Examen du cours de Mesures de risque en finance
|
|
- Marie-Laure Labonté
- il y a 8 ans
- Total affichages :
Transcription
1 Examen du cours de Mesures de risque en finance Mercredi 15 Décembre 21 (9h-11h) Seul document autorisé: une feuille A4 manuscrite recto-verso. Important : rédiger sur une même copie les exercices 1 et 2 et sur une autre l exercice 3. Exercice 1 (Mesures de risque). Les questions 2.c et 5 sont facultatives, ce qui signifie qu il n est pas nécessaire de les résoudre pour avoir la note maximale. Elle seront cependant notées avec une pondération comparable aux autres questions. On considère (Ω, F, P) un espace de probabilité tel qu il existe une variable aléatoire réelle U de loi uniforme sous P. On considère X = L (Ω, F, P), l ensemble des variables aléatoires à valeurs bornées muni de la norme X = inf{m >, P( X M) = 1}. On définit, pour α,+ [, X X, ρ α (X) = 1 α log(e[e αx ). 1. Montrer que ρ α (X) est une mesure de risque monétaire convexe. Est-elle cohérente? 2. (a) Montrer que pour X X fixé, α ρ α (X) est une fonction croissante. (b) Calculer pour X X, ρ (X) := lim α ρ α (X). Est-ce que ρ est une mesure de risque cohérente? (c) (Facultatif) Pour X X, on pose ess inf X = sup{m R, P(X M) = 1}. Montrer que pour ε >, P(X < ess inf X + ε) > et que P(X < ess inf X + ε)e α(ess inf X+ε) E[e αx e αess inf X. Calculer pour X X, ρ (X) := lim α + ρ α(x). Est-ce que ρ est une mesure de risque cohérente? On note L 1 (Ω, F, P) l ensemble des variables aléatoires réelles intégrables. On introduit, comme dans le cours, M 1 (P) l ensemble des mesures de probabilité sur (Ω, F) qui sont absolument continues par rapport à P. Par la suite, E désignera l espérance par rapport à la probabilité de référence P, et pour Q M 1 (P), E Q désignera l espérance sous la probabilité Q. Le théorème de Radon-Nikodym nous assure que Q M 1 (P) Z L 1 (Ω, F, P), X L (Ω, F, P), E Q [X = E[ZX. De plus, la variable aléatoire Z est unique et est notée. 3. On se donne α,+ [. (a) Soit (X n ) n N X N une suite telle que Montrer que ρ α (X) lim inf ρ α(x n ). (b) En déduire que { Xn X,p.s. M >, n N, X n M. ρ α (X) = où γ α (Q) = sup E[ X 1 α log E[e αx. sup E Q [ X γ α (Q), Q M 1 (P) 1
2 (c) Montrer que γ α (Q) = 1 α γ 1(Q) On pose ϕ(x) = xlog(x) [ ( ), x (ϕ() [ ( = ) en prolongeant par continuité). Pour Q M 1 (P), on pose H(Q P) = E ϕ = E Q log la fonction H(Q P) est appelée l entropie de Q par rapport à P. 4. (a) Montrer que ϕ est convexe et minorée. En déduire que H(Q P) a un sens lorsque Q est absolument continue par rapport à P, et montrer que H(Q P). (b) Montrer que γ 1 (Q) H(Q P). (c) On pose, pour Z X, Z continue par rapport à P Z, et calculer = ez E[e Z. Montrer que si Q M 1(P), Q est absolument Z. [ (d) Montrer que H(Q P) = H(Q P Z ) + E Z log(e(e Z )), puis que H(Q P) γ 1 (Q). En déduire la représentation suivante de ρ α : ρ α (X) = sup E Q [ X 1 Q M 1 (P) α H(Q P). 5. (Facultatif) Retrouver à l aide de cette représentation que α ρ α (X) est une fonction croissante, et en déduire la valeur de lim ρ α(x). α + Exercice 2 (Lois de valeurs extrêmes). Soit α >. On se donne une suite (X k,k 1) α de variables aléatoires de densité x 1 1+α x>1. On pose M n = max 1 k n X k. Construire des suites de réels a n et b n telles que (M n b n )/a n converge en loi vers une loi de Fréchet dont on précisera le paramètre. 2
3 Exercice 3 (Borne sur une famille de copules qui ont un τ de Kendall donné) Les différentes questions sont indépendantes. Merci de rédiger cet exercice sur une feuille séparée. On rappelle la définition du tau de Kendall : τ(c) = C(u,v)dC(u,v) Soit C 1 et C 2 deux copules telles que C 1 (u,v) C 2 (u,v) pour tout (u,v) [,1 2. Montrer que τ(c 1 ) τ(c 2 ). 2. Demontrer la representation alternative suivante pour le tau de Kendall : 3. Pour t [ 1, 1, on définit τ(c) = 1 4 Justifier pourquoi T t est non vide. u C(u,v) C(u,v)dudv. (1) v T t := {C C copule,τ(c) = t}. Dans le reste de l exercice on cherche à trouver une borne inférieure commune pour les copules dans T t. 4. Soit C une copule telle que C(a,b) = θ. Monter que pour tout u,v [,1, C(u,v) min(u,v,θ + (u a) + + (v b) + ) := C a,b,θ (u,v). Montrer que C a,b,θ est une copule (ou admettez-le si la démonstration vous parait difficile). 5. En utilisant (2), montrer que τ(c a,b,θ ) = 1 4(a θ)(b θ). 6. Soit C T t telle que C(a,b) = θ. Montrer que t 1 4(a θ)(b θ). En déduire que pour tout (u,v) [,1 2, ( C(u,v) max,u + v 1, 1 [ (u + v) (u v) t ) := T t (u,v). 7. Soit X et Y les valeurs à la date T de deux actifs sous-jacents, dont on connaît les fonctions de repartition F X et F Y ainsi que le tau de Kendall t. Donner une borne supérieure sur le prix de l option sur spread de X et Y de pay-off f(x,y ) = (X Y K) +, K. 3
4 Exercice 1 : Correction 1. Soient X,Y X. Si X Y P-p.s., e αx e αy P-p.s. et donc ρ α (X) ρ α (Y ). Pour m R, ρ α (X + m) = 1 α log(e[e αm e αx ) = ρ α (X) m. Pour prouver la convexité, il s agit de montrer que pour λ,1[, 1 α log(e[e αλx e α(1 λ)y ) λ α log(e[e αx )+ 1 λ α log(e[e αy ), ou encore E[e αλx e α(1 λ)y E[e αx λ E[e αy (1 λ), ce qui n est rien d autre que l inégalité de Hölder avec 1/p = λ et 1/q = 1 λ. Enfin ρ α n est pas une mesure de risque cohérente. En effet, Si X suit une loi de Bernoulli de paramêtre 1/2, on a pour λ >, ρ α (λx) = 1 α log(1 2 (1 + e λα log(2) )) λ + α, ce qui n est pas compatible avec un comportement linéaire. 2. (a) Soient < α < α. On pose p = α /α > 1. Par l inégalité de Jensen, E[e αx E[e αpx 1/p, et par conséquent 1 α log(e[e αx ) 1 α log(e[e α X ). (b) Pour X X, ρ α (X) = k= ( α)k E[X k /k!. Il s agit d une série absolument convergente et on a ρ α (X) = α 1 αe[x + O(α 2 ), et par conséquent ρ (X) = E[ X, ce qui est clairement une mesure de risque cohérente. (c) On a {M R, P(X M) = 1} =,ess inf X[ ou,ess inf X. Par conséquent pour ε >, on a ess inf X + ε {M R, P(X M) = 1}, i.e. P(X ess inf X + ε) < 1. Ainsi, P(X < ess inf X + ε) > et en utilisant que ess inf X X 1 X<ess inf X+ε (ess inf X + ε) + 1 X ess inf X+ε, il vient que Ainsi, on obtient que P(X < ess inf X + ε)e α(ess inf X+ε) E[e αx e αess inf X. 1 α log(p(x < ess inf X + ε)) (ess inf X + ε) ρ α(x) ess inf X, puis que pour tout ε >, (ess inf X+ε) lim inf α + ρ α (X) lim sup α + ρ α (X) ess inf X, ce qui prouve que lim ρ α(x) = ess inf X. Ainsi, ρ (X) = ess inf X α + est une mesure de risque convexe cohérente. 3. (a) Soit (X n ) n N X N une suite telle que { Xn X,p.s. M >, n N, X n M. Par convergence dominée, on a E[e αxn E[e αx et donc lim ρ α (X n ) = ρ α (X). En particulier, on a que ρ α (X) lim inf ρ α(x n ). (b) D après le théorème vu en cours sur la représentation des mesures de risque convexes s.c.i., on en déduit grâce à (a) que ρ α (X) = où γ α (Q) = sup E[ X 1 α log E[e αx. (c) On a γ α (Q) = 1 α sup E[ αx 1 α γ 1(Q), puisque αx = X. sup E Q [ X γ α (Q), Q M 1 (P) log E[e αx = 1 α sup 4 E[ X log E[e X =
5 4. (a) On a ϕ (x) = 1 + log(x) est une fonction croissante et ϕ est donc convexe. De plus ϕ (x) < pour x < 1/e et ϕ (x) > pour x > 1/e, ce qui assure que ϕ atteint son minimum en 1/e, et donc ϕ(x) ϕ(1/e) = 1/e. Ainsi, H(Q P) = E[ϕ( ) a un sens comme espérance d une variable aléatoire minorée. En outre on a par l inégalité de Jensen, H(Q P) = E[ log( ) ϕ(e[ ) =. (b) Pour n,p N, on pose X n,p = log( )1 1/p n X. On a [ γ 1 (Q) E log( ) 1 1/p n [ E 1 1/p n. ( ) Par convergence dominée, il vient en faisant tendre p + que γ 1 (Q) E[ϕ 1 n E[ 1 n, puis en faisant tendre n +, on obtient par convergence monotone que γ 1 (Q) H(Q P). [ [ e Z (c) Pour X X, E Q [X = E X = E absolument continue par rapport à P Z, et E[e Z E[e Z e Z X Z = E[eZ e Z. (d) En utilisant l égalité de la question précédente, = E P Z[ E[eZ e Z X. Donc Q est [ H(Q P) = E log ( ) [ [ ( ) = E (Z log(e[ez )) + E log Z = E Q [Z log(e[e Z ) + E P Z[ϕ( Z ) [ = E Z log(e[e Z ) + H(Q P Z ). Comme, H(Q P Z ) et que Z X est arbitraire, il vient : [ Z H(Q P) supe Z X 5. Comme H(Q P), on a pour α α et Q M 1 (P), log(e[e Z ) = γ 1 (Q). E Q [ X 1 α H(Q P) E Q[ X 1 α H(Q P), et en passant au sup sur les probabilités Q, il vient que ρ α (X) ρ α (X). Ainsi ρ (X) = lim α + ρ α (X) = sup α> ρ α (X) = sup Q M1 (P) sup α> E Q [ X 1 α H(Q P) = sup Q M1 (P) E Q [ X = ess inf X. 5
6 Exercice 2. Soit x R. On a si on prend a n >, P((M n b n )/a n x) = P(M n b n + a n x) = P(X 1 a n x + b n ) n. Par ailleurs, P(X 1 x) = 1 1/x α si x > 1 et P(X 1 x) = sinon. Ainsi, en prenant a n = n 1/α et b n =, on obtient : { si x P((M n b n )/a n x) = (1 1 nx ) n si x > et n assez grand α Ainsi, pour x >, P((M n b n )/a n x) e x α, i.e. M n /n 1/α converge en loi vers une loi de Fréchet de paramètre α. Exercice 3. (Borne sur une famille de copules qui ont un τ de Kendall donné) Le sujet est tiré de l article BOUNDS ON BIVARIATE DISTRIBUTION FUNCTIONS WITH GIVEN MARGINS AND MEASURES OF ASSOCIATION par Roger B. Nelsen, José Juan Quesada-Molina, José Antonio Rodriguez-Lallena, et Manuel Ubeda-Flores, publié dans COMMUN. STATIST. THEORY METH., 3(6), (21). 1. Par intégration par parties (Fubini) on a : τ(c 1 ) τ(c 2 ) = 4 4 = 4 C 1 (u,v)dc 1 (u,v) 4 C 2 (u,v)d(c 1 (u,v) C 2 (u,v)) (C 1 (u,v) C 2 (u,v))dc 2 (u,v). C 2 (u,v)dc 2 (u,v) 2. Demontrer la representation alternative suivante pour le tau de Kendall : τ(c) = 1 4 u C(u,v) C(u,v)dudv. (2) v Soit µ la mesure positive sur [,1 2 engendrée par C. En utilisant de nouveau le théorème de Fubini, on trouve : τ(c) = 4 1 u u1 v vµ(du dv)µ(du dv ) 1 [,1 4 = 4 µ(du dv ) µ(du dv) 1 = 4 = 4 = 1 4 u [,1 v [,1 u [,1 v [,1 u [,u dv v C(u,v ) ( v [v,1 v C(u,v ) u C(u,v )dudv v C(u,v ) u C(u,v )dudv. ) µ(du dv) du v [,1 u C(u,v ) 1 du 1 dv v C(u,v ) 1 6
7 3. Soit C λ (u,v) := λmin(u,v) + (1 λ)max(,u + v 1). Alors λ τ(c λ ) est une fonction continue et vérifie τ(c ) = 1 et τ(c 1 ) = On considère séparement les différents cas possibles : Si u > a et u > b, alors la propriété Lipschitz de la copule implique C(u,v) C(a,b) + u a + v b. Si u a et v b alors la croissance de la copule en chacun de ses arguments donne C(u,v) C(a,b). Si u a et v > b, en utilisant d abord la croissance et ensuite la propriété Lipschitz, on a : C(u,v) C(a,v) C(a,v) + v b. Le cas u > a et v b se traite de manière similaire. Dans tous les cas, on a alors C(u,v) θ + (u a) + + (v b) +. Comme par ailleurs C(u,v) min(u,v) (borne de Frechet), on a le résultat. Pour montrer que C a,b,θ est une copule, une possibilité est de montrer que C a,b,θ est la fonction de répartition du couple (U, V ) où U est uniforme sur [, 1 et V = U si U < θ ou U a + b θ, V = U + b θ si θ U < a et V = U a + θ si a U < a + b θ. 5. Soit A = {(u,v) [,1 2 : min(u,v) > θ + (u a) + + (v b) + }. Il est clair que sur A c, =, et donc, C u C v C C u v = C C u v 1 A = 1 u>a 1 u>b 1 A = 1 u>a 1 u>b 1 u>θ+u a+v b 1 v>θ+u a+v b, d où le résultat par application de (1). 6. L estimation t 1 4(a θ)(b θ) est une conséquence directe de 1. et 4. On en déduit que pour t fixé, tout θ qui vérifie cette inégalité est plus grand que la plus petite des deux racines de l équation t = 1 4(a θ)(b θ) : θ 1 2 ( a + b ) (a b) t. Comme par ailleurs C(a, b) max(, a + b 1), on a le résultat. 7. Soit X et Y les valeurs à la date T de deux actifs sous-jacents, dont on connaît les fonctions de repartition F X et F Y ainsi que le tau de Kendall t. Donner une borne supérieure sur le prix de l option sur spread de X et Y de pay-off f(x,y ) = (X Y K) +, K. Par un résultat du cours, le prix de l option sur spread peut être exprimé à partir de la copule C de X et Y : d où π(c) = π(c) K K {F Y (x K) C(F X (x),f Y (x K))}dK, {F Y (x K) T t (F X (x),f Y (x K))}dK. 7
Dualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
Plus en détailLoi d une variable discrète
MATHEMATIQUES TD N : VARIABLES DISCRETES - Corrigé. P[X = k] 0 k point de discontinuité de F et P[X = k] = F(k + ) F(k ) Ainsi, P[X = ] =, P[X = 0] =, P[X = ] = R&T Saint-Malo - nde année - 0/0 Loi d une
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailPROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390
PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 Université PARIS 6 2008/2009 Jean BERTOIN 1 Table des Matières ( ) ces parties peuvent ^etre omises en première lecture, et ne feront pas
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailThéorie de la Mesure et Intégration
Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailSujet 4: Programmation stochastique propriétés de fonction de recours
Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailMESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours
MSUR T INTÉGRATION N UN DIMNSION Notes de cours André Giroux Département de Mathématiques et Statistique Université de Montréal Mai 2004 Table des matières 1 INTRODUCTION 2 1.1 xercices.............................
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détailÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE
ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers
Plus en détailIntégrale de Lebesgue
Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailExo7. Limites de fonctions. 1 Théorie. 2 Calculs
Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication
Plus en détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailTHÉORIE DE LA MESURE ET DE L INTÉGRATION.
THÉORIE DE LA MESURE ET DE L INTÉGRATION. THIERRY GALLAY Transcrit par Tancrède LEPOINT 29 UNIVERSITÉ JOSEPH FOURIER, GRENOBLE TABLE DES MATIÈRES Avant-propos Biographie sommaire...........................................
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailApproximations variationelles des EDP Notes du Cours de M2
Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation
Plus en détailRupture et plasticité
Rupture et plasticité Département de Mécanique, Ecole Polytechnique, 2009 2010 Département de Mécanique, Ecole Polytechnique, 2009 2010 25 novembre 2009 1 / 44 Rupture et plasticité : plan du cours Comportements
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailRelation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices
Lycée Pierre de Fermat 2012/2013 MPSI 1 Feuille d exercices Manipulation des relations d ordre. Relation d ordre Exercice 1. Soit E un ensemble fixé contenant au moins deux éléments. On considère la relation
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailProduits d espaces mesurés
Chapitre 7 Produits d espaces mesurés 7.1 Motivation Au chapitre 2, on a introduit la mesure de Lebesgue sur la tribu des boréliens de R (notée B(R)), ce qui nous a permis d exprimer la notion de longueur
Plus en détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détail1.1 Codage de source et test d hypothèse
Théorie de l information et codage 200/20 Cours 8février20 Enseignant: Marc Lelarge Scribe: Marc Lelarge Pour information Page webdu cours http://www.di.ens.fr/~lelarge/info.html Notations Pour des variables
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailThéorie de la Mesure et Intégration
Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailCorrection du baccalauréat S Liban juin 2007
Correction du baccalauréat S Liban juin 07 Exercice. a. Signe de lnx lnx) : on fait un tableau de signes : x 0 e + ln x 0 + + lnx + + 0 lnx lnx) 0 + 0 b. On afx) gx) lnx lnx) lnx lnx). On déduit du tableau
Plus en détailConstruction de l'intégrale de Lebesgue
Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailEquations aux Dérivées Partielles
Equations aux Dérivées Partielles Tony Lelièvre 29-2 Après avoir considéré dans le capitre précédent des équations d évolution pour des fonctions ne dépendant que du paramètre temps, nous nous intéressons
Plus en détailC. R. Acad. Sci. Paris, Ser. I
C. R. Acad. Sci. Paris, Ser. I 348 (21) 35 31 Contents lists available at ScienceDirect C. R. Acad. Sci. Paris, Ser. I www.sciencedirect.com Probabilités/Statistique Un contre-exemple à une conjecture
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailChapitre 5. Équilibre concurrentiel et bien-être
Chapitre 5 Équilibre concurrentiel et bien-être Microéconomie III 5 1 5.1 Qu est-ce qu un équilibre souhaitable socialement? E cacité versus équité Que nous permet de dire la science économique sur l e
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détailThéorie de la mesure. S. Nicolay
Théorie de la mesure S. Nicolay Année académique 2011 2012 ii Table des matières Introduction v 1 Mesures 1 1.1 Sigma-algèbres................................. 1 1.2 Mesures.....................................
Plus en détail