QUOI DE NOUVEAU EN PROBABILITE EN TERMINALE?
|
|
- Sylvain Bossé
- il y a 6 ans
- Total affichages :
Transcription
1 QUOI DE NOUVEAU EN PROBABILITE EN TERMINALE? S ES et L STI2D et STL Probabilités Coditioemet Idépedace Coditioemet Lois à desité Loi uiforme Loi expoetielle Loi uiforme Loi uiforme Loi expoetielle Lois ormales Fluctuatio Théorème de Moivre-Laplace Loi stadard N (0,1) Loi N ( ; ²) Itervalle de fluctuatio asymptotique Prise de décisio Loi stadard N (0,1) Loi N ( ; ²) Itervalle de fluctuatio asymptotique Prise de décisio Loi N ( ; ²) Approcher ue biomiale par ue ormale Itervalle de fluctuatio asymptotique Prise de décisio Estimatio Itervalle de cofiace d ue proportio Itervalle de cofiace d ue proportio Itervalle de cofiace d ue proportio 1. Lois à desité 1.1. Variable aléatoire cotiue E classe de première, la variable aléatoire, état discrète, pred uiquemet des valeurs isolées (souvet etières). Mais das d autres modèles, la variable aléatoire X peut predre toute valeur de IR ou d u itervalle de IR. O dit alors que X est ue v.a. cotiue. Exemple : O dispose d ue populatio de tailles (e cm) d hommes adultes dot voici u résumé statistique et u histogramme des fréqueces : effectif miimum 145,1 maximum β 208,5 moyee 175,0 écart-type 8,0 médiae 175,0 X est la v.a qui à tout idividu pris au hasard das la populatio associe sa taille. X pred ses valeurs das l itervalle [α ; β] qu o partage e classes. L esemble des valeurs prises par X est l itervalle [α ; β]. X est ue v.a. cotiue. O costruit l histogramme des fréqueces avec u pas de plus e plus petit. Das le cas limite, o obtiet la courbe d ue foctio cotiue positive f qu o appelle desité de probabilité. La probabilité «totale» est alors étalée sur ue ifiité de valeurs possibles : P (α X β) = 1, mais chaque valeur de X a ue probabilité ulle de se produire : pour tout x i [α ; β], P (X = x i ) = 0 Quelle est la probabilité qu u idividu pris au hasard ait ue taille comprise etre x 1 et x 2? Das u histogramme, les fréqueces sot proportioelles aux aires; par aalogie : P (x 1 X x 2 ) = aire du domaie compris etre la courbe, l axe des abscisses et les droites d équatios x = x 1 et x = x 2 : P (x 1 X x 2 ) = x 1 x 2 f (t) dt
2 1.2. Défiitio C f Ue v.a. cotiue X est défiie par sa desité de probabilité : foctio f positive et défiie sur u itervalle I de IR. C f C f La loi de probabilité de X vérifie : P ( X I ) = 1 P ( X J ) = aire du domaie {M (x,y) ; x J et 0 y f (x) }, si J désige u itervalle iclus das I. J J Remarques : pour tout réel x de I, P(X = x) = 0, doc das les iégalités, o peut employer idifféremmet et < (ou et >) pour ue v.a. cotiue, la desité f e représete pas la probabilité de l évèemet (X = x) car celle-ci est ulle. Il faut plutôt garder à l esprit que : P(x X x dx) f (x) dx. Variable discrète Variable cotiue Espérace mathématique de X E(X) = xp E(X) = i i t f (t) dt Variace et écart-type de X 2 V(X) = E X E(X) (X) = V(X). V(X) = E X E(X) I 2 (X) = V(X). Espérace mathématique et variace d ue v.a. cotiue vérifiet les mêmes propriétés que celles éocées e première pour ue v.a. discrète Exemples Olivier viet tous les matis etre 7h et 7h 45 chez Karie predre u café. a. Sachat qu Olivier e viet jamais e dehors de la plage horaire idiquée et qu il peut arriver à tout istat avec les mêmes chaces, quelle desité peut-o attribuer à la variable aléatoire «heure d arrivée d Olivier»? b. Calculer la probabilité qu Olivier soe chez Karie après 7h 30? Etre 7h 20 et 7h 22? A 7h 30 très exactemet? Le temps d accomplissemet (e secodes) d ue certaie actio mécaique est u phéomèe aléatoire. Soit T la variable aléatoire qui à chaque actio mécaique, associe so temps d accomplissemet. La loi physique suivie par celle-ci suggère que la foctio de desité de T est défiie par : 0 si t 0 f ( t) cos t si 0 t si t 2 a. Doer ue allure de la courbe représetative de g. b. Vérifier que f est ue desité de probabilité. c. Quelle est la probabilité que le temps d accomplissemet dépasse 1,6 s?
3 Evolutio du taux de défaillace das le temps Pour la plupart des matériels, la courbe représetative du taux d avarie istataé a l allure d ue «courbe e baigoire». Lorsque le taux d avarie est costat, le matériel est e période de vie utile : les défaillaces sot aléatoires (mort sas vieillissemet). défaillaces vie utile défaillaces La variable aléatoire T, mesurat la durée de vie du matériel précoces d usure avat ue pae, suit la loi expoetielle de paramètre positif. Ce type de loi modélise les phéomèes «sas mémoire» comme les paes de matériels électroiques, les tremblemets de terre, les crues O démotre que P Tt (T t h) P(T h). Soit la v.a. T mesurat la durée de bo foctioemet (e jours) d u équipemet électroique fabriqué e grade série. T est ue variable cotiue de desité de probabilité f défiie sur]0 ; + [ par : f (t) 0,002e 0,002t (t) 0,002 0, a. Vérifier que f est ue desité de probabilité. b. Quelle est la probabilité que la durée de bo foctioemet d u équipemet soit iférieure à 1000 jours? c. Quelle est la probabilité que la durée de bo foctioemet d u équipemet soit supérieure à 400 jours? Soit X la v.a. qui, à ue aée prise au hasard, fait correspodre la hauteur maximale auelle de l Oise au pot d Auvers (e mètres). X suit ue loi de Rayleigh, de desité f défiie sur ]0 ; + [ par : f (t) 0,44 t e 0,22t 2 a. Vérifier que f est ue desité de probabilité. b. Quelle est la probabilité que la hauteur de cette rivière dépasse 3,80 m (ce qui correspod à ue crue exceptioelle)? 1.4. E guise de coclusio aalyser le problème observatios, expérieces statistiques simuler lois : proposer u ou plusieurs modèles faire"tourer" ces modèles sur ordiateur optimiser choisir le modèle le mieux adapté procédures de validatio
4 2. Variable cetrée réduite 2.1 Défiitio Ue v.a. est dite cetrée et réduite si so espérace est ulle et si so écart type est égal à 1. Soit X ue v.a. discrète d espérace E(X) = m, de variace V(X) et d écart type V( X) (o ul). X m O pose Z =. Alors o motre que Z est ue v.a. cetrée réduite. Ses paramètres (espérace et variace) état égaux à 0 et à 1, ils e dépedet plus de ceux de X. Pour la démostratio, o rappelle que si X est ue v.a., alors pour tous réels a et b : E(aX + b) = a E(X) + b V(aX + b) = a 2 V(X) (ax + b) = a(x) 2.2 Applicatio à la loi biomiale O cosidère X ue v.a. qui suit la loi biomiale B ( ; p) de paramètres et p. Alors : E(X ) = p ; V(X ) = p(1 p) = pq ; (X ) = X La v.a. F = correspod à la proportio de succès. E(F ) = p ; elle e déped pas de (mais déped toujours de p). p(1 p) V(F ) = ; elle dimiue si augmete (autremet dit plus augmete et plus les valeurs de F se resserret autour de p comme l illustret les schémas ci-dessous). pq. Pour cetrer et réduire X, o pose Z = X pred ses valeurs etre 0 et, Z les pred etre ue cocetratio plus grade si > 1) X p. Ses paramètres e dépedet plus de et de p. p(1 p) m et m avec les mêmes probabilités (mais avec
5 2.3 Théorème de Moivre-Laplace O cosidère X ue v.a. suivat la loi biomiale B ( ; p) et Z = associée. X p p(1 p) = X m, la v.a. cetrée réduite O représete Z o plus par u diagramme e bâtos mais par u histogramme : à chaque valeur k prise par X o 1 fait correspodre u rectagle dot l aire est égale à P(X = k) et dot la base est de logueur (qui est l écart etre deux valeurs prises par Z ) et la hauteur : P(X = k). O va s itéresser par exemple à P( 1 Z 2). Cette probabilité est doc représetée par la réuio de tous les 1 1 rectagles dot la base est le segmet 1 ; Il apparaît alors ue courbe régulière et symétrique délimitat ue aire qui est voisie de celle de la réuio des rectagles. x 1 2 Abraham de Moivre a découvert que cette courbe est la courbe représetative de la foctio x 2 e 2. O obtiet alors : P( 1 Z 2) A p fixé, l approximatio sera meilleure si est grad (car la largeur des rectagles dimiue). Théorème de Moivre-Laplace : dx. 1 2 e Soit X ue v.a. suivat la loi biomiale B ( ; p) et Z = Alors pour tous réels a et b tels que a < b, o a : lim x 2 P(a Z b) b a X p, la v.a. cetrée réduite associée. p(1 p) x e 2 dx
6 3. Loi ormale ou loi de Laplace - Gauss 3.1. Historique Cette loi est u modèle essetiel das l étude de la variabilité et a u usage très importat e statistique. Elle est apparue au début du XIX ème et s est itroduite par deux voies : Loi des erreurs (moidres carrés) e astroomie et géodésie avec Legedre puis Gauss. Théorèmes limites avec Beroulli puis Laplace ; Approximatio d ue biomiale par ue ormale avec Moivre puis Laplace Loi ormale cetrée réduite Ue variable aléatoire X suit la loi ormale N (0 ; 1) de paramètres 0 et 1 lorsque sa desité de probabilité est défiie sur IR par : f (x) 1 x 2 2 e 2 f (x) x x 2 2 e 2 est du sige de ( x), d où le tableau de variatio ci-cotre et la courbe «e cloche» ci-dessous : x 0 + f '(x) f (x) 0 2 Propriétés de cette courbe : elle est symétrique par rapport à la droite d équatio x = 0. ses poits d iflexio ot pour abscisses ± 1. l aire totale du domaie compris etre la courbe et l axe des abscisses est égale à 1. 0 Espérace mathématique : 0 E(X) = lim t f (t)dt lim x Variace : V(X) = E X E(X) Ecart type : (X) = x y 2 = 1 y t f (t)dt = 0 0 Propriété (démotrée e S) : Pour das] 0 ; 1[, il existe u uique réel positif P(u X u ) 1 si X suit la loi N (0 ; 1) u tel que Par exemple, o obtiet u 0,05 1,96 et u 0,01 2,58, ce qui peut s illustrer par le graphique ci-cotre :
7 3.3. Loi ormale N ( ; ²) Ue variable aléatoire X suit la loi ormale N ( ; ²) lorsque sa desité de probabilité est défiie sur IR par : 1 f (x) 1xm 2 2 e 2 O obtiet des courbes «e cloche» dot la forme déped des paramètres et. Propriété : si X suit la loi ormale N ( ; ²), alors la variable aléatoire Z défiie par Z = réduite N (0 ; 1). X suit la loi ormale cetrée P ( X + ) = P ( 1 Z 1 ) 0,68 P ( 2 X + 2) = P ( 2 Z 2 ) 0,95 P ( 3 X + 3) = P ( 3 Z 3 ) 0,997. O peut justifier que : E(X) = et V(X) = ² 3.4. Approximatio d ue loi biomiale par ue loi ormale Soit X ue variable aléatoire qui suit la loi biomiale B ( ; p). D après ue coséquece du théorème de Moivre-Laplace, si est assez grad (e gééral, lorsque 30, p 5 et (1-p) 5), alors X suit approximativemet la loi ormale N ( ; ²) avec = p et = p(1 p) : l'espérace et l'écart type sot coservés. La plache de Galto est ue illustratio classique de cette approximatio. Fracis Galto éprouva le besoi d expérimeter pour compredre les propriétés de la loi ormale.
8 4. Itervalle de fluctuatio 4.1 Itervalle de fluctuatio asymptotique Soit X ue v.a. suivat la loi biomiale B ( ; p) et u réel das ]0 ; 1[. U itervalle de fluctuatio de X au seuil 1 est u itervalle [a ; b] tel que P(X [a ; b]) 1. Das le programme de secode, o a défii u itervalle de fluctuatio approché au seuil 0,95, de la X variable fréquece F =, par p 1 ; p 1, valable sous certaies coditios de et de p. a E première, o a détermié l itervalle de fluctuatio ; b, calculé à partir de la loi biomiale, a état le plus petit etier tel que P(X a) > 0,025 et b le plus petit etier tel que P(X b) 0,975. Cet itervalle coviet pour toutes les valeurs de et de p. E termiale, le théorème de Moivre-Laplace va permettre de doer u itervalle de fluctuatio plus facilemet calculable qu e première, sous réserve que soit assez grad (mais valable pour toute valeur de p). Comme il est obteu grâce à ue covergece, o le qualifie d itervalle de fluctuatio asymptotique. Notos Z ue v.a. suivat la loi ormale N (0 ; 1). Il existe u uique réel u tel que P(u Z u ) = 1. X E posat Z = p, d après le théorème de Moivre-Laplace o a : lim P(u Z u ) P(u Z u ) p(1 p) Or P(u Z u ) = P p u p(1 p) X p u p(1 p) doc : lim + p(1 p) = P p u p(1 p) P p u X p u X p u p(1 p) p(1 p) = 1. Théorème : si X suit la loi biomiale B ( ; p), alors pour tout das ]0 ; 1[, o a : lim P X I p(1 p) p(1 p) = 1 avec I = p u ; p u. p(1 p) p u ; p u p(1 p) est appelé itervalle de fluctuatio asymptotique au seuil 1. Cet itervalle cotiet F = X avec ue probabilité d autat plus proche de 1 que est grad. O coviet d utiliser cette approximatio si 30, p 5, (1 p) Cas particulier Si = 5%, o a u = 1,96. L itervalle de fluctuatio asymptotique au seuil de 95% est doc : p1,96 p(1 p) ; p1,96 p(1 p)
9 Cosidéros la représetatio graphique de la foctio f défiie par f(x) = Pour tout x de [0 ; 1], 0,5 et u = 1,96 2 O a alors : u 1, et l o obtiet l'itervalle de fluctuatio au seuil de 95 % : p 1 ; p 1. O retrouve l itervalle de fluctuatio vu e secode. Cette majoratio est valable, d u poit de vue statistique, pour 0,2 p 0,8 sio o augmeterait trop l amplitude de l itervalle de fluctuatio. 4.3 Exemple de prise de décisio : la parité, c est quoi? Deux etreprises A et B recrutet das u bassi d emploi où il y a autat de femmes que d hommes, avec la cotraite du respect de la parité. Das l etreprise A, il y a 100 employés dot 43 femmes; das l etreprise B, il y a 2500 employés dot 1150 femmes (soit 46%). Ces etreprises respectet-elles la parité? La parité sigifie que l idetité sexuelle iterviet pas au iveau du recrutemet, c est-à-dire qu au iveau du caractère homme ou femme, les résultats observés pourraiet être obteus par choix au hasard des idividus das la populatio. Les etreprises peuvet doc être assimilées à des échatillos de taille prélevés das ue populatio où la fréquece étudiée p est égale à 0,5. Les itervalles de fluctuatio au iveau 0,95 sot : p(1 p) p(1 p) p1,96 ; p1,96, soit 0,5 0,98 0,98 ; 0,5 L etreprise A est u échatillo de taille 100 dot l itervalle de fluctuatio est [0,402 ; 0,598]. L etreprise B est u échatillo de taille 2500 dot l itervalle de fluctuatio est [0,48 ; 0,52]. Coclusio : la valeur 43% est das l itervalle de fluctuatio pour u échatillo de taille 100 alors que 46% est pas das l itervalle de fluctuatio pour u échatillo de taille 2500! Autremet dit : pour l etreprise B, la proportio de 46% s observe das mois de 5% des échatillos de taille 2500 prélevés au hasard das ue populatio où il y a autat d hommes que de femmes. O peut alors rejeter l hypothèse que cette etreprise respecte la parité. Mais e preat cette décisio, o pred le risque de se tromper, ce risque état égal à 5%. Pour l etreprise A, o cosidère que le résultat observé est compatible avec le modèle (l écart etre f et p est probable, au ses où il est coteu das la fourchette que le hasard produirait avec 95% des échatillos evisageables). De ce fait, o peut accepter l hypothèse que cette etreprise respecte la parité. Mais là aussi e preat cette décisio, o a u risque de se tromper, risque icou das ce cas.
10 5. Itervalle de cofiace 5.1 Itroductio Il est souvet difficile de pouvoir recueillir des doées sur la populatio toute etière. Le plus souvet, o travaille à partir d u échatillo prélevé de maière aléatoire pour estimer le paramètre icou de la populatio (par exemple ue proportio p). Or cette estimatio va varier d u échatillo à l autre du fait de la fluctuatio d échatilloage. Il est doc écessaire d apprécier l icertitude e fourissat ue estimatio par itervalle, appelé itervalle de cofiace de p au iveau qu o s est fixé. s ECHANTILLONNAGE : à partir des iformatios coues das la populatio, o détermie si l échatillo prélevé est représetatif ou o. INTERVALLE DE FLUCTUATION Populatio O coait par exemple la proportio p de femmes O e coait pas la proportio p M de persoes ayat la maladie M Echatillo O O calcule la fréquece F f de femmes pour décider si l échatillo est représetatif O calcule la fréquece f M de persoes ayat la maladie M s ESTIMATION : à partir des doées de l échatillo, o estime les paramètres icous de la populatio. INTERVALLE DE CONFIANCE 5.2 Itervalle de cofiace X Lorsque 30, p 5, (1 p) 5, o a détermié l itervalle de fluctuatio de F = au iveau 0,95 par la formule p 1 ; p 1. Si p est icou, o peut approximer p par la fréquece f obteue avec l échatillo mais cette estimatio poctuelle est pas satisfaisate car elle e tiet pas compte de. Or l estimatio est forcémet meilleure sur u échatillo de grade taille. O sait que pour suffisammet grad o a : P p 1 X p 1 0,95 Comme p 1 F p 1 F 1 p F 1, alors : P F 1 p F 1 0,95 L itervalle aléatoire F 1 ; F 1 a doc ue probabilité au mois égale à 0,95 de coteir p. Il est appelé itervalle de cofiace (théorique) de p au iveau 95%. Pour ue observatio doée d u échatillo, o obtiet ue réalisatio de cet itervalle avec la fourchette f 1 ; f 1 qui représete u itervalle de cofiace de p au iveau 95% d après l échatillo observé. O a 5% de risque que cette costructio aboutisse à u itervalle e coteat pas p. Autremet dit, si l o prélève u très grad ombre d échatillos, eviro 95% des itervalles de cofiace obteus cotieet p.
11 5.3 Remarque Si o part de l itervalle de fluctuatio au seuil de 5% vu e termiale, pour suffisammet grad o a : P p1,96 ce qui est équivalet à : P F 1,96 p(1 p) F p1,96 p(1 p) p F 1,96 p(1 p) 0,95, p(1 p) 0,95 p(1 p) p(1 p) O obtiet l itervalle aléatoire F 1,96 ; F 1,96 qui déped du paramètre p icou. O remplace p par so estimatio poctuelle f (car o peut démotrer que das l écart type, f est u bo estimateur de p) et o obtiet alors l'itervalle de cofiace de p au iveau 0,95 d'après l'échatillo (1 ) (1 ) observé : 1,96 f f f ; f 1,96 f f 5.4 Simulatio Sur tableur, pour ue proportio qu o se fixe, o peut simuler u grad ombre d itervalles de cofiace au iveau 0,95 et observer que tous e cotieet pas écessairemet p. 5.5 Exemple : marge d erreur de 3% du sodage par quotas La plupart des sodages e Frace sot effectués auprès de 1000 persoes. O obtiet alors l'itervalle de cofiace : [f 0,03 ; f + 0,03]. Le tableau ci-dessous présete les résultats du derier sodage effectué les 17/18 Avril 2002 et les résultats du premier tour de l électio présidetielle du 21 Avril 2002 : Sodage Electio Chirac 19,5 % 19,7 % Jospi 18,0 % 16,1 % Le Pe 14,0 % 16,9 % Si les résultats du derier sodage avaiet été aocés avec ue marge d erreur de 3%, voici le graphique qui aurait été doé : Il apparaît que toutes les cofiguratios de l ordre des trois premiers cadidats étaiet possibles. O peut se demader si les sodeurs et les jouralistes aoçaiet que leur marge d erreur est de 3%, est-ce que ous serios iodés de sodages comme c est le cas aujourd hui?
12
13 Aexe :
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 détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détailFEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détailCours 5 : ESTIMATION PONCTUELLE
Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détailCours de Statistiques inférentielles
Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios
Plus en détailPrincipes 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[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 détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détailLimites 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 détailConvergences 2/2 - le théorème du point fixe - Page 1 sur 9
Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios
Plus en détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailÉchantillonnage et estimation
Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détailTerminale S. Terminale S 1 F. Laroche
Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailCHAPITRE 2 SÉRIES ENTIÈRES
CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.
Plus en détailChapitre 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 détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détailx +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.
EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
Plus en détail4 Approximation des fonctions
4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détailStatistique 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 détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détailSuites et séries de fonctions
[http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détailEtude de la fonction ζ de Riemann
Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détailProcessus géométrique généralisé et applications en fiabilité
Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR
Plus en détailUV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1
UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détailProbabilités et statistique pour le CAPES
Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailLa maladie rénale chronique
La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détailExamen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot
Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars
Plus en détailPROMENADE ALÉATOIRE : Chaînes de Markov et martingales
PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières
Plus en détailRisque 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 détailChaînes de Markov. Arthur Charpentier
Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.
Plus en détailUniversité 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 détailComment 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 détailInitiation à l analyse factorielle des correspondances
Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique
Plus en détailExercices de mathématiques
MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris
Plus en détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en détailUNIVERSITÉ DE SFAX École Supérieure de Commerce
UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détail16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.
16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme
Plus en détailn tr tr tr tr tr tr tr tr tr tr n tr tr tr Nom:... Prénom :...
Nom:... Préom :... Chaque répose peut valoir : c) 2 poits si le choix est totalemet exact + poit si le choix est partiellemet exact + 0 poit si le choix est erroé + -i poit si le choix est u coeses Ue
Plus en détailPROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS
PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie
Plus en détailRESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)
RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &
Plus en détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
Plus en détailDares Analyses. Plus d un tiers des CDI sont rompus avant un an
Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée
Plus en détailDonnez 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 détail3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.
3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios
Plus en détailIntroduction : Mesures et espaces de probabilités
Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,
Plus en détailTempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation
Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail
Plus en détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en détailMESURE DE L'INFORMATION
MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailLe 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 détailOne 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 détailLes algorithmes de tri
CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....
Plus en détailPOLITIQUE ECONOMIQUE ET DEVELOPPEMENT
POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier
Plus en détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détailRenseignements 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 détailMécanique non linéaire
M MN9 Mécaique o liéaire Zhi-Qiag FENG UFR Sciece et Techologies Uiversité d Evry Val d Essoe TABLES DES MATIERES INTRODUCTION Chapitre : CONCEPTS ELEMENTAIRES. Pricipales propriétés des matériaux. Coaissace
Plus en détailUn nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction
A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés
Plus en détailNeolane Leads. Neolane v6.0
Neolae Leads Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord. Cette publicatio
Plus en détailLorsque 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 détailII - Notions de probabilité. 19/10/2007 PHYS-F-301 G. Wilquet 1
II - Notos de probablté 9/0/007 PHYS-F-30 G. Wlquet Ue varable aléatore est ue varable dot la valeur e peut être prédte avec certtude mas dot la probablté d occurrece d ue valeur (varable dscrète) ou d
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailS-PENSION. Constituez-vous un capital retraite complémentaire pour demain tout en bénéficiant d avantages fiscaux dès aujourd hui.
S-PENSION Costituez-vous u capital retraite complémetaire pour demai tout e bééficiat d avatages fiscaux dès aujourd hui. Sommaire 1. Il est temps de predre l iitiative 4 2. Profitez dès aujourd hui des
Plus en détail