J-0
00m
00j
00h
00min
00s

BCE Maths appliquees ESSEC ECE 2014

Epreuve de maths appliquees - ECE 2014

Notez ce sujet en cliquant sur l'étoile
0.0(0 votes)
Probabilités continuesStatistiquesProbabilités finies, discrètes et dénombrementAlgèbre linéaireFonctions (limites, continuité, dérivabilité, intégration)Séries et familles sommables
RetourLire
Logo concours BCE - Voir tous les sujets BCE

Voir tous les sujets

Logo concours BCE
🔗 Explorer
Banque
BCE
Année
2014
Filière
ECE
Matière
Mathématiques
Annales BCE ECE MathématiquesBCE ECE 2014ECE MathématiquesMathématiques 2014

Téléchargements disponibles

Sujet et rapport

Télécharger le sujet →Rapport du jury → indisponible

Corrigés

Télécharger corrigé →

Lecture et formats

Lire en ligne →LaTeX →Word →

Description

Annale de maths appliquees BCE ESSEC pour la filiere ECE, session 2014.

Lecture web du sujet

Version HTML avec rendu des formules, intégrée sur la page canonique.

PDF
8633c7c5-685f-4082-b904-dc16ae7f9401

Concours d'admission de 2014

Conception : ESSEC

OPTION ECONOMIQUE

MATHÉMATIQUES

Vendredi 9 mai 2014, de 14 h. à 18 h.
La présentation, la lisibilité, l'orthographe, la qualité de la rédaction, la clarté et la précision des raisonnements entreront pour une part importante dans l'appréciation des copies.
Les candidats sont invités à encadrer dans la mesure du possible les résultats de leurs calculs.
Ils ne doivent faire usage d'aucun document. L'utilisation de toute calculatrice et de tout matériel électronique est interdite. Seule l'utilisation d'une règle graduée est autorisée.
Si au cours de l'épreuve, un candidat repère ce qui lui semble être une erreur d'énoncé, il la signalera sur sa copie et poursuivra sa composition en expliquant les raisons des initiatives qu'il sera amené à prendre.
Ce problème est constitué de trois parties. Les résultats de la partie 1 sont utilisés dans les parties 2 et 3 . Les parties 2 et 3 sont indépendantes entre elles.
Dans tout le sujet, est un intervalle ouvert non vide de , où et sont réels ou infinis. On dit qu'une densité de probabilité vérifie l'hypothèse lorsque est :
  • continue sur ;
  • strictement positive sur ;
  • nulle en dehors de .
On écrira alors simplement : est .
On admettra que les principaux résultats du cours concernant l'indépendance des variables aléatoires discrètes s'appliquent également aux variables aléatoires continues.

Partie 1 - Calcul d'une probabilité

On considère dans cette partie :
  • une variable aléatoire réelle continue à valeurs dans , de fonction de répartition et admettant une densité de probabilité qui est .
  • une variable aléatoire qui suit la loi uniforme sur et qui est indépendante de .
  • une fonction continue sur à valeurs dans .
On se propose d'établir la formule suivante :
On définit sur la fonction par : .
  1. Pour tous réels et dans tels que , on pose et .
    (a) Soit dans . Justifier que pour tout dans l'intervalle , il existe dans l'intervalle tel que .
    (b) En déduire: .
    (c) Montrer de même que pour tout dans .
On montrerait de manière analogue (on ne demande pas de le vérifier) : et .
2. Soit et des réels de tels que .
(a) Établir l'inclusion suivante entre événements :
En déduire l'inégalité :
(b) Établir une minoration analogue pour , puis l'encadrement
(c) Montrer que est dérivable sur , et exprimer sa dérivée en fonction de et .
3. (a) En déduire que, pour tout et dans :
(b) Établir : pour tout dans , puis montrer : . En déduire :
(c) Établir : pour tout dans .
En déduire : , puis
  1. Montrer que , et en déduire

Partie 2 - Le modèle économique de Leontiev fermé

Soit et deux nombres réels appartenant à l'intervalle .
On s'intéresse à un modèle économique composé de trois secteurs d'activité et . On suppose que :
  • pour produire une unité de biens du secteur 1 , il faut unités du secteur 1 et unités du secteur 2 .
  • pour produire une unité de biens du secteur 2 , il faut unités du secteur 1 et unités du secteur 3 .
  • pour produire une unité de biens du secteur 3, il faut unités du secteur 2 et unités du secteur 3 . On dira que ce modèle est viable s'il existe des quantités de productions et des secteurs respectifs et , strictement positives et telles que chaque secteur soit excédentaire en quantité.
  1. (a) Montrer que le modèle est viable si et seulement s'il existe tels que :
(b) On considère la matrice . Montrer que le modèle est viable si et seulement s'il existe une matrice colonne à composantes strictement positives telle que la matrice colonne n'a que des composantes strictement positives.
6. (a) Vérifier que est valeur propre de et déterminer le sous-espace vectoriel associé.
(b) En déduire que si , alors le modèle est viable.
On admet pour la suite que le modèle est viable si et seulement si le spectre de est inclus dans [.
7. (a) Montrer que le modèle est viable si et seulement si .
(b) Déterminer les valeurs propres de autres que , et vérifier qu'elles sont dans l'intervalle ] .
8. On suppose, dans cette question, seulement que est une variable aléatoire qui suit la loi uniforme sur et que est une variable aléatoire à valeurs dans , admettant une densité de probabilité qui est .
En utilisant les résultats de la partie 1, montrer que la probabilité que le modèle soit viable vaut .
9. On suppose désormais que et sont tels que le modèle est viable. Pour ou 3 , on note le coût de production d'une unité de bien dans le secteur , et le prix de vente d'une unité de bien du secteur . La marge est appliquée uniquement en cas de vente à un autre secteur, l'achat à l'intérieur d'un même secteur se faisant au prix coûtant .
On définit les deux matrices lignes : et ainsi que la matrice carrée .
(a) Établir la relation matricielle (1) : .
(b) Justifier sans calculs l'inversibilité de .
En déduire que pour fixé, il existe un unique vérifiant la relation (1).

Partie 3 - Simulation de variables aléatoires

La plupart des langages informatiques possèdent un générateur de nombres aléatoires. En Pascal par exemple, on dispose de l'instruction random. Ces générateurs produisent une suite de variables aléatoires indépendantes de loi uniforme sur ] .
On propose dans la suite deux méthodes permettant de simuler des lois continues quelconques en utilisant ces générateurs aléatoires.
Jusqu'à la fin du problème : on note une variable aléatoire continue à valeurs dans , de fonction de répartition et admettant une densité qui est .

3a - Simulation par la méthode d'inversion

  1. (a) On note la restriction de à . Montrer que réalise une bijection de sur . On note la bijection réciproque. Dresser le tableau de variations de ,
    Soit une variable aléatoire suivant la loi uniforme sur [. On pose , et on note la fonction de répartition de .
    (b) Montrer que pour tout dans .
    (c) En déduire que suit la même loi que .
  2. Simulation de lois exponentielles.
On suppose dans cette question que suit la loi exponentielle de paramètre .
(a) Expliciter l'intervalle et les fonctions et .
(b) Écrire une fonction en Pascal d'en-tête function expo(lambda:real):real qui simule la loi exponentielle.
12. Simulation de la loi de Laplace.
On cherche dans cette question à simuler une variable aléatoire de densité donnée par :
é
Soit une variable aléatoire suivant la loi exponentielle de paramètre 1.
Soit une variable aléatoire indépendante de suivant la loi uniforme sur , ce qui signifie .
On pose .
(a) Vérifier que est une densité de probabilité qui est .
(b) Établir :
  • pour tout ;
  • pour tout .
    (c) En déduire une expression de la fonction de répartition de .
    (d) Conclure que est une variable aléatoire continue admettant comme densité.
    (e) Compléter la fonction Pascal suivante pour qu'elle simule la loi de Laplace :
function laplace:real;
var y,v:real;
begin
    y:=expo(1);
    v:=random;
    if ... then
        laplace:=y
    else
        laplace:=...;
end;

3b - Simulation par la méthode du rejet

Dans la méthode dite du rejet, pour simuler la loi de de densité (voir les notations en préambule de la partie 3), on commence par déterminer une loi de probabilité que l'on sait simuler, de densité qui est , et qui vérifie : il existe une constante telle que .
13. Montrer qu'il existe une fonction continue sur et à valeurs dans telle que, pour tout .
On considère alors :
  • une suite de variables aléatoires qui suivent la loi uniforme sur .
  • une suite de variables aléatoires à valeurs dans , ayant toutes la même loi de densité de probabilité et de fonction de répartition .
    On suppose de plus que pour tout entier , les variables sont mutuellement indépendantes.
    On définit la variable aléatoire prenant comme valeur le premier indice vérifiant .
  1. En utilisant la partie 1, prouver l'égalité, pour tout .
En déduire que suit une loi géométrique dont on précisera le paramètre, l'espérance et la variance.
On définit la variable aléatoire commé étant la valeur de , c'est-à-dire la valeur de pour le premier indice vérifiant .
15. Soit .
(a) Soit .
Exprimer l'événement à partir des événements et pour .
(b) En utilisant la question 3.(b), montrer que pour tout :
(c) En déduire en fonction de et de .
(d) Montrer finalement : .
16. Conclure.
17. Simulation de la loi normale.
Dans cette question, suit la loi normale centrée et réduite, donc .
Soit la densité de Laplace (question 12), définie par .
(a) Donner une densité de qui est .
(b) Étudier les variations sur de la fonction .
(c) Expliciter une constante telle que, pour tout .
(d) En déduire que pour tout réel, .
(e) Expliquer alors comment mettre en place la méthode du rejet pour simuler la loi normale centrée et réduite. On explicitera en particulier la fonction introduite à la question 13.
(f) Compléter la fonction Pascal suivante pour qu'elle simule la loi normale centrée réduite :
function normale:real;
var x,u:real;
begin
    repeat
        x:=laplace;
        u:=random;
    until ...
    normale:=...;
end;

Pas de description pour le moment