Marche aléatoire

at Risk (VaR) ESSI - 15/02/2004 Nicolas MARTIN – Josselin TOBELEM 1 Sommaire 1. Présentation de la VaR A. B. C. La VaR : un standard Concept Définition 2. Approche théorique A. B. C. Distribution des Mark-to-markets Risques de marchés VaR historique et paramétrique 3. Les différentes méthodes de calcul A. B. C. Méthodes Historiques Méthodes Paramétriques Bilan Nicolas MARTIN – Josselin TOBELEM 2 ESSI - 15/02/2004 1 – Présentation de la VaR A. La VaR : un standard

Echantillonnage et estimations NOTION DE VARIABLES ALEATOIRES I. DEFINITION Une variable aléatoire X est une variable associée à une expérience ou à un groupe d'expériences aléatoires et servant à caractériser le résultat de cette expérience ou de ce groupe d'expériences. On distingue les variables aléatoires discontinues ou discrètes et les variables aléatoires continues. II. VARIABLE ALEATOIRE DISCONTINUE 2.1. Définition Une variable aléatoire est discrète si elle varie de façon discontinue

Semestre : IV Sections : A , B et C Module : Méthodes Quantitatives III Matière : STATISTIQUE III Responsable de la matière : Adil ELMARHOUM Traiter les trois exercices suivants : (Documents non autorisés) Exercice 1 On admet que la variable aléatoire X qui prend comme valeurs les résultats de la pesée d'un même objet donné suit une loi normale de moyenne et d'écart type inconnus. On a relevé dans le tableau suivant les résultats de 10 pesées d'un même objet : masse en grammes 72,20 72,24 72,26

Sommaire 1)Définition et objectif 2) principales phases d’une étude de marché(comme exemple) 3) sondage :définition 4) différents types de sondage 5) explication des différentes phases d’une étude de marché Les enquêtes 2 méthodes combinées pour élaborer une enquête. Sondage:Les sondages vont nous fournir un ensemble de principes de recueil de l’information sous forme chiffrée. Analyse des données: un ensemble de méthodes de présentation de ces chiffres sous une forme claire et concise

a) - Définition et , notée N ( ; ), On dit qu'une variable aléatoire réelle X suit la loi normale (ou gaussienne) de paramètres 1 t– si elle admet pour densité la fonction f définie sur IR par f(t) = Si = 0 et – 1 e 2 2 2 . = 1, on dit que X suit la loi normale centrée, réduite. Remarque Les lois normales interviennent très souvent et en particulier lorsque le phénomène étudié est la résultante de nombreuses composantes aléatoires (commerce : fluctuation des ventes, industrie : diamètres de

précision suffisante par les lois de probabilité discrètes. Parmi les processus stochastique à temps continus, le processus de poisson qui sera étudié dans ce projet. Il est utilisé avant tout pour décrire la réalisation dans le temps d’événement aléatoire d’un type donné comme l’arrivé de client vers un guichet, l’occurrence d’accident dans une entreprise, l’apparition de pannes dans un parc de machines, l’arrivée de taches dans l’unité centrale d’un ordinateur 1.2 Objectifs L’objectif principal

dans le temps - Contrôle l’hétérogénéité non observable : Ui (aléatoire) Dimension temporelle et individuelle (variabilité intra et inter individuelle) Degrés de liberté : N*T-K Estimation par les MCO du modèle transformé Tient compte des facteurs invariants (dans notre cas la variable EXT) Les estimateurs obtenus sont efficaces si l’hypothèse d’absence de corrélation entre les variables explicatives et la variable aléatoire est vérifiée. - - - - - - - - Les résultats

Je remercie aussi Mme Cédia Harnais pour son aide précieuse concernant l’écriture de ce mémoire avec LaTex. 1 Table des matières I II 1 Introduction 4 Théorie 6 Rappels de probabilités 1.1 Espace probabilisé . . . . . . . . 1.2 Variable aléatoire réelle . . . . . 1.3 Paramètres d’une loi . . . . . . . 1.3.1 Paramètres de position . . 1.3.2 Paramètres de dispersion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 7 8 12 12 13 2 Estimateur-estimation 2.1 Rappels

Indépendance deux à deux et indépendance mutuelle Théorème de Bayes 4 • Variables aléatoires réelles 4.1 4.2 4.3 4.4 4.5 4.6 4.7 Généralités sur les variables aléatoires Fonction de répartition Densité de probabilité Discontinuités d’une fonction de répartition et lois discrètes Loi de probabilité d’une variable aléatoire Y fonction d’une variable aléatoire X Indépendance de deux variables aléatoires Moments d’une variable aléatoire 5 • Lois de probabilité discrètes 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 Définition

faudrait introduire une troisième variable r, et écrire le Tant que sous la forme suivante : Tant que (b non nul) Faire r=reste de a par b a=b b=r Fin Tant que. Exercice 7 - Marche aléatoire - Master Enseignement L’algorithme ne fonctionne pas, car on utilise, dans la même itération de la boucle Pour, trois tirages aléatoires différents. Rien ne dit que l’une des trois conditions sera remplie. Au contraire, les trois conditions pourraient être remplies. Un algorithme correct est : x=0 Pour t allant