règles dot les variables sot partitioées e itervalles. Cette étude doit se poursuivre avec la recherche de règles d'associatio ordiales, c'est-à-dire des règles composées de plus d'ue variable e prémisse et / ou e coclusio. BIBLIOGRAPHIE [] AGRAWAL R., MAILA H., SRIKAT R., TOIVOE H., VERKAMO A.I., Fast discovery of associatio rules, Fayyad U.M., Piatetsky-Shapiro G., Smyth P. ad Uthurusamy R. eds., Advaces i Kowledge Discovery ad Data Miig. AAAI/MIT Press, 996, p [2] BRI S., MOTWAI R., SILVERSTEI C., Beyod Market Baskets : Geeralizig Associatio Rules to Correlatios, Proceedigs of the 997 ACM SIGMOD Coferece, Tucso, Arizoa, mai 997, p [3] FLEURY L., BRIAD H., PHILIPPE J., DJERABA C., Rules Evaluatios for Kowledge Discovery i Database, 6th Iteratioal Coferece ad Workshop o Database ad Expert Systems Applicatios, DEXA, Lodres, Agleterre, 995. [4] FREITAS A.A., O Objective Measures of Rules Surprisigess, Secod Europea Symposium o Priciples of Data Miig ad Kowledge Discovery PKDD 98, ates, Frace, 998, p. -9. [5] GRAS R., Cotributio à l'etude Expérimetale et à l'aalyse de certaies Acquisitios Cogitives et de certais Objectifs Didactiques e Mathématiques, Thèse d'état, Uiversité de Rees I, Octobre 979. [6] GRAS R., ALMOULOUD S.A., BAILLEUL M., LARHER A., POLO M., RATSIMBA- RAJOH H., TOTOHASIA A., L'implicatio Statistique, La Pesée Sauvage, 996.

9 [7] GUILLAUME S., KHECHAF A., et BRIAD H., Geeralizig Associatio Rules to ordial rules, I proceedigs of Iformatio Quality Coferece, IQ2000, edited by Barbara D. Klei Uiversity of Michiga-Dearbor ad Doald F. Rossi Uiversity of Michiga-Dearbor, pp , Cambridge, Massachusetts, USA, October [8] LAGRAGE J.B., Aalyse Implicative d'u Esemble de Variables umériques; Applicatio au Traitemet d'u Questioaire à Réposes Modales Ordoées, Revue de Statistique Appliquée, I.H.P., Paris, 997. [9] LERMA I.C., Classificatio et aalyse ordiale des doées, Duod, 98. [0] MAJOR J., MAGAO J., Selectig amog Rules Iduced from a Hurricae Database, KDD-93, p [] MAILA H., TOIVOE H., VERKAMO A.I., Efficiet algorithms for Discoverig Associatio Rules, Usama M. Fayyad et Ramasamy Uthurusamy, éditeurs, AAAI Workshop o Kowledge Discovery i Databases, Seattle, Washigto, Juillet 994, p [2] PIATETSKY-SHAPIRO G., Discovery, Aalysis ad Presetatio of Strog Rules, I G. Piatetsky-Shapiro & W.J. Frawley, editors, Kowledge Discovery i Databases, AAAI Press, 99, p [3] SAPORTA G., Théories et méthodes de la statistique, Editios Techip, 978. [4] SILBERSCHATZ A., TUZHILI A., What makes Patters iterestig i Kowledge Discovery Systems, IEEE Tras. O Kow. Ad Data Eg., vol.8, 6, p [5] SRIKAT R., AGRAWAL R., Miig quatitative associatio rules i large relatioal tables, Proceedigs 996 ACM-SIGMOD Iteratioal Coferece Maagemet of Data, Motréal, Caada, Jui 996. [6] SUZUKI E., KODRATOFF Y., Discovery of Surprisig Exceptio Rules Based o Itesity of Implicatio, Secod Europea Symposium o Priciples of Data Miig ad Kowledge Discovery PKDD 98, ates, Frace, 998, p. 0-8.

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

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

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

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

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

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

. (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

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

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

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

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

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

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

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

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

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

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

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

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

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

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

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

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

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

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

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

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

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

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers.

Renseignements et monitoring. Renseignements commerciaux et de solvabilité sur les entreprises et les particuliers. Reseigemets et moitorig. Reseigemets commerciaux et de solvabilité sur les etreprises et les particuliers. ENSEMBLE CONTRE LES PERTES. Reseigemets Creditreform. Pour plus de trasparece. Etreteir des rapports

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

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

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

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

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

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

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

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

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

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

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

Principes et Méthodes Statistiques

Principes et Méthodes Statistiques Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............

Plus en détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

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

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

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

[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

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

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

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

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

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

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

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

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

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

Comment les Canadiens classent-ils leur système de soins de santé?

Comment les Canadiens classent-ils leur système de soins de santé? Novembre Les sois de saté au Caada, c est capital bulleti o 4 Commet les Caadies classet-ils leur système de sois de saté? Résultats du sodage iteratioal du Fods du Commowealth sur les politiques de saté

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

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

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

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

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

Un accès direct à vos comptes 24h/24 VOTRE NUMÉRO CLIENT. www.bnpparibas.net. Centre de Relations Clients 0 820 820 001 (0,12 /min)

Un accès direct à vos comptes 24h/24 VOTRE NUMÉRO CLIENT. www.bnpparibas.net. Centre de Relations Clients 0 820 820 001 (0,12 /min) * selo coditios cotractuelles e vigueur. U accès direct à vos comptes 24h/24 VOTRE NUMÉRO CLIENT + VOTRE CODE SECRET * : www.bpparibas.et Cetre de Relatios Cliets 0 820 820 001 (0,12 /mi) Appli Mes Comptes

Plus en détail

One Office Voice Pack Vos appels fixes et mobiles en un seul pack

One Office Voice Pack Vos appels fixes et mobiles en un seul pack Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre

Plus en détail

Le Sphinx. Enquêtes, Sondages. Analyse de données. Internet : http://www.lesphinxdeveloppement.fr/club/index.html

Le Sphinx. Enquêtes, Sondages. Analyse de données. Internet : http://www.lesphinxdeveloppement.fr/club/index.html Equêtes, Sodages Aalyse de doées Le Sphix! Iteret : http://www.lesphixdeveloppemet.fr/club/idex.html Lagarde J. Aalyse statistique de doées, Duod. Réaliser vos equêtes Questioaire Traitemets et aalyses

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

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

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

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

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

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

Le chef d entreprise développe les services funéraires de l entreprise, en

Le chef d entreprise développe les services funéraires de l entreprise, en Le chef d etreprise développe les services fuéraires de l etreprise, e assurat lui-même tout ou partie des activités de vete et e ecadrat directemet le persoel techique et commercial et d exploitatio.

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

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

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

Les études. Recommandations applicables aux appareils de levage "anciens" dans les ports. Guide Technique

Les études. Recommandations applicables aux appareils de levage anciens dans les ports. Guide Technique es Cetre d Etudes Techiques Maritimes et Fluviales Les études Recommadatios applicables aux appareils de levage "acies" das les ports Guide Techique PM 03.01 Cetre d Etudes Techiques Maritimes et Fluviales

Plus en détail

Réseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus

Réseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio

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

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

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

La tarification hospitalière : de l enveloppe globale à la concurrence par comparaison

La tarification hospitalière : de l enveloppe globale à la concurrence par comparaison ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 58 2000 La tarificatio hospitalière : de l eveloppe globale à la cocurrece par comparaiso Michel MOUGEOT * RÉSUMÉ. Cet article cosidère différetes politiques de

Plus en détail

Création et développement d une fonction audit interne*

Création et développement d une fonction audit interne* Créatio et développemet d ue foctio audit itere* Ue démarche e 10 étapes [ Sommaire] Dix étapes pour réussir... 7 Étapes 1 à 4 Défiitio du cadre d itervetio... 9 1 Idetifier les attetes des parties preates...

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

Tableaux Croisés et Diagrammes en Mosaïque : Pour Voir Les Probabilités Marginales et Conditionnelles.

Tableaux Croisés et Diagrammes en Mosaïque : Pour Voir Les Probabilités Marginales et Conditionnelles. Tableaux Croisés et Diagrammes e Mosaïque : Pour Voir Les Probabilités Margiales et Coditioelles. Moique Le Gue CNRS- MATISSE 1 Résumé Cet article s iscrit das ue démarche de sesibilisatio aux différetes

Plus en détail

Faites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes

Faites prospérer vos affaires grâce aux solutions d épargne et de gestion des dettes Faites prospérer vos affaires grâce aux solutios d éparge et de gestio des dettes Quelques excelletes raisos d offrir des produits bacaires et de fiducie à vos cliets Vous avez la compétece écessaire pour

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

Risque de longévité et détermination du besoin en capital : travaux en cours

Risque de longévité et détermination du besoin en capital : travaux en cours Risque de logévité et détermiatio du besoi e capital : travaux e cours Frédéric PLANCHET ISFA Laboratoire SAF Versio.6 / Septembre 2008 Sommaire La prise e compte de l expériece propre au groupe das l

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

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

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est

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

Donnez de la liberté à vos données. BiBOARD. www.biboard.fr

Donnez de la liberté à vos données. BiBOARD. www.biboard.fr Doez de la liberté à vos doées BiBOARD www.biboard.fr Le décisioel pour tous Le décisioel évolue. L etreprise quelle que soit sa taille, a besoi de piloter so activité à l aide d outils simples, fiables,

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

Logiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd

Logiciel de synchronisation de flotte de baladeurs MP3 / MP4 ou tablettes Androïd easylab Le logiciel de gestio de fichiers pour baladeurs et tablettes Visualisatio simplifiée de la flotte Gestio des baladeurs par idividus / classes / groupes / activités Activatio des foctios par simple

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

Les solutions mi-hypothécaires, mi-bancaires de Manuvie. Guide du conseiller

Les solutions mi-hypothécaires, mi-bancaires de Manuvie. Guide du conseiller Les solutios mi-hypothécaires, mi-bacaires de Mauvie Guide du coseiller 1 2 Table des matières Itroductio... 5 La Baque Mauvie...5 Le compte Mauvie U...5 Le compte Sélect Baque Mauvie...5 1. Les solutios

Plus en détail

Lorsque la sécurisation des paiements par carte bancaire sur Internet conduit à une concurrence entre les banques et les opérateurs de réseau

Lorsque la sécurisation des paiements par carte bancaire sur Internet conduit à une concurrence entre les banques et les opérateurs de réseau Lorsque la sécurisatio des paiemets par carte bacaire sur Iteret coduit à ue cocurrece etre les baques et les opérateurs de réseau David Bouie Das cet article, ous ous iterrogeos sur l issue de la cocurrece

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

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

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

sçíêé=ã~áëçå L ABC des fenêtres

sçíêé=ã~áëçå L ABC des fenêtres sçíêé=ã~áëçå CF 58 L ABC des feêtres Les feêtres remplisset ue foctio importate das la maiso. E plus d e rehausser l esthétique, elles permettet d assurer u apport d air frais et la vetilatio, d éclairer

Plus en détail