Ecole de commerce : Deuxi`me anne e e

Stphane Perret e Version 1.00

Mathmatiques e

Table des mati`res e

1 Tableaux de signes et inquations e 1.1 Le domaine de dnition dune fonction relle e e 1.2 Les zros dune fonction . . . . . . . . . . . . e 1.3 Tableau de signes dune fonction continue . . 1.4 Les intervalles . . . . . . . . . . . . . . . . . . 1.5 Rsolution dinquations . . . . . . . . . . . . e e 1 1 1 1 3 4 5 5 6 7 8 8 9 10 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 15 15 16 16 16 17 17 18 18 19 19 20 21 21 21 22 23 23

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

2 Exponentielles et logarithmes 2.1 Les fonctions exponentielles . . . . . . . . . . . . . . . . . . 2.2 Les logarithmes . . . . . . . . . . . . . . . . . . . . . . . . . 2.3 Les fonctions logarithmes . . . . . . . . . . . . . . . . . . . . 2.4 Application : calculs dintrts, actualisation et capitalisation ee 2.4.1 Capitalisation . . . . . . . . . . . . . . . . . . . . . . 2.4.2 Actualisation . . . . . . . . . . . . . . . . . . . . . . 2.5 Le nombre dEuler . . . . . . . . . . . . . . . . . . . . . . . 3 La programmation linaire e 4 Statistiques descriptives 4.1 Vocabulaire . . . . . . . . . . . . . . . . . . . . . . 4.1.1 Exemples . . . . . . . . . . . . . . . . . . . 4.1.2 Frquences . . . . . . . . . . . . . . . . . . . e 4.2 Reprsentations graphiques . . . . . . . . . . . . . e 4.2.1 Diagramme a secteurs . . . . . . . . . . . . ` 4.2.2 Diagramme en btons . . . . . . . . . . . . a 4.2.3 Histogramme . . . . . . . . . . . . . . . . . 4.3 Eectifs et frquences cumuls . . . . . . . . . . . . e e 4.3.1 Le polygone des eectifs cumuls croissants . e 4.4 Param`tres de position . . . . . . . . . . . . . . . . e 4.4.1 Le mode . . . . . . . . . . . . . . . . . . . . 4.4.2 La mdiane . . . . . . . . . . . . . . . . . . e 4.4.3 La moyenne . . . . . . . . . . . . . . . . . . 4.5 Param`tres de dispersion . . . . . . . . . . . . . . . e 4.5.1 Ltendue . . . . . . . . . . . . . . . . . . . e 4.5.2 La variance et lcart type . . . . . . . . . . e 4.6 Un probl`me dexamen et sa correction . . . . . . . e 4.6.1 Probl`me de lexamen 2005 . . . . . . . . . e

Chapitre 1 Tableaux de signes et inquations e

1.1 Le domaine de dnition dune fonction relle e e

Il sagit du plus grand ensemble de nombres sur laquelle la fonction relle f (x) est dnie. e e En gnral, on note D ou Df pour le domaine de dnition de la fonction f et dans ce e e e cas la fonction f se note f : D R. Par exemple, le domaine de dnition de f (x) = x2 est Df = R. Celui de g(x) = e Dg = R \ {0} (car on ne doit pas diviser par 0).
1 x

est

1.2

Les zros dune fonction e

Dnition e Soit f : D A une fonction relle (donc D, A R). Les zros de f sont les lments de e e ee D qui sont envoys sur 0 par f . e On trouve les zros de f en rsolvant lquation f (x) = 0. e e e Notation On note Zf lensemble des zros de la fonction f . On a e Zf = {x D : f (x) = 0} (o` D est le domaine de dnition de f ) u e

1.3

Tableau de signes dune fonction continue

Dnition e On dit quune fonction f est continue si on peut dessiner son graphe (au-dessus de son domaine de dnition) sans lever le crayon. e Le but dun tableau de signes dune fonction est de pouvoir indiquer le plus simplement possible lorsque la fonction est positive (son graphe est en dessus de laxe des x), ngative e (son graphe est en dessous de laxe des x). Pour faire un tableau de signes, on utilise le fait quune fonction continue ne peut changer de signe que lorsque lun des deux cas suivants se produit. 1. La fonction a un zro. e 2. Un nombre rel nest pas dans le domaine de dnition de la fonction e e 1

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e Ainsi pour trouver le tableau de signes dune fonction continue, on cherche le domaine de dnition et les zros de la fonction. e e Pour bien comprendre, construisons le tableau de signes de la fonction f (x) = x2 (x 3)(x + 3) 4(x + 2)2 (x 2)

On voit immdiatement que le domaine de dnition de f est D = R \ {2, 2} et que e e lensemble des zros de f est Zf = {3, 0, 3}. e Tableau de signes Pour tablir le tableau de signes de la fonction, il faut dabord sarranger pour que la e fonction soit factorise. Apr`s, on note dans lordre croissant tous les x o` un changement e e u de signes peut se produire. Ensuite, on regarde le signe de la fonction entre ces nombres x (o` la fonction na pas de signe). Dans notre exemple, cela donne le tableau suivant. u x f (x) 3 0 2 0 0 2 + 3 0

On peut faire cela sans calculatrice. Pour cela, on commence par regarder le signe de f (x) lorsque x est extrmement loin dans les ngatifs. Dans notre exemple, le numrateur sera e e e positif et le dnominateur ngatif (on se souvient de la r`gle des signes), donc la fonction e e e sera ngative lorsque x est extrmement ngatif. e e e Ensuite, on remonte la droite relle vers les nombres positifs. Le premier risque de chane gement de signe se produit pour x = 3. On examine ce quil advient de la fonction pour des x proches de 3. Le seul terme qui est concern est (x 3). Ce terme na pas le mme e e signe si lon se trouve a gauche ou a droite de 3, il y a donc changement de signe ! ` ` Puis, on continue... Le risque de changement de signe suivant est en x = 2. Le terme de la fonction concern est (x + 2)2 . Ce terme a le mme signe que lon se trouve a gauche e e ` ou a droite de 2, il ny a donc pas de changement de signe ! ` En faisant comme cela jusqu` franchir tous les x o` un risque de changement de signe a u est possible, on arrive a dterminer le signe de f (x) lorsque x est extrmement positif ` e e (cela nous permet deectuer une vrication car on peut visualiser ce signe (de la mme e e faon que lorsque x tait extrmement ngatif)). c e e e Pour les lecteurs qui ne sont pas convaincus, voici le graphe de cette fonction (le lecteur devrait sapercevoir que faire un tableau de signes est plus rapide que desquisser le graphe de la fonction). y
4 3 2 1

x
5 4 3 2 1 1 2 1 2 3 4 5

page 2

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e

1.4

Les intervalles

Les intervalles sont des notations simples et ecaces pour dcrire certains sous-ensembles e de R. Ils sont notamment utiliss lors de rsolution dinquations. e e e Dans le tableau ci-dessous, o` a et b sont deux nombres rels tels que a < b, chacune des u e lignes dcrit le mme sous-ensemble de trois faons quivalentes. e e c e Les huit types dintervalles Sous-ensemble {x R : a {x R : a x b} Intervalle [a, b]
a

Reprsentation graphique e
a b R b R a b R a b R b

x < b}

[a, b[ ou [a, b)

{x R : a < x

b}

]a, b] ou (a, b]

{x R : a < x < b} {x R : x > b} {x R : x b}

]a, b[ ou (a, b)

]b, [ ou (b, )
b

[b, [ ou [b, )
a

{x R : x < a} {x R : x a}

], a[ ou (, a)
a

], a] ou (, a]

Il est aussi possible dutiliser lintervalle ], [ (ou (, )) pour dcrire lensemble e des nombres rel R, mais dans ce cas cela perd le ct pratique et simple. e oe

page 3

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e

1.5

Rsolution dinquations e e

Dnition e Une inquation est une quation o` lon a remplac le symbole gal = par un des symboles e e u e e , , < ou >. Pour rsoudre une inquation, on sarrange1 , par des additions, des soustractions, et e e des multiplications ou divisions par des nombres positifs, pour quelle soit de la forme suivante. f (x) > 0 ou f (x) 0 Puis on trouve lensemble des solutions a laide du tableau de signes de la fonction f . Cet ` ensemble de solutions sera crit grce aux intervalles. e a Exemple Cherchons a rsoudre linquation suivante ` e e x4 4(x + 2)2 (x 2) 9x2 4(x + 2)2 (x 2)

En passant (grce a une soustraction) le terme de droite a gauche, on obtient linquation a ` ` e quivalente e x4 9x2 f (x) = 0 4(x + 2)2 (x 2)

An de dterminer les solutions de cette inquation, on tablit le tableau de signes de e e e cette fonction. Pour cela, il faut factoriser la fonction le plus possible. On trouve f (x) = x2 (x 3)(x + 3) 4(x + 2)2 (x 2)

On voit immdiatement que le domaine de dnition de f est D = R \ {2, 2} et que e e lensemble des zros de f est Zf = {3, 0, 3}. e Le tableau (dj` tabli en page 2) est le suivant. eae x f (x) 3 0 2 0 0 2 + 3 0

On peut lire les solutions de linquation f (x) 0 sur le tableau de signes. Lensemble e des solutions, plus facilement exprim a laire des intervalles, est donc le suivant. e` S = ], 3] {0} ]2, 3]
Lensemble {0} est le mme que celui dcrit ` laide de lintervalle [0, 0]. e e a

On peut considrer dautres oprations, mais il y a certaines dicults due ` la croissance ou e e e a dcroissance stricte des fonctions associes. Par exemple, la multiplication dune inquation par un e e e nombre ngatif change le signe relationnel (> en < ou vice-versa). e

page 4

Chapitre 2 Exponentielles et logarithmes

2.1 Les fonctions exponentielles
expa : R ]0, [ ; x ax Voici les graphes de plusieurs fonctions exponentielles, dont exp2 (en gras). y a= a=
1 2 1 5
8

Soit a est un nombre strictement positif. Les fonctions exponentielles sont dnies par : e

a=5 a=2

a=

2 3

a=

3 2

a=1

a=1 x

On voit que pour a > 0 et a = 1, la fonction expa est bijective. Ainsi, elle admet une fonction rciproque, appele le logarithme en base a et note log a . On obtient une famille e e e de fonctions pour a > 0 et a = 1 : loga : ]0, [ R; x loga (x) 5

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e

2.2

Les logarithmes

Dun autre point de vue, le logarithme est juste une faon dappeler la solution (lorsquelle c existe) dune quation en x de la forme suivante. e ax = b Lorsque a > 0 et a = 1, on voit sur le graphe de ax que cette quation ne poss`de quune e e seule solution et ceci seulement si b > 0 (puisque les exponentielles sont strictement positives), cette solution sappelle le logarithme de b en base a et est note log a (b). Ce e nombre est un nombre rel (il peut tre ngatif, nul ou positif). Dans ce cas, on a e e e ax = b x = loga (b) Do` le slogan du logarithme : u loga (b) est la puissance a laquelle on l`ve la base a pour obtenir le nombre b ` ee Le slogan livre les formules suivantes pour tout x ]0, [ et pour tout y R. aloga (x) = x Formules Lorsque les expressions sont bien dnies, on a les formules suivantes. Le lecteur remare quera la dualit de ces formules. e Pour les exponentielles Ecriture ax ax+y = ax ay axy =
ax ay

et

loga (ay ) = y

Pour les logarithmes

Ecriture expa (x) expa (x + y) = expa (x) expa (y) expa (x y) =

expa (x) expa (y)

loga (x y) = loga (x) + loga (y) loga

u v

= loga (u) loga (v) loga (1) = 0

axy = (ax )y a0 = 1

expa (x y) = expa (x)y expa (0) = 1

loga (xy ) = y loga (x)

Formules de changement de base Soit a et b deux nombres positifs dirents de 1. On peut changer les bases des expoe nentielles et des logarithmes. Lorsque les expressions sont bien dnies, on a les formules e suivantes. logb (x) loga (x) = ax = blogb (a) x logb (a) La formule de changement de base pour le logarithme est essentielle pour pouvoir calculer, par exemple, log3 (2) a laide la calculatrice. ` Pour rsoudre les quations avec des exponentielles e e Lorsquon a la mme base a > 0 et a = 1, on peut utiliser la proprit suivante pour e ee rsoudre des quations. e e ax = ay x = y

En eet, sobtient en appliquant la fonction log a a lquation, tandis que sob` e tient a laide de la fonction expa . ` page 6

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e Preuve des formules Pour dmontrer les formules on va utiliser la formule aloga (x) = x, de mme que les e e formules pour les exponentielles. 1. loga (x y) = loga (aloga (x) aloga (y) ) = loga (aloga (x)+loga (y) ) = loga (x) + loga (y) 2. loga ( x ) = loga y
aloga (x) aloga (y)

= loga (aloga (x)loga (y) ) = loga (x) loga (y)

3.

3. loga (xy ) = loga (aloga (x) )y = loga ay loga (x) = y loga (x) 4. logb (x) = logb (aloga (x) )= loga (x) logb (a) On a donc les formules quivalentes suivantes. e logb (a) loga (x) = logb (x) et loga (x) = logb (x) logb (a)

2.3

Les fonctions logarithmes

Soit a est un nombre strictement positif dirent de 1. Les fonctions logarithmes sont e dnies par : e loga : ]0, [ R; x loga (x) Voici les graphes de plusieurs fonctions logarithmes, dont log 2 (en gras). y

a=

3 2

a=2

a=5
1

x
1 2 3 4 5 6 7 8 1

a=
2

1 5

a= a=
2 3

1 2

La fonction loga est la fonction rciproque de expa . Cest pour cette raison que les graphes e sont obtenus a partir de ceux des fonctions exponentielles par une symtrie daxe x = y. ` e page 7

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e

2.4

Application : calculs dintrts, actualisation et e e capitalisation

Toute la dicult de cette section consiste a bien comprendre comment on peut dplacer e ` e un capital dans le temps. Lorsquon dplace un capital en direction du futur, on le cae pitalise. Si on dplace un capital en direction du pass, on lactualise. Lorsquaucune e e contrainte spcique nest prcise, on simaginera toujours disposer dun capital en e e e lanne zro. Dans ce cas, on peut visualiser lactualisation et la capitalisation. e e 4 3 2 1 0 1 2 3 4

temps [anne] e

actualisation

capitalisation

2.4.1

Capitalisation

Notons Cn le capital a lanne n et i le taux dintrt (eectif ) annuel (suppos constant). ` e e e e Intrts simples e e Lorsquon capitalise un capital initial C0 selon la mthode des intrts simples, on ajoute e ee a C0 la proportion dintrt correspondante. ` ee Cn = C 0 + C 0 i n donc Cn = C0 (1 + i n)

Cette formule est valable pour tout n > 0 (on peut parler de demi-anne,...). e Intrts composs e e e On calcule les intrts anne par anne, en les ajoutant au capital. Ainsi, chaque anne, ee e e e le montant sur lequel les intrts sont calculs change ! ee e C1 = C0 + C0 i = C0 (1 + i) C2 = C1 + C1 i = C1 (1 + i) = C0 (1 + i)2 C3 = C2 + C2 i = C2 (1 + i) = C0 (1 + i)3 C4 = C3 + C3 i = C3 (1 + i) = C0 (1 + i)4 ... Cn = C0 (1 + i)n On a donc dmontr que cette formule est valable lorsque n N. Mais, elle est valable e e pour tout nombre n rel (mme si on ne dmontrera pas) ! e e e Exemple On place 1000 CHF a 5% pendant 40 ans. ` 1. Le capital nal apr`s les 40 ans si on applique la mthode des intrts simples est e e ee donn par e C40 = C0 (1 + i 40) = 1000(1 + 0.05 40) = 1000 3 = 3000 CHF page 8

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e 2. Le capital nal apr`s les 40 ans si on applique la mthode des intrts composs est e e ee e donn par e C40 = C0 (1 + i)40 = 1000(1 + 0.05)40 1 000 7.03999 7 040.00 CHF = = Cela fait environ 4 040 CHF de plus quavec la mthode des intrts simples ! e ee 3. Si on dessine les capitaux obtenus tous les deux ans pour des intrts simples et ee composs (la priode de placement reste lanne). On obtient le graphe suivant. e e e
CHF
7000 6000 5000 4000 3000 2000 1000

++++
4

On voit que pour les intrts simples, la courbe est une droite, tandis que pour les ee intrts composs, il sagit dune courbe exponentielle ! ee e Taux priodique (ou proportionnel ou relatif ) e On peut dsirer composer des intrts m fois dans lanne selon des priodes gales e ee e e e 1 e e e (de longueur m ). Pour cela, on introduit la notion dun taux dintrt priodique (ou proportionnel ou relatif ), not im . e Par exemple i2 correspond a un taux semestriel, i4 a un un taux trimestriel, i12 a un taux ` ` ` mensuel et i360 a un taux journalier. ` On xe ce taux de telle mani`re a ce que la capitalisation revienne au mme que si cela e ` e avait t sur des priodes dune anne avec le taux dintrt (eectif) annuel. En termes ee e e ee mathmatiques, en regardant comment on calcule le capital apr`s une anne, on trouve e e e la condition suivante qui relie le taux (eectif) annuel avec le taux priodique. e C1 = C0 (1 + i) = C0 (1 + im )m donc (1 + i) = (1 + im )m

Exemple Si le taux dintrt annuel est de 3% pour un placement mensuel, alors le ee 0.247%. taux priodique est de i12 = e

2.4.2

Actualisation

Il sagit cette fois daller dans le pass, en se demandant, par exemple, quel investissee ment C0 on doit placer, a un taux dintrt annuel i, pour obtenir apr`s n anne un ` ee e e capital Cn . Les formules sont les mmes que pour la capitalisation, si ce nest que maine tenant ce nest pas C0 qui est donn, mais Cn ! e Exemple Si on souhaite avoir 50 000 CHF dans 20 ans sur un compte en banque a un ` taux de 2%, on doit placer C0 = C20 1 1 50 000 0.67297 33 648.60 CHF = 50 000 = = 20 (1 + i) (1 + 0.02)20 page 9

       " !  # 

++
8

+ +++
16

++

+ ++

ans

12

20

24

28

32

36

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e

2.5

Le nombre dEuler

On examine ce que rapporte plusieurs placements de 1 CHF a des rendements dirents. ` e 1. Le premier placement est a 100% sur une priode dune anne. ` e e 2. Le deuxi`me placement est a un taux priodique de e ` e 3. Le 4. Le mois. ... n. Le n-i`me placement est a un taux priodique de e ` e ... En se rfrant a la page prcdente, on remarque que les taux annuels associs ne sont pas ee ` e e e tous de 100%. En fait, seul le premier placement est a un tel taux. Quant au deuxi`me, ` e il correspond a un taux annuel de 125%. Le troisi`me placement correspond a un taux ` e ` denviron 137% et ainsi de suite. Notons cn (avec minuscule) le capital rcupr, pour le n-i`me placement, apr`s une e ee e e anne. En capitalisant en utilisant le taux priodique, on trouve la formule suivante e e cn = 1 +
n 100 % n 100 % n 100 % sur une priode de 6 mois. e 2 100 troisi`me placement est a un taux priodique de 3 % sur une priode de 4 mois. e ` e e 100 e quatri`me placement est a un taux priodique de 4 % sur une priode de 3 e ` e

sur une priode de e

1 n

anne. e

1 1+ n

Voici un tableau prsentant quelques valeurs de cn . e n cn n cn 1 2 3 4 5 10 25 2.000 2.250 2.370 2.441 2.488 2.594 2.666 50 100 500 1000 2000 4000 8000 2.692 2.705 2.716 2.717 2.718 2.718 2.718

On remarque que lorsque n devient grand, le nombre cn a tendance a se rapprocher ` dun certain nombre. Le premier a avoir pressenti lexistence de ce nombre mystrieux ` e est lEcossais John Napier (1550-1617), qui inventa les logarithmes (do` le logarithme u nprien apr`s que son nom soit francis en Nper). Malgr cela, ce nombre est appel e e e e e e e nombre dEuler, dapr`s un mathmaticien suisse du 18e si`cle : Leonhard Euler (1707e e e 1783). Le nombre dEuler est dni par la limite e e = lim 1 1+ n
n

2.71828 =

Le nombre e est irrationnel. Cela signie quil ne peut pas scrire comme une fraction e et quil ny a aucune priode dans son criture dcimale. e e e Les premi`res dcimales du nombre e sont 2.7182818284590452. e e En novembre 1999, le mathmaticien Xavier Gourdon a tabli un record (pour lpoque) e e e en calculant ses 1250000000 premi`res dcimales. e e

page 10

Chapitre 3 La programmation linaire e

Dcouvrons ce chapitre par un exemple (cet exemple provient du cours de Didier Mller). e u

Lartisan chocolatier
` A lapproche des ftes de Pques, un artisan chocolatier dcide de confectionner des ufs e a e en chocolat. En allant inspecter ses rserves, il constate quil lui reste 18 kg de cacao, e 8 kg de noisette et 14 kg de lait. Le chocolatier a deux spcialits : luf extra et luf e e sublime. Un uf extra ncessite 1 kg de cacao, 1 kg de noisettes et 2 kg de lait. Un uf e sublime ncessite 3 kg de cacao, 1 kg de noisettes et 1 kg de lait. Il fera un prot de e CHF 20 en vendant un uf extra, et de CHF 30 en vendant un uf sublime. Combien dufs extras et sublimes doit-il fabriquer pour faire le plus grand bnce e e possible tout en ne dpassant pas ses rserves ? e e Formulation mathmatique du probl`me e e Notons x le nombre dufs extras et y le nombre dufs sublimes a produire. Le choco` latier cherche a maximiser la fonction du bnce B(x; y) appele fonction objectif. ` e e e B(x; y) = 20x + 30y Contraintes Etant donnes les rserves de lartisan, e e les contraintes suivantes devront tre e satisfaites : 18 cacao x + 3y x + y 8 noisettes 2x + y 14 lait Reprsentation graphique du probl`me e e La solution de ce probl`me peut se visualiser e graphiquement : y
noisettes
12 10 8 6 4 2 14

lait

D
2 4 6 8 10 12

y 0 x N

2 2 4

11

$
cacao

On a aussi les contraintes videntes. e 0 x x N

La solution est au point (3; 5)

x
14 16 18

bnce e e

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e Pour bien comprendre le schma ci-dessus, expliquons-le tape par tape. e e e Chaque inquation livre un demi-plan. Le polygone en gris de limage prcdente est e e e lintersection de tous les demi-plans livrs par les contraintes. e On noublie pas les deux contraintes videntes x e y
14 12 10 8 6 4 2

0 et y y
14 12 10 8 6 4

0.
Le domaine gris correspond e aux points (x; y) solutions de x+y 8

Le domaine gris correspond e aux points (x; y) solutions de x + 3y 18

noisettes

Le bord du domaine gris e est la droite dquation e x + 3y = 18

Le bord du domaine gris e est la droite dquation e x+y =8

cacao

x
4 2 2 4 2 4 6 8 10 12 14 16 18 4 2 2 4 2 4 6 8 10 12 14 16 18

y
14 12 10 8 6 4 2

y
Le domaine gris correspond e aux points (x; y) solutions de 2x + y lait 14
14 12 10 8 6 4 2

Le bord du domaine gris e est la droite dquation e 2x + y = 14

domaine x

0 et y

x
4 2 2 4 2 4 6 8 10 12 14 16 18 4 2 2 4 2 4 6 8 10 12 14 16 18

y
14 12 10 8 6 4 2

En gris fonc, on a lintersection e de tous les demi-plans. Le domaine x 0 et y 0 nest pas dessin, mais on e doit en tenir compte

x
4 2 2 4 2 4 6 8 10 12 14 16 18

La solution se trouve dans ce polygone gris fonc. Mais on na pas encore utilis la e e connaissance de la fonction a optimiser : le bnce. ` e e page 12

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e On doit maximiser le bnce B(x; y) donn par e e e B(x; y) = 20x + 30y En soustrayant 20x et en divisant par 30, on voit que cette quation est quivalente a e e ` 2 B(x; y) B(x; y) 20x = x+ y= 30 3 30 Cela permet de constater que le bnce dpend directement de la hauteur de la droite e e e 2 `e de pente 3 passant par le point (x; y). Or, les contraintes forcent le point (x; y) a tre dans le polygone gris. Il faut donc trouver la droite de pente 2 touchant le polygone e 3 gris et ayant la plus grande hauteur possible. e Graphiquement, on trouve le point (x; y) pour lequel le bnce est le plus grand en e e 2 eectuant une translation de la droite de pente 3 . y

14

12

Cest au point (3; 5) que la hauteur de la droite de pente 2 est la 3 plus haute

10

D
x
2 4 6 8 10 12 14 16 18

2 2

Ainsi, sil veut maximiser son bnce, le chocolatier doit donc confectionner 3 ufs e e extras et 5 ufs sublimes. Son bnce sera de B(3; 5) = 20 3 + 30 5 = 210 CHF. Pour e e cela, il utilisera 18 kg de cacao, 8 kg de noisettes et 11 kg de lait. Sur le dessin ci-dessous a gauche, le bnce est irralisable et sur celui de droite, le ` e e e bnce nest pas le plus grand possible. e e y y
14 12 10 8

Si la droite dont la pente

2 est de 3 est trop haute

alors le chocolatier na pas assez dingrdients e

4 2

D
2 4 6 8 10 12 14

bnce e e

D
x
2 4 6 8 10 12 14 16 18

x
4 2 2 4 16 18 4 2 2 4

page 13

'

&

bnce e e

14 12 10 8 6

Si la droite dont la pente

2 est de 3 est trop basse

alors le chocolatier pourrait faire plus dufs

bnce e e

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e

Quelques remarques utiles

1. Pour savoir de quel ct de la droite se trouve le demi-plan associ a une contrainte, oe e` on peut regarder si le point (0; 0) satisfait linquation associe ou non. e e 2. Dans tout probl`me de programmation linaire, la dmarche est similaire. Il faut e e e bien regarder les pentes et les hauteurs de la droite qui dnit la fonction objectif, e an dtre certain que lon cherche a rsoudre le bon probl`me. e ` e e 3. Seuls les points (x; y) faisant partie du domaine gris satisfont toutes les contraintes. e Mais en fait, la solution optimale sera toujours sur le bord de ce domaine et le plus souvent sur lun de ses sommets. 4. Dans lexemple de lartisan chocolatier, les rponses sont des nombres entiers. Mais e ce nest pas toujours le cas. Il faudra donc toujours chercher les coordonnes exactes e du sommet que lon trouve grce au dessin en calculant lintersection des deux a droites voulues. 5. Lorsque la solution se trouve sur une droite issue dune contrainte, lingrdient e correspondant sera compl`tement utilis. Dans lexemple prcdent, le point (3; 5) e e e e se trouve sur les droites correspondantes au cacao et aux noisettes. Il ne va donc plus rester ni de cacao, ni de noisettes au chocolatier (par contre, il lui restera 3 kg de lait).

page 14

Chapitre 4 Statistiques descriptives

4.1 Vocabulaire

Une enqute statistique consiste a observer une certaine population (l`ves dune classe, e ` ee personnes ages de 20 a 60 ans dans une rgion donne, familles dans une rgion donne, e ` e e e e exploitations agricoles, appartements, travailleurs, ...) et a dterminer la rpartition dun ` e e certain caract`re statistique (note obtenue, taille, nombre denfants, supercie, nombre e de pi`ces, secteur dactivit, ...) de cette population. e e Lorsque le caract`re statistique est un nombre (taille, note, nombre denfants, ...), on e parle de caract`re quantitatif. Quand ce caract`re nest pas chir (langue parle, secteur e e e e dactivit, couleur, ...), on parle de caract`re qualitatif. e e Lorsquun caract`re statistique quantitatif prend un nombre ni raisonnable de valeurs e (note, nombre denfants, nombre de pi`ces, secteur dactivit, ...), le caract`re statistique e e e est discret. Lorsquun caract`re statistique quantitatif peut prendre des valeurs multiples (taille, e supercie, salaire, ...), le caract`re statistique est considr comme continu. Ltude des e ee e caract`res continus constitue un magnique sujet invoquant les fonctions, mais dans ce e cours, on va rpartir les donnes dans des classes de mme amplitude. e e e

4.1.1

Exemples

Un vendeur de voitures doccasion a coul 80 voitures au mois de janvier. Ltude de e e e trois caract`res statistiques a permis dtablir trois tableaux. e e 1. Pour le premier tableau, le caract`re statistique tudi est la marque des voitures e e e vendues. Il est qualitatif et discret. Marque des voitures Eectif A 18 B 28 C Autres 10 24

2. Quant au deuxi`me tableau, le caract`re statistique tudi est la puissance des e e e e voitures (en chevaux vapeurs, nots CV). Il est quantitatif et discret. e Puissance en CV 50 70 90 110 Eectif 20 35 15 10

15

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e 3. Pour le troisi`me tableau, le caract`re statistique tudi est le prix de vente. Il est e e e e quantitatif et continu. Les intervalles [3000; 5000[, ... , [9000; 11000[ sont appels les classes du caract`re e e tudi. e e Prix de vente [CHF] Eectif [3000 ; 5000[ 17 [5000 ; 7000[ 30 [7000 ; 9000[ 21 [9000 ; 11000[ 12

Lamplitude de la classe [3000; 5000[ est donne par la dirence des bornes de e e lintervalle : 5000 3000 = 2000. Le centre ou la valeur centrale de cette classe est donne par la moyenne des deux bornes : 3000+5000 = 4000. e 2

4.1.2

Frquences e

u La frquence dune valeur x dun caract`re est fx = nx , o` nx est leectif de la valeur x e e N et N leectif total. Lorsque les valeurs du caract`res sont dans des classes, alors n x est e gal aux nombres de valeurs se trouvant dans la classe qui contient la valeur x. e Exemples On reprend les tableaux prcdents relatifs a nos 80 voitures. e e `
Marque A B C Autres Total Eectif 18 28 10 24 80 Frquences e
18 80 28 80 10 80 24 80

CV 50 70 90 110 Total

Eectif 20 35 15 10 80

Frquences e
20 80 35 80 15 80 10 80

Prix [3000, 5000[ [5000, 7000[ [7000, 9000[ [9000, 11000[ Total

Eectif 17 30 21 12 80

Frquences e
17 80 30 80 21 80 12 80

= 0.225 = 0.350 = 0.125 = 0.300 1

= 0.2500 = 0.4375 = 0.1875 = 0.1250 1

= 0.2125 = 0.3750 = 0.2625 = 0.1500 1

Remarque La somme des frquences est toujours gale a 1. En eet, la somme des frquences est e e ` e gale a la somme des eectifs sur toutes les valeurs possibles divis par leectif total. e ` e

4.2
4.2.1

Reprsentations graphiques e
Diagramme ` secteurs a

Un diagramme ` secteurs (ou camembert) est notamment utilis pour reprsenter une a e e srie statistique de caract`re qualitatif. Laire dun secteur (donc la mesure de langle au e e centre) est proportionnelle a leectif ou a la frquence. ` ` e Reprenons le premier exemple relatif aux marques des voitures vendues. On partage un disque en secteurs dont langle au centre est proportionnel a leectif de la valeur ` correspondante du caract`re. Le total des angles (360 ) correspond a leectif total (80). e ` Ainsi, pour la marque A : A = 18 360 = 81 80 frquence e B = 28 360 = 126 80 frquence e page 16 C = 45 Autres = 108

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e On trace les secteurs correspondants.

126 45

81 108

4.2.2

Diagramme en btons a

Un diagramme en btons est notamment utilis pour reprsenter une srie statistique de a e e e caract`re quantitatif discret. La hauteur dun bton est proportionnelle a leectif ou a e a ` ` la frquence de la valeur du caract`re. e e Reprenons le deuxi`me exemple relatif aux puissances des voitures vendues. On trace des e btons dont les hauteurs sont proportionnelles aux eectifs. a
y (eectifs)
30

20

10

50

70

90

110

x (puissances)

Remarque : Le caract`re tudi tant discret, les btons ne doivent pas se toucher. e e ee a

4.2.3

Histogramme

Un histogramme est notamment utilis pour reprsenter une srie statistique dont les e e e valeurs sont regroups en classe. Laire dun rectangle est proportionnelle a leectif ou a e ` ` la frquence de la classe. e Reprenons le troisi`me exemple relatif aux prix des voitures vendues. On trace des rece tangles qui se touchent et dont les aires sont proportionnelles aux eectifs.
y (eectifs)
30

20

10

3000

5000

7000

9000

11000

x (prix)

Remarque : lorsquon dessine un histogramme, les rectangles se touchent. page 17

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e

4.3

Eectifs et frquences cumuls e e

Reprenons le deuxi`me exemple relatif aux puissances des voitures vendues et construie sons le tableau des eectifs cumuls et des frquences cumules. e e e i 1 2 3 4 Puissance en CV xi 50 70 90 110 Eectif ni 20 35 15 10 ECC 20 55 70 80 ECD 80 60 25 10 Frquence e fi 0.2500 0.4375 0.1875 0.1250 FCC 0.2500 0.6875 0.8750 1.0000 FCD 1.0000 0.7500 0.3125 0.1250

ECC signie eectif cumul croissant alors que ECD signie eectif cumul dcroissant. e e e Leectif cumul croissant donne le nombre de voitures dont la puissance est infrieure e e ou gale a xi alors que leectif cumul dcroissant donne le nombre de voitures dont la e ` e e puissance est suprieure ou gale a xi . e e ` De mme, FCC signie frquence cumule croissante et donne la proportion de voitures e e e dont la puissance est infrieure ou gale a xi . FCD signie frquence cumule dcroissante e e ` e e e et donne la proportion de voitures dont la puissance est suprieure ou gale a xi . e e `

4.3.1

Le polygone des eectifs cumuls croissants e

Lorsque le caract`re statistique est considr comme continu, on peut parler du polygone e ee des eectifs cumuls croissants. Cest un polygone form de segments de droite. Chaque e e extrmit de segment (sauf le premier) a pour abscisse la borne suprieure dune classe e e e et pour ordonne leectif cumul croissant correspondant. e e Exemple Reprenons notre exemple de prix dune voiture parmi les 80 de notre vendeur.
y (eectifs cumuls) e
80

60

40

30

10

3000

5000

20

7000

50

9000

( (
11000

70

(
Prix [3000, 5000[ [5000, 7000[ [7000, 9000[ [9000, 11000[ Total Eectifs ECC 17 17 30 47 21 68 12 80 80
x (prix)

page 18

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e

4.4

Param`tres de position e

On cherche a caractriser chaque srie statistique par un seul nombre, pour donner un ` e e ordre de grandeur des valeurs de la srie. Ces valeurs sont des param`tres de position des e e sries. e Il est important de prciser que les param`tres calculs a partir de donnes rparties e e e ` e e dans des classes (cas continu) dpendent du choix des classes et nont un sens que si on e suppose que dans chaque classe les donnes sont rparties de mani`re uniforme. e e e

4.4.1

Le mode

Le mode dune srie statistique discr`te e e

Le mode dune srie statistique discr`te est la valeur du caract`re qui a le plus grand e e e eectif. Il est possible quune srie statistique admette plusieurs modes (en cas dgalit). e e e Exemple Reprenons le cas des puissances de voitures. Il y a 35 voitures dune puissance de 7 CV. Donc, le mode est de 7 CV.

Le mode dune srie statistique continue e

La classe modale dune srie statistique continue est la classe qui contient le plus grand e eectif. Il est possible quune srie statistique admette plusieurs classes modales (en cas e dgalit). e e Le mode est contenu dans chaque classe modale. Deux procds permettent de dterminer e e e le mode. 1. Il est possible de considrer le milieu de la classe modale. e 2. On peut aussi utiliser les classes adjacentes, en trouvant le mode de mani`re grae phique comme suit.
y (eectifs)
30

20

10

3000

5000

Exemple Dans le cas des prix de voitures, on peut voir que 30 voitures cotent entre 5000 et 7000 u francs. Donc, la classe modale est lintervalle [5000; 7000[. Selon le premier procd, le e e mode est de 6000 francs. Selon le deuxi`me procd, le mode est denviron 6180 francs (on e e e peut bien sr calculer la valeur exacte de ce mode en cherchant la premi`re coordonne u e e du point dintersection des deux bouts de droites dessins ou en utilisant un argument e sur les triangles semblables). page 19

) 0
7000 9000 11000

x (prix)

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e

4.4.2

La mdiane e

La mdiane dune srie statistique discr`te e e e

La mdiane dune srie est la valeur du caract`re telle que le nombre de valeurs qui lui e e e sont infrieures est gal au nombre de valeurs qui lui sont suprieures. e e e Exemple Reprenons le cas des puissances de voitures. Il y a 80 voitures. La mdiane correspond a e ` 70 CV. En eet, il y a 40 voitures qui ont 70 CV ou moins et 40 voitures qui ont 70 CV ou plus. Cas dlicat e Ce cas ne se produit que lorsque le nombre dobservation est pair. Dans ce cas, la mdiane e est la valeur moyenne des deux extrmits autour du milieu (pour 80 voitures, on calcule e e la moyenne entre le nombre de chevaux de la 40e et de la 41e voiture). Supposons que les voitures soient rparties de la mani`re suivante. e e Puissance en CV Eectif 50 70 90 110 20 20 20 20

Dans ce cas les 40 premi`res voitures ont 70 CV ou moins et les 40 derni`res ont 90 CV e e ou plus. La mdiane est ainsi a 80 CV. e `

La mdiane dune srie statistique continue e e

La mdiane est dnie de la mme mani`re, mais la mthode de calcul change. Reprenons e e e e e notre exemple de prix de voitures. Vu quil y a un nombre pair de voitures, la mdiane sera la moyenne de e la valeur de la 40e et de la 41e voiture. Nanmoins, la plupart du temps, on e se permet destimer la mdiane en ne e cherchant que la valeur correspondant a la 40e voiture. ` Graphiquement, on cherche la valeur sur laxe des x qui correspond a un ` eectif cumul de 40 a partir du polye ` gone des eectifs cumuls croissants. e On estime ainsi la mdiane vers 6500 e francs. On peut tre plus prcis en raisonnant e e sur le segment de droite sur lequel se trouve la mdiane. e
y (eectifs cumuls) e
80

60

40

30

10

3000

5000

7000

En eet, sur ce segment de droite lorsquon monte de 30 (dirence entre 17 et 47), on e avance de 2000 (dirence entre 5000 et 7000). Ainsi, lorsquon monte de 23 (dirence e e 23 entre 17 et 40), on avance de 2000 30 = 1533.35 francs. La mdiane est donc denviron 5000 + 1533.35 = 6533.35 francs. e page 20

20

50

9000

1 1
11000

70

1
x (prix)

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e

4.4.3

La moyenne
n1 x 1 + n 2 x 2 + + n p x p N

La moyenne arithmtique dune srie statistique est : e e x=

o` p est le nombre de valeurs direntes possibles, ni est leectif de la i-i`me valeur xi u e e et N est leectif total. Dans le cas dune srie statistique continue, on choisit le centre e de la i-i`me classe pour xi . e Exemples Reprenons le cas des puissances et des prix de nos 80 voitures.
CV xi 50 70 90 110 Total Eectif ni 20 35 15 10 80 ni xi 1 000 2 450 1 350 1 100 5 900 [3000, 5000[ [5000, 7000[ [7000, 9000[ [9000, 11000[ Total prix xi 4000 6000 8000 10000 Eectifs ni 17 30 21 12 80 ni xi 68 000 180 000 168 000 120 000 536 000

900 Ainsi la moyenne des puissances vaut x = 5 80 = 73.75 CV. La moyenne des prix vaut x = 536 000 = 6 700 francs. 80

4.5

Param`tres de dispersion e

On cherche a donner pour chaque srie un nombre qui indique la dispersion des valeurs ` e du caract`re autour de la moyenne. Ces valeurs sont des param`tres de dispersion des e e sries. e Il est important de prciser que les param`tres calculs a partir de donnes rparties e e e ` e e dans des classes (cas continu) dpendent du choix des classes et nont un sens que si on e suppose que dans chaque classe les donnes sont rparties de mani`re uniforme. e e e

4.5.1

Ltendue e

Ltendue dune srie statistique est la dirence entre la plus grande et la plus petite e e e valeur de la srie. e Exemples 1. Reprenons le cas des puissances de voitures. La plus petite valeur du caract`re e est 50, la plus grande est 110. Ltendue de la srie est donne par la dirence, a e e e e ` savoir 60 CV. 2. Dans le cas des prix de voitures, ltendue vaut 11 000 3 000 = 8 000 CHF. e

page 21

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e

4.5.2

La variance et lcart type e

La variance La variance, note V , dune srie statistique est la moyenne des carrs des carts a la e e e e ` moyenne, note x. e n1 (x1 x)2 + n2 (x2 x)2 + + np (xp x)2 V = N On peut aussi utiliser une formule quivalente plus facile a calculer. e ` V = Preuve On dveloppe les identits remarquables et on simplie. e e V = n1 (x1 x)2 + n2 (x2 x)2 + + np (xp x)2 N 2 2 n1 (x1 2x1 x + x ) + n2 (x2 2x2 x + x2 ) + + np (x2 2xp x + x2 ) p 2 = N n1 x2 + n2 x2 + + np x2 2n1 x1 x + + 2np xp x n1 x2 + + np x2 1 2 p = + N N N n1 x 2 + n 2 x 2 + + n p x 2 n1 + + n p n1 x 1 + + n p x p p 2 1 + x2 = 2 x N N N
cest la moyenne x ce terme vaut 1

n1 x 2 + n 2 x 2 + + n p x 2 1 2 p x2 N

n1 x 2 + n 2 x 2 + + n p x 2 n1 x 2 + n 2 x 2 + + n p x 2 p 2 p 1 2 1 22 + x2 = x x2 N N

Lcart type e Lcart type est la racine carre de la variance : = e e Exemples Reprenons le cas des puissances et des prix de nos 80 voitures.
CV xi 50 70 90 110 Total Eectif ni 20 35 15 10 80 ni xi 1 000 2 450 1 350 1 100 5 900 ni x2 i 50 000 171 000 121 500 121 000 464 000 [3000, 5000[ [5000, 7000[ [7000, 9000[ [9000, 11000[ Total prix xi 4000 6000 8000 10000 Eectifs ni 17 30 21 12 80 ni xi 68 000 180 000 168 000 120 000 536 000 ni x2 i 272 000 000 1 080 000 000 1 344 000 000 1 200 000 000 3 896 000 000

V.

900 e Ainsi la variance des puissances vaut V = 464 000 ( 5 80 )2 360.9375 CV2 . Lcart type = 80 18.9984 CV. vaut = 000 La variance des prix vaut V = 3 896 80 000 ( 536 000 )2 3 810 000 CHF2 . Lcart type e = 80 1951.92 CHF. vaut =

page 22

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e

4.6
4.6.1

Un probl`me dexamen et sa correction e

Probl`me de lexamen 2005 e

Une machine remplit automatiquement des paquets de caf marqus 2 kg. On p`se les e e e 130 paquets dun carton prt a tre expdi. Les rsultats suivants sont obtenus. e `e e e e Poids en g Eectif [1900 ;1960[ 11 [1960 ;2020[ 32 [2020 ;2080[ 46 [2080 ;2140[ 36 [2140 ;2200[ 5

1. Dessiner le polygone des eectifs cumuls croissants. e Units : 2 carreaux = 5 paquets pour les eectifs et 1 carreau = 10 g pour les poids. e 2. Dterminer graphiquement la mdiane de la distribution, puis calculer sa valeur e e exacte. Donner linterprtation de la mdiane dans la situation prsente. e e e ` 3. A laide de votre calculatrice, calculer la moyenne x et lcart type de cette e distribution (arrondir au gramme). 4. Utiliser le graphique pour dterminer le nombre de paquets qui ont un poids dans e lintervalle I = ] ; x + [. x 5. La machine est considre comme bien rgle si la moyenne est comprise entre ee e e 1980 g et 2050 g et si au moins 66% des paquets ont un poids dans lintervalle I. Est-elle drgle ? ee e Corrections 1. Voici le polygone des eectifs cumuls croissants. e Eectifs cumuls croissants e
130 120 110 100 90 80 70 60 50 40 30 20 10

1900

1960

2020

2080

2140

2200

page 23

3 3
Poids

3 3 3 3

Cours de Math matiques e Ecole suprieure de commerce e Mathmatiques : deuxi`me anne e e e 2. On voit sur le polygone que la mdiane vaut environ 2050. e Sur le morceau de droite de la classe [2020; 2080[ (cest la classe mdiane), on voit e que lon monte de 8943 = 46 et que lon avance horizontalement de 20802020 = 60. La mdiane correspondant a 65 paquets. Ainsi, on monte de 22 a partir de 43 (pour e ` ` arriver a 65). Le facteur de proportionnalit est de ` e 22 = 46 22 46

facteur de proportionnalit e

Ainsi, si on monte de 22, on avance horizontalement de 60 22 = 28.70 grammes 46

facteur de proportionnalit e

Donc la mdiane se situe en environ 2020 + 28.70 = 2048.70 grammes. e 3. Voici le tableau permettant de calculer la moyenne, la variance et lcart type. e classes ni [1900, 1960[ 11 [1960, 2020[ 32 [2020, 2080[ 46 [2080, 2140[ 36 [2140, 2200[ 5 totaux 130 Ainsi la moyenne vaut : x= 11 1930 + 32 1990 + 46 2050 + 36 2110 + 5 2170 266 020 = = 2046 g 130 130 xi 1930 1990 2050 2110 2170 ni x i 21 230 63 680 94 300 75 960 10 850 266 020 ni x 2 i 40 973 900 126 723 200 193 315 000 160 275 600 23 544 500 544 832 200

Et la variance vaut : V = 11 19302 + 32 19902 + 46 20502 + 36 21102 + 5 21702 ()2 x 130

2

266 020 3642 g2 = 130 Finalement, lcart type vaut V 60 grammes. e = 4. Lintervalle est I = ] , x + [ = ]1986, 2106[. Les valeurs tant reportes sur le x e e polygone, on voit quil y a environ 80 paquets dans cet intervalle. 5. La moyenne se trouve bien entre 1980 et 2050 grammes. Il y a donc 80 paquets dans lintervalle I. Ce qui correspond a ` 80 100 61.54% = 130 La condition nest donc pas satisfaite. page 24

544 832 200 = 130