Baccalauréat en mathématiques

Structure du programme

Propriétés des nombres réels, concepts topologiques dans R, suites et séries numériques, propriétés des fonctions continues et fonctions dérivables d'une variable réelle à valeurs réelles.

Suites, séries. Fonctions de plusieurs variables, continuité, dérivées partielles, différentielles, plan tangent, dérivation en chaîne. Gradient, surfaces de niveau, extremums. Intégrales multiples, changement de variables, jacobien.

Ensembles et fonctions. Lois de la logique, quantificateurs, preuves. Induction, pgcd, nombres premiers, algorithme d’Euclide-Bézout, congruence, récursion. Principes de comptage, structures discrètes, graphes.

Systèmes d'équations linéaires, élimination de Gauss, inverse matricielle. Espace vectoriel, indépendance linéaire, transformations linéaires, changement de base. Produit scalaire. Déterminants. Diagonalisation. Exemples d'applications.

Espace de probabilité. Analyse combinatoire. Probabilité conditionnelle. Indépendance. Variable aléatoire. Fonction de répartition et fonction génératrice. Espérance mathématique. Loi faible des grands nombres. Théorème limite central.

Chaînes de Markov. Processus de Galton-Watson. Processus de Poisson. Processus de mort et de naissance. Étude naïve du mouvement brownien. Applications diverses.

Description des données. Production de données. Probabilités. Inférence. Intervalles de confiance et tests d'hypothèses. Données de dénombrement. Tableaux de contingence. Régression linéaire simple. Remarques: Utilisation d'un progiciel.

Mesures d'intérêt, valeurs présentes, accumulées, annuités certaines à paiements égaux et non-égaux, remboursement des prêts, obligations, flux monétaires généraux et portefeuilles, duration, immunisation, déterminants des taux d’intérêt.

Marchés financiers et actifs financiers qui s'y transigent (actions, titres à revenu fixe). Construction de portefeuilles, frontière efficace. Modèle CAPM. Efficience des marchés et finance comportementale. Mesures de risque.

Assurances à long terme, fonction de survie, probabilités de décès, force de mortalité, tables de mortalité, hypothèses pour âges fractionnaires, assurance-vie, rentes viagères, perte de l’assureur, calcul des primes périodiques nettes et brutes.

Système canadien de régimes de retraite publics et privés. Types de régimes privés. Calcul de rentes. Principe de capitalisation. Méthodes actuarielles d'évaluation, hypothèses, gains et pertes. Contexte législatif.

Modèles de fréquence et de sévérité des sinistres, modèles collectifs, distribution des pertes totales. Types de contrat d’assurance et de réassurance IARD. Effet de modifications de couverture.

Méthode des moindres carrés. Théorèmes de Gauss-Markov et de Cochran. Estimation et tests d'hypothèses. Résidus et diagnostics. Construction de modèles. Exemples. Remarques: Utilisation du progiciel SAS.

Estimation ponctuelle et par intervalle. Tests d'hypothèses. Méthodes graphiques. Test du khi-deux. Théorie de la décision et inférence bayésienne. Comparaisons de deux échantillons. Lié aux examens CAS et agrément ICA.

Éléments de base d'un langage de programmation : types, expressions, énoncés conditionnels et itératifs, procédures, fonctions, paramètres, récursivité, tableaux, enregistrements, pointeurs et fichiers.

Traitement d'ensembles de données au moyen d'un chiffrier électronique et d'un système de gestion de base de données. Automatisation et adaptation de différents traitements sur ces données en utilisant la programmation en VBA.

Présentation de SAS et R; lecture des données; organisation, gestion et manipulation des données; transformation de variables; chaînes de caractères, dates; instructions de condition et de boucle; procédures graphiques; statistiques descriptives.

Options d'achat/vente, contrats à terme/à livrer, stratégies de gestion des risques, évaluation d'options, parité, arbitrage, modèle binomial, modèle de Black-Scholes, couverture dynamique.

Concepts de comptabilité et règlementation. Préparation et analyse d’états financiers. Calcul de ratios financiers. Coût de la dette et coût des capitaux propres. Décision d'investissement. Structure du capital, modèle M&M.

Réserves pour bénéfices; formules prospectives, rétrospective, récursive; réserves modifiées. Vies conjointes, dernier survivant; assurance, rente sur 2 vies; modèles à décréments multiples et applications.

Théorie de l’estimation et de la sélection de modèles paramétriques. Théorie de la crédibilité. Tarification et réserves.

Notions de probabilités et calcul stochastique, théorie de l’arbitrage, théorèmes fondamentaux, modèles binomiaux, modèle de Black-Scholes, modèles pour taux d’intérêt, calibration de modèles aux données de marché.

Types de risques traditionnels et non traditionnels (ex. risque d’entreprise, risques environnementaux). Méthodes qualitatives et quantitatives d’évaluation et de gestion des risques.

Techniques de description et de visualisation de données. Applications de modèles linéaires généralisés et d’arbres de décision. Techniques de regroupement de données. Communication et vulgarisation des résultats.

Étude de problèmes complexes en mathématiques financières. Communication des résultats

Un projet est suggéré à chaque étudiant lui permettant de faire une synthèse de ses connaissances en actuariat ou mathématiques financières. L’étudiant soumet un rapport et fait un exposé oral à la fin du trimestre.

Stage supervisé faisant appel à des compétences actuarielles, mathématiques ou statistiques.

Stage supervisé faisant appel à des compétences actuarielles, mathématiques ou statistiques.

Sondages élémentaires, empiriques, stratifiés, systématiques, avec probabilités inégales, à deux degrés. Méthodes de Monte-Carlo : création d'échantillons artificiels, simulation et analyse d'exemples.

Théorie de la décision, lois a priori et a posteriori, règle de Bayes, rapport de Bayes, loi prédictive, région de prévision, modèle hiérarchique, simulations par chaînes de Markov, échantillonneurs de Gibbs et de Metropolis-Hastings.

Vecteur aléatoire. Matrice des covariances. Loi multinormale. Région de confiance et tests pour le vecteur moyen. Analyses en composantes principales, canonique, discriminante et classification. Lois décentrées.

Estimation ponctuelle et par intervalle. Tests d'hypothèses. Méthodes graphiques. Test du khi-deux. Théorie de la décision et inférence bayésienne. Comparaisons de deux échantillons.

Fonction de survie. Taux de panne. Modèles paramétriques et non paramétriques pour des données complètes. Estimation. Différents types de censure. Modèle de régression. Applications.

Principes. Assignation au hasard. Répliques. Blocs. Effets fixes et aléatoires. Classification simple. Plans factoriels, à mesures répétées, incomplets. Résidus et diagnostics. Applications. Remarques: Utilisation du progiciel SPSS.

Études de cohortes, études transversales, longitudinales, prospectives. Détermination des tailles d'échantillon dans les devis. Fiabilité des mesures.

Planification d'expériences et de sondages. Exploration et analyse de données à l'aide de progiciels. Interprétation et communication de résultats.

Évaluation d'un modèle de régression et sélection de variables. Méthodes de rétrécissement. Modèles linéaires généralisés. Méthode des k plus proches voisins. Arbres de décision. Régression non paramétrique.

Classification. Réduction de la dimension. Modélisation de relations avec noyaux de similarité. Regroupements. Apprentissage de variétés. Fondements mathématiques et applications d'algorithmes d'apprentissage.

Calcul vectoriel : divergence, rotationnel, laplacien. Formules de Green-Riemann, de Stokes et théorème de la divergence. Introduction aux équations différentielles. Équations différentielles linéaires d'ordre un et deux.

L'intégrale de Riemann, le théorème fondamental du calcul. Fonctions trigonométriques, exponentielles et leurs inverses. Suites et séries de fonctions, séries de Taylor, séries de Fourier.

Topologie de Rⁿ. Ensembles ouverts, compacts. Applications continues, différentiables. Jacobien. Théorème de Taylor. Extrema. Théorème des fonctions inverses et implicites.

Équations du premier et du second ordre. Existence et unicité. Dépendance continue par rapport à la condition initiale. Méthodes analytiques, qualitatives. Systèmes linéaires et non linéaires. Dynamique discrète.

Fonctions holomorphes d'une variable complexe. Représentation conforme. Équations de Cauchy-Riemann. Théorème de Cauchy. Séries de Laurent. Théorème fondamental des résidus.

Propagation d'erreurs. Solution numérique d'équations non linéaires. Interpolation et approximation polynomiale. Dérivation et intégration numériques. Algèbre linéaire : méthodes directes et itératives. Approximation discrète par moindres carrés.

Lien entre les marches aléatoires réversibles et les réseaux électriques. Exemples de graphes aléatoires, dont la percolation et les arbres couvrants. Marches aléatoires sur graphes aléatoires. Méthodes du premier et second moment.

Outils mathématiques utilisés pour comprendre des structures intrinsèques de données empiriques. Localité et régularité dans la construction de géométries globales de données. Représentation, exploration et analyse de géométries globales de données.

Ensembles mesurables, mesure de Lebesgue, théorèmes de Lusin et de Egorov, intégrale de Lebesgue, théorème de Fubini, espaces Lp, éléments de la théorie ergodique, mesure et dimension de Hausdorff, ensembles fractals.

Espace de probabilité, variables aléatoires, indépendance, espérance mathématique, modes de convergence, lois des grands nombres, théorème central limite, espérance conditionnelle et martingales. Introduction au mouvement brownien.

Introduction aux phénomènes majeurs modifiant les populations humaines, dans leur structure et dans leur mouvement : fécondité, nuptialité, mortalité, migration. Histoire des populations et croissance démographique. Perspectives de populations.

Présentation des outils de base de l'analyse économique : coût d'opportunité, offre, demande et prix; choix des consommateurs; choix de production des firmes; marchés concurrentiels; monopole; efficacité; commerce international. Remarques: Cours aussi offert en ligne

Éléments de finance : décisions d'épargne et marchés financiers; concurrence imparfaite : progrès technologique et informations imparfaites; rôle de l'État : environnement, efficacité, équité.

Interdépendance des marchés et comptabilité nationale et financière. Marchés monétaires et théories de l'inflation. Marché du travail et types de chômage. Modèles de long et de court termes. Modèle IS-LM; fluctuations économiques. Remarques: Cours aussi offert en ligne

Le modèle comptable : fondements théoriques et fonctionnement pratique, adaptation aux formes juridiques d'entreprises. Concept économique de la valeur et du profit vs théories classiques de la comptabilité. Introduction à la comptabilité nationale.

Concepts avancés : classes, objets, héritage, interfaces, réutilisation, événements. Introduction aux structures de données et algorithmes : listes, arbres binaires, fichiers, recherche et tri. Notions d'analyse numérique : précision.

Types abstraits pour les structures de données, arbres, dictionnaires, files avec priorités, graphes, méthodes externes.

Modèles de simulation. Simulations continues et à événements discrets. Modélisation stochastique. Validation et réalisme. Analyse des résultats. Technique de réduction de la variance. Génération de valeurs pseudoaléatoires.

Mise en contexte et applications des probabilités, statistiques, optimisation et outils informatiques pour la science des données; nettoyage et visualisation de données; enjeux statistiques de l'apprentissage automatique sur données structurées.

Mesures d'intérêt, valeurs présentes, accumulées, annuités certaines à paiements égaux et non-égaux, remboursement des prêts, obligations, flux monétaires généraux et portefeuilles, duration, immunisation, déterminants des taux d’intérêt.

Marchés financiers et actifs financiers qui s'y transigent (actions, titres à revenu fixe). Construction de portefeuilles, frontière efficace. Modèle CAPM. Efficience des marchés et finance comportementale. Mesures de risque.

Assurances à long terme, fonction de survie, probabilités de décès, force de mortalité, tables de mortalité, hypothèses pour âges fractionnaires, assurance-vie, rentes viagères, perte de l’assureur, calcul des primes périodiques nettes et brutes.

Système canadien de régimes de retraite publics et privés. Types de régimes privés. Calcul de rentes. Principe de capitalisation. Méthodes actuarielles d'évaluation, hypothèses, gains et pertes. Contexte législatif.

Modèles de fréquence et de sévérité des sinistres, modèles collectifs, distribution des pertes totales. Types de contrat d’assurance et de réassurance IARD. Effet de modifications de couverture.

Méthode des moindres carrés. Théorèmes de Gauss-Markov et de Cochran. Estimation et tests d'hypothèses. Résidus et diagnostics. Construction de modèles. Exemples. Remarques: Utilisation du progiciel SAS.

Estimation ponctuelle et par intervalle. Tests d'hypothèses. Méthodes graphiques. Test du khi-deux. Théorie de la décision et inférence bayésienne. Comparaisons de deux échantillons. Lié aux examens CAS et agrément ICA.

Éléments de base d'un langage de programmation : types, expressions, énoncés conditionnels et itératifs, procédures, fonctions, paramètres, récursivité, tableaux, enregistrements, pointeurs et fichiers.

Traitement d'ensembles de données au moyen d'un chiffrier électronique et d'un système de gestion de base de données. Automatisation et adaptation de différents traitements sur ces données en utilisant la programmation en VBA.

Présentation de SAS et R; lecture des données; organisation, gestion et manipulation des données; transformation de variables; chaînes de caractères, dates; instructions de condition et de boucle; procédures graphiques; statistiques descriptives.

Options d'achat/vente, contrats à terme/à livrer, stratégies de gestion des risques, évaluation d'options, parité, arbitrage, modèle binomial, modèle de Black-Scholes, couverture dynamique.

Concepts de comptabilité et règlementation. Préparation et analyse d’états financiers. Calcul de ratios financiers. Coût de la dette et coût des capitaux propres. Décision d'investissement. Structure du capital, modèle M&M.

Réserves pour bénéfices; formules prospectives, rétrospective, récursive; réserves modifiées. Vies conjointes, dernier survivant; assurance, rente sur 2 vies; modèles à décréments multiples et applications.

Théorie de l’estimation et de la sélection de modèles paramétriques. Théorie de la crédibilité. Tarification et réserves.

Notions de probabilités et calcul stochastique, théorie de l’arbitrage, théorèmes fondamentaux, modèles binomiaux, modèle de Black-Scholes, modèles pour taux d’intérêt, calibration de modèles aux données de marché.

Types de risques traditionnels et non traditionnels (ex. risque d’entreprise, risques environnementaux). Méthodes qualitatives et quantitatives d’évaluation et de gestion des risques.

Techniques de description et de visualisation de données. Applications de modèles linéaires généralisés et d’arbres de décision. Techniques de regroupement de données. Communication et vulgarisation des résultats.

Étude de problèmes complexes en mathématiques financières. Communication des résultats

Un projet est suggéré à chaque étudiant lui permettant de faire une synthèse de ses connaissances en actuariat ou mathématiques financières. L’étudiant soumet un rapport et fait un exposé oral à la fin du trimestre.

Sondages élémentaires, empiriques, stratifiés, systématiques, avec probabilités inégales, à deux degrés. Méthodes de Monte-Carlo : création d'échantillons artificiels, simulation et analyse d'exemples.

Théorie de la décision, lois a priori et a posteriori, règle de Bayes, rapport de Bayes, loi prédictive, région de prévision, modèle hiérarchique, simulations par chaînes de Markov, échantillonneurs de Gibbs et de Metropolis-Hastings.

Vecteur aléatoire. Matrice des covariances. Loi multinormale. Région de confiance et tests pour le vecteur moyen. Analyses en composantes principales, canonique, discriminante et classification. Lois décentrées.

Estimation ponctuelle et par intervalle. Tests d'hypothèses. Méthodes graphiques. Test du khi-deux. Théorie de la décision et inférence bayésienne. Comparaisons de deux échantillons.

Fonction de survie. Taux de panne. Modèles paramétriques et non paramétriques pour des données complètes. Estimation. Différents types de censure. Modèle de régression. Applications.

Principes. Assignation au hasard. Répliques. Blocs. Effets fixes et aléatoires. Classification simple. Plans factoriels, à mesures répétées, incomplets. Résidus et diagnostics. Applications. Remarques: Utilisation du progiciel SPSS.

Études de cohortes, études transversales, longitudinales, prospectives. Détermination des tailles d'échantillon dans les devis. Fiabilité des mesures.

Planification d'expériences et de sondages. Exploration et analyse de données à l'aide de progiciels. Interprétation et communication de résultats.

Évaluation d'un modèle de régression et sélection de variables. Méthodes de rétrécissement. Modèles linéaires généralisés. Méthode des k plus proches voisins. Arbres de décision. Régression non paramétrique.

Classification. Réduction de la dimension. Modélisation de relations avec noyaux de similarité. Regroupements. Apprentissage de variétés. Fondements mathématiques et applications d'algorithmes d'apprentissage.

Calcul vectoriel : divergence, rotationnel, laplacien. Formules de Green-Riemann, de Stokes et théorème de la divergence. Introduction aux équations différentielles. Équations différentielles linéaires d'ordre un et deux.

L'intégrale de Riemann, le théorème fondamental du calcul. Fonctions trigonométriques, exponentielles et leurs inverses. Suites et séries de fonctions, séries de Taylor, séries de Fourier.

Topologie de Rⁿ. Ensembles ouverts, compacts. Applications continues, différentiables. Jacobien. Théorème de Taylor. Extrema. Théorème des fonctions inverses et implicites.

Équations du premier et du second ordre. Existence et unicité. Dépendance continue par rapport à la condition initiale. Méthodes analytiques, qualitatives. Systèmes linéaires et non linéaires. Dynamique discrète.

Fonctions holomorphes d'une variable complexe. Représentation conforme. Équations de Cauchy-Riemann. Théorème de Cauchy. Séries de Laurent. Théorème fondamental des résidus.

Propagation d'erreurs. Solution numérique d'équations non linéaires. Interpolation et approximation polynomiale. Dérivation et intégration numériques. Algèbre linéaire : méthodes directes et itératives. Approximation discrète par moindres carrés.

Lien entre les marches aléatoires réversibles et les réseaux électriques. Exemples de graphes aléatoires, dont la percolation et les arbres couvrants. Marches aléatoires sur graphes aléatoires. Méthodes du premier et second moment.

Outils mathématiques utilisés pour comprendre des structures intrinsèques de données empiriques. Localité et régularité dans la construction de géométries globales de données. Représentation, exploration et analyse de géométries globales de données.

Ensembles mesurables, mesure de Lebesgue, théorèmes de Lusin et de Egorov, intégrale de Lebesgue, théorème de Fubini, espaces Lp, éléments de la théorie ergodique, mesure et dimension de Hausdorff, ensembles fractals.

Espace de probabilité, variables aléatoires, indépendance, espérance mathématique, modes de convergence, lois des grands nombres, théorème central limite, espérance conditionnelle et martingales. Introduction au mouvement brownien.

Stage supervisé faisant appel à des compétences actuarielles, mathématiques ou statistiques.

Stage supervisé faisant appel à des compétences actuarielles, mathématiques ou statistiques.

Introduction aux phénomènes majeurs modifiant les populations humaines, dans leur structure et dans leur mouvement : fécondité, nuptialité, mortalité, migration. Histoire des populations et croissance démographique. Perspectives de populations.

Présentation des outils de base de l'analyse économique : coût d'opportunité, offre, demande et prix; choix des consommateurs; choix de production des firmes; marchés concurrentiels; monopole; efficacité; commerce international. Remarques: Cours aussi offert en ligne

Éléments de finance : décisions d'épargne et marchés financiers; concurrence imparfaite : progrès technologique et informations imparfaites; rôle de l'État : environnement, efficacité, équité.

Interdépendance des marchés et comptabilité nationale et financière. Marchés monétaires et théories de l'inflation. Marché du travail et types de chômage. Modèles de long et de court termes. Modèle IS-LM; fluctuations économiques. Remarques: Cours aussi offert en ligne

Le modèle comptable : fondements théoriques et fonctionnement pratique, adaptation aux formes juridiques d'entreprises. Concept économique de la valeur et du profit vs théories classiques de la comptabilité. Introduction à la comptabilité nationale.

Concepts avancés : classes, objets, héritage, interfaces, réutilisation, événements. Introduction aux structures de données et algorithmes : listes, arbres binaires, fichiers, recherche et tri. Notions d'analyse numérique : précision.

Types abstraits pour les structures de données, arbres, dictionnaires, files avec priorités, graphes, méthodes externes.

Modèles de simulation. Simulations continues et à événements discrets. Modélisation stochastique. Validation et réalisme. Analyse des résultats. Technique de réduction de la variance. Génération de valeurs pseudoaléatoires.

Mise en contexte et applications des probabilités, statistiques, optimisation et outils informatiques pour la science des données; nettoyage et visualisation de données; enjeux statistiques de l'apprentissage automatique sur données structurées.

Initiation à la modélisation. Formulation d'un problème bien cerné, identification des quantités-clés, collection de données fiables, formulation en termes de mathématiques et solution, comparaison des résultats aux données, communication des résultats.

L'intégrale de Riemann, le théorème fondamental du calcul. Fonctions trigonométriques, exponentielles et leurs inverses. Suites et séries de fonctions, séries de Taylor, séries de Fourier.

Topologie de Rⁿ. Ensembles ouverts, compacts. Applications continues, différentiables. Jacobien. Théorème de Taylor. Extrema. Théorème des fonctions inverses et implicites.

Équations du premier et du second ordre. Existence et unicité. Dépendance continue par rapport à la condition initiale. Méthodes analytiques, qualitatives. Systèmes linéaires et non linéaires. Dynamique discrète.

Fonctions holomorphes d'une variable complexe. Représentation conforme. Équations de Cauchy-Riemann. Théorème de Cauchy. Séries de Laurent. Théorème fondamental des résidus.

Courbes dans R3 : courbure, torsion, équations de Frenet. Surfaces dans R3 : première et seconde formes fondamentales, courbures de Gauss et moyenne. Isométries et theorema egregium.

Propagation d'erreurs. Solution numérique d'équations non linéaires. Interpolation et approximation polynomiale. Dérivation et intégration numériques. Algèbre linéaire : méthodes directes et itératives. Approximation discrète par moindres carrés.

Exemples de groupes : groupe symétrique, groupes linéaires. Sous-groupes et théorème de Lagrange. Groupe quotient et théorèmes d'isomorphisme. Actions et actions linéaires. Théorème de Sylow.

Éléments de base d'un langage de programmation : types, expressions, énoncés conditionnels et itératifs, procédures, fonctions, paramètres, récursivité, tableaux, enregistrements, pointeurs et fichiers.

Travaux pratiques en Mathematica : expressions, listes, fonctions, récursions, itérations, dérivations, intégrations, graphismes en 2 et 3 dimensions.

Calcul vectoriel : divergence, rotationnel, laplacien. Formules de Green-Riemann, de Stokes et théorème de la divergence. Introduction aux équations différentielles. Équations différentielles linéaires d'ordre un et deux.

Étude de plusieurs sujets dans des domaines où les mathématiques jouent un rôle essentiel pour la technologie : informatique, cryptographie, transports, biotechnologie, pharmacie, traitement d'images, reconnaissances de formes, etc.

Introduction aux dynamiques adaptatives: évolution des génomes, quasi-espèces, dynamiques des jeux, dynamiques de population (finies et infinies), théorie adaptative sur graphes, automates. Applications : biologie, écologie, finance, médecine, etc.

Fonctions Gamma et Bêta, séries de Fourier et d'autres fonctions orthogonales. Problème de Sturm-Liouville, approximation en moyenne quadratique, séparation de variables pour les équations aux dérivées partielles, transformées de Fourier et Laplace.

Les mathématiques dans l'Antiquité. Les mathématiques en Chine, en Inde et chez les Arabes. Les mathématiques en Europe de 500 à 1600. La géométrie analytique. Le calcul infinitésimal. Le développement de l'analyse. Les mathématiques du XXe siècle.

Anneaux, idéaux et modules, théorèmes d’isomorphisme, factorisation unique dans un domaine principal, forme normale d’un module noetherien sur un domaine principal, forme canonique et forme normale de Jordan d’une matrice.

Lien entre les marches aléatoires réversibles et les réseaux électriques. Exemples de graphes aléatoires, dont la percolation et les arbres couvrants. Marches aléatoires sur graphes aléatoires. Méthodes du premier et second moment.

Outils mathématiques utilisés pour comprendre des structures intrinsèques de données empiriques. Localité et régularité dans la construction de géométries globales de données. Représentation, exploration et analyse de géométries globales de données.

Équations du premier ordre et du second ordre. Caractéristiques et classification. Équations elliptiques : de Laplace, de Poisson. Équation des ondes. Équation de la chaleur. Introduction aux fonctions de Green.

Variétés différentiables dans R^n. Espaces tangent et cotangent. Champs de vecteurs. Degré des applications, indices des zéros des champs des vecteurs. Théorème de point fixe de Brouwer. Théorème fondamental de l’algèbre. Théorème de Poincaré-Hopf.

Espaces topologiques. Variétés topologiques, définitions et exemples. Théorème de classification des surfaces. Groupe fondamental. Théorème de Van Kampen. Revêtements.

Processus de modélisation mathématique: simplification du problème sous étude, formulation mathématique, analyse et interprétation dans la discipline d'origine. Étude de problèmes issus de la biologie contemporaine.

Processus de modélisation mathématiques avancés: simulations, estimation de paramètres, interprétation. Introduction à l’utilisation des mathématiques dans un milieu multidisciplinaire (médecine, neurosciences, etc.). Étude de cas et projet appliqué.

Théorème fondamental de l'arithmétique. Équations diophantiennes. Congruences linéaires. Théorèmes d'Euler et de Fermat. Théorie des indices. Racines primitives. Résidus quadratiques. Congruences générales. Nombres premiers.

Arguments de comptage, estimations asymptotiques, fonctions arithmétiques et séries de Dirichlet, théorème des nombres premiers. Anatomie des entiers, arguments probabilistes, théorème d’Erdos-Kac.

Compléments de théorie des groupes. Théorie des corps, groupe de Galois, corps de Galois, résolubilité d'équation par radicaux. Résolution de problèmes classiques.

Stage supervisé faisant appel à des compétences actuarielles, mathématiques ou statistiques.

Stage supervisé faisant appel à des compétences actuarielles, mathématiques ou statistiques.

Un projet est suggéré à chaque étudiant lui permettant de faire une synthèse de ses connaissances mathématiques. Remarques: L'étudiant soumet un rapport et fait un exposé oral à la fin du trimestre.

Ensembles mesurables, mesure de Lebesgue, théorèmes de Lusin et de Egorov, intégrale de Lebesgue, théorème de Fubini, espaces Lp, éléments de la théorie ergodique, mesure et dimension de Hausdorff, ensembles fractals.

Espaces d’Hilbert, de Banach, théorèmes de Hahn-Banach, de Banach-Steinhaus et du graphe fermé, topologies faibles, espaces réflexifs, décomposition spectrale des opérateurs auto-adjoints compacts.

Espace de probabilité, variables aléatoires, indépendance, espérance mathématique, modes de convergence, lois des grands nombres, théorème central limite, espérance conditionnelle et martingales. Introduction au mouvement brownien.

Mesures d'intérêt, valeurs présentes, accumulées, annuités certaines à paiements égaux et non-égaux, remboursement des prêts, obligations, flux monétaires généraux et portefeuilles, duration, immunisation, déterminants des taux d’intérêt.

Options d'achat/vente, contrats à terme/à livrer, stratégies de gestion des risques, évaluation d'options, parité, arbitrage, modèle binomial, modèle de Black-Scholes, couverture dynamique.

Concepts de comptabilité et règlementation. Préparation et analyse d’états financiers. Calcul de ratios financiers. Coût de la dette et coût des capitaux propres. Décision d'investissement. Structure du capital, modèle M&M.

Marchés financiers et actifs financiers qui s'y transigent (actions, titres à revenu fixe). Construction de portefeuilles, frontière efficace. Modèle CAPM. Efficience des marchés et finance comportementale. Mesures de risque.

Assurances à long terme, fonction de survie, probabilités de décès, force de mortalité, tables de mortalité, hypothèses pour âges fractionnaires, assurance-vie, rentes viagères, perte de l’assureur, calcul des primes périodiques nettes et brutes.

Réserves pour bénéfices; formules prospectives, rétrospective, récursive; réserves modifiées. Vies conjointes, dernier survivant; assurance, rente sur 2 vies; modèles à décréments multiples et applications.

Théorie de l’estimation et de la sélection de modèles paramétriques. Théorie de la crédibilité. Tarification et réserves.

Notions de probabilités et calcul stochastique, théorie de l’arbitrage, théorèmes fondamentaux, modèles binomiaux, modèle de Black-Scholes, modèles pour taux d’intérêt, calibration de modèles aux données de marché.

Modèles de fréquence et de sévérité des sinistres, modèles collectifs, distribution des pertes totales. Types de contrat d’assurance et de réassurance IARD. Effet de modifications de couverture.

Sondages élémentaires, empiriques, stratifiés, systématiques, avec probabilités inégales, à deux degrés. Méthodes de Monte-Carlo : création d'échantillons artificiels, simulation et analyse d'exemples.

Théorie de la décision, lois a priori et a posteriori, règle de Bayes, rapport de Bayes, loi prédictive, région de prévision, modèle hiérarchique, simulations par chaînes de Markov, échantillonneurs de Gibbs et de Metropolis-Hastings.

Vecteur aléatoire. Matrice des covariances. Loi multinormale. Région de confiance et tests pour le vecteur moyen. Analyses en composantes principales, canonique, discriminante et classification. Lois décentrées.

Méthode des moindres carrés. Théorèmes de Gauss-Markov et de Cochran. Estimation et tests d'hypothèses. Résidus et diagnostics. Construction de modèles. Exemples. Remarques: Utilisation du progiciel SAS.

Estimation ponctuelle et par intervalle. Tests d'hypothèses. Méthodes graphiques. Test du khi-deux. Théorie de la décision et inférence bayésienne. Comparaisons de deux échantillons. Lié aux examens CAS et agrément ICA.

Estimation ponctuelle et par intervalle. Tests d'hypothèses. Méthodes graphiques. Test du khi-deux. Théorie de la décision et inférence bayésienne. Comparaisons de deux échantillons.

Fonction de survie. Taux de panne. Modèles paramétriques et non paramétriques pour des données complètes. Estimation. Différents types de censure. Modèle de régression. Applications.

Principes. Assignation au hasard. Répliques. Blocs. Effets fixes et aléatoires. Classification simple. Plans factoriels, à mesures répétées, incomplets. Résidus et diagnostics. Applications. Remarques: Utilisation du progiciel SPSS.

Études de cohortes, études transversales, longitudinales, prospectives. Détermination des tailles d'échantillon dans les devis. Fiabilité des mesures.

Évaluation d'un modèle de régression et sélection de variables. Méthodes de rétrécissement. Modèles linéaires généralisés. Méthode des k plus proches voisins. Arbres de décision. Régression non paramétrique.

Classification. Réduction de la dimension. Modélisation de relations avec noyaux de similarité. Regroupements. Apprentissage de variétés. Fondements mathématiques et applications d'algorithmes d'apprentissage.

Concepts avancés : classes, objets, héritage, interfaces, réutilisation, événements. Introduction aux structures de données et algorithmes : listes, arbres binaires, fichiers, recherche et tri. Notions d'analyse numérique : précision.

Programmation linéaire. Simplexe. Dualité. Programmation en nombres entiers. Problèmes de réseaux. Méthodes PERT/CPM. Plus court chemin. Programmation dynamique déterministe et probabiliste. Modèles stochastiques.

Types abstraits pour les structures de données, arbres, dictionnaires, files avec priorités, graphes, méthodes externes.

Automates finis et expressions régulières. Grammaires hors-contexte et automates à piles. Calculabilité et décidabilité. Classes de complexité.

Conception et analyse d'algorithmes. Notation asymptotique, résolution de récurrences. Algorithmes voraces, diviser-pour-régner, programmation dynamique, parcours de graphes, retour-arrière, algorithmes probabilistes.

Arithmétique en point flottant, analyse d'erreurs. Équations linéaires et non linéaires. Interpolation, moindres carrés. Différenciation et intégration numérique. Équations différentielles ordinaires.

Modèles linéaires. Méthode du simplexe. Dualité. Postoptimisation. Analyse de sensibilité. Problèmes à structures particulières. Modèles en nombres entiers. Méthodes de coupes. Séparation et évaluation progressive.

Calcul réversible; information quantique; non-localité; cryptographie quantique; circuits, parallélisme et interférence quantiques; algorithmes de Simon, Shor et Grover; téléportation; correction d'erreurs; implantation.

Systèmes linéaires. Échantillonnage et reconstruction. Convolution. Notation polaire. Transformées-Z et de Fourier. Analyse spectrale. Filtrage numérique (FIR et IIR). Applications dans les domaines de l'audio, de l'image et de la vidéo.

Modèles de simulation. Simulations continues et à événements discrets. Modélisation stochastique. Validation et réalisme. Analyse des résultats. Technique de réduction de la variance. Génération de valeurs pseudoaléatoires.

2D : tracé, remplissage. 3D : transformations, projections. Surfaces cachées. Illumination : modèles de réflexion. Textures : antialiassage. Modélisation : surfaces paramétriques. Animation : interpolation, cinématique, dynamique.

Éléments de base des algorithmes d'apprentissage statistique et symbolique. Exemples d'applications en forage de données, reconnaissance des formes, régression non linéaire, et données temporelles. Remarques: Des connaissances d'analyse numérique sont recommandées, par exemple le IFT 2425.

Programmation non linéaire. Conditions d'optimalité avec et sans contraintes. Méthodes de directions de descente, de Newton et quasi-Newton. Méthodes de recherche linéaire et de régions de confiance. Méthode de points intérieurs.

Introduction à la théorie des graphes et à ses applications en informatique. Arborescences, connexité, coloriages, stabilité. Algorithmes sur les graphes. Applications.

Mise en contexte et applications des probabilités, statistiques, optimisation et outils informatiques pour la science des données; nettoyage et visualisation de données; enjeux statistiques de l'apprentissage automatique sur données structurées.

Loi de Mendel et mécanismes de l'hérédité. Linkage génétique et recombinaison. Probabilités et génétique. Éléments de cytogénétique. Mutations. Applications en biotechnologie et impact social.

Organisation générale de la biosphère, dynamique de l'environnement physique, histoire de la biosphère, populations et communautés, les grands types d'écosystèmes, l'homme dans la biosphère.

Présentation des outils de base de l'analyse économique : coût d'opportunité, offre, demande et prix; choix des consommateurs; choix de production des firmes; marchés concurrentiels; monopole; efficacité; commerce international. Remarques: Cours aussi offert en ligne

Éléments de finance : décisions d'épargne et marchés financiers; concurrence imparfaite : progrès technologique et informations imparfaites; rôle de l'État : environnement, efficacité, équité.

Interdépendance des marchés et comptabilité nationale et financière. Marchés monétaires et théories de l'inflation. Marché du travail et types de chômage. Modèles de long et de court termes. Modèle IS-LM; fluctuations économiques. Remarques: Cours aussi offert en ligne

Le modèle comptable : fondements théoriques et fonctionnement pratique, adaptation aux formes juridiques d'entreprises. Concept économique de la valeur et du profit vs théories classiques de la comptabilité. Introduction à la comptabilité nationale.

Initiation au développement durable et à l'environnement : pressions environnementales, état de l'environnement, réponses sociales. Thèmes traités: population, agriculture, énergie, déchets, pollution des milieux, changements climatiques, biodiversité.

Introduction aux processus météorologiques fondamentaux qui régissent le climat. Les grands types de climat, leur répartition spatiale et leur évolution dans le temps. Ajustements au doublement du CO2 atmosphérique.

Introduction à la science de l'hydrologie par un examen des processus physiques qui composent le cycle hydrologique. Analyse conceptuelle et physique des processus.

Approche interdisciplinaire de résolution d'un enjeu de société. Mise en application de compétences transversales (résolution de problèmes complexes, gestion de projet, communication, etc.) Thématiques varient annuellement.

Logique des connecteurs et logique des quantificateurs.

La science comme entreprise rationnelle : spécificité de l'explication scientifique. Notions d'hypothèse, de loi, de théorie. Le développement de la science : modèles continuistes et discontinuistes.

Introduction à des problématiques fondamentales de la philosophie de la connaissance: la nature de la connaissance, les sources de la connaissance, les types de connaissance, les limites de la connaissance, etc.

Introduction à la métalogique propositionnelle : complétude et décidabilité de la logique propositionnelle classique. Introduction à des variantes et alternatives logiques intuitionniste, multivalente, modale, floue, etc.

Lois de Coulomb et de Gauss. Potentiel scalaire. Conducteurs. Énergie électrique et magnétique. Dipôle. Courants et densité de courant électrique. Lois d'Ampère et de Biot et Savart. Potentiel vecteur. Loi de Faraday.

Oscillations libres, amorties et entretenues. Oscillateurs couplés et modes normaux. Ondes stationnaires. Superposition de modes et analyse de Fourier. Ondes progressives. Réflexion et transmission. Interférence.

Concepts fondamentaux de la mécanique. Lois de conservation. Rotation autour d'un axe. Forces centrales. Problème de Kepler. Diffusion et section efficace. Gravitation.

Référentiels non inertiels. Postulats de relativité. Dilatation du temps. Contractions des longueurs. Transformations de Lorentz. Effet Doppler. Cinématique relativiste. Quadrivecteurs.

Notions de base en astrophysique. Se repérer dans l'espace et le temps. Visite de l'Univers à petite et grande échelle. Description de l'évolution de l'Univers. Origine et évolution de la vie dans l'Univers. Remarque: Cours en ligne. Remarque : Ce cours ne peut pas être reconnu comme cours au choix dans les programmes suivants : 119210, 120010, 120020, 120040, 120510.

Formalismes de Lagrange et Hamilton. Transformations canoniques et crochets de Poisson. Formalisme de Hamilton-Jacobi. Mouvements des corps rigides et équations d'Euler.

Cinématique et dynamique d'un fluide. Paramètres non dimensionnels. Fluide parfait. Compressibilité. Viscosité, couche limite. Turbulence.

Sondages élémentaires, empiriques, stratifiés, systématiques, avec probabilités inégales, à deux degrés. Méthodes de Monte-Carlo : création d'échantillons artificiels, simulation et analyse d'exemples.

Méthode des moindres carrés. Théorèmes de Gauss-Markov et de Cochran. Estimation et tests d'hypothèses. Résidus et diagnostics. Construction de modèles. Exemples. Remarques: Utilisation du progiciel SAS.

Estimation ponctuelle et par intervalle. Tests d'hypothèses. Méthodes graphiques. Test du khi-deux. Théorie de la décision et inférence bayésienne. Comparaisons de deux échantillons. Lié aux examens CAS et agrément ICA.

Principes. Assignation au hasard. Répliques. Blocs. Effets fixes et aléatoires. Classification simple. Plans factoriels, à mesures répétées, incomplets. Résidus et diagnostics. Applications. Remarques: Utilisation du progiciel SPSS.

Planification d'expériences et de sondages. Exploration et analyse de données à l'aide de progiciels. Interprétation et communication de résultats.

Évaluation d'un modèle de régression et sélection de variables. Méthodes de rétrécissement. Modèles linéaires généralisés. Méthode des k plus proches voisins. Arbres de décision. Régression non paramétrique.

Initiation à la modélisation. Formulation d'un problème bien cerné, identification des quantités-clés, collection de données fiables, formulation en termes de mathématiques et solution, comparaison des résultats aux données, communication des résultats.

L'intégrale de Riemann, le théorème fondamental du calcul. Fonctions trigonométriques, exponentielles et leurs inverses. Suites et séries de fonctions, séries de Taylor, séries de Fourier.

Topologie de Rⁿ. Ensembles ouverts, compacts. Applications continues, différentiables. Jacobien. Théorème de Taylor. Extrema. Théorème des fonctions inverses et implicites.

Propagation d'erreurs. Solution numérique d'équations non linéaires. Interpolation et approximation polynomiale. Dérivation et intégration numériques. Algèbre linéaire : méthodes directes et itératives. Approximation discrète par moindres carrés.

Éléments de base d'un langage de programmation : types, expressions, énoncés conditionnels et itératifs, procédures, fonctions, paramètres, récursivité, tableaux, enregistrements, pointeurs et fichiers.

Présentation de SAS et R; lecture des données; organisation, gestion et manipulation des données; transformation de variables; chaînes de caractères, dates; instructions de condition et de boucle; procédures graphiques; statistiques descriptives.

Théorie de la décision, lois a priori et a posteriori, règle de Bayes, rapport de Bayes, loi prédictive, région de prévision, modèle hiérarchique, simulations par chaînes de Markov, échantillonneurs de Gibbs et de Metropolis-Hastings.

Vecteur aléatoire. Matrice des covariances. Loi multinormale. Région de confiance et tests pour le vecteur moyen. Analyses en composantes principales, canonique, discriminante et classification. Lois décentrées.

Estimation ponctuelle et par intervalle. Tests d'hypothèses. Méthodes graphiques. Test du khi-deux. Théorie de la décision et inférence bayésienne. Comparaisons de deux échantillons.

Fonction de survie. Taux de panne. Modèles paramétriques et non paramétriques pour des données complètes. Estimation. Différents types de censure. Modèle de régression. Applications.

Études de cohortes, études transversales, longitudinales, prospectives. Détermination des tailles d'échantillon dans les devis. Fiabilité des mesures.

Classification. Réduction de la dimension. Modélisation de relations avec noyaux de similarité. Regroupements. Apprentissage de variétés. Fondements mathématiques et applications d'algorithmes d'apprentissage.

Statistiques linéaires de rang. Problèmes de position et de dispersion. Cas d'un ou deux échantillons. Efficacité relative des tests. Régression non paramétrique : méthodes du noyau et splines de lissage. Tests de permutation et méthode bootstrap.

Tableaux de contingence à plusieurs dimensions. Mesures d'association. Risque relatif, rapport de cote. Tests exacts et asymptotiques. Régression logistique, de Poisson, multinomiale, logistique cumulative. Modèles log-linéaires. Modèles graphiques.

Calcul vectoriel : divergence, rotationnel, laplacien. Formules de Green-Riemann, de Stokes et théorème de la divergence. Introduction aux équations différentielles. Équations différentielles linéaires d'ordre un et deux.

Équations du premier et du second ordre. Existence et unicité. Dépendance continue par rapport à la condition initiale. Méthodes analytiques, qualitatives. Systèmes linéaires et non linéaires. Dynamique discrète.

Fonctions holomorphes d'une variable complexe. Représentation conforme. Équations de Cauchy-Riemann. Théorème de Cauchy. Séries de Laurent. Théorème fondamental des résidus.

Étude de plusieurs sujets dans des domaines où les mathématiques jouent un rôle essentiel pour la technologie : informatique, cryptographie, transports, biotechnologie, pharmacie, traitement d'images, reconnaissances de formes, etc.

Introduction aux dynamiques adaptatives: évolution des génomes, quasi-espèces, dynamiques des jeux, dynamiques de population (finies et infinies), théorie adaptative sur graphes, automates. Applications : biologie, écologie, finance, médecine, etc.

Fonctions Gamma et Bêta, séries de Fourier et d'autres fonctions orthogonales. Problème de Sturm-Liouville, approximation en moyenne quadratique, séparation de variables pour les équations aux dérivées partielles, transformées de Fourier et Laplace.

Lien entre les marches aléatoires réversibles et les réseaux électriques. Exemples de graphes aléatoires, dont la percolation et les arbres couvrants. Marches aléatoires sur graphes aléatoires. Méthodes du premier et second moment.

Outils mathématiques utilisés pour comprendre des structures intrinsèques de données empiriques. Localité et régularité dans la construction de géométries globales de données. Représentation, exploration et analyse de géométries globales de données.

Processus de modélisation mathématique: simplification du problème sous étude, formulation mathématique, analyse et interprétation dans la discipline d'origine. Étude de problèmes issus de la biologie contemporaine.

Processus de modélisation mathématiques avancés: simulations, estimation de paramètres, interprétation. Introduction à l’utilisation des mathématiques dans un milieu multidisciplinaire (médecine, neurosciences, etc.). Étude de cas et projet appliqué.

Ensembles mesurables, mesure de Lebesgue, théorèmes de Lusin et de Egorov, intégrale de Lebesgue, théorème de Fubini, espaces Lp, éléments de la théorie ergodique, mesure et dimension de Hausdorff, ensembles fractals.

Espace de probabilité, variables aléatoires, indépendance, espérance mathématique, modes de convergence, lois des grands nombres, théorème central limite, espérance conditionnelle et martingales. Introduction au mouvement brownien.

Stage supervisé faisant appel à des compétences actuarielles, mathématiques ou statistiques.

Stage supervisé faisant appel à des compétences actuarielles, mathématiques ou statistiques.

Un projet est suggéré à chaque étudiant lui permettant de faire une synthèse de ses connaissances en statistique. L'étudiant soumet un rapport et fait un exposé oral à la fin du trimestre.

Concepts avancés : classes, objets, héritage, interfaces, réutilisation, événements. Introduction aux structures de données et algorithmes : listes, arbres binaires, fichiers, recherche et tri. Notions d'analyse numérique : précision.

Programmation linéaire. Simplexe. Dualité. Programmation en nombres entiers. Problèmes de réseaux. Méthodes PERT/CPM. Plus court chemin. Programmation dynamique déterministe et probabiliste. Modèles stochastiques.

Types abstraits pour les structures de données, arbres, dictionnaires, files avec priorités, graphes, méthodes externes.

Conception et analyse d'algorithmes. Notation asymptotique, résolution de récurrences. Algorithmes voraces, diviser-pour-régner, programmation dynamique, parcours de graphes, retour-arrière, algorithmes probabilistes.

Arithmétique en point flottant, analyse d'erreurs. Équations linéaires et non linéaires. Interpolation, moindres carrés. Différenciation et intégration numérique. Équations différentielles ordinaires.

Modèles linéaires. Méthode du simplexe. Dualité. Postoptimisation. Analyse de sensibilité. Problèmes à structures particulières. Modèles en nombres entiers. Méthodes de coupes. Séparation et évaluation progressive.

Systèmes linéaires. Échantillonnage et reconstruction. Convolution. Notation polaire. Transformées-Z et de Fourier. Analyse spectrale. Filtrage numérique (FIR et IIR). Applications dans les domaines de l'audio, de l'image et de la vidéo.

Modèles de simulation. Simulations continues et à événements discrets. Modélisation stochastique. Validation et réalisme. Analyse des résultats. Technique de réduction de la variance. Génération de valeurs pseudoaléatoires.

Éléments de base des algorithmes d'apprentissage statistique et symbolique. Exemples d'applications en forage de données, reconnaissance des formes, régression non linéaire, et données temporelles. Remarques: Des connaissances d'analyse numérique sont recommandées, par exemple le IFT 2425.

Programmation non linéaire. Conditions d'optimalité avec et sans contraintes. Méthodes de directions de descente, de Newton et quasi-Newton. Méthodes de recherche linéaire et de régions de confiance. Méthode de points intérieurs.

Introduction à la théorie des graphes et à ses applications en informatique. Arborescences, connexité, coloriages, stabilité. Algorithmes sur les graphes. Applications.

Mise en contexte et applications des probabilités, statistiques, optimisation et outils informatiques pour la science des données; nettoyage et visualisation de données; enjeux statistiques de l'apprentissage automatique sur données structurées.

Mesures d'intérêt, valeurs présentes, accumulées, annuités certaines à paiements égaux et non-égaux, remboursement des prêts, obligations, flux monétaires généraux et portefeuilles, duration, immunisation, déterminants des taux d’intérêt.

Options d'achat/vente, contrats à terme/à livrer, stratégies de gestion des risques, évaluation d'options, parité, arbitrage, modèle binomial, modèle de Black-Scholes, couverture dynamique.

Concepts de comptabilité et règlementation. Préparation et analyse d’états financiers. Calcul de ratios financiers. Coût de la dette et coût des capitaux propres. Décision d'investissement. Structure du capital, modèle M&M.

Marchés financiers et actifs financiers qui s'y transigent (actions, titres à revenu fixe). Construction de portefeuilles, frontière efficace. Modèle CAPM. Efficience des marchés et finance comportementale. Mesures de risque.

Assurances à long terme, fonction de survie, probabilités de décès, force de mortalité, tables de mortalité, hypothèses pour âges fractionnaires, assurance-vie, rentes viagères, perte de l’assureur, calcul des primes périodiques nettes et brutes.

Réserves pour bénéfices; formules prospectives, rétrospective, récursive; réserves modifiées. Vies conjointes, dernier survivant; assurance, rente sur 2 vies; modèles à décréments multiples et applications.

Théorie de l’estimation et de la sélection de modèles paramétriques. Théorie de la crédibilité. Tarification et réserves.

Système canadien de régimes de retraite publics et privés. Types de régimes privés. Calcul de rentes. Principe de capitalisation. Méthodes actuarielles d'évaluation, hypothèses, gains et pertes. Contexte législatif.

Notions de probabilités et calcul stochastique, théorie de l’arbitrage, théorèmes fondamentaux, modèles binomiaux, modèle de Black-Scholes, modèles pour taux d’intérêt, calibration de modèles aux données de marché.

Modèles de fréquence et de sévérité des sinistres, modèles collectifs, distribution des pertes totales. Types de contrat d’assurance et de réassurance IARD. Effet de modifications de couverture.

Loi de Mendel et mécanismes de l'hérédité. Linkage génétique et recombinaison. Probabilités et génétique. Éléments de cytogénétique. Mutations. Applications en biotechnologie et impact social.

Organisation générale de la biosphère, dynamique de l'environnement physique, histoire de la biosphère, populations et communautés, les grands types d'écosystèmes, l'homme dans la biosphère.

Processus responsables des variations temporelles de l'abondance des populations animales et végétales. Description et utilisation de modèles mathématiques visant à quantifier et prédire les variations de l'abondance des populations.

Introduction aux principes, méthodes et applications de la systématique: reconstruction phylogénétique, systématique moléculaire, applications en biologie de l'évolution, pour la classification taxonomique, la biogéographie et l'écologie. Remarques: Actif au trimestre d'hiver des années impaires. Cours cyclique non offert en 2015-2016.

Introduction aux phénomènes majeurs modifiant les populations humaines, dans leur structure et dans leur mouvement : fécondité, nuptialité, mortalité, migration. Histoire des populations et croissance démographique. Perspectives de populations.

Recensements canadiens et données d'état civil au Québec; implications pour l'analyse; comparaison avec d'autres pays, dont certains du Tiers-Monde. Enquête démographique. Enjeux éthiques. Remarques: Travaux pratiques avec les données et les métadonnées disponibles sur Internet.

Méthodes d'analyse longitudinale : application à la mortalité, fécondité, nuptialité, migration. Construction de tables démographiques. Histoire d'une promotion de mariages.

Méthodes d'analyse transversale : application à la mortalité, fécondité, nuptialité, migration. Construction de tables de mortalité. Structure et renouvellement des populations. Modèles et éléments de perspectives de population.

Pratique de la démographie. Perspectives de population : modèles de base et modèles adaptés aux sous-populations. Applications à divers milieux de pratique : éducation, santé, population active, immigration, et autres.

Présentation des outils de base de l'analyse économique : coût d'opportunité, offre, demande et prix; choix des consommateurs; choix de production des firmes; marchés concurrentiels; monopole; efficacité; commerce international. Remarques: Cours aussi offert en ligne

Éléments de finance : décisions d'épargne et marchés financiers; concurrence imparfaite : progrès technologique et informations imparfaites; rôle de l'État : environnement, efficacité, équité.

Interdépendance des marchés et comptabilité nationale et financière. Marchés monétaires et théories de l'inflation. Marché du travail et types de chômage. Modèles de long et de court termes. Modèle IS-LM; fluctuations économiques. Remarques: Cours aussi offert en ligne

Théorie de la décision; choix des consommateurs et théorie de la demande; choix des producteurs et théorie de l'offre; marchés concurrentiels; équilibres partiel et général; bien-être et efficacité.

Économie de l'incertain : choix en incertitude; marchés des actifs financiers : équilibre; éléments de théorie des jeux; concurrence imparfaite; modèle principal-agent.

Le modèle comptable : fondements théoriques et fonctionnement pratique, adaptation aux formes juridiques d'entreprises. Concept économique de la valeur et du profit vs théories classiques de la comptabilité. Introduction à la comptabilité nationale.

Approche interdisciplinaire de résolution d'un enjeu de société. Mise en application de compétences transversales (résolution de problèmes complexes, gestion de projet, communication, etc.) Thématiques varient annuellement.

Lois de Coulomb et de Gauss. Potentiel scalaire. Conducteurs. Énergie électrique et magnétique. Dipôle. Courants et densité de courant électrique. Lois d'Ampère et de Biot et Savart. Potentiel vecteur. Loi de Faraday.

Oscillations libres, amorties et entretenues. Oscillateurs couplés et modes normaux. Ondes stationnaires. Superposition de modes et analyse de Fourier. Ondes progressives. Réflexion et transmission. Interférence.

Concepts fondamentaux de la mécanique. Lois de conservation. Rotation autour d'un axe. Forces centrales. Problème de Kepler. Diffusion et section efficace. Gravitation.

Référentiels non inertiels. Postulats de relativité. Dilatation du temps. Contractions des longueurs. Transformations de Lorentz. Effet Doppler. Cinématique relativiste. Quadrivecteurs.

Notions de base en astrophysique. Se repérer dans l'espace et le temps. Visite de l'Univers à petite et grande échelle. Description de l'évolution de l'Univers. Origine et évolution de la vie dans l'Univers. Remarque: Cours en ligne. Remarque : Ce cours ne peut pas être reconnu comme cours au choix dans les programmes suivants : 119210, 120010, 120020, 120040, 120510.

Thermodynamique statistique. Fonctions thermodynamiques. Transformations de phases. Distribution canonique. Méc. stat. Statistiques quantiques. Applications de Gaz de bosons et de fermions.

Sondages élémentaires, empiriques, stratifiés, systématiques, avec probabilités inégales, à deux degrés. Méthodes de Monte-Carlo : création d'échantillons artificiels, simulation et analyse d'exemples.

Méthode des moindres carrés. Théorèmes de Gauss-Markov et de Cochran. Estimation et tests d'hypothèses. Résidus et diagnostics. Construction de modèles. Exemples. Remarques: Utilisation du progiciel SAS.

Estimation ponctuelle et par intervalle. Tests d'hypothèses. Méthodes graphiques. Test du khi-deux. Théorie de la décision et inférence bayésienne. Comparaisons de deux échantillons. Lié aux examens CAS et agrément ICA.

Principes. Assignation au hasard. Répliques. Blocs. Effets fixes et aléatoires. Classification simple. Plans factoriels, à mesures répétées, incomplets. Résidus et diagnostics. Applications. Remarques: Utilisation du progiciel SPSS.

Planification d'expériences et de sondages. Exploration et analyse de données à l'aide de progiciels. Interprétation et communication de résultats.

Évaluation d'un modèle de régression et sélection de variables. Méthodes de rétrécissement. Modèles linéaires généralisés. Méthode des k plus proches voisins. Arbres de décision. Régression non paramétrique.

Initiation à la modélisation. Formulation d'un problème bien cerné, identification des quantités-clés, collection de données fiables, formulation en termes de mathématiques et solution, comparaison des résultats aux données, communication des résultats.

L'intégrale de Riemann, le théorème fondamental du calcul. Fonctions trigonométriques, exponentielles et leurs inverses. Suites et séries de fonctions, séries de Taylor, séries de Fourier.

Topologie de Rⁿ. Ensembles ouverts, compacts. Applications continues, différentiables. Jacobien. Théorème de Taylor. Extrema. Théorème des fonctions inverses et implicites.

Propagation d'erreurs. Solution numérique d'équations non linéaires. Interpolation et approximation polynomiale. Dérivation et intégration numériques. Algèbre linéaire : méthodes directes et itératives. Approximation discrète par moindres carrés.

Éléments de base d'un langage de programmation : types, expressions, énoncés conditionnels et itératifs, procédures, fonctions, paramètres, récursivité, tableaux, enregistrements, pointeurs et fichiers.

Présentation de SAS et R; lecture des données; organisation, gestion et manipulation des données; transformation de variables; chaînes de caractères, dates; instructions de condition et de boucle; procédures graphiques; statistiques descriptives.

Théorie de la décision, lois a priori et a posteriori, règle de Bayes, rapport de Bayes, loi prédictive, région de prévision, modèle hiérarchique, simulations par chaînes de Markov, échantillonneurs de Gibbs et de Metropolis-Hastings.

Vecteur aléatoire. Matrice des covariances. Loi multinormale. Région de confiance et tests pour le vecteur moyen. Analyses en composantes principales, canonique, discriminante et classification. Lois décentrées.

Estimation ponctuelle et par intervalle. Tests d'hypothèses. Méthodes graphiques. Test du khi-deux. Théorie de la décision et inférence bayésienne. Comparaisons de deux échantillons.

Fonction de survie. Taux de panne. Modèles paramétriques et non paramétriques pour des données complètes. Estimation. Différents types de censure. Modèle de régression. Applications.

Études de cohortes, études transversales, longitudinales, prospectives. Détermination des tailles d'échantillon dans les devis. Fiabilité des mesures.

Classification. Réduction de la dimension. Modélisation de relations avec noyaux de similarité. Regroupements. Apprentissage de variétés. Fondements mathématiques et applications d'algorithmes d'apprentissage.

Statistiques linéaires de rang. Problèmes de position et de dispersion. Cas d'un ou deux échantillons. Efficacité relative des tests. Régression non paramétrique : méthodes du noyau et splines de lissage. Tests de permutation et méthode bootstrap.

Tableaux de contingence à plusieurs dimensions. Mesures d'association. Risque relatif, rapport de cote. Tests exacts et asymptotiques. Régression logistique, de Poisson, multinomiale, logistique cumulative. Modèles log-linéaires. Modèles graphiques.

Calcul vectoriel : divergence, rotationnel, laplacien. Formules de Green-Riemann, de Stokes et théorème de la divergence. Introduction aux équations différentielles. Équations différentielles linéaires d'ordre un et deux.

Équations du premier et du second ordre. Existence et unicité. Dépendance continue par rapport à la condition initiale. Méthodes analytiques, qualitatives. Systèmes linéaires et non linéaires. Dynamique discrète.

Fonctions holomorphes d'une variable complexe. Représentation conforme. Équations de Cauchy-Riemann. Théorème de Cauchy. Séries de Laurent. Théorème fondamental des résidus.

Étude de plusieurs sujets dans des domaines où les mathématiques jouent un rôle essentiel pour la technologie : informatique, cryptographie, transports, biotechnologie, pharmacie, traitement d'images, reconnaissances de formes, etc.

Introduction aux dynamiques adaptatives: évolution des génomes, quasi-espèces, dynamiques des jeux, dynamiques de population (finies et infinies), théorie adaptative sur graphes, automates. Applications : biologie, écologie, finance, médecine, etc.

Fonctions Gamma et Bêta, séries de Fourier et d'autres fonctions orthogonales. Problème de Sturm-Liouville, approximation en moyenne quadratique, séparation de variables pour les équations aux dérivées partielles, transformées de Fourier et Laplace.

Lien entre les marches aléatoires réversibles et les réseaux électriques. Exemples de graphes aléatoires, dont la percolation et les arbres couvrants. Marches aléatoires sur graphes aléatoires. Méthodes du premier et second moment.

Outils mathématiques utilisés pour comprendre des structures intrinsèques de données empiriques. Localité et régularité dans la construction de géométries globales de données. Représentation, exploration et analyse de géométries globales de données.

Processus de modélisation mathématique: simplification du problème sous étude, formulation mathématique, analyse et interprétation dans la discipline d'origine. Étude de problèmes issus de la biologie contemporaine.

Processus de modélisation mathématiques avancés: simulations, estimation de paramètres, interprétation. Introduction à l’utilisation des mathématiques dans un milieu multidisciplinaire (médecine, neurosciences, etc.). Étude de cas et projet appliqué.

Ensembles mesurables, mesure de Lebesgue, théorèmes de Lusin et de Egorov, intégrale de Lebesgue, théorème de Fubini, espaces Lp, éléments de la théorie ergodique, mesure et dimension de Hausdorff, ensembles fractals.

Espace de probabilité, variables aléatoires, indépendance, espérance mathématique, modes de convergence, lois des grands nombres, théorème central limite, espérance conditionnelle et martingales. Introduction au mouvement brownien.

Stage supervisé faisant appel à des compétences actuarielles, mathématiques ou statistiques.

Stage supervisé faisant appel à des compétences actuarielles, mathématiques ou statistiques.

Concepts avancés : classes, objets, héritage, interfaces, réutilisation, événements. Introduction aux structures de données et algorithmes : listes, arbres binaires, fichiers, recherche et tri. Notions d'analyse numérique : précision.

Programmation linéaire. Simplexe. Dualité. Programmation en nombres entiers. Problèmes de réseaux. Méthodes PERT/CPM. Plus court chemin. Programmation dynamique déterministe et probabiliste. Modèles stochastiques.

Types abstraits pour les structures de données, arbres, dictionnaires, files avec priorités, graphes, méthodes externes.

Conception et analyse d'algorithmes. Notation asymptotique, résolution de récurrences. Algorithmes voraces, diviser-pour-régner, programmation dynamique, parcours de graphes, retour-arrière, algorithmes probabilistes.

Arithmétique en point flottant, analyse d'erreurs. Équations linéaires et non linéaires. Interpolation, moindres carrés. Différenciation et intégration numérique. Équations différentielles ordinaires.

Modèles linéaires. Méthode du simplexe. Dualité. Postoptimisation. Analyse de sensibilité. Problèmes à structures particulières. Modèles en nombres entiers. Méthodes de coupes. Séparation et évaluation progressive.

Systèmes linéaires. Échantillonnage et reconstruction. Convolution. Notation polaire. Transformées-Z et de Fourier. Analyse spectrale. Filtrage numérique (FIR et IIR). Applications dans les domaines de l'audio, de l'image et de la vidéo.

Modèles de simulation. Simulations continues et à événements discrets. Modélisation stochastique. Validation et réalisme. Analyse des résultats. Technique de réduction de la variance. Génération de valeurs pseudoaléatoires.

Éléments de base des algorithmes d'apprentissage statistique et symbolique. Exemples d'applications en forage de données, reconnaissance des formes, régression non linéaire, et données temporelles. Remarques: Des connaissances d'analyse numérique sont recommandées, par exemple le IFT 2425.

Programmation non linéaire. Conditions d'optimalité avec et sans contraintes. Méthodes de directions de descente, de Newton et quasi-Newton. Méthodes de recherche linéaire et de régions de confiance. Méthode de points intérieurs.

Introduction à la théorie des graphes et à ses applications en informatique. Arborescences, connexité, coloriages, stabilité. Algorithmes sur les graphes. Applications.

Mise en contexte et applications des probabilités, statistiques, optimisation et outils informatiques pour la science des données; nettoyage et visualisation de données; enjeux statistiques de l'apprentissage automatique sur données structurées.

Mesures d'intérêt, valeurs présentes, accumulées, annuités certaines à paiements égaux et non-égaux, remboursement des prêts, obligations, flux monétaires généraux et portefeuilles, duration, immunisation, déterminants des taux d’intérêt.

Options d'achat/vente, contrats à terme/à livrer, stratégies de gestion des risques, évaluation d'options, parité, arbitrage, modèle binomial, modèle de Black-Scholes, couverture dynamique.

Concepts de comptabilité et règlementation. Préparation et analyse d’états financiers. Calcul de ratios financiers. Coût de la dette et coût des capitaux propres. Décision d'investissement. Structure du capital, modèle M&M.

Marchés financiers et actifs financiers qui s'y transigent (actions, titres à revenu fixe). Construction de portefeuilles, frontière efficace. Modèle CAPM. Efficience des marchés et finance comportementale. Mesures de risque.

Assurances à long terme, fonction de survie, probabilités de décès, force de mortalité, tables de mortalité, hypothèses pour âges fractionnaires, assurance-vie, rentes viagères, perte de l’assureur, calcul des primes périodiques nettes et brutes.

Réserves pour bénéfices; formules prospectives, rétrospective, récursive; réserves modifiées. Vies conjointes, dernier survivant; assurance, rente sur 2 vies; modèles à décréments multiples et applications.

Théorie de l’estimation et de la sélection de modèles paramétriques. Théorie de la crédibilité. Tarification et réserves.

Système canadien de régimes de retraite publics et privés. Types de régimes privés. Calcul de rentes. Principe de capitalisation. Méthodes actuarielles d'évaluation, hypothèses, gains et pertes. Contexte législatif.

Notions de probabilités et calcul stochastique, théorie de l’arbitrage, théorèmes fondamentaux, modèles binomiaux, modèle de Black-Scholes, modèles pour taux d’intérêt, calibration de modèles aux données de marché.

Modèles de fréquence et de sévérité des sinistres, modèles collectifs, distribution des pertes totales. Types de contrat d’assurance et de réassurance IARD. Effet de modifications de couverture.

Loi de Mendel et mécanismes de l'hérédité. Linkage génétique et recombinaison. Probabilités et génétique. Éléments de cytogénétique. Mutations. Applications en biotechnologie et impact social.

Organisation générale de la biosphère, dynamique de l'environnement physique, histoire de la biosphère, populations et communautés, les grands types d'écosystèmes, l'homme dans la biosphère.

Processus responsables des variations temporelles de l'abondance des populations animales et végétales. Description et utilisation de modèles mathématiques visant à quantifier et prédire les variations de l'abondance des populations.

Introduction aux principes, méthodes et applications de la systématique: reconstruction phylogénétique, systématique moléculaire, applications en biologie de l'évolution, pour la classification taxonomique, la biogéographie et l'écologie. Remarques: Actif au trimestre d'hiver des années impaires. Cours cyclique non offert en 2015-2016.

Introduction aux phénomènes majeurs modifiant les populations humaines, dans leur structure et dans leur mouvement : fécondité, nuptialité, mortalité, migration. Histoire des populations et croissance démographique. Perspectives de populations.

Recensements canadiens et données d'état civil au Québec; implications pour l'analyse; comparaison avec d'autres pays, dont certains du Tiers-Monde. Enquête démographique. Enjeux éthiques. Remarques: Travaux pratiques avec les données et les métadonnées disponibles sur Internet.

Méthodes d'analyse longitudinale : application à la mortalité, fécondité, nuptialité, migration. Construction de tables démographiques. Histoire d'une promotion de mariages.

Méthodes d'analyse transversale : application à la mortalité, fécondité, nuptialité, migration. Construction de tables de mortalité. Structure et renouvellement des populations. Modèles et éléments de perspectives de population.

Pratique de la démographie. Perspectives de population : modèles de base et modèles adaptés aux sous-populations. Applications à divers milieux de pratique : éducation, santé, population active, immigration, et autres.

Présentation des outils de base de l'analyse économique : coût d'opportunité, offre, demande et prix; choix des consommateurs; choix de production des firmes; marchés concurrentiels; monopole; efficacité; commerce international. Remarques: Cours aussi offert en ligne

Éléments de finance : décisions d'épargne et marchés financiers; concurrence imparfaite : progrès technologique et informations imparfaites; rôle de l'État : environnement, efficacité, équité.

Interdépendance des marchés et comptabilité nationale et financière. Marchés monétaires et théories de l'inflation. Marché du travail et types de chômage. Modèles de long et de court termes. Modèle IS-LM; fluctuations économiques. Remarques: Cours aussi offert en ligne

Théorie de la décision; choix des consommateurs et théorie de la demande; choix des producteurs et théorie de l'offre; marchés concurrentiels; équilibres partiel et général; bien-être et efficacité.

Économie de l'incertain : choix en incertitude; marchés des actifs financiers : équilibre; éléments de théorie des jeux; concurrence imparfaite; modèle principal-agent.

Le modèle comptable : fondements théoriques et fonctionnement pratique, adaptation aux formes juridiques d'entreprises. Concept économique de la valeur et du profit vs théories classiques de la comptabilité. Introduction à la comptabilité nationale.

Approche interdisciplinaire de résolution d'un enjeu de société. Mise en application de compétences transversales (résolution de problèmes complexes, gestion de projet, communication, etc.) Thématiques varient annuellement.

Lois de Coulomb et de Gauss. Potentiel scalaire. Conducteurs. Énergie électrique et magnétique. Dipôle. Courants et densité de courant électrique. Lois d'Ampère et de Biot et Savart. Potentiel vecteur. Loi de Faraday.

Oscillations libres, amorties et entretenues. Oscillateurs couplés et modes normaux. Ondes stationnaires. Superposition de modes et analyse de Fourier. Ondes progressives. Réflexion et transmission. Interférence.

Concepts fondamentaux de la mécanique. Lois de conservation. Rotation autour d'un axe. Forces centrales. Problème de Kepler. Diffusion et section efficace. Gravitation.

Référentiels non inertiels. Postulats de relativité. Dilatation du temps. Contractions des longueurs. Transformations de Lorentz. Effet Doppler. Cinématique relativiste. Quadrivecteurs.

Notions de base en astrophysique. Se repérer dans l'espace et le temps. Visite de l'Univers à petite et grande échelle. Description de l'évolution de l'Univers. Origine et évolution de la vie dans l'Univers. Remarque: Cours en ligne. Remarque : Ce cours ne peut pas être reconnu comme cours au choix dans les programmes suivants : 119210, 120010, 120020, 120040, 120510.

Thermodynamique statistique. Fonctions thermodynamiques. Transformations de phases. Distribution canonique. Méc. stat. Statistiques quantiques. Applications de Gaz de bosons et de fermions.

Mesures d'intérêt, valeurs présentes, accumulées, annuités certaines à paiements égaux et non-égaux, remboursement des prêts, obligations, flux monétaires généraux et portefeuilles, duration, immunisation, déterminants des taux d’intérêt.

Options d'achat/vente, contrats à terme/à livrer, stratégies de gestion des risques, évaluation d'options, parité, arbitrage, modèle binomial, modèle de Black-Scholes, couverture dynamique.

Concepts de comptabilité et règlementation. Préparation et analyse d’états financiers. Calcul de ratios financiers. Coût de la dette et coût des capitaux propres. Décision d'investissement. Structure du capital, modèle M&M.

Marchés financiers et actifs financiers qui s'y transigent (actions, titres à revenu fixe). Construction de portefeuilles, frontière efficace. Modèle CAPM. Efficience des marchés et finance comportementale. Mesures de risque.

Notions de probabilités et calcul stochastique, théorie de l’arbitrage, théorèmes fondamentaux, modèles binomiaux, modèle de Black-Scholes, modèles pour taux d’intérêt, calibration de modèles aux données de marché.

Étude de problèmes complexes en mathématiques financières. Communication des résultats

L'intégrale de Riemann, le théorème fondamental du calcul. Fonctions trigonométriques, exponentielles et leurs inverses. Suites et séries de fonctions, séries de Taylor, séries de Fourier.

Équations du premier et du second ordre. Existence et unicité. Dépendance continue par rapport à la condition initiale. Méthodes analytiques, qualitatives. Systèmes linéaires et non linéaires. Dynamique discrète.

Propagation d'erreurs. Solution numérique d'équations non linéaires. Interpolation et approximation polynomiale. Dérivation et intégration numériques. Algèbre linéaire : méthodes directes et itératives. Approximation discrète par moindres carrés.

Méthode des moindres carrés. Théorèmes de Gauss-Markov et de Cochran. Estimation et tests d'hypothèses. Résidus et diagnostics. Construction de modèles. Exemples. Remarques: Utilisation du progiciel SAS.

Estimation ponctuelle et par intervalle. Tests d'hypothèses. Méthodes graphiques. Test du khi-deux. Théorie de la décision et inférence bayésienne. Comparaisons de deux échantillons. Lié aux examens CAS et agrément ICA.

Estimation ponctuelle et par intervalle. Tests d'hypothèses. Méthodes graphiques. Test du khi-deux. Théorie de la décision et inférence bayésienne. Comparaisons de deux échantillons.

Éléments de base d'un langage de programmation : types, expressions, énoncés conditionnels et itératifs, procédures, fonctions, paramètres, récursivité, tableaux, enregistrements, pointeurs et fichiers.

Présentation de SAS et R; lecture des données; organisation, gestion et manipulation des données; transformation de variables; chaînes de caractères, dates; instructions de condition et de boucle; procédures graphiques; statistiques descriptives.

Calcul vectoriel : divergence, rotationnel, laplacien. Formules de Green-Riemann, de Stokes et théorème de la divergence. Introduction aux équations différentielles. Équations différentielles linéaires d'ordre un et deux.

Topologie de Rⁿ. Ensembles ouverts, compacts. Applications continues, différentiables. Jacobien. Théorème de Taylor. Extrema. Théorème des fonctions inverses et implicites.

Fonctions Gamma et Bêta, séries de Fourier et d'autres fonctions orthogonales. Problème de Sturm-Liouville, approximation en moyenne quadratique, séparation de variables pour les équations aux dérivées partielles, transformées de Fourier et Laplace.

Lien entre les marches aléatoires réversibles et les réseaux électriques. Exemples de graphes aléatoires, dont la percolation et les arbres couvrants. Marches aléatoires sur graphes aléatoires. Méthodes du premier et second moment.

Outils mathématiques utilisés pour comprendre des structures intrinsèques de données empiriques. Localité et régularité dans la construction de géométries globales de données. Représentation, exploration et analyse de géométries globales de données.

Équations du premier ordre et du second ordre. Caractéristiques et classification. Équations elliptiques : de Laplace, de Poisson. Équation des ondes. Équation de la chaleur. Introduction aux fonctions de Green.

Ensembles mesurables, mesure de Lebesgue, théorèmes de Lusin et de Egorov, intégrale de Lebesgue, théorème de Fubini, espaces Lp, éléments de la théorie ergodique, mesure et dimension de Hausdorff, ensembles fractals.

Espace de probabilité, variables aléatoires, indépendance, espérance mathématique, modes de convergence, lois des grands nombres, théorème central limite, espérance conditionnelle et martingales. Introduction au mouvement brownien.

Assurances à long terme, fonction de survie, probabilités de décès, force de mortalité, tables de mortalité, hypothèses pour âges fractionnaires, assurance-vie, rentes viagères, perte de l’assureur, calcul des primes périodiques nettes et brutes.

Réserves pour bénéfices; formules prospectives, rétrospective, récursive; réserves modifiées. Vies conjointes, dernier survivant; assurance, rente sur 2 vies; modèles à décréments multiples et applications.

Théorie de l’estimation et de la sélection de modèles paramétriques. Théorie de la crédibilité. Tarification et réserves.

Modèles de fréquence et de sévérité des sinistres, modèles collectifs, distribution des pertes totales. Types de contrat d’assurance et de réassurance IARD. Effet de modifications de couverture.

Sondages élémentaires, empiriques, stratifiés, systématiques, avec probabilités inégales, à deux degrés. Méthodes de Monte-Carlo : création d'échantillons artificiels, simulation et analyse d'exemples.

Théorie de la décision, lois a priori et a posteriori, règle de Bayes, rapport de Bayes, loi prédictive, région de prévision, modèle hiérarchique, simulations par chaînes de Markov, échantillonneurs de Gibbs et de Metropolis-Hastings.

Vecteur aléatoire. Matrice des covariances. Loi multinormale. Région de confiance et tests pour le vecteur moyen. Analyses en composantes principales, canonique, discriminante et classification. Lois décentrées.

Fonction de survie. Taux de panne. Modèles paramétriques et non paramétriques pour des données complètes. Estimation. Différents types de censure. Modèle de régression. Applications.

Principes. Assignation au hasard. Répliques. Blocs. Effets fixes et aléatoires. Classification simple. Plans factoriels, à mesures répétées, incomplets. Résidus et diagnostics. Applications. Remarques: Utilisation du progiciel SPSS.

Évaluation d'un modèle de régression et sélection de variables. Méthodes de rétrécissement. Modèles linéaires généralisés. Méthode des k plus proches voisins. Arbres de décision. Régression non paramétrique.

Classification. Réduction de la dimension. Modélisation de relations avec noyaux de similarité. Regroupements. Apprentissage de variétés. Fondements mathématiques et applications d'algorithmes d'apprentissage.

Un projet est suggéré à chaque étudiant lui permettant de faire une synthèse de ses connaissances en actuariat ou mathématiques financières. L’étudiant soumet un rapport et fait un exposé oral à la fin du trimestre.

Stage supervisé faisant appel à des compétences actuarielles, mathématiques ou statistiques.

Stage supervisé faisant appel à des compétences actuarielles, mathématiques ou statistiques.

Concepts avancés : classes, objets, héritage, interfaces, réutilisation, événements. Introduction aux structures de données et algorithmes : listes, arbres binaires, fichiers, recherche et tri. Notions d'analyse numérique : précision.

Traitement d'ensembles de données au moyen d'un chiffrier électronique et d'un système de gestion de base de données. Automatisation et adaptation de différents traitements sur ces données en utilisant la programmation en VBA.

Types abstraits pour les structures de données, arbres, dictionnaires, files avec priorités, graphes, méthodes externes.

Modèles linéaires. Méthode du simplexe. Dualité. Postoptimisation. Analyse de sensibilité. Problèmes à structures particulières. Modèles en nombres entiers. Méthodes de coupes. Séparation et évaluation progressive.

Modèles de simulation. Simulations continues et à événements discrets. Modélisation stochastique. Validation et réalisme. Analyse des résultats. Technique de réduction de la variance. Génération de valeurs pseudoaléatoires.

Éléments de base des algorithmes d'apprentissage statistique et symbolique. Exemples d'applications en forage de données, reconnaissance des formes, régression non linéaire, et données temporelles. Remarques: Des connaissances d'analyse numérique sont recommandées, par exemple le IFT 2425.

Programmation non linéaire. Conditions d'optimalité avec et sans contraintes. Méthodes de directions de descente, de Newton et quasi-Newton. Méthodes de recherche linéaire et de régions de confiance. Méthode de points intérieurs.

Mise en contexte et applications des probabilités, statistiques, optimisation et outils informatiques pour la science des données; nettoyage et visualisation de données; enjeux statistiques de l'apprentissage automatique sur données structurées.

Présentation des outils de base de l'analyse économique : coût d'opportunité, offre, demande et prix; choix des consommateurs; choix de production des firmes; marchés concurrentiels; monopole; efficacité; commerce international. Remarques: Cours aussi offert en ligne

Éléments de finance : décisions d'épargne et marchés financiers; concurrence imparfaite : progrès technologique et informations imparfaites; rôle de l'État : environnement, efficacité, équité.

Interdépendance des marchés et comptabilité nationale et financière. Marchés monétaires et théories de l'inflation. Marché du travail et types de chômage. Modèles de long et de court termes. Modèle IS-LM; fluctuations économiques. Remarques: Cours aussi offert en ligne

Théorie de la décision; choix des consommateurs et théorie de la demande; choix des producteurs et théorie de l'offre; marchés concurrentiels; équilibres partiel et général; bien-être et efficacité.

Modèle IS-LM en économie fermée et en économie ouverte; fluctuations des taux de change; marché du travail et offre globale; courbe de Phillips.

Le modèle comptable : fondements théoriques et fonctionnement pratique, adaptation aux formes juridiques d'entreprises. Concept économique de la valeur et du profit vs théories classiques de la comptabilité. Introduction à la comptabilité nationale.

Introduction à la finance. Étude des décisions d'investissement de la firme. Incorporation de la contrainte financière, de la fiscalité et du risque dans les analyses avantages-coûts des projets privés. Remarque : Ce cours ne peut pas être reconnu comme cours au choix dans le programme suivant : 119010 spécialisation 75.

Calcul vectoriel : divergence, rotationnel, laplacien. Formules de Green-Riemann, de Stokes et théorème de la divergence. Introduction aux équations différentielles. Équations différentielles linéaires d'ordre un et deux.

L'intégrale de Riemann, le théorème fondamental du calcul. Fonctions trigonométriques, exponentielles et leurs inverses. Suites et séries de fonctions, séries de Taylor, séries de Fourier.

Équations du premier et du second ordre. Existence et unicité. Dépendance continue par rapport à la condition initiale. Méthodes analytiques, qualitatives. Systèmes linéaires et non linéaires. Dynamique discrète.

Éléments de base d'un langage de programmation : types, expressions, énoncés conditionnels et itératifs, procédures, fonctions, paramètres, récursivité, tableaux, enregistrements, pointeurs et fichiers.

Travaux pratiques en Mathematica : expressions, listes, fonctions, récursions, itérations, dérivations, intégrations, graphismes en 2 et 3 dimensions.

Présentation de SAS et R; lecture des données; organisation, gestion et manipulation des données; transformation de variables; chaînes de caractères, dates; instructions de condition et de boucle; procédures graphiques; statistiques descriptives.

Mesures d'intérêt, valeurs présentes, accumulées, annuités certaines à paiements égaux et non-égaux, remboursement des prêts, obligations, flux monétaires généraux et portefeuilles, duration, immunisation, déterminants des taux d’intérêt.

Options d'achat/vente, contrats à terme/à livrer, stratégies de gestion des risques, évaluation d'options, parité, arbitrage, modèle binomial, modèle de Black-Scholes, couverture dynamique.

Marchés financiers et actifs financiers qui s'y transigent (actions, titres à revenu fixe). Construction de portefeuilles, frontière efficace. Modèle CAPM. Efficience des marchés et finance comportementale. Mesures de risque.

Notions de probabilités et calcul stochastique, théorie de l’arbitrage, théorèmes fondamentaux, modèles binomiaux, modèle de Black-Scholes, modèles pour taux d’intérêt, calibration de modèles aux données de marché.

Axiomes de Peano. Principe d'induction. Algorithme d'Euclide. Nombres entiers, rationnels, réels. Nombres algébriques, transcendants. Cardinaux. Nombres complexes. Théorème fondamental de l'algèbre.

Axiomatisation des entiers. Induction mathématique. Bases de numération et écriture d'un nombre réel dans une base. Théorie des graphes et applications. Lieux géométriques. Droites et cercles. Coniques et applications.

Géométrie euclidienne dans le plan: figures semblables, aires planes. Éléments de géométrie dans l'espace: droites et plans, polyèdres, corps ronds. Systèmes d'axiomes et introduction aux géométries non euclidiennes.

Initiation à la modélisation. Formulation d'un problème bien cerné, identification des quantités-clés, collection de données fiables, formulation en termes de mathématiques et solution, comparaison des résultats aux données, communication des résultats.

Stage supervisé faisant appel à des compétences actuarielles, mathématiques ou statistiques.

Topologie de Rⁿ. Ensembles ouverts, compacts. Applications continues, différentiables. Jacobien. Théorème de Taylor. Extrema. Théorème des fonctions inverses et implicites.

Fonctions holomorphes d'une variable complexe. Représentation conforme. Équations de Cauchy-Riemann. Théorème de Cauchy. Séries de Laurent. Théorème fondamental des résidus.

Courbes dans R3 : courbure, torsion, équations de Frenet. Surfaces dans R3 : première et seconde formes fondamentales, courbures de Gauss et moyenne. Isométries et theorema egregium.

Propagation d'erreurs. Solution numérique d'équations non linéaires. Interpolation et approximation polynomiale. Dérivation et intégration numériques. Algèbre linéaire : méthodes directes et itératives. Approximation discrète par moindres carrés.

Étude de plusieurs sujets dans des domaines où les mathématiques jouent un rôle essentiel pour la technologie : informatique, cryptographie, transports, biotechnologie, pharmacie, traitement d'images, reconnaissances de formes, etc.

Introduction aux dynamiques adaptatives: évolution des génomes, quasi-espèces, dynamiques des jeux, dynamiques de population (finies et infinies), théorie adaptative sur graphes, automates. Applications : biologie, écologie, finance, médecine, etc.

Fonctions Gamma et Bêta, séries de Fourier et d'autres fonctions orthogonales. Problème de Sturm-Liouville, approximation en moyenne quadratique, séparation de variables pour les équations aux dérivées partielles, transformées de Fourier et Laplace.

Les mathématiques dans l'Antiquité. Les mathématiques en Chine, en Inde et chez les Arabes. Les mathématiques en Europe de 500 à 1600. La géométrie analytique. Le calcul infinitésimal. Le développement de l'analyse. Les mathématiques du XXe siècle.

Exemples de groupes : groupe symétrique, groupes linéaires. Sous-groupes et théorème de Lagrange. Groupe quotient et théorèmes d'isomorphisme. Actions et actions linéaires. Théorème de Sylow.

Anneaux, idéaux et modules, théorèmes d’isomorphisme, factorisation unique dans un domaine principal, forme normale d’un module noetherien sur un domaine principal, forme canonique et forme normale de Jordan d’une matrice.

Lien entre les marches aléatoires réversibles et les réseaux électriques. Exemples de graphes aléatoires, dont la percolation et les arbres couvrants. Marches aléatoires sur graphes aléatoires. Méthodes du premier et second moment.

Outils mathématiques utilisés pour comprendre des structures intrinsèques de données empiriques. Localité et régularité dans la construction de géométries globales de données. Représentation, exploration et analyse de géométries globales de données.

Stage supervisé faisant appel à des compétences actuarielles, mathématiques ou statistiques.

Équations du premier ordre et du second ordre. Caractéristiques et classification. Équations elliptiques : de Laplace, de Poisson. Équation des ondes. Équation de la chaleur. Introduction aux fonctions de Green.

Variétés différentiables dans R^n. Espaces tangent et cotangent. Champs de vecteurs. Degré des applications, indices des zéros des champs des vecteurs. Théorème de point fixe de Brouwer. Théorème fondamental de l’algèbre. Théorème de Poincaré-Hopf.

Espaces topologiques. Variétés topologiques, définitions et exemples. Théorème de classification des surfaces. Groupe fondamental. Théorème de Van Kampen. Revêtements.

Processus de modélisation mathématique: simplification du problème sous étude, formulation mathématique, analyse et interprétation dans la discipline d'origine. Étude de problèmes issus de la biologie contemporaine.

Processus de modélisation mathématiques avancés: simulations, estimation de paramètres, interprétation. Introduction à l’utilisation des mathématiques dans un milieu multidisciplinaire (médecine, neurosciences, etc.). Étude de cas et projet appliqué.

Théorème fondamental de l'arithmétique. Équations diophantiennes. Congruences linéaires. Théorèmes d'Euler et de Fermat. Théorie des indices. Racines primitives. Résidus quadratiques. Congruences générales. Nombres premiers.

Arguments de comptage, estimations asymptotiques, fonctions arithmétiques et séries de Dirichlet, théorème des nombres premiers. Anatomie des entiers, arguments probabilistes, théorème d’Erdos-Kac.

Compléments de théorie des groupes. Théorie des corps, groupe de Galois, corps de Galois, résolubilité d'équation par radicaux. Résolution de problèmes classiques.

Sondages élémentaires, empiriques, stratifiés, systématiques, avec probabilités inégales, à deux degrés. Méthodes de Monte-Carlo : création d'échantillons artificiels, simulation et analyse d'exemples.

Théorie de la décision, lois a priori et a posteriori, règle de Bayes, rapport de Bayes, loi prédictive, région de prévision, modèle hiérarchique, simulations par chaînes de Markov, échantillonneurs de Gibbs et de Metropolis-Hastings.

Vecteur aléatoire. Matrice des covariances. Loi multinormale. Région de confiance et tests pour le vecteur moyen. Analyses en composantes principales, canonique, discriminante et classification. Lois décentrées.

Méthode des moindres carrés. Théorèmes de Gauss-Markov et de Cochran. Estimation et tests d'hypothèses. Résidus et diagnostics. Construction de modèles. Exemples. Remarques: Utilisation du progiciel SAS.

Estimation ponctuelle et par intervalle. Tests d'hypothèses. Méthodes graphiques. Test du khi-deux. Théorie de la décision et inférence bayésienne. Comparaisons de deux échantillons. Lié aux examens CAS et agrément ICA.

Estimation ponctuelle et par intervalle. Tests d'hypothèses. Méthodes graphiques. Test du khi-deux. Théorie de la décision et inférence bayésienne. Comparaisons de deux échantillons.

Fonction de survie. Taux de panne. Modèles paramétriques et non paramétriques pour des données complètes. Estimation. Différents types de censure. Modèle de régression. Applications.

Principes. Assignation au hasard. Répliques. Blocs. Effets fixes et aléatoires. Classification simple. Plans factoriels, à mesures répétées, incomplets. Résidus et diagnostics. Applications. Remarques: Utilisation du progiciel SPSS.

Études de cohortes, études transversales, longitudinales, prospectives. Détermination des tailles d'échantillon dans les devis. Fiabilité des mesures.

Évaluation d'un modèle de régression et sélection de variables. Méthodes de rétrécissement. Modèles linéaires généralisés. Méthode des k plus proches voisins. Arbres de décision. Régression non paramétrique.

Classification. Réduction de la dimension. Modélisation de relations avec noyaux de similarité. Regroupements. Apprentissage de variétés. Fondements mathématiques et applications d'algorithmes d'apprentissage.

Concepts avancés : classes, objets, héritage, interfaces, réutilisation, événements. Introduction aux structures de données et algorithmes : listes, arbres binaires, fichiers, recherche et tri. Notions d'analyse numérique : précision.

Traitement d'ensembles de données au moyen d'un chiffrier électronique et d'un système de gestion de base de données. Automatisation et adaptation de différents traitements sur ces données en utilisant la programmation en VBA.

Programmation linéaire. Simplexe. Dualité. Programmation en nombres entiers. Problèmes de réseaux. Méthodes PERT/CPM. Plus court chemin. Programmation dynamique déterministe et probabiliste. Modèles stochastiques.

Types abstraits pour les structures de données, arbres, dictionnaires, files avec priorités, graphes, méthodes externes.

Automates finis et expressions régulières. Grammaires hors-contexte et automates à piles. Calculabilité et décidabilité. Classes de complexité.

Conception et analyse d'algorithmes. Notation asymptotique, résolution de récurrences. Algorithmes voraces, diviser-pour-régner, programmation dynamique, parcours de graphes, retour-arrière, algorithmes probabilistes.

Arithmétique en point flottant, analyse d'erreurs. Équations linéaires et non linéaires. Interpolation, moindres carrés. Différenciation et intégration numérique. Équations différentielles ordinaires.

Modèles linéaires. Méthode du simplexe. Dualité. Postoptimisation. Analyse de sensibilité. Problèmes à structures particulières. Modèles en nombres entiers. Méthodes de coupes. Séparation et évaluation progressive.

Calcul réversible; information quantique; non-localité; cryptographie quantique; circuits, parallélisme et interférence quantiques; algorithmes de Simon, Shor et Grover; téléportation; correction d'erreurs; implantation.

Systèmes linéaires. Échantillonnage et reconstruction. Convolution. Notation polaire. Transformées-Z et de Fourier. Analyse spectrale. Filtrage numérique (FIR et IIR). Applications dans les domaines de l'audio, de l'image et de la vidéo.

Modèles de simulation. Simulations continues et à événements discrets. Modélisation stochastique. Validation et réalisme. Analyse des résultats. Technique de réduction de la variance. Génération de valeurs pseudoaléatoires.

2D : tracé, remplissage. 3D : transformations, projections. Surfaces cachées. Illumination : modèles de réflexion. Textures : antialiassage. Modélisation : surfaces paramétriques. Animation : interpolation, cinématique, dynamique.

Éléments de base des algorithmes d'apprentissage statistique et symbolique. Exemples d'applications en forage de données, reconnaissance des formes, régression non linéaire, et données temporelles. Remarques: Des connaissances d'analyse numérique sont recommandées, par exemple le IFT 2425.

Programmation non linéaire. Conditions d'optimalité avec et sans contraintes. Méthodes de directions de descente, de Newton et quasi-Newton. Méthodes de recherche linéaire et de régions de confiance. Méthode de points intérieurs.

Introduction à la théorie des graphes et à ses applications en informatique. Arborescences, connexité, coloriages, stabilité. Algorithmes sur les graphes. Applications.

Mise en contexte et applications des probabilités, statistiques, optimisation et outils informatiques pour la science des données; nettoyage et visualisation de données; enjeux statistiques de l'apprentissage automatique sur données structurées.

Loi de Mendel et mécanismes de l'hérédité. Linkage génétique et recombinaison. Probabilités et génétique. Éléments de cytogénétique. Mutations. Applications en biotechnologie et impact social.

Organisation générale de la biosphère, dynamique de l'environnement physique, histoire de la biosphère, populations et communautés, les grands types d'écosystèmes, l'homme dans la biosphère.

Processus responsables des variations temporelles de l'abondance des populations animales et végétales. Description et utilisation de modèles mathématiques visant à quantifier et prédire les variations de l'abondance des populations.

Introduction aux principes, méthodes et applications de la systématique: reconstruction phylogénétique, systématique moléculaire, applications en biologie de l'évolution, pour la classification taxonomique, la biogéographie et l'écologie. Remarques: Actif au trimestre d'hiver des années impaires. Cours cyclique non offert en 2015-2016.

Introduction aux phénomènes majeurs modifiant les populations humaines, dans leur structure et dans leur mouvement : fécondité, nuptialité, mortalité, migration. Histoire des populations et croissance démographique. Perspectives de populations.

Recensements canadiens et données d'état civil au Québec; implications pour l'analyse; comparaison avec d'autres pays, dont certains du Tiers-Monde. Enquête démographique. Enjeux éthiques. Remarques: Travaux pratiques avec les données et les métadonnées disponibles sur Internet.

Méthodes d'analyse longitudinale : application à la mortalité, fécondité, nuptialité, migration. Construction de tables démographiques. Histoire d'une promotion de mariages.

Méthodes d'analyse transversale : application à la mortalité, fécondité, nuptialité, migration. Construction de tables de mortalité. Structure et renouvellement des populations. Modèles et éléments de perspectives de population.

Pratique de la démographie. Perspectives de population : modèles de base et modèles adaptés aux sous-populations. Applications à divers milieux de pratique : éducation, santé, population active, immigration, et autres.

Présentation des outils de base de l'analyse économique : coût d'opportunité, offre, demande et prix; choix des consommateurs; choix de production des firmes; marchés concurrentiels; monopole; efficacité; commerce international. Remarques: Cours aussi offert en ligne

Éléments de finance : décisions d'épargne et marchés financiers; concurrence imparfaite : progrès technologique et informations imparfaites; rôle de l'État : environnement, efficacité, équité.

Interdépendance des marchés et comptabilité nationale et financière. Marchés monétaires et théories de l'inflation. Marché du travail et types de chômage. Modèles de long et de court termes. Modèle IS-LM; fluctuations économiques. Remarques: Cours aussi offert en ligne

Théorie de la décision; choix des consommateurs et théorie de la demande; choix des producteurs et théorie de l'offre; marchés concurrentiels; équilibres partiel et général; bien-être et efficacité.

Le modèle comptable : fondements théoriques et fonctionnement pratique, adaptation aux formes juridiques d'entreprises. Concept économique de la valeur et du profit vs théories classiques de la comptabilité. Introduction à la comptabilité nationale.

Initiation au développement durable et à l'environnement : pressions environnementales, état de l'environnement, réponses sociales. Thèmes traités: population, agriculture, énergie, déchets, pollution des milieux, changements climatiques, biodiversité.

Introduction aux processus météorologiques fondamentaux qui régissent le climat. Les grands types de climat, leur répartition spatiale et leur évolution dans le temps. Ajustements au doublement du CO2 atmosphérique.

Introduction à la science de l'hydrologie par un examen des processus physiques qui composent le cycle hydrologique. Analyse conceptuelle et physique des processus.

Approche interdisciplinaire de résolution d'un enjeu de société. Mise en application de compétences transversales (résolution de problèmes complexes, gestion de projet, communication, etc.) Thématiques varient annuellement.

Logique des connecteurs et logique des quantificateurs.

La science comme entreprise rationnelle : spécificité de l'explication scientifique. Notions d'hypothèse, de loi, de théorie. Le développement de la science : modèles continuistes et discontinuistes.

Introduction à des problématiques fondamentales de la philosophie de la connaissance: la nature de la connaissance, les sources de la connaissance, les types de connaissance, les limites de la connaissance, etc.

Introduction à la métalogique propositionnelle : complétude et décidabilité de la logique propositionnelle classique. Introduction à des variantes et alternatives logiques intuitionniste, multivalente, modale, floue, etc.

Lois de Coulomb et de Gauss. Potentiel scalaire. Conducteurs. Énergie électrique et magnétique. Dipôle. Courants et densité de courant électrique. Lois d'Ampère et de Biot et Savart. Potentiel vecteur. Loi de Faraday.

Oscillations libres, amorties et entretenues. Oscillateurs couplés et modes normaux. Ondes stationnaires. Superposition de modes et analyse de Fourier. Ondes progressives. Réflexion et transmission. Interférence.

Concepts fondamentaux de la mécanique. Lois de conservation. Rotation autour d'un axe. Forces centrales. Problème de Kepler. Diffusion et section efficace. Gravitation.

Référentiels non inertiels. Postulats de relativité. Dilatation du temps. Contractions des longueurs. Transformations de Lorentz. Effet Doppler. Cinématique relativiste. Quadrivecteurs.

Notions de base en astrophysique. Se repérer dans l'espace et le temps. Visite de l'Univers à petite et grande échelle. Description de l'évolution de l'Univers. Origine et évolution de la vie dans l'Univers. Remarque: Cours en ligne. Remarque : Ce cours ne peut pas être reconnu comme cours au choix dans les programmes suivants : 119210, 120010, 120020, 120040, 120510.

Formalismes de Lagrange et Hamilton. Transformations canoniques et crochets de Poisson. Formalisme de Hamilton-Jacobi. Mouvements des corps rigides et équations d'Euler.

Cinématique et dynamique d'un fluide. Paramètres non dimensionnels. Fluide parfait. Compressibilité. Viscosité, couche limite. Turbulence.