RAPPELS DE COURS SUR LES MCD ET LES MCT I - LE MCD 1) Modèle relationnel Nom relation (clé primaire, attributs, #clé étrangère) 2) Requêtes R1=sélection(entité/propriété="") R2=jointure(R1,entité ou association/identifiant) R3=projection(R2/prop1,...,propN)...
Lire la suiteMETHODES MPM ET PERT I - METHODE MPM a b c d a = dénomination de la tâche b = durée de la tâche c = date au plus tôt d = date au plus tard Date au plus tôt de la tâche = date + tôt tâche précédente + durée tâche précédente (le + grand possible) Date au...
Lire la suiteLE SIMPLEXE I - EXEMPLE : Forme canonique 2x+y≤800 x+2y≤700 yœ300 Forme standard 2x+y+e1=800 x+2y+e2=700 y+e3=300 Il y a autant de variables d'écart que d'inéquations Fonction économique à maximiser : 30000x+40000y x y e1 e2 e3 e1 2 1 1 0 0 800 e2 1 2...
Lire la suite
TESTS DE VALIDITE D'HYPOTHESE I - TEST BILATERAL H0 : m=m0 H1 : m≠m0 α=seuil de risque 1-α=seuil confiance P(m0-k<х
ESTIMATION Soit dans une population mère Ω de taille N, une variable aléatoire X pour laquelle l'espérance mathématique m, la proportion p et l'écart type s sont inconnus I - ESTIMATION DES CARACTERISTIQUES INCONNUES DE Ω 1) Moyenne m (inconnue) : m=х...
Lire la suiteECHANTILLONNAGE Soit dans une population mère Ω de taille N, une variable aléatoire X pour laquelle l'espérance mathématique m, la proportion p et l'écart type s sont connus Pop Ω=ensemble d'échantillons I - POPULATION (Ω) Taille=N Moyenne=m Proportion=p...
Lire la suiteAPPROXIMATION D'UNE LOI USUELLE PAR UNE AUTRE I - APPROXIMATION D'UNE LOI BINOMIALE PAR UNE LOI DE POISSON B(n,p)®P(l) avec l=np si p≤.1 n≥50 et np<5 II - APPROXIMATION D'UNE LOI BINOMIALE PARUNE LOI NORMALE B(n,p)®N(m,s) avec m=np et s=√(np(1-p)) si...
Lire la suiteLOIS USUELLES I - LOI BINOMIALE B(n,p) P(x=r)=nCr*(p^r)*(1-p)^(n-r) E(x)=np V(x)=np(1-p) II - LOI DE POISSON P(λ) P(x=r)=[e^(-λ )*λ^r]/r! E(x)=λ V(x)=λ III - LOI NORMALE N(m, sx) E(x)=m V(x)= sx 2 Changement de variable : T=(x-m)/ sx P(x≤k)=P(T≤t)=P(t)...
Lire la suiteVARIABLES ALEATOIRES I - LES VARIABLES ALEATOIRES DISCRETES Elles peuvent prendre un nombre fini ou infini dénombrable de valeurs entières E(X)=åxipi V(X)=E(X 2 )-E(X) s (X)=√(0(X)) 1) Propriétés de E(X) : E(aX)=aE(X) E(aX+b)=aE(X)+b E(X+Y)=E(X)+E(Y)...
Lire la suiteLES LOIS DE PROBABILITE I - ANALYSE COMBINATOIRE 1) Les Permutations : c'est la disposition ordonnée de n éléments parmi n Pn=n! Exemple : Nombre de possibilités de placer 4 personnes sur un canapé disposant de 4 places? P=4*3*2*1=24 2) Les Arrangements...
Lire la suite