Indépendance linéaire

Filière de Sciences Économiques et de Gestion Semestre Module Matière : : : S3 M 10 (Méthodes Quantitatives II) Mathématiques II Objectif du cours Introduire l’étudiant à l’algèbre linéaire par des notions sur les espaces vectoriels et le calcul matriciel ainsi qu’en termes de résolution de systèmes linéaires. Calcul dans Թ Notions élémentaires sur les ensembles Pré-reqcuis recommandé Mode d’évaluation Contrôle final (2h) contrôle de rattrapage (1h30) Déroulement du cours Cours magistraux

l'axe des ordonnées. b- Tracer dans ce repère : • la droite DA qui représente la fonction x → 0,5x. • la droite DB qui représente la fonction x →0,2x + 7,5. • la droite DC qui représente la fonction x → 15,5. • La fonction x → 0,5x est une fonction linéaire sa représantation graphique est la droite passant par l'origine du repère et le point de coordonnées (30;15). • La fonction x →0,2x + 7,5 est une fonction affine. sa représentation graphique est la droite passant par les points de coordonnées (0

il existe une application linéaire continue dfa 2 Lc (E; F ); kf (a + h) f (a) L ( h)kF ff est di¤érentiable en un point a 2 U , lim =0 : khk!0 khkE dfa est dite di¤érentielle de f en a ou application linéaire tangente (à f en a) Si f est di¤érentiable en tout point a 2 U;on dé…nit une application df : a 2 U ! dfa 2 Lc (E; F ): Si df est continue, on dit que f est de classe C 1 (U): Si f est di¤érentiable en a 2 U; f est continue en a: L’application f ! df est linéaire et suit la règle de composition

larbirim@gmail.com Année universitaire : 2009 - 2010 Plan du cours  Introduction  Partie    à la recherche opérationnelle 1 : Programmation Linéaire Chapitre 1 : Introduction à la programmation linéaire Chapitre 2 : Résolution d’un programme linéaire : méthode de simplexe Chapitre 3 : Dualité et analyse de sensibilité dans la programmation linéaire Plan du cours  Partie    2 : Graphes Chapitre 1 : Notions fondamentales sur les graphes Chapitre 2 : Problème du plus court chemin Chapitre

Deux approches de programmation linéaire en nombres entiers pour la conception de roulements de personnels sédentaires François Ramond & David De Almeida SNCF Direction de la Recherche et de la Technologie 45 rue de Londres 75379 Paris Cedex 08 francois.ramond@sncf.fr Stéphane Dauzère-Pérès (Ecole des Mines St Etienne, France) Hanif Sherali (Virginia Tech, USA) Plan de la présentation • • • • • Introduction Formulation à base de variables journalières Formulation à base de patrons hebdomadaires

taille : 2. Ordonnée à l’origine de la droite des moindres carrés du poids en fonction de la taille : 3. Point 1 appartenant à la droite des moindres carrés : 4. Point 2 appartenant à la droite des moindres carrés : 5. Coefficient de corrélation linéaire entre poids et taille : 6. Représenter le nuage de points et la droite des moindres carrés : 2 

://labomath.univ-lille1.fr/∼jacques/ 2 Table des matières 1 2 Régression linéaire simple 1.1 Le modèle théorique . . . . . . . . . . . . . . . . . . . . . 1.2 Le modèle statistique . . . . . . . . . . . . . . . . . . . . . 1.3 Estimation des paramètres . . . . . . . . . . . . . . . . . . 1.4 Tests sur le modèle de régression linéaire . . . . . . . . . . 1.4.1 Vérification des hypothèses du modèle linéaire . . . 1.4.1.1 Normalité et homoscédasticité des résidus 1.4.1.2 Test de non corrélation

population exhaustive : pas tjs facile …. →Ouest Solution : échantillonnage U. Paris L. Ferrara, 20122012-13 2) Modèles économétriques: Modèles probabilistes : loi de distribution de l’échantillon Modèles paramétriques : modèles de régression linéaire et nonnon linéaire, modèles de séries chronologiques, …. → Chaque type de modèle fait appel à des paramètres (de la loi et / ou du modèle), a priori inconnus qu qu’il il faudra estimer. On peut identifier de 2 types de paramètres : paramètres de loi de distribution

la valuation p-adique de n le coefficient binomial « k parmis n » le symbole de Kronecker le ne groupe symétrique le ne groupe alterné les polynômes de degré ≤ n à coefficients dans l’algèbre des matrices carrés de taille n à coefficients dans le groupe linéaire de degré n sur la transposée de la matrice M le segment [0; 1] (à homéomorphisme près) k k P(E) (X, Y) x vp (n) Ck n j δi Sn An n [X] n( ) n( ) t M la boule unité de l’espace euclidien la sphère unité de l’espace euclidien k k+1

Ingénierie des Connaissances Laboratoire ERIC 4 Régression linéaire multiple • Se restreindre à une famille de fonction de prédiction linéaire • Et à des exogènes continues (éventuellement des qualitatives recodées) yi = a0 + a1 xi ,1 + a2 xi , 2 + L + a p xi , p + ε i ; i = 1, K , n Le terme aléatoire ε cristallise toutes les « insuffisances » du modèle : • le modèle n ’est qu’une caricature de la réalité, la spécification (linéaire notamment) n ’est pas toujours rigoureusement exacte • les